SAS BI合作Lockheed Martin：飞行器的维护

(1)客户介绍

洛克希德·马丁公司，全称洛克希德·马丁空间系统公司（英语：Lockheed Martin Space Systems Company，简称LMT），前身是洛克西德公司（Lockheed Corporation），创建于1912年，是一家美国航空航天制造商。公司在1995年与马丁·玛丽埃塔公司合并，并更名为洛克希德·马丁公司。洛克希德·马丁公司的总部位于马里兰州蒙哥马利县的贝塞斯达。

(2)项目背景

C-130 大力神是航空史上用途最广泛的飞行器。既可以在世界海拔最高的喜马拉雅机场着陆，也可以在大西洋中部的航空母舰上起降，这架飞机因其无与伦比的多功能性、性能和任务执行能力而闻名。

如今，有 70 个国家借助 C-130 运输机执行搜救、维和、医疗疏散、科学研究、军事行动、空中加油和人道主义救援任务。C-130 迄今为止已经生产了超过 2500 架。目前全球使用的机型包括传统的 C-130 机型，以及最新的 C-130J 超级大力神。

因为 C-130 是全球应用的一个重要机型，任何 C-130 的故障停机都会对客户任务的执行造成影响。

(3)解决方案

该公司的数据分析专家 Mike Isbill 说：“最令我感到骄傲的是 C-130 的救援能力。有一次菲律宾发生飓风，一天之内就出动了数十架 C-130，为当地居民提供物资和进行救援工作。还有世界各地发生饥荒时都是靠 C-130 运输食品和疏散灾民。”

该公司是 C-130 的原始设备制造商（OEM），借助 SAS 实现了正常运行时间最大化。这家公司利用人工智能 （AI）、IoT 和高级分析预测部件何时发生故障，让更多的飞机得以参与执行全球范围内的重要任务。

与 SAS 的合作使我们由一家被动的支持公司变成了一家主动的公司。

对复杂机器设备的分析都要从收集数据开始。机身上的 600 个传感器使得 C-130J 运输机每飞行一小时就能生成 72000 行数据。重要的是，这些数据包括了故障部件的故障代码。

此前，这些从飞机流向存储设备的 IoT 数据存储在不同的系统中。世界上不同国家运行的 400 多架 C-130J 没有集中的数据存储库。这使得客户的工程师都是根据他们自己对数据的解释来维护飞机，这往往导致不必要的维护，以及远途运输部件造成的长时间停机。

还是孩子的时候，Isbill 就很喜欢解决问题。他一开始从事游戏编程工作，后来逐渐进入了分析领域。现在，在 该公司，Isbill 致力于帮助客户解决飞机停机时间过长的问题。

他取得的第一个突破是让所有 C-130J 的运营商同意分享各自的飞行数据。庞大的数据量和不同的数据格式给如何清理和存储这些数据带来了挑战，最初每个月需要三名员工进行清理。

于是 Isbill 开始寻找一种强大的分析解决方案。通过概念验证后，该公司投资了 SAS 平台，现在依靠该平台强大的人工智能、商业智能和数据管理能力解决数据问题并建立预测性维护模型。

“非常棒的合作。”Isbill 说，“通过 SAS，我们将数据清理时间缩短了 95%，这使我们可以将更多时间用于实际的分析。凭借这套解决方案和一个数据科学小组，我们能够快速获得分析结果，这将会缩短停机时间，并为我们的客户节约成本。”

随着客户数据的不断涌入，Isbill 和他的团队开始研究如何使用 C-130J 的飞行数据来分析单个部件，预测它们可能出现故障的时间 – 这可以帮助客户提前储备对应的部件，确保飞机持续运行，执行更多救援任务。 

系统利用 C-130 客户、该公司工程师和零部件供应商提供的数据形成了一个存储超过 300 个飞机零部件数据的中央存储库。系统利用机器学习 和 IoT 分析，借鉴维修历史中的经验，实时生成飞机维护的最佳实践。
 

例如，如果一个故障代码导致某个部件被替换，但是后来发现该部件在 80% 的情况下都处于良好工作状态，那么系统将从这个错误中吸取经验，下一次会优先建议排除故障而不是更换部件。如果客户拒绝此建议，采取不同的应对方案，系统也会从中学习。

该公司将这项服务称为“智能诊断”，并认为它有可能彻底改变客户理解和维护飞机的方式。

“客户非常感兴趣，因为这为他们节省了时间。”Isbill 说，“他们知道什么时候该做什么。他们不必浪费时间去分析，我们可以直接告诉他们。”

借助智能诊断盈利创收

对于该公司来说，未来一个特别重要的发展领域便是向客户提供智能诊断附加服务。

“我们看到了 SAS 给我们带来的进步。”Isbill 说，“我们与我们的供应团队合作，不仅要改善现有客户的备件销售，还要改善我们向新客户销售备件的方式，并实现全球的零部件定位，以加快配送速度。”

最近一个项目展示了备件优化相关智能诊断的美好前景。该公司与其最大的一家 C-130J 运营商合作，在三个月内追踪了 20 架飞机的 50 个零部件。借助预测性维护模型，该公司使该客户的停机时间缩短了 1400 小时 – 现在这 1400 小时都可以用于执行任务。

(4)价值体现

优化飞机维护和生产

展望未来，该公司希望将预测性分析扩展到其它业务领域。尤其是优化定期维护 – 这是飞机停机的主要原因 – 和节约生产成本。

“与 SAS 的合作使我们由一家被动的支持公司变成了一家主动的公司。”Isbill 说，“我们现在对于我们自己和我们的客户即将面临的问题有了深入的了解。通过将分析转移到维护人员手中，将改善所有飞机的可用性，同时，我们还将使用我们接收到的大量数据不断改进我们的模型。”