， ，

(1.上海民用飛機(jī)健康監(jiān)控工程技術(shù)研究中心，上海 200241；2.上海帕科網(wǎng)絡(luò)科技有限公司，上海 200233)

0 引言

民用航空每年都產(chǎn)生了巨量的數(shù)據(jù)，為了用好這些數(shù)據(jù)，各大主制造商和航空公司紛紛構(gòu)建起自己的大數(shù)據(jù)平臺(tái)。2015年6月巴黎航展上，空客、波音等民機(jī)制造業(yè)巨頭紛紛與微軟、IBM等IT企業(yè)開展合作，希望通過(guò)利用大數(shù)據(jù)來(lái)探索提高競(jìng)爭(zhēng)力的新方式[1]。2015年底GE將30多年積累的發(fā)動(dòng)機(jī)數(shù)據(jù)全部遷移至Predix大數(shù)據(jù)平臺(tái)，利用資產(chǎn)性能管理系統(tǒng)(APM)監(jiān)控全球34,977 臺(tái)在翼發(fā)動(dòng)機(jī)，每天接受處理22萬(wàn)個(gè)數(shù)據(jù)報(bào)文，每年超過(guò)1億條報(bào)文，對(duì)這些數(shù)據(jù)進(jìn)行綜合分析，并根據(jù)分析結(jié)果確定發(fā)出警告的等級(jí)。波音已將他們基于大數(shù)據(jù)的飛機(jī)性能分析應(yīng)用、AHM飛機(jī)健康管理服務(wù)轉(zhuǎn)移至微軟Azure云計(jì)算平臺(tái)上，航空公司使用這種應(yīng)用來(lái)預(yù)測(cè)維護(hù)需求，目前，用戶超過(guò)300家航空公司。波音公司2014年度市場(chǎng)預(yù)測(cè)報(bào)告顯示各大航空公司都在積極研究能夠提供故障預(yù)測(cè)功能的整機(jī)和關(guān)鍵部件，例如發(fā)動(dòng)機(jī)的健康管理解決方案，為其庫(kù)存管理以及零部件采購(gòu)提供建議支持，從而降低航空公司的運(yùn)營(yíng)成本?？湛鸵惨褜irTHM(空客實(shí)時(shí)健康監(jiān)控)遷移至云平臺(tái)，向用戶提供基于大數(shù)據(jù)的健康管理服務(wù)。據(jù)SAP介紹，一家生產(chǎn)飛機(jī)零部件的大公司在使用其大數(shù)據(jù)分析HANA軟件后，在庫(kù)存費(fèi)用方面可以節(jié)省了近200萬(wàn)美元，在生產(chǎn)流程方面可以縮短了25%的時(shí)間，在組裝庫(kù)存方面可以降低30%，同時(shí)減少了40%的員工加班費(fèi)用。

中國(guó)民航飛機(jī)在大數(shù)據(jù)應(yīng)用方面，在基于民航協(xié)同系統(tǒng)[2]，航空維修信息應(yīng)用[3]及航空安全數(shù)據(jù)收集[4]方面有一些研究，但在系統(tǒng)架構(gòu)方面還沒(méi)有自身的大數(shù)據(jù)平臺(tái)。有必要構(gòu)建民用航空運(yùn)行大數(shù)據(jù)平臺(tái)，為已經(jīng)交付ARJ21以及未來(lái)的C919、寬體等系列國(guó)產(chǎn)客機(jī)的診斷、評(píng)估[5-6]以及運(yùn)營(yíng)提供服務(wù)支持。本文基于民用航空大數(shù)據(jù)分析應(yīng)用平臺(tái)，對(duì)民機(jī)運(yùn)行大數(shù)據(jù)全壽命周期的處理技術(shù)進(jìn)行了研究。

1 民機(jī)運(yùn)行數(shù)據(jù)源分析

1.1 民機(jī)運(yùn)行大數(shù)據(jù)來(lái)源

民機(jī)運(yùn)行過(guò)程中會(huì)產(chǎn)生大量數(shù)據(jù)，按照應(yīng)用系統(tǒng)類型民用飛機(jī)數(shù)據(jù)種定義為設(shè)計(jì)文件、維修相關(guān)手冊(cè)、運(yùn)行數(shù)據(jù)、維修管理數(shù)據(jù)、ERP數(shù)據(jù)等。其中，設(shè)計(jì)文件包括系統(tǒng)設(shè)計(jì)文件、維修分析文件、系統(tǒng)接口控制文件、數(shù)據(jù)通信規(guī)范文件等。維修相關(guān)手冊(cè)包括飛機(jī)故障隔離手冊(cè)、飛機(jī)維護(hù)手冊(cè)、系統(tǒng)圖解手冊(cè)、零件目錄圖解手冊(cè)、線路施工手冊(cè)、結(jié)構(gòu)修理手冊(cè)、維修方案等；運(yùn)行數(shù)據(jù)是指飛機(jī)產(chǎn)生并記錄的機(jī)載數(shù)據(jù)包括音頻視頻數(shù)據(jù)、實(shí)時(shí)傳輸?shù)腁CARS報(bào)文數(shù)據(jù)、落地后采集的QAR數(shù)據(jù)、可靠性數(shù)據(jù)等；維修管理數(shù)據(jù)包括各種維修記錄(包括照片、錄音、錄像)、航材管理、維修計(jì)劃與控制等；ERP數(shù)據(jù)包括生產(chǎn)計(jì)劃、氣象資料等。

1.2 民機(jī)運(yùn)行大數(shù)據(jù)分類

按照數(shù)據(jù)類型可以將民機(jī)運(yùn)行數(shù)據(jù)分為以下三大類：

(1)結(jié)構(gòu)化數(shù)據(jù)。

結(jié)構(gòu)化數(shù)據(jù)，存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)或面向?qū)ο髷?shù)據(jù)庫(kù)，可以用二維表結(jié)構(gòu)來(lái)邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)，數(shù)據(jù)模型通常采用二維表形式，需要先定義數(shù)據(jù)結(jié)構(gòu)再有數(shù)據(jù)。比如，Oracle、MSSQL數(shù)據(jù)庫(kù)里存儲(chǔ)的數(shù)據(jù)都屬于結(jié)構(gòu)化數(shù)據(jù)。民機(jī)運(yùn)行數(shù)據(jù)中結(jié)構(gòu)化數(shù)據(jù)主要包括ACARS數(shù)據(jù)、QAR數(shù)據(jù)等。

(2)非結(jié)構(gòu)化數(shù)據(jù)。

相對(duì)于結(jié)構(gòu)化數(shù)據(jù)，不適合用二維邏輯關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)通常為非結(jié)構(gòu)化數(shù)據(jù)。通常是先有數(shù)據(jù)，再有數(shù)據(jù)結(jié)構(gòu)或數(shù)據(jù)模型。例如，所有word、pdf格式的文檔文本、各類格式的圖片、各類報(bào)告報(bào)表、各類格式的音頻/視頻數(shù)據(jù)等都屬于非結(jié)構(gòu)化數(shù)據(jù)類型。民機(jī)運(yùn)行數(shù)據(jù)中各類維修手冊(cè)、部分維修記錄通常為非結(jié)構(gòu)化數(shù)據(jù)。

(3)半結(jié)構(gòu)化數(shù)據(jù)。

半結(jié)構(gòu)化數(shù)據(jù)，是指介于結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化的數(shù)據(jù)之間的數(shù)據(jù)類型，通常情況下，HTML、XML等格式的文檔屬于半結(jié)構(gòu)化數(shù)據(jù)，一般情況下，半結(jié)構(gòu)化的數(shù)據(jù)，數(shù)據(jù)的結(jié)構(gòu)和內(nèi)容，耦合在一起，無(wú)法明顯的區(qū)分開。民機(jī)運(yùn)行數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)主要包括可靠性數(shù)據(jù)、部分維修記錄數(shù)據(jù)等。

2 民機(jī)運(yùn)行大數(shù)據(jù)采集方式

與民機(jī)運(yùn)行有關(guān)的大數(shù)據(jù)采集，主要類型包括ACARS數(shù)據(jù)、QAR數(shù)據(jù)、可靠性數(shù)據(jù)以及維修手冊(cè)數(shù)據(jù)等。采集與存儲(chǔ)模式如圖1所示。

圖1 數(shù)據(jù)的采集及存儲(chǔ)模式示意圖

2.1 QAR數(shù)據(jù)采集

QAR(Quick Access Recorder)即快速存取記錄器，是飛機(jī)記錄系統(tǒng)的一部分，用于記錄飛行數(shù)據(jù)以進(jìn)行日常應(yīng)用。QAR連續(xù)記錄整個(gè)飛行階段的所有飛行數(shù)據(jù)，包括飛機(jī)的高度、速度、加速度、俯仰、傾斜、航向等飛行參數(shù)，飛機(jī)主要部件，例如發(fā)動(dòng)機(jī)的性能參數(shù)，以及艙內(nèi)外的環(huán)境參數(shù)，例如溫度、氣流氣壓、風(fēng)速等。QAR 數(shù)據(jù)常被用于飛機(jī)日常機(jī)務(wù)維修、飛行檢查、性能監(jiān)控及飛行品質(zhì)監(jiān)控等方面。

飛行參數(shù)由飛機(jī)的飛行數(shù)據(jù)采集與管理組件通過(guò)ARINC717總線傳輸至QAR記錄下來(lái)。傳統(tǒng)的QAR需要航線人員人工上機(jī)采集，目前航空公司已開始廣泛采用無(wú)線QAR設(shè)備，實(shí)現(xiàn)了QAR數(shù)據(jù)采集、傳輸、處理、分析整個(gè)流程全自動(dòng)，無(wú)須人工干預(yù)，如圖2所示。

圖2 無(wú)線QAR數(shù)據(jù)傳輸過(guò)程示意圖

對(duì)數(shù)據(jù)處理的時(shí)間要求：非實(shí)時(shí)，目前對(duì)QAR數(shù)據(jù)的采集要求為不超過(guò)三天，具備無(wú)線傳輸?shù)那闆r下可每天自動(dòng)傳輸、自動(dòng)處理。處理后的QAR數(shù)據(jù)是保存在Oracle數(shù)據(jù)庫(kù)中，對(duì)于這種存放在關(guān)系型數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù)，可通過(guò)Sqoop工具定時(shí)抽取到大數(shù)據(jù)分析平臺(tái)中。Sqoop工具是apache旗下的一款Hadoop和傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)服務(wù)器之間傳送數(shù)據(jù)的工具。經(jīng)過(guò)Sqoop工具處理，MySQL、SQL server、Oracle等傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)中的數(shù)據(jù)，可方便快捷地導(dǎo)入到Hadoop的HDFS、HBASE、HIVE等數(shù)據(jù)存儲(chǔ)系統(tǒng)中。相對(duì)應(yīng)地，也可通過(guò)Sqoop工具將Hadoop的分布式文件系統(tǒng)中的數(shù)據(jù)導(dǎo)出到傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)中。Sqoop工具的原理圖如圖3所示。

圖3 Sqoop工具原理

2.2 ACARS數(shù)據(jù)采集

ACARS報(bào)文通常是結(jié)構(gòu)化數(shù)據(jù)，是指在飛機(jī)在空中通過(guò) ACARS數(shù)據(jù)鏈實(shí)時(shí)傳輸?shù)降孛娴膱?bào)文數(shù)據(jù)， 在此不討論 ACARS報(bào)文在空地傳輸過(guò)程中的格式轉(zhuǎn)換， 僅討論終端用戶(航空公司)所接收到的 ACARS報(bào)文。ACARS報(bào)文傳輸?shù)倪壿嫾軜?gòu)圖如圖4所示。

圖4 ACARS報(bào)文傳輸?shù)倪壿嫾軜?gòu)圖

航空公司所接收的原始ACARS報(bào)文符合ARINC620格式，數(shù)據(jù)樣例如附件文件夾“ACARS報(bào)文數(shù)據(jù)樣例”所示。不同機(jī)型的ACARS報(bào)文不同，不同航空公司的同一類ACARS報(bào)文也可能有差異，需要具體分析。航空公司一般有專門的系統(tǒng)對(duì)ACARS報(bào)文進(jìn)行解碼及應(yīng)用。目前地面站接收到報(bào)文數(shù)據(jù)解碼后可通過(guò)專線實(shí)時(shí)傳輸?shù)缴蟼鞯矫駲C(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)上。對(duì)于ACARS數(shù)據(jù)可以當(dāng)作實(shí)時(shí)流數(shù)據(jù)進(jìn)行處理，采用Flume及Kafka消息網(wǎng)關(guān)的方法進(jìn)行采集。

Flume工具是一個(gè)分布式、高可用的海量日志采集、傳輸、聚合的工具。利用Flume將ACARS數(shù)據(jù)存儲(chǔ)于HDFS、HBase、Hive中，當(dāng)數(shù)據(jù)的采集速度超過(guò)寫入速度時(shí)，在數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)收容器間進(jìn)行調(diào)整，保證兩者之間提供平穩(wěn)地?cái)?shù)據(jù)。此外，可以使用Flume的插件，檢查Flume的事件數(shù)據(jù)，監(jiān)控ACARS數(shù)據(jù)的采集傳輸狀態(tài)。

圖5 Flume原理圖

Kafka是由LinkedIn開發(fā)的，具有高吞吐量特征的分布式發(fā)布系統(tǒng)。Kafka是一種快速、可擴(kuò)展的分布式消息系統(tǒng)，可支持Cloudera、Apache Storm、Spark等多種分布式業(yè)務(wù)系統(tǒng)的集成。由于項(xiàng)目前期接入的數(shù)據(jù)量不大，但隨著項(xiàng)目進(jìn)展，會(huì)有更多的數(shù)據(jù)接入平臺(tái)，因此需要考慮平臺(tái)的可擴(kuò)展性。利用Kafka在數(shù)據(jù)處理過(guò)程中插入一個(gè)隱含的數(shù)據(jù)接口層，可以在平臺(tái)項(xiàng)目擴(kuò)展時(shí)，只需遵守同樣的接口約束，可獨(dú)立擴(kuò)展生產(chǎn)者和消費(fèi)者。

圖6 Kafka原理圖

2.3 可靠性數(shù)據(jù)及維修手冊(cè)數(shù)據(jù)采集

可靠性數(shù)據(jù)是反映飛機(jī)或機(jī)隊(duì)運(yùn)營(yíng)可靠性狀況的數(shù)據(jù)，對(duì)于可靠性數(shù)據(jù)，已經(jīng)導(dǎo)入到系統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)中，可通過(guò)Sqoop工具從該數(shù)據(jù)庫(kù)中定期抽取到大數(shù)據(jù)分析平臺(tái)。維修手冊(cè)主要包括飛機(jī)故障隔離手冊(cè)、飛機(jī)維護(hù)手冊(cè)、系統(tǒng)圖解手冊(cè)、零件目錄圖解手冊(cè)、線路施工手冊(cè)、結(jié)構(gòu)修理手冊(cè)等，通常以文檔的形式存放在文件服務(wù)器中，對(duì)于這些數(shù)據(jù)我們通過(guò)定時(shí)拷貝或者集中導(dǎo)入的方式存儲(chǔ)在HDFS中。

對(duì)于應(yīng)用系統(tǒng)中的ACARS、QAR等結(jié)構(gòu)化數(shù)據(jù)，以及維修手冊(cè)、維修記錄等非結(jié)構(gòu)化數(shù)據(jù)可通過(guò)批量采集方式匯集到大數(shù)據(jù)存儲(chǔ)處理系統(tǒng)中。通過(guò)配置自動(dòng)化的數(shù)據(jù)采集規(guī)則，并設(shè)置數(shù)據(jù)擁有者的審核權(quán)限，可以對(duì)民機(jī)運(yùn)行大數(shù)據(jù)整個(gè)采集過(guò)程進(jìn)行監(jiān)控跟蹤。

3 民機(jī)運(yùn)行大數(shù)據(jù)分析方法

3.1 大數(shù)據(jù)分析方法

傳統(tǒng)的數(shù)據(jù)處理分析方法，無(wú)法滿足目前對(duì)大量數(shù)據(jù)的處理需求，為了充分利用民機(jī)運(yùn)行數(shù)據(jù)，需要采用大數(shù)據(jù)的分析方法?！霸朴?jì)算”技術(shù)，借助虛擬化等技術(shù)，提供動(dòng)態(tài)易擴(kuò)展的平臺(tái)環(huán)境，為海量數(shù)據(jù)進(jìn)行分析提供了很好的技術(shù)基礎(chǔ)。目前大數(shù)據(jù)領(lǐng)域每年都會(huì)涌現(xiàn)大量的新的技術(shù)，成為數(shù)據(jù)管理、分析、可視化等的有效手段。民機(jī)運(yùn)行大數(shù)據(jù)分析涵蓋了以下五個(gè)方面。

(1)數(shù)據(jù)質(zhì)量管理。

民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)采集的數(shù)據(jù)不一定完全是干凈有效的數(shù)據(jù)，需要進(jìn)行數(shù)據(jù)質(zhì)量管理。通過(guò)ETL工具對(duì)大量數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、標(biāo)準(zhǔn)化，是大數(shù)據(jù)分析的基礎(chǔ)。ETL的關(guān)鍵環(huán)節(jié)是數(shù)據(jù)轉(zhuǎn)換，主要包括空值處理、數(shù)據(jù)格式規(guī)范化、數(shù)據(jù)正確性驗(yàn)證、數(shù)據(jù)替換、主外鍵約束等多種轉(zhuǎn)換方式。通過(guò)數(shù)據(jù)質(zhì)量管理標(biāo)準(zhǔn)化流程對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可以確保民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)獲得一個(gè)預(yù)設(shè)定義好的高質(zhì)量的數(shù)據(jù)集。

(2)數(shù)據(jù)挖掘分析。

為了進(jìn)行民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析能力，需要集成數(shù)據(jù)挖掘分析算法，這些算法具備既能應(yīng)付大數(shù)據(jù)的量，同時(shí)還具有很高的處理速度的能力。

數(shù)據(jù)挖掘方法和技術(shù)包括歸納學(xué)習(xí)方法、分類聚類技術(shù)、時(shí)序數(shù)據(jù)模式挖掘技術(shù)、統(tǒng)計(jì)分析方法、模糊數(shù)學(xué)方法、人工智能、機(jī)器學(xué)習(xí)等等；本文以民機(jī)運(yùn)行數(shù)據(jù)庫(kù)為研究對(duì)象，構(gòu)建形成數(shù)據(jù)挖掘的方法和技術(shù)，應(yīng)用于在航空數(shù)據(jù)分析中。

在民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)上，選擇使用Mahout作為數(shù)據(jù)挖掘工具。Mahout可提供一些可常規(guī)的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法，可快速創(chuàng)建民機(jī)運(yùn)行業(yè)務(wù)應(yīng)用模型。Mahout包含聚類、分類、推薦、過(guò)濾、頻繁子項(xiàng)挖掘等多種數(shù)據(jù)挖掘算法，可對(duì)民機(jī)運(yùn)行大數(shù)據(jù)進(jìn)行深度分析。此外，通過(guò)使用 Apache Hadoop 庫(kù)，可以將Mahout 可以有效地?cái)U(kuò)展到云計(jì)算平臺(tái)上，為平臺(tái)用戶提供數(shù)據(jù)分析云服務(wù)。平臺(tái)支持?jǐn)?shù)據(jù)挖掘分析算法的擴(kuò)展，支持R語(yǔ)言、Python語(yǔ)言等統(tǒng)計(jì)分析建模語(yǔ)言的算法集成。

(3)可視化分析。

數(shù)據(jù)可視化，是用圖形化的方式，清晰地展示數(shù)據(jù)信息，達(dá)到高效溝通的效果。不管是對(duì)數(shù)據(jù)分析專家還是普通用戶，數(shù)據(jù)可視化分析可以直觀的展示數(shù)據(jù)，讓用戶可以直觀地看到結(jié)果。民機(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)支持可實(shí)現(xiàn)在海量數(shù)據(jù)中快速查詢與可視化報(bào)表展現(xiàn)。平臺(tái)可提供趨勢(shì)圖、波特圖、極坐標(biāo)圖、頻譜圖等多種數(shù)據(jù)展示工具，可方便用戶自定義數(shù)據(jù)報(bào)表制定，自動(dòng)報(bào)表輸出。

(4)預(yù)測(cè)性分析。

數(shù)據(jù)挖掘算法、數(shù)據(jù)可視化為數(shù)據(jù)承載的信息更快更好地被消化理解，提供技術(shù)支撐，進(jìn)而提升判斷的準(zhǔn)確性。而預(yù)測(cè)性分析可以讓數(shù)據(jù)分析師根據(jù)數(shù)據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些故障預(yù)測(cè)性的分析。預(yù)測(cè)性分析主要應(yīng)用于民機(jī)PHM領(lǐng)域，可以借助預(yù)測(cè)性分析算法，支持民用飛機(jī)關(guān)鍵零部件的故障診斷、故障預(yù)測(cè)分析、設(shè)備健康管理，為后續(xù)的維修決策提供參考。

3.2 大數(shù)據(jù)分析工具

3.2.1 離線數(shù)據(jù)分析工具

離線數(shù)據(jù)分析工具，通常用于處理時(shí)間及時(shí)性要求不高數(shù)據(jù)分析應(yīng)用，例如離線統(tǒng)計(jì)、事后數(shù)據(jù)分析、反向索引計(jì)算等，應(yīng)采用離線分析的方式。目前針對(duì)QAR及維修手冊(cè)等數(shù)據(jù)采用離線數(shù)據(jù)分析的方法進(jìn)行處理，離線數(shù)據(jù)采集及分析工具主要包括Scribe， Kafka、Timetunnel、 Chukwa等，均可以滿足大量數(shù)據(jù)采集和數(shù)據(jù)傳輸?shù)男枨?。民機(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)采用Hadoop開源的Chukwa離線數(shù)據(jù)分析工具進(jìn)行數(shù)據(jù)分析。

3.2.2 實(shí)時(shí)在線數(shù)據(jù)分析工具

實(shí)時(shí)在線數(shù)據(jù)分析工具，是用于處理對(duì)時(shí)間及時(shí)性要求比較高的數(shù)據(jù)分析，本文針對(duì)ACARS數(shù)據(jù)采用實(shí)時(shí)在線數(shù)據(jù)的方式進(jìn)行處理分析。

常用的實(shí)時(shí)數(shù)據(jù)分析工具主要有storm和spark streaming。其中，storm是純實(shí)時(shí)地處理數(shù)據(jù)，系統(tǒng)接收一條數(shù)據(jù)，就立即處理一條數(shù)據(jù)，延遲度達(dá)到毫秒級(jí)，但吞吐量比較低。Spark streaming是準(zhǔn)實(shí)時(shí)地處理數(shù)據(jù)，對(duì)一個(gè)時(shí)間段的數(shù)據(jù)收集起來(lái)，作為一個(gè)RDD，然后處理，延遲度達(dá)到秒級(jí)，但其吞吐量比較大。延誤度秒級(jí)的要求可以滿足民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)對(duì)數(shù)據(jù)實(shí)時(shí)性的要求，因此采用spark streaming作為民機(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)的實(shí)時(shí)數(shù)據(jù)分析工具，可保障系統(tǒng)的吞吐量。

4 案例分析

通過(guò)搭建民機(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)，首先將民機(jī)運(yùn)行相關(guān)的數(shù)據(jù)，包括ARJ的ACARS、QAR數(shù)據(jù)、可靠性數(shù)據(jù)等通過(guò)采集工具采集到大數(shù)據(jù)分析平臺(tái)的分布式數(shù)據(jù)庫(kù)中，并可進(jìn)行數(shù)據(jù)查詢，如圖7所示。

圖7 民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)數(shù)據(jù)

通過(guò)民機(jī)運(yùn)行大數(shù)據(jù)分析平臺(tái)中的數(shù)據(jù)分析工具，可進(jìn)行相關(guān)業(yè)務(wù)分析，可提取大數(shù)據(jù)平臺(tái)中的相關(guān)數(shù)據(jù)，對(duì)不同班次的飛機(jī)的油耗分析進(jìn)行分析展示，從而驗(yàn)證了本文所提出的民機(jī)運(yùn)行大數(shù)據(jù)全壽命周期處理技術(shù)的可行性。

圖8 民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)分析任務(wù)

圖9 燃油消耗分析

5 結(jié)論

本文對(duì)民機(jī)運(yùn)行數(shù)據(jù)源進(jìn)行了梳理，并根據(jù)數(shù)據(jù)類型對(duì)各數(shù)據(jù)源進(jìn)行分類。本文研究了不同數(shù)據(jù)類型的采集方案，并對(duì)民機(jī)運(yùn)行大數(shù)據(jù)分析技術(shù)進(jìn)行了研究，總結(jié)了離線數(shù)據(jù)分析工具及實(shí)時(shí)在線數(shù)據(jù)分析工具進(jìn)行。本文的研究成果有助于有效支撐民機(jī)運(yùn)行大數(shù)據(jù)平臺(tái)構(gòu)建，為提高民機(jī)運(yùn)行效率將起到支撐作用。

[1] 張 潔, 秦 威, 鮑勁松. 制造業(yè)大數(shù)據(jù)[M].上海：上?？萍汲霭嫔?，2016.

[2] 葉云斐, 陳曉建, 陳偉青等. 基于云計(jì)算的民航協(xié)同決策系統(tǒng)基礎(chǔ)架構(gòu)研究[J. 軟件產(chǎn)業(yè)與工程，2015(4) : 36-41.

[3] 曹 彪, 張 磊, 宋 巖等. 大數(shù)據(jù)時(shí)代航空維修信息應(yīng)用研究[A]. 航空裝備維修技術(shù)及應(yīng)用研討會(huì)[C]. 2015: 22-26.

[4] 王清晨.航空安全數(shù)據(jù)的收集與應(yīng)用[EB/OL].民航資源網(wǎng)，2015.

[5] 王 洪, 黃加陽(yáng). 民用飛機(jī)關(guān)聯(lián)性診斷技術(shù)研究[J]. 計(jì)算機(jī)測(cè)量與控制，2015,23(10):3301-3304.

[6] 黃加陽(yáng), 劉 昕, 柏文華等. 民用飛機(jī)健康狀態(tài)評(píng)估方法[J]. 計(jì)算機(jī)測(cè)量與控制. 2014, 22(10): 3256-3258.