洪麗 谷新宇 李興

摘要：工業(yè)大數(shù)據(jù)可廣泛應(yīng)用于企業(yè)整個(gè)生產(chǎn)、經(jīng)營、運(yùn)營等全生命周期過程，對產(chǎn)品使用大數(shù)據(jù)的連續(xù)地監(jiān)控參數(shù)的變化趨勢，提高了故障判斷的準(zhǔn)確率。本文主要是介紹了航空發(fā)動(dòng)機(jī)健康監(jiān)視大數(shù)據(jù)平臺(tái)的架構(gòu)和應(yīng)用層功能，并在此基礎(chǔ)上接入航空發(fā)動(dòng)機(jī)日常運(yùn)行數(shù)據(jù)，完成日常使用數(shù)據(jù)的接入、清洗、治理，完成航空發(fā)動(dòng)機(jī)大數(shù)據(jù)的狀態(tài)監(jiān)視、趨勢判斷和壽命預(yù)測等功能。

關(guān)鍵詞：航空發(fā)動(dòng)機(jī);狀態(tài)監(jiān)視;大數(shù)據(jù);信息化

一、引言

隨著大數(shù)據(jù)技術(shù)在信息化時(shí)代的來臨，在面臨著巨大的經(jīng)濟(jì)效益壓力的情況下，決策者們認(rèn)識(shí)到了如何運(yùn)用大數(shù)據(jù)技術(shù)，通過最貼近現(xiàn)實(shí)的數(shù)據(jù)，對未來進(jìn)行準(zhǔn)確的預(yù)測，從而作出正確的生產(chǎn)和運(yùn)營決策。一些具有遠(yuǎn)見的企業(yè)開始采用云計(jì)算、大數(shù)據(jù)等先進(jìn)技術(shù)，建設(shè)智能工廠，提高公司的核心競爭力。

大數(shù)據(jù)的概念來源于大量的數(shù)據(jù)，但是二者之間存在著巨大的差異。大量數(shù)據(jù)著重于數(shù)據(jù)的數(shù)量，而不會(huì)對其特征進(jìn)行特殊的研究。而大數(shù)據(jù)則描述了數(shù)據(jù)的傳播速率、體積和特征等多種特征。當(dāng)前人們對大數(shù)據(jù)的最廣義的定義是：海量的數(shù)據(jù)，不能通過一般的軟件工具在特定的時(shí)間里收集、分析和管理。大數(shù)據(jù)的特征可以歸納為“4 V”，即：Volume：海量數(shù)據(jù)，當(dāng)前最小的大數(shù)據(jù)單元通常被視為10-20 TB;Variety：資料種類繁多，包含結(jié)構(gòu)化、非結(jié)構(gòu)化、半結(jié)構(gòu)化的資料;Value：數(shù)據(jù)的價(jià)值密度非常低;Velocity：數(shù)據(jù)生成和處理的速度很快。

二、航空發(fā)動(dòng)機(jī)健康管理信息化大數(shù)據(jù)平臺(tái)構(gòu)建

（一）航空發(fā)動(dòng)機(jī)大數(shù)據(jù)存儲(chǔ)及管理技術(shù)

1.大數(shù)據(jù)存儲(chǔ)需求

存儲(chǔ)航空發(fā)動(dòng)機(jī)試驗(yàn)過程中多種數(shù)采系統(tǒng)采集的穩(wěn)態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)，試驗(yàn)過程中的孔探數(shù)據(jù)、試車日志及視頻等多源、異構(gòu)數(shù)據(jù)。

2.大數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)

HDFS采用三種復(fù)制方式保證了數(shù)據(jù)的安全性和可靠性。在數(shù)據(jù)平臺(tái)的存儲(chǔ)層次上，它能夠處理各種結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的大量的歷史資料，為大規(guī)模、長期、大量的歷史資料的儲(chǔ)存與使用打下了良好的基礎(chǔ)。

例如，對于一次試驗(yàn)的穩(wěn)態(tài)和動(dòng)態(tài)數(shù)據(jù)文件，數(shù)據(jù)在進(jìn)入 HDFS 前會(huì)被分割成一系列多個(gè)數(shù)據(jù)塊，這些數(shù)據(jù)塊被分別存儲(chǔ)于一組數(shù)據(jù)節(jié)點(diǎn)中，由中心服務(wù)器（Namenode）執(zhí)行一個(gè)檔案的運(yùn)算，并且中央伺服器還將資料區(qū)塊轉(zhuǎn)換成特定資料結(jié)。在中央伺服器的統(tǒng)一安排下，完成對數(shù)據(jù)塊的創(chuàng)建、刪除和復(fù)制。同時(shí)，為保證數(shù)據(jù)的完整性，每個(gè)文件的數(shù)據(jù)都要有相應(yīng)的拷貝。

由于試驗(yàn)數(shù)據(jù)類型的多樣性，大數(shù)據(jù)平臺(tái)要實(shí)現(xiàn)數(shù)據(jù)訪問的多種形式，其中包含了數(shù)據(jù)間的關(guān)聯(lián)數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)和文件數(shù)據(jù)、圖片數(shù)據(jù)、日志數(shù)據(jù)、音頻和視頻等。在各種數(shù)據(jù)訪問要求下，該平臺(tái)為用戶的訪問提供了一系列的方法和手段： Flume技術(shù)允許多個(gè)數(shù)據(jù)傳送點(diǎn)以一對一的方式進(jìn)行信息聚合，比如將來自不同業(yè)務(wù)結(jié)點(diǎn)的相同類型的記錄信息匯集成一個(gè)文檔，實(shí)現(xiàn)一對多的信息發(fā)布;實(shí)時(shí)的資料由一個(gè)分布的訊息排隊(duì) Kafka存取;利用 Sqoop軟件對關(guān)系數(shù)據(jù)庫進(jìn)行全量或定時(shí)的逐次提取，還可以以文字文檔的形式進(jìn)行大量的輸入;通過Data Stage 或 Oracle GoldenGate實(shí)現(xiàn)關(guān)系型數(shù)據(jù)庫實(shí)時(shí)同步，實(shí)現(xiàn) T+0 的實(shí)時(shí)數(shù)據(jù)操作層（ODS）。

集成數(shù)據(jù)預(yù)處理的圖形化工具，提供工作流的調(diào)度實(shí)現(xiàn)數(shù)據(jù)接入和數(shù)據(jù)流轉(zhuǎn)的抽取、轉(zhuǎn)換、裝載（ETL）。同時(shí)，分布式文件系統(tǒng) HDFS 通過 FTP Over HDFS 提供文件通過 FTP 傳入 HDFS 的通道;通過 Flume 提供海量日志以及文件的聚匯到大數(shù)據(jù)平臺(tái)的功能。

在數(shù)據(jù)進(jìn)行接入時(shí)，數(shù)據(jù)平臺(tái)上的數(shù)據(jù)傳輸工具支持加載數(shù)據(jù)緩存功能。當(dāng)目標(biāo)接收端出現(xiàn)問題、網(wǎng)絡(luò)中斷或出現(xiàn)阻塞時(shí)，支持將加載數(shù)據(jù)緩存在本地磁盤中，當(dāng)目標(biāo)端恢復(fù)后繼續(xù)將數(shù)據(jù)加載到目標(biāo)端中。Flume 或者 Kafka 均支持將消息隊(duì)列緩存在文件系統(tǒng)上，F(xiàn)lume 支持 failover 機(jī)制，Kafka 通過對數(shù)據(jù)的多份備份，均對加載的數(shù)據(jù)有相應(yīng)的可靠性機(jī)制以保證數(shù)據(jù)的安全。

（二）信息化大數(shù)據(jù)平臺(tái)構(gòu)建

TDH大數(shù)據(jù)平臺(tái)總體上是以 Hadoop為基礎(chǔ)的數(shù)據(jù)平臺(tái)體系結(jié)構(gòu)，并將其劃分為：數(shù)據(jù)分析與處理、數(shù)據(jù)查詢及分析。基于大數(shù)據(jù)中心的數(shù)據(jù)查詢與解析，可以對結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行數(shù)據(jù)采集，提供數(shù)據(jù)查詢、文本檢索、離線批量數(shù)據(jù)分析等功能;不同數(shù)據(jù)的處理采取互動(dòng)的方法。在此基礎(chǔ)上，利用實(shí)時(shí)的流程，能夠?qū)?shù)據(jù)進(jìn)行實(shí)時(shí)的分析與處理。該系統(tǒng)實(shí)現(xiàn)了對計(jì)算資源、存儲(chǔ)資源和數(shù)據(jù)存取資源的一體化管理，有效地調(diào)度和利用計(jì)算資源、管理庫存資源的限額，對資料存取，有嚴(yán)格的使用權(quán)限。在安裝、配置、監(jiān)控、報(bào)警等方面，運(yùn)行管理采用統(tǒng)一的平臺(tái)。平臺(tái)整體架構(gòu)如圖1所示。

針對大數(shù)據(jù)平臺(tái)的數(shù)據(jù)存儲(chǔ)以及數(shù)據(jù)分析需求，平臺(tái)的主要部署方案如下：

1.硬件平臺(tái)

因?yàn)閿?shù)據(jù)處理平臺(tái)要讀取、寫入 TB到 PB的數(shù)據(jù)，同時(shí)還要進(jìn)行大量的數(shù)據(jù)挖掘模型計(jì)算，并進(jìn)行預(yù)測結(jié)果的發(fā)布，這就要求底層的硬件對磁盤的讀取、寫入、計(jì)算速度都有很高的要求。

另外，為滿足分布式、動(dòng)態(tài)擴(kuò)展的需求，需要具備四個(gè)以上的結(jié)點(diǎn)，其中至少有一個(gè)主結(jié)點(diǎn)和三個(gè)從結(jié)點(diǎn);各節(jié)點(diǎn)均須配備2路8核 CPU，128 GB內(nèi)存，千兆網(wǎng)絡(luò)卡。

2.操作系統(tǒng)軟件

操作系統(tǒng)軟件使用 Linux內(nèi)核操作系統(tǒng)， Hadoop進(jìn)行大量數(shù)據(jù)存儲(chǔ)和分布式計(jì)算， Hive數(shù)據(jù)清理， Spark數(shù)據(jù)挖掘引擎， HBase中的預(yù)測結(jié)果保存，構(gòu)建高性能、高可用分布式數(shù)據(jù)收集系統(tǒng)。

（1）利用 Hadoop技術(shù)，建立面向 PB的大型數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)了海量的數(shù)據(jù)存儲(chǔ)和分布運(yùn)算。

（2）使用 Spark組件，為用戶能夠在集群中進(jìn)行交互操作的靈活分布數(shù)據(jù)集 API。數(shù)據(jù)挖掘模型采用 Spark onYarn-cluster的方法，構(gòu)造了一種基于 Spark SQL、 Spark流、 MLlib、 GraphX的大型數(shù)據(jù)分析引擎。

（3）使用 Hive組件作為數(shù)據(jù)清理引擎，提供 PB級別的數(shù)據(jù)預(yù)處理、處理和整合服務(wù)。

（4）采用 Hbase 組件技術(shù)，可以提供海量數(shù)據(jù)的高效發(fā)布。

（5）采用 Zookeeper 組件，提供配置維護(hù)、域名服務(wù)、分布式同步、組服務(wù)等各類應(yīng)用程序協(xié)調(diào)服務(wù)。

以上服務(wù)均使用 docker 技術(shù)封裝和發(fā)布，滿足組件快速部署和后續(xù)維護(hù)需求。

（三）接入結(jié)構(gòu)化數(shù)據(jù)

在傳統(tǒng)的關(guān)系數(shù)據(jù)庫如 Oracle，DB2， Mysql， MongoDB等，需要將生成的結(jié)構(gòu)數(shù)據(jù)移植到 Hadoop平臺(tái)的 Inceptor表、 Hyperbase表、 Search表中進(jìn)行數(shù)據(jù)分析和檢索， TDH支持各種結(jié)構(gòu)數(shù)據(jù)的裝載，并提供靈活的、通用的數(shù)據(jù)格式描述，其中包括數(shù)據(jù)所含字段、字段的分隔符、字段類型等。

支援傳送的帶分隔符的元組序列，每一個(gè)都具有相同的欄位，并用指定的分隔符隔開。支援的欄位類型有：最多8位元組，浮點(diǎn)數(shù)，字符串，日期，時(shí)間等。在 Inceptor中定義了相關(guān)的表格， Inceptor支持一些常見的簡單域，如整形，浮點(diǎn)數(shù)，字符串，以及一些復(fù)雜的數(shù)據(jù)類型，如 Map， Array， Struct。

利用 Sqoop產(chǎn)生分布式任務(wù)，有效地提取數(shù)據(jù)，或利用 TDA部件實(shí)現(xiàn)數(shù)據(jù)的準(zhǔn)實(shí)時(shí)插入、更新、刪除等數(shù)據(jù)操作;在 TDH平臺(tái)上，實(shí)時(shí)生成的結(jié)構(gòu)化日志或信息被裝載到 HDFS、 Search、 Hyperbase、 Kafka等 TDH平臺(tái)上;數(shù)據(jù)裝入 HDFS，數(shù)據(jù)處理，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)， Discover。裝入 Hyperbase的數(shù)據(jù)可以在高并行檢索中使用 Inceptor進(jìn)行后模糊或者準(zhǔn)確的匹配。載入 Search的資料可以由 Inceptor進(jìn)行前模糊、后模糊、范圍檢索、關(guān)鍵詞檢索、全文檢索等。在千兆網(wǎng)絡(luò)中， Search的存儲(chǔ)速度是每秒20000條。

業(yè)務(wù)系統(tǒng)定義數(shù)據(jù)格式、數(shù)據(jù)源（數(shù)據(jù)庫或結(jié)構(gòu)文件）、數(shù)據(jù)存儲(chǔ)（HDFS、搜索、 Hyperbase等）、數(shù)據(jù)調(diào)度模式、數(shù)據(jù)同步模式等，在 TDH上按照規(guī)定的數(shù)據(jù)裝載模式，自動(dòng)地將數(shù)據(jù)處理的數(shù)據(jù)源、中間件（Sqoop， TDA， API/REST API， FTPOverHDFS， JDBC/ODBC， Flume或 Kafka）進(jìn)行存儲(chǔ)和處理等，開始對應(yīng)的工作流任務(wù)或中間件的排程，并監(jiān)視和記錄數(shù)據(jù)的加載、傳輸和處理過程。

TDH支持各種結(jié)構(gòu)數(shù)據(jù)的裝入，并支持各種類型的數(shù)據(jù)格式的靈活、通用，包括數(shù)據(jù)所含的字段、字段的分隔符、字段類型等。支援傳送的帶分隔符的元組序列，每一個(gè)都具有相同的欄位，并用指定的分隔符隔開。支援的欄位類型有：最多8位元組、浮點(diǎn)數(shù)、字符串，日期、時(shí)間等。在 Inceptor中定義了相關(guān)的表格， Inceptor中支持?jǐn)帱c(diǎn)續(xù)傳、浮點(diǎn)數(shù)、字符串以及日期、時(shí)間以及 Map;復(fù)雜的數(shù)據(jù)類型，如 Array， Struct。

對于負(fù)載平衡，在一種類型的數(shù)據(jù)裝載量很大的情況下，可以通過多個(gè)裝載的客戶端并行裝載。Sqoop、 Flume、 Kafka等都是支持多任務(wù)并行運(yùn)行的分布式結(jié)構(gòu)數(shù)據(jù)收集工具。

Sqoop通過生成和提交 MapReduce程序，實(shí)現(xiàn)了對 Task的并行處理;Flume可以通過定義多個(gè)代理或多個(gè)源通道鏈接組件，從而實(shí)現(xiàn)多個(gè)客戶端的并行負(fù)載;Kafka通過一個(gè)定義了并行數(shù)據(jù)采集程序的 Kafka Producer或多個(gè) Kafka Producer來并行地裝載數(shù)據(jù)。

在萬兆網(wǎng)絡(luò)中，每一個(gè)客戶端都能支持300 MB/s或更高的加載速率，并能隨著集群規(guī)模的增長而線性地?cái)U(kuò)展，直到達(dá)到最大的網(wǎng)絡(luò)傳輸帶寬。裝載集群的文字資料總帶寬為100 Gb/s或更高。每一臺(tái)機(jī)器裝載的最大數(shù)據(jù)緩沖量為 TB級。最大容量為計(jì)算機(jī)的存儲(chǔ)容量。緩存容量和內(nèi)存容量呈線性關(guān)系。

（四）接入非結(jié)構(gòu)化數(shù)據(jù)

業(yè)務(wù)系統(tǒng)生成的各類文檔、圖片、非結(jié)構(gòu)化的文字等都需要在 TDH上進(jìn)行存儲(chǔ)、檢索等處理方法， TDH通過自定義 Flume組件、 API接口，可以將非結(jié)構(gòu)化數(shù)據(jù)（文檔、圖像、音視頻等多媒體文件）裝載到 HDFS或 Hyperbase表中進(jìn)行處理或高效檢索;這樣， TDH就可以為0 KB至幾 TB的文件提供完全的加載、存儲(chǔ)和處理和恢復(fù)。

業(yè)務(wù)系統(tǒng)的數(shù)據(jù)格式包含數(shù)據(jù)源（API/REST API、 FTPOverHDFS、 JDBC/ODBC、 Flume等）、數(shù)據(jù)存儲(chǔ)端（HDFS、 Search、 Hyperbase等）、數(shù)據(jù)調(diào)度模式、數(shù)據(jù)同步模式等，在 TDH上按照規(guī)定的數(shù)據(jù)裝載模式，自動(dòng)地將數(shù)據(jù)處理的數(shù)據(jù)源、中間件（API/REST API、 FTPOverHDFS、 JDBC/ODBC、 Flume等）、存儲(chǔ)、處理方法等，并對數(shù)據(jù)的裝載、傳輸、處理過程進(jìn)行實(shí)時(shí)監(jiān)測和記錄。

TDH上的各種文本數(shù)據(jù)，圖片，音頻的功能;將錄像裝入到檔案中。在 TDH中，可以將無結(jié)構(gòu)性的資料打包為一個(gè)對象儲(chǔ)存庫。在負(fù)荷平衡中，一種類型的數(shù)據(jù)裝載數(shù)量很大時(shí)，可以同時(shí)裝載多個(gè)裝載的客戶機(jī)。Sqoop、 Flume、 Kafka都是支持多個(gè)并行運(yùn)行的分布式體系結(jié)構(gòu)的資料收集。

Sqoop通過創(chuàng)建和遞交 MapReduce軟件來完成對 Task的平行處理。Flume可以在多個(gè)客戶機(jī)中同時(shí)裝載多個(gè)代理，也可以在分布式體系結(jié)構(gòu)中定義多個(gè)代理，也可以使用多個(gè)源通道鏈接部件。Kafka是以平行裝入方式，定義了一個(gè)同時(shí)采集的資料的 Kafka Producer，或是多個(gè) Kafka Producer。將資料存儲(chǔ)在 HDFS檔案系統(tǒng)中進(jìn)行存儲(chǔ)、分析、挖掘，或是將其存檔到 Hyperbase數(shù)據(jù)庫中進(jìn)行迅速的查詢。TDH中的數(shù)據(jù)裝載與傳送，具有中斷點(diǎn)續(xù)傳的能力。在故障復(fù)原后，在目標(biāo)接收機(jī)的中斷點(diǎn)可以持續(xù)發(fā)送。Kafka中的資料被緩存到磁碟上，其中會(huì)將訊息消耗的偏移 offset保存到該佇列中，所以可以將傳送中的中斷位置進(jìn)行緩沖，從而確保資料能夠繼續(xù)傳送。

萬兆網(wǎng)下，每一部服務(wù)器都能提供300 MB/s或更高的負(fù)載速率，并隨著機(jī)群的大小而不斷地向外擴(kuò)張，直到達(dá)到最大的傳輸速率。利用對象儲(chǔ)存和分散的檔案儲(chǔ)存功能，可提供1 KB至 PB的資料儲(chǔ)存。

（五）接入半結(jié)構(gòu)化數(shù)據(jù)

TDH支援各種類型的半結(jié)構(gòu)化資料，包括郵件、網(wǎng)頁、 XML文件、特定欄位等。利用 Logstash模塊實(shí)現(xiàn) TDH中的半結(jié)構(gòu)化數(shù)據(jù)的裝載和加工，并實(shí)現(xiàn)了對輸入的數(shù)據(jù)的定制和輸出。支持使用 Flume定制的數(shù)據(jù)界面和簡單的數(shù)據(jù)操作，并把經(jīng)過加工的資料裝入到特定的存儲(chǔ)器中;利用 Inceptort SQL對裝載在 HDFS中的半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，Inceptor可以對 Json、XML/HTML、CSV等進(jìn)行半結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行直接的查詢和分析。

在負(fù)荷平衡中，一種類型的數(shù)據(jù)裝載數(shù)量很大時(shí)，可以同時(shí)裝載多個(gè)客戶機(jī)。Sqoop、 Flume、 Kafka都是支持多個(gè)并行運(yùn)行的分布式體系結(jié)構(gòu)的資料收集。Sqoop通過創(chuàng)建和遞交 MapReduce軟件來完成對 Task的平行處理。Flume可以在多個(gè)客戶機(jī)中同時(shí)裝載多個(gè)代理，也可以在分布式體系結(jié)構(gòu)中定義多個(gè)代理，也可以使用多個(gè)源通道鏈接部件。Kafka是以平行裝入方式，定義了一個(gè)同時(shí)采集的資料的 Kafka Producer，或是多個(gè) Kafka Producer。同時(shí)，還能實(shí)現(xiàn)多個(gè)裝入軟件之間的多個(gè)鏈接，并實(shí)現(xiàn)多個(gè)數(shù)據(jù)的發(fā)布和匯集。

（六）高頻數(shù)據(jù)實(shí)時(shí)傳輸及存儲(chǔ)調(diào)度

在數(shù)據(jù)存貯器的上層，利用 YARN實(shí)現(xiàn)了對計(jì)算資源的統(tǒng)一調(diào)度，實(shí)現(xiàn)了對簇的實(shí)時(shí)生成和銷毀，實(shí)現(xiàn)了對服務(wù)的靈活配置。Inceptor是 SQL的一個(gè)通用的 SQL運(yùn)算引擎，它能夠有效地處理各種不同的數(shù)據(jù)和數(shù)據(jù)。在資料檢索上， Hyperbase提供了一個(gè)全域和二級的索引，它可以提供快速的無主關(guān)鍵字的查詢，提供了 JSON/BSON的支持，并提供了 Object Store技術(shù)， Search可以在 PB的數(shù)據(jù)級別上進(jìn)行快速的查找。

另外，還可以為測試數(shù)據(jù)等實(shí)時(shí)流量提供低延遲和高吞吐量的實(shí)時(shí)數(shù)據(jù)。利用 Kafka的報(bào)文排隊(duì)進(jìn)行實(shí)時(shí)的數(shù)據(jù)流量，實(shí)現(xiàn)了不丟失不增加的情況，并提供了一個(gè)以微批量和事件為基礎(chǔ)的程序設(shè)計(jì)模式，在保持系統(tǒng)的吞吐量的前提下，將延遲控制在毫秒級別;同時(shí)還能確保該算法具有健壯性和可擴(kuò)展性，適合于其它復(fù)雜的、不同的實(shí)時(shí)數(shù)據(jù)處理場合。

四、結(jié)束語

本文基于飛機(jī)發(fā)動(dòng)機(jī)運(yùn)行狀況監(jiān)控大數(shù)據(jù)的平臺(tái)，對發(fā)動(dòng)機(jī)運(yùn)行狀況進(jìn)行了分析，得到了發(fā)動(dòng)機(jī)轉(zhuǎn)速、振動(dòng)、溫度、壓力、流量等參數(shù)數(shù)據(jù)。建立了基于規(guī)則的故障診斷模型，通過故障診斷，并對發(fā)動(dòng)機(jī)狀態(tài)惡化的趨勢進(jìn)行了分析;利用零件的剩余使用壽命預(yù)報(bào)等方法，對其進(jìn)行故障的預(yù)測和診斷。

通過運(yùn)用大數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)了飛機(jī)維修方案的自動(dòng)化，使維修工作更加有目的性，降低了“過修”、“失修”，節(jié)約了維修費(fèi)用。

作者單位：洪麗? ? 谷新宇? ? 李興? ? 中國航發(fā)南方工業(yè)有限公司

參? 考? 文? 獻(xiàn)

[1] 鄒國偉，成建波.大數(shù)據(jù)技術(shù)在智慧城市中的應(yīng)用[J].電信網(wǎng)技術(shù)， 2013（04）.

[2] 栗蔚，魏凱.大數(shù)據(jù)的技術(shù)、應(yīng)用和價(jià)值變革[J].電信網(wǎng)技術(shù)， 2013（7）.

[3] 中國航發(fā)南方工業(yè)有限公司 國家重點(diǎn)研發(fā)計(jì)劃年度報(bào)告[J].技術(shù)報(bào)告， 2022.3.

[4] 尉詢楷，等.航空發(fā)動(dòng)機(jī)預(yù)測與健康管理[M].北京：國防工業(yè)出版社， 2014.1.