在全球範圍內，人工智慧（AI）技術正迅速成為經濟成長的強大驅動力，為各行各業注入變革的動力。在民航業，AI被視為推動產業發展的新一代「隱形引擎」——那些看不見的大數據，正成為引領人們邁向智慧化、開啟美好出行的全新「燃料」。尤其是在航空引擎領域，AI這對「智慧的翅膀」正以前所未有的速度推動變革的浪潮，展現出無限潛力。
在業界專家看來，從設計、試驗到生產製造和營運維護，AI技術在航空發動機領域的應用正擴展到全生命週期，在推動航空發動機研發進程加速的同時，也讓產業鏈上下游的協作更加密切和高效。
設計更強大的飛機“心臟”
作為飛機的“心臟”，航空發動機整合了大量先進技術、材料和工藝，是飛機的關鍵部件，在設計、製造和使用方面都對精度、穩定性、可靠性有著極高要求。
西北工業大學教授肖洪介紹，航空發動機的特徵可以總結為「三高一長」。在性能上，航空發動機具有飛行包線高、推（功）重比高、可靠性高、使用時間長的特性。目前，在全球範圍內，航空發動機最長的機上壽命達到50000小時。在運行環境上，航空發動機面臨高壓、高轉速、高溫以及長生命週期運行的挑戰。在經濟上，航空發動機則是高投入、高門檻、高回報、長週期的產品。肖洪介紹，典型航空發動機研製需要10年~20年，但在定型後，由於使用週期長，投資報酬率非常高。
如今，隨著AI技術的“特許經營”，這種高度精密運行的設備也進入了更安全、更有效率的智慧時代。 AI技術對航空引擎的影響可以追溯到「源頭」。也就是說，在產品設計環節，AI技術已經在為其建構模型貢獻力量了。眾所周知，航空發動機是人類智慧和科技力量的集中體現，其設計過程涉及結構力學、流體力學、空氣動力學、燃燒等工程科學，對基本方程式、基本模型和計算方法的依賴度較高。而在工程科學領域，AI技術已經率先實現了廣泛應用，並憑藉日益完善的機器學習（MachineLearning），大大提升了相關行業的工作效率和精度。
作為AI技術的一部分，透過學習已有的經驗和數據，機器學習能夠讓電腦系統在大量數據中找到規律，推動了自動化、數據驅動決策以及智慧系統的發展。與傳統模型相比，採用機器學習方法建構的模型具有高效性、跨尺度性的物理特徵描述能力，在計算精度和計算效率上有潛在優勢，這種能力對航空發動機構建模型非常重要。
除了建造模型，AI技術還能在航空發動機的性能預測、設計模式優化、試驗驗證等環節中發揮作用。以航空發動機試驗為例。中國工程院院士劉大響曾在公開演講中提到，某一型航空發動機從設計到定型需要幾千小時甚至上萬小時試驗，時間會持續10年之久。而隨著AI技術的發展，人們嘗試將一部分試驗轉移至數位空間進行——在數位空間透過數位孿生技術研發出性能一一對應的數位發動機，在數位發動機上進行試驗，以大幅節省人力、物力、財力，並加速研發進程。
透過AI技術提升航空發動機的研發效率並非只是學界的美好願望，許多企業已經加入這一前沿領域的探索。例如，美國GE航空航太公司就開發了AI驅動的設計工具－DT4D（DigitalThreadforDesign，數位線程設計）。這是一個涵蓋整個產品生命週期的數位線程系統，旨在透過連接設計、製造、供應鏈和服務等多個環節，實現航空發動機從概念設計到實際運營的數據統一，使整個研發和製造過程更加高效、透明。該系統不僅允許工程師、製造商和供應鏈等利益相關方即時存取最新的產品設計和性能數據，還能夠將模擬、設計和製造數據整合到同一個數位線程系統中，有效減少產品開發過程中的重複勞動和手動資料傳輸錯誤，在加快產品開發速度的同時，既降低了產品成本，也提升了產品可靠性。
打破限制效率的瓶頸
好的設計需要高水準的生產來實現。
在生產製造環節，AI技術已經在許多產業證明了其所具備的能力和價值。例如，在汽車製造領域，今年6月，寶馬集團在其位於美國南卡羅來納州的斯帕坦堡工廠引入了通用型機器人Figure01。這款機器人由AI視覺模型驅動，能夠精確放置金屬部件，並能透過神經網路學習在執行上自動糾錯。在航空製造領域，空中巴士公司將AI技術和電腦視覺技術融入其生產過程，顯著提升了飛機組裝的精確度。同時，AI技術還能透過分析視訊資料自動記錄關鍵組件的安裝，並偵測是否有安裝問題。
儘管這類ai機器人目前仍處於探索階段，但在一些高端製造企業高管看來，未來AI技術的重點不在於是否使用它，而在於如何使用它。 AI技術在製造環節更廣泛的應用場景是智慧化生產線監控和智慧化產品品質控制。透過使用AI技術監控生產流程，製造企業能夠優化製程參數，並即時調整生產線的運作狀態。而當ai影像辨識技術用於產品偵測和品質控制時，一些微小的生產缺陷能夠被及時發現，從而提升產品的精度，因此更適用於晶片製造、航空零件生產等對精度有著極高要求的行業。
航空引擎零件結構複雜，對生產精度有較高要求，而將AI技術與工業機器人、數位孿生、虛擬實境（VR）、擴增實境（AR）、增材製造（3D列印）等新興技術，以及數據採集監控、生產執行系統（MES）等工業軟體融合，可降低人在複雜、嚴苛環境中的參與程度，提高製造執行過程的準確性與生產效率，進而提升產品品質。在這方面，引擎製造商羅爾斯·羅伊斯積極探索，透過在引擎設計和製造中使用AI技術，預測並解決生產過程中的潛在問題，確保每個零件都能達到嚴格的精度要求。
目前，一些更吸引人的探索則是將3D列印技術與AI技術結合，以突破航空航太領域的製造瓶頸。在航空發動機領域，3D列印技術的應用正在逐漸擴展。作為目前使用3D列印技術最廣泛的航空引擎領域，GE航空航太公司在研發GE9X引擎的過程中使用了超過300個3D列印技術零件。透過對多種新材料的靈活使用，3D列印技術不僅提升了複雜零件的生產精度，還有效實現了零件輕量化，並大幅縮短生產週期。不過，3D列印技術雖然被引擎製造企業看好，但仍受到列印效率的限制。對此，有科技公司提出，將AI技術與3D列印技術結合後，可望大幅縮短材料研究時間，提升引擎零件的製造效率。
做“飛機醫生”的“AI手術燈”
在服務保障環節，透過即時感知產品使用狀態，AI技術能夠快速制訂維護、修理方案，建構備件預測與優化配置模型，實現航空發動機的預測性維護，提升服務保障能力。目前，許多大型航空製造企業已將AI技術作為航空發動機的葉片檢查工具，將原本3小時～4小時的檢測時間縮短到30分鐘～45分鐘，可為企業節約數以億計的檢查費用。
事實上，AI技術不只為大型企業賦能。在航空發動機現場維修過程中，AI技術驅動的檢測工具有助於實現操作規範化，提高人員工作效率和工作質量，縮短維護、修理時間。而一些關注新技術的“飛機醫生”，也就是機務維修人員，已經開始打造屬於自己的“AI手術燈”。
在廣州白雲機場，廣州飛機維修工程有限公司（GAMECO）的“90後”機務維修人員羅成就利用中國首個自主研發的產業級深度學習平台“飛槳”，打造了一個屬於機務維修人員的“ AI手術燈」—飛機缺陷辨識模型。在建構這個模型的過程中，訓練模型是第一步，需要將收集到的大量資料和圖片導入系統，幫助其進行機器學習。
在傳統航後工作中，機務維修人員需要用大約1小時的時間進行目視繞機檢查，以確保包括航空發動機在內的設施設備一切正常，達到運作要求。在完成飛機缺陷辨識模型的訓練後，羅成開始在實際工作中測試能否提高目視檢查的效率和準確度。結果顯示，該模型成功辨識出飛機某處螺桿鬆動，並發出「滴滴滴」的聲音，顯示AI技術在一線工作領域同樣具有巨大潛力。
麥肯錫公司在今年8月發布的《航空維修中的生成式人工智慧機會》中指出，沒有在幕後運行的飛機維護、修理和大修（MRO）服務，民航業將無法完成每天在全球範圍內安全運送近1000萬人次旅客、飛行超過200億公里這項驚人的壯舉。但如今，這一行業正面臨前所未有的挑戰。商務航空出行需求快速成長、全球的飛機短缺，以及新冠疫情造成的維修積壓等，不斷推升航空公司對MRO服務的需求。而在新飛機供應受限的情況下，航空公司想要努力滿足日益增長的旅客出行需求，MRO產業必須確保現有飛機的可用性、可靠性，並延長其服役時間。而在科技快速發展的當下，解決這些問題、抓住這些機會的關鍵都指向了人工智慧。
隨著AI技術的不斷成熟，其在航空引擎領域的應用將更加廣泛且深入。從預測性維護到提高燃油效率，再到智慧化故障診斷，AI技術創新為提升航空引擎的性能和運作可靠性提供了強大支援。展望未來，在人工智慧等新技術的支持下，航空發動機將朝著更智慧、環保和高效的方向演進，不僅為航空業永續發展奠定基礎，也為提升全球航空業的安全性和經濟性帶來新的突破。 （中國民航報記者王藝超）
專家談
航空製造業的全生命週期將與數據緊密相連
劉一
AI技術賦能航空製造以及「設計—製造—維修」全生命週期優化是一個前沿話題，也是AI技術在數位化航空領域拓展的重要體現。從目前來看，AI技術發展對航空製造的影響，主要體現在三個環節。
在設計環節，新一代AI技術已經具備與CAD（電腦輔助設計）/CAE（電腦輔助工程）實現進一步結合的能力，這在本質上是從「第三範式（計算科學）到第四範式（數據密集型科學）」的轉變。例如，在數位化模型進行結構強度、振動雜訊、熱流耦合等多物理場的模擬分析中，AI技術可使航空器設計知識與資料實現跨時空、跨場域及跨單元的流動與融合，用於自動產生高品質的網格模型，以最佳化求解器的參數設置，提高模擬效率和精度。
新一代AI技術的「三駕馬車」——算力、演算法、算據，都在推動航空器設計領域生產力的革新。其中，算力的高速成長滿足了設計模擬中大規模數值運算的效能要求；智慧演算法一方面使得設計可以適配更高維度和更多變量，另一方面催生了專業化設計與生成式設計相結合的新局面；而大模型處理、理解和創造大量資料資訊的核心能力，正好滿足了航空製造中細分性強、專業垂直度高的算據處理需求。
在製造環節，航空業對製造精度和加工品質有著極高要求，與傳統的事後抽樣統計品質調控方案相比，新一代AI技術能夠滿足品質控制的即時性要求。例如，基於AI技術的多模態能力可整合不同感測器數據，即時把控、優化生產流程；將AI技術應用於生產製造的各檢測環節，利用領域專家的知識和數據集進行訓練，可自適應地學習各類感測器數據和回饋訊息，從而提高產品缺陷檢測的精度；而面向個性化、柔性化的智能製造需求，AI技術能夠不斷學習和理解當前環境中生產製造數據的模式和特徵，進而為特定任務制訂執行方案。另外，AI技術可賦能機器人，使其具備感知、分析、決策能力，如基於自然語言處理模型理解人類指令、基於機器視覺模型判斷位置資訊、基於智慧決策演算法實現加工路徑規劃等，在部分重複性強、標準化或危險係數高的場景中大幅減少人力，高效協同人員開展工作。
在維修環節，AI技術將高效優化從「手冊」到「工單」這項航空器維修的核心環節，即實現從「專業知識庫」到「工作清單」的自動化、智慧化。當航空器發生故障時，基於故障診斷專家系統和知識圖譜技術的AI能夠智慧分析故障現象和運作數據，快速確定故障原因，直接產生維修方案和決策建議，指導機務維修人員進行精準維修和零件更換，還可將故障診斷和維修知識回填到知識庫中，不斷改進和優化診斷模型。而利用機器學習演算法，如深度神經網路、長短期記憶網路等對航空器維修知識和運行資料進行特徵提取和模式識別，能夠建構設備退化和故障演化的預測模型，透過模型訓練和驗證，準確預測設備的剩餘使用壽命和潛在故障風險，實現航空器主動預測性維護和最佳化。
BD（大數據）和AI是新質生產力技術進步的核心。未來，航空器設計、製造、維修的全生命週期都將與BD和AI緊密相連，這需要民航基礎的資料治理、資料到領域知識轉換、智慧垂直應用場景研究等合力推進。此外，我們應注意，一方面航空製造場景具有複雜性、專業性和動態性等特點，當前新一代AI技術的可解釋性、安全性等是大規模生產應用需要解決的問題；另一方面，隨著智慧轉型的深入，將有越來越多的無人化場景湧現，應在綜合考慮效率、成本等因素的基礎上決定哪些工作由機器完成，哪些由人完成。這是一個人機協作的過程，一味追求無人化可能偏離智慧製造的本源。 （作者係中國民航管理幹部學院大數據與人工智慧系主任、民航局資料治理與決策最佳化重點實驗室執行長）