航司可通过QAR数据提升飞行安全品质和经济效益，利用大数据技术实现QAR数据的海量分析处理，为机身结构疲劳状态、发动机健康状况、起降机场风险识别、异常天气预警以及飞行事件回溯等提供及时的数据支撑。通过大数据平台，可提升飞行安全等级和优化航班品质（例如可控飞行撞地风险预测、飞行品质监控等），大大提升飞行安全性和经济效益。
助力实现“碳达峰、碳中和”目标，航司过往通过严格执行多项节油节能措施，例如开展提高飞行计划精度、控制地面给油、监控飞行员空中用油等，有效降低单位能耗及排放。然而我国航空业未来仍保持一个较快的发展速度，“碳达峰”可能会稍晚于其他行业，航空业减碳的必要性和迫切性非常突出。对于实现“碳中和”，既要靠航司继续加大节油节能的力度，更重要地还要依靠航空业的技术革新，不断探索和完善各种节能减排手段。利用QAR就是一个关键的手段。
故建立基于航司数据中台基础之上的，围绕QAR数据塑造平台型能力，实现航司多部门、异构QAR数据标准化、全面数据整合及可视化、场景化协同应用及复用，并逐步形成知识驱动的安全管理体系。即QAR数据的平台能力建设方案，并以航司双碳目标为快速切入，逐步实现民航十四五规划中相关航空安全的目标。
业界应用领域现状和趋势
目前QAR译码数据已被各个航司或部门及相关民航管理机构广泛应用于飞行过程仿真重现、飞行品质监控与改善、飞行技术评价、飞机维修维护、安全品质评估、油耗评测与节能技术的改进、事故因素调查、主动安全管理等工作，并发挥了重要的作用。当前QAR数据主要运用在五大方面，包括事故事件调查、安全运行、飞行操作和运行品质（航路、燃油）、健康和表现（进行程序、发动机环境等）、研究领域，而最为成熟的应用是作为飞行品质监控的核心数据，有效保证飞行安全，预防飞行事故的发生。
QAR有效支持航空安全精细化管理，飞行安全管理始终是航空安全管理的重点领域之一。但考虑到QAR数据的庞大，以及评估飞行安全需要更客观及全面的数据依托，所以各个航司都在尝试将运行、气象等诸多数据与QAR进行整合，依托大数据及平台化能力，全面的建设QAR的精细化、协同化、场景化的数据应用，为航司飞行、运控、维修三个领域提供平台化赋能能力。
国内航司当前现状及要求航司已经完成并建立了QAR的译码系统能力，并且结合航司数据中台的建设，已经积累了对于大数据量和全面数据整合建设的经验，所以未来更有良好的基础将QAR数据以平台化的方式充分发挥出来，按需按场景、结合大数据算力、整合关联的运控等数据，逐渐和迭代的将各个分散领域和业务部门对于QAR数据的共同需求进行统一建设，发挥航司安全管理的全面协同。
另外在应用QAR数据时，由于各业务领域的模型并不一致，也没有相关性，完全依赖于业务专家、数据专家的能力，这势必造成专业人员匮乏、投入不聚焦等等因素，故需要发挥平台化的能力，将资源合理投入到可复用及平台型赋能的领域；并且基于平台能力，逐步构建机器学习的可视化平台、基于知识图谱的安全管理知识库等，充分发挥平台的高阶能力。
QAR高阶应用在各业务领域分割为不同的IT系统，典型的有飞行品质监控系统、核心风险监控系统、航路节油系统、可靠性监控系统和飞行训练评估系统等等。这些分立的业务应用及领域功能，在整体建设时更需要统一步调、充分共享、资源优化，实现有效的资源投入与最大化的产出价值的平衡，这正是平台型能力建设的关键。
建设价值
（1）提升数据共享及整合能力：首先由于QAR数据量较大，并且精细化管理更需要将运行、机组等多方面的数据进行整合；另外未来的安全管理将突破部门的范围，综合进行人机环的全面安全管理，所以使用QAR数据及相关关联和依赖的数据，必须提升数据共享和整合集成的能力，另外更需要安全高效的为安全管理的数据挖掘、科研创新等场景提供支撑。
（2）基于更全面数据优化安全裕度：安全管理的一个核心内容就是逐步提升和优化安全裕度。需要综合应用QAR数据与其他运行相关的数据，在平台算力及持续数据供应链建设的前提下，才能不断提升安全裕度。例如更客观及全面的评价不安全事件以及症候等，形成基于历史数据持续斧正的安全管理及预警等阈值和规则体系，并且能够按机型、基地，乃至飞行任务进行精细化管理。
（3）通过平台实现持续迭代建设：民航十四五规划、双碳目标等，都需要航司各个部门和单位协同一致，按步调进行持续的安全管理等方面的建设，并在过程中逐步挖掘更高效的碳排放解决方案，例如燃油优化等；另外航空的安全管理也是一个持续和逐步精细化的过程，且需要随着科技的发展更好的建立迭代的信息化和数字化能力。
构建QAR的“三仓库、一平台、一集市、一图谱”
整体将通过一系列的阶段，逐步建设和完成“三仓库、一平台、一集市、一图谱”的整体框架，持续迭代的为航司安全管理，以及基于QAR数据的全面应用提供支撑。
（1）构建三大数据仓库，实现基础大数据开放能力
QAR大量被用于航后飞行技术分析、发动机健康分析、飞行安全事件调查等，是在飞行品质分析、运行品质分析和飞机健康管理等方面重要的数据仓库。如果无法处理数据，解码、排序和上下文数据不会大有作为。但是当必须验证新的故障检测算法时，必须对整个机队重播的历史飞行数据（跨越几个月到几年）进行测试。因此需要一个强大的工具来请求和存储这大量的数据（数据湖）。比如航路轨迹恢复模型中的需要的每个时间点的经度、纬度、无线电高度等等，比如跑道滑行路线恢复模型中需要的每个时间点的经度、纬度、无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角等等，比如进近评价模型中的襟翼构型、起落架位置、减速板位置、下滑、航向、俯仰姿态、仰角变化率、横滚姿态角度、下降率、近地警告等等。
在此基础上按照使用领域，按照飞行品质分析、运行品质分析和飞机健康管理三个领域的使用方向，按需且迭代的将各类其他非QAR数据进行整合，建立针对性的、面向场景使用的数据模型、分析模型、算法模型需要的数据基础等。实现更高效、安全、可控且灵活的数据使用的大数据基础。
并在建设过程中，强化QAR数据清洗及相关的标准化建设，将数据治理及管控融入到数据基础平台和仓库的建设中。实现不同机型、不同QAR供应商、不同业务领域的数据全部整合后的标准一致的、且结构化的数据仓库存储的数据。数据统一化后，除超级利于运行自动化，查询网络化，和程序一体化，同时还有利于对数据统一管理，比如：保留，备份、转移或按期删除等等。
（2）实现数据可视化，铸造通用基础分析能力
航司内部不同领域对QAR数据分析的需求，总结发现各系统都需要基本的三个技术方面的需求，包括QAR数据存储、QAR动态参数计算和QAR参数可视化。因此技术上构建一个统一的QAR数据分析系统，为各业务领域提供基础IT能力是信息部门的普遍需求。
当QAR数据被自动处置后，生成的航班信息、事件报告、统计分析、译码数据等通过网络，随时可受各个客户端查询、阅览。所设客户端数量不受限制。客户端需要申请、批准、授权。所以查询事件和译码的范围权限不同。
之后，例如飞行人员可在客户端界面上按机队、机组、日期等进行查询；机务维修人员可按飞机、日期、项目等进行查询。查询可从宏观到微观：时刻检索，可按年份、季节、月份、周、日，或任意时刻段进行所发各类事件进行统计；飞行方面，可按大队、中队、机组个人进行事件统计；机务方面可按机型、机号进行事件统计。在以上的检索以后，还可按航线、机场进行各类事件统计。这有利于掌握事件的多发地、多发线、和多发季等。统计有数据表、曲线图、立标图等显示方式。查询中可查出造成这些事件的各类原因，并能进行统计、排序、显示。按照所发事件的轻重和数量可对每一个航班进行飞行品质或飞机健康的评定。当点选定航班后，即能显示该航班的详细信息，并能显示的每一个事件项目，表中的数据包括了超过标准和未超过标准的全数数据，每项数据都是整航班中被检测到超出标准的最高值，和最接近标准的数据。对每项事件的所测得的积累数据，以日期、航班为轴绘制出转变趋势图，这便于观察每一个检查项目的进展转变趋势，提供预防预备，提前安全关口。选定某以事件，即进入该事件的微观重放推演，包括：事件报告信息，有关参数的译码数据显示、曲线显示，驾驶舱仪表显示、飞行姿态动画、航迹图等。
同时提供多维度自由分析，业务人员按照自己所述领域及使用场景，对于全量及整合的QAR数据，以不同维度圈定不同的指标和原始明细数据进行查询和分析；并通过BI工具等自定义分析仪表盘和报表，形成数据挖掘及知识探索相关的能力；提高效率的同时也能更好的将平台化的QAR数据与其他数据一致对外提供给数据科学等相关角色使用的基础。
（3）搭建数据应用集市，实现场景化协同建模能力
- 增加机务故障事件检查：航司的QAR日常监控工作几乎都是只用于飞行品质监控，对于机务，飞机健康方面的监控大体都没有开始。所以需要针对机务工程方面提供比较详细的日常监控功能体系。对上百项有关飞机各系统及部件的性能健康进行监控。对于机务，飞机健康方面的监控，比飞行品质的监控加倍复杂，牵涉的部门要多的多，技术种类也多的多。故可以建立针对性的应用场景来实现跨部门和多业务用户的复用能力。例如.发动机是飞机安全的关键，日常的发动机性能趋势监控是靠收集航班的几组数据输入程序进行的，但会漏掉很多偶发事件、数据、故障征候，致使仍然发生空中发动机故障。故需要建设针对性的数据场景对发动机的全数参数进行每秒钟的不中断监控，对所有探测到的突发、偶发超限事件进行统计、分析、发布，使维修人员随时掌握发动机各个部位的情形。
- 增加运控利用功能：除能监控飞行事件和探测机务故障，还需增加运控所要求的各类功能，包括：对QAR、飞行计划、航班动态信息等数据的阅读功能，包括对译码数据的管理、对应解析数据的查看、解析异样数据的阅读；飞行时刻、距离统计；航班燃油统计与分析功能；高度剖面叠加分析，水平轨迹叠加分析；航线点动态信息查询；航线平均高度分析，飞行高度层的统计；跑道进离场，起飞、着陆方式统计；起降方向统计；直飞统计分析等。
- 增加非事件的数据查询：国内外几乎各类QAR监控软件，都是只能扫描出已组成事件的数据，只限于把已经超出事件标准的一般事件和严峻事件的数据扫描出来，而都不能把未超出标准的数据扫描、保留、并提供查询。所以需要能够既看到每一个检查项目的事件数据，也能看到未组成事件的正常数据。飞行人员想了解这些数据的目的，是要掌握自己的各项操纵动作的尺度、水平，看哪些飞行动作已经临近事件标准，心里更有底，提前注意改良技术，把握飞行动作，而不是盲目地避免事件的发生。机务人员也能及时发觉故障苗头和量变进程。总之，是希望把安全关口进一步提前，使工作加倍严谨。
- 增加每项检查的趋势图：由于全数事件和非事件的数据都被检测、收集出来，就具有了条件，对每项检查结果绘制趋势图。可依照日期、航班发生的顺序展开的，用拉条移动日期段，能够专门快找到想要查看的一段日期。每一天为一格，一格内有几个航班，每一个航班画一个按照检查数值高低的立标，连起来组成趋势图。例如：发动机温度、振动值等，可按照高低起伏的图线，直观地显现出转变的趋势。伴有橙色、红色的事件标准线。上方还能显示每一个航班对应的探测数据。若是超出标准，形成事件，下方可显示事件次数数量的曲线，上方显示事件发生的时刻多少秒。这些给查询者带来更为丰硕的信息观测方式。
- 增加为飞行事件找原因的功能：目前的QAR飞行品质评估，都是只能够探查和提供事件。比如：起飞时坡度过大，着陆时垂直加速度大，等事件报告，而不能探测和提供是什么操纵的原因造成这些事件的发生。比如：着陆时垂直加速度大，是由于，a、收油门过快；b、俯仰度过小；仍是c、倾斜过大，哪个或哪几个原因造成的。当前都是采用专业人员人工分析，找原因。事件多时，要逐个去译码，分析数据，很费精力，浪费飞行专业人员人力；同时也只能分析比例很少的事件，无法给查询者显示统计大量事件原因，这方面急待提高软件功能。
- 增加译码功能网络共享：目前各单位利用的QAR译码系统，只能在中心站利用功能齐全的译码显示程序，那个程序是国外软件，没有中文，译码员或飞行品质分析人员用那个程序对事件进行分析。从数据译码中可直接进入该航班的驾驶舱仪表、飞行姿态动画显示，航迹绘制等功能。无等待时刻，无需其他程序转换工作。
- 增加对工程值海量存储：很多用户都希望译码后的工程值数据形成文件被保留，供其他用途，用Excel打开，或二次开发挪用。故需要特定的数据应用自动地把客户端任意选择的飞机、月份、日期段的全数航班逐个地译成工程值文件，按统一化文件名保留，而且参数能够选一组，或全数参数。人工只设置一次，程序可持续地完成各项工作。工程值文件第一横排有参数名一一对应，竖排有年月日时分秒一一对应。
- 增加对FDR 的译码扫描：目前各航空公司在QAR飞行品质监控中都存在如此的问题，就是免不了有丢失数据的情形，有的是盘、卡装错，有的是损坏，总有百分之十左右的航班数据被丢失。因此希望能通过FDR的数据补上。但目前还没能专门好地用FDR原始数据译码扫描，发挥不了与QAR相同的作用。
（3）建设知识图谱，驱动的混合人工智能能力
由于各业务领域的AI模型并不一致，也没有相关性，完全依赖于业务专家、数据专家的能力。QAR高阶应用在各业务领域分割为不同的IT系统，典型的有飞行品质监控系统、核心风险监控系统、航路节油系统、可靠性监控系统和飞行训练评估系统等等。故QAR数据的应用及其上的安全管理，是需要大量文献、法规、标准，以及人工的专家经验来实现的。所以在当前有高效数据支撑和大数据算力的前提下，建立知识图谱，将自然语言形式的各类人类经验与数据指标和分析图表等进行结合，形成指导飞行安全等方面的知识库体系，并通过知识图谱的方式进行落地，另外将知识图谱用于后续的人工智能的开放和应用之上。
,
