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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16