當一款新機型投入運營時，航空公司并沒有運營數據作為其預測性維修的依據，其維修技術人員也需要在開展維修工作前了解飛機系統或部件的工作原理及故障原因，所以維修依據主要來源于OEM。因此，新機型在運營初期，其狀態監測和故障預測系統通常使用OEM的設計和測試數據，很多航空公司通常選擇OEM提供的飛行小時保障服務。
但隨著飛行時間的增加，航空公司運營數據不斷豐富，在飛機進入成熟運營階段后，便可根據自己的排故和維修實踐經驗更好地評估維修頻率和維修成本。如今，大型航空公司的維修部門也都擁有了預測性維修平臺，對OEM提供的各種維修計劃將不再十分依賴。
為確保預測性維修技術的有效性，需要不同來源的數據進行支撐，包括OEM的設計和測試數據、來自航空公司的運營和飛機性能數據以及獨立維修企業的維護數據。因此，有聲音指出各方展開合作將成為今后的主要趨勢。據悉，很多航空公司會定期與OEM共享運營和維護數據，然后由OEM為航空公司提供預測性維修的分析結果和建議。
數字化進程不斷加快
除了飛機制造商、發動機制造商外，飛機航電系統、零部件供應商等都在推動其數字化進程。
與此同時，全球已經有很多航空公司下屬的MRO（飛機維護、維修與大修）企業開始開發預測性維修技術，如德國漢莎航空技術公司的Condition Analytics項目，以及法荷航維修工程公司的Prognos項目。但與OEM使用大數據技術對海量數據進行分析不同，航空公司下屬的MRO企業研究預測性維修技術的切入點更側重于某些部件暴露出的可靠性問題或運營維修成本問題。
近日，南航機務工程部推出了飛行大數據虛擬化譯碼平臺。該平臺以QAR原始數據為數據源，通過特定的公式及算法，將QAR記錄的不可辨讀原始數據譯碼為飛行參數工程值，配置了39個譯碼庫，能對海量數據進行收集和分析。其全面覆蓋了南航全機型，未來將趨向于大數據幀結構的開發使用。
事實上，早在2014年，飛行大數據虛擬化譯碼平臺就在南航股份機務工程部搭建成功，機載信息室開始重點研究和分析飛行大數據。2016年，“劉宇輝創新工作室”正式成立，團隊使用最新的航空電子技術、計算機技術、發動機性能監控技術、大數據挖掘分析技術與“數據科學”理論，結合地面維護實際情況，以飛機遠程診斷實時跟蹤系統為基礎，進行深層次的飛行大數據研究。
飛機狀態預測和維修作業管理（APCM）平臺，則是Ameco大數據技術的創新成果之一。APCM平臺的飛機健康管理集成了機隊狀態監控、實時故障管理、系統性能監控、能耗監控等功能，使用者可通過該平臺實時了解航班動態、飛機具體位置、實時故障和各系統性能情況，還可以定制上傳命令，靈活準確地與飛機進行實時通信，獲取機載數據。
據悉，該功能模塊不僅包含OEM提供的健康管理工具的基本功能，還具備對地空數據鏈傳送的報文數據、航班落地后即刻同步的QAR譯碼數據、通過互聯網絡實時共享的維修記錄數據，進行融合分析的能力。
