在航空業中整合大數據

在航空業中整合大數據

每個人都在談論大數據。這個大數據到底是什么？

大數據是一個術語，用于描述結構化和非結構化數據的指數增長和可用性。Gartner定義“大數據是高容量，高速度和/或種類繁多的信息資產，需要新的處理形式以實現增強的決策，洞察力發現和流程優化。” 3Vs”模型通常用于描述大數據。

數據量的增長一直在成倍地增長，從每天增加的字節數據變成每天生成數千萬字節的數據，再加上視頻，音樂，文本等不同的數據源。大數據與其他傳統方法的不同之處在于存儲大量數據。

速度-?會生成大量數據，應通過比較過去的數據進行實時分析，以根據業務功能預測結果。大數據能夠在幾秒鐘內處理各種數據，這使其不同于其他技術。

種類-生成的數據類型不一致。它與數據源不同。有些數據類型可能結構化，有些則可能沒有。大數據甚至能夠處理各種數據。

上面定義的這些屬性描述了所謂的大數據。航空業也由于其可預測性以及在飛機內部和周圍填充的大量數據而處于引入大數據分析的邊緣。

飛機維修

航空公司將大部分利潤用于維護活動，以使飛機處于適航條件下并安全飛行。當前，大多數航空業由于其運行效率而采用“按時/預防性”維護程序，并且取決于在某種情況下對零件進行測試后進行的故障模式計算。這些條件可能會根據外部因素/人為錯誤而變化，這可能導致組件使用壽命的變化，進而降低飛機的運行效率。

美國聯邦航空局（FAA）的一項研究表明，噴氣發動機在一年中產生的數據相當于20TB。到目前為止，由于該數據是非結構化的，因此大部分數據尚未用于任何分析目的。大數據分析可用于通過比較和分析從不同傳感器獲得的數據以及連接到飛機，機隊或存在飛機的機隊的特定組件的歷史記錄來預測組件的故障。

數據源

來自ACARS的飛機數據來自ERP \ PIREP \ AME注釋的歷史數據…天氣數據發動機管理系統數據

飛機由同時工作以使其處于適航狀態的組件組成。高應力，疲勞，腐蝕……會導致飛機在維護活動之前的運行過程中發生故障。可以通過風險分析確定故障模式。風險分析是一種識別導致故障的因素的技術。有了更多的數據并比較過去的數據，就可以使用大數據以精確的方式進行故障預測。風險因子是通過模擬零件正在運行的條件來計算的。該過程是模擬每個部分的體驗，并計算失敗的次數。

這些仿真將無限運行，將零件和實際模型進行比較以了解任何變化。然后，通過將所有迭代的故障總數除以迭代數，可以得出平均故障數。只要零件達到此風險因素，計劃團隊\維護部門將通過與大數據集成的系統接收自動警報。如果計劃人員事先收到有關計劃外活動的警報，則他/她可以提前安排維護活動，資源和采購零件。反過來，這將減少TAT時間，從而補充航空公司的運營效率，從而使組織受益。

供應鏈管理（OEM角度）

航空公司的\ MRO的零件庫存由OEM，原始發動機制造商或經過PMA批準的供應商提供，用于日常運營。當前，OEM /供應商將需要8-10多個星期的時間才能提供沒有庫存的零件。《今日航空》的一篇文章指出，由于有效的需求預測導致積壓的積壓，飛機零件的制造市場領導者需要6個月以上的時間才能提供訂購的零件。這導致OEM的利潤率下降，因為航空公司更愿意使用替代來源，而不是等待零件。

數據源

市場數據供應商數據競爭對手數據ERP中的航空公司\ MRO零件使用詳細信息

在大數據的幫助下，OEM /供應商將能夠通過分析上述數據來源和航空業的未來趨勢，來預測航空公司將來訂購的零件的數量/數量。這有助于OEM重新組織生產計劃，以滿足需求并在短時間內提供零件。

采購管理

采購在航空維修行業中起著重要作用。每當發生AOG情況或物料計劃員需要補充庫存時，他都需要在Internet上簽到以獲取供應商的詳細信息，該供應商以優質，低廉的價格和更少的時間提供零件。這是一項繁瑣的工作，因為它需要通過根據不同標準對不同供應商進行比較和分析來做出決策的少量經驗。

數據源

市場數據供應商數據

內置算法后，大數據將根據供應商等級\位置\數量\提前期\等級協議等參數顯示有庫存的供應商列表。自動采購流程將基于優先級觸發，從而減少了采購流程的提前準備時間。

結論

根據美國聯邦航空局（FAA）的估計，航空公司每年平均花費2200萬美元用于航班延誤。乘客的不舒適感也起著至關重要的作用，因為隨著聯盟中不斷增長的競爭對手，它可能導致利潤率下降。航空公司為計劃外的維護活動投入了大量資金，以使其處于適航狀態。通常，總收入的8-10％用于總維護，材料和維修成本支出。其中，航空公司將超過2％的費用用于計劃外活動。通過將大數據引入航空業務，并具有可預測性，社會分析等功能，能夠處理實時數據，從而減少航空公司的“額外成本”。這樣可以減少航空公司的計劃外維護成本。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。