Secara global, teknologi kecerdasan buatan (AI) dengan cepat menjadi pendorong pertumbuhan ekonomi yang kuat, memberikan kekuatan perubahan ke semua lapisan masyarakat. Dalam industri penerbangan sipil, AI dianggap sebagai generasi baru dari "mesin tak terlihat" yang mendorong perkembangan industri - data besar yang tidak terlihat tersebut menjadi "bahan bakar" baru yang membuat orang menjadi cerdas dan memulai perjalanan yang lebih baik. Khususnya di bidang mesin dirgantara, AI, “sayap kebijaksanaan”, mendorong gelombang perubahan dengan kecepatan yang belum pernah terjadi sebelumnya, dan menunjukkan potensi yang tidak terbatas.
Menurut para pakar industri, penerapan teknologi AI di bidang mesin pesawat semakin meluas ke seluruh siklus hidup mulai dari desain, pengujian hingga manufaktur serta pengoperasian dan pemeliharaan. Selain mempercepat proses penelitian dan pengembangan mesin pesawat, hal ini juga memungkinkan terjadinya kolaborasi antara rantai industri hulu dan hilir. Lebih terhubung dan efisien.
Merancang "jantung" pesawat yang lebih bertenaga
Sebagai "jantung" pesawat terbang, mesin aero mengintegrasikan sejumlah besar teknologi, material, dan proses canggih serta merupakan komponen utama pesawat terbang. Mesin ini memiliki persyaratan yang sangat tinggi dalam hal presisi, stabilitas, dan keandalan dalam desain, manufaktur, dan penggunaan.
Xiao Hong, seorang profesor di Northwestern Polytechnical University, mengatakan bahwa karakteristik aeroengine dapat diringkas sebagai "tiga tinggi dan satu panjang". Dari segi performa, mesin aero memiliki karakteristik jangkauan terbang yang tinggi, rasio daya dorong (tenaga) terhadap bobot yang tinggi, keandalan yang tinggi, dan masa pakai yang lama. Saat ini, secara global umur mesin pesawat terlama mencapai 50.000 jam. Dalam hal lingkungan pengoperasian, mesin dirgantara menghadapi tantangan pengoperasian bertekanan tinggi, kecepatan tinggi, suhu tinggi, dan siklus hidup yang panjang. Secara ekonomi, mesin penerbangan merupakan produk dengan investasi tinggi, ambang batas tinggi, pengembalian tinggi, dan siklus panjang. Xiao Hong mengatakan bahwa pengembangan mesin dirgantara pada umumnya membutuhkan waktu 10 hingga 20 tahun, namun setelah finalisasi, laba atas investasi sangat tinggi karena umur pemakaiannya yang panjang.
Saat ini, dengan "bergabungnya" teknologi AI, pengoperasian peralatan yang sangat presisi ini juga telah memasuki era cerdas yang lebih aman dan efisien. Dampak teknologi AI pada mesin dirgantara dapat ditelusuri kembali ke “sumbernya”. Dengan kata lain, dalam proses desain produk, teknologi AI telah berkontribusi pada konstruksi modelnya. Seperti kita ketahui bersama, aeroengine adalah ekspresi terkonsentrasi dari kebijaksanaan manusia dan kekuatan teknologi. Proses desainnya melibatkan mekanika struktural, mekanika fluida, aerodinamika, pembakaran, dan ilmu teknik lainnya, dan sangat bergantung pada persamaan dasar, model dasar, dan metode perhitungan. Di bidang ilmu teknik, teknologi AI telah memimpin penerapannya secara luas, dan dengan semakin canggihnya pembelajaran mesin (Machine Learning), teknologi ini telah sangat meningkatkan efisiensi dan akurasi kerja industri terkait.
Sebagai bagian dari teknologi AI, pembelajaran mesin memungkinkan sistem komputer menemukan pola dalam data dalam jumlah besar dengan belajar dari pengalaman dan data yang ada, mendorong pengembangan otomatisasi, pengambilan keputusan berdasarkan data, dan sistem cerdas. Dibandingkan dengan model tradisional, model yang dibangun menggunakan metode pembelajaran mesin memiliki kemampuan deskripsi fitur fisik yang efisien dan lintas skala, serta memiliki potensi keunggulan dalam akurasi dan efisiensi penghitungan.
Selain membangun model, teknologi AI juga dapat berperan dalam prediksi performa mesin pesawat, optimalisasi model desain, verifikasi pengujian, dan aspek lainnya. Ambil contoh pengujian mesin penerbangan. Liu Daxiang, seorang akademisi dari Chinese Academy of Engineering, pernah menyebutkan dalam pidato publiknya bahwa jenis mesin dirgantara tertentu memerlukan ribuan bahkan puluhan ribu jam pengujian mulai dari desain hingga finalisasi, yang dapat bertahan hingga 10 tahun. Dengan berkembangnya teknologi AI, orang-orang mencoba mentransfer beberapa eksperimen ke ruang digital. Di ruang digital, mesin digital dengan kinerja yang sesuai dikembangkan melalui teknologi kembar digital, dan eksperimen dilakukan pada mesin digital. untuk secara signifikan menghemat tenaga kerja dan sumber daya material, sumber daya keuangan, dan mempercepat proses pembangunan.
Meningkatkan efisiensi penelitian dan pengembangan mesin dirgantara melalui teknologi AI bukan hanya harapan baik dari kalangan akademis. Banyak perusahaan telah bergabung dalam eksplorasi bidang mutakhir ini. Misalnya, GE Aerospace di Amerika Serikat telah mengembangkan alat desain berbasis AI-DT4D (Digital Thread for Design). Ini adalah sistem thread digital yang mencakup seluruh siklus hidup produk. Hal ini bertujuan untuk menyatukan data mesin dirgantara mulai dari desain konseptual hingga operasi aktual dengan menghubungkan berbagai tautan seperti desain, manufaktur, rantai pasokan, dan layanan, sehingga membuat keseluruhan R&D dan proses manufaktur. lebih efisien. Sistem ini tidak hanya memungkinkan para insinyur, produsen, rantai pasokan, dan pemangku kepentingan lainnya untuk mengakses desain produk terbaru dan data kinerja secara real-time, namun juga mengintegrasikan data simulasi, desain, dan manufaktur ke dalam sistem thread digital yang sama, sehingga secara efektif mengurangi hambatan dalam pengembangan produk. proses. Kesalahan tenaga kerja yang berulang dan transmisi data manual tidak hanya mengurangi biaya produk tetapi juga meningkatkan keandalan produk sekaligus mempercepat pengembangan produk.
Hilangkan hambatan yang membatasi efisiensi
Desain yang baik memerlukan tingkat produksi yang tinggi untuk mencapainya.
Dalam proses manufakturnya, teknologi AI telah membuktikan kemampuan dan nilainya di banyak industri. Misalnya, di bidang manufaktur mobil, pada bulan Juni tahun ini, BMW Group memperkenalkan robot serba guna Figure01 di pabrik Spartanburg di South Carolina, AS. Robot ini digerakkan oleh model visi AI dan dapat secara akurat menempatkan bagian logam dan secara otomatis memperbaiki kesalahan selama eksekusi melalui pembelajaran jaringan saraf. Di bidang manufaktur penerbangan, Airbus telah mengintegrasikan teknologi AI dan teknologi visi komputer ke dalam proses produksinya, sehingga meningkatkan akurasi perakitan pesawat secara signifikan. Pada saat yang sama, teknologi AI juga dapat secara otomatis merekam instalasi komponen-komponen utama dengan menganalisis data video dan mendeteksi apakah ada masalah instalasi.
Meskipun robot AI tersebut masih dalam tahap eksplorasi, dalam pandangan beberapa eksekutif perusahaan manufaktur kelas atas, fokus teknologi AI di masa depan bukanlah apakah akan menggunakannya, tetapi bagaimana cara menggunakannya. Skenario penerapan teknologi AI yang lebih luas dalam proses manufaktur adalah pemantauan lini produksi yang cerdas dan kontrol kualitas produk yang cerdas. Dengan menggunakan teknologi AI untuk memantau proses produksi, perusahaan manufaktur dapat mengoptimalkan parameter proses dan menyesuaikan status pengoperasian lini produksi secara real time. Ketika teknologi pengenalan gambar AI digunakan untuk inspeksi produk dan kontrol kualitas, beberapa cacat produksi kecil dapat ditemukan tepat waktu, sehingga meningkatkan keakuratan produk. Oleh karena itu, teknologi ini lebih cocok untuk pembuatan chip, produksi suku cadang penerbangan, dll persyaratan akurasi yang sangat tinggi.
Komponen mesin aero memiliki struktur yang kompleks dan memiliki persyaratan yang tinggi untuk akurasi produksi. Menggabungkan teknologi AI dengan teknologi baru seperti robot industri, digital twins, virtual reality (VR), augmented reality (AR), manufaktur aditif (pencetakan 3D), dan data. Integrasi perangkat lunak industri seperti pemantauan pengumpulan dan sistem eksekusi produksi (MES) dapat mengurangi partisipasi manusia dalam lingkungan yang kompleks dan keras, meningkatkan akurasi dan efisiensi produksi dari proses eksekusi manufaktur, dan dengan demikian meningkatkan kualitas produk. Dalam hal ini, produsen mesin Rolls-Royce secara aktif menjajaki penggunaan teknologi AI dalam desain dan manufaktur mesin untuk memprediksi dan memecahkan potensi masalah dalam proses produksi guna memastikan bahwa setiap komponen dapat memenuhi persyaratan akurasi yang ketat.
Saat ini, beberapa eksplorasi yang lebih menarik adalah menggabungkan teknologi pencetakan 3D dengan teknologi AI untuk menerobos hambatan manufaktur di bidang kedirgantaraan. Di bidang mesin dirgantara, penerapan teknologi pencetakan 3D secara bertahap berkembang. Sebagai bidang mesin dirgantara yang saat ini paling banyak menggunakan teknologi pencetakan 3D, GE Aerospace menggunakan lebih dari 300 suku cadang teknologi pencetakan 3D dalam pengembangan mesin GE9X. Melalui penggunaan berbagai material baru secara fleksibel, teknologi pencetakan 3D tidak hanya meningkatkan akurasi produksi suku cadang yang kompleks, namun juga secara efektif mengurangi bobot suku cadang dan sangat memperpendek siklus produksi. Namun, meskipun teknologi pencetakan 3D disukai oleh perusahaan pembuat mesin, namun efisiensi pencetakan masih dibatasi. Dalam hal ini, beberapa perusahaan teknologi telah mengusulkan agar menggabungkan teknologi AI dengan teknologi pencetakan 3D diharapkan dapat mempersingkat waktu penelitian material secara signifikan dan meningkatkan efisiensi produksi suku cadang mesin.
“Lampu bedah AI” yang berfungsi sebagai “dokter pesawat”
Pada tautan jaminan layanan, dengan mendeteksi status penggunaan produk secara real time, teknologi AI dapat dengan cepat merumuskan rencana pemeliharaan dan perbaikan, membangun prediksi suku cadang dan model konfigurasi optimal, mewujudkan pemeliharaan prediktif mesin aero, dan meningkatkan kemampuan jaminan layanan. Saat ini, banyak perusahaan manufaktur penerbangan besar telah menggunakan teknologi AI sebagai alat inspeksi blade untuk mesin pesawat, sehingga mempersingkat waktu inspeksi awal dari 3 hingga 4 jam menjadi 30 hingga 45 menit, sehingga dapat menghemat biaya inspeksi ratusan juta bagi perusahaan.
Faktanya, teknologi AI tidak hanya memberdayakan perusahaan besar. Selama pemeliharaan mesin luar angkasa di lokasi, alat deteksi yang digerakkan oleh teknologi AI membantu menstandarisasi operasi, meningkatkan efisiensi kerja personel dan kualitas kerja, serta mempersingkat waktu pemeliharaan dan perbaikan. Dan beberapa "dokter pesawat" yang memperhatikan teknologi baru, yaitu personel perawatan pesawat, telah mulai membuat "lampu bedah AI" mereka sendiri.
Di Bandara Baiyun Guangzhou, Luo Chenggong, staf pemeliharaan "pasca-90-an" dari Guangzhou Aircraft Maintenance Engineering Co., Ltd. (GAMECO), menggunakan platform pembelajaran mendalam tingkat industri pertama yang dikembangkan sendiri di Tiongkok "Flying Paddle" untuk membuat " Flying Paddle" untuk staf pemeliharaan. "Lampu bedah AI" - model pengenalan cacat pesawat. Dalam proses pembuatan model ini, pelatihan model adalah langkah pertama, yang memerlukan impor sejumlah besar data dan gambar yang dikumpulkan ke dalam sistem untuk membantunya melakukan pembelajaran mesin.
Dalam pekerjaan pasca-penerbangan tradisional, personel pemeliharaan pesawat perlu menghabiskan waktu sekitar satu jam untuk memeriksa pesawat secara visual untuk memastikan bahwa semua fasilitas dan peralatan, termasuk mesin pesawat, dalam keadaan normal dan memenuhi persyaratan operasional. Setelah menyelesaikan pelatihan model identifikasi cacat pesawat, Luo Cheng mulai menguji apakah model tersebut dapat meningkatkan efisiensi dan akurasi inspeksi visual dalam pekerjaan sebenarnya. Hasilnya menunjukkan bahwa model berhasil mengidentifikasi sekrup pada pesawat yang kendor dan mengeluarkan suara "didi", yang menunjukkan bahwa teknologi AI juga memiliki potensi besar dalam pekerjaan di garis depan.
McKinsey & Company menunjukkan dalam "Peluang Kecerdasan Buatan Generatif dalam Pemeliharaan Penerbangan" yang dirilis pada bulan Agustus tahun ini bahwa tanpa layanan perawatan, perbaikan, dan perombakan pesawat (MRO) yang beroperasi di belakang layar, industri penerbangan sipil tidak akan dapat menyelesaikan masalah dengan aman. transportasi ke seluruh dunia setiap hari. Sungguh suatu prestasi yang luar biasa karena telah mengangkut hampir 10 juta penumpang dan terbang lebih dari 20 miliar kilometer. Namun saat ini, industri ini menghadapi tantangan yang belum pernah terjadi sebelumnya. Pesatnya pertumbuhan permintaan perjalanan penerbangan bisnis, kekurangan pesawat secara global, dan simpanan pemeliharaan yang disebabkan oleh epidemi COVID-19 terus meningkatkan permintaan maskapai penerbangan terhadap layanan MRO. Ketika maskapai penerbangan berusaha memenuhi permintaan perjalanan penumpang yang terus meningkat ketika pasokan pesawat baru terbatas, industri MRO harus memastikan ketersediaan dan keandalan pesawat yang ada serta memperpanjang umur layanannya. Dengan pesatnya perkembangan ilmu pengetahuan dan teknologi, kunci untuk memecahkan masalah-masalah ini dan memanfaatkan peluang-peluang ini adalah kecerdasan buatan.
Seiring dengan semakin matangnya teknologi AI, penerapannya di bidang mesin dirgantara akan menjadi lebih luas dan mendalam. Dari pemeliharaan prediktif hingga peningkatan efisiensi bahan bakar hingga diagnosis kesalahan cerdas, inovasi teknologi AI memberikan dukungan kuat untuk meningkatkan kinerja dan keandalan operasional mesin aero. Ke depan, dengan dukungan teknologi baru seperti kecerdasan buatan, mesin pesawat akan berkembang ke arah yang lebih cerdas, ramah lingkungan, dan efisien, tidak hanya meletakkan dasar bagi pembangunan berkelanjutan industri penerbangan, namun juga meningkatkan keselamatan. dan perekonomian industri penerbangan global membawa terobosan baru. (Reporter Berita Penerbangan Sipil China, Wang Yichao)
Para ahli berbicara
Seluruh siklus hidup industri manufaktur penerbangan akan terhubung erat dengan data
Liu Yi
Teknologi AI memberdayakan manufaktur penerbangan dan mengoptimalkan seluruh siklus hidup "desain-manufaktur-pemeliharaan". Ini adalah topik mutakhir dan merupakan perwujudan penting dari perluasan teknologi AI di bidang penerbangan digital. Dari sudut pandang saat ini, dampak perkembangan teknologi AI terhadap manufaktur penerbangan terutama tercermin dalam tiga kaitan.
Dalam proses desain, teknologi AI generasi baru memiliki kemampuan untuk lebih berintegrasi dengan CAD (computer-aided design)/CAE (computer-aided engineering). Hal ini pada dasarnya merupakan transisi dari "paradigma ketiga (ilmu komputasi) ke pergeseran paradigma keempat (ilmu data intensif)”. Misalnya, dalam analisis simulasi model digital dengan berbagai bidang fisik seperti kekuatan struktural, kebisingan getaran, dan kopling aliran panas, teknologi AI dapat memungkinkan aliran dan integrasi pengetahuan dan data desain pesawat melintasi waktu, ruang, bidang, dan unit. , dan digunakan untuk secara otomatis menghasilkan model mesh berkualitas tinggi untuk mengoptimalkan pengaturan parameter pemecah dan meningkatkan efisiensi dan akurasi simulasi.
“Troika” teknologi AI generasi baru—kekuatan komputasi, algoritme, dan data—semuanya mendorong inovasi dalam produktivitas di bidang desain pesawat terbang. Diantaranya, pertumbuhan daya komputasi yang pesat memenuhi persyaratan kinerja perhitungan numerik skala besar dalam simulasi desain, di satu sisi, memungkinkan desain untuk beradaptasi dengan dimensi yang lebih tinggi dan lebih banyak variabel, dan di sisi lain, menghasilkan peningkatan hubungan antara desain profesional dan desain generatif. Situasi integrasi baru; dan kemampuan inti model besar untuk memproses, memahami, dan membuat informasi data dalam jumlah besar secara tepat memenuhi kebutuhan pemrosesan data yang sangat tersegmentasi dan sangat profesional dalam manufaktur penerbangan.
Dalam proses manufaktur, industri penerbangan memiliki persyaratan yang sangat tinggi untuk akurasi manufaktur dan kualitas pemrosesan. Dibandingkan dengan skema kendali mutu statistik pasca-sampling tradisional, teknologi AI generasi baru dapat memenuhi persyaratan kendali mutu secara real-time. Misalnya, kemampuan multi-modal berdasarkan teknologi AI dapat mengintegrasikan data sensor yang berbeda untuk mengontrol dan mengoptimalkan proses produksi secara real-time; menerapkan teknologi AI pada setiap tautan inspeksi produksi dan manufaktur, dan menggunakan pengetahuan dan kumpulan data para pakar domain pelatihan, yang dapat bersifat adaptif Dapat terus mempelajari berbagai data sensor dan informasi umpan balik untuk meningkatkan akurasi deteksi cacat produk; dan untuk kebutuhan manufaktur cerdas yang dipersonalisasi dan fleksibel, teknologi AI dapat terus mempelajari dan memahami pola dan karakteristik data produksi dan manufaktur di lingkungan saat ini, dan kemudian menyediakan Mengembangkan rencana implementasi untuk tugas-tugas tertentu. Selain itu, teknologi AI dapat memberdayakan robot dengan kemampuan persepsi, analisis, dan pengambilan keputusan, seperti memahami instruksi manusia berdasarkan model pemrosesan bahasa alami, menilai informasi posisi berdasarkan model visi mesin, dan mewujudkan perencanaan jalur pemrosesan berdasarkan keputusan cerdas. pembuatan algoritma. Ulangi sebagian Mengurangi tenaga kerja secara signifikan dalam skenario yang sangat sensitif, terstandarisasi, atau berisiko tinggi, dan mengoordinasikan personel secara efisien untuk melaksanakan pekerjaan.
Dalam proses pemeliharaan, teknologi AI akan secara efisien mengoptimalkan tautan inti pemeliharaan pesawat dari "manual" ke "perintah kerja", yaitu mewujudkan otomatisasi dan kecerdasan dari "basis pengetahuan profesional" hingga "daftar kerja". Ketika sebuah pesawat mengalami malfungsi, AI berdasarkan sistem pakar diagnosis kesalahan dan teknologi grafik pengetahuan dapat dengan cerdas menganalisis fenomena kesalahan dan data pengoperasian, dengan cepat menentukan penyebab kesalahan, secara langsung menghasilkan rencana pemeliharaan dan saran pengambilan keputusan, dan memandu personel pemeliharaan untuk melakukan pemeliharaan yang tepat dan penggantian komponen. Diagnosis kesalahan dan pengetahuan pemeliharaan juga dapat diisi ulang ke dalam basis pengetahuan untuk terus meningkatkan dan mengoptimalkan model diagnostik. Dengan menggunakan algoritme pembelajaran mesin, seperti jaringan saraf dalam dan jaringan memori jangka pendek, untuk melakukan ekstraksi fitur dan pengenalan pola pada pengetahuan pemeliharaan pesawat dan data pengoperasian, kita dapat membangun model prediksi untuk degradasi peralatan dan evolusi kesalahan verifikasi, kami dapat secara akurat memprediksi sisa masa pakai peralatan dan potensi risiko kegagalan untuk mencapai pemeliharaan prediktif yang proaktif dan optimalisasi pesawat.
BD (big data) dan AI adalah inti kemajuan teknologi dalam produktivitas baru. Di masa depan, seluruh siklus hidup desain, manufaktur, dan pemeliharaan pesawat akan terkait erat dengan BD dan AI, yang memerlukan upaya bersama dalam tata kelola data penerbangan sipil dasar, transformasi pengetahuan data ke domain, dan penelitian skenario aplikasi vertikal yang cerdas. Selain itu, kita harus mencatat bahwa di satu sisi, dunia manufaktur penerbangan dicirikan oleh kompleksitas, profesionalisme, dan dinamika. Interpretabilitas dan keamanan teknologi AI generasi baru saat ini merupakan masalah yang perlu diselesaikan untuk produksi skala besar aplikasi; di sisi lain, Dengan semakin mendalamnya transformasi cerdas, semakin banyak skenario tak berawak akan muncul, dan keputusan harus dibuat berdasarkan pertimbangan komprehensif atas faktor-faktor seperti efisiensi dan biaya, tugas mana yang harus diselesaikan oleh mesin dan mana yang harus diselesaikan oleh mesin. diselesaikan oleh manusia. Ini adalah proses kolaborasi manusia-mesin. Mengejar teknologi tak berawak secara membabi buta mungkin menyimpang dari asal muasal manufaktur cerdas. (Penulis adalah direktur Departemen Big Data dan Kecerdasan Buatan Administrasi Penerbangan Sipil Tiongkok dan direktur eksekutif Laboratorium Utama Tata Kelola Data dan Optimasi Keputusan Administrasi Penerbangan Sipil Tiongkok)