至顶网CIO与应用频道 05月24日 北京消息:大数据、云计算、人工智能等新兴科技在航空领域的普及应用,正推动全球民航进入“智慧民航”时代。这一趋势在为民航业提供发展动能的同时,相应地促使政府、航空企业、设备供应商和基础设施所有者等相关方,就技术整合、系统流程优化等方面共同探索,进一步推动民航的高质量发展。
助力中国智慧民航建设
在上周举行的2019中国民航发展论坛上,这一课题得到了广泛的讨论。作为中国航空业的长期合作伙伴,GE在中国已与东航、中国商飞、昂际航电、长龙航空、厦门航空5家客户签署了航空数字化合作协议,并就“智慧民航”发展做出了有益尝试。GE航空集团基于庞大的装机量,实时监测并应用数字化工具分析比对海量发动机数据,在产品进入成熟期之前发现潜在问题,提高机队可靠性和运行效率;在发动机健康管理方面,GE通过数据分析对发动机检修进行预测性判断,提高在翼时间,降低维护成本。与此同时,GE航空集团及其合资企业还在航电领域推出了开放式机载互联平台等先进解决方案,为航空的进一步智能化打下基础。
GE航空集团在全球有两个机队支援中心,一个位于总部美国的辛辛那提,另一个就在上海。这两个中心为服役中的约36000台GE及其合资企业的发动机进行24x7的监控及诊断,从而做出预测和判断。此外,GE航空集团还为中国客户推出了多套数字解决方案,其中包括:通过数据模型分析发动机性能和滑油使用信息,提前识别和抓取发动机滑油渗漏风险,避免因此造成的空停和换发;引入深度学习的理念,对航材管理的复杂场景进行建模,并学习最优的库存调配和补充策略,通过建议航材的站点布局、采购数量和采购节点,极大改进了航材的保障率并优化库存;运用人工智能学习发动机部件孔探检测图片中的损伤特征,从而自动识别孔探视频中的损伤。由此降低了由于孔探漏检造成故障停飞风险,规范了孔探操作,也提高了孔探检查的机队覆盖率。降低发动机部件孔探漏检风险并规范操作。
共享数字化和运营知识
不仅是在中国,GE已在全球的多个市场就“智慧民航”的建设有不少成功实践。比如目前应用于阿联酋航空的GE维护软件ABM,通过收集和分析发动机运行数据,提前发现潜在问题,减少了突发状况和紧急维修的发生率。同时,配合GE在迪拜的中东航空技术中心工程师们,借助GE的机器学习软件每秒完成10GB数据的分析进而帮助团队建立数字模型,预测发动机进行预防性维护的最佳时间。为此,阿联酋航空的紧急维护情况已经减少了50%,而发动机的“在翼时间”增加了20%。除了实时的智能维护,ABM软件也帮助机组人员优化燃油消耗,为工程师更深入地进行性能和机械升级提供了宝贵的数据。
在澳洲,GE与澳洲航空公司联合开发了飞行分析工具FlightPulse,帮助飞行员提升飞行效率,提升飞行的安全水平。比如飞行员可在做行前准备时通过“航前模块”(Preflight Module)提供的历史航班数据,了解到诸如机场航班流量、跑道飞行高度等关键细节,合理规划飞行计划。同时,这一应用也帮助澳航显著减少了飞机的燃油消耗和碳排放。
以数字化推动民航智慧化未来
根据国际航空运输协会预测,全球的航空市场在未来20年内将保持4.5%的年均增速,而中国有望在2024-2025年左右跃升全球最大的民航市场。作为航空领域的重要参与者,GE将继续推进与中国乃至全球的航空领域合作伙伴在数字化转型解决方案的合作,帮助航空公司在燃料、安全、运营和资产等领域发挥更大效益,助力民航的智慧化进程。
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。