专家谈
航空制造业的全生命周期都将与数据紧密相连
刘一
AI技术赋能航空制造以及“设计—制造—维修”全生命周期优化是一个前沿话题，也是AI技术在数字化航空领域拓展的重要体现。从目前来看，AI技术发展对航空制造的影响，主要体现在三个环节。
在设计环节，新一代AI技术已经具备与CAD（计算机辅助设计）/CAE（计算机辅助工程）实现进一步结合的能力，这在本质上是从“第三范式（计算科学）到第四范式（数据密集型科学）”的转变。例如，在对数字化模型进行结构强度、振动噪声、热流耦合等多物理场的仿真分析中，AI技术可使航空器设计知识与数据实现跨时空、跨场域及跨单元的流动与融合，用于自动生成高质量的网格模型，以优化求解器的参数设置，提高仿真效率和精度。
新一代AI技术的“三驾马车”——算力、算法、算据，都在推动航空器设计领域生产力的革新。其中，算力的高速增长满足了设计仿真中大规模数值计算的性能要求；智能算法一方面使得设计可以适配更高维度和更多变量，另一方面催生了专业化设计与生成式设计相结合的新局面；而大模型处理、理解和创造大量数据信息的核心能力，恰恰满足了航空制造中细分性强、专业垂直度高的算据处理需求。
在制造环节，航空业对制造精度和加工质量有着极高要求，与传统的事后抽样统计质量调控方案相比，新一代AI技术能够满足质量控制的实时性要求。例如，基于AI技术的多模态能力可整合不同传感器数据，实时把控、优化生产流程；将AI技术应用于生产制造的各检测环节，利用领域专家的知识和数据集进行训练，可自适应地学习各类传感器数据和反馈信息，从而提高产品缺陷检测的精度；而面向个性化、柔性化的智能制造需求，AI技术能够不断学习和理解当前环境中生产制造数据的模式和特征，进而为特定任务制订执行方案。另外，AI技术可赋能机器人，使其具备感知、分析、决策能力，如基于自然语言处理模型理解人类指令、基于机器视觉模型判断位置信息、基于智能决策算法实现加工路径规划等，在部分重复性强、标准化或危险系数高的场景中大幅减少人力，高效协同人员开展工作。
在维修环节，AI技术将高效优化从“手册”到“工单”这一航空器维修的核心环节，即实现从“专业知识库”到“工作清单”的自动化、智能化。当航空器发生故障时，基于故障诊断专家系统和知识图谱技术的AI能够智能分析故障现象和运行数据，快速确定故障原因，直接生成维修方案和决策建议，指导机务维修人员进行精准维修和部件更换，还可将故障诊断和维修知识回填到知识库中，不断完善和优化诊断模型。而利用机器学习算法，如深度神经网络、长短期记忆网络等对航空器维修知识和运行数据进行特征提取和模式识别，能够构建设备退化和故障演化的预测模型，通过模型训练和验证，准确预测设备的剩余使用寿命和潜在故障风险，实现航空器主动预测性维护和优化。
BD（大数据）和AI是新质生产力技术进步的核心。未来，航空器设计、制造、维修的全生命周期都将与BD和AI紧密相连，这需要民航基础的数据治理、数据到领域知识转化、智能垂直应用场景研究等合力推进。此外，我们应当注意，一方面航空制造场景具有复杂性、专业性和动态性等特点，当前新一代AI技术的可解释性、安全性等是大规模生产应用需要解决的问题；另一方面，随着智能化转型的深入，将有越来越多的无人化场景涌现，应在综合考虑效率、成本等因素的基础上决定哪些工作由机器完成，哪些由人完成。这是一个人机协作的过程，一味追求无人化可能偏离智能制造的本源。（作者系中国民航管理干部学院大数据与人工智能系主任、民航局数据治理与决策优化重点实验室执行主任）
《智慧民航》导刊每周三
与广大读者见面
让我们一起
聚焦智慧民航建设热点
擘画全新未来
期待您的来稿！
投稿邮箱：icanews@163.com
编辑|孙文瑾
校对|张 彤
审核|程 凌
