当一款新机型投入运营时，航空公司并没有运营数据作为其预测性维修的依据，其维修技术人员也需要在开展维修工作前了解飞机系统或部件的工作原理及故障原因，所以维修依据主要来源于OEM。因此，新机型在运营初期，其状态监测和故障预测系统通常使用OEM的设计和测试数据，很多航空公司通常选择OEM提供的飞行小时保障服务。

但随着飞行时间的增加，航空公司运营数据不断丰富，在飞机进入成熟运营阶段后，便可根据自己的排故和维修实践经验更好地评估维修频率和维修成本。如今，大型航空公司的维修部门也都拥有了预测性维修平台，对OEM提供的各种维修计划将不再十分依赖。

为确保预测性维修技术的有效性，需要不同来源的数据进行支撑，包括OEM的设计和测试数据、来自航空公司的运营和飞机性能数据以及独立维修企业的维护数据。因此，有声音指出各方展开合作将成为今后的主要趋势。据悉，很多航空公司会定期与OEM共享运营和维护数据，然后由OEM为航空公司提供预测性维修的分析结果和建议。

数字化进程不断加快

除了飞机制造商、发动机制造商外，飞机航电系统、零部件供应商等都在推动其数字化进程。

与此同时，全球已经有很多航空公司下属的MRO（飞机维护、维修与大修）企业开始开发预测性维修技术，如德国汉莎航空技术公司的Condition Analytics项目，以及法荷航维修工程公司的Prognos项目。但与OEM使用大数据技术对海量数据进行分析不同，航空公司下属的MRO企业研究预测性维修技术的切入点更侧重于某些部件暴露出的可靠性问题或运营维修成本问题。

近日，南航机务工程部推出了飞行大数据虚拟化译码平台。该平台以QAR原始数据为数据源，通过特定的公式及算法，将QAR记录的不可辨读原始数据译码为飞行参数工程值，配置了39个译码库，能对海量数据进行收集和分析。其全面覆盖了南航全机型，未来将趋向于大数据帧结构的开发使用。

事实上，早在2014年，飞行大数据虚拟化译码平台就在南航股份机务工程部搭建成功，机载信息室开始重点研究和分析飞行大数据。2016年，“刘宇辉创新工作室”正式成立，团队使用最新的航空电子技术、计算机技术、发动机性能监控技术、大数据挖掘分析技术与“数据科学”理论，结合地面维护实际情况，以飞机远程诊断实时跟踪系统为基础，进行深层次的飞行大数据研究。

飞机状态预测和维修作业管理（APCM）平台，则是Ameco大数据技术的创新成果之一。APCM平台的飞机健康管理集成了机队状态监控、实时故障管理、系统性能监控、能耗监控等功能，使用者可通过该平台实时了解航班动态、飞机具体位置、实时故障和各系统性能情况，还可以定制上传命令，灵活准确地与飞机进行实时通信，获取机载数据。

据悉，该功能模块不仅包含OEM提供的健康管理工具的基本功能，还具备对地空数据链传送的报文数据、航班落地后即刻同步的QAR译码数据、通过互联网络实时共享的维修记录数据，进行融合分析的能力。