吳興旺，羅曉莉，陳可嘉

(1.廈門航空有限公司，福建 廈門 361006；2.福州大學(xué) 經(jīng)濟與管理學(xué)院，福建 福州 350108)

飛機技術(shù)派遣智能決策支持系統(tǒng)框架研究—基于大數(shù)據(jù)視角

吳興旺1，羅曉莉2，陳可嘉2

(1.廈門航空有限公司，福建 廈門 361006；2.福州大學(xué) 經(jīng)濟與管理學(xué)院，福建 福州 350108)

隨著航空公司日常運行過程中重要和復(fù)雜航班的大幅增加，有效提升了飛機技術(shù)派遣的決策效率與精準性，對于保障航班安全性和正常性具有重要意義。飛機長期運行及維護過程中積累了海量的健康狀況數(shù)據(jù)，對于飛機技術(shù)派遣決策具有重要價值。由于這些數(shù)據(jù)體量巨大、結(jié)構(gòu)復(fù)雜、增長快，引入大數(shù)據(jù)技術(shù)，提出飛機技術(shù)派遣智能決策支持系統(tǒng)(ATD-IDSS)的基本框架。文中重點探討了ATD-IDSS的總體框架結(jié)構(gòu)以及基于該系統(tǒng)的飛機技術(shù)派遣決策過程。其中，系統(tǒng)總體框架由數(shù)據(jù)采集處理、數(shù)據(jù)管理、模型管理、知識管理、飛機健康評估和派遣決策控制六個子系統(tǒng)組成。詳細闡述了各個子系統(tǒng)的組成、核心功能及運行機理。在此基礎(chǔ)上，對系統(tǒng)實現(xiàn)涉及的關(guān)鍵技術(shù)進行了一一介紹。借助數(shù)據(jù)倉庫相關(guān)技術(shù)，實現(xiàn)了飛機健康狀況大數(shù)據(jù)的處理和分析，利用關(guān)聯(lián)規(guī)則和聚類分析方法，進行飛機技術(shù)參數(shù)評估。采用人工神經(jīng)網(wǎng)絡(luò)和案例推理結(jié)合的智能推理策略，挖掘飛機健康狀況相關(guān)規(guī)則和知識，結(jié)合云計算技術(shù)，提高資源利用率和運算效率。通過ATS-IDSS的框架研究，為進一步開發(fā)智能飛機派遣系統(tǒng)、實現(xiàn)飛機派遣的智能化和精準化及提升飛機健康管理水平提供重要指導(dǎo)。

大數(shù)據(jù)；飛機技術(shù)派遣；智能決策支持系統(tǒng)；系統(tǒng)框架

1 概 述

保證航班安全和準點是航空公司提升服務(wù)質(zhì)量、獲得生存和發(fā)展的重要基礎(chǔ)[1]。航班安全性和正常性除了受天氣等不可控環(huán)境因素的影響，主要由執(zhí)飛飛機的健康狀態(tài)決定，包括飛機系統(tǒng)、子系統(tǒng)及附件等在執(zhí)行飛行任務(wù)時的性能水平。因此，飛機健康狀態(tài)是飛機技術(shù)派遣的重要依據(jù)[2]。當前，國內(nèi)多數(shù)航空公司在進行飛機技術(shù)派遣時，主要通過相關(guān)工程師在分散、獨立的信息系統(tǒng)中查詢大量飛機技術(shù)狀況數(shù)據(jù)，根據(jù)主觀經(jīng)驗甄別和判斷，缺乏統(tǒng)一標準、沒有準確量化的評估，對于航班安全性和正常性沒有可靠保障，并且較為費時費力。隨著航空公司日常運行過程中重要和復(fù)雜航班的大幅增加，以及航空公司機隊規(guī)模的不斷擴大，實現(xiàn)快速高效地對龐大繁雜的飛機運行及維護數(shù)據(jù)展開分析，精準地量化評估每架飛機的健康狀態(tài)，為飛機技術(shù)派遣提供決策依據(jù)，對于保證飛行安全、提高航班正常性、滿足重要航班的保障要求，以及降低航空公司運營成本具有重要意義。

由于飛機系統(tǒng)或部件故障導(dǎo)致航班延誤甚至發(fā)生不安全事件等情況時有發(fā)生，國內(nèi)外眾多航空公司正在或計劃使用飛機健康管理決策支持工具實現(xiàn)科學(xué)的飛機派遣，提高航班安全性和正點率[3]。飛機技術(shù)派遣是航空公司運輸生產(chǎn)中一項重要的控制性工作，歐美許多大型航空公司從20世紀80年代起就廣泛使用專門的飛機調(diào)度管理系統(tǒng)；全球超過60家航空公司使用波音公司的飛機健康管理(Aircraft Health Management，AHM)系統(tǒng)[4]。AHM是一個自動化的維護-決策支持系統(tǒng)，收集整合飛機運行數(shù)據(jù)，對系統(tǒng)健康狀態(tài)進行統(tǒng)計分析，有效提升飛機運行效率、合理安排航班飛機派遣等；還有許多航空公司自主研發(fā)相關(guān)支持工具，輔助航班運營和飛機技術(shù)派遣，如巴西航空推出基于網(wǎng)絡(luò)的飛機健康分析和診斷排故軟件，顯著提高了飛機的技術(shù)簽派可靠率。在國內(nèi)，由于早期航空公司規(guī)模普遍偏小，對科學(xué)的飛機派遣工作缺乏重視，有關(guān)飛機技術(shù)派遣的研究應(yīng)用正處于起步階段，各航空公司主要通過引進國外先進的管理系統(tǒng)，如國航在航班運行中應(yīng)用AHM，實現(xiàn)飛機的健康管理和科學(xué)派遣；也有少數(shù)航空公司成功開發(fā)了相關(guān)支持系統(tǒng)[5]，如春秋航空的飛機優(yōu)選系統(tǒng)，根據(jù)服務(wù)類和故障類要求，對滿足要求的飛機健康狀況進行評分和排序，評價飛機的安全性、故障發(fā)生幾率，據(jù)此實現(xiàn)飛機派遣的優(yōu)化；東航的飛機技術(shù)資料數(shù)據(jù)化管理系統(tǒng)(TDMS)中也設(shè)置了飛機健康狀況的評分模塊，通過單機技術(shù)狀況的展示制定派遣決策。

航空公司長期運營中積累了海量的飛機運行及維護數(shù)據(jù)，蘊藏著大量有關(guān)飛機健康狀態(tài)變化規(guī)律和趨勢的信息，對于飛機技術(shù)派遣決策具有重要意義。但這些數(shù)據(jù)的數(shù)量巨大、結(jié)構(gòu)復(fù)雜、增長快，傳統(tǒng)的數(shù)據(jù)分析方法無法有效獲取數(shù)據(jù)信息，大數(shù)據(jù)技術(shù)為發(fā)掘海量數(shù)據(jù)價值提供了方法[6]。大數(shù)據(jù)技術(shù)的應(yīng)用領(lǐng)域已經(jīng)拓展到民航業(yè)，國內(nèi)外眾多航空公司運用大數(shù)據(jù)技術(shù)充分挖掘航空客戶、飛機運行等海量數(shù)據(jù)價值。國際航空公司的大數(shù)據(jù)應(yīng)用相對成熟，如美聯(lián)航引入了精細化的大數(shù)據(jù)應(yīng)用，涵蓋個性化服務(wù)、業(yè)務(wù)流程優(yōu)化等領(lǐng)域，達美航空應(yīng)用大數(shù)據(jù)實現(xiàn)行李自主追蹤等；國內(nèi)航空公司在應(yīng)用大數(shù)據(jù)上還未系統(tǒng)化，僅在客戶管理、飛機運行管理等部分業(yè)務(wù)領(lǐng)域?qū)崿F(xiàn)大數(shù)據(jù)應(yīng)用，如南航的飛行數(shù)據(jù)分析及客戶分析等，還有許多航空公司利用大數(shù)據(jù)技術(shù)開發(fā)了一些分析系統(tǒng)或平臺[7]，進行故障診斷、健康狀況預(yù)測等應(yīng)用，如國航的運行管理信息系統(tǒng)，綜合航班數(shù)據(jù)、飛行數(shù)據(jù)、報文等對飛機狀況進行綜合分析。

綜上所述，目前國內(nèi)有關(guān)飛機派遣支持工具的研究尚不夠深入，主要應(yīng)用國外先進的管理系統(tǒng)，尚未自主研發(fā)一套科學(xué)完整的飛機技術(shù)派遣決策支持系統(tǒng)；部分航空公司應(yīng)用大數(shù)據(jù)技術(shù)實現(xiàn)飛機運行數(shù)據(jù)的分析處理，但并未有效挖掘其中有關(guān)飛機健康狀況的規(guī)律信息，并據(jù)此進行精準化的飛機技術(shù)派遣。

基于此，文中以飛機技術(shù)派遣為任務(wù)，應(yīng)用大數(shù)據(jù)和人工智能相關(guān)技術(shù)，對飛機運行及維護大數(shù)據(jù)進行分析挖掘，構(gòu)建飛機健康狀況評估模型，輔助飛機派遣決策，提出基于大數(shù)據(jù)技術(shù)的飛機技術(shù)派遣智能決策支持系統(tǒng)(Aircraft Technical Dispatching-Intelligent Decision Support System，ATD-IDSS)框架。明確系統(tǒng)預(yù)實現(xiàn)的功能及所采用的核心技術(shù)，對大數(shù)據(jù)技術(shù)在飛機技術(shù)派遣中的應(yīng)用進行探究。

2 系統(tǒng)框架結(jié)構(gòu)設(shè)計

2.1系統(tǒng)總體框架

智能決策支持系統(tǒng)(IDSS)是集成人工智能技術(shù)、通過邏輯推理輔助決策的決策支持系統(tǒng)[8]。ATD-IDSS(見圖1)將大數(shù)據(jù)技術(shù)和IDSS應(yīng)用于飛機技術(shù)派遣中，借助數(shù)據(jù)倉庫技術(shù)[9]，集成來自分散數(shù)據(jù)庫的飛機健康大數(shù)據(jù)，通過數(shù)據(jù)選擇、清洗、轉(zhuǎn)換等處理過程，構(gòu)建由多維數(shù)據(jù)庫構(gòu)成的數(shù)據(jù)倉庫；應(yīng)用聯(lián)機分析處理(On-Line Analytical Processing，OLAP)技術(shù)，依據(jù)不同派遣任務(wù)，對飛機健康大數(shù)據(jù)進行不同維度的上卷、下鉆、旋轉(zhuǎn)等操作，實現(xiàn)ATD-IDSS的多維數(shù)據(jù)分析，同時將分析結(jié)果以直觀形式返回給管理決策人員；根據(jù)歷史技術(shù)派遣經(jīng)驗，應(yīng)用基于神經(jīng)網(wǎng)絡(luò)和案例推理的推理機模型[10]，建立知識庫；借助大數(shù)據(jù)技術(shù)中數(shù)據(jù)挖掘相關(guān)算法和建模技術(shù)，挖掘隱藏關(guān)系模式、提取數(shù)據(jù)特征，構(gòu)建飛機健康評估模型，結(jié)合云計算技術(shù)[11]，對飛機健康狀況及故障概率進行快速高效運算，實現(xiàn)對飛機健康狀態(tài)的監(jiān)控和管理；通過各個子系統(tǒng)的分布協(xié)作，結(jié)合航班需求和飛機健康評分排序，得到精準化的派遣方案，同時利用云計算平臺，合理協(xié)調(diào)資源分配，實現(xiàn)多航班派遣任務(wù)的科學(xué)高效調(diào)度；根據(jù)決策運行情況進一步對數(shù)據(jù)倉庫、知識庫進行更新，不斷積累飛機健康管理和技術(shù)派遣經(jīng)驗。

圖1 ATD-IDSS框架結(jié)構(gòu)

(1)數(shù)據(jù)采集處理子系統(tǒng)。

數(shù)據(jù)采集處理子系統(tǒng)包含數(shù)據(jù)采集、處理及分析三項功能。智能決策的基礎(chǔ)就是從大量的歷史數(shù)據(jù)中獲取有效信息及知識，飛機技術(shù)派遣所需的決策信息涵蓋了飛機運行及維護過程中積累的大量飛機健康基礎(chǔ)數(shù)據(jù)。隨著信息技術(shù)在航空公司中的普及應(yīng)用，出現(xiàn)了大量不同業(yè)務(wù)類型的數(shù)據(jù)源，包括飛機維修可靠性管理信息系統(tǒng)、飛機運行控制系統(tǒng)、飛機機載數(shù)據(jù)記錄及譯碼系統(tǒng)等諸多相關(guān)系統(tǒng)中存儲的飛機運行及維護歷史數(shù)據(jù)與實時采集數(shù)據(jù)。飛機健康大數(shù)據(jù)的采集面向飛機技術(shù)派遣決策，根據(jù)派遣需求，分析確定采集數(shù)據(jù)范圍，實現(xiàn)數(shù)據(jù)的增加、刪除、修改及導(dǎo)入導(dǎo)出等基本功能。采集的數(shù)據(jù)包括飛機可靠性管理分析數(shù)據(jù)、故障報告、維修記錄、發(fā)動機性能監(jiān)控數(shù)據(jù)、工程管理數(shù)據(jù)、實時告警等，全方位反映飛機的飛行歷史、維護情況、故障缺陷、當前健康狀況等；從不同類型數(shù)據(jù)源采集的數(shù)據(jù)包含不同的數(shù)據(jù)結(jié)構(gòu)類型，同時可能存在錯誤、缺失數(shù)據(jù)等，因此需要對采集的由飛機運行及維護產(chǎn)生的海量、高維、復(fù)雜結(jié)構(gòu)數(shù)據(jù)進行數(shù)據(jù)抽取、清洗、轉(zhuǎn)換、校正等預(yù)處理步驟，檢驗數(shù)據(jù)的完整性、一致性、準確性及數(shù)據(jù)項之間的相關(guān)性等，對缺失數(shù)據(jù)采用單一填補和多重填補方法補充，對異常分布數(shù)據(jù)進行剔除與校正，對數(shù)據(jù)類型進行轉(zhuǎn)換和統(tǒng)一，將轉(zhuǎn)化后的結(jié)構(gòu)化數(shù)據(jù)存入數(shù)據(jù)庫，為構(gòu)建數(shù)據(jù)倉庫做好數(shù)據(jù)準備；在此基礎(chǔ)上對數(shù)據(jù)進行基礎(chǔ)的統(tǒng)計分析、特征提取等，對數(shù)據(jù)整體及各個參數(shù)維度分布有初步認知。

(2)數(shù)據(jù)管理子系統(tǒng)。

數(shù)據(jù)管理子系統(tǒng)包含元數(shù)據(jù)庫、數(shù)據(jù)倉庫及其管理系統(tǒng)，通過數(shù)據(jù)提取、信息提取、數(shù)據(jù)集成等實現(xiàn)飛機健康大數(shù)據(jù)的存儲和管理。數(shù)據(jù)倉庫是面向主題、集成的數(shù)據(jù)集合[9]，是IDSS的先決基礎(chǔ)。采集的原始數(shù)據(jù)經(jīng)過清洗加工后需要存放在數(shù)據(jù)倉庫中，以直接面向數(shù)據(jù)分析挖掘，支持高層決策分析制定，提高數(shù)據(jù)挖掘發(fā)現(xiàn)知識的能力及系統(tǒng)的決策支持能力。飛機運行及維護產(chǎn)生的數(shù)據(jù)集規(guī)模巨大，達到100 G到數(shù)TB，數(shù)據(jù)類型多樣，包含結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，價值密度低，每個航段中數(shù)小時的發(fā)動機性能參數(shù)記錄可能僅有一兩秒有價值，考慮到飛機健康狀況數(shù)據(jù)的大數(shù)據(jù)特征，將其集成到結(jié)構(gòu)化的數(shù)據(jù)倉庫中。對數(shù)據(jù)采集處理子系統(tǒng)獲取的存儲于各分散數(shù)據(jù)庫中的飛機健康大數(shù)據(jù)進行提取、清洗、轉(zhuǎn)換、加載等，構(gòu)建數(shù)據(jù)倉庫，同時創(chuàng)建元數(shù)據(jù)以便更好地利用數(shù)據(jù)倉庫。

數(shù)據(jù)倉庫中的一項關(guān)鍵工作是元數(shù)據(jù)管理，貫穿于數(shù)據(jù)倉庫整個建立過程。在構(gòu)建數(shù)據(jù)倉庫前，選用關(guān)系數(shù)據(jù)庫管理系統(tǒng)建立一個用于描述數(shù)據(jù)、應(yīng)用集成的元數(shù)據(jù)庫。元數(shù)據(jù)是數(shù)據(jù)的數(shù)據(jù)，用于建立、管理、維護和使用數(shù)據(jù)倉庫，分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)。技術(shù)元數(shù)據(jù)描述數(shù)據(jù)倉庫技術(shù)細節(jié)，應(yīng)用于開發(fā)、管理和維護數(shù)據(jù)倉庫；業(yè)務(wù)元數(shù)據(jù)從業(yè)務(wù)角度描述數(shù)據(jù)，提供語義層定義，使業(yè)務(wù)人員能更好地理解數(shù)據(jù)倉庫分析結(jié)果，同時元數(shù)據(jù)庫還包含數(shù)據(jù)庫結(jié)構(gòu)邏輯層次圖，使決策者對數(shù)據(jù)庫中的信息范圍有深入了解。元數(shù)據(jù)提供了統(tǒng)一的關(guān)鍵數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)規(guī)則，有利于將多個數(shù)據(jù)集進行集成，便于后續(xù)數(shù)據(jù)挖掘工作的進行，同時使用戶能掌握數(shù)據(jù)的歷史情況。

根據(jù)元數(shù)據(jù)中的主題表定義、數(shù)據(jù)源定義、數(shù)據(jù)抽取規(guī)則定義，對異地異構(gòu)數(shù)據(jù)源(包括各數(shù)據(jù)庫系統(tǒng)、報文工作單、傳感器等)進行清洗、轉(zhuǎn)換，對數(shù)據(jù)進行重新組織和加工，將不同格式的數(shù)據(jù)轉(zhuǎn)換成計算機可識別的通用模式XML，以實現(xiàn)數(shù)據(jù)的共享和二次分析，再將加工后的數(shù)據(jù)進行融合，裝載到數(shù)據(jù)倉庫的目標庫中，提高數(shù)據(jù)倉庫中數(shù)據(jù)的質(zhì)量和可用性。數(shù)據(jù)倉庫由多維數(shù)據(jù)庫構(gòu)成，各數(shù)據(jù)庫均采用統(tǒng)一接口，有利于進行數(shù)據(jù)挖掘。對基礎(chǔ)數(shù)據(jù)進行初步加工、提取后得到部分有價值的數(shù)據(jù)，在此基礎(chǔ)上運用OLAP技術(shù)從數(shù)據(jù)中提取決策相關(guān)信息。OLAP是基于數(shù)據(jù)倉庫的信息分析處理過程，面向用戶接口，將來自不同數(shù)據(jù)庫的信息進行集成，從不同屬性、不同角度組織和存儲數(shù)據(jù)。

數(shù)據(jù)倉庫管理系統(tǒng)支持數(shù)據(jù)和信息的采集、抽取、檢驗、更新及維護等，以實現(xiàn)數(shù)據(jù)倉庫與模型庫、知識庫間的通信。

(3)模型管理子系統(tǒng)。

模型管理子系統(tǒng)包括模型庫及其管理系統(tǒng)，管理和實現(xiàn)具備不同功能的技術(shù)模型，為決策制定提供定量分析的輔助信息，使決策者具備綜合分析問題的能力，是IDSS的基礎(chǔ)和核心。

模型庫用于存儲和管理數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘及決策支持的各種模型和工具，每種模型包含具體的實現(xiàn)算法。如數(shù)據(jù)挖掘模型包含聚類、關(guān)聯(lián)分析、可視化等技術(shù)，并按一定組織結(jié)構(gòu)形式進行存儲。ATD-IDSS的模型庫包含數(shù)據(jù)規(guī)范模型、數(shù)據(jù)處理模型、數(shù)據(jù)挖掘算法模型、知識學(xué)習(xí)中運用的推理模型、健康評估使用的各種數(shù)學(xué)模型等以及利用模型進行計算時所使用的方法。模型庫由模型文件字典庫和文件庫組成，通過模型字典實現(xiàn)對模型文件的調(diào)用?？紤]到飛機技術(shù)派遣決策環(huán)境可能發(fā)生變化，將模型庫中的模型設(shè)計為可修改和評價的，包含可選參數(shù)庫，通過定義標準接口可以選擇使用模型庫中的模型、方法及參數(shù)，使決策者能夠根據(jù)環(huán)境變化調(diào)整模型，形成不同解決方案，制定適應(yīng)性決策。

模型庫管理系統(tǒng)支持模型的開發(fā)、分析、修改、重構(gòu)、評價、維護等各種操作，以及在現(xiàn)有模型基礎(chǔ)上進行模型的檢索、組合、選擇、檢驗及運行等。同時，模型庫管理系統(tǒng)還支持交互式動態(tài)建模，利用可視化技術(shù)模擬專家推理過程，使用戶能依據(jù)專家經(jīng)驗知識創(chuàng)建所需模型。

(4)知識管理子系統(tǒng)。

知識管理子系統(tǒng)是IDSS的智能化體現(xiàn)，包含知識庫、推理機以及知識庫管理系統(tǒng)，對專業(yè)知識進行系統(tǒng)化組織和管理，實現(xiàn)對飛機技術(shù)派遣的決策支持功能。

知識庫的知識主要通過人工或者數(shù)據(jù)挖掘過程生成。為使系統(tǒng)盡可能涵蓋飛機技術(shù)派遣決策中可能出現(xiàn)的各種情況，采集、總結(jié)民航專家對健康評估、故障預(yù)測、維修計劃、環(huán)境控制、技術(shù)派遣決策等的研究成果和經(jīng)驗，形成系統(tǒng)的飛機技術(shù)派遣知識。利用機器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘理論與方法對數(shù)據(jù)倉庫中存儲的海量飛機運行及維護數(shù)據(jù)進行綜合和系統(tǒng)分析，從中挖掘與飛機技術(shù)派遣決策相關(guān)的知識模式形成知識庫，支持飛機健康評估和技術(shù)派遣，為管理決策人員提供智能決策支持信息。在將數(shù)據(jù)挖掘發(fā)現(xiàn)的知識模式存入知識庫前，需要對模式進行評估，剔除冗余和無關(guān)的模式，若模式不符合派遣任務(wù)需求，則需重新選取算法、設(shè)定參數(shù)等進行數(shù)據(jù)挖掘。同時，還將定期對知識庫中的知識進行評價，剔除失效的、失去價值的知識。知識庫中還包含自學(xué)習(xí)機制，利用數(shù)據(jù)挖掘技術(shù)進一步對知識庫進行分析挖掘，不斷更新完善系統(tǒng)知識。知識庫存儲的規(guī)則集分為兩類，一類是模型管理規(guī)則集，儲存可靠性管理專業(yè)知識、相關(guān)工程技術(shù)知識以及從故障數(shù)據(jù)、維修數(shù)據(jù)、健康狀況數(shù)據(jù)中提取的規(guī)則和知識；另一類是專家經(jīng)驗規(guī)則集，包括民航專家和管理決策人員的決策經(jīng)驗知識，以及系統(tǒng)運行中積累的決策經(jīng)驗等，ATD-IDSS將這些知識傳遞給各個子系統(tǒng)及相關(guān)信息系統(tǒng)，以實現(xiàn)輔助支持決策的功能。

推理機的主要功能是完成對知識庫中存儲規(guī)則的搜索，是系統(tǒng)的控制中心。ATD-IDSS采用基于人工神經(jīng)網(wǎng)絡(luò)的案例推理模式[10]，利用知識庫、模型庫和數(shù)據(jù)倉庫中的各種信息，依據(jù)輸入的故障案例信息及一定的推理策略，對故障案例進行推理、檢索和修正。

知識庫管理系統(tǒng)對知識庫進行管理和控制，實現(xiàn)知識的輸入、刪除、更新和查詢等，同時對知識進行一致性和完整性檢驗，維護知識庫中的知識模式。

(5)飛機健康評估子系統(tǒng)。

飛機健康評估子系統(tǒng)包含健康知識挖掘、健康評估與健康預(yù)警三個流程，主要功能是對飛機健康狀況進行量化評估，為飛機技術(shù)派遣提供決策依據(jù)。

健康知識挖掘流程針對數(shù)據(jù)倉庫中存儲的飛機運行及維護海量數(shù)據(jù)，調(diào)用模型庫中的關(guān)聯(lián)規(guī)則和聚類分析方法，分析各項技術(shù)參數(shù)之間的相關(guān)關(guān)系，對參數(shù)進行分類；采用基于人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)和案例推理(Case-Based Reasoning，CBR)的綜合推理方法[10]，對機齡、故障報告、發(fā)動機性能、附件壽命等飛機技術(shù)參數(shù)與飛機故障、健康狀況的關(guān)系進行推理挖掘。健康評估流程根據(jù)健康知識挖掘所獲取的飛機健康狀況變化的規(guī)律及相關(guān)規(guī)則，甄選飛機健康狀況的評估參數(shù)，構(gòu)建評估模型，定期或不定期地對飛機整體及各子系統(tǒng)的健康水平進行評估，構(gòu)建飛機健康狀況評分數(shù)據(jù)庫，在各部門間實時共享；同時利用可視化技術(shù)從各個維度直觀展示飛機健康狀態(tài)，為飛機技術(shù)派遣提供決策支持。針對飛機健康評估模型的檢驗，利用神經(jīng)網(wǎng)絡(luò)、遺傳算法等數(shù)據(jù)挖掘工具進行偏差分析。當某一飛機發(fā)生故障時，可以通過查詢飛機歷史健康評分，校驗計算模型邏輯是否正確或是否遺漏參數(shù)，對模型庫進行更新與維護。考慮到機隊規(guī)模及積累的飛機運行及維護數(shù)據(jù)量巨大，搭建Hadoop集群，實現(xiàn)飛機健康大數(shù)據(jù)的分布式存儲和并行處理；為提高飛機健康評估的計算效率及多個飛機派遣任務(wù)的并發(fā)訪問能力，使用云計算服務(wù)，分解決策任務(wù)分配到相應(yīng)的資源模塊中執(zhí)行[12]。健康預(yù)警流程應(yīng)用大數(shù)據(jù)技術(shù)中的可視化工具檢測飛機性能及健康狀態(tài)的變化趨勢，預(yù)測飛機故障的發(fā)生概率，為飛機技術(shù)派遣提供過程監(jiān)控，當飛機性能顯著下降、故障率明顯升高時，向相應(yīng)的管理決策人員發(fā)出分級預(yù)警。

(6)派遣決策控制子系統(tǒng)。

派遣決策控制子系統(tǒng)包含環(huán)境控制、綜合排序和派遣決策協(xié)調(diào)三個流程，依據(jù)飛機健康評分情況，實現(xiàn)精準化的飛機派遣，有效配置機隊資源，達到提高航班安全性和正常性、降低航班運營成本的目的。

環(huán)境控制流程依據(jù)航班限制信息，獲取派遣飛機的機型、構(gòu)型范圍，確定評分的排序標準，同時監(jiān)測飛機狀態(tài)是否發(fā)生變化。綜合排序流程依據(jù)評分的排序標準，在對應(yīng)機型、構(gòu)型范圍對飛機健康狀況評分進行排序，據(jù)此決策者可做出迎合航班需求的精準派遣決策。派遣決策協(xié)調(diào)流程對飛機健康評分、航班限制信息等進行有效融合，根據(jù)健康評估流程獲得的可選飛機的健康評分排序結(jié)果，確定派遣決策的順序方案，針對一定時間段內(nèi)需要派遣的航班，按照航班飛行時間、環(huán)境及各方面要求進行飛機資源的合理調(diào)配，最終確定航班的飛機技術(shù)派遣方案。航班運行后，實時記錄飛機運行狀態(tài)，并對數(shù)據(jù)倉庫、知識庫等進行更新。

2.2系統(tǒng)決策過程

傳統(tǒng)的飛機派遣程序僅依靠人工主觀經(jīng)驗甄別判斷，決策過程缺乏科學(xué)性、智能化，對航班運行的安全性和正點率沒有保障。ATD-IDSS應(yīng)用大數(shù)據(jù)技術(shù)采集、處理、存儲、管理、挖掘飛機運行及維護海量數(shù)據(jù)，實現(xiàn)對飛機健康狀態(tài)的量化評估，據(jù)此進行精準化的智能飛機技術(shù)派遣。

基于ATD-IDSS的派遣決策過程(見圖2)首先由管理決策人員提交航班派遣任務(wù)，融合航班限制信息，形成確切的航班派遣需求；根據(jù)派遣需求得到派遣等級、飛機機型、構(gòu)型需求，訪問數(shù)據(jù)倉庫獲取目標飛機的健康大數(shù)據(jù)；啟動推理模塊，調(diào)用知識庫和模型庫，根據(jù)技術(shù)派遣決策需求，確定評估模型，同時調(diào)用云計算服務(wù)，快速計算飛機健康狀況評分；結(jié)合航班要求，對飛機健康評分進行排序，并通過可視化界面展示給決策相關(guān)人員；檢測飛機狀態(tài)是否發(fā)生變化，如若變化則更新數(shù)據(jù)倉庫重新進行飛機健康狀態(tài)評估并排序，否則，綜合分析評分情況和航班限制信息，生成各航班的飛機技術(shù)派遣方案，當存在多個航班派遣任務(wù)時，調(diào)用云計算服務(wù)提高系統(tǒng)的并發(fā)訪問能力；檢驗派遣方案的有效性，若各航班的飛機派遣存在沖突，則依據(jù)航班條件進行協(xié)調(diào)，調(diào)整派遣方案；確定派遣方案后，將決策過程及方案完整地提供給決策人員，準備實施航班飛機技術(shù)派遣工作。

圖2 基于ATD-IDSS的飛機技術(shù)派遣智能決策過程

3 關(guān)鍵實現(xiàn)技術(shù)分析

3.1數(shù)據(jù)倉庫技術(shù)

針對數(shù)據(jù)來源不同、數(shù)據(jù)類型多樣、數(shù)據(jù)量巨大的飛機健康大數(shù)據(jù)，采取分布式存儲架構(gòu)，將其整合到由若干多維數(shù)據(jù)庫構(gòu)成的數(shù)據(jù)倉庫，提高數(shù)據(jù)分析的效率。在將數(shù)據(jù)整合到數(shù)據(jù)倉庫的過程中，對數(shù)據(jù)進行預(yù)處理，為數(shù)據(jù)挖掘過程做好數(shù)據(jù)準備，采用統(tǒng)一的數(shù)據(jù)庫接口，方便進行數(shù)據(jù)管理和調(diào)用。由于系統(tǒng)故障、人為失誤等原因，飛機運行及維護數(shù)據(jù)中可能存在大量噪聲數(shù)據(jù)、缺失數(shù)據(jù)和異常數(shù)據(jù)等，填補和清理缺失數(shù)據(jù)，平滑噪聲數(shù)據(jù)，識別、剔除異常分布數(shù)據(jù)，提升數(shù)據(jù)質(zhì)量。

針對飛機技術(shù)派遣任務(wù)對于數(shù)據(jù)倉庫的訪問需求，運用OLAP技術(shù)進行描述性分析。為滿足管理決策人員對飛機健康大數(shù)據(jù)進行多維數(shù)據(jù)分析的需要，采取ROLAP綜合數(shù)據(jù)組織模式，提取數(shù)據(jù)倉庫中的數(shù)據(jù)進行集成、轉(zhuǎn)化和綜合分析，利用關(guān)系數(shù)據(jù)庫中的二維表組織數(shù)據(jù)，為ATD-IDSS提供數(shù)據(jù)組織和存儲的基礎(chǔ)。根據(jù)不同的功能需求，組成面向全局的多維數(shù)據(jù)視圖，使用戶能從多視角、多屬性進行數(shù)據(jù)分析，從不同維度對飛機健康數(shù)據(jù)進行上卷、下鉆、旋轉(zhuǎn)、切片等操作，同時以直觀形式顯示數(shù)據(jù)多維分析結(jié)果，更好地輔助決策制定。

3.2數(shù)據(jù)挖掘技術(shù)

大數(shù)據(jù)的價值產(chǎn)生于數(shù)據(jù)挖掘過程，數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，屬于數(shù)據(jù)庫、人工智能與機器學(xué)習(xí)等領(lǐng)域的交叉學(xué)科，基于各種統(tǒng)計分析和算法模型，提取隱含在海量數(shù)據(jù)中有用的關(guān)系和模式，達到關(guān)聯(lián)分析、聚類、自動預(yù)測趨勢等目的。飛機運行及維護海量數(shù)據(jù)包含了與飛機健康狀況相關(guān)的信息集合，隨著數(shù)據(jù)量不斷積累，數(shù)據(jù)變得越來越不具有代表性，很難找到有意義的模式，而數(shù)據(jù)挖掘提供了能有效挖掘參數(shù)關(guān)系等規(guī)律和知識的數(shù)據(jù)分析手段。在ATD-IDSS中，根據(jù)各子系統(tǒng)的功能定義，采用特征提取、神經(jīng)網(wǎng)絡(luò)、基于案例推理[10]、關(guān)聯(lián)規(guī)則、聚類等數(shù)據(jù)挖掘技術(shù)實現(xiàn)相應(yīng)的系統(tǒng)功能。

3.2.1 基于關(guān)聯(lián)規(guī)則和聚類的飛機技術(shù)參數(shù)評估

目前，針對飛機健康評估模型中有關(guān)參數(shù)設(shè)置、權(quán)重確定、關(guān)鍵附件甄選等主要通過專業(yè)人員的主觀經(jīng)驗確定，缺乏理論支持和可靠性。文中利用關(guān)聯(lián)規(guī)則分析方法，挖掘飛機各項技術(shù)參數(shù)之間的潛在關(guān)聯(lián)及其與飛機故障、健康狀況的關(guān)聯(lián)模式，作為構(gòu)建飛機健康評估模型的基礎(chǔ)。

基于關(guān)聯(lián)規(guī)則的飛機技術(shù)參數(shù)評估，基本思想是從數(shù)據(jù)倉庫中提取各項參數(shù)及對應(yīng)故障征兆數(shù)據(jù)，利用Apriori算法[13]，將各項參數(shù)和故障征兆作為單獨項，它們的組合看作項集；連接由參數(shù)和故障征兆組合的頻繁k項集中的項，生成出現(xiàn)概率不小于最小支持度的頻繁項集；根據(jù)一個頻繁項集的任意子集都應(yīng)該是頻繁的，對連接后的項集進行篩選，生成不小于最小置信度的強關(guān)聯(lián)規(guī)則。由此得到ATD-IDSS數(shù)據(jù)倉庫中存在的關(guān)聯(lián)規(guī)則及其置信度，根據(jù)置信度高低對規(guī)則進行排序，獲得飛機技術(shù)參數(shù)和故障類型之間的對應(yīng)概率關(guān)系，即技術(shù)參數(shù)對故障發(fā)生可能性的影響關(guān)系。

由于飛機系統(tǒng)的復(fù)雜性，飛機運行相關(guān)的技術(shù)參數(shù)數(shù)量龐大，隨著飛行時間增長，數(shù)據(jù)規(guī)模也不斷擴大，ATD-IDSS需要高效地完成量化評估任務(wù)，分析所有參數(shù)的影響顯然是不切實際的。利用聚類分析方法，根據(jù)飛機運行的技術(shù)參數(shù)數(shù)據(jù)和故障信息，對技術(shù)參數(shù)進行劃分，在評估參數(shù)對飛機健康狀況的影響時，可以按照參數(shù)類別進行確定，簡化評估模型的構(gòu)建難度。

基本思想是利用k均值算法確定初始聚類中心個數(shù)，根據(jù)技術(shù)參數(shù)的數(shù)據(jù)特征，劃分為不同的參數(shù)類，選取每個類的中心成為特征參數(shù)，作為類的一個索引，在進行參數(shù)甄選時參與檢索匹配。

3.2.2 基于人工神經(jīng)網(wǎng)絡(luò)和案例推理的飛機健康知識挖掘

飛機運行的健康狀態(tài)受大量復(fù)雜因素影響，故障發(fā)生具有很大隨機性。一個故障征兆可能與多個參數(shù)相關(guān)，偶然事件對飛機健康狀況的影響沒有規(guī)律性，同時飛機各子系統(tǒng)之間也存在相互關(guān)聯(lián)和影響，種種因素決定了飛機健康評估的復(fù)雜性。

采用人工神經(jīng)網(wǎng)絡(luò)和基于案例推理結(jié)合的智能推理策略(見圖3)，對飛機健康狀況相關(guān)的規(guī)則和知識進行挖掘。核心思想是，根據(jù)以往不正常航班的故障信息構(gòu)建案例庫，采用特征提取技術(shù)分析各案例的屬性特征，應(yīng)用CBR推理挖掘技術(shù)參數(shù)與飛機故障的關(guān)系，形成健康知識庫，同時利用ANN的智能學(xué)習(xí)和自適應(yīng)機制，通過學(xué)習(xí)訓(xùn)練構(gòu)建不同索引；在進行飛機技術(shù)派遣評估飛機健康狀況時，依據(jù)飛機技術(shù)參數(shù)特征，利用索引信息發(fā)現(xiàn)相似的故障案例，有效預(yù)測飛機的故障概率。

圖3 基于人工神經(jīng)網(wǎng)絡(luò)和案例推 理的推理機模型設(shè)計

3.3云計算技術(shù)

基于航空公司對飛機健康大數(shù)據(jù)的管理需求，運用云計算技術(shù)解決ATD-IDSS存儲數(shù)據(jù)的容量限制問題，實現(xiàn)同步快速高效的數(shù)據(jù)處理與分析。

伴隨第三次互聯(lián)網(wǎng)浪潮，云計算成為資源共享、數(shù)據(jù)高效處理、大規(guī)模計算的發(fā)展趨勢，其強大的存儲能力、計算能力以及分布式處理方式為實現(xiàn)IDSS的大數(shù)據(jù)分析及高性能計算提供了解決方案。云計算平臺分布在大規(guī)模數(shù)據(jù)中心，實現(xiàn)計算資源的集成和優(yōu)化、數(shù)據(jù)中心的分布式管理，具有大規(guī)模并行計算與海量數(shù)據(jù)操作處理能力[14]，非常切合大數(shù)據(jù)背景下ATD-IDSS構(gòu)建的基本要求。

ATD-IDSS承擔(dān)了大數(shù)據(jù)量的傳輸任務(wù)，云計算將任務(wù)分布在由大量計算機構(gòu)成的資源池上，各應(yīng)用系統(tǒng)可以依據(jù)不同的航班運行要求和決策需求獲取所需的計算資源、數(shù)據(jù)資源和存儲資源等，通過任務(wù)分解進行資源池上的并行計算，實現(xiàn)高性能計算，從而提高ATD-IDSS處理海量數(shù)據(jù)的能力。

當ATD-IDSS執(zhí)行多個航班的飛機派遣任務(wù)時，在大數(shù)據(jù)背景下，需要建立基于云計算環(huán)境的任務(wù)調(diào)度模型，實現(xiàn)任務(wù)的高效調(diào)度及云資源的合理分配。可以通過各航班的限制信息，預(yù)計飛機健康評估的數(shù)據(jù)量和計算時間，合理安排派遣任務(wù)的科學(xué)調(diào)度，通過分配虛擬機決定任務(wù)執(zhí)行次序。同時針對可能由于天氣等不可控因素致使航班的飛機派遣需求發(fā)生變化，云計算可根據(jù)需求變化動態(tài)劃分資源池，提供高效、彈性的決策服務(wù)。

4 結(jié)束語

隨著航空公司日常運行過程中的重要和復(fù)雜航班大幅增加、航空公司機隊規(guī)模持續(xù)擴大、飛機運行及維護數(shù)據(jù)量快速增長，構(gòu)建智能化的飛機技術(shù)派遣決策支持系統(tǒng)成為當務(wù)之急?？紤]到飛機技術(shù)參數(shù)的復(fù)雜性、飛機運行及維護數(shù)據(jù)的大數(shù)據(jù)特征，利用大數(shù)據(jù)相關(guān)技術(shù)，充分挖掘潛在的飛機健康狀況相關(guān)的規(guī)律知識，為航空公司管理決策人員提供數(shù)據(jù)處理分析、健康評估、決策控制等多種功能支持，為進一步開發(fā)智能決策支持系統(tǒng)提供基礎(chǔ)性研究思路，對實現(xiàn)飛機技術(shù)派遣決策的高效性、精準化及智能化具有重要意義。

[1] Zhang X Y,Chen J S.Decision model of flight safety based on flight event[J].Physics Procedia,2012,33:462-469.

[2] 景 博,湯 巍,黃以鋒,等.故障預(yù)測與健康管理系統(tǒng)相關(guān)標準綜述[J].電子測量與儀器學(xué)報,2014,28(12):1301-1307.

[3] 劉 敏,周桂林.決策支持系統(tǒng)在航空公司的應(yīng)用[J].計算機工程,2005,31:33-35.

[4] Wen Z,Liu Y P.Applications of prognostics and health management in aviation industry[C]//Prognostics and system health management conference.[s.l.]:IEEE,2011:503-514.

[5] 譚雪花,王華偉.飛機維修方案優(yōu)化支持系統(tǒng)框架研究[J].計算機技術(shù)與發(fā)展,2008,18(11):183-186.

[6] 孟小峰，慈 祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計算機研究與發(fā)展,2013,50(1):146-149.

[7] 袁炳南,霍朝暉,白效賢.飛行試驗大數(shù)據(jù)技術(shù)發(fā)展及展望[J].計算機測量與控制,2015,23(6):1844-1847.

[8] 曾德華,鄭曉齊.智能決策支持系統(tǒng)框架研究[J].中國電化教育,2011(6):113-117.

[9] 郭宏寧,南建國,萬 明.飛行參數(shù)數(shù)據(jù)倉庫建模研究[J].現(xiàn)代電子技術(shù),2010,33(8):130-133.

[10] 吳麗娟,張健宇,高立新.基于神經(jīng)網(wǎng)絡(luò)和案例推理的智能診斷系統(tǒng)綜述[J].機械設(shè)計與制造,2009(3):261-263.

[11] Miah S J,Ahamed R.A cloud-based DSS model for driver safety and monitoring on Australian roads[J].International Journal of Emerging Sciences,2011,1(4):634-648.

[12] 羅 賀,楊善林,丁 帥.云計算環(huán)境下的智能決策研究綜述[J].系統(tǒng)工程學(xué)報,2013,28(1):134-142.

[13] 高宏賓,張小彬,楊海振.一種實時挖掘數(shù)據(jù)流近似頻繁項的算法[J].計算機應(yīng)用,2008,28:219-222.

[14] 崔 曼,薛惠鋒.基于云計算的智能決策支持系統(tǒng)研究[J].管理現(xiàn)代化,2014(2):72-74.

ResearchonFrameofAircraftTechnicalDispatching-IntelligentDecisionSupportSystemfromPerspectiveofBigData

WU Xing-wang1，LUO Xiao-li2，CHEN Ke-jia2

(1.Xiamen Airlines，Xiamen 361006，China;2.School of Economics & Management，F(xiàn)uzhou University，F(xiàn)uzhou 350108，China)

With the sharp increase of the important and complex flights in the daily operation of the airlines,it is of great significance to effectively enhance the efficiency and accuracy of the aircraft technical dispatch decision-making to ensure the safety and regularity of the flight.Massive aircraft health data accumulated during the long-term operation and maintenance is of great value to the decision-making of aircraft technical dispatch.Due to huge volume,complex structure and rapid growth of these data,the basic framework of Aircraft Technical Dispatching - Intelligent Decision Support System (ATD-IDSS) is presented by introduction of big data technology.It is discussed with focuses on the overall structure of ATD-IDSS and the process of aircraft technical dispatch decision-making based on the system.The overall structure of ATD-IDSS is composed of six subsystems,which include data acquisition and processing,data management,model management,knowledge management,aircraft health assessment and dispatch decision control,and the composition,core functions and operating mechanism of each subsystem are described in detail.On this basis,the key technologies involved in the system are introduced.With the help of data warehouse technology,processing and analysis of massive aircraft data with health status is realized.Using association rules mining and cluster analysis to evaluate aircraft technical parameters.The intelligent reasoning strategy combing artificial neural network and case-based reasoning are used to explore the rules and knowledge of aircraft health status.Combined with the use of cloud computing technology,resource utilization and operational efficiency are improved.Through this research,it can provide important guidance for the further development of intelligent aircraft dispatching system,the realization of intelligent and accurate aircraft dispatch and the promotion of aircraft health management level.

big data;aircraft technical dispatching;intelligent decision support system;system framework

2016-12-07

2017-04-13 < class="emphasis_bold">網(wǎng)絡(luò)出版時間

時間：2017-08-01

教育部新世紀優(yōu)秀人才支持計劃(NCET-11-0903)；民航局科技計劃項目(MHRD20150211)

吳興旺(1967-)，男，碩士，高級工程師，研究方向為飛機可靠性管理；羅曉莉(1991-)，女，碩士研究生，研究方向為商務(wù)智能與數(shù)據(jù)挖掘。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170801.1556.064.html

TP311

A

1673-629X(2017)11-0159-07

10.3969/j.issn.1673-629X.2017.11.035