波音在致命的737 Max墜機事故後使用人工智能來提高安全性 - 彭博社

波音的聲譽在2018年和2019年的737 Max事故中受到嚴重損害。

攝影師：Jason Alden/Bloomberg波音公司正在利用人工智能來篩選大量數據，並識別其飛機和航空公司運營中的潛在危險，以試圖在兩起致命的737 Max墜機事故之後加強其安全文化。

波音公司首席航空航天安全官Mike Delaney表示，為了在事故、傷害或生命喪失之前識別和減輕風險，公司已經創建了一個安全分析工具，該工具使用先進的數學模型和機器學習。這是Delaney及其團隊在悲劇發生後建立的更廣泛的安全管理系統的一部分。

Mike Delaney攝影師：Chris Ratcliffe/Bloomberg波音的聲譽在2018年和2019年的737 Max事故中受到嚴重損害。對這些墜機事故的多項調查發現，缺乏安全框架導致了導致飛機設計缺陷的溝通不暢和其他故障。美國監管機構於2020年12月接受了波音的系統，並在今年早些時候提議強制其他航空航天製造商採取類似的方法。

數據分析是Delaney努力的核心。對機場跑道上的近距離接觸事件的詳細審查最終可能會影響波音設計駕駛艙的方式，以及航空公司如何培訓他們的飛行員。波音於週三發佈了其安全實踐的年度更新。

波音公司已經開始使用新的數據工具來研究跑道超出、着陸事故等可能導致與其他飛機擦肩而過的事件。Delaney表示，他們對安全風險有了更好的理解，並且有信心可以處理任何大型數據集。

目標不僅僅是在大海撈針，波音公司航空安全分析副總裁Vishwa Uddanwadiker在弗吉尼亞州阿靈頓總部向記者們介紹時説。

“我在找乾草堆裏的所有尖鋭物體，”Uddanwadiker説。波音的安全團隊正在嘗試標記和分析來自在役機隊的所有異常操作數據。

波音的安全管理系統從各種內部和外部來源收集和監控數據，如設計和製造數據、審計結果，甚至維修站提交的報告，以便向聯邦航空管理局報告失敗和故障零部件。

從三月開始，該公司開始使用與聯邦航空管理局聯合開發的機器學習算法，從所謂的“服務困難報告”中掃描和挖掘數據，以發現全球機隊中出現的令人擔憂的風險。這些報告是由維修店提交的零部件故障的書面記錄，不容易分類。

安全團隊每週跟蹤20個與設計、製造或飛機運營中的安全風險密切相關的關鍵績效指標。例如，公司官員可以深入挖掘並尋找“逃逸”的模式和貢獻因素，這是波音用來指代未按其規格製造的缺陷零部件的説法，Uddanwadiker説。