Dick Slansky，ARC 咨詢集團高級分析師/作者

航空航天制造業的頂級技術投資領域包括高級分析、云計算、建模和仿真、物聯網平臺、生產流程優化和預測分析。人工智能 (AI) 和機器學習 (ML) 等人工智能子集將在實際實施中推動該技術的大部分發展。

對 AI 和認知計算的早期研究已經將真正的解決方案應用于現實世界的流程。除了機器人、增材制造和其他顛覆性技術外，航空航天和國防 (A&D) 行業相對較快地認識到 AI 的潛力，并欣然接受它產生的科學和技術。這兩個行業都制定并實施了各自的數字化轉型路線圖。

從歷史上看，自動化系統一直是 A&D 行業從駕駛艙到工廠車間的重要元素。我們已經看到從首次使用自動駕駛儀和其他自動化系統到未來的自主航空電子系統的穩步發展。自動化工廠生產系統已經從程序控制系統發展為基于預測性、規定性甚至自主自愈系統的機器和生產系統，這些系統由 AI/ML 算法支持。

在工廠生產領域，ML 正在以多種方式幫助改進和優化生產過程。其中包括減少設備故障的發生率，以保持生產速度正常運轉并減少代價高昂的停機時間。基于機器學習的算法可以訪問和分析來自機器振動傳感器的大量數據，以檢測和預測機器異常和故障。此外，機器學習可以規定性地確定如何最好地修復和預防問題。最終，ML 算法可以協調機器和裝配線的完整自我修復自主生產環境。

AI 和 ML 正被用于確定航空航天制造業的最佳生產流程。規范性分析結合大數據、數理統計、邏輯和機器學習，以經驗方式揭示最復雜生產問題的根源，然后提出解決這些問題的決策選項。基于 ML 的生產智能系統使用模式識別技術來分析產品和流程的現有生產數據，并識別有效（最佳實踐）和無效（風險情況）的模式。這些模式被轉換成人類可讀的規則形式，然后應用于制造操作以獲得最佳實踐。航空航天制造商正在使用這種方法來優化先進的復合材料制造工藝。

增材制造的興起

如今，A&D 行業是增材制造 (AM) 零件的最大用戶。從波音和空客的商業雙頭壟斷到洛克希德馬丁等國防原始設備制造商，數以千計的 AM“飛走”零件用于飛機制造。例如，波音公司最新的風體模型 777X 在飛機上有 600 多個打印部件，其中巨大的 GE9X 發動機中有 300 多個打印部件。它被譽為當今雙噴氣寬體飛機最強大、最高效的發動機。波音 777X 在尺寸、性能和 AM 部件數量方面與空客 A350 XWB 競爭。A350 已經擁有 1,000 多個打印部件。 

波音公司大力推進增材制造，并申請了與更換飛機零件的 3D 打印相關的專利，這可能對公司未來的運營產生嚴重影響。他們希望創建一個零件庫來存儲 AM 零件定義文件，包括一個數據庫和一個零件管理系統，而不是將零件存儲在各個分銷中心，或者要求將零件運送給他們，從而導致大量延遲。 

相反，該公司只需為需要的零件提取特定的 AM 文件，并在幾分鐘或幾小時內制造出來，只要有打印機可用。目前，該公司擁有超過 350 個 AM 標準零件，涵蓋 10 個不同的飛機生產計劃，目前約有 20,000 個印刷零件在其飛機上使用。

增材制造產生重大影響的另一個 A&D 制造領域是用于支持生產線組裝和安裝的工具。使用新一代大面積增材制造 (BAAM) 打印機，大型工裝夾具和夾具可以在更短的時間內制造為單個大型零件，從而消除多個零件組裝。

目前，人工智能是航空航天增材制造設計過程中不可或缺的一部分。在飛機零件設計中，實現最佳重量強度比是首要目標，因為減輕重量是機身結構設計的一個重要因素。今天的 PLM 解決方案提供功能驅動的生成設計，使用基于 AI 的算法來捕獲功能規范并生成和驗證最適合 AM 制造的概念形狀。使用這種生成功能設計方法可以在功能規范內產生最佳的輕量化設計。