人工智能或將改變MRO行業

Lindsay Bjerregaard

2022 年，ChatGPT 橫空出世，人工智能熱潮席卷全球各行各業。企業家們都在認真思考如何利用這項新技術提高效率，提升經營利潤。在MRO 領域，許多初創公司、MRO 服務供應商、航空公司以及行業研究機構也在探索AI 的應用，但專業人士認為，該技術只有經過充分實踐檢驗，才能被認可并獲得廣泛推廣。更重要的是，從業人員要管理好對這項技術應用的期望。

近些年來，在售后維修領域中，人工智能備受關注。初創公司、MRO 服務供應商、航空公司以及行業研究機構均致力于研究開發基于人工智能技術的新業務模式，不斷提高飛機維護水平。其中包括開發飛機和發動機檢修新方式、創建智能化的維修機庫、構建航空資產的數字孿生系統，提高維修記錄的自動化水平，提升工程技術人員的排故能力等。

1 部分先鋒實踐

波音公司支持的技術加速器項目Aerospace Xelated，一直與許多人工智能初創企業合作，評估行業應用案例，積極加強與創新型公司的聯系。Amygda是一家總部位于英國的初創公司，由羅羅公司的前技術工程師創立，該公司開發了一種“生成式人工智能”(Gen-AI) 的應用程序，被視為MRO 中的ChatGPT。

全球范圍內多家先鋒企業都在探索AI 技術在MRO 領域的應用，但專家建議應用的透明度和現實預期才是關鍵。

Amygda 的聯合創始人兼首席執行官Faizan Patankar 先生表示，這項技術將成為飛機維修工程技術人員的得力助手。該系統采取純文本輸入查詢的方式，自動生成易于理解的方案輸出。Patankar 表示，技術人員可以通過該應用程序，根據數據(如維護日志、飛行時間、飛行員報告和傳感器數據等)找到“假設”場景中的解決方案。例如，技術人員可以與人工智能交談，查看系統上生成的故障警報，提出有關問題，如發生故障警示的潛在原因是什么。此外，Amygda 公司開發的人工智能應用技術還可以執行邏輯運算。例如，評估時壽件的剩余使用循環。Patankar 先生強調，這是該系統內置的獨特功能之一。Amygda 公司認為，目前ChatGPT 或其他語言學習模型無法進行細分專業領域的分析，所以Amygda 公司致力于為MRO 專門開發這一功能。

LexX Technologies 公司是另一家Aerospace Xelated 加速器項目中的初創公司。隨著ChatGPT 的廣泛宣傳，人們對LexX 技術公司充滿興趣。該公司運營主管Mike Harris 先生表示，其研發的人工智能平臺就像蘋果公司的Siri 虛擬助手和《星球大戰》（Star Wars）中的C-3PO 機器人的混合體，可以自動分析數據并向技術人員提供解決方案。凡是被它采集數據的領域，都可以針對性提供可閱讀、可理解的信息輸出，它幾乎可以回答任何專業領域中的問題。就航空業而言，需要大量的數據積累和專業化知識的特征十分明顯。LexX 平臺應運而生，能夠顯著降低對人的依賴。LexX 技術公司認為，我們今天所處的時代充滿了數據，人類智慧是多年積累形成的，面對航空運行中隨時出現的各種情況，人工智能的作用將非常重要。以緊急安全通告為例，盡管員工能夠懷著良好的意愿閱讀安全通告，但這些信息在人的意識中通常不會持久保留。然而，LexX 平臺可以識別不同場景，有針對性地向技術工程人員實時提供相關警示信息。例如，針對某些技術人員容易受傷的工作任務進行及時的提示。

來源：LexX 技術公司AI 初創公司正在建立各種專注于MRO 的ChatGPT 平臺。

LexX 技術公司強調，該公司的人工智能技術擁有自我學習進化功能，因此技術人員可以快速、輕松地從中受益。例如，有一名飛行員向維修服務供應商描述飛機故障，然后該維修服務供應商派出兩名技術人員根據描述情況開展排故工作，其中一名技術員僅有6 個月的工作經驗，另一名則擁有30 年的經驗。在排故過程中，經驗少的維修人員人會按照工作清單一步步地排查故障原因；而另一位經驗豐富的維修人員可能一眼就看出這是一個曾經遇到過的問題，馬上找到故障點，很快就能完成修復工作。在這樣的場景中，LexX 平臺可以將維修技術人員的工作經驗通過生成式學習傳授給整個維修團隊，可明顯縮短維修技術人員的成長時間。

美國航空正在探索在飛機維護操作中使用自然語言處理(NLP)技術，NLP是實現人與計算機之間用自然語言進行有效通信的一種人工智能方法。該航空公司正在研究如何使用NLP 通過語音即時記錄和編譯維護信息，以確定應該使用哪些ATA 代碼對故障進行分類，并簡化搜索排故措施的過程。

法荷航工程維修公司（AFI KLM E&M）的MRO 實驗室也在探索人工智能在飛機維修領域中的應用。該公司表示，MRO 供應商正在使用NLP 和計算機視覺技術簡化文檔處理，使技術人員能夠更快捷地訪問技術文檔和安全工作流程，迅速找到所需的零件編號。該公司還將人工智能技術應用于Prognos 預測性維護平臺。

新加坡科學技術研究機構(A*STAR)的航空航天計劃項目開發了一種應用于文本識別和缺陷檢測的機器學習算法。該算法使用由1600 多個數據點組成的數據集，通過機器生成和手寫文本的方式測試算法。A*STAR 項目負責人Ric Parker 表示，該機構正在進一步探索Gen-AI 工具如何在MRO 行業中使用，這些工具可以根據輸入的數據進行主動學習并生成有效輸出。該項目還與新加坡航空公司和新航工程公司等進行合作，開展人工智能解決方案和提高制造能力的若干項研究，如基于人工智能技術的生產車間提升項目。

目前，一個致力于提升航空航天制造和維修水平的人工智能平臺——Basetwo AI，入選為Aerospace Xelated加速器項目。該平臺連接數據源，如飛機部件傳感器和維護日志，并通過這些數據建立飛機關鍵部件的仿真模型，該模型能夠對飛機部件的使用狀態進行有效預判。

Basetwo AI 的首席執行官Thouheed Abdul Gaffoor 先生表示，該功能將主要用于優化維修計劃，以及延長飛機資產的生命周期并提高利用率。他指出，目前應用前景非常明確的領域主要涉及發動機和飛機運行控制系統的維護。

另外一些初創公司則通過將人工智能與物聯網(IoT)技術相結合，致力于打造更智能化的維修機庫。Fyve By 公司開發出一個應用于機庫場景中的實時監控系統。該系統將攝像頭、傳感器與軟件配對，創建機庫的3D 模型，提供飛機、貨物、工具和人員的實時視覺跟蹤，用于監控設備和人員運行狀態，減少工作現場的潛在安全風險。該公司聯合創始人Preston LaVangie 先生稱，這項技術類似于360°全景監控，如同汽車上的倒車攝像頭。該系統能夠幫助MRO 最大化利用機庫資源，更高效地安排飛機停場。

英國克蘭菲爾德大學（Cranfield University）的數字航空研究與技術中心正在開展一項關于如何將人工智能技術應用于飛機維修從而獲商得商業價值的研究?？颂m菲爾德大學人工智能MRO 項目負責人Ip-Shing Fan 先生介紹，目前項目組在MRO 領域開展的各項測試技術都屬于人工智能的范疇，其中基于文本的機器學習系統能夠實現無紙化，物聯網驅動了機器人和傳感器技術，自動圖像處理技術為圖形篩檢提供了支持。

克蘭菲爾德大學的智能機庫正在開展基于圖像技術的檢查測試。該測試系統由安裝在機庫基礎設施上的視覺攝像機和熱傳感器、用于機翼上方檢查的無人機和安裝在地面檢查機器人上的攝像機組成。通過這套系統，每一顆鉚釘的狀態都歷歷可見。通過自動化工作流程，可以讓機器人和人一起協調，在遵守各項法規和飛機維修手冊的前提下，極大地提高工作效率和準確度。

在發動機檢測工作中，人工智能技術的表現也非常不錯。2023 年初，GE 旗下的OC Robotic 公司推出了一款人工智能驅動的先進葉片檢測工具，能夠大幅提高GEnx 發動機的在翼檢測效率，利用人工智能改進熒光滲透檢測水平。針對CFM56 型發動機，研發出基于機器人技術驅動的檢測方案。與此同時，人工智能技術在提高發動機孔探的效率和準確性方面也取得了進展。GE 公司最近與無損檢測專業公司Waygate Technologies 合作，探索使用機器學習和人工智能提高檢測的可靠性和一致性。Waygate 與荷蘭初創公司Aiir Innovations 合作，開展人工智能檢測發動機缺陷并完成自動分析的研究。

荷蘭航空航天中心(NLR)采用攝像頭、機器人技術的集成化系統，開展對直升機旋翼葉片進行自動化探傷的研究項目。NLR 的維修與工程負責人Arjan de Jong 先生表示，機器人技術能夠基于設定規則的算法測量和比較數據，如距離和閾值等，對缺損檢測進行量化評估；下一步，研究中心將開展人工智能實施缺陷檢測的適航資格研究，并開展應用型推廣。此外，NLR 還開展使用人工智能改進維護計劃的研究，促進飛機可靠性的有效提升。de Jong 先生表示，通過Gen-AI 系統可以自動化完成大量工卡的編制工作，人工智能能夠對適航指令(AD)或服務通告（SB）進行自動響應，并對現行維修手冊進行更新修訂，更高效地做好維修計劃。

2 人工智能的潛在風險

如前所述，眾多企業和機構都在積極開展人工智能的應用研究。但業內普遍認為，該技術只有經過充分實踐檢驗，才能被認可并獲得廣泛推廣。

總部位于阿姆斯特丹的Aiir Innovations 的首席執行官兼聯合創始人Bart Vredebregt 先生強調，只有把人工智能嵌入到恰當的應用軟件中，其真正價值才會顯現出來，這些軟件需要融入已經存在的生態系統，實現與現有工具的連接。目前，這家初創公司正在與波音公司合作，探索在業務部門的流程中嵌入人工智能技術。

克蘭菲爾德大學的Ip-Shing 先生表示，人工智能技術已然成為吸引外部投資的標簽，但過度宣傳人工智能技術的作用會導致不切實際的期望和失敗的投資結果。目前，人工智能領域中的一些人士可能有些夸大其詞，實際中，人工智能只有與工程專業知識深度結合，才能為MRO 提供有力幫助。

Vredebregt 先 生 指 出，MRO 行業應小心避免“人工智能冬天”（AI Winter），即由于開發者過度承諾結果和用戶不切實際的高期望而導致無法兌現承諾。人工智能不是萬能的，關鍵是要以一種明智的方式處理問題。作為人工智能公司，最大的責任是確保從第一天起就管理好人們的期望，不要過度承諾，而是專注于交付。

來源：克蘭菲爾德大學克蘭菲爾德的智能機庫正在綜合利用各種先進技術實現飛機的自動檢查。

來源：NLR荷蘭航空航天中心正在研究使用人工智能實現機器人部件檢查的自動化。

Amygda 公司的Patankar 指出，期望人工智能具有完美的準確性本身是一種錯誤的想法。例如，在醫學領域中，檢測癌癥的人工智能既沒有100%的準確率，也沒有100%的檢出率，然而，一旦發現一個額外的病例，就可能挽救一個鮮活的生命。航空航天領域的人工智能也是如此。減少一次發動機故障，減少一次航班取消，減少一次AOG 等等，都值得應用一個沒有100%檢驗率的人工智能系統。

在準確性這方面，Aiir Innovations也非常認同。該公司認為，人類本身并沒有完美的準確性，研究表明人類的準確率約為70%，據新西蘭坎特伯雷大學2022 年的一項研究，該研究針對不同類型發動機的MRO 檢查中，操作人員的表現與圖像處理、人工智能軟件和3D掃描進行了比較，研究發現，與人工操作相比較，基于人工智能的系統在檢查速度、一致性和減少差錯率方面表現得非常出色。

盡管這項研究的結果令人鼓舞，但NLR 的de Jong 先生表示，應用人工智能最大的風險之一是難以證明人工智能產生100%正確的結果。de Jong 先生表示，把大量數據放在算法面前，然后得到結果，但并不能清楚說出中間過程中發生了什么，也不能證明是否獲得了可靠的數據。因此，需要用某種方式證明得出的結果有一定的有效性，是可靠和值得信賴的。同時他認為，應對風險的關鍵是通過建立透明化的人工智能系統，幫助人工智能用戶理解并解釋清楚技術是如何做出預判的。NLR 一直在探索開發可解釋人工智能技術，并遵循歐洲航空安全局(EASA)等監管機構的倡議，制定關于如何認證人工智能用于航空領域的指導方針。

Basetwo AI 平臺的Gaffoor 先生表示，該公司正在積極應用可解釋人工智能技術，正是由于航空受高度嚴格監管的行業特點，這種更高水平的人工智能技術將大有作為。他介紹道，通過將特定領域中的專業知識與海量數據相融合，有助于工程師隨時查看數據運算背后的理論原理。例如，當模擬發動機運行時，人工智能系統整合了有關的熱力學方程和控制原理，這個模型完全值得信賴。

埃森哲的數據顯示，80%的航空航天和國防高管都認為，數據治理需要在控制和透明度之間取得平衡。

但是，如果人工智能能夠超越人類，其運行結果足夠透明和可靠，這是否意味著技術人員將被人工智能取代。Gaffoor 先生認為，這種擔心是完全沒有必要的，人工智能并沒有真正取代任何人，它只是取代了舊的工作方法和流程，人工智能的真正意義在于，作為支持性工具，以專業知識為底座，通過改善工作方式，顯著提高工作效率。

荷蘭皇家航空公司的Chun 先生認為，人工智能可以創造新的就業機會。人類在專業領域的知識與技能積累是人工智能取得充分應用的關鍵因素。因此，MRO 需要雇傭或培養出更多專家型人才。Amygda 公司的Patankar 先生同樣認為，隨著人工智能技術的廣泛應用，將徹底顛覆一些現有的工作崗位，與此同時，未來也將有更多不同性質的工作崗位涌現出來，因為事實上任何人工智能技術都是被人類創造出來的。

當前，MRO 存在的勞動力短缺的現狀，為人工智能應用創造了廣闊發展空間。因為人工智能的大量應用將會加速促使消滅一些低技能要求的工作崗位。airxpert 公司創始人兼首席執行官Any Hakes 先生表示，盡管行業內很多人擔心人工智能會完全取代人力，但是其實行業內更多的人是希望能盡快解決人力短缺的問題，人力短缺對整個行業來說是非常痛苦的，并在整個行業生態系統中產生了連鎖負面反應。airxpert 公司的數字化平臺可以自動收集和處理飛機維修中的相關數據，目的是不斷縮短維修周期，降低資源消耗。airxpert 公司認為，人工智能和自動化的結合只是用來填補空缺，不會導致人員的凈流失。而且在MRO 領域中，人工智能并不是萬能的，大多數情況下，完全可以通過優化結構性流程解決生產中出現的問題，而不是一股腦地涌入人工智能領域。