大数据时代的民机健康管理技术革新（6）

大数据时代的民机健康管理技术革新（六）

（2018年7月23日）

6.面向民机健康管理应用的地面大数据平台

为了更好地挖掘数据价值，创造无限可能，需要在机载和地面构建大数据应用平台，提高数据分析处理能力，此处重点讨论面向民机健康管理应用的地面大数据平台。其核心是收集分析民机运行过程中实时状态数据以及航后维护中产生的海量信息，借助各种算法和智能模型，完成系统的状态监测、故障诊断及预测，然后依据诊断或预测信息、可用的资源以及使用需求对维修活动做出适当的决策，避免“过修”和“失修”问题，提高系统的利用率，从而合理地权衡使用、维修中安全和经济的矛盾，确保全寿命周期的成本最低。面向民机健康管理应用的大数据平台的组成要素如图4所示。

面向民机健康管理应用的大数据平台架构示意如图5所示，基础层主要引入工业大数据架构（如Hadoop、Spark等）完成数据采集、存储、处理及可视化等；数据层涉及飞机健康状态的数据种类多、量级大、格式复杂，包括机载监控传感器数据、机组数据、故障报告、维护数据、服务通告等；业务逻辑层通过对各类健康数据进行综合收集和管理，分析典型系统故障特点及数据关联性，研究运用各种数据驱动的AI模型进行数据分析、识别、推理、预测等处理，对飞机系统进行状态监控、故障定位、趋势分析以及健康状态评估；决策输出层形成健康分析报告与维修派遣决策，将原始数据转化为航空公司可直接识别与应用的维修保障工作指令，与运行控制、维修控制、机务维修等主要业务流程高度融合，提高航空公司运营效率，节省经济成本。

7.民机健康管理服务生态链

基于大数据分析平台，可不断形成面向民机健康管理应用的智慧服务生态链，聚焦多维大数据分析应用，实现数据驱动业务发展，协同产业链资源，推动民机向“制造+服务”转型，生态链组成如图6所示。

1) 大数据平台：民机健康管理服务生态链核心，动态捕获空地数据链、地面数据链以及运营数据，应用较为成熟的数据存储分析工具、定制的AI算法模型对数据进行预处理和挖据，提供实时状态监控、故障定位智能推理、性能状态预测、机队健康状态评估、维修决策优化等服务，为民机健康管理生态链的各个部门和角色完成工作任务和决策提供支撑。

2) 运行控制部门：签派和调度人员参考平台所监控计算飞机健康状态和排故情况修订签派计划，保障机队安全可靠、高效运营，如根据发动机性能状态、飞机状态、驾驶员状态、机场条件、天气条件等综合制定优化的派遣计划，并可提前做好预防性保障措施。

3) 维修控制部门：航行动态管理人员、维修工作组织决策人员参考平台历史数据统计和最新实时动态数据快速决策，判断飞机是否需要维修，何时维修，制定预测性维修计划及备品备件计划，减少非计划停场；完善优化维修定检计划，合理安排维修间隔时间，提高利用率。

（未完待续）

（原创： 王兆兵 摘自：航空维修与工程）