据Aviationtoday网站5月专刊报道，荷兰国家航空航天实验室（NLR）正在与多家航空公司讨论其人工智能（AI）算法FlexPlan的持续开发问题，该算法旨在解决预防性维护计划中的飞机维护问题。2021年2月NLR在与荷兰代尔夫特工业大学共同发布的白皮书中阐明了其对AI等特定技术、以及对在2050年前实现气候中性的欧洲航空运输系统的研发活动的愿景。

一、NLR开发FlexPlan算法用于优化飞机的预防性维护计划

NLR的空中交通管制研究模拟器（NARSIM）团队目前正在进行空中交通软件原型的研究和开发、测试新的安全功能并为屏幕雷达显示设计新的方案等多项研发工作。

在诸多研发项目中，FlexPlan是他们的第一个主要研究项目，致力于使用AI进行飞机维护。当前针对FlexPlan进行测试的算法能够读取维护计划文档，解释文档中每个单独组件或系统驱动任务的适用性，然后自动生成与特定航空公司的航班时刻表、机队类型、路径规划相匹配的飞机维护程序。该算法的关键功能在于，如果在航班时刻表在最后时刻发生更改，可以实时更新维护时段。FlexPlan将调度问题分为多个子问题，并使用独特的技术来解决/优化这些子问题中的每一个。其中一些技术包括无监督学习（Unsupervised Learning, UL）、混合整数线性规划（Mixed Integer Linear Programming, MILP）、动态规划（Dynamic Programming, DP）和自主开发的启发式技术。该界面为用户简化到只需要指定其机队详细信息、任务数据、航班时刻表和可用维护资源，而用户无需指定算法参数，各个求解器之间的优化流程将自动进行。

NLR维护工程、管理和技术项目经理Arjan de Jong博士表示，FlexPlan算法的任务旨在满足航空航天业当前和未来的需求。对于预防性维护计划，NLR开发了一系列算法，每个算法都解决了预防性维护计划的一个子问题。优化流程能够有效地评估许多选项，并为飞机机队构建有效的维护计划。目前，NLR已经在通用的可演示工具中实现了FlexPlan算法。

二、航空业需不断加强与IT业的合作以应用人工智能和机器学习技术

越来越多的民用和军用飞机运营商已经与航空原始设备制造商（Original Equipment Manufacturer, OEM）和IT行业供应商合作，将采用AI和机器学习（ML）的应用程序和算法整合到他们的飞机维护过程中。

由于应用界面的可用性不断扩展，这使航空公司能够更轻松地架设每天由飞机产生的数据与机器学习模型和算法之间的桥梁。机器学习模型和算法可以将这些数据转化为可付诸实践的见解。维修技术人员可以根据数据转化结果，抉择例如工作单或零件的更换需求。

提供AI与ML算法和应用程序的航空和IT公司通过相互竞争与学习，不断发展新见解和认识，探索人工智能和机器学习算法在飞机维护中应用的意义所在。

NLR的De Jong博士表示，要把产品投入生产并将其集成到现实环境中，需不断地建立合作关系。由于每家航空公司都有具体的运营限制和业务逻辑，因此需要在实施过程中解决这些问题。根据De Jong的说法，FlexPlan从开发阶段过渡到运营阶段将需要与航空公司、维护组织和“软件库”建立更多的合作伙伴关系。合作伙伴提供包括维护计划文件、飞行时间表、飞机配置以及维护中心的位置等数据集，NLR则基于数据集实现对该算法的研发。

航空业公司与IT解决方案提供商之间的其他一些合作伙伴关系也在逐渐通过自动化方法将AI应用程序提供给航空公司维修团队和OEM，例如通过网络界面向他们提供机器学习模型，从而允许航空公司维修团队自定义数据类型。

三、汉莎建立了基于机器学习的预测性维护平台可准确预估发动机故障

汉莎技术公司（Lufthansa Technik）与数据工程和分析提供商Cloudera合作开发了预见性维护平台，该平台在其800个MRO设施的全球网络中为5000架飞机提供机队服务。去年发布的Cloudera数据平台基于数据集构建了预测性维护模型，可以训练机器学习模型来确定特定飞机部件何时接近故障。

根据两名Cloudera工程师于2019年10月14日发布的博客文章，训练数据集使机器学习模型可以预测发动机组件何时接近故障。在一个示例中，Cloudera工程师展示了如何从Kaggle开源平台获取数据集，该站点提供了NASA的模拟数据集，以测量涡轮喷气发动机的发动机部件退化，并根据输入的各种发动机参数将不同的发动机参数集成到模型中，从而显示出该模型可以预测的发动机温度、燃油消耗、振动或燃油与氧气的混合物的传感器值，从而可以预测发动机故障是否将会发生。

Cloudera博客文章称，在海平面和所有飞行条件下，每组训练数据都会显示每次飞行过程中的引擎参数，直到引擎组件发出故障信号为止。该数据将用于训练模型，可以预测给定引擎在出现故障之前可以进行多少次飞行。

四、贝尔直升机与IBM合作探索应用人工智能和机器学习提高军用飞机的战备能力

部分云计算提供商和航空OEM也在着手为军用飞机维护进行人工智能和机器学习开发。贝尔直升机公司正在与IBM的全球商业服务部合作，希望变革美国陆军使用飞机传感器数据的方式，以最大程度地提高机队的战备能力。2020年，贝尔的V-280倾转旋翼机作为“黑鹰”直升机的潜在替代品参与了美国陆军 “未来远程突击飞机”项目的竞标。

贝尔的未来垂直升降的数字系统部门的负责人彼得·舒尔茨（Peter Shultz），在2020年8月的博客文章中介绍了直升机制造商如何与IBM合作开发例如深度学习等AI技术用于发现和预测飞机濒临故障的零部件，从而不会为飞行器性能和战备状态造成风险影响。

五、总结

随着航空公司对飞机零部件的实时健康监控变得越来越普遍，NLR提供的技术类型有可能通过改善机翼或飞机维护来优化维修计划，以减少对飞行计划的干扰。如今，大多数飞机维护计划表都是根据系统已经捕获的数据或异常情况制定的，而NLR的算法会根据飞行计划表的变化定期更新维护计划。

NLR使用可解释的AI进行了预测和诊断维护的研究。对于大型机队的高性能喷气机，NLR确定了实际机翼载荷系数，基于这些信息，NLR开发的算法可以大大减少纠正性维护的费用。其设想以数据为驱动的解决方案将在未来的飞机维护中发挥重要作用。关于FlexPlan，NLR已经设计并正在测试其他优化模块，这些模块在构建解决方案时会添加更多详细信息、业务逻辑和操作约束。