對 AI 和認知計算的早期研究已經(jīng)將真正的解決方案應用于現(xiàn)實世界的流程。除了機器人、增材制造和其他顛覆性技術(shù)外，航空航天和國防 (A&D) 行業(yè)相對較快地認識到 AI 的潛力，并欣然接受它產(chǎn)生的科學和技術(shù)。這兩個行業(yè)都制定并實施了各自的數(shù)字化轉(zhuǎn)型路線圖。

　　從歷史上看，自動化系統(tǒng)一直是 A&D 行業(yè)從駕駛艙到工廠車間的重要元素。我們已經(jīng)看到從首次使用自動駕駛儀和其他自動化系統(tǒng)到未來的自主航空電子系統(tǒng)的穩(wěn)步發(fā)展。自動化工廠生產(chǎn)系統(tǒng)已經(jīng)從程序控制系統(tǒng)發(fā)展為基于預測性、規(guī)定性甚至自主自愈系統(tǒng)的機器和生產(chǎn)系統(tǒng)，這些系統(tǒng)由 AI/ML 算法支持。

　　在工廠生產(chǎn)領域，ML 正在以多種方式幫助改進和優(yōu)化生產(chǎn)過程。其中包括減少設備故障的發(fā)生率，以保持生產(chǎn)速度正常運轉(zhuǎn)并減少代價高昂的停機時間?；跈C器學習的算法可以訪問和分析來自機器振動傳感器的大量數(shù)據(jù)，以檢測和預測機器異常和故障。此外，機器學習可以規(guī)定性地確定如何最好地修復和預防問題。最終，ML 算法可以協(xié)調(diào)機器和裝配線的完整自我修復自主生產(chǎn)環(huán)境。

　　AI 和 ML 正被用于確定航空航天制造業(yè)的最佳生產(chǎn)流程。規(guī)范性分析結(jié)合大數(shù)據(jù)、數(shù)理統(tǒng)計、邏輯和機器學習，以經(jīng)驗方式揭示最復雜生產(chǎn)問題的根源，然后提出解決這些問題的決策選項?；? ML 的生產(chǎn)智能系統(tǒng)使用模式識別技術(shù)來分析產(chǎn)品和流程的現(xiàn)有生產(chǎn)數(shù)據(jù)，并識別有效(最佳實踐)和無效(風險情況)的模式。這些模式被轉(zhuǎn)換成人類可讀的規(guī)則形式，然后應用于制造操作以獲得最佳實踐。航空航天制造商正在使用這種方法來優(yōu)化先進的復合材料制造工藝。

　　增材制造的興起

　　如今，A&D 行業(yè)是增材制造 (AM) 零件的最大用戶。從波音和空客的商業(yè)雙頭壟斷到洛克希德馬丁等國防原始設備制造商，數(shù)以千計的 AM“飛走”零件用于飛機制造。例如，波音公司最新的風體模型 777X 在飛機上有 600 多個打印部件，其中巨大的 GE9X 發(fā)動機中有 300 多個打印部件。它被譽為當今雙噴氣寬體飛機最強大、最高效的發(fā)動機。波音 777X 在尺寸、性能和 AM 部件數(shù)量方面與空客 A350 XWB 競爭。A350 已經(jīng)擁有 1,000 多個打印部件。

　　波音公司大力推進增材制造，并申請了與更換飛機零件的 3D 打印相關的專利，這可能對公司未來的運營產(chǎn)生嚴重影響。他們希望創(chuàng)建一個零件庫來存儲 AM 零件定義文件，包括一個數(shù)據(jù)庫和一個零件管理系統(tǒng)，而不是將零件存儲在各個分銷中心，或者要求將零件運送給他們，從而導致大量延遲。

　　相反，該公司只需為需要的零件提取特定的 AM 文件，并在幾分鐘或幾小時內(nèi)制造出來，只要有打印機可用。目前，該公司擁有超過 350 個 AM 標準零件，涵蓋 10 個不同的飛機生產(chǎn)計劃，目前約有 20,000 個印刷零件在其飛機上使用。

　　增材制造產(chǎn)生重大影響的另一個 A&D 制造領域是用于支持生產(chǎn)線組裝和安裝的工具。使用新一代大面積增材制造 (BAAM) 打印機，大型工裝夾具和夾具可以在更短的時間內(nèi)制造為單個大型零件，從而消除多個零件組裝。

　　目前，人工智能是航空航天增材制造設計過程中不可或缺的一部分。在飛機零件設計中，實現(xiàn)最佳重量強度比是首要目標，因為減輕重量是機身結(jié)構(gòu)設計的一個重要因素。今天的 PLM 解決方案提供功能驅(qū)動的生成設計，使用基于 AI 的算法來捕獲功能規(guī)范并生成和驗證最適合 AM 制造的概念形狀。使用這種生成功能設計方法可以在功能規(guī)范內(nèi)產(chǎn)生最佳的輕量化設計。