研究團隊參考新航19架A380型客機在2015年至2016年間的快速存取記錄，收集飛機上約2500個傳感器的數據，研發出人工智能系統，計算出部件損壞前，數據間所産生的一些信號或區別模式，通過機器學習來預測部件何時損壞。
飛機一般會定期進行維修，但新的預測性維修技術能在飛機部件損壞前發出通知，讓維修人員及時更換或維修部件，有助減少航班延誤事件。
這項預測性維修技術是由新加坡航空公司與新加坡科技研究局（A*Star）屬下的資訊通信研究院合作研發，目前主要用于飛機發動機引氣系統（Engine Bleed Air System）中的一個重要部件。
負責這項研究的研究院數據分析部門科學家莎維塔博士受訪時說，團隊參考了新航旗下19架A380型客機在2015年至2016年之間的快速存取記錄（Quick Access Record），這記錄收集了整架飛機上約2500個傳感器的數據如氣壓和溫度等。
研究團隊采用這些數據及部件損壞記錄研發出一個人工智能系統，計算出部件損壞前，數據之間所産生的一些信號或區別模式，並通過機器學習來預測部件何時損壞。
莎維塔指出，研究團隊之後也以新航去年5760個航班的數據來驗證這個維修技術，發現從2015年至2017年間，所預測到部件損壞的准確度達到約70％至75％。其中雖有三次沒有預測到損壞，但進一步分析發現，發生這幾次損壞時數據沒有呈現明顯的區別，或是部件毫無預兆突然損壞等。
飛機最佳維修周期難制定
她說：“由于每架飛機及各部件需要維修的時期都不一樣，航空公司很難制定一個最佳的飛機維修周期，而這項新技術能在這個部件損壞前的一個星期至10天內探測到異樣並發出通知，讓公司能根據需要進行維修。”
新航數據分析與數字化高級經理劉家福受訪時透露，新航兩年內發生的航班延誤事件中，有五次是由這個部件造成，是導致最多航班延誤的部件之一，因此研究團隊決定先從該部件著手。
他說：“由于A380型客機可乘載的乘客最多，所以發生延誤時造成的影響非常大。我們希望這項新科技能夠減少延誤事故，一次延誤都算太多。”
劉家福指出，新航旗下飛機進行的定期維修一般是依照飛機累積一定的飛行小時或飛行周期，但部件若在其他時候損壞，新航得將那架飛機帶回維修廠，不僅延誤航班，對乘客造成不便，同時也將增加額外的維修和人力成本。此外，若因定期維修而更換還能運作的部件，也是在浪費資源。
他說：“雖然一些飛機部件可能還須采用傳統的維修方式，但這項新預測性維修技術將有助提升我們維修方面的能力，並提高效率及安全。”
劉家福透露，新航目前正在公司和維修廠內建造可支持數據分析的資訊科技設施，以便采用這項新維修技術，預計今年底將投入運作。
新航接下來也計劃將這項預測性維修技術用于不同飛機部件，並逐步擴展到其他的飛機型號。