大数据在预测性维修中的应用

简介:

大量来自于发动机和其他一些关键部件的监控数据,使得预测性维修具备了可行性。越来越多的数据的收集和分析工具正在被开发或者投入运用。大数据在航空维修业的应用仍处于初始阶段,为了有效地处理这些来自飞机的数据,还要有思维及工作方式的转变。

  普惠加拿大公司鼓励更多的客户加入其滑油分析技术的验证。

利用传感器数据进行发动机的状态监控已有较长的一段时间了。现在,这一技术正快速地应用到飞机的其他部件。随着应用范围的扩大,数据分析的方式也在化繁为简。目前,航空维修业对于大数据的应用还处于起步阶段,人们的思维方式和工作方式应做相应的转变。

滑油分析与状态监控相结合

普惠加拿大公司的基于飞机联通性的FAST解决方案,是用无线方式采集和传送飞行过程中的飞机和发动机数据。FAST将分析数百个与性能相关的数据,如速度、温度、压力,以提供接近实时的发动机健康、使用和性能趋势的监控。

现在,普惠加拿大公司正针对PT6A发动机开展“滑油分析技术”研究。这项技术的开发并不是要取代发动机的传感器监控,而是要将滑油分析与传感器监控结合在一起,作为对发动机状态监控的有效补充。滑油分析技术主要关注的是滑油中的微粒,分析这些微粒的来源、大小和形状,可以对润滑部件(如轴承和齿轮等)的健康状况进行监控。

将传感器监控与滑油分析技术结合起来的目的,也是为了提前做好维修计划,避免航班的延误或取消。

普惠公司已于2016年春季开展了滑油分析技术的验证。到2017年年初,共计有380个客户为普惠公司提供3500台发动机的滑油样本。普惠公司将依据所采集到的滑油样本,开展为期18~24个月的验证试验。截至目前,监测的结果与预测的趋势基本一致。滑油分析技术的研究目前正处于收尾阶段,普惠加拿大公司鼓励更多的客户参与到该项技术的验证中来。

更高效地获取数据

随着技术的发展,有越来越多的传感器被安装到飞机上。如何采集、分析和下载这些数据,则需要费一些功夫,对一些相对较老的机型更是如此。

现在,有不少制造商都在此领域开展工作,提出相应的解决方案。例如,霍尼韦尔公司的JetWave高速通信系统,除了为客舱提供高速Wi-Fi,也可以将飞机运行数据实时传送到地面,提高飞行效率和安全。而联合技术航空系统(UTAS)公司的飞机接口装置(AID),也可以收集和利用来自飞机的各种数据。AID在波音717、MD-11 737NG、747-400、767、777和空客的A320等飞机上的应用已获得适航认证,而在A330、A340的应用也将会在今年上半年取证。该装置已安装在300余架飞机上,还有数百架飞机等待安装。

  根据诊断结果进行预测性维修会改变原先的工作计划。

起初,UTAS设计AID的目的是向电子飞行包(EFB)传输数据,所以配有Wi-Fi天线。现在该装置作为预测飞机健康的数据中心,通过对收集到的数据进行分析,可以帮助航空公司减少航班延误或取消。

AID除了给飞行员实时提供航电数据及上传气象数据,还可用2.4GHz的带宽或者以太网收集来自于飞机外场可更换件(LRU)的数据,并进行视情诊断。无论是在飞行过程中或是在地面,AID可以通过多种方法将数据传送给飞行员或者工程技术人员,诊断数据或结果也可以下载至地面设备。

AID不仅增强了新型飞机上的中央维修计算机的功能,也可以用移动电话、Wi-Fi和卫星网络等方式从较老的飞机下载数据。AID的结构小巧,不需要进行主动冷却。

除了AID,UTAS还在开发新的系统,用于飞机内部的传感器、作动器和数据处理网点之间的无线通信。其中的一个目标是可以收集更多的数据进行故障诊断。用无线方式传递数据可以不用打开飞机机舱面板,适宜在老龄飞机上安装。

UTAS正针对现有的2.4GHz带宽和刚获批准的4.2GHz带宽开发无线系统。2.4GHz系统的飞行测试工作将于2017年展开,而4.2GHz系统的相关条例正在制定中,将于2019年定稿。相较于开放的2.4GHz带宽,新的4.2GHz带宽是专用的,可靠性更高。

有效地进行预测性维修

现在,关于预测性维修的探讨非常热烈。那么除了复杂的算法之外,应当怎么做才能使之更为有效呢?

第一,能方便地获取数据,不给工程技术人员增加负担。为了在采集数据时不增加额外的工作负担,技术人员宜用移动设备以电子化的方式输入数据,应尽可能多地利用无线射频识别电子标签(RFID)和条码。无论是航线维护或是基地维修,工程技术人员都能方便地利用移动设备查询预测维修的结果、工卡、维修手册等。

第二,充分信任预测结果。在数字化时代的机械师必须充分信任诊断的结论,而不是凭经验做出判断。

第三,对诊断系统进行闭环管理。所有的维修行为和核心步骤都必须被跟踪:技术人员、客舱乘务员或者驾驶员的报告;工作指令;航材;执行结果等。

第四,维修计划更为智能化。在制订维修计划时,需要利用数据确定何时进行计划外的部件拆换。而在飞机仍在飞行的过程中做出这些决定,需要确保维修人员和航材准时到位。

第五,供应链管理应为诊断提供支持。整个供应链必须像技术人员或者工程师那样,对预测性维修建议做出敏捷响应,确保在合适的时间、地点,有合适的人和备件进行飞机维修。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
4月前
|
存储 数据采集 搜索推荐
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
本篇文章探讨了 Java 大数据在智慧文旅景区中的创新应用,重点分析了如何通过数据采集、情感分析与可视化等技术,挖掘游客情感需求,进而优化景区服务。文章结合实际案例,展示了 Java 在数据处理与智能推荐等方面的强大能力,为文旅行业的智慧化升级提供了可行路径。
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在城市空气质量监测与污染溯源中的应用(216)
本文探讨Java大数据可视化在城市空气质量监测与污染溯源中的创新应用,结合多源数据采集、实时分析与GIS技术,助力环保决策,提升城市空气质量管理水平。
Java 大视界 -- 基于 Java 的大数据可视化在城市空气质量监测与污染溯源中的应用(216)
|
4月前
|
存储 监控 数据可视化
Java 大视界 -- 基于 Java 的大数据可视化在企业生产运营监控与决策支持中的应用(228)
本文探讨了基于 Java 的大数据可视化技术在企业生产运营监控与决策支持中的关键应用。面对数据爆炸、信息孤岛和实时性不足等挑战,Java 通过高效数据采集、清洗与可视化引擎,助力企业构建实时监控与智能决策系统,显著提升运营效率与竞争力。
|
4月前
|
Java 大数据 数据处理
Java 大视界 -- 基于 Java 的大数据实时数据处理在工业互联网设备协同制造中的应用与挑战(222)
本文探讨了基于 Java 的大数据实时数据处理在工业互联网设备协同制造中的应用与挑战。文章分析了传统制造模式的局限性,介绍了工业互联网带来的机遇,并结合实际案例展示了 Java 在多源数据采集、实时处理及设备协同优化中的关键技术应用。同时,也深入讨论了数据安全、技术架构等挑战及应对策略。
|
4月前
|
数据采集 搜索推荐 Java
Java 大视界 -- Java 大数据在智能教育虚拟学习环境构建与用户体验优化中的应用(221)
本文探讨 Java 大数据在智能教育虚拟学习环境中的应用,涵盖多源数据采集、个性化推荐、实时互动优化等核心技术,结合实际案例分析其在提升学习体验与教学质量中的成效,并展望未来发展方向与技术挑战。
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
Java 大视界 -- Java 大数据机器学习模型在自然语言生成中的可控性研究与应用(229)
本文深入探讨Java大数据与机器学习在自然语言生成(NLG)中的可控性研究,分析当前生成模型面临的“失控”挑战,如数据噪声、标注偏差及黑盒模型信任问题,提出Java技术在数据清洗、异构框架融合与生态工具链中的关键作用。通过条件注入、强化学习与模型融合等策略,实现文本生成的精准控制,并结合网易新闻与蚂蚁集团的实战案例,展示Java在提升生成效率与合规性方面的卓越能力,为金融、法律等强监管领域提供技术参考。
|
4月前
|
存储 人工智能 算法
Java 大视界 -- Java 大数据在智能医疗影像数据压缩与传输优化中的技术应用(227)
本文探讨 Java 大数据在智能医疗影像压缩与传输中的关键技术应用,分析其如何解决医疗影像数据存储、传输与压缩三大难题,并结合实际案例展示技术落地效果。
|
4月前
|
机器学习/深度学习 安全 Java
Java 大视界 -- Java 大数据在智能金融反洗钱监测与交易异常分析中的应用(224)
本文探讨 Java 大数据在智能金融反洗钱监测与交易异常分析中的应用,介绍其在数据处理、机器学习建模、实战案例及安全隐私等方面的技术方案与挑战,展现 Java 在金融风控中的强大能力。
|
4月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在生物信息学基因功能预测中的优化与应用(223)
本文探讨了Java大数据与机器学习模型在生物信息学中基因功能预测的优化与应用。通过高效的数据处理能力和智能算法,提升基因功能预测的准确性与效率,助力医学与农业发展。
|
4月前
|
机器学习/深度学习 搜索推荐 数据可视化
Java 大视界 -- Java 大数据机器学习模型在电商用户流失预测与留存策略制定中的应用(217)
本文探讨 Java 大数据与机器学习在电商用户流失预测与留存策略中的应用。通过构建高精度预测模型与动态分层策略,助力企业提前识别流失用户、精准触达,实现用户留存率与商业价值双提升,为电商应对用户流失提供技术新思路。