值得慶幸的是，2018 年 4 月發生在西南航空 1380 航班上的悲劇在現代航空旅行中是罕見的事件。但一場悲劇仍然太多了。完整的系統安全可能是一個總是遙不可及的目標。然而，實現這種完美的愿望是推動許多領域的工程師、科學家和技術人員進行技術追求的動力。毫無疑問，現代飛機是奇妙的工程壯舉。但現在仍在開發中的未來技術可能會幫助我們更接近更安全、更可靠的飛機和其他人命攸關的系統。

美國國家運輸安全委員會 (NTSB) 仍在調查導致一人在飛往達拉斯的航班上死亡的確切原因。這起事故標志著美國航班近九年來首次死亡。截至撰寫本文時，調查人員認為，飛機的 CMF56-7B 發動機的風扇葉片在大約 9,800 米的高度斷開并刺穿了加壓機艙。調查表明，葉片折斷可能是由于金屬合金在飛行過程中經歷的疲勞。重載和周期性極端溫度會導致所有飛機都經歷的疲勞。

如今，航空公司花費大量時間和金錢來維護飛機——包括發動機和風扇葉片，它們會在一定次數的起飛和降落后進行常規超聲波成像以尋找微裂紋。盡管如此，考慮到進行徹底拆卸、檢查和維修所需的工作量，檢查之間可能還有數千次飛行。這些是需要判斷調用、無數外部工具和各種類型的診斷設備的人在環路密集型操作。但是明天的飛機呢？

數字雙胞胎(DT) 是一個很有前途的新技術概念，可以幫助工程師和技術人員比以往任何時候都更了解飛機及其子系統的物質條件。新一代紅外線和超聲波傳感器的安裝工作正在進行中，它們可以檢測微裂紋，同時還能承受發動機內的惡劣條件。利用支持新興物聯網 (IoT) 的功能和概念，機載傳感器將通過導電數字線程向其 DT 提供無與倫比的數據點，而無需人工干預。

DT 如何提高運輸安全性的例子可能是無限的。例如，將大量新數據點與巨大的處理能力相結合，DT 可以：

通過將相對較慢的人員從診斷機器的最關鍵方面移除，減少執行拆卸檢查所需的時間。

讓技術人員有更多時間花在實際問題上，而不是通過檢查清單來檢查每種可能的故障模式。減少檢查時間對業務有利，如果它能使飛機更安全，那么這對每個人都是雙贏的。

不僅可以根據來自被檢查系統的數據，還可以根據機隊中所有飛機的集體數據集進行預測。能夠比較數據集，尋找數據中的常見異常或獨特的異常值，并以現代計算的速度這樣做，可以為更主動的系統安全提供更多好處。

啟用對所有事物的預測性“假設”分析，從將不同的組件換成類似的組件，到查看更改維護計劃如何影響材料條件。模擬將在 DT 上運行，因為它會根據來自真實世界條件的實時系統的實際數據進行持續微調。這對于更好的預測來說意義重大。

通過交叉引用系統數據來確定檢查的優先級，例如維護歷史記錄、安裝的組件庫存、周圍操作環境以及來自現役車隊的機載診斷。

DT 使工程師和技術人員能夠通過快速從整個系統隊列中提取數據并以迄今為止無法看到的方式尋找趨勢，從而做出更好、更明智的決策。工程師和技術人員可以在真實世界數據可以加強的超精確模擬中，對假設場景進行數百萬次的模擬，而不會對真實系統或人類生命造成任何威脅。利用人工智能 (AI) 快速梳理原始數據將消除挖掘數據細節時的人為錯誤，從而提高安全性。然后，人類可以將注意力轉移到更高層次的分析和決策角色上。

技術可能永遠無法消除交通或其他活動中涉及的風險，但這不應該阻止我們將其作為目標。通過以過去的經驗為基礎并利用新技術，我們可能會幸運地避免一場悲劇。消除一場悲劇就足夠了。如需更多信息，請查看Mouser 的Methods eZine on Digital Twinning。

審核編輯黃昊宇