Panasonic Avionics 與 AWS 生成式 AI 合作，自動化機上系統故障診斷

核心重點

Panasonic Avionics 攜手 Amazon Web Services（AWS）與其 Generative AI Innovation Center，打造以 Amazon Bedrock、Amazon SageMaker、AWS Glue 為核心的智慧診斷代理（agentic AI）系統，將機上娛樂與連線（IFEC）設備的故障偵測與根因分析時間大幅縮短，同時保持高準確度。

背景與挑戰

Panasonic Avionics 為全球數百家航空公司提供機上娛樂與連線服務，服務的機隊規模龐大，且每架飛機的部署配置皆可能因客戶需求而不同。這種 多樣化部署 產生了千變萬化的日誌（log）與指標（metric），使得傳統的手動比對 日誌、指標與工單資料 成為一項耗時數小時、且必須依賴深厚機隊知識的工作。

公司已在 AWS 上構建了 資料湖（data lake） 與相關資料系統，每日處理大量運營資料。然而，僅有資料儲存與整理的基礎設施，仍無法自動將原始運營資料轉化為即時可用的故障診斷資訊，導致 MTTD（Mean Time to Detect，平均偵測時間） 與 MTTR（Mean Time to Repair，平均修復時間） 無法達到最佳。

AI 解決方案的構成

Amazon Bedrock – 提供受管控的生成式 AI 模型，負責從原始日誌與指標中抽取關鍵訊號，生成初步的故障假說。
Amazon SageMaker – 用於訓練與部署客製化的機器學習模型，進一步校正 Bedrock 所產生的假說，提高診斷的精確度。
AWS Glue – 負責資料抽取、清理與整合，確保 AI 模型能即時取得最新的運營資料。

透過上述服務的串接，系統能在數分鐘內完成跨機隊的資料關聯與根因推斷，讓工程師不必再花費大量時間於手動比對，而是直接聚焦於 解決方案設計、效能優化與長期可靠性提升。

未來展望

此案證明生成式 AI 不僅能在大規模、配置多樣的航空機隊中實現 主動式健康監控，亦能在不犧牲診斷深度的前提下，大幅提升 MTTD 與 MTTR。未來，Panasonic Avionics 計畫將此 AI 代理擴展至預測性維護（predictive maintenance），以提前識別可能的硬體衰退，進一步降低機上服務中斷風險。

對於其他航空或大型分散式系統供應商而言，此合作模式提供了一條可參考的路徑：結合雲端資料湖、生成式 AI 與機器學習平台，即可在保持高可靠性的同時，提升運營效率與工程師的創新空間。