【行业动态】RTX以人工智能和全航程数据重塑航空维修：检查提速、备件前置、故障提前识别

导读：RTX正在把人工智能检查、全航程数据分析和维修资源规划连接到同一套维修保障流程中。普惠的智能孔探、柯林斯宇航的Ascentia预测平台及飞行感知服务已分别用于发动机检查、机队健康预测和备件调配，目标是缩短进厂时间、减少非计划拆换并保持航班正常运行。

技术人员在发动机上开展检查作业

RTX全球设施内的航空维修专家正在利用数据和人工智能分析，加快检查、提前发现潜在维修需求并更快调配资源。相关工具被用于提高维修工作的可预测性、缩短发动机和部件进厂时间，并帮助航空公司保持航班时刻。

在RTX旗下普惠公司（Pratt & Whitney）的发动机维修设施中，孔探检查长期是一项耗时较多的工作。技术人员需要把微型摄像头从狭窄检查口伸入发动机，在涡轮叶片、压气机和其他关键部件上寻找微小磨损或损伤迹象。一次完整检查可能持续数小时，需要审阅数千张图像和视频帧；下载视频、裁剪照片、编排文档和撰写说明等报告工作，过去还会额外占用数小时。

2026年年中，普惠收购了艾尔创新公司（Aiir Innovations）。该公司的人工智能孔探工具已经用于V2500发动机，并完成在普惠齿轮传动涡扇（GTF）发动机和F135发动机上的试用，普惠计划继续扩大使用范围。

检查摄像头通过现有通道进入发动机，技术人员无需拆解发动机即可观察难以接近的区域。检查过程中，软件自动统计叶片数量、跟踪表面纹理，并标记需要再次观察的位置。普惠人工智能检查技术副总监米里亚姆·海瑟（Miriam Huijser）把这套工具比作孔探检查的“拼写检查器”：最终判断仍由操作人员作出，人工智能的作用是帮助避免遗漏。

为避免干扰检查人员或形成判断偏差，软件会在人工检查完成后，把检查员发现的问题与人工智能标记结果进行比较。随后只需一次操作即可生成完整、标准化的报告，原来需要大量人工处理的文书工作被压缩到数分钟。人工智能还充当第二双眼睛，帮助发现人眼可能错过的异常。

这种能力来自多年积累的数据。艾尔创新公司用了近十年时间，以多个发动机系列和不同运行条件下的实际检查结果训练产品，形成业内规模较大且类型多样的真实数据集。全球各地发动机的磨损方式并不相同：在炎热干燥地区飞行会积聚尘土，越洋运行会吸入盐分；气候、地域和使用条件都会改变磨损特征。模型从这些差异中学习，因而能够跨机队识别规律、在不同发动机型号之间泛化，并在没有直接参与初始训练的平台上保持表现。

类似的效率提升也出现在新加坡的古德里奇亚洲航空结构服务中心（GASCA）。该中心由RTX旗下柯林斯宇航（Collins Aerospace）与新加坡航空工程公司共同拥有，主要维修包覆发动机的大型复合材料短舱结构。中心使用名为“斯波特”（Spot）的机器人机器视觉系统，自动扫描由150多项物品组成的快速换发套件，确认部件齐全并具备安装条件，使人工工作量减少约70%。

同在新加坡，数字化测绘工具帮助维修团队更清楚地掌握复合材料短舱结构各处的磨损；激光引导铺层系统则提高材料铺层定位精度，减少返工并改善整体修理质量。

如果说普惠的孔探软件关注发动机内部状况，柯林斯宇航的阿森蒂亚平台（Ascentia）则用于预测整架飞机接下来可能出现的维修需求。平台每秒接收数千项全航程参数，并把这些数据与维修记录融合，在驾驶舱警告出现之前、甚至在技术人员能够看到实体迹象之前识别维修需求。

部分运营商最初对预测结果持怀疑态度，没有立即按照建议处置，而是密切监控指定部件。当这些部件后来出现与平台判断完全一致的退化后，怀疑逐渐转为信任。柯林斯宇航互联航空业务副总裁兼总经理妮科尔·怀特（Nicole White）表示，航空公司如今已希望大型维修协议包含这种预测洞察能力。

有了提前预警，部件更换可以安排在计划停场期间，而不是等到航班延误时处理；机队中反复出现的模式也能够转化为可见趋势。多个机队使用Ascentia后，减少了非计划和意外部件拆换，降低最低设备清单项目数量，并避免数小时运行中断。普惠用于自身发动机的预测性健康监控也采用相似思路，综合运行和维修数据，提前识别需求并提高维修计划精度。

预测只有在维修资源已经就位时才能产生实际效果。柯林斯宇航的飞行感知平台（FlightSense）是一项帮助运营商提前数年规划维修的高级服务。在航空器使用强度较高的亚太地区，FlightSense通常与Ascentia协同工作。预测警报使服务团队能够提前布置库存、调整维修维护与大修产出，并在出行高峰期支持航空公司。由于柯林斯宇航维持所需备件池，运营商无需预先投入资金囤积大量零部件。

一个远程航线机队的案例中，预测警报发现冷却装置磨损迹象。柯林斯宇航据此确定飞机处置优先级、协调维修并重新部署库存，使机队继续按计划运行并保持在役。

现有数据表明，人工智能孔探已使总体检查时间缩短30%以上，其中报告生成时间从数小时降至数分钟。针对飞机冷却和通风装置的早期检测，预测分析准确率达到约90%。运营商利用预测警报提前布置库存并实施主动维修，已经避免远程航班超过200小时的潜在运行中断。

RTX下一步将把这些能力连接到公司更广泛的业务中，利用产品在设计、试验、制造和服役期产生的数据，为整架飞机构建统一的预测基础。怀特表示，工作方向正从“预测”走向“处方化决策”：不仅判断一个部件将会磨损，还要建立其全寿命周期模型，确定何时更换、如何优化，以及下一代产品应如何改进设计。

原创文章，转载请注明来自@两机动力控制

（欢迎加小编微信号：gtc6000；QQ群：603094810；资料都存在QQ群文件夹中）

免责声明：本公众号所载内容为本公众号原创或网络转载，转载内容版权归原作者所有。如涉及作品内容、版权或其他问题，请跟我们联系！转载内容为作者个人观点，并不代表本公众号赞同其观点和对其真实性负责。本公众号拥有对此声明的最终解释