厦门航空有限公司数字委员会副总经理黄皓（记者张哈斯巴根/摄）

厦航数字化转型实践分享

厦门航空有限公司数字委员会副总经理 黄皓：尊敬的各位领导，各位嘉宾，大家好。我是来自厦门航空的黄皓。欢迎大家在金秋时节来到美丽的厦门。今天也很荣幸能够受到主办方的邀请，来分享厦航在数字化转型领域的一些实践经验。今天我的汇报主要会分为三个部分，包括总体思路上和相应的一些转型成果，以及我们在AI领域的一些实践探索。

首先，我们的总体思路。

习近平总书记亲自参与了厦航的组建与初创，并在给厦航全体员工的回信中勉励我们要弘扬优良传统，坚持改革创新。这份嘱托既是对厦航精神的凝练总结，也是为我们数字化转型指引了方向。改革创新正是厦航四十余年来一以贯之的传统优势，也是我们认为数字化转型的内核所在。遵循着这一指引，厦航历任的主要领导都高度重视数字化建设。在公司层面把它作为一把手工程进行推进，同时将数字驱动力确定为公司发展的三大驱动力之首。我们在公司层面设立了科信委，同时由董事长和总经理任双主任，形成了科信委统筹，数字委员会牵头，各单位共同参与的数字化建设组织体系。在这一体系下，我们始终坚持以企业架构、流程管理、数据治理为核心的方法，不断完善我们的数字化转型建设体系机制，并且积极的推动产学研用的创新，并且取得了一部分数字化的成果。下面我进行简要的汇报介绍。

对于航空公司来说，安全是最大的政治。厦航围绕航班运行、飞机维修和机组管理三大核心领域，持续的推进端到端的流程再造与系统建设，形成了一批自主可控的数字化产品。在航班运行领域，厦航聚焦航班计划编排、风险控制、地面保障等关键业务，打造了天枢飞行计划、天恒航班优化、天玄智慧航站（音）等新一代自主可控的运行系统集群。其中我们厦航的小飞项目平台融合了民航、国家气象局等多元的气象数据和航空公司的运行信息，可以提供风险告警、天气监控、气象预报等综合服务。近期我们也是联合了中科院的大气物理研究所，研发了强对流及韧度的创新预报模型。

这个预报模型出来以后，我们跟行业目前的主流预报相比，整个运动率可以提升10%和20%以上。同时我们也在联合厦大的科研优势，引入了AI智能修正机场气象要素，预报准确率也较以往提升了30%以上。目前我们的气象平台也已经服务于二十余家的航司、机场和保密的单位。

在飞机维修领域，我们是聚焦工程管理、维修管理、维修支持等核心领域，打造了具有厦航特色的飞机维修系统集群，推动厦航飞机的维修模式从传统的手艺活转向了数字化维修，助力厦航的波音737NG和787机队获得了可靠性全球第一的称号。其中我们自研的飞机健康管理系统已经完全替代了波音等国外厂商的同类系统，可以实时的监控发动机滑油泄漏、发动机停车等300多个健康监控项目，整体的预警准确率达到98%以上。

在机组管理领域，我们是聚焦机组实力管理、机组运行、机组支持等关键业务，建成了机组运行智能规划、飞行品质分析等机组管理系统集群，来保障机组飞得安全、飞得高效。其中厦航自主研发的QAR大数据分析平台，支持从海量的RAR数据中挖掘丰富的业务价值。例如我们在飞行安全方面，重点对重着陆、擦机尾、冲偏出跑道等50余个高风险场景开展了专项的分析，整体的应用效果也非常显著。通过QAR安全平台分析，也助力厦航连续四年在华东民航安全绩效考核中名列第一。

在绿色低碳方面，我们则是围绕航班运行全流程，挖掘出了巡航高度、航路直飞等二十余项节油点，助力厦航年均可以节油三万余吨，减少碳排放近10万吨，相当于多种植了550万棵树。

第三部分，厦航在AI方面的一些实践与探索。

面对AI浪潮，在生成式人工智能兴起之前，厦航就已经积极的围绕经典机器学习、深度学习和运筹优化开展了大量探索。在机器学习方面，我们重点是应用于运行风险的预测、航班收益的预测、航班节能减排等项目。深度学习主要是用于发动机孔探的监测、特殊气象区域场景识别。运筹优化则是用于破解不正常航班的恢复，机组排班和智能配载的难题。这些实践也为厦航进一步推进生成式人工智能的规模化应用打下了很好的基础。

随着生成式人工智能的加速走向规模化应用，我们始终认为企业AI建设的核心能力不在于聚焦模型能力的发展，更应该聚焦于企业自身体系能力的建设。未来企业AI竞争的核心竞争力就在于能否把数据、算力、模型、业务场景和安全治理连成一条完整的价值链。为此，厦航围绕AI赋能业务发展、创新驱动价值创造的AI建设目标，构建了“1+N+X+G”AI建设管理体系，其中“1”指的是一套自主可控的AI底座。AI规模化应用之前，必须先解决供应链的问题，一套坚实可控的AI供应底座意味着数据给得出、算力供得上、模型才能搭得快。数据方面我们推动业务数据统一治理，重点沉淀高质量数据集和企业知识库，打造了数据支撑应用，应用反哺数据的AI飞轮。算力方面，我们建成了全栈自主可控的智算中心，形成云下推理云上应用的协同格局，持续拓展云上云下算力的资源，提升厦航的算计供应保障能力。模型方面，我们打造了智系列AI平台，能够贯通数据供给、模型开发、应用构建、运营监控和安全防护的AI应用开发全链路。“N”指的是N个民航领域专业模型。在模型的选择上面，我们始终不会坚持片面的追求大尺寸的模型参数，而是坚持按照业务场景的复杂度，对模型的选用实施分级调度，这样才能够帮助企业实现业务效果和算力成本的动态平衡。在面对一些专业度高、通用模型适配不足的场景时，我们则是利用高质量的数据集对小尺寸模型进行定向的训练微调，从而以小尺寸的参数实现比肩乃至超越大尺寸模型的专业能力。通过这样的通用模型分级选用，专业模型的定向调优，能够在有效压降算力消耗的同时，强化模型面向民航业务场景的特殊适应能力。这里的“X”指的是X类可复制可推广的高价值场景。首先是在运行控制领域，我们厦航每年处理的航行通过量大概是有在69万条。针对人工逐条研判负荷大、效率低的问题，我们打造了航行情报解析智能体，目前已经覆盖了14类的运行场景。当前我们的机场跑道等关键场景的解析率已经达到95%以上。整体的投产之后，为情报人员的效能够提供50%以上。

在飞机维修领域，传统排布则是高度依赖人员的经验，耗时耗力。厦航也是整合了我们多年积累的维修日志、排故预案以及厂家资料等等二十余万份的维修文档，为我们打造了云影系列智能体。在为技术工程师排布的时候，可以实现智能方案的推荐，整体的方案制定时间能够缩短50%以上。

在飞行安全领域，陆空通话的效率和质量直接影响着航班的运行安全。根据英国民航局的一项调查显示，在为期18个月的周期里面，一共有267起事故被归因于沟通障碍。为此我们基于近5万条的ATC真实通话语音，训练了陆空通话语音模型。目前语音辅助识别的准确率已经超过了93%。同时也建立了飞行员听力和对话的一个智能训练平台，大幅度的可以提升飞行员自主训练的便利性和面向特定航线的资质获取效率，有效缓解了飞行教员资源紧张的局面。

在旅客服务领域，面对每年近百万条的旅客反馈，传统的人工是完全没有办法覆盖的。我们打造了客户支撑大模型，日均可以解析三万条以上的客户反馈数据，情绪识别准确率已经达到99%以上，客户需求的分类准确率超过96%。将单条旅客反馈处理时长压缩到0.18秒以内，效率较人工提升了有400余倍，人力负荷显著降低80%以上。

最后一点是“G”，指的是一套覆盖AI全生命周期的治理体系。AI治理是规模化应用的重要基础，要与AI建设同步推进。围绕AI从建设到运营的全过程，我们重点推动以下三个方面的工作。第一是要让业务场景看得清。我们始终坚持以是否属于行业核心业务流程，以及是否具备行业推广价值作为衡量的关键指标。并且我们在内部建立了一套前评估后评价的机制，形成了AI项目的价值账本，真正的能够帮助我们看清楚哪些应用值得做，哪些应用真正能够为企业创造核心的价值。第二点是要建设过程能够管得住。针对AI建设涉及数据、模型、应用等多个环节的特点，我们编制覆盖AI开发全生命周期的管理规范，将治理要求从事后检查前移到过程管控，推动制度流程和责任体系以及技术建设的同步落地，确保AI既跑得快也能跑得稳。第三点是让落地应用能够走得远。我们始终坚持认为AI应用不是一个交钥匙工程，我们的智能体验应用的上线往往只是一个起点，更重要的是能够持续的运营和迭代优化。依托我们的AI运营管理平台，可以持续监测模型的调用量、业务的应用量以及调用成功率这些关键指标，帮助我们支撑这个资源的配置和运营的持续优化。通过价值的可衡量、过程可控、运营可持续的治理体系，能够帮助厦航的AI建设规模化、规范化、长效的高质量发展。

以上就是今天的一些分享，谢谢大家。