【行業(yè)動態(tài)】航空MRO領(lǐng)域AI研發(fā)投入迎來回報(bào)，企業(yè)效率顯著提升

導(dǎo)讀：據(jù)aviationweek網(wǎng)站11月7日報(bào)道，人工智能（AI）的應(yīng)用熱潮已滲透至絕大多數(shù)行業(yè)，航空維修、修理與大修（MRO）領(lǐng)域的早期布局正開始收獲切實(shí)成果。波音公司通過生成式AI（GenAI）處理重復(fù)性任務(wù)或解讀海量文本類工作，部分業(yè)務(wù)板塊生產(chǎn)率提升達(dá)70%。

AI的潛在應(yīng)用場景、效益與挑戰(zhàn)，成為今年MRO行業(yè)活動中技術(shù)議題的核心。無論MRO企業(yè)是已大舉投入AI研發(fā)，還是持謹(jǐn)慎態(tài)度以“快速跟進(jìn)者”身份試水，如今多數(shù)企業(yè)均在探索該技術(shù)如何簡化MRO流程、提升安全性與效率。

奧利弗·懷曼（Oliver Wyman）2025年MRO調(diào)研顯示，64%的受訪者表示已采用AI技術(shù)，較去年的58%有所上升；稱AI投資價(jià)值達(dá)到或超出預(yù)期的企業(yè)比例從去年的20%飆升至58%；近三分之一的受訪機(jī)構(gòu)已組建專門的MRO AI團(tuán)隊(duì)。

例如，法航荷航工程維修公司（AFI KLM E&M）向《Inside MRO》透露，其近期新增“數(shù)據(jù)分析翻譯官”崗位，負(fù)責(zé)銜接公司數(shù)據(jù)、信息技術(shù)（IT）團(tuán)隊(duì)與業(yè)務(wù)部門；GA Telesis去年成立數(shù)字創(chuàng)新小組，下設(shè)專注AI項(xiàng)目的團(tuán)隊(duì)；國際航空集團(tuán)（IAG）則有約70名AI專家分布在9個(gè)團(tuán)隊(duì)中，并在西班牙巴塞羅那設(shè)立了AI實(shí)驗(yàn)室。

“我們注意到，關(guān)于如何在技術(shù)運(yùn)營中部署AI的需求咨詢與相關(guān)討論正緩慢但穩(wěn)步增加。”奧利弗·懷曼運(yùn)輸與運(yùn)營業(yè)務(wù)負(fù)責(zé)人山姆·薩金特（Sam Sargent）表示，“回溯一兩年前，所有人都在談?wù)揂I，但實(shí)際落地進(jìn)展寥寥；而過去12個(gè)月里，企業(yè)開始圍繞AI啟動更貼合實(shí)際的項(xiàng)目。”

奧利弗·懷曼調(diào)研中提及的最廣泛應(yīng)用場景包括：航材與庫存預(yù)測及規(guī)劃、維修方案制定與可靠性分析、預(yù)測性分析，以及維修計(jì)劃編排。許多受訪者也表示將AI用于提升通用生產(chǎn)力及支持性職能。

薩金特指出，庫存預(yù)測等傳統(tǒng)機(jī)器學(xué)習(xí)應(yīng)用之所以成為調(diào)研中最常見的場景，是因?yàn)檫@類技術(shù)已應(yīng)用多年；而他在客戶對接中發(fā)現(xiàn)，最具吸引力的應(yīng)用集中在生成式AI（GenAI）與智能體AI（agentic AI）——前者可基于用戶指令生成原創(chuàng)內(nèi)容，后者能依據(jù)相關(guān)數(shù)據(jù)自主決策并行動。

例如，薩金特觀察到，AI在自動化縮短“技術(shù)人員翻閱PDF文檔、梳理手冊文件以分析維修方案并查找先例”的研究時(shí)間方面頗具潛力。他提到，這類AI應(yīng)用在飛機(jī)停場（AOG）場景中關(guān)注度頗高：AOG狀態(tài)下，維修人員需從多個(gè)渠道檢索信息，以優(yōu)化人員、工具及備件的決策。

應(yīng)用場景落地加速

過去一年，眾多OEM廠商、航空公司與MRO企業(yè)紛紛發(fā)布AI驅(qū)動的產(chǎn)品，或披露借助AI提升效率的成果。

GA Telesis數(shù)字創(chuàng)新集團(tuán)總裁杰森·里德（Jason Reed）在1月沃斯堡舉辦的《航空周刊》網(wǎng)絡(luò)“美洲航空發(fā)動機(jī)峰會”上表示，AI實(shí)現(xiàn)了“在正確時(shí)間、正確地點(diǎn)儲備正確庫存”的轉(zhuǎn)型；他在6月杰富瑞投資銀行主辦的虛擬售后市場峰會上進(jìn)一步闡述，公司正利用AI整合內(nèi)部數(shù)據(jù)，目標(biāo)實(shí)現(xiàn)35%的年增長率。

“憑借我們的生態(tài)規(guī)模，能夠整合內(nèi)部及與運(yùn)營商、供應(yīng)商、采購商、維修商的外部數(shù)據(jù)，構(gòu)建數(shù)據(jù)倉庫……并通過建模驅(qū)動業(yè)務(wù)發(fā)展。”里德稱，“我們已將AI應(yīng)用于采購模型、維修模型、零件分級、零件定價(jià)及公允市場價(jià)值評估等各個(gè)環(huán)節(jié)。”在MRO板塊，GA Telesis利用AI預(yù)測車間進(jìn)場需求，提前采購并調(diào)配所需零件，從而縮短維修周轉(zhuǎn)時(shí)間。

Setna iO合伙人兼首席商務(wù)官亨特·埃登斯（Hunter Edens）在杰富瑞峰會上指出，AI借助庫存管理系統(tǒng)內(nèi)置的文本識別功能，幫助公司快速評估飛機(jī)價(jià)值。

“我們可將‘狀態(tài)監(jiān)控部件清單’或‘定壽部件清單’（這兩類文檔最能反映飛機(jī)裝機(jī)部件信息）的PDF文件導(dǎo)入AI文本識別工具，”埃登斯解釋道，“15分鐘內(nèi)即可生成Excel表格，包含每個(gè)零件的最新售價(jià)、過去四次維修的綜合均價(jià)、平均成本及單件凈值。”他補(bǔ)充，這讓公司能基于庫存逐行精準(zhǔn)評估飛機(jī)價(jià)值，為日常銷售訂單與維修訂單處理提供依據(jù)。

Setna iO運(yùn)營高級副總裁莎拉·克萊因（Sarah Klein）在2月巴拿馬城舉辦的《航空周刊》網(wǎng)絡(luò)“拉丁美洲MRO峰會”上進(jìn)一步透露，公司AI驅(qū)動的庫存與優(yōu)化工具“在最簡單的應(yīng)用場景中創(chuàng)造了最大價(jià)值”，例如重復(fù)性行政工作：通過文本與圖像識別，可即時(shí)處理工作訂單，替代原本需10分鐘以上的人工操作。

亞太地區(qū)企業(yè)實(shí)踐

9月新加坡舉辦的《航空周刊》網(wǎng)絡(luò)“亞太MRO峰會”上，GE航空、HAECO、新加坡航空工程（SIA Engineering）與ST Engineering分享了各自優(yōu)先推進(jìn)的AI應(yīng)用。

新加坡航空工程企業(yè)規(guī)劃與持續(xù)改進(jìn)高級副總裁David So表示，公司正探索利用GenAI分析歷史數(shù)據(jù)，預(yù)測故障并優(yōu)化維修計(jì)劃。

HAECO集團(tuán)數(shù)字總經(jīng)理Alex Chen稱，公司已借助AI分析維修工作包，目前正拓展至計(jì)劃環(huán)節(jié)，以更高效地進(jìn)行排班，“從根本上優(yōu)化機(jī)庫內(nèi)人員、物料與工具的調(diào)配”。他補(bǔ)充，AI將原本需數(shù)天甚至數(shù)周的工作包理解時(shí)間縮短至數(shù)小時(shí)。

ST Engineering首席技術(shù)官、高級副總裁兼創(chuàng)新與可持續(xù)發(fā)展負(fù)責(zé)人Kenneth Low指出，公司機(jī)體MRO業(yè)務(wù)的一大挑戰(zhàn)是，全球6個(gè)維修站點(diǎn)需處理海量文檔：“每個(gè)維修站為生成飛機(jī)維修任務(wù)卡，需處理500-1000萬頁文檔，且這一過程高度依賴人工，易受人為誤差影響。”傳統(tǒng)模式下，梳理文檔并完成飛機(jī)維修進(jìn)場準(zhǔn)備需約15天，而AI幫助將耗時(shí)縮短約90%；不過他強(qiáng)調(diào)，公司仍在優(yōu)化模型的一致性與準(zhǔn)確性，需投入額外精力進(jìn)行復(fù)核。

GE航空客戶服務(wù)機(jī)隊(duì)支持總監(jiān)David Harper提到，該發(fā)動機(jī)制造商十多年前便在監(jiān)控與診斷領(lǐng)域應(yīng)用AI，以避免運(yùn)營中斷與非計(jì)劃維修；去年聯(lián)合微軟與埃森哲開發(fā)GenAI工具，幫助航空公司與租賃商更快獲取關(guān)鍵維修記錄，將原本耗時(shí)數(shù)小時(shí)的檢索工作縮短至數(shù)分鐘。

Harper還強(qiáng)調(diào)了AI在發(fā)動機(jī)檢測中的廣泛應(yīng)用：GE航空5月在紐約尼斯卡于納的研發(fā)中心向《Inside MRO》透露，目視檢測占其全球售后設(shè)施工作量的最大份額；該研發(fā)中心正開發(fā)并測試多種AI輔助檢測技術(shù)，包括“機(jī)器人+孔探儀”采集圖像、再通過機(jī)器學(xué)習(xí)等AI技術(shù)分析的方案；此外，GE將攝像系統(tǒng)與機(jī)器學(xué)習(xí)結(jié)合用于熒光滲透檢測，準(zhǔn)確率較人工目視提升約15%。

機(jī)庫與運(yùn)營場景

FEAM Aero正評估AI系統(tǒng)通過分析攝像頭畫面識別潛在安全隱患的能力，例如技術(shù)人員未穿戴合規(guī)防護(hù)裝備、地面支持設(shè)備停放距飛機(jī)過近等情況。

IAG近期開發(fā)AI工具，通過分析數(shù)百萬種涵蓋運(yùn)營、財(cái)務(wù)與技術(shù)因素的場景，為機(jī)隊(duì)制定最優(yōu)發(fā)動機(jī)維修計(jì)劃。愛爾蘭航空已在部分空客A320搭載的CFM國際CFM56-5B發(fā)動機(jī)上啟用該系統(tǒng)，IAG預(yù)計(jì)集團(tuán)內(nèi)其他航空公司將在年底前跟進(jìn)；其AI團(tuán)隊(duì)還有多項(xiàng)發(fā)動機(jī)相關(guān)項(xiàng)目在研，計(jì)劃未來一兩年內(nèi)落地。

漢莎技術(shù)（LHT）3月在其Aviatar數(shù)字平臺推出首款A(yù)I工具——Technical Repetitives Examination工具。該工具可分析技術(shù)日志中的缺陷描述，識別拼寫錯(cuò)誤、錯(cuò)誤的航空運(yùn)輸協(xié)會（ATA）章節(jié)歸類或不同語言表述的同一問題（例如“咖啡機(jī)”“咖啡壺”“濃縮咖啡機(jī)”被識別為同一部件，并自動歸類至正確ATA章節(jié)），確保缺陷記錄準(zhǔn)確；同時(shí)可識別早期重復(fù)性故障，最終目標(biāo)是自動生成故障排除建議。

MRO軟件提供商AireXpert正探索利用AI打破語言壁壘：其Aire-Xpert平臺聚焦飛機(jī)維修相關(guān)方的實(shí)時(shí)溝通協(xié)作，近期推出AI翻譯功能，助力不同國家團(tuán)隊(duì)高效溝通。產(chǎn)品負(fù)責(zé)人Kamal Patel表示，AireXpert還利用AI優(yōu)化維修計(jì)劃會議效率。

“全球每家航空公司每天都會召開1小時(shí)的維修計(jì)劃會議，參會人數(shù)達(dá)80-150人，所有人都在相互核對信息，”Patel告訴《Inside MRO》，“參會者可能僅發(fā)言30秒，卻要花費(fèi)1小時(shí)參會——這相當(dāng)于150人×1小時(shí)的人力成本，且時(shí)間并未用于解決實(shí)際問題。AireXpert可通過AI即時(shí)生成會議摘要，參會者無需逐一梳理即可獲取關(guān)鍵信息。”

AireXpert正與多家AI軟件開發(fā)商合作，將其功能整合至平臺，例如集成AIXI的ATA AutoCoder工具：該工具利用AI解析技術(shù)人員的維修日志，生成詳細(xì)問題描述、自動分配ATA代碼并預(yù)測維修成功率。Patel表示，整合更多AI工具的核心目標(biāo)是，為需同時(shí)管理多個(gè)軟件平臺的客戶簡化操作。

AFI KLM E&M的AI工具矩陣

AFI KLM E&M的AI負(fù)責(zé)人Marc Van Leeuwen向《Inside MRO》透露，在法航全業(yè)務(wù)板塊80余個(gè)GenAI項(xiàng)目中，公司已開發(fā)出三款核心工具：

1. TRAK系統(tǒng)（Transparent Reliable Accessible Knowledge System）：專注解決AOG案例。Van Leeuwen指出，資深工程師可快速定位AOG故障解決方案，但受人員配置與退休等因素影響，這類專業(yè)知識并非隨時(shí)可用，傳統(tǒng)模式下需數(shù)小時(shí)翻閱文檔；TRAK整合數(shù)萬份相關(guān)文檔，通過GenAI生成文檔標(biāo)題與摘要，大幅提升檢索效率。

2. Voice to Admin語音轉(zhuǎn)行政工具：借助語音識別技術(shù)錄入維修文檔，替代手寫筆記與數(shù)據(jù)錄入。Van Leeuwen提到，手寫記錄不僅耗時(shí)，還可能導(dǎo)致信息錯(cuò)誤（如漢莎技術(shù)提及的“咖啡機(jī)”表述差異問題），且易造成輪班交接混亂；該工具會提示工程師核對模糊表述（如僅寫“損壞”而未說明具體缺陷類型），并校驗(yàn)數(shù)據(jù)格式，在提升數(shù)據(jù)質(zhì)量與生產(chǎn)率的同時(shí)，讓工程師專注于維修而非文書工作，員工滿意度顯著提升。

3. Charlie工具：幫助工程師快速在航空公司與OEM文檔中查找正確零件號并加速備件訂購，平均縮短零件維修/更換流程超1小時(shí)。

產(chǎn)業(yè)化落地策略

波音數(shù)據(jù)與AI戰(zhàn)略副技術(shù)研究員Michael Williams在4月亞特蘭大舉辦的《航空周刊》網(wǎng)絡(luò)“MRO系統(tǒng)集成峰會”上表示，GenAI系統(tǒng)尤其適用于文本密集型場景：“重復(fù)性任務(wù)、需處理大量文本且認(rèn)知負(fù)荷高的工作，或是需對海量文本/多模態(tài)數(shù)據(jù)進(jìn)行目視檢查分析的場景，都是GenAI的優(yōu)勢領(lǐng)域——因?yàn)锳I不會疲勞，能反復(fù)處理同一合同文檔。”

波音通過在這類場景應(yīng)用GenAI，實(shí)現(xiàn)約70%的生產(chǎn)率提升。“另一大優(yōu)勢是縮短時(shí)間周期：減少任務(wù)交接環(huán)節(jié)即可實(shí)現(xiàn)這一目標(biāo)。”Williams解釋，“傳統(tǒng)模式下，一份文檔可能需要多人審核、反復(fù)修改，雖單環(huán)節(jié)人力成本不高，但整體耗時(shí)漫長。”

波音內(nèi)部聊天機(jī)器人“Boeing Conversational AI”允許員工調(diào)用企業(yè)專有信息“探索無限應(yīng)用場景”。Williams表示：“我們投入大量精力梳理AI在產(chǎn)品與服務(wù)中的應(yīng)用場景及商業(yè)案例……但價(jià)值最高、應(yīng)用最廣泛的場景，實(shí)則來自員工借助該聊天機(jī)器人自主探索的需求。”

FEAM技術(shù)副總裁Joseph Hernandez在拉丁美洲MRO峰會上提到，公司采取類似策略：允許員工試用各類AI工具，同時(shí)設(shè)置管控機(jī)制“防止數(shù)據(jù)刪除或合同違規(guī)等問題”。

“我們?yōu)閱T工、部門團(tuán)隊(duì)提供‘沙盒環(huán)境’，讓他們自主開發(fā)并測試AI應(yīng)用場景；經(jīng)審核落地后，再提供技術(shù)支持并聯(lián)合多方優(yōu)化方案。”Hernandez解釋，“核心思路是將研發(fā)主動權(quán)下放給員工……由他們發(fā)現(xiàn)AI的價(jià)值所在。”

Van Leeuwen在5月布拉格舉辦的《航空周刊》網(wǎng)絡(luò)“MRO BEER活動”上透露，ChatGPT興起時(shí)，AFI KLM E&M在公司內(nèi)部開展多場路演，“確保員工掌握AI的正確使用方式，同時(shí)規(guī)避誤用風(fēng)險(xiǎn)”；在孵化出潛力應(yīng)用場景后，公司與谷歌合作推進(jìn)產(chǎn)業(yè)化：“我們搭建了專屬平臺，將數(shù)據(jù)集中處理并開發(fā)通用模型，同時(shí)保持模型選擇的開放性，不局限于單一模型。”他補(bǔ)充，公司可對ChatGPT、谷歌Gemini等不同模型進(jìn)行基準(zhǔn)測試。

漢莎技術(shù)企業(yè)戰(zhàn)略與市場分析負(fù)責(zé)人Sven Taubert對此表示認(rèn)同：“過去企業(yè)傾向于全流程自研，如今大家意識到，對于大語言模型（LLM）等技術(shù)，自研并非最優(yōu)解——更合理的模式是搭建專屬后端，對接本地部署的ChatGPT等模型。”盡管這需要內(nèi)部IT團(tuán)隊(duì)信任外部合作方，但能大幅加速AI研發(fā)進(jìn)程并支持實(shí)時(shí)原型驗(yàn)證。

Legion Intelligence（原Yurts AI）企業(yè)事業(yè)部總經(jīng)理Maddie Wolf在MRO系統(tǒng)集成峰會上分析了AI研發(fā)“自建vs外購”的利弊：“許多企業(yè)選擇自研AI，但我認(rèn)為多數(shù)企業(yè)并無必要。”

她指出，自研的合理訴求包括：需與老舊系統(tǒng)集成、避免供應(yīng)商鎖定、關(guān)注數(shù)據(jù)安全隱私與部署問題；“但核心思路不應(yīng)是‘非此即彼’，而是‘組合策略’：自研核心關(guān)鍵組件并掌握所有權(quán)，外購非核心能力。因?yàn)樽匝胁粌H需投入開發(fā)時(shí)間與人力，還需承擔(dān)長期維護(hù)成本。”

Williams補(bǔ)充了自研的成本考量：“若選擇自研，需確保投入能與前沿模型開發(fā)商的數(shù)十億美元投入抗衡——否則模型將在6-12個(gè)月內(nèi)過時(shí)，前期投入全部白費(fèi)。”

Setna iO的Klein表示：“若資源充足，自研無疑是最優(yōu)選擇，可完全適配企業(yè)業(yè)務(wù)與AI發(fā)展階段；但若無自研資源，第三方應(yīng)用也是可行方案。關(guān)鍵是配備‘技術(shù)賦能型內(nèi)部人才’——AI失敗的主因往往是數(shù)據(jù)預(yù)處理與鏈路搭建不當(dāng)，需專人深度理解業(yè)務(wù)與AI部署，才能確保第三方合作成功。”

FEAM的Hernandez認(rèn)可與谷歌、微軟、OpenAI等大型AI服務(wù)商合作的模式：“自研LLM難度極高。”但他強(qiáng)調(diào)，企業(yè)的核心價(jià)值在于自有數(shù)據(jù)，因此在布局AI前，必須建立完善的內(nèi)部數(shù)據(jù)治理體系。

HAECO的Alex Chen提到，公司最初憑借數(shù)十年歷史數(shù)據(jù)推進(jìn)AI項(xiàng)目時(shí)，發(fā)現(xiàn)不同部門數(shù)據(jù)采集與解讀標(biāo)準(zhǔn)差異導(dǎo)致的缺口；目前公司正通過后端系統(tǒng)現(xiàn)代化、統(tǒng)一流程與數(shù)據(jù)標(biāo)準(zhǔn)來解決這一問題。

ST Engineering的Kenneth Low表示，AI幫助公司將非結(jié)構(gòu)化歷史數(shù)據(jù)梳理為可用格式，但這是一個(gè)學(xué)習(xí)過程：需明確核心數(shù)據(jù)范圍，并推動全公司參與主數(shù)據(jù)管理。

Williams對此表示認(rèn)同，波音擁有百余年數(shù)據(jù)（包括紙質(zhì)文檔、微縮膠片及倉庫存檔資料），“數(shù)據(jù)治理的最大挑戰(zhàn)是確定需重點(diǎn)治理的數(shù)據(jù)——即影響運(yùn)營、產(chǎn)品服務(wù)或關(guān)乎安全合規(guī)的戰(zhàn)略數(shù)據(jù)”。

理性看待AI：并非“萬能解”

盡管MRO行業(yè)已大舉投入AI，但多數(shù)專家建議采取系統(tǒng)化方法，審慎評估系統(tǒng)準(zhǔn)確性及技術(shù)的實(shí)際必要性。

漢莎技術(shù)的Taubert透露，公司內(nèi)部測試顯示，AI處理數(shù)據(jù)的準(zhǔn)確率約90%，較人工提升10%；“但對于適航相關(guān)工作，準(zhǔn)確率需接近甚至達(dá)到100%，因此AI輸出必須經(jīng)人工復(fù)核。”

“切勿盲目將所有任務(wù)交給AI，”Taubert提醒，“AI并非所有場景的最優(yōu)解，且能耗較高、存在成本；在部分場景中，其他技術(shù)可能更高效。”

Williams指出：“企業(yè)的一大誤區(qū)是不了解不同AI技術(shù)的適用邊界——AI擅長部分任務(wù)，但在其他任務(wù)中表現(xiàn)不佳，全程需人工監(jiān)督。明確AI的能力邊界，能有效解決落地中的問題（如幻覺現(xiàn)象，或出現(xiàn)‘用AI計(jì)算扭矩卻出錯(cuò)，而計(jì)算器可精準(zhǔn)完成’的情況）。”

Wolf提到，盡管AI在預(yù)測性維修中價(jià)值顯著，但在MRO場景中，微小的表述差異可能導(dǎo)致嚴(yán)重后果：“多數(shù)LLM具有生成性，若將GenAI或LLM用于MRO故障排除，它可能修改表述——例如將‘?dāng)Q緊至指定扭矩’改為‘稍微擰緊’。需嚴(yán)格確保AI輸出精確文本，且內(nèi)容可驗(yàn)證。”

ST Engineering的Kenneth Low觀察到，AI在“個(gè)人行政輔助”（如ChatGPT處理文檔）中的使用率較高，但在“業(yè)務(wù)單元核心任務(wù)”（如飛機(jī)/發(fā)動機(jī)交付）中使用率降至15%，在OEM-MRO-資產(chǎn)管理全鏈路中甚至低至5-10%。“核心原因是員工將其視為‘輔助工具’，而非‘核心生產(chǎn)力工具’。當(dāng)前階段，我們將AI定位為輔助技術(shù)——它無法憑空解決所有問題，但長遠(yuǎn)來看，未來企業(yè)必然是‘AI賦能型’而非‘無AI型’。”

原 創(chuàng)文章，轉(zhuǎn)載請注明來自@兩機(jī)動力控制

（歡迎加小編微信號：gtc6000；QQ群：603094810；資料都存在QQ群文件夾中）

免責(zé)聲明：本公眾號所載內(nèi)容為本公眾號原創(chuàng)或網(wǎng)絡(luò)轉(zhuǎn)載，轉(zhuǎn)載內(nèi)容版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)或其他問題，請跟我們聯(lián)系！轉(zhuǎn)載內(nèi)容為作者個(gè)人觀點(diǎn)，并不代表本公眾號贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé)。本公眾號擁有對此聲明的最終解釋