人工智能作為21世紀最熱門的先進技術之一，在基礎制造業等產業發展較快，且早有布局。但在航空維修業也并非空白，而且除了傳統制造商在不斷研發之外，有許多新進入者也在花大力氣開發新產品，助力維修業。
近年來，維修業中呼聲最高的將大數據應用于預測性維修。通過對飛機部件失效的可能性進行預測，將以前很多不可控的非計劃維修轉變為計劃性維修。盡管如此，但是突發故障仍然無法完全避免，鑒于人工智能技術能夠通過多種形式最大程度提高故障診斷水平,所以維修業希望利用人工智能(AI)技術可以使排故工作變得更快捷、更高效。
例如，自然語言處理技術（natural language processing）能將技術人員的口頭詢問轉化為文本，進而找到最佳的解決方案。同時，也可以將維修歷史報告直接轉化為數據，或者在消化維修手冊的基礎上快速給出相關修理建議。再如，機器學習技術（machine learning）可以篩選排故經驗，排查出最有可能發生的潛在風險并及時提出最佳的解決辦法。在航線排故過程中，能夠更好地使航線技術人員與技術專家合作、更便捷地運用文檔化的專業工具，特別是對于一些長期性的復雜技術難題，人工智能技術有助于更好地集中人力、物力，并快速提出解決方案。
排故應用
一直以來，大型飛機制造商都在提供相關的排故技術服務，而當前越來越多的高科技企業和創業公司也開始投身其中。
波音公司曾測試將增強現實技術應用于智能眼鏡，為維修人員提供交互式的3D電纜接線圖，徹底解放工作人員的雙手，改變維修過程中不得不隨時查看手冊的常規方法，且在維修時還可隨時保存相關信息。波音公司指出，通過測試分析顯示，該技術在首次修理時效率提高了90%，減少約30%的維修時間。當然，波音公司現行的航線維修APP也能夠為維修人員提供迅速查閱手冊、零件號和關鍵排故信息的服務。再有，名為“Toolbox”的工具箱也在通過智能文檔和可視化導航為故障診斷提供幫助，記錄結構修理信息及管理部件和工作卡，現已在200多家客戶中獲得應用。“工具箱”內收集了維修手冊和航空公司自建的內容，使用戶可以便捷地查閱相關部件信息和故障歷史數據。
與此同時，波音公司的“Turn Time” APP也在通過移動設備使航線維修人員與工程技術人員建立密切聯系，如通過上傳損壞零件的照片，實現信息共享，幫助排故人員更快速地獲得維修方案。
創新永無止步。5年前成立的SparkCognition公司與波音公司和美國空軍也在合作開展預測性維修和排故研究。該公司指出，它們可以通過機器學習技術自動建立程序化模型的運算速度比數據專家的運算快很多。該公司能夠運用自然語言處理技術充分整合維修手冊的要求和維修人員的歷史經驗。首次試運行顯示，這套系統的故障預測準確性達70％~80％，并且隨著運行經驗的不斷積累以及公司聘用大數據專家和航空專家對其改進，該系統正在成為一站式解決方案。
快速解決方案
自1999年以來，Casebank技術公司一直在為航空公司提供故障診斷服務。到目前為止，該公司已為300家公司的1萬多架飛機提供了技術支持。據介紹，Casebank技術公司擁有兩款基礎性應用產品——Spotlight和 ChronicX。
Spotlight能夠儲存故障癥候、原因以及部件失效的解決方案等數據信息。隨后，通過分析診斷提出最優化的排故方案。這些數據一部分來自原始制造商的維修手冊，一部分來自航空公司的經驗積累。Spotlight并不是直接的維修工具，而是為航空公司或維修企業提供維修診斷建議。該公司指出，試驗證明，對于初級機械員而言，Spotlight可以大幅降低排故時間，節省約75％的工作時間，這幾乎是一位沒有獲得任何Spotlight幫助的熟練技師所用時間的一半。
ChronicX能夠檢測和管理反復出現的故障，并根據出現的故障預測未來的故障趨勢。通過運用自然語言處理技術，從飛行員語音和維修記錄中解讀出非結構性數據，然后找出重復出現的故障。通過定期上傳的最新維修記錄，ChronicX能夠為用戶提供最新的潛在故障趨勢信息。維修人員可以直接檢修這些預測的故障點，省去大量無效的排查工作。
Casebank技術公司表示，將Spotlight和ChronicX結合應用可以形成一套獨一無二的維修解決方案，大幅提升首次排故成功率、降低未發現故障（NFF）比例。通常，Casebank技術公司的這些產品是由OEM提供給航空公司使用，如龐巴迪和普惠公司等OEM推薦給航空公司使用。到目前為止，這些技術在航線維修方面已得到廣泛應用。未來，Casebank還將把產品延伸至飛機大修領域，為航空公司提供更加全面的服務。
再有，IBM公司開發出的“認知計算”（cognitive computing）技術，是基于歷史經驗數據，通過運算模型，使技術人員能夠獲得最有可能完成故障檢修的方法和實施步驟。IBM 公司認為，該技術可提高首檢一次性成功率，縮短維修周期達90%，進而節約大量的維修支出。4年前，韓國航空公司就已經開始在單架飛機上運用認知計算技術，并很快推廣到全機隊。目前，IBM已與眾多航空公司建立合作關系。IBM公司認為其解決方案更適用于具備自主維修能力的航空公司，因為這些解決方案需要大量的維修數據。
Acsis的另一項服務APP名為“Cross Sense”。這種最新的交互式技術能夠提醒工程師注意飛機維護過程中可能重復發生的問題，因為這些隱患經常會導致飛機緊急停場（AOG）、航班取消或延誤。盡管一般情況下管理人員和工程人員會在早會上討論昨晚發生的較大技術故障或存在的隱患，但是一線維修人員并不直接參與討論，甚至可能毫不知情，所以如果再次執行檢修時也很難察覺這些尚未造成重大影響的潛在隱患。
這正是Acsis這項技術的使命所在。這套技術可以從航空公司的維修執行系統中獲取最新的數據，通過復雜的精密運算分析出潛在的故障風險，然后將這些風險提示發送給具體負責管理的高級經理。當高級管理人員點擊問題后，就會顯示各個問題所涉及的飛機以及解決此類問題的以往經驗；再次點擊后，就會顯示所有相關的飛行和維修報告，包括以前的排故步驟、每次例行維修及歷史換件信息，甚至能夠提出未來飛機運行中造成飛機延誤的概率。Acsis并不針對具體的排故步驟提出建議，但是它能夠對那些長期從事排故的工程技術人員提出警示。
Intel公司剛剛推出了“Saffron”維護支持系統。該系統運用了關聯記憶，而非機器學習。因為機器學習需要利用海量的數據來搭建有價值的模型，而關聯記憶只需收集每起事件，不需要用數據來訓練算法。Saffron具備兩項功能。其一是相似度建議功能，該功能通過尋找相似維護事件并識別出維修路徑，這些路徑甚至可能是基于很少的相似事件而形成的，但這項功能可以幫助制造商減少部件搜索時間，通過對復雜零件數據的整理和分類找到所需要的零部件，測試顯示采用該系統可將部件搜索時間從平均4小時縮短至5分鐘。Saffron的另一項能力是分類建議功能。通過采用全自動化技術，能夠提高維修事件分類的準確性，并檢測ATA代碼是否正確。手工作業只能保證初始兩位數70%的準確率及后兩位數23%的準確率，而Saffron在頭六位數上的準確率達80%~90%。
目前，已經有一家飛機制造商在使用Saffron，而且Intel公司仍在開發Saffron的新功能。未來新功能的實現大概需要6～12周的時間，包括提取數據、形成方案、精煉結構、正式程序等工作。
總部位于悉尼的1Ansah公司多年來一直為澳大利亞旋翼飛機提供維修服務。目前，該公司正將該項服務延伸到固定翼飛機領域。據1Ansah公司介紹，1Ansah公司將自然語言和機器學習技術相結合，使技術人員更容易查詢技術文檔，從相似的問題中獲得幫助。該技術綜合吸收了航線維修手冊、部件手冊、服務通告、適航指令和故障隔離手冊的內容，通過分析歸納，為維修提供具體的索引指南，該程序能夠迅速找出所有與排故工作相關的信息，能夠攝取含插圖的零件目錄圖，并將這些數據與3D模型結合起來，創建了一個運用增強現實技術的識別搜索引擎。因此，1Ansah公司的這套系統與大多數OEM廠商的故障診斷軟件相比更勝一籌。
（郭志帥，譯自AW&ST Inside MRO ）
