数智化转型在以科技创新与产业换代为主的新一轮工业革命中，对于经济和军事的重要意义已初步显现，其被应用到装备工业的趋势不可逆转。航空装备产业需高度重视数智化转型并提前系统布局。

数智化转型即组织采用数字化和智能化技术，使产品、服务和运营呈现数字化和智能化特征，以带来新的效益和效率。其本质是各类行业或组织使用大数据、云技术和人工智能等新技术，在集成的虚拟环境中变革工作流程，促进技术融合、降低成本、提高效率。其目标是利用数智化技术，使行业/组织能够更好地服务于客户，适应不断变化的市场，并在日益数智化的世界中保持竞争力。要实现航空产业的数智化转型，必须结合大数据、云计算和人工智能等新技术在设计、制造、运维等各个领域协同开展，是一项体系化工程，不仅是专业技术能力的进一步提升，更关键的是在成本、周期、效率、质量等各方面的大幅度改进。当前，航空装备产业发达的国家为了升维其敏捷供给能力体系，在装备研发上对他国形成代差优势，达到以快制慢、降维打击的战略目的，正在大力推进企业的数智化转型。

罗罗公司数智化转型路线

罗罗公司是欧洲最大的航空发动机企业，由于数字技术和物联网的快速发展，罗罗公司认为新一代数据服务具备深度发掘传统航空发动机行业潜在价值的可能性，并计划借此开创航空发动机数字化转型的新格局。罗罗公司的数智化转型路径分为以文本为核心阶段、以模型为核心阶段、基于模型阶段以及数智生态阶段。

以文本为核心阶段

2001年前，罗罗公司处于以文本为核心的研发模式，研发工作完全依赖纸质或电子文本。这一时期的技术交流主要通过技术报告和研究报告进行，各类设计参数、性能指标都以文本形式记录和传递。随着RB211发动机和遄达系列发动机的复杂度不断提升，这种模式的弊端日益凸显。以RB211-524G/H发动机的改进为例，设计变更信息通过文档传递效率低下，导致制造部门使用过期图样，造成首批试制件全部报废的严重后果。虽然当时计算机辅助设计（CAD）技术已在航空领域普及，但罗罗公司主要将其作为电子绘图工具使用，三维模型与下游环节的关联性较弱，如在遄达800发动机的燃烧室迭代设计过程中，计算流体力学（CFD）分析需要重新建模，耗时长达6周，充分暴露了文本模式的局限性。

以模型为核心阶段

2001—2009年，罗罗公司的研发模式由以文本为核心转化为以模型为核心。该阶段侧重于使用数字模型和数据来改进产品从设计、试制到维护的全生命周期的协作和沟通，旨在打破不同部门和利益相关者之间的信息孤岛。主要表现在利用模型去创造文件；开发设计模型、运维模型等领域层级的模型表达；模型传递数据达到局部领域间的数据融合。在遄达1000发动机项目中，罗罗公司首次建立了完整的三维数字样机，实现了气动、结构和冷却系统模型的集成；高压压气机设计采用参数化建模后，叶片改型周期从3周缩短至3天。同时，公司开发了专用的运维模型来预测发动机的在役时间，将预测准确率提升至80%。在技术突破方面，罗罗公司引入了产品全生命周期管理系统（Teamcenter），实现了跨部门模型共享，并为关键部件创建数字护照系统。在遄达900发动机项目中，通过有限元模型与实测数据对比，提前6个月发现了中压涡轮盘的潜在裂纹问题，展现了以模型为核心研发的优势。

基于模型阶段

2010—2018年，罗罗公司内部基本形成了基于模型的研发文化。该阶段的主要表现为在研发过程中采取统一的模型构型；对模型开展数据训练和测试，使其可重复使用；各个领域间通过模型进行研发沟通，横向打通；将大量的基于模型研发的应用最佳实践案例总结归纳为知识储备。遄达XWB发动机项目成为这一阶段的标杆，该项目构建了包含12000多个参数的整机数字孪生，通过飞行数据实时校准模型，使燃油效率预测误差控制在0.5%以内。在澳洲航空公司航班的发动机喘振事件中，基于模型的分析系统在24h内就准确定位到控制系统软件缺陷，展现了数字技术的强大诊断能力。罗罗公司同期在遄达7000发动机上部署了边缘计算节点，实现叶片实时健康监测，开发的数字孪生系统使发动机使用寿命延长了15%。

数智生态阶段

到2020年后，罗罗公司数智化的特征包括基于模型的复杂系统工程、开发架构的敏捷软件、云端智能网络支持、人工智能（AI）驱动的智能大数据分析、先进智能制造等。罗罗数据实验室通过开发人工智能算法分析遄达7000发动机机队数据，成功实现燃油泵故障的提前预测。与微软公司合作建立的航空大数据平台，日均处理超过10TB的发动机数据。罗罗公司的下一代大型商用发动机验证机“超扇”（UltraFan）与遄达发动机相比，燃油效率提高了25%，污染物排放降低了约25%。“超扇”发动机的每个风扇叶片都有一个数字孪生数据模型，可以存储真实的测试数据，使得工程师可以预测使用中的性能趋势。发动机自带的发动机健康管理（EHM）系统，通过将运行数据录入数字孪生体，对发动机的实时行为进行建模，从而更准确地判断零部件是否出现磨损等问题，帮助提前发现潜在问题。

GE公司数智化转型路线

GE公司的航空发动机业务作为全球高端制造业数字化转型的标杆，其数智化转型路径共分成信息化阶段、单模型运行阶段、工业互联网阶段、数字孪生阶段和智能生态阶段。

信息化阶段

2000年前，GE公司的数字化能力仍处于萌芽阶段，主要集中在信息化层面，尚未形成系统的数字化转型战略。在航空发动机设计领域，GE公司采用了CAD和工程仿真（CAE）工具，但由于仿真精度和计算能力有限，设计验证仍高度依赖物理试验。

单模型运行阶段

2000—2010年，GE公司提出基于模型的系统工程（MBSE）数字化转型路径，推进了单学科模型仿真优化，如在GE90-115B发动机研发中采用CFD优化风扇叶片气动性能，使燃油效率提升8%；在GEnx发动机项目中结合有限元分析（FEA）软件分析复合材料风扇叶片结构强度，成功减少30%的试验次数。同时，GE公司开始使用MATLAB/Simulink软件建立发动机控制逻辑模型，支持硬件在线测试，并部署振动、温度传感器等数据采集基础设施。然而，这一阶段各学科模型孤立运行，系统集成度低，仿真精度仍需依赖试验校准，数字孪生概念尚未真正落地。

工业互联网阶段

2010—2015年，GE公司提出工业互联网战略并发布Predix平台，与工业互联网实现初步融合。这一时期的重要突破是数字孪生技术的雏形出现，LEAP发动机首次构建了“设计—制造—运维”数字线程，通过Predix平台接入实时数据来校准模型，使故障预测准确率从70%提升至85%。在多学科协同设计方面，GE公司采用SysML管理需求模型，有效减少了GEnx发动机因需求变更导致的返工，降低了15%的成本。制造端的MBSE应用也开始试点，基于模型的定义（MBD）技术使3D模型可以直接驱动数控加工。这些创新使GE公司航空发动机的研发周期缩短了20%，LEAP发动机从设计到认证仅用5年就完成，远快于传统7～8年的周期，飞行小时维护保障计划（Power by the Hour）服务模式的收入占比也提升至30%。

数字孪生阶段

2015—2020年，MBSE技术全面智能化发展。随着AI、边缘计算与增材制造技术的成熟，GE公司实现了高保真数字孪生系统的部署。GE9X发动机的数字孪生体可以动态更新，燃油效率模型误差控制在1%以内；军用发动机F110通过实时数据预测剩余寿命，精度达到92%。AI技术的引入使仿真效率大幅提升，机器学习替代传统CFD计算后，高压涡轮叶片优化周期从6个月缩短至3周。增材制造技术也取得突破，3D打印燃油喷嘴实现批量生产，零件数量减少80%。这些技术进步带来了显著的商业价值，运维成本降低30%，非计划停机减少40%，2018年GE公司数字化服务收入突破50亿美元。

智能生态阶段

2020年后，GE公司进入智能生态期，MBSE开始向云化和开放协同方向发展。GE公司通过先进工作范围（AWS）部署全球协同设计平台，使供应商能够在线参与模型评审，这在可持续发动机革命性验证（RISE）项目中得到成功应用。氢燃料发动机数字孪生体集成了碳排放模型，通过试车数据不断优化燃烧效率。自适应循环发动机项目通过MBSE模型直接生成控制代码，向着自主系统方向迈进。RISE项目是由 CFM国际公司（GE公司与赛峰集团合资公司）主导的下一代航空发动机研发项目，目标是在 2035年前推出较现役发动机燃油效率提升20%、碳排放减少20% 的突破性动力解决方案。RISE项目的核心技术创新主要体现在3个方面。首先是革命性的开式转子架构，这一设计取消了传统发动机短舱，采用无涵道超大直径风扇，使推进效率提升了30%，通过数字孪生技术优化叶片气动设计，该架构在提升效率的同时还能将噪声较LEAP发动机减少10dB；其次是创新的混合电推进系统，该系统集成了电动机辅助动力，支持地面滑行时的零排放运行，并利用AI技术动态管理燃油-电力混合比例；第三是全面兼容100%可持续航空燃料（SAF），通过先进的数字燃烧模型适配不同SAF配方，为实现航空业碳中和目标提供关键技术支撑。

波音公司数智化转型路线

波音公司是国际上数智化转型企业的先驱。作为全球最大的民用飞机制造商之一，数智化转型是其成功的关键。波音公司的数智化研发体系的变革路径可归纳为信息化阶段、模型化阶段和数智化阶段。

信息化阶段

1990—2005年，波音公司基于经典的系统工程V模型策划和实施了波音系列产品的全生命周期管理，加强运用计算机和大型工业软件，大量开展虚拟产品的设计、分析仿真和虚拟试验等计算机辅助设计/制造，初步实现了产品的数字化。波音777飞机是波音公司首次完全利用计算机及其软件进行“无图样”设计的飞机，是第一款 100%数字化定义的民用飞机（数字样机），波音777飞机的结构件有300多万个、标准件有1500多万个，采用了全三维数字化设计技术和预装备技术，3000台三维设计工作站开展零件设计，200台开展装配设计，取代了过去新飞机设计需要成千上万人手工画图工作。全三维数字化设计使波音777飞机的研制周期缩短了40%，减少了50%的返工量。低价生产出来的飞机却比已经生产了400架的波音747质量还好，成为历史上最赚钱的飞机。

模型化阶段

2005—2015年，波音公司提出了“钻石”模型，实现研发模式从系统工程过渡到基于模型的工程（MBE），从客户的需要到最终提供解决方案，基于模型的产品全生命周期管理研发模型。“钻石”模型的下半部分即产品的物理域开发，侧重设计和交付。基于对虚拟系统和MBE的认识，波音公司创建了一个翻转在物理“V”之上的虚拟“V”。虚拟“V”使用模型和仿真手段，基于物理“V”在产品全生命周期研发的每一步创建物理系统的数字孪生，形成上下对应关系；虚拟“V”左右两侧的活动之间也存在对称性，在左侧开发的模型用于在虚拟“V”右侧进行越来越高保真度的模拟。

数智化阶段

2015年，波音公司正式开启数智化研发阶段，这一解决方案体现为三大特征：先进的数字化、简单高效的生产以及智能支持。先进的数字化是指持续开展MBSE，打造设计、生产和航空服务业务统一在一个数字生态系统下的研发模式；简单高效的生产是指波音公司的数智工厂通过云和其他工厂联网，并采用先进的数字化和智能化技术来构建生产系统，进行设计制造协同，达到提高生产速度以及降低成本的目标；智能支持是指波音公司基于航空航天专业知识和海量大数据，借助机器学习、增强现实等人工智能技术，将数据转化为有价值的见解和决策，并运用到研发各个过程（设计、供应链、制造、服务），为全生命周期研发提供智能支撑。

波音公司通过融合数字化和智能化技术，提出产品全生命周期管理研发模型，变革企业业务流程，实现了生产过程的智能化和自动化。依托波音公司数智化研发体系，T-7A教练机的研制大量使用数据模型开展虚拟研发，制造过程利用全尺寸行列式装配，使技术人员能够在装配过程中使用最少的工具和钻孔来建造飞机。不到200人的设计、制造和测试团队，仅用时36个月（2016—2019年）就实现了从全新设计到验证机首飞（以前波音公司新机的开发周期大约是10年），并将首批验证机的工程质量提高了75％，装配工时减少了80％，软件开发和验证时间缩短了50％。

航空企业数智化转型路线趋势

通过典型航空企业的数智化转型路径分析可以得出先进数智化转型的路线趋势体现为三大转变。

第一，传统的研发模式转变成以模型和虚拟仿真为核心的研发模式。先进航空企业都是从21世纪初开始从传统的系统工程研发模式转变成基于模型的系统工程研发模式。逐步实现从产品数字化（交付数字化装备）过渡到过程数智化（数字化和智能化贯穿系统全生命周期），大大减少了昂贵实物模型和物理试验。

第二，孤岛式数据库转变成连接产品全生命周期的数据链路。在MBSE的研发环境下，将原本孤岛式的数据库，协同集成转变成跨越产品全生命周期的数据链路。例如，波音公司的数字主线连接产品全生命周期中的所有设计、制造和支持活动，提供产品性能的整体数字视图，且用于描述产品在其全生命周期的数字孪生体；同时，数字主线还配备了一套集成的数字工具和标准系统，促进产品开发周期内的协作和数据共享，可实现从设计到制造运营的端到端产品开发和交付。

第三，聚焦产品实现的技术体系向数字化和智能化技术融合的技术体系转变。在进行装备研发体系建设时，不只是简单聚焦产品实现的技术体系，还应大力提倡数字化和智能化技术的融合发展，典型的关键技术包括机器学习、增强/虚拟现实、增材制造、大数据分析、数字孪生、数据整合技术、开放架构、网络信息安全、物联网、5G通信、云技术 、MBSE、虚拟生产、数字供应链和虚拟测试。

结束语

欧美航空产业发达的国家在顶层战略和采办系统两个维度大力推动高端装备制造企业的数智化转型，一方面彰显了对数智化转型的高度重视，另一方面也是数字化和智能化技术发展的趋势所致。同时，航空领域高端装备数智化研发带来了降本增效、以快制慢的突出成效，更进一步地说明了数智化转型的必要性。

（胡书珍，工业和信息化部产业发展促进中心，高级工程师，主要从事航空发动机和燃气轮机技术研究和管理工作）