隨著國家對疫情管控的全面開放，頻繁的經貿活動導致跨區域人員的密集流動，使民航業的全面復蘇迎來希望。根據中國民用航空局發布的月度運輸生產統計，本年度截至8月底，我國民航旅客運輸年累計量已達41016.2萬人，已恢復至2019年的92.7%，民航旅客周轉年累計量達6720.0億人公里，已恢復至2019年的85.5%。旅客運輸量和周轉量的強勁復蘇對于民航業是個積極信號，反映出民航機場正在逐漸擺脫疫情的影響，開始重新走上正軌[1]。

旅客量和周轉量的回暖也意味著機場行李量不斷攀升，預示著行李處理系統（以下簡稱“行李系統”）將承擔更大壓力。作為機場運行最關鍵的系統之一，行李系統在值機、安檢、分揀、運輸、存儲等節點都發揮著極其重要的作用，若發生非預期停機，輕則會導致旅客擁堵，重則可能造成機場癱瘓。

為進一步提升行李運輸服務的質量及旅客滿意度，需重點關注機場行李系統的運輸和維護效率。本文從行李系統運維現狀出發，提出一套面向民航機場的行李系統智能運維方案，通過構建設備實時運行狀態監測、運行狀態預測、故障原因定位及三維可視化運維等功能模塊，有效解決行李系統運維效率低、故障原因定位遲滯等問題，并有助于提升機場行李系統運維智能化水平。

作者：武杰1,2 宋洪慶1,2 李思霖1,2 宋昊1,2 劉勇1,2

1為中國民用航空總局第二研究所

2為民航成都物流技術有限公司

一，行李系統運維現狀

行李系統當前運維流程主要包括巡檢、監控、排故、保養等環節，現階段工作的開展依賴于個人知識、技術及經驗的積累，即運維人員會定時對系統設備進行巡檢和保養，當且僅有行李系統發生如卡包、設備停轉等故障時，運維人員才去現場處理，但由于缺乏標準流程監管，操作失誤的風險較高，運維效率和準確性難以保證，所以從設備管控角度出發，目前行李系統運維工作的痛點主要包括以下幾個方面：

1.缺乏設備運行狀態監控

行李系統設備運行狀態實時監測是提高設備安全性、降低事故損失、減少維護成本的有效方法，但目前多數機場行李系統設備的監控以人力巡檢為主，即對行李系統劃分片區，人工分組排班，定時對所屬片區進行故障排查。這種模式不能實時獲取設備的工作狀態、運行情況、故障信息等重要數據，從而無法及時發現并解決設備出現的問題，直接導致設備故障率高等后果。

2.缺乏設備運行狀態預測

設備運行狀態預測是預防行李系統出現突發故障的有效手段，但由于行李系統設備種類繁多、運行環境復雜、數據采集困難等多種因素耦合，目前多數機場行李系統設備運行狀態預測方面還處于探索階段。運維人員通常只有設備故障后才會進行干預，這會導致設備故障發現時已步入“晚期”，從而造成維修時需投入更多的人力、物力及時間。

3.設備故障原因定位遲滯

故障原因定位有助于行李系統設備正常運行狀態的快速恢復。目前多數機場主要依靠一線人員的經驗判別，且從時間維度看，設備故障原因需等事故發生后運維人員到達現場才能確認，這會導致運維人員無法第一時間確定維修所需工具與備品備件，造成設備故障排除的速度慢，若故障設備位于無備份輸送線上，則會嚴重影響整個行李系統的運行。

4.缺少設備運維展示看板

運維看板是運維的閉環節點之一，可輔助管理人員進行決策。但目前多數機場行李系統暫無設備運維看板，當發生故障時，無法第一時間獲取故障設備的基礎信息，這也就直接導致運維人員無法實時全面、深入地了解和掌握目標設備故障狀況，從而影響決策和操作。

二，行李系統智能運維方案

針對機場行李系統運維痛點，將精準定位、數字化管理等與新一代人工智能技術深度融合，設計一套面向民航機場的智能運維方案，對提升管理效能極其重要。

圖1 技術架構

1.技術架構

通過業務邏輯分析，將行李系統智能運維技術架構劃分為5層，分別是敏捷感知層、數據傳輸層、平臺管理層、業務功能層和運行展示層，如圖1所示。

（1）敏捷感知層

敏捷感知層負責行李系統設備數據的基層采集，包括設備的機械特性參數、電氣特性參數及音視頻信息等。敏捷感知層作為數據采集端，應用傳感器、采集器、智能儀表等多種物聯網感知工具，實時獲取行李系統各項運行參數和狀態，為平臺業務功能提供精準的數據支持。

（2）數據傳輸層

數據傳輸層支持多種網絡類型和協議，包括寬帶、專網、WiFi和移動網絡等，為感知層采集數據的傳輸提供了多樣的傳輸介質選擇。多類型網絡協議的采用使得各類傳感器及智能儀表可以方便地通過Modbus、MQTT、ZigBee、RTMP等協議接入系統服務器，實現感知層采集數據的快速、穩定、可靠傳輸，為物聯網系統的正常運轉和數據的實時交互提供了堅實的保障。

（3）平臺管理層

平臺管理層是整個系統業務應用的支撐平臺，為系統的業務功能提供了強有力的技術支撐。該層運用開發框架、微服務管理、容器平臺、數據庫、中間件和服務網關等關鍵組件，為系統的運行提供穩定可靠的技術支持，同時對底層數據進行存儲、處理、分析和可視化等方面的工作，為系統的數據驅動型業務提供全面的保障。平臺管理層不僅保證了系統的高可用性和可擴展性，還為系統的未來發展提供了堅實的基礎。

（4）業務功能層

業務功能層對接入系統的多維度數據進行處理，提供業務功能主要分為三大板塊：運維管控套件、運維資源管理套件和可視化運維管理。其中，運維管控套件主要是對設備運行進行監管和分析，顯示設備的總體狀態并輔助用戶對設備運行狀態趨勢進行預測；運維資源管理套件支持處理所有運維信息管理要求，為運維人員提供更加智能化、便捷化的管理操作，提高運維辦公效率；運維可視化套件主要是對機場行李系統進行三維建模與空間渲染，形成三維數字孿生場景，并將人員作業、設備運行狀態等數據有機融合設計，可以直觀反映運維管理的整體情況，為一線人員提供清晰有效的數據決策依據。

（5）運行展示層

運行展示層對業務功能層處理后的數據進行圖表展示，是系統的對外門戶。展示層由各種客戶端、客戶端軟件以及交互界面構成，可以通過不同的展示形式和交互方式來向用戶展現系統的運維三維可視化界面、系統健康度、設備運行數據、故障預警報警、運維深度分析等主要信息。除了各種靜態數據展示，還可以實現動態數據的實時監測和預警，以及各種復雜數據的可視化展示，使運維人員能夠更加直觀地了解系統的運行狀態和各項指標。

2.核心功能

本文設計的行李系統智能運維方案主要由運維狀態監測[2]、運行狀態預測、故障原因定位、三維可視化運維4大部分組成，具備較為完善的設備運行維護管理能力。首先通過不同方式獲取行李系統設備運行數據，傳輸至服務器中進行存儲、轉換、清洗、分析、處理，再經由不同功能模型處理，實現行李系統設備運維智能化管控。

圖2 電機數據采集現場

（1）運行狀態監測

通過傳感器采集設備的電壓/電流/溫度/振動、攝像頭捕捉設備外觀、計算獲取功率/功耗，并將設備基本信息及前述基礎工況數據傳輸至智能運維系統中進行分析處理，供運維人員實時查看對應設備的健康狀況以及實時運行參數。同時支持根據設備運行工況自定義設置閾值，結合行李系統三維可視化界面進行異常預警報警，故障事件可根據行李系統實際運行情況進行優先級劃分，形式包括聲音、顏色、彈窗等，運行狀態監測用于精準發現存在風險的設備，為規避行李系統設備意外停機提供技術支撐。以電機溫度、振動數據采集為例，現場如圖2所示。

（2）運行狀態預測

設備運行狀態預測模塊通過搭建LSTM時間序列模型，根據對加裝在設備上傳感器采集的數據進行分析，結合專家知識庫，可實現行李系統設備的壽命預測[3]。

LSTM是深度學習領域中較為典型的一種網絡，可有效擬合復雜非線性關系，主要用來解決長序列模型訓練中出現的梯度災難問題。相較于傳統循環神經網絡（Recurrent Neural Network，RNN），LSTM保留了相當一部分特性，但同時也引入“門機制”，用于控制特征的流通時效，因此在較長的序列中有更好的表現。

LSTM同樣具有輸入層、隱藏層和輸出層，與此對應的門機制分別為輸入門、遺忘門和輸出門，表達式分別為：

其中，a為分類函數，xc為當前時刻的輸入， xc-1為前一時刻外部狀態， w、c 、s 為可調整的學習參數。

LSTM預測行李系統設備運行狀態模型中，主線思想是預先對設備運行狀態數據（如振動、溫度等）構建的特征向量進行清洗、標記、編碼等步驟，通過引入的“門機制”，使網絡內部狀態選擇性保留預處理的特征數據信息，在確定模型層數、每層神經元個數、激活函數類型后，不斷調整訓練的批次大小、學習率和損失函數等參數，從而達到長序列學習目的，實現行李系統設備壽命等預測。

其工作機制示意圖，如圖3所示。

圖3 LSTM工作機制示意圖

其中：為激活函數， 為當前狀態的輸出。

此外，設備運行狀態預測模塊還可通過擬合設備運行的非線性高斯曲線，實現運行設備空閑率、運行趨勢等的預測分析。

（3）故障原因定位

故障原因遠程定位模塊可實現關鍵設備的電氣或機械故障的分類判別，該功能主要基于工單智能分析、歷史故障摘要管理及知識庫內容儲備，標定不同設備的故障特征，進行智能分析，輸出聚類結論供系統處理人員參考。當設備發生故障后，系統根據設備故障情況自動分析引起故障最可能的原因并自動推薦維修和排故方案，匹配最合適的維修策略，自動創建有針對性維修工單，指導維修人員進行維修工作，實現維修作業的標準化；故障維修工作完成后，設備運維人員通過移動端將運維記錄在線上報系統，并可通過拍照將現場維修前與維護修后的照片上傳到系統；管理員通過上傳的照片，可以輔助設備維修工單驗收，進行設備維修檔案歸檔，并形成設備維修履歷表，最后納入設備維護工藝知識庫。

（4）三維可視化運維

大型機場行李系統空間布局復雜，平面化電子地圖不利于第一時間查看系統故障設備的基礎信息，也無法給出指導性運維決策，使得行李系統運維變得復雜且低效。通過應用三維可視化技術，對機場行李系統進行三維建模，模擬構建一個擬真場景，實現在數字空間中設備模型與實體的信息交互，由大屏幕、瀏覽器和移動端APP展示，加速運維人員對行李系統設備物理實體的熟悉，且三維界面可實時查看設備的健康狀態、運行工況、故障報警、故障原因等信息，以輔助運維人員作出相應的智能化運維決策，實現運維工作的高效運行，使機場運維管理變得“觸手可及”。此外，可視化界面支持自定義展示，用戶可根據自身需求定制化展示所關注的信息。

三，行李系統運維智能化前景展望

隨著現代科學技術飛速發展和應用，行李系統運維的智能化已經成為行業發展的重要趨勢。未來，行李系統將越來越依賴智能化技術來確保其可靠性和穩定性，這不僅將提高機場運營的效率，也將為航空公司帶來諸多競爭優勢。關于行李系統的智能化發展前景，預測如下：

1.AR+5G運維實景增強技術的應用[4]

將新一代的AR技術與5G通訊技術應用到行李系統智能運維業務中，可以顯著提升運維效率和準確性。例如AR技術可以將設備的故障信息、維修指南以三維模型的形式疊加在所維護的設備上，幫助現場技術人員快速判斷問題所在并按照指南進行操作，同時指揮中心人員也可以利用AR技術進行遠程維修排故支援，利用5G的高速、低延遲的特性以確保現場和指揮中心之間的數據傳輸快速且穩定，使得遠程維修排故支援可以更加實時、準確地進行。另外AR技術也可應用于維修培訓指導中，通過AR技術將機械設備的內部結構、運行原理等真實地反映到設備模型上，使維修人員更直觀地理解設備的工作原理和維修步驟，提高培訓效率。

2.GIS+GPS交互式移動運維技術的應用[5]

GIS+GPS交互式運維技術結合地理信息系統（GIS）和全球定位系統（GPS）技術優勢，實時顯示運維對象的位置和狀態信息，為機場行李系統運維提供更高效、精準的運維管理。例如，通過GIS三維成像技術，可以將運維對象的位置和狀態信息實時展示在三維地圖上，同時運維人員使用集成GPS模塊的無線移動終端進行現場操作和維護，實時上報行李系統設備的故障定位和現場運維情況，實現運維任務的可視化跟蹤。此外，該技術還可以實現運維路徑導航，利用GIS的可視化功能，將最優路徑顯示在地圖上，為運維人員提供更為直觀的路徑指引，提高設備運維的效率、準確性和響應速度。

3.BIM+AIoT設備編碼管理體系建設

BIM+AIoT設備編碼管理體系是一種創新的管理方案，它將建筑信息模型（BIM）與人工智能物聯網（AIoT）技術相結合，以實現對設備的統一編碼管理。通過這種方案，可以更高效地進行資源調度和成本控制。具體而言，BIM技術用于建立設備的三維模型，這些模型不僅包括設備的外觀，還可詳細展示其內部結構和管路布局。AIoT技術則用于實時監測和數據采集，獲取設備的運行狀態、參數和能耗等運維數據。這些數據與設備的BIM模型相關聯，形成完整的設備信息檔案。通過數據分析和可視化技術，設備運維數據被轉化為有價值的信息，為運維管理提供更全面、精準的信息支持。這種管理體系有助于提高運維效率，降低成本，并確保機場運營的安全和順暢。

綜上所述，行李系統運維的智能化有著巨大發展潛力，但同時也需要科技工作者在實踐中不斷探索和完善，以克服各種挑戰。未來發展中值得關注的方向，包括AR+5G運維實景增強技術的應用、GIS+GPS交互式移動運維技術的普及以及BIM+AIoT設備編碼管理體系的建設，這些應用功能的實現將極大提升機場行李系統的運行效率和安全保障。

四，結語

本文通過分析機場行李系統運維現狀，探索并形成一套行李系統智能運維方案，可有效實現行李系統設備運行狀態監測、運行狀態預測、故障原因定位及三維可視化運維，在一定程度上降低機場行李系統異常情況發生，保障機場行李系統運行效率，助力機場實現智能化管控，并且本文給出的方案前景，具有一定的前瞻性和擴展性，可為行李系統智能運維技術發展提供方向參考。

參考文獻:

[1]中國民用航空局.月度運輸生產統計[EB/OL].http://www.caac.gov.cn/XXGK/XXGK/TJ

SJ/202309/P020230920403137141866.pdf.2023.

[2]田玉超.基于深度元學習的風電流程剩余時間預測[D].山東建筑大學,2023.

[3]彭康.基于LSTM的云環境異常檢測系統設計與實現[D].東南大學,2023.

[4]王磊,樊博.基于AR和5G網絡的遠程安全輔助維護研究[J].制造業自動化,2023,45(05):40-44+76.

[5]潘國兵,曾廣燃,吳森陽.基于GPS與GIS的土石壩自動化監測預警系統研究[J].長江科學院院報,2013,30(09):110-113.

本文源自《物流技術與應用》2023年12期

本文版權歸《物流技術與應用》所有。