AI智造前沿 | 商用航空器研发新动力—AI力量的崛起
随着低空出行领域的迅猛发展,商用航空器研发正面临着一系列严峻挑战。低空出行的兴起,改变了传统航空市场的格局,对航空器的安全性、可靠性、经济性、研发周期、取证周期等方面提出了更高要求。
同时,AI技术正以前所未有的速度融入各个领域,其凭借其强大的计算能力、深度学习算法和数据处理能力,正在重塑各个行业的研发模式和制造流程。那么AI在商用航空器研制过程中是如何帮我们加速研发的呢?
需求管理
航空器概念设计阶段会结合国家政策、行业发展、市场定位、产品规划、适航要求等诸多因素收集大量的原始需求(OR-Original Requirement),这些需求往往与航空器的具体设计需求(DR-Design Requirement)无法直接匹配。例如,原始需求要求航空器支持300KM的续航能力,而在产品研发过程中该续航能力指标是通过动力系统、气动外形、整机重量等一系列技术指标的综合结果。传统需求转换是一个漫长的过程,多数采用先定义技术框架,边做边修正的思路,因此导致很多项目的需求拆解和转换是根据技术方案已经确定的情况下,反向进行补充修正完成。那么,通过AI的应用能够为我们提供哪些帮助呢?
众所周知,国内外已经推出诸多比较成熟的大语言模型(LLM-Large Language Model),此类的LLM已经能够很好的理解自然语言模式和结构,帮助我们解析原始需求以及OR/DR需求转换,但LLM模型训练时缺少航空器研发专业的需求拆解和映射逻辑,因此单独的LLM实现专业的需求转换很难避免AI自己胡思乱想、脑洞大开。这时,我们就需要给AI套一个“紧箍咒”,用于约束AI在需求理解和转换的思维逻辑。而航空器研发企业在长期的的产品研发过程中积累的工程经验就是我们最好的“紧箍咒”,将工程经验作为LLM附加知识库,不仅可以借用成熟大模型的能力,同时可以将LLM由“外行”转换为“内行”,针对OR可以做出符合企业规范的DR拆解和匹配。
基于AI自动将OR转换为DR并建立映射关系,可以快速将飞机市场需求、商业需求、适航要求等OR条目快速转换为产品DR,结合系统工程数据链,构建飞机研发全过程追溯体系。
零组件重用
物料成本是企业成本的重要组成部分。尽管许多企业已实施PLM系统,但零部件查询仍困难,导致工程人员在接到订单后频繁重复类似设计、审查、验证、工装模具制作、工艺编制和物料采购等工作。这种高重复性不仅耗费大量时间、人力和材料成本,还不断推高库存,加重企业运营压力。
通过AI特征识别技术,企业能够推行零件标准化、实时识别并重用相似零件、整合基于云的采购流程并优化采购策略。不仅提升了跨项目零件的重用率、减少了重复设计,还有效降低了供应商变更,增强供应链管理能力。最终助力企业实现更高运营效率和资源利用率,构建智能化、高效化的物料管理体系。
结构设计优化
装配/零件工艺设计
航空器详细设计阶段,工艺人员需要针对大量的零组件进行详细的工艺文件编制,例如,装配制造大纲(Assembly Outline)、零件制造大纲(Fabrication Outline)、工装指令(Tool Order)等。此类工艺文件需要工艺人员根据零组件设计要求(参数规格、3D结构、尺寸公差、材料等)进行重复的文件编制工作,耗时耗力。
基于AI工艺大模型,AI助手在工艺设计上下文环境下,接收工艺人员指令并按照指令获取系统中产品设计数据类型、材料、3D模型、参数等信息,调用适配的工艺文件模板,并根据模板和产品信息自动生成精准的AO/FO/TO/MPR等工艺文件,大幅度提升工艺研发效率。
变更管理
构型管理作为民航产品全生命周期技术管理中,至关重要的“游戏规则”之一,一套逻辑清晰、标识精准的构型管理体系是当代飞机制造商核心竞争力的重要体现,也是衡量企业技术管理能力的关键指标。
变更管理作为构型管理中确保需求到产品实现、各个子系统、各专业协调统一的关键技术手段,传统工程变更中受影响专业的识别主要依赖于CCT和构型管理人员,该工作要求相关方具备过硬的专业技术能力、丰富的工程经验以及强烈的责任心,同时需要消耗大量精力进行工程数据分析。工程变更时如何排除个人因素,高效、准确、稳定的识别受影响方并开展影响评估一直是一个比较棘手的问题。
现在借助PLM管理平台提供完整的统一数据源,将MBSE数据链及视图、工程数据空间关系(几何引用、专配约束、空间距离等)、技术文档、PPR数据链(Product、PBOM、Process、Resource)借助深度学习框架,构建影响分析模型,在ECR/ECP编制过程中通过受影响对象等结合RAG(Retrieval-augmented Generation)技术聚焦变更上下文,以此实现受影响专业的或相关数据的范围,提升影响评估的效率和可靠性。
未来愿景
以上只是结合了客户需求的几个典型的应用场景,但AI在商用航空器研发应用远不止于此,畅想一下未来AI能够为我们做什么?我们自己以后做什么?
在未来的商用航空器产品研发模式中,AI助手将自动承接研发系统分配的任务,通过调用MCP服务,连接ENOVIA、CATIA 、DELMIA等系统模块,自动完成任务涉及的相关工作,并将结果反馈给工程师确认。针对无法识别或需要纠正的交付物,工程师可以通过示教模式手动完成,AI助手会记录并转换示教模型,其数据可用于增强和优化 RAG 大模型,助力模型更好地理解和处理领域知识,为后续任务执行和问题解答提供更精准的支持。
闫飞
钛闻软件
高级技术经理
拥有3年汽车设计和11年PLM项目管理和实施经验,重点服务汽车、航空和BIM等行业的领先客户企业。熟悉汽车、航空行业研发和工艺业务流程,主导和参与多家民用航空、汽车以及零部件客户研发和工艺平台规划和建设,对汽车、航空研发、工艺规划及仿真应用有较深的理解和丰富实践。