王 鑫，劉端紅，郝 鋼，陳圣斌

(1.中國直升機設計研究所，江西 景德鎮(zhèn) 333001；2.陸軍裝備部駐深圳地區(qū)航空軍事代表室,廣東 深圳 518000)

0 引言

目前歐美國家的直升機維修，正從基于時間的計劃維修轉變?yōu)榛跔顟B(tài)維修。定時維修是根據設計所確定的使用壽命限(SLL)或翻修間隔期(TBO)，對達到這一時限的部件進行拆卸/更換；而基于狀態(tài)維修是實時地檢測部件的損傷狀態(tài)，一旦產品或部件達到設計所規(guī)定的損傷的門限值或閥值，就拆卸更換部件，確保飛行安全。因此，定時維修是部件總體(Component Population)(相同型號或相同部件號的產品/部件)的計劃維修；而基于狀態(tài)維修是產品個性化(Component Individual)的非計劃維修。正如后文所述，部件在飛行中，其損傷狀態(tài)受環(huán)境載荷、應力等各種因素隨機變化的影響，因而它們達到損傷門限值的時間不盡相同。顯然，傳統(tǒng)的定時維修備件計算公式對于基于狀態(tài)維修的備件規(guī)劃是不適用的。

因此，歐洲直升機界在歐盟的三年行動計劃中，提出了基于狀態(tài)維修的備件預測技術，以實現敏捷-精業(yè)的維修活動，即以足夠多的備件(精業(yè))，迅速完成維修工作(敏捷)，從而降低備件貯存數量，降低維修費用。本文根據美國直升機協(xié)會第65屆年會(2009)文集“PractialPrognostic for Condition-based Maintenance”一文，討論了這一基于狀態(tài)維修的備件預測技術，主要內容包括：預測技術，備件需求預測器的預測結構，備件需求預測器體系結構的實現，備件需求預測器的運行，應用實例及結論。

目前國內直升機領域也在開展基于狀態(tài)維修的研究工作。通過本文的討論，期與國內直升機同行共享國外的技術信息，促進國內直升機基于狀態(tài)維修技術的發(fā)展。

1 預測技術

1.1 敏捷和精業(yè)困境的化解

為了實現基于狀態(tài)維修的目標，需要建立機群的基于狀態(tài)維修的備件保障網絡。該網絡根據直升機的使用狀態(tài)，動態(tài)地提供與維修相匹配的足夠多的備件，使該網絡將所需備件配送到維修場地。

從維修的敏捷(性)來看，提供更多的備件以便及時地完成維修工作，就確保了維修的敏捷(性)。但是更多備件的貯備將占用更多的費用，降低了維修精業(yè)(性)。從維修精業(yè)(性)來看，應該用盡量少但足夠的備件來滿足維修保障要求，但這有可能降低維修的敏捷(性)。顯然，基于狀態(tài)維修的保障網絡存在著敏捷和精業(yè)的矛盾，如圖1所示。

圖1 精業(yè)-敏捷的困境

為了化解這一維修備件保障網絡的困境，歐洲直升機界在歐盟的三年行動計劃中提出了維修保障(備件)資源或備件的預測技術。這項預測技術，對這一困境的化解起到了兩個不同的作用：

1) 長時預測：根據機群的老化狀態(tài)，機群的使用剖面，環(huán)境條件和可靠性的任何變化，能修改維修備件保障網絡確定的備件，這就確保了盡可能精業(yè)(將部件控制到足夠用)。

2) 短時預測：根據預測引導相應備件，從而取代傳統(tǒng)維修方式的攜帶和配置更多(不必要)的外場或前線備件。這樣既減少了備件，提高精業(yè)性；同時使用足夠多(不多不少)的備件及時完成維修工作，滿足敏捷性要求。

1.2 預測模型

在預測器中所使用的預測模型結構，必須不多不少，足以產生時間間隔。究竟采用什么技術能構建這一能力？這是預測健康管理(PHM)設計的一個關鍵問題。為了評估PHM技術對維護修理和大修(MRO)網絡的影響，需要提供一種方法，以便將這一技術綜合到每一外場可更換單元的統(tǒng)一的預測模型中。這一模型包含3個部分：維護手冊的符合性；使用/誤用的比例危險模型；直接指示缺陷的健康數據。

然而，研究表明，能使這一統(tǒng)一預測模型的3個部分進行協(xié)調的分析方法是難以實現的。于是歐盟三年行動計劃的研究人員使用了為器材資源規(guī)劃的離散事件模擬而研發(fā)的建模工具。使用這一過程建模的模擬法，就能由統(tǒng)一預測模型的所有3個部分構建比例危險模型(Proportional Hasard Model)，從而使預測幾乎能用于所有外場可更換單元(LRU)。通過多次模擬運行，便能構建該模型，從而使用數據中的不同變量預測各個LRU使用缺陷的HUMS數據的充足性。這將確定預測器預測各個LRU故障的精度。通常情況下是沒有充分的HUMS數據的，此時，該預測器是一個強化的預測故障概率的比例危險模型。這一故障概率遠小于1，但它是隨時間變化的。因此，至少要按圖2的要求給出預測時間間隔中的時間隔離等級(Degree of Temporal Separetion)。

圖2 預測的預后影響

2 備件需求預測器的預測結構

離散事件模擬(DES)預測方法使用了蒙特卡洛法，預測基于TBO限制，比例危險和可靠性數據以及平臺交換率的平均維修需求。如果HUMS報告了比例危險數據的任一變化或者建立了健康告警，那么LRU隨時間變化的故障概率剖面便要予以修改，以便反映與HUMS告警或比例危險模型變化相關的預測時間間隔，其余平臺的故障概率要予以降低，以確保機群的整體可靠性特征通過模擬來保持。

預測期是一關鍵因素，它將確定預測器特性。預測期小于HUMS預測時間間隔的情況下，預測器能確定哪一個平臺在這一預測期以及什么時間發(fā)生失效，以便如上所述提供網絡的敏捷性特征。對于這樣的能力，需要近于實時的HUMS數據及時地更新預測模型。對于較長的預測期，HUMS參數的初始狀態(tài)對于預測幾乎沒有多大影響。長時預測的實質就是能預計MRO回路性能。LRU能夠返回到使用，然后再發(fā)生失效，在LRU的整個壽命周期里，預測出維護修理和大修回路(MRO)性能。使用離散事件模擬，能使預測建立在相同的初始數據上，并且改變預測期以便提供需求評估，并提供該需求對網絡的影響，以指引器材和調節(jié)網絡。維修預測需求要素匯總見圖3。

圖3 預測器的結構

模擬器有3個主要部分，由不同數據源產生的輸入進入模擬引擎，產生預測器輸出。

輸入的組成是：

1) 直升機使用：是飛行率的實際分布；

2) HUMS數據：由比例危險數據和具有相應時間間隔的健康事件組成，是輸入最復雜的要素，是確定預測精度的要素；

3) LRU的可靠性：預測需反映LRU的整個可靠性特征；

4) LRU的更換和修理周期時間：需要這些后勤系統(tǒng)特征，以便對長時間模擬提供更換的LRU；

5) 產品能力：是一些限制，如LRU備件數，維修中心的能力，不是統(tǒng)計數，而是對其結構預測給出的強制性或硬性的限制。

所有這些數據，除能力之外，都是統(tǒng)計性的數據，需要DES方法以便能控制大量的隨機過程。利用用于產生預測模型的DES技術中的相同蒙塔卡洛方法，綜合大量的隨機過程，使預測器運行。

模擬需要網絡的結構單元包括：

1) 在平臺中的LRU結構；

2) 機群中平臺的分布；

3) 機群的地理分布。

這些都是已知的，但是對于短期預測，就需要這些結構單元近于實時的分布。

模擬的結果是維修事件的統(tǒng)計評估及它們對MRO回路的影響，可能要加入關鍵的性能指示以便能對機群和MRO回路予以測量，如處于貯存的附加的LRU數量及相應平臺的待機時間。

3 備件需求預測器體系結構的實現

備件需求的維修需求預測器，是為歐洲的第6個工程宇航技術計劃-SMMAR實時的機動可達技術計劃建造的。SMMAR的目標是提供一種新的必須的基礎結構以便實現一種基于后勤的維修保障網絡，實現基于狀態(tài)維修的技術。維修需求預測器是其關鍵部件之一，其體系結構(Architectare)如圖4所示。

圖4 離散事件模擬維修需求預測

這種離散事件模擬(DES)的維修需求預測器的結構是，其中的機群和MRO網絡的目前狀態(tài)是從支持數據管理系統(tǒng)產生，以便生成初始或T0狀態(tài)。有幾個功能用來確定數據和施加在整個預測時間里的已知的一些限制。這些限制可能包括機群的部署變化、使用剖面的變化，在MRO網絡結構中提出的變化、周轉時間(TAT)和可靠性的改進。

在平臺使用基地和維修中心的每一個LRU，在網絡中都是以一個結點來表示的。這些控制模擬的狀態(tài)變量和參數都用來構建模擬網絡。在維修需求預測器中，這是數據驅動的過程。這樣，網絡結構隨時間發(fā)生的任何變化，都會自動地更新模擬節(jié)點結構。

預測時間或預測期對預測精度有重大影響。T0狀態(tài)包含狀態(tài)數據，如：LRU在MRO鏈中的部署或布置，機群中平臺的配置。大量來自預測網間連接器的參數，如變化率和使用參數，在一段時間必須予以收集，以便對它們目前的值進行合理評估。這一段收集時間要反映這一預測期。對于短期預測，這些參數，如變化率等是一短時期的局部狀態(tài)。重要的是，對于長期預測，這些參數的短期變化將會產生一個有偏差的結果。同樣，對于短期預測，使用長期數據收集也會產生一個有偏差且不精確的結果。

預測時間也會影響包含在T0狀態(tài)中的狀態(tài)數據。預測時間較短，則T0狀態(tài)具有較精確的數據，因為與直升機飛行結果對網絡造成的變化相比較，輸出狀態(tài)更取決于輸入狀態(tài)。對于長時間預計，主導輸出狀態(tài)的是飛行率和MRO回路的性能，而不是輸入狀態(tài)。這是系統(tǒng)設計的問題，超出了本文的范圍，在此不加贅述。

離散事件模擬使用了蒙特卡洛法來產生輸出Tn狀態(tài)，而模擬計算網絡中每一結點的輸出是狀態(tài)變量和相應的KPT。Tn狀態(tài)包括許多變量的統(tǒng)計估算，如LRU更換次數和修理次數的估算。這些統(tǒng)計能用于對未來狀態(tài)提供無偏差的估算，或最有利或最不利的評估。

4 備件需求預測器的運行

維修需求預測器的結構如圖3所示。輸入狀態(tài)T0包括在存取數據庫(access database)中，并在數據庫中進行管理。預測器有幾個預測網間連接器，與RCM和企業(yè)資源規(guī)劃數據庫相連，以便提取狀態(tài)變量數據和所收集的參數。DES模擬引擎是一民用貨架包。模擬控制和結果報告都是通過EXCEL來管理。

LRU的MRO網絡模擬由標準結點構建，這些標準結點由T0數據庫自動成形。MRO網絡中結點的類型反映了在這一結點上可能承擔的維修深度，即：1級是在平臺上；2級是脫離平臺；3級是拆卸LRU模塊更換；4級是模塊大修或修理。每個結點都有周轉時間和能力。這些結點組合起來表示MRO網絡維修中心的能力。其他結點包括備用LRU庫和部件庫。備件、新部件、模塊和LRU能使用預測生產計劃來產生結點，這些單元也可以報廢或廢棄。

模擬網絡中有一個虛幻(phantom)結點即CRDC(中央資源和配發(fā)控制)，用來實現所謂軟導航規(guī)則。根據嚴格的網絡定義，LRU和模塊不通過MRO回路導航。當出現短缺和其他限制時，MRO管理就予以干涉，通過改變到結點的器材方向使周轉時間(TAT)減到最小。這樣就有了可用資源以減少或緩解供應中斷。顯然，CRDC在模擬中的作用是通過引導到網絡中的器材走向來模擬管理。CRDC不是優(yōu)化器，但含有一組表征管理作用的規(guī)則，以確保合理地表示網絡特征，因此是根據真實世界的網絡特征，而不是網絡的理想表示來提供精確預測。

網絡的CRDC和支持民用層模擬(invention)是虛構時，其特征是能根據預測的需求引導通向網絡的器材流。預測的器材需求，通過民用層傳送到CRDC，然后在LRU故障時，CRDC根據準則(如：減少TAT和減小費用)確定將需求發(fā)送到故障的LRU。這樣便提供了MRO網絡的敏捷性。特征能模擬投資于預測能力的主要獲益，是根據預測需求管理一個敏捷的網絡，同時具有上述討論所產生的獲益。

最后有一使用級的結點，在DES中產生故障剖面(failure profile)，是通過模擬直升機的飛行過程來實現的。直升機是在與交換率統(tǒng)計分布相符的時間飛行。應用可靠性準則和評估比例危險參數，對每一次飛行，應用由預測網間連接器產生的可靠性和比例危險統(tǒng)計所定義的故障發(fā)生概率來評估故障的發(fā)生。如果統(tǒng)計評估的結果是LRU已發(fā)生故障，直升機要維修以便下次飛行；如果統(tǒng)計分析結果是LRU將要故障，直升機允許繼續(xù)飛行直到用盡預測的時間間隔。事件通過民用層在剩余預測時間間隔的模擬中報告給CRDC。維修中心確認LRU將要提供的最短周轉時間，經過多輪模擬運行，產生預測模型拆卸率和維修需求的統(tǒng)計值。同樣，網絡對需求響應的敏捷性也就測定了，正如模擬中基于預測需求引導網絡的器材一樣。那么，這一模擬方法的主要獲益是：預測模型和網絡的敏捷性同時確定。

對于長時間或長期預測，運用健康和使用監(jiān)控(HUM)關鍵指示的檢測概率，結合可靠性數據，就能為CRDC產生健康和使用監(jiān)控(HUM)報告，使敏捷網絡在整個預測時間間隔里進行預測。

離散事件模擬控制利用蒙特卡洛方法，因此，控制面板加入到維修需求預測器中以便管理該方法。這一方法需要管理，因為模擬中每一輸出變量和KPT，在預測時間里將運行不同的次數以便產生一個統(tǒng)計上的有效輸出。以前小機群以額定的飛行率飛行，而一個大機群則要高強度飛行以產生穩(wěn)定輸出。在其結果中，不是所有模擬要素都是相同的權重，因此，模擬是由結果中具有最大權重的要素控制的。

在控制面板上，使用者可以選擇16個表示網絡性能的變量，用以管理蒙特卡洛的運行處理。控制面板顯示了這一模擬收斂為一穩(wěn)定的輸出狀態(tài)。當其置信的時間間隔接近到使用者設定的均值系數時，控制板轉換成綠屏。當所有指示為綠色時，模擬結束。結束后，其輸出就能查詢。Tn輸出狀態(tài)變量和關鍵性能指示(KPI)的相關文件就能產生，并輸出到優(yōu)化器的程序和ERP系統(tǒng)中。這樣就能使用許多圖表以便審查數據。

所預測的Tn狀態(tài)是能驗證的。自動驗證裝置嵌入在維修需求預測器中的，使用蒙特卡洛法控制模擬。當一組選擇的變量和KPT都達到了時間間隔，且認為能表征網絡特征時，在標準預測時間間隔所預測的Tn狀態(tài)便與實際的T0狀態(tài)相比較。一旦達到了足夠的預測時間間隔，對這些狀態(tài)下的依從(deference)統(tǒng)計數據進行審查是很有意義的，能調整其模擬網絡結構和參數以消除系統(tǒng)誤差。這種方法提供了模擬必要的置信度，因此也就提供了預測必要的置信度。

5 應用實例

總數為100架安裝有HUMS的直升機機群每年總飛行任務為150,000次。為了保養(yǎng)或維護這100架直升機，要有40臺發(fā)動機儲備，且大多數要儲存在用戶的儲存庫。MRO供應商評估，這一儲存量會導致每年喪失4000飛行小時的使用可用性。在可用性簽約合同中，MRO供應商對所有儲存和整個后勤鏈的管理都負有責任，并且也認識到，降低儲存量且重新設計后勤鏈，才有可能從可用性簽約合同中獲取更高的價值。

引起大多數直升機停飛的外場可更換單元是發(fā)動機。因此，以發(fā)動機作為研究對象。涉及到直升機可用性的任何事情都對MRO供應商造成財務負擔。這便成了敏捷性的基本度量。

因為依賴供應鏈，MRO供應商需了解在修理環(huán)路上備用發(fā)動機的數量會對使用可用性造成什么影響。其目標是確定所需備用發(fā)動機的最佳數量。因此，把目前40臺備用發(fā)動機的減少作為有效性獲益的一個關鍵變量，而獲得這一有效性獲益的代價或費用可能要以直升機可用性的損失來度量。

使用維修數據預測器的目的是研究和了解降低或減少在后勤鏈內周轉的發(fā)動機數量對直升機可用性的影響。此預測器以不同的貯存數量運行，其結果如圖5所示。圖中是以損失的飛行小時來量化表征減少貯存量的影響。正如預料的那樣，貯存數量越低，整個機群使用可用性的損失就越高。

MRO供應商從圖5獲得所要求的信息，通過反復配置后勤鏈中的貯存來判斷免費貯存庫中發(fā)動機的數量。將費用引入到圖5中，得出的結果是25臺為最佳的免費發(fā)動機(free engines)數量，但這仍給MRO供應商留下了每年損失2000飛行小時的負擔。盡管有較高的費效，但是這一損失可能對用戶造成重大影響。

圖5 網絡規(guī)模優(yōu)化

使用預測來提高網絡的敏捷性，是用維修需求預測器的民用層來模擬的，并且要把所提出的預測模型的模擬加入到模擬中運行來評估網絡敏捷的管理。

網絡精業(yè)性的優(yōu)化設定點是根據25臺發(fā)動機的貯存量建立的。預測的影響通過改變所推薦的預測時間間隔來估算。按可用性損失做出的圖形如圖6所示。通常預測的時間間隔越長，就有越好的時機使MRO供應商將備用發(fā)動機引導到需要發(fā)動機的直升機上。有了告警時間，也使MRO供應商有另一個時機改進網絡的敏捷性，并預測實施維修所需人力資源。

模擬結果見圖6。結果表明，根據MRO供應商目前的后勤組織機構，對于14天的預測時間間隔，整個機群可用度的損失減少到只有70飛行小時。對于MRO供應商的合同目的和14天的預測時間間隔，這是一個可接受的可用性損失。

圖6 預測影響

因此能夠證實，使用目前的HUMS技術，這是易于開發(fā)的預測模型，且可提供超過14天的預測時間間隔。然而預測時間間隔的任一增加，可能不會進一步地影響可用性。應指出的是，這一預測時間遠小于發(fā)動機周轉時間。

6 結論

研究驗證表明，解決精業(yè)-敏捷之間的矛盾有如下要求：

1) 能產生關鍵的長時間的備件需求預測，以確保網絡的器材供應能正確地確定；

2) 實現精確的短時間備件需求預測，以便引導器材和提供網絡的敏捷性；

3) 必須規(guī)定安裝HUMS系統(tǒng)，使能提供直接與故障/缺陷檢測相關的數據類型和提供預測工作的充分數據。

應用本文所提供的離散事件模擬法，通過簡單、合理地改變預測時間就能評估精業(yè)或敏捷性問題。本文的實例表明，離散事件模擬法所預測的足夠量的備件數(精業(yè))，能滿足迅速地完成維修活動(敏捷)的要求。