劉秀
美國空軍剛剛成立的快速維護辦公室計劃在2020 年將使用預測性維修技術的飛機數量增加兩倍。
美國空軍于2019 年啟動了增強型基于狀態的維護(CBM+)項目,通過傳感器和算法收集數據,以確定哪些武器系統部件需要在失效前更換,目標是采取積極主動的維護策略提前維修,而不是坐等零部件損壞再予以維修。美國空軍希望以此節省維修成本,同時保持飛機和飛行員的安全。
截至2020 年5 月14 日,快速維護辦公室對B-1、KC-135、C-5、C-130 和F-15 等飛機進行了預測性維修,并希望到9 月底將維修范圍擴大至B-52、C-17、AC-130J、MC-130J、CV-22、HH-60、RC-135、MQ-9、F-16、RQ-4、A-10 等多種空中平臺和“民兵III”洲際彈道導彈。美國空軍還與C3 人工智能公司合作,為E-3 飛機提供預測性維修,將計劃外的維護工作量減少了近30%。到目前為止,快速維護辦公室已經節省了6800 萬美元的維修費用。
美國空軍發言人達里爾·梅耶表示,到2022 財年結束時,除了那些即將退役的平臺,所有空軍平臺都應該采取某種形式的預測性維修??焖倬S護辦公室計劃在未來5 年里,每年新增10~20 種平臺的預測性維修,每個平臺啟動預測性維修大約需要300 萬美元,而維持這些工作需要150 萬美元。
此外,美國空軍還為地面保障設備和機庫制熱/冷卻系統開發了數據驅動的維護模型,探索如何在飛機以外的領域應用預測性維修技術。
美國空軍計劃在2020 年將使用預測性維修技術的飛機數量增加兩倍。
美國空軍表示,很多人認為預測性維修的難點在于分析,但早期階段并不是這樣的,獲取有用的數據(既有基于傳感器的數據,也有基于記錄的數據)也是一項挑戰,對供應和維修體系也是一項挑戰。美國空軍對分析技術的需求確實會隨著時間的推移而增加,但這不是預測性維修的限制。
不過,最初的幾個試點項目表明,人類的洞察力對理解這些數據至關重要。梅耶表示,數據需要與項目專家的分析結果相平衡,還要從企業層面考慮預測性維修體系。比如,看起來像是很適合進行預測性維修的零部件,最終往往不能只對其進行維修。有時,當一個預測性維修計劃啟動時,供應鏈無法滿足新零部件的需求。因為在零部件失效前將其移除,會導致零部件需求激增(如果現有的庫存周期很長),而且還需要特定的維修程序進行大修,而不是僅僅修復快要損壞的零部件(畢竟它們還沒有壞)。
美國空軍表示,人工智能技術、機器學習技術、大數據技術是縮減和重新利用勞動力的關鍵,但也不意味著CBM+的結果是減少維護人員。梅耶補充說,從概念上講,預測性維修確實會減少計劃外的維護工作,美國空軍希望這能夠帶來積極的價值。然而,目前還不清楚預測性維修是否能夠減少勞動力需求,而只能夠確定計劃外的維護工作會轉變成計劃內的維護工作,只能轉移而不一定減少勞動力需求。