【人工智能】AI重塑民航行业

2020 年 5 月 3 日 产业智能官

Reshaping / 重塑

AI的进步正在重塑航空公司的未来。应用领域包括机组管理、航班维护、票务和乘客识别，它们都集中在一个目标上：改善客户体验。商业和技术携手发展才是王道。不利用技术造福客户或员工的公司通常不会持续很久。许多企业之所以失败，是因为他们没有创新，也没有接受竞争对手所接受的新技术和实践。如今，航空公司面临着一大堆问题，其中之一就是在业务中实施技术进步。尽管面临诸多问题，航空业仍有可能进入第四次工业革命。人工智能、物联网、AR和虚拟现实等新兴技术正在从内到外重塑航空业务。

更详细信息参见：《AI makes difference：智能化提升效率、改变生态！》

用例及场景

AI作为一种新兴的技术，在航空业仍处于起步阶段。到目前为止，我们可以看到航空公司正在实施人工智能，用于面部识别、客户问答/呼叫中心自动语音系统、行李托运、工厂操作优化和飞机燃料优化。但是，人工智能比这些用例更有潜力。它可以彻底改变航空公司的经营方式。下面是一些用例。

#1 Crew Management

每天，航空公司的机组管理人员必须管理复杂的人员网络，包括乘务员、飞行员和工程师。重新安排任何一个机组成员都很麻烦。多个因素影响经理的决策，例如可用性、可信度、证书和船员资格。Jeppensen已经用人工智能解决了这个问题。他们基于人工智能的人员排班系统考虑了上述所有方面，并有效地管理人员。

#2 Flight Maintenance

飞机维修是一项艰巨的任务，如果做得不正确，航空公司可能会损失一大笔钱。它需要广泛的计划和调度。计划外的飞机维修可能导致航班延误甚至取消。专家预测，人工智能，如果实施得当，可以节省数百万美元。基于人工智能的预测维修正逐渐成为全球飞机维修市场的趋势。这将有助于维修工程师在故障实际发生之前对其进行预测。Delta计划通过基于人工智能的预测性维护来减少航班取消的次数。根据“IBM Watson’s TV commercial”，人工智能还将指导现场维修人员并告诉他们的行动项目。

#3 Ticketing Systems

机票价格的计算基于多种参数，如油价、航班距离、购买日期、竞争、季节性、航空公司的品牌价值等。一些参数每天都在变化，比如油价，这导致了机票价格的持续变化。人工智能算法是这个问题的最终解决方案。这将有助于航空公司计算每趟航班的最有效价格，从而帮助他们保持盈利，并为客户提供有竞争力的价格。

#4 Passenger Identification

达美航空公司于2017年5月宣布，他们将投资60万美元建造自助行李投放机和旅客识别kiosks。值机kiosks将有一个内置摄像头，可以在值机时拍摄客户的照片，并与他们的护照匹配。人脸识别和自助行李托运都将利用机器学习算法来执行任务。

#5 Customer Service

联合航空公司于2017年9月宣布与亚马逊的人工智能Alexa合作。他们为Alexa建立了一个名为“United”的技能。一旦客户添加了United技能，他们就可以通过语音命令提出任何常见问题，例如，Alexa的自然语言让客户感觉好像在和一位销售代表交谈。

#6 Simplify Communication

空中交通管制（ATC）是所有航班中最关键的一个方面。在国际航班中，飞行员和空中交通管制员之间的交流通常是跨语言和跨文化的。尽管他们都用英语交流，但他们的口音可能不同，这会造成混乱。例如，印度飞行员很难理解欧洲管制员的口音很重的英语。另外，空中交通管制系统的通信信道也很嘈杂，这使得飞行员很难跟踪。由于“Airbus’s AI-Gym”项目，他们已经能够开发出一种机器学习算法，不仅可以实时清除噪音，还可以提供控制器音频的完整记录。

结论

AI即将&正在重塑民航行业，这一趋势虽然刚刚开始，但是势必带来天翻地覆的变革。随着航空公司继续采用人工智能、物联网、AR和虚拟现实等新兴技术，它们将在revenue management, predictive maintenance, flight scheduling等方面获得巨大收益。最终，所有这些好处将产生一件事，这是每个航空公司业务的核心：更好的客户体验。

AI makes difference：智能化提升效率、改变生态！

前言

人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。在工业4.0时代及第四次产业革命的大潮中，人工智能是全球各行业智能化发展的动力引擎之一，这场变革无疑已渗透到民用航空的生产、运营，以及民航生态当中。

为了摆脱行业负面新闻持续性曝光带来的困境，在基础硬件比拼逼近瓶颈期后，客户体验便成了航空企业间竞争的下一个发力点。近年来，随着全球范围内的航空公司逐渐试水人工智能领域，并一一曝光种类繁多的人工智能体验产品，有关人工智能究竟如何提高旅行体验的话题热度就始终居高不下。显而易见，各大航空巨头已然将软性竞争的核心筹码押在了人工智能领域。

IFS是一家总部设在瑞典的软件企业ERP套件公司，为阿联酋航空和其他航空公司提供企业资源规划（ERP）系统和飞机维护系统。该公司正在开发智能个人助理应用程序，让用户通过智能手机或平板电脑的语音控制它。IFS实验室主任德沃斯表示：“原型应用程序只具备语音识别功能，但我们想通过自然语言处理解释问题和指令。”德沃斯预测，实现这个目标可能需要3年～5年时间，须攻克的主要技术难关包括识别口音和背景噪声。
IBM研制的飞机维修工具是航空公司的认知线路维护系统，应用自然语言处理技术搜索维护日志等，已经被亚洲一些航空公司投入到实际使用中。
SITA实验室仍在持续努力通过可穿戴技术开发机务工程的智能助手应用程序。奥沙利文预计，跟微软公司开发的全息眼镜科技产品HoloLens一样，国际航空电信公司研制的下一代可穿戴像透镜将可以投入到实际应用当中。
东方航空联合（亚洲）互联网工程院推出的人工智能机器人“小冰”，“登上”东航航班，利用业界领先的“意图识别引擎”在多轮对话中收集客户的潜在需求，使乘客在规范化的服务基础之上得到个性化需求的满足。
在2011年，荷兰航空公司就已经在其大本营阿姆斯特丹机场开始人工智能机器人的测试。到目前为止，荷兰航空的乘客已经可以通过其外接的某聊天机器人平台，确认订票信息及相关的舱内服务。
阿联酋航空在今年推出了一款以人工智能技术为基础的“交互式洗漱包”，可以让乘客通过移动端实现虚拟和现实间的交互式互动。
厦航与阿里云开展“航班智能恢复课题”合作等。

广化的应用前瞻

在整个生态体系和民航业务场景中，有大量应用点和方向，如下列举及参考几个方向：

机器人副驾驶：美国国防部高级研究计划局的Alias就属于这类项目，主持该项目的航空工程师Daniel Patt希望能在人工飞行和越来越强大的计算机与传感器之间，建立一种更为紧密的联系，不为替代驾驶员而是通过机器人副驾驶进行辅助飞行、在驾驶员判断失误时发出警报确保飞行安全。比如当引擎停转的时候，Alias系统将会被设计成可以识别出此类情况、并自动向飞行员展示相关信息，同时为他展示一个为了控制住飞机必须做的步骤清单。

流量管制系统：人工操作的弊端在于人类会产生疲倦，不像机器充电、加油、清理内存就能继续工作，我们需要休息。细致的工作在现有技术上无法全部依靠人工智能，但是伴随着技术的发展，全部依赖航空管制员的人工判断释放塔台指令的现状终将被改变。未来，人工智能将会为流量管制提供辅助信息提供，以确保流量管制的精度。人工智能系统飞行流量管理主要将空域资源“空闲”的概念与AI算法与辅助决策进行结合。

机场安全安保系统：哪些工作是依赖人投入大量精力去看、去做的重复性的工作，就是未来人工智能进入的领域。公安部第三研究所物联网技术研发中心已开展X光机图像自动分类、视频监控信息快速检索、人脸识别技术的自动核验设备、异常车辆排除等机场安全人工智能项目。在上一代的智能分析——视频智能分析系统的基础上开发出新一代智能视频分析系统——类人智能视频分析系统。

故人工智能不仅仅是算法、模型、预测等高深莫测的金字塔顶尖的那颗钻石，其已经渗透到日常生活的方方面面。人工智能带来的首先是“自动化”，用机器代替人工，提高生产率，“让机器像人一样思考”；其次是智能，用机器处理那些一般只有人能够而一般动物却不能处理的复杂问题，“让机器想人一样思考”。

聚化的应用场景

然而落到具体航司“日常生活”，如下几点是对内具有较深使用意义和成熟度的方向。

Airport Operations & Ground Handling

『机场及地服营运』 – 例：登机口资源保障及优化

现状&痛点：

信息通畅：缺少全局及贯通的实时数据。
资源状况透明：对于当前各配套和上下游资源状态缺少全局一致性的理解。
资源调度经验：缺少资深及拥有多年经验的一线工作人员。
保障结果评估：无法高效的评估保障成效，以及无法预知及评估对于后续保障工作的影响。

落地行动：

自动化：利用运筹优化及数学模型算法执行计划及保障恢复日常工作，尤其是替代人工方式。
数据化：汇聚更完善及高质量的机场营运数据，尤其是过往保障历史。
专家化：基于过往保障经验、优化算法结果、人工智能深度分析等，建设资源调度及枢纽控制的专家系统。
量化：对过往、实时、未来的保障工作及资源规划进行量化指标和评估。

Flight Safety & Interruption

『飞行安全』 – 例：降低TFI

现状&痛点：

QAR利用率：QAR数据量级及复杂度的情况下，如何提升其利用率，用于飞行安全及质量提升。
TFI管控：如何基于数据对于技术航班干扰率的降低，和优化方案及预警机制的建立。
风险控制：飞行运行安全的实时预警及风险管控，量化评估及决策支持。
三环协同：航班计划、保障配合、资源调度与实时运行及飞行安全的结合。

落地行动：

精准化：对于比较常见的个案飞行、特定机场、特殊气候、例外场景，例如硬着陆、雨雪天气、高原机场等，基于人工智能分析，挖掘飞行安全漏洞及明确待改善建议。
敏捷化：对于正在发生飞行行为及综合环境数据进行实时的告警及预判。
资源优化：对于即将发生的飞行状况及配套资源的保障，提供更优的决策支持。

Schedule Optimization

『航班调度优化』

现状&痛点：

最优求解：长中短计划及保障资源的协同最优化求解。
需求预测：基于旅客需求驱动的预测和规划；同时考虑收益最大化的因素。
优化模拟：如何在投放之前对于需求、收益、航班等保障资源的应对能力及后续恢复的弹性进行预测。
量化评估：结合数据及过往历史进行量化分析及评估，以确定投放方案和优化建议的优缺。

落地行动：

决策支持：决策支持能力的日程管理解决方案可以支持客户日程管理的各个方面，包括通过代码共享合作伙伴的行程图的分析。
需求预测：根据需求预测、收益和运营成本，运力分配模型提供航班最优分配方案。
全新管理模式：先进的网络规划、航班调度和运力分配应用程序使利润产生了超过5%到8%的增长，超越了传统管理模式。

Re-fleeting

『机队规划』

现状&痛点：

影响收益：对航空公司来说，提高收益的另一个潜在方案是机队规划航线。基于收益管理系统中的飞行航段和收入预估模块进行战略预测分析，来规划调整航班。这些因素被航班分配模型用于提高枢纽网络的收益绩效。
价值：机队规划在计划和执行中获得了越来越多的潜在收益并得到了认可。根据国外行业咨询研究表明，这种方法可以提高收入（1%到1.4%）、载客率（0.5%到0.7%）和收益率（大约2.1%）。

落地行动：

敏捷化：对于实时及动态调整的诉求，基于人工智能的辅助，提升预案的精准性和敏捷化。
动态需求驱动：在人工智能的支持之上，进行即时的需求预测和收益模拟，动态调整机队及机型的分配，合理实现计划及资源调度的最优实时解。

Flight Planning & Fuel Optimization

『飞行计划和燃油优化』

现状&痛点：

燃油成本：航空公司的运营成本中还有较高一部分花在了燃料上。
碳中和增长：全球航空业排放大约2%的人造CO2；ICAO第37届大会通过审议，190个缔约国同意签署第一个全球性政府协定。其中到2020年，航空净碳排放量将是2005年的一半。2020年后各航空公司国际航线产生碳排放的所有增加部分均需要从国家碳市场上购买配额。
高效与环保：飞行计划系统需要优化燃料使用量。

落地行动：

节能环保：以优化油耗为目标，将航路规划、飞行精准动作、气象预警、需求预测等与人工智能模拟能力相结合，完善燃油精细化管理方案。
模拟及预测：对于投放效益的评估将基于人工智能，同时对于未来潜在发生的飞行状况和保障诉求进行针对性预测，即飞行模拟及预测专家系统。
三环保障：在考虑预测结果的输入前提下，对于实时的飞行及保障动态，基于人工智能的支持，做出最优的智能调整预案。

Crew Planning & Flight Operations

『机组人员排班和航线营运』

现状&痛点：

自动化水平：面临机组资源紧缺的挑战，同时缺少能自动化提升机组利用率的排班优化系统；
个性化规则：手工排班较难控制各类排班派遣规则；
国内特色：复杂的国内航线网络与日益增加的航班计划造成了机组排班的低效；客舱人员和公司航班增长迅猛；
协作及协同：缺少相互协作，导致机组派遣质量降低，并且增加了大量人力成本。

落地行动：

三环：构建优质的航班环、机组环、任务环的三环资源协同保障体系。
PO：通过优化算法对于纷杂的变量和组合可能求解最优PO方案及计划。
RO：在RO方案的基础上通过人工智能提升敏捷化和精准化的最优调整。
预测：通过人工智能预测未来保障趋势，提升资源计划的弹性。
智能协同：将航班、飞机、机组等人员、配套资源实时状态注入人工智能引擎，落地保障预测、资源保障恢复的优化及辅助决策。

Air Cargo & Load Planning

『货邮及配载』 – 例：自动配载及优化

现状&痛点：

工作效率：配载人员难以同时兼顾多个航班，工作效率有限
配载质量：需要资深的配载人员基于大量的工作经验才能较好地兼顾安全和业务多目标配载
业务人员水平：要求进行配载的业务人员有相应的资质和丰富的业务经验
安全因素：人工操作需要多次进行预配载，增加了装载时间的同时也增加了出错几率

落地行动：

自动化：利用运筹优化及数学模型算法执行计划及保障恢复日常工作，尤其是替代人工方式的全自动配载。
量化：对于计划、及调整和事后结果进行量化分析，通过人工智能提升配载及货邮绩效评估分析，构建基于收益的效能评估及分析系统。

Maintenance, Repair & Overhaul

『机务维修，MRO』

现状&痛点：

飞机利用率提升：如何有效的优化现有机队及飞行器的服务频度和最大利用弹性。
飞机飞行安全：对于设备老化及定期更换的精准把握，与航班最大利用率之间的把控。
例检维护计划：如何提升利用率与机务计划及恢复保障的任务匹配和配套资源。
突发实时保障：如何应对突发实时保障与航班环等的保障能力。
机务与运控的协同：运控及机务的一体化管理

落地行动：

利用率：通过算法及模型，并结合基于数据的人工智能支持，提升飞机利用率。
预测：根据航班及飞机飞行任务等数据，对机型老化、例检维修进行MRO预测。
协同：在最高利用率和精准机务需求预测的前提下，结合人工智能，为机务任务计划及实时保障恢复提供精准的机务协同建议。

Flight Disruptions

『航班中断』

现状&痛点：

干扰控制：例如天气状况或航空域的拥堵问题等干扰因素造成乘客的旅行时间变长，并超出航司的控制范围。
观望及保守应对：观望导致错误的决定并有可能使客户航班延期。
资源保障：干扰对机组人员的时间计划表造成严重破坏。
干扰因素管理：客舱检修、飞机动力恢复、机组人员恢复等协同配合。

落地行动：

再分配优化：重新预订过程自动化，减少人工工作量，尤其是呼叫中心呼叫量，能够在非常规操作事件中继续为客户提供更个性化的服务。
决策支持：在多数据源支撑之下，生成恢复计划后，人工智能提供决策辅助及干扰解决方案。
量化评估：人工智能提供综合的量化评估体系，从时间、收益、资源及旅客满意度多个维度进行智能分析。
停飞补偿：合理计算补偿机制和自动化执行精准补偿策略。

Flight Recovery

『航延恢复』 – 例：航班价值排序

现状&痛点：

小规模非正常运行决策：缺少满足运营限制又能最大化优化目标的解决方案；
大规模非正常运行决策：缺少满足机场以及航空公司运营限制条件下对航班做应急恢复处理的全局方案；
已发生非正常保障评测：缺少对于已发生及执行的恢复及保障的方案及动作量化动作评估；
未来非正常发生的预测：缺少对于未来潜在的待保障场景的预测和预先准备。

落地行动：

价值排序：建立基于航班自身价值及旅客价值的航班价值排序体系；并结合历史恢复实绩进行机器学习的纠正。
量化决策：以商委原航班计划为基准值，对航班扰动进行罚分；集合价值排序结果，对航班运行及保障恢复方案进行定量分析。
事后评估及补偿：根据过往保障及恢复实绩，对于当前已经发生的保障及恢复进行评估；基于深度学习，对其所带来的后续航班及资源调度冲击进行预测和补偿预案设计。

总结

人工智能无异于人类大脑等待深度探索，相信技术碰撞的火花将为民用航空业带来全新的人工智能时代！

先进制造业+工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生 新技术、新产品、新产业、新业态和新模式； 引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中， 利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。