將復(fù)雜的問題變成AI挑戰(zhàn)

該系統(tǒng)在IAG的倫敦和總部位于巴塞羅那的AI實驗室內(nèi)開發(fā)，旨在解決一個特別復(fù)雜的問題：如何以同時滿足監(jiān)管要求，可用性，勞動力限制和操作連續(xù)性的方式安排發(fā)動機維護。

每個商用噴氣發(fā)動機都必須遵守嚴格的監(jiān)管間隔，同時還要適合飛行時間表，零件清單和商店容量。計劃人員管理數(shù)千個變量，但是一個延遲的部分或意外的路線變更可能會破壞數(shù)月的計劃。

通過每天運行數(shù)百萬個“假設(shè)”場景，IAG的新系統(tǒng)在幾分鐘而不是數(shù)周內(nèi)重新計劃，幫助航空公司避免在地面緊急情況下避開飛機，足以將飛機磨碎，直到修理并防止與維護相關(guān)的乘客延誤。該系統(tǒng)動態(tài)更新維護時間表，隨著新數(shù)據(jù)到達時的實時調(diào)整。

IAG的首席AI科學家Ben Dias說：“通過應(yīng)用高級算法，我們正在使發(fā)動機維護計劃更加高效。我們避免了不必要的維護延遲，以確保我們的車隊可用并提供服務(wù)?！?“該系統(tǒng)為我們的員工提供了他們所需的數(shù)據(jù)和工具，以實現(xiàn)更明智的計劃和更好的團隊合作。”

AI系統(tǒng)開發(fā)的內(nèi)部方法

許多組織從OEM或軟件供應(yīng)商那里購買預(yù)測性維護儀表板。 IAG選擇了一種不同的方法：保留對數(shù)據(jù)和代碼的控制，并根據(jù)自己的混合車隊量身定制算法。 DIA的團隊始于廣泛使用的CFM56發(fā)動機，該發(fā)動機在窄體飛機中常見，以在擴展到其他發(fā)動機類型之前驗證該概念。

擁有知識產(chǎn)權(quán)很重要，原因有兩個。首先，IAG可以不斷改善該模型，因為其網(wǎng)絡(luò)，車隊組成和商店容量的發(fā)展。其次，該小組避免使用供應(yīng)商鎖定，這在BA和Iberia之間的引擎交換取決于數(shù)據(jù)可移植性時至關(guān)重要。

人工智能對航空公司行業(yè)產(chǎn)生越來越多的影響

IAG的努力反映了整個航空的類似變化。漢薩技術(shù)技術(shù)使用其Aviatar平臺進行預(yù)測診斷，以識別重復(fù)出現(xiàn)的故障代碼并建議解決方案，該解決方案現(xiàn)在由100多家航空公司使用。 Delta Air Lines的Apex Engine-Health System分析實時傳感器數(shù)據(jù)；該承運人報告說，零件需求的準確性已從60％提高到90％。 Air France-KLM與Google Cloud合作，將生成-AI工具集成到其現(xiàn)有的“ Prenos”分析堆棧中，以進行維護和網(wǎng)絡(luò)計劃。

IAG與眾不同的是它專注于規(guī)定優(yōu)化。該型號不簡單地預(yù)測發(fā)動機何時需要服務(wù)，而是選擇最大程度地減少700臺機隊中的地面時間的最佳插槽。

從大局看，經(jīng)濟利益變得顯而易見。根據(jù)戰(zhàn)略市場研究的飛機MRO市場規(guī)模和預(yù)測報告，該行業(yè)預(yù)計每年將在2030年到2030年的維護，維修和大修（MRO）上花費超過1000億美元，即使是較小的效率提高也具有重大影響。麥肯錫估計，AI驅(qū)動的維護可以將成本降低20％，并最多減少一半的維修費用。

也有環(huán)境利益。通過最大程度地減少最后一刻的掉期和重新定位航班，該系統(tǒng)可以減少排放，幫助航空公司實現(xiàn)可持續(xù)性目標，同時降低成本。更簡化的商店時間表意味著更少的重新定位航班和緊急租賃，從而降低了燃油消耗和批量排放。

AI出租車上的障礙

但是，面臨挑戰(zhàn)。 AI系統(tǒng)取決于干凈，一致的數(shù)據(jù)，但是航空數(shù)據(jù)通常不一致。航空公司仍處理不規(guī)則的日志條目，基于紙張的記錄以及在多個命名約定下標記的零件。 IAG在訓練模型之前花了幾個月的時間清理歷史文件并標準化模式。將這些系統(tǒng)與現(xiàn)有的工作流程集成，尤其是在嚴格的安全法規(guī)下，增加了另一個復(fù)雜性。

管理變更同樣困難。習慣于在白板上進行計劃的工程師可能會抵抗概率推薦引擎。這就是為什么該系統(tǒng)介紹其日程安排以及每個決定背后的推理，從而允許人類監(jiān)督的原因。當計劃者可以質(zhì)疑AI，調(diào)整變量并立即查看計劃更新時，信任就會成長。

正確獲取數(shù)據(jù)并獲得一線團隊的信任對于長期成功至關(guān)重要。

航空業(yè)的前進方向

未來的AI發(fā)展可能會進一步發(fā)展。技術(shù)人員可以通過聯(lián)合學習循環(huán)在會員航空公司之間共享匿名模型見解。這將使來自不同航空公司和位置的數(shù)據(jù)集互相增強，而不會揭示敏感的業(yè)務(wù)細節(jié)。隨著時間的流逝，這可以用實時的飛行裝置和機組人員數(shù)據(jù)為優(yōu)化層提供優(yōu)化層，因此破壞管理和維護計劃來自單一的真實來源。

如果這看起來雄心勃勃，請記住，飛行員曾經(jīng)在大型黑色滾動式行李箱中載著超過30磅的粘合劑到駕駛艙。電子飛行袋（EFB）是一種以數(shù)字方式存儲圖表，手冊和性能計算器的平板電腦，徹底改變了該過程。今天，這是標準的。從現(xiàn)在開始的十年來，將引擎，插槽和備件視為動態(tài)難題的基于AI的調(diào)度程序似乎同樣是常規(guī)的，而IAG將獲得多年的開端。

以上是IAG的本土AI如何為航空公司節(jié)省數(shù)百萬美元的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！