京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据在预测性维修中的应用
大量来自于发动机和其他一些关键部件的监控数据,使得预测性维修具备了可行性。越来越多的数据的收集和分析工具正在被开发或者投入运用。大数据在航空维修业的应用仍处于初始阶段,为了有效地处理这些来自飞机的数据,还要有思维及工作方式的转变。
普惠加拿大公司鼓励更多的客户加入其滑油分析技术的验证。
利用传感器数据进行发动机的状态监控已有较长的一段时间了。现在,这一技术正快速地应用到飞机的其他部件。随着应用范围的扩大,数据分析的方式也在化繁为简。目前,航空维修业对于大数据的应用还处于起步阶段,人们的思维方式和工作方式应做相应的转变。
滑油分析与状态监控相结合
普惠加拿大公司的基于飞机联通性的FAST解决方案,是用无线方式采集和传送飞行过程中的飞机和发动机数据。FAST将分析数百个与性能相关的数据,如速度、温度、压力,以提供接近实时的发动机健康、使用和性能趋势的监控。
现在,普惠加拿大公司正针对PT6A发动机开展“滑油分析技术”研究。这项技术的开发并不是要取代发动机的传感器监控,而是要将滑油分析与传感器监控结合在一起,作为对发动机状态监控的有效补充。滑油分析技术主要关注的是滑油中的微粒,分析这些微粒的来源、大小和形状,可以对润滑部件(如轴承和齿轮等)的健康状况进行监控。
将传感器监控与滑油分析技术结合起来的目的,也是为了提前做好维修计划,避免航班的延误或取消。
普惠公司已于2016年春季开展了滑油分析技术的验证。到2017年年初,共计有380个客户为普惠公司提供3500台发动机的滑油样本。普惠公司将依据所采集到的滑油样本,开展为期18~24个月的验证试验。截至目前,监测的结果与预测的趋势基本一致。滑油分析技术的研究目前正处于收尾阶段,普惠加拿大公司鼓励更多的客户参与到该项技术的验证中来。
更高效地获取数据
随着技术的发展,有越来越多的传感器被安装到飞机上。如何采集、分析和下载这些数据,则需要费一些功夫,对一些相对较老的机型更是如此。
现在,有不少制造商都在此领域开展工作,提出相应的解决方案。例如,霍尼韦尔公司的JetWave高速通信系统,除了为客舱提供高速Wi-Fi,也可以将飞机运行数据实时传送到地面,提高飞行效率和安全。而联合技术航空系统(UTAS)公司的飞机接口装置(AID),也可以收集和利用来自飞机的各种数据。AID在波音717、MD-11、737NG、747-400、767、777和空客的A320等飞机上的应用已获得适航认证,而在A330、A340的应用也将会在今年上半年取证。该装置已安装在300余架飞机上,还有数百架飞机等待安装。
根据诊断结果进行预测性维修会改变原先的工作计划。
起初,UTAS设计AID的目的是向电子飞行包(EFB)传输数据,所以配有Wi-Fi天线。现在该装置作为预测飞机健康的数据中心,通过对收集到的数据进行分析,可以帮助航空公司减少航班延误或取消。
AID除了给飞行员实时提供航电数据及上传气象数据,还可用2.4GHz的带宽或者以太网收集来自于飞机外场可更换件(LRU)的数据,并进行视情诊断。无论是在飞行过程中或是在地面,AID可以通过多种方法将数据传送给飞行员或者工程技术人员,诊断数据或结果也可以下载至地面设备。
AID不仅增强了新型飞机上的中央维修计算机的功能,也可以用移动电话、Wi-Fi和卫星网络等方式从较老的飞机下载数据。AID的结构小巧,不需要进行主动冷却。
除了AID,UTAS还在开发新的系统,用于飞机内部的传感器、作动器和数据处理网点之间的无线通信。其中的一个目标是可以收集更多的数据进行故障诊断。用无线方式传递数据可以不用打开飞机机舱面板,适宜在老龄飞机上安装。
UTAS正针对现有的2.4GHz带宽和刚获批准的4.2GHz带宽开发无线系统。2.4GHz系统的飞行测试工作将于2017年展开,而4.2GHz系统的相关条例正在制定中,将于2019年定稿。相较于开放的2.4GHz带宽,新的4.2GHz带宽是专用的,可靠性更高。
有效地进行预测性维修
现在,关于预测性维修的探讨非常热烈。那么除了复杂的算法之外,应当怎么做才能使之更为有效呢?
第一,能方便地获取数据,不给工程技术人员增加负担。为了在采集数据时不增加额外的工作负担,技术人员宜用移动设备以电子化的方式输入数据,应尽可能多地利用无线射频识别电子标签(RFID)和条码。无论是航线维护或是基地维修,工程技术人员都能方便地利用移动设备查询预测维修的结果、工卡、维修手册等。
第二,充分信任预测结果。在数字化时代的机械师必须充分信任诊断的结论,而不是凭经验做出判断。
第三,对诊断系统进行闭环管理。所有的维修行为和核心步骤都必须被跟踪:技术人员、客舱乘务员或者驾驶员的报告;工作指令;航材;执行结果等。
第四,维修计划更为智能化。在制订维修计划时,需要利用数据确定何时进行计划外的部件拆换。而在飞机仍在飞行的过程中做出这些决定,需要确保维修人员和航材准时到位。
第五,供应链管理应为诊断提供支持。整个供应链必须像技术人员或者工程师那样,对预测性维修建议做出敏捷响应,确保在合适的时间、地点,有合适的人和备件进行飞机维修。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27