複雑な問題をAIチャレンジに変える

IAGのロンドンとバルセロナに本拠を置くAI Labs內(nèi)で開発されたシステムは、特に複雑な問題に取り組むように設(shè)計(jì)されています。規(guī)制要件、一部の利用可能性、労働制約、運(yùn)用上の継続性を同時(shí)に満たす方法でエンジンメンテナンスをスケジュールする方法です。

すべての商用ジェットエンジンは、フライトスケジュール、部品在庫、ショップ容量にも適合しながら、厳格な規(guī)制間隔に準(zhǔn)拠する必要があります。プランナーは何千もの変數(shù)を管理しますが、1つの遅延部品または予期しないルートの変更により、數(shù)か月の計(jì)畫が混亂する可能性があります。

毎日何百萬もの「what-if」シナリオを?qū)g行することで、IAGの新しいシステムは數(shù)週間ではなく數(shù)分で再プランを再実行することで、航空會(huì)社が航空機(jī)が修理され、メンテナンス関連の乗客の遅延を防ぐまで飛行機(jī)を接地するのに十分な深刻な緊急事態(tài)を避けるのを助けます。システムはメンテナンススケジュールを動(dòng)的に更新し、新しいデータが到著するにつれてリアルタイムで適応します。

「高度なアルゴリズムを適用することで、エンジンメンテナンスプログラムをより効率的にしています。艦隊(duì)が利用可能であることを確認(rèn)するために不必要なメンテナンスの遅延を回避しています」 「このシステムは、よりスマートな計(jì)畫とより良いチームワークに必要なデータとツールを人々に與えます?！?/p>

AIシステム開発への社內(nèi)アプローチ

多くの組織は、OEMまたはソフトウェアベンダーから予測(cè)メンテナンスのダッシュボードを購入しています。 IAGは別のアプローチを選択しました：データとコードの制御を保持し、アルゴリズムを獨(dú)自の混合艦隊(duì)に合わせます。 Diasのチームは、他のエンジンタイプに拡張する前に、狹體航空機(jī)で一般的な広く使用されているCFM56エンジンを開始しました。

知的財(cái)産を所有することは、2つの理由で重要です。まず、IAGは、ネットワーク、フリート構(gòu)成、ショップ容量が進(jìn)化するにつれて、モデルを継続的に改善できます。第二に、グループはベンダーのロックインを回避します。これは、BAとイベリア間??のエンジンスワップがデータの移植に依存する場(chǎng)合に重要です。

AI航空業(yè)界に影響を與えています

IAGの取り組みは、航空全體の同様の変化を反映しています。 Lufthansa Technikは、斷層コードを識(shí)別し、現(xiàn)在100を超える航空會(huì)社で使用されているソリューションを提案する予測(cè)診斷にアビアタールのプラットフォームを使用しています。 Delta Air Lines 'Apex Engine-Health Systemは、リアルタイムセンサーデータを分析します。キャリアは、部品需要の精度が60％から90％に向上したと報(bào)告しています。 Air France-KLMはGoogle Cloudと協(xié)力して、メンテナンスとネットワーク計(jì)畫の両方のために、既存の「Prognos」分析スタックに生成ツールを統(tǒng)合しています。

IAGを際立たせるのは、規(guī)範(fàn)的な最適化に焦點(diǎn)を當(dāng)てています。エンジンがいつサービスを必要とするかを単に予測(cè)するのではなく、モデルは700航空機(jī)の艦隊(duì)での地上時(shí)間を最小限に抑える最適なスロットを選択します。

全體像を見ると、経済的利益は明らかになります。戦略的市場(chǎng)調(diào)査の航空機(jī)MRO市場(chǎng)規(guī)模と予測(cè)レポートによると、業(yè)界は2030年までにメンテナンス、修理、オーバーホール（MRO）に年間1,000億ドル以上を費(fèi)やすと予想されているため、わずかな効率性の向上でさえ大きな意味があります。 McKinseyは、AI駆動(dòng)型のメンテナンスがコストを20％削減し、予定外の修理を最大半分に削減できると推定しています。

環(huán)境上の利點(diǎn)もあります。土壇場(chǎng)のスワップを最小限に抑えてフライトを再配置することにより、システムは排出量を削減し、航空會(huì)社がコストを削減しながら持続可能性の目標(biāo)を達(dá)成するのを支援します。より合理化されたショップのスケジュールは、燃料消費(fèi)と排出量の削減により、フライトと緊急チャーターの再配置が少ないことを意味します。

AIタクシーウェイの障害

ただし、今後の課題があります。 AIシステムは、クリーンで一貫したデータに依存しますが、航空データはしばしば一貫性がありません。航空會(huì)社は、不規(guī)則なログブックエントリ、紙ベースのレコード、および複數(shù)の命名規(guī)則の下にラベル付けされた部品を依然として扱っています。 IAGは、モデルをトレーニングする前に、履歴ファイルのクリーニングとスキーマの標(biāo)準(zhǔn)化を數(shù)か月に費(fèi)やしました。これらのシステムを既存のワークフローと、特に厳格な安全規(guī)制の下で統(tǒng)合すると、別のレベルの複雑さが追加されます。

変更の管理も同様に困難です。ホワイトボードの計(jì)畫に慣れているエンジニアは、確率的推奨エンジンに抵抗する場(chǎng)合があります。そのため、システムは各決定の背後にある理由とともにスケジュールを提示し、人間の監(jiān)視を許可します。プランナーがAIに質(zhì)問し、変數(shù)を調(diào)整し、プランの更新を即座に確認(rèn)できる場(chǎng)合、信頼が高まります。

データを正しく取得し、最前線のチームから信頼を得ることは、長期的な成功に不可欠です。

航空業(yè)界が向かっているところ

將來のAIの開発は、物事をさらに進(jìn)めることができます。技術(shù)者は、連邦學(xué)習(xí)ループを通じて、メンバー航空會(huì)社間で匿名化されたモデルの洞察を共有できます。これにより、さまざまな航空會(huì)社や場(chǎng)所からのデータセットが、機(jī)密性の高いビジネスの詳細(xì)を明らかにすることなく、お互いを強(qiáng)化することができます。時(shí)間が経つにつれて、これにより、最適化層がライブフライトオープとクルーロスターデータを供給して、混亂の管理とメンテナンス計(jì)畫が単一の真実の源から來るようにします。

それが野心的であると思われる場(chǎng)合は、パイロットがかつて大きな黒いロールアボードのスーツケースでコックピットに30ポンド以上のバインダーを運(yùn)んだことを覚えておいてください。チャート、マニュアル、パフォーマンス計(jì)算機(jī)をデジタルに保存するタブレットである電子飛行袋（EFB）は、そのプロセスに革命をもたらしました。今日、それは標(biāo)準(zhǔn)です。今から10年後、エンジン、スロット、およびスペアをダイナミックなパズルとして扱うAIベースのスケジューラは、同じようにルーチンに見えるかもしれません。

以上がIAGの自家製AIが航空會(huì)社を何百萬人も節(jié)約する方法の詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國語 Web サイトの他の関連記事を參照してください。