전 세계적으로 인공지능(AI) 기술은 빠르게 경제 성장의 강력한 원동력이 되어 모든 계층에 변화의 힘을 불어넣고 있습니다. 민간 항공 산업에서 AI는 산업 발전을 촉진하는 차세대 '보이지 않는 엔진'으로 간주됩니다. 이러한 보이지 않는 빅데이터는 사람들을 지능화하고 더 나은 여행을 시작하도록 이끄는 새로운 '연료'가 되고 있습니다. 특히 항공우주 엔진 분야에서는 '지혜의 날개'라 불리는 AI가 전례 없는 속도로 변화의 물결을 몰고 가며 무한한 가능성을 보여주고 있다.
업계 전문가에 따르면 항공엔진 분야에서 AI 기술의 적용은 설계, 테스트, 제조, 운영 및 유지보수에 이르는 전체 수명주기로 확대되고 있으며, 항공엔진 연구개발 프로세스를 가속화하는 동시에 협업도 가능하게 합니다. 업스트림과 다운스트림 산업 체인 간의 연결성과 효율성이 향상되었습니다.
더욱 강력한 항공기 '하트' 설계
항공기의 "심장"인 항공기 엔진은 수많은 첨단 기술, 재료 및 프로세스를 통합하며 항공기의 핵심 구성 요소로서 설계, 제조 및 사용에 있어서 정밀도, 안정성 및 신뢰성에 대한 요구 사항이 매우 높습니다.
노스웨스턴 폴리텍대학교 샤오홍 교수는 항공엔진의 특징을 '세 개의 높이와 하나의 길이'로 요약할 수 있다고 말했습니다. 성능 측면에서 항공기 엔진은 높은 비행 범위, 높은 추력(동력) 대 중량 비율, 높은 신뢰성 및 긴 서비스 수명이라는 특징을 가지고 있습니다. 현재 전 세계적으로 가장 긴 항공기 엔진 수명은 50,000시간에 달합니다. 작동 환경 측면에서 항공우주 엔진은 고압, 고속, 고온 및 긴 수명 주기 작동이라는 과제에 직면해 있습니다. 경제적으로 항공엔진은 투자가 많고, 문턱이 높으며, 수익률이 높으며, 주기가 긴 제품입니다. Xiao Hong은 일반적인 항공우주 엔진의 개발에는 10~20년이 걸리지만 최종 완성 후에는 사용 수명이 길어 투자 수익이 매우 높다고 말했습니다.
요즘에는 AI 기술의 '접합'으로 이러한 고정밀 장비 작동도 더욱 안전하고 효율적인 지능형 시대로 접어들었습니다. AI 기술이 항공우주 엔진에 미치는 영향은 '출처'에서 찾아볼 수 있다. 즉, 제품 디자인 과정에서 이미 AI 기술이 모델 구축에 기여하고 있다는 것이다. 우리 모두 알고 있듯이 항공엔진은 인간의 지혜와 기술력이 집약된 표현입니다. 항공엔진의 설계 프로세스에는 구조역학, 유체역학, 공기역학, 연소 및 기타 공학 과학이 포함되며 기본 방정식, 기본 모델 및 계산 방법에 크게 의존합니다. 공학과학 분야에서는 AI 기술이 폭넓은 응용을 실현하는 데 앞장섰고, 점점 정교해지는 머신러닝(Machine Learning)으로 인해 관련 산업의 업무 효율성과 정확성이 크게 향상됐다.
AI 기술의 일부인 머신러닝을 통해 컴퓨터 시스템은 기존 경험과 데이터로부터 학습하여 대량의 데이터에서 패턴을 찾고 자동화, 데이터 중심 의사결정 및 지능형 시스템의 개발을 촉진할 수 있습니다. 기존 모델과 비교하여 기계 학습 방법을 사용하여 구축된 모델은 효율적이고 교차 규모의 물리적 특징 설명 기능을 가지며 계산 정확도 및 효율성 측면에서 잠재적인 이점을 갖습니다. 이 기능은 항공기 엔진 모델 구축에 매우 중요합니다.
모델 구축 외에도 AI 기술은 항공기 엔진 성능 예측, 설계 모델 최적화, 테스트 검증 및 기타 측면에서도 역할을 할 수 있습니다. 항공 엔진 테스트를 예로 들어보겠습니다. 중국 공학원 학자인 Liu Daxiang은 공개 연설에서 특정 유형의 항공우주 엔진은 설계부터 최종 완성까지 수천 시간, 심지어 수만 시간의 테스트가 필요하며, 이는 최대 10년까지 지속될 수 있다고 언급한 적이 있습니다. AI 기술의 발전으로 사람들은 일부 실험을 디지털 공간으로 옮기려고 노력하고 있습니다. 디지털 공간에서는 디지털 트윈 기술을 통해 1:1 대응 성능을 갖춘 디지털 엔진이 개발되고 디지털 엔진에 대한 실험이 수행됩니다. 인력과 물적 자원, 재정 자원을 크게 절약하고 개발 프로세스를 가속화합니다.
AI 기술을 통해 항공우주 엔진의 연구개발 효율성을 높이는 것은 단순히 학계만의 바람이 아니다. 이미 많은 기업들이 이 첨단 분야 탐구에 동참하고 있다. 예를 들어 미국 GE 에어로스페이스(GE Aerospace)는 AI 기반 디자인 툴인 DT4D(Digital Thread for Design)를 개발했다. 설계, 제조, 공급망, 서비스 등 여러 링크를 연결하여 전체 R&D 및 제조 프로세스를 구성하여 항공우주 엔진의 개념 설계부터 실제 작동까지 전체 제품 수명 주기를 포괄하는 디지털 스레드 시스템을 목표로 합니다. 더 효율적이고 투명합니다. 이 시스템을 사용하면 엔지니어, 제조업체, 공급망 및 기타 이해관계자가 최신 제품 설계 및 성능 데이터에 실시간으로 액세스할 수 있을 뿐만 아니라 시뮬레이션, 설계 및 제조 데이터를 동일한 디지털 스레드 시스템에 통합하여 제품 개발 시 마찰을 효과적으로 줄일 수 있습니다. 반복적인 노동과 수동적인 데이터 전송 오류는 제품 비용을 절감할 뿐만 아니라 제품 개발 속도를 높이는 동시에 제품 신뢰성을 향상시킵니다.
효율성을 제한하는 병목 현상 해소
좋은 디자인을 달성하려면 높은 수준의 생산이 필요합니다.
제조 과정에서 AI 기술은 여러 산업 분야에서 그 역량과 가치를 입증해 왔습니다. 예를 들어 자동차 제조 분야에서는 올해 6월 BMW 그룹이 미국 사우스캐롤라이나주 스파르탄버그 공장에 범용 로봇 'Figure01'을 도입했다. 이 로봇은 AI 비전 모델로 구동되며 신경망 학습을 통해 금속 부품을 정확하게 배치하고 실행 중 오류를 자동으로 수정할 수 있습니다. 항공 제조 분야에서 Airbus는 AI 기술과 컴퓨터 비전 기술을 생산 프로세스에 통합하여 항공기 조립의 정확성을 크게 향상시켰습니다. 동시에 AI 기술은 비디오 데이터를 분석하여 주요 구성 요소의 설치를 자동으로 기록하고 설치 문제가 있는지 감지할 수도 있습니다.
이러한 AI 로봇은 아직 탐색 단계에 있지만, 일부 고급 제조기업 임원들의 견해로는 미래 AI 기술의 초점은 활용 여부가 아니라 어떻게 활용하느냐에 있다. 제조 공정에서 AI 기술의 광범위한 적용 시나리오는 지능형 생산 라인 모니터링과 지능형 제품 품질 관리입니다. 제조 회사는 AI 기술을 사용하여 생산 공정을 모니터링함으로써 공정 매개변수를 최적화하고 생산 라인의 운영 상태를 실시간으로 조정할 수 있습니다. AI 영상인식 기술을 제품 검사 및 품질관리에 활용하면 일부 사소한 생산결함도 적시에 발견할 수 있어 제품의 정확도를 높일 수 있어 칩 제조, 항공부품 생산 등에 더 적합하다. 매우 높은 정확도 요구 사항.
항공 엔진 부품은 구조가 복잡하고 생산 정확도에 대한 요구 사항이 높습니다. AI 기술과 산업용 로봇, 디지털 트윈, 가상 현실(VR), 증강 현실(AR), 적층 가공(3D 프린팅), 데이터 등의 신기술을 결합합니다. 수집 모니터링 및 생산 실행 시스템(MES)과 같은 산업용 소프트웨어를 통합하면 복잡하고 열악한 환경에서 인간의 참여를 줄이고 제조 실행 프로세스의 정확성과 생산 효율성을 향상시켜 제품 품질을 향상시킬 수 있습니다. 이와 관련, 엔진 제조업체 롤스로이스는 각 구성 요소가 엄격한 정확도 요구 사항을 충족할 수 있도록 생산 과정에서 발생할 수 있는 문제를 예측하고 해결하기 위해 엔진 설계 및 제조에 AI 기술의 활용을 적극적으로 모색하고 있습니다.
현재 가장 흥미로운 탐구 중 일부는 3D 프린팅 기술과 AI 기술을 결합하여 항공우주 분야의 제조 병목 현상을 극복하는 것입니다. 항공우주 엔진 분야에서는 3D 프린팅 기술의 적용이 점차 확대되고 있다. 현재 3D 프린팅 기술을 가장 광범위하게 활용하고 있는 항공우주 엔진 분야인 GE 에어로스페이스는 GE9X 엔진 개발에 300개 이상의 3D 프린팅 기술 부품을 사용했다. 다양한 신소재의 유연한 사용을 통해 3D 프린팅 기술은 복잡한 부품의 생산 정확도를 향상시킬 뿐만 아니라 부품 무게를 효과적으로 줄이고 생산 주기를 크게 단축합니다. 그러나 3D 프린팅 기술은 엔진 제조업체에서 선호하지만 여전히 프린팅 효율성의 제약을 받습니다. 이에 일부 기술 기업에서는 AI 기술과 3D 프린팅 기술을 결합하면 소재 연구 시간을 획기적으로 단축하고 엔진 부품 제조 효율성을 높일 수 있을 것으로 기대한다고 제시했다.
'비행기 의사' 역할을 하는 'AI 수술용 램프'
서비스 보증 링크에서 AI 기술은 제품 사용 상태를 실시간으로 감지하여 유지 관리 및 수리 계획을 신속하게 수립하고 예비 부품 예측 및 최적 구성 모델을 구축하며 항공 엔진의 예측 유지 관리를 실현하고 서비스 보증 기능을 향상시킬 수 있습니다. 현재 많은 대형 항공 제조 회사는 AI 기술을 항공기 엔진의 블레이드 검사 도구로 사용하여 원래 검사 시간을 3~4시간에서 30~45분으로 단축하여 기업의 검사 비용을 수억 달러 절약할 수 있습니다.
실제로 AI 기술은 대기업에만 힘을 실어주는 것이 아닙니다. 항공우주 엔진의 현장 유지 관리 중에 AI 기술을 기반으로 하는 감지 도구는 운영을 표준화하고 직원 작업 효율성과 작업 품질을 개선하며 유지 관리 및 수리 시간을 단축하는 데 도움이 됩니다. 그리고 신기술에 주목하는 일부 '항공박사', 즉 항공기 정비 인력이 자체 'AI 수술용 조명'을 만들기 시작했다.
광저우 바이윈 공항에서 GAMECO(Guangzhou Aircraft Maintenance Engineering Co., Ltd.)의 "90년대 이후" 유지보수 직원인 Luo Chenggong은 중국 최초의 자체 개발 산업 수준 딥 러닝 플랫폼인 "Flying Paddle"을 사용하여 "Flying Paddle"을 만들었습니다. 유지보수 직원을 위한 Flying Paddle', 항공기 결함 인식 모델인 'AI 수술용 조명'. 이 모델을 구축하는 과정에서 모델 훈련이 첫 번째 단계이며, 이를 위해서는 수집된 대량의 데이터와 이미지를 시스템으로 가져와 기계 학습을 수행하는 데 도움을 주어야 합니다.
전통적인 비행 후 작업에서 항공기 유지보수 담당자는 항공기 엔진을 포함한 모든 시설과 장비가 정상이고 작동 요구 사항을 충족하는지 확인하기 위해 항공기를 육안으로 검사하는 데 약 1시간을 소비해야 합니다. Luo Cheng은 항공기 결함 식별 모델 교육을 마친 후 실제 작업에서 육안 검사의 효율성과 정확성을 향상시킬 수 있는지 테스트하기 시작했습니다. 그 결과, 모델이 항공기의 나사가 헐거워진 것을 성공적으로 식별하고 '디디' 소리를 내는 것으로 나타났습니다. 이는 AI 기술이 최전선 업무에서도 큰 잠재력을 가지고 있음을 나타냅니다.
맥킨지앤컴퍼니는 올해 8월 발표한 '항공정비에서의 생성적 인공지능 기회(Generative Artificial Intelligence Opportunities in Aviation Maintenance)'에서 이면에서 작동하는 항공기 정비·수리·정비(MRO) 서비스가 없다면 민간항공산업이 안전하게 비행을 완료할 수 없을 것이라고 지적했다. 매일 전 세계를 누비며 약 1천만 명의 승객을 운송하고 200억 킬로미터 이상을 비행했다는 것은 놀라운 일입니다. 그러나 오늘날 업계는 전례 없는 도전에 직면해 있습니다. 비즈니스 항공 여행에 대한 수요의 급격한 증가, 전 세계적으로 항공기 부족, 코로나19 전염병으로 인한 유지 보수 적체로 인해 항공사의 MRO 서비스에 대한 수요가 지속적으로 증가했습니다. 새로운 항공기의 공급이 제한되는 상황에서 항공사가 증가하는 승객 여행 수요를 충족하기 위해 노력함에 따라 MRO 업계는 기존 항공기의 가용성과 신뢰성을 보장하고 서비스 수명을 연장해야 합니다. 과학기술의 급속한 발전과 함께 이러한 문제를 해결하고 기회를 포착하는 열쇠는 인공지능에 있다.
AI 기술이 계속해서 성숙해짐에 따라 항공우주 엔진 분야에서의 적용은 더욱 광범위하고 심도 있게 될 것입니다. 예측 유지보수부터 연비 개선, 지능형 결함 진단에 이르기까지 AI 기술 혁신은 항공기 엔진의 성능 및 작동 신뢰성 향상을 위한 강력한 지원을 제공합니다. 미래에는 인공지능 등 신기술의 지원을 받아 항공기 엔진이 더욱 지능화되고 환경친화적이며 효율적인 방향으로 진화해 항공산업의 지속가능한 발전을 위한 기반을 마련할 뿐만 아니라 안전성도 향상될 것입니다. 글로벌 항공 산업의 경제에 새로운 돌파구를 마련합니다. (중국민항뉴스 왕이차오 기자)
전문가들이 말하는
항공제조산업의 전 생애주기가 데이터와 긴밀하게 연결될 것
리우 이
AI 기술은 항공 제조에 힘을 실어주고 '설계-제조-유지보수'의 전체 라이프사이클을 최적화합니다. 이는 최첨단 주제이자 디지털 항공 분야에서 AI 기술 확장의 중요한 표현입니다. 현재 관점에서 볼 때 AI 기술 발전이 항공 제조에 미치는 영향은 주로 세 가지 링크에 반영됩니다.
설계 과정에서 차세대 AI 기술은 CAD(컴퓨터 지원 설계)/CAE(컴퓨터 지원 엔지니어링)와 더욱 통합될 수 있습니다. 이는 본질적으로 "제3의 패러다임(컴퓨팅 과학)"으로의 전환입니다. 네 번째 패러다임(데이터 집약적 과학)'으로의 전환. 예를 들어, 구조 강도, 진동 소음, 열 흐름 결합 등 여러 물리적 분야를 갖춘 디지털 모델의 시뮬레이션 분석에서 AI 기술을 사용하면 시간, 공간, 분야, 단위에 걸쳐 항공기 설계 지식과 데이터의 흐름과 통합이 가능해집니다. , 솔버 매개변수 설정을 최적화하고 시뮬레이션 효율성과 정확성을 향상시키기 위해 고품질 메쉬 모델을 자동으로 생성하는 데 사용됩니다.
차세대 AI 기술의 '트로이카'인 컴퓨팅 성능, 알고리즘, 데이터는 모두 항공기 설계 분야의 생산성 혁신을 주도하고 있습니다. 그중 컴퓨팅 성능의 급속한 성장은 설계 시뮬레이션에서 대규모 수치 계산의 성능 요구 사항을 충족합니다. 한편으로는 지능형 알고리즘을 통해 설계가 더 높은 차원과 더 많은 변수에 적응할 수 있게 하고 다른 한편으로는 전문적인 디자인과 생성적인 디자인 사이의 관계 새로운 통합 상황과 대량의 데이터 정보를 처리, 이해 및 생성하는 대형 모델의 핵심 능력은 항공 제조 분야의 고도로 세분화되고 전문적인 데이터 처리 요구 사항을 정확하게 충족합니다.
제조 공정에서 항공 산업은 제조 정확도와 처리 품질에 대한 요구 사항이 매우 높습니다. 기존의 샘플링 후 통계 품질 관리 방식과 비교할 때 차세대 AI 기술은 품질 관리의 실시간 요구 사항을 충족할 수 있습니다. 예를 들어, AI 기술을 기반으로 하는 다중 모드 기능은 다양한 센서 데이터를 통합하여 생산 프로세스를 실시간으로 제어 및 최적화할 수 있으며, 생산 및 제조의 각 검사 링크에 AI 기술을 적용하고 분야 전문가의 지식과 데이터 세트를 사용할 수 있습니다. 다양한 센서 데이터와 피드백 정보를 지속적으로 학습하여 제품 결함 감지의 정확성을 높일 수 있으며, 개인화되고 유연한 지능형 제조 요구에 맞춰 AI 기술은 생산 및 제조 데이터의 패턴과 특성을 지속적으로 학습하고 이해할 수 있습니다. 현재 환경에서 특정 작업에 대한 구현 계획 개발을 제공합니다. 또한, AI 기술은 자연어 처리 모델을 기반으로 인간의 지시를 이해하고, 머신 비전 모델을 기반으로 위치 정보를 판단하고, 지능적인 의사 결정을 기반으로 처리 경로 계획을 실현하는 등 로봇에 지각, 분석, 의사 결정 능력을 부여할 수 있습니다. 알고리즘을 부분적으로 반복 매우 민감하고 표준화되거나 위험이 높은 시나리오에서 인력을 대폭 줄이고 인력을 효율적으로 조정하여 작업을 수행합니다.
유지 관리 과정에서 AI 기술은 '매뉴얼'에서 '작업 지시'까지 항공기 유지 관리의 핵심 링크를 효율적으로 최적화합니다. 즉, '전문 지식 기반'에서 '작업 목록'까지 자동화 및 지능을 실현합니다. 항공기 오작동 시 결함진단 전문가 시스템과 지식 그래프 기술을 기반으로 한 AI는 결함 현상과 운용 데이터를 지능적으로 분석해 결함 원인을 신속하게 파악하고 정비 계획과 의사결정 제안을 직접 생성하며 정비 인력을 안내한다. 정확한 유지 관리 및 구성 요소 교체를 수행합니다. 결함 진단 및 유지 관리 지식을 지식 기반에 추가하여 진단 모델을 지속적으로 개선하고 최적화할 수도 있습니다. 심층신경망, 장단기기억망 등의 기계학습 알고리즘을 활용하여 항공기 정비 지식 및 운영 데이터에 대한 특징 추출 및 패턴 인식을 수행하며, 모델 훈련 및 결함 진화에 대한 예측 모델을 구축할 수 있습니다. 검증을 통해 장비의 남은 수명과 잠재적인 고장 위험을 정확하게 예측하여 항공기의 사전 예방적 유지보수 및 최적화를 달성할 수 있습니다.
BD(빅데이터)와 AI는 새로운 생산성을 위한 기술 진보의 핵심이다. 앞으로는 항공기 설계, 제조, 유지보수의 전체 라이프사이클이 BD 및 AI와 긴밀하게 연결될 것이며, 이를 위해서는 기본적인 민간 항공 데이터 거버넌스, 데이터에서 도메인 지식으로의 전환, 지능형 수직적 응용 시나리오 연구의 공동 노력이 필요합니다. 또한, 한편으로 항공 제조 현장은 복잡성, 전문성, 역동성을 특징으로 하며, 현재 차세대 AI 기술의 해석 가능성과 안전성은 대규모 생산을 위해 해결해야 할 문제라는 점에 유의해야 합니다. 한편, 지능형 전환이 심화됨에 따라 점점 더 많은 무인 시나리오가 등장할 것이며 효율성, 비용 등의 요소를 종합적으로 고려하여 어떤 작업을 기계로 완료해야 하는지 결정해야 합니다. 인간에 의해 완성되었습니다. 이는 인간과 기계가 협업하는 과정이다. 무인 기술을 맹목적으로 추구하는 것은 지능형 제조의 근원에서 벗어날 수도 있다. (저자는 중국 민간항공국 빅데이터 및 인공지능 부서장이자 중국 민간항공국 데이터 거버넌스 및 의사결정 최적화 핵심 연구소 전무이사입니다)