人工智能作为21世纪最热门的先进技术之一，在基础制造业等产业发展较快，且早有布局。但在航空维修业也并非空白，而且除了传统制造商在不断研发之外，有许多新进入者也在花大力气开发新产品，助力维修业。
近年来，维修业中呼声最高的将大数据应用于预测性维修。通过对飞机部件失效的可能性进行预测，将以前很多不可控的非计划维修转变为计划性维修。尽管如此，但是突发故障仍然无法完全避免，鉴于人工智能技术能够通过多种形式最大程度提高故障诊断水平,所以维修业希望利用人工智能(AI)技术可以使排故工作变得更快捷、更高效。
例如，自然语言处理技术（natural language processing）能将技术人员的口头询问转化为文本，进而找到最佳的解决方案。同时，也可以将维修历史报告直接转化为数据，或者在消化维修手册的基础上快速给出相关修理建议。再如，机器学习技术（machine learning）可以筛选排故经验，排查出最有可能发生的潜在风险并及时提出最佳的解决办法。在航线排故过程中，能够更好地使航线技术人员与技术专家合作、更便捷地运用文档化的专业工具，特别是对于一些长期性的复杂技术难题，人工智能技术有助于更好地集中人力、物力，并快速提出解决方案。
排故应用
一直以来，大型飞机制造商都在提供相关的排故技术服务，而当前越来越多的高科技企业和创业公司也开始投身其中。
波音公司曾测试将增强现实技术应用于智能眼镜，为维修人员提供交互式的3D电缆接线图，彻底解放工作人员的双手，改变维修过程中不得不随时查看手册的常规方法，且在维修时还可随时保存相关信息。波音公司指出，通过测试分析显示，该技术在首次修理时效率提高了90%，减少约30%的维修时间。当然，波音公司现行的航线维修APP也能够为维修人员提供迅速查阅手册、零件号和关键排故信息的服务。再有，名为“Toolbox”的工具箱也在通过智能文档和可视化导航为故障诊断提供帮助，记录结构修理信息及管理部件和工作卡，现已在200多家客户中获得应用。“工具箱”内收集了维修手册和航空公司自建的内容，使用户可以便捷地查阅相关部件信息和故障历史数据。
与此同时，波音公司的“Turn Time” APP也在通过移动设备使航线维修人员与工程技术人员建立密切联系，如通过上传损坏零件的照片，实现信息共享，帮助排故人员更快速地获得维修方案。
创新永无止步。5年前成立的SparkCognition公司与波音公司和美国空军也在合作开展预测性维修和排故研究。该公司指出，它们可以通过机器学习技术自动建立程序化模型的运算速度比数据专家的运算快很多。该公司能够运用自然语言处理技术充分整合维修手册的要求和维修人员的历史经验。首次试运行显示，这套系统的故障预测准确性达70％~80％，并且随着运行经验的不断积累以及公司聘用大数据专家和航空专家对其改进，该系统正在成为一站式解决方案。
快速解决方案
自1999年以来，Casebank技术公司一直在为航空公司提供故障诊断服务。到目前为止，该公司已为300家公司的1万多架飞机提供了技术支持。据介绍，Casebank技术公司拥有两款基础性应用产品——Spotlight和 ChronicX。
Spotlight能够储存故障症候、原因以及部件失效的解决方案等数据信息。随后，通过分析诊断提出最优化的排故方案。这些数据一部分来自原始制造商的维修手册，一部分来自航空公司的经验积累。Spotlight并不是直接的维修工具，而是为航空公司或维修企业提供维修诊断建议。该公司指出，试验证明，对于初级机械员而言，Spotlight可以大幅降低排故时间，节省约75％的工作时间，这几乎是一位没有获得任何Spotlight帮助的熟练技师所用时间的一半。
ChronicX能够检测和管理反复出现的故障，并根据出现的故障预测未来的故障趋势。通过运用自然语言处理技术，从飞行员语音和维修记录中解读出非结构性数据，然后找出重复出现的故障。通过定期上传的最新维修记录，ChronicX能够为用户提供最新的潜在故障趋势信息。维修人员可以直接检修这些预测的故障点，省去大量无效的排查工作。
Casebank技术公司表示，将Spotlight和ChronicX结合应用可以形成一套独一无二的维修解决方案，大幅提升首次排故成功率、降低未发现故障（NFF）比例。通常，Casebank技术公司的这些产品是由OEM提供给航空公司使用，如庞巴迪和普惠公司等OEM推荐给航空公司使用。到目前为止，这些技术在航线维修方面已得到广泛应用。未来，Casebank还将把产品延伸至飞机大修领域，为航空公司提供更加全面的服务。
再有，IBM公司开发出的“认知计算”（cognitive computing）技术，是基于历史经验数据，通过运算模型，使技术人员能够获得最有可能完成故障检修的方法和实施步骤。IBM 公司认为，该技术可提高首检一次性成功率，缩短维修周期达90%，进而节约大量的维修支出。4年前，韩国航空公司就已经开始在单架飞机上运用认知计算技术，并很快推广到全机队。目前，IBM已与众多航空公司建立合作关系。IBM公司认为其解决方案更适用于具备自主维修能力的航空公司，因为这些解决方案需要大量的维修数据。
Acsis的另一项服务APP名为“Cross Sense”。这种最新的交互式技术能够提醒工程师注意飞机维护过程中可能重复发生的问题，因为这些隐患经常会导致飞机紧急停场（AOG）、航班取消或延误。尽管一般情况下管理人员和工程人员会在早会上讨论昨晚发生的较大技术故障或存在的隐患，但是一线维修人员并不直接参与讨论，甚至可能毫不知情，所以如果再次执行检修时也很难察觉这些尚未造成重大影响的潜在隐患。
这正是Acsis这项技术的使命所在。这套技术可以从航空公司的维修执行系统中获取最新的数据，通过复杂的精密运算分析出潜在的故障风险，然后将这些风险提示发送给具体负责管理的高级经理。当高级管理人员点击问题后，就会显示各个问题所涉及的飞机以及解决此类问题的以往经验；再次点击后，就会显示所有相关的飞行和维修报告，包括以前的排故步骤、每次例行维修及历史换件信息，甚至能够提出未来飞机运行中造成飞机延误的概率。Acsis并不针对具体的排故步骤提出建议，但是它能够对那些长期从事排故的工程技术人员提出警示。
Intel公司刚刚推出了“Saffron”维护支持系统。该系统运用了关联记忆，而非机器学习。因为机器学习需要利用海量的数据来搭建有价值的模型，而关联记忆只需收集每起事件，不需要用数据来训练算法。Saffron具备两项功能。其一是相似度建议功能，该功能通过寻找相似维护事件并识别出维修路径，这些路径甚至可能是基于很少的相似事件而形成的，但这项功能可以帮助制造商减少部件搜索时间，通过对复杂零件数据的整理和分类找到所需要的零部件，测试显示采用该系统可将部件搜索时间从平均4小时缩短至5分钟。Saffron的另一项能力是分类建议功能。通过采用全自动化技术，能够提高维修事件分类的准确性，并检测ATA代码是否正确。手工作业只能保证初始两位数70%的准确率及后两位数23%的准确率，而Saffron在头六位数上的准确率达80%~90%。
目前，已经有一家飞机制造商在使用Saffron，而且Intel公司仍在开发Saffron的新功能。未来新功能的实现大概需要6～12周的时间，包括提取数据、形成方案、精炼结构、正式程序等工作。
总部位于悉尼的1Ansah公司多年来一直为澳大利亚旋翼飞机提供维修服务。目前，该公司正将该项服务延伸到固定翼飞机领域。据1Ansah公司介绍，1Ansah公司将自然语言和机器学习技术相结合，使技术人员更容易查询技术文档，从相似的问题中获得帮助。该技术综合吸收了航线维修手册、部件手册、服务通告、适航指令和故障隔离手册的内容，通过分析归纳，为维修提供具体的索引指南，该程序能够迅速找出所有与排故工作相关的信息，能够摄取含插图的零件目录图，并将这些数据与3D模型结合起来，创建了一个运用增强现实技术的识别搜索引擎。因此，1Ansah公司的这套系统与大多数OEM厂商的故障诊断软件相比更胜一筹。
（郭志帅，译自AW&ST Inside MRO ）
