智慧賦能 | 這位“AI搭子”有多能干？

當飛機突發故障時，機組焦急等待，運控實時催促，技術維修支援工程師必須在高壓下與時間賽跑——從海量厚重的技術手冊中，在密密麻麻的英文表述和分散的故障數據里，精準鎖定排故方案。稍有遲疑或方案出現偏差，就可能導致航班延誤甚至取消。這種“時間緊、要求高、資料散”的一線飛機維修痛點，催生了民航業打造智能維修助手的迫切需求。

Ameco工程部顧祝平科研創新實驗室IMM戰隊（以下簡稱“創新實驗室”）直擊核心痛點，打造了智能維修助手。該項目憑借全自主研發成果與契合實際的應用設計，在2025年中航集團人工智能創新應用大賽中奪得“創意暢想探索”二等獎。如今，智能維修助手已成為一線工程師的專屬“智能搭子”，助力民航維修工程師在實際作業中實現效率與安全的雙提升。

Ameco打造的飛機智能維修助手

“讓手冊自己說話”

2025年6月，創新實驗室主任顧祝平牽頭組建專項研發組，正式啟動空客A320/A330排故智能體研發項目。這一平均年齡35歲的“技術后浪”以“讓手冊自己說話”的“腦洞”，誓要給一線工程師配備一位24小時在線、隨叫隨到的飛機維修“AI（人工智能）搭子”。

然而，開發之路并非一帆風順。項目起步便直面雙重考驗：不僅缺乏專業IT（信息技術）開發人員、服務器資源不足且開發周期緊張，技術路線的抉擇更直接決定項目的成敗。主力開發工程師吳家駒回憶說：“在對比知識圖譜和RAG（檢索增強生成）技術時，我們發現知識圖譜簡直是個‘吃人力怪獸’——構建周期長不說，還很難精準匹配飛機維修的故障定位需求，外部供應商的方案更是‘水土不服’。但RAG技術就像給工程師配備了‘超級檢索大腦’，能直接調用現成工具，快速定位技術文檔，根本不用從頭梳理零件關系。”

開發工程師顧宇昌補充說，考慮到維修場景容不得AI“瞎說話”，我們最終拍板采用“RAG+標準化工作流”架構，就是要讓每個排故方案都可追溯，絕對不能讓安全隱患有可乘之機。

這個由一線工程師組成的研發團隊，在資源有限的情況下，始終以業務需求為導向，用AI技術為民航維修工程師打造出24小時在線的“AI搭子”，成為一線科研人員自主創新、賦能航空運維的生動實踐。

“準、快、可追溯”覆蓋四大核心環節

據介紹，智能維修助手是圍繞民航維修場景研發的全鏈路智能排故體系，由數據底座、檢索能力、工作流編排、結果輸出四大核心環節構成，通過各環節技術協同，實現從故障查詢到排故建議的一站式輸出，且所有技術選型均緊扣“準、快、可追溯”這3個硬指標和一線需求。

數據底座是系統運行的基礎，整合了兩類核心維修知識數據。一方面，該底座包含故障信息、處理措施、機號機型等關鍵字段的16493份維修信息系統中的結構化故障記錄。創新實驗室通過定時增量同步機制，將其從傳統關系型數據庫同步至ES數據庫（一個分布式、高擴展、高實時的搜索與數據分析引擎），實現數據清洗規范化，讓結構化數據適配自然語言檢索。另一方面，其涵蓋TSM（排故手冊）、工程文件等32597份空客A320/A330非結構化知識。創新實驗室經多格式文檔解析后，建立了7個專屬知識庫，為一線工作人員提供專業手冊依據和工程經驗。

檢索能力是系統的核心競爭力。創新實驗室在ES數據庫原生混合檢索的基礎上，研發改進型混合檢索策略，解決了“語義相似但故障主體不一致”的行業難題。該策略以“一次查詢+應用層二次處理”為核心，先通過ES數據庫同時實現關鍵詞和語義相似檢索，關鍵詞檢索鎖定告警、部件等強約束詞項，語義相似檢索則適配口語化、非規范化查詢，再在應用層通過重評分、百分位數過濾、覆蓋率過濾三步處理，重新計算語義相似度和詞條覆蓋率，剔除無關記錄，讓檢索結果既符合查詢習慣，又精準匹配故障主體。

工作流編排則讓多源檢索結果實現有效聯動。創新實驗室基于Dify平臺（開源大語言模型）打造包含故障歷史檢索、TSM手冊檢索、AI總結等6個節點的工作流，同時基于FastAPI（專屬框架）打造標準化數據接口，打破數據壁壘。工程師輸入故障問題后，系統可以同步調用多源檢索能力，將結果匯聚至AI總結節點，由大模型完成整合分析，避免單一檢索的信息片面性。結果輸出則完全符合維修現場習慣，摒棄單純記錄羅列，按固定格式輸出問題背景、處理措施統計、更換部件分析、技術建議四大內容，讓工程師能夠快速抓取核心信息。此外，系統搭載雙語兼容的向量模型和大語言模型，能實現專業術語精準翻譯、圖文混排文檔智能解析，消除了對英文手冊、復雜流程圖的理解痛點。

“懂業務才能做好AI”

智能維修助手投用后，可在幾分鐘內完成故障精準匹配，輸出包含手冊編號、流程圖和中文翻譯的排故方案，同時整合機隊歷史數據和部件更換統計，讓工程師告別“翻手冊、跨系統、拼信息”的傳統模式。

以“ENG 2 FIRE LOOP B FAULT（發動機2環路B火警探測失效）”這一典型故障為例，傳統檢索易出現包含“LOOP B”但故障主體為機翼的無關記錄，人工篩選耗時久。而智能維修助手通過改進型混合檢索，能精準鎖定發動機火警環路相關記錄，同時輸出歷史處理措施統計、更換部件分析和技術建議，明確“優先查線而非換件”的核心原則，讓排故決策更精準高效。

此外，智能維修助手還讓不同層級工程師均實現了工作效率的提高。新入職工程師借助手冊翻譯、流程圖生成功能，可快速理解排故流程，飛機維修學習門檻大幅降低；資深工程師能從煩瑣的多源數據整合中解放出來，原本1小時~2小時才能完成的資料檢索整理工作，系統幾分鐘即可完成，節省了80%以上的非核心工作時間，更聚焦故障分析與實際操作；技術支援團隊在緊急排故場景中，依托系統快速響應能力縮短反饋周期，有效降低航班延誤率和取消率，帶來了實實在在的經濟效益。

目前，智能維修助手已部署于實驗室自主研發的技術狀態與維修任務雙軌智能管控系統（iFleeTS）中，應用于空客A320/ A330機隊的智能維修保障工作。吳家駒表示，這場全自主研發的攻堅不僅驗證了“懂業務才能做好AI”的核心邏輯，更證明了一線工程師在航空維修智能化升級中的核心價值。未來，創新實驗室將繼續打磨產品，讓智能維修助手成為民航維修工程師的“標配工具”，以自主可控的AI技術為航空維修行業的智能化升級注入實干力量，讓每一次飛行都因智能科技而更有保障。（中國民航報 通訊員陳璐）

（本文刊載于中國民航報2026年4月8日8版）

《智慧民航》導刊每周三

與廣大讀者見面

讓我們一起

聚焦智慧民航建設熱點

擘畫全新未來

期待您的來稿！

投稿郵箱：icanews@163.com

編輯|李季威

校對|張 薇

審核|韓 磊