摘要：历史记录表明，飞机的运营和维护成本可能超过初始购买价格的十倍。维护、修理和大修活动约占航空公司年度运营成本的 10-15%。因此，优化维护操作以最大限度地降低成本对于航空公司保持竞争力至关重要。预测是一种预测老化或退化系统和/或部件剩余使用寿命的过程，已被公认为可以提高飞机运行效率和优化飞机维护的革命性学科之一。本研究重点关注使用预测优化飞机维护的文献，并确定进一步优化商业航空飞机维护的研究空白。本文首先介绍了预测的起源和发展。随后，回顾了飞机维护的最新进展。接下来，解释、回顾了预测在优化飞机维护中的适用性，并探讨了潜在的挑战和机遇。最后，讨论了飞机维护中预测技术的最新进展，并从部署预测技术以优化飞机维护的角度确定了研究差距。
关键词：预测、优化、部署、飞机维护、维修引起的故障、预测性维护
部署预测技术以优化飞机维护——文献综述
1. 简介飞机只有在飞
行时才能盈利，因此，为了在竞争激烈的全球航空业中保持竞争力，航空公司试图提高飞机的可用性和飞行时间。飞机的这种可用性以及盈利能力在很大程度上依赖于充分的维护。（Swanson，2001）将维护描述为所有技术和行政行动的组合，包括监督、旨在保持或恢复系统到系统可以执行所需功能的状态的行动。优化飞机维护操作一直受到科学界和航空业的高度关注。维护、修理和大修 (MRO) 活动约占航空公司运营成本的 10-15%，2016 年全行业总成本为 676 亿美元，预计到 2026 年将增长到 1006 亿美元（IATA，2017 年），这并非毫无道理。此外，历史记录表明，运营和维护一架飞机的成本可能比初始购买价格高出十倍（Asiedu & G 手机号码数据 u，1998 年）。预测旨在准确估计（飞机）部件的剩余使用寿命 (RUL) 和未来性能。这些 RUL 估计不仅可以减少运营干扰，还可以改善飞机维护中的 MRO 操作。
已经撰写了多篇关于预
测的有趣文献综述。（Si、Wang、Hu 和 Zhou，20 疫情起源的最重要的数据集 11 年）回顾了基于责任的 RUL 估计方法。 (Sun, Zeng, Kang, & Pecht, 2012) 回顾了预测的优势和挑战。 (Liao & Kottig, 2014) 回顾了用于一般工程系统 RUL 预测的混合预测方法以及在电池寿命预测中的应用。 (An, Kim, & Choi, 2015) 撰写了一篇关于选择数据驱动或基于物理的预测算法的综述。 (Elattar, Elminir, & Riad, 2016) 回顾了预测的起源和发展以及不同的预测方法。我们观察到，尽管这些文献综述通常会考虑航空领域的应用，但尚未进行过仅关注预测在飞机维护 bw 列表 优化中的应用的综述。这很重要，因为效率是这个行业保持竞争力的关键，而维护不充分会导致故障，从而导致航班延误或取消。但是，到目前为止，还没有综述汇集有关如何使用预测来优化飞机维护的文献。除此之外，传感器的普及（新一代飞机上有 30 万个传感器）产生了大量数据，使我们能够赋予信息意义，并需要高效处理和相关解释才能将这些数据用于预测（Gouriveau、Medjaher 和 Zerhouni，2016 年）。近年来，机器学习和大数据分析的改进使得高效处理这些海量数据成为可能。这加速了对无法确定明确退化模式或故障模式的组件开发新的预测模型。研究表明，80% 的故障是可以预防的（Gerdes、Scholz 和 Galar，2016 年），如果预测准确，就可以预测故障何时发生并采取相应措施。
本文结构如下。第 2 节阐述了飞机的主要
