Isang End-to-End Maintenance Case: Integration, Boundaries, Privacy at the Future

Mga nadagdag:

• Kakayahang pagsamahin ang record, trend, isolation, dokumento, bahagi, compliance at inspection ring sa isang end-to-end na kaganapan at gumamit ng artificial intelligence sa isang pinagsamang paraan
• Kakayahang makilala nang may malinaw na mga limitasyon kung ano ang hindi magagawa ng artificial intelligence (pirma ng CRS, probisyon ng pagsunod, desisyon ng NDT, pagbabago ng limitasyon)
• Kakayahang magtrabaho nang ligtas sa pamamagitan ng pag-anonymize ng sensitibong data sa pamamagitan ng paglalapat ng mga prinsipyo ng data privacy, cyber security at record authenticity

Sa module na ito, nakita namin ang artificial intelligence (AI) sa mga indibidwal na lupon, mula sa pagtuklas ng fault hanggang sa dokumentasyon, mula sa predictive na maintenance hanggang sa avionics, mula sa pagsunod hanggang sa pamamahala ng mga bahagi at mga kadahilanan ng tao. Sa panghuling unit na ito, pagsasama-samahin natin ang mga singsing sa isang makatotohanang kaso, pagkatapos ay sasaklawin ang tatlong kritikal na paksa — mga hangganan, privacy/cybersecurity, at ang hinaharap — nang magkasama. Ang layunin ay gawing end-to-end reflex ang disiplinang natutunan mo.

Isang end-to-end na kaganapan: mula sa anomalya ng EGT hanggang sa CRS

Dumating ang isang makitid na sasakyang panghimpapawid sa line maintenance na may sumusunod na PIREP: "Saglit na umakyat ang Engine #1 EGT sa pag-akyat." Tingnan natin, hakbang-hakbang, kung saan nakakatulong ang AI at kung saan nagpapasya ang mga tao.

1. Pagpaparehistro at pagsasaayos (Unit 2): Ang technician ay nag-isyu ng PIREP sa AI; phase (umakyat), posibleng ATA (72 engine, 77 engine indicator), naka-configure ang paulit-ulit na tanong. Sinusuri ng technician ang tech log para sa huling 20 flight.
2. Trend (Unit 4): Ang data ng trend ng engine ay ini-scan ng AI; Ang isang bahagyang pagbaba sa EGT margin sa huling 30 flight ay "minarkahan". Ito ay isang pre-qualifier; Tinitingnan ng inhinyero ang gabay sa kalakaran ng tagagawa.
3. Code at paghihiwalay (Unit 2, 5): Kung mayroong nauugnay na mensahe sa CMC, pumunta sa FIM. Nagbibigay ang AI ng mga posibleng dahilan (sensor, wiring, aktwal na pagganap) ayon sa posibilidad; Ang connector/sensor ay inalis muna.
4. Dokumento (Unit 3): Ang nauugnay na gawain ng AMM at SB, kung mayroon man, ay pinasimple gamit ang AI; Ang numero ng gawain at rebisyon ay nakumpirma sa portal.
5. Bahagi (Unit 8): Kung kinakailangan, ang IPC ay may tamang bahagi ayon sa pagiging epektibo para sa pagpapalit ng sensor; Ang Form 1 ay nasuri.
6. Work order at turnover (Unit 6): Ang gawaing ginawa ay naitala; naka-configure ang shift turnover; Walang na-undo na hakbang ang nakasulat bilang "tapos na".
7. Kaangkupan (Unit 7): Sinusuri ng awtorisadong tao kung lilipad ang sasakyang panghimpapawid kasama ng MEL o mangangailangan ng ganap na pagkukumpuni batay sa opisyal na MEL.
8. Inspeksyon (Unit 10): Boroscopic examination kung kinakailangan; mga marka ng computer vision, nagpasya ang sertipikadong tagasuri.
9. Mga salik ng tao (Unit 9): Pisikal na kumpirmasyon laban sa pagkiling ng automation sa buong proseso; komunikasyon sa turnover; Huwag humakbang sa ilalim ng presyon.
10. CRS (Unit 1, 6): Kapag na-verify na ang lahat, ang awtorisadong tauhan ng Part-66 lang ang pumipirma sa kanilang kategorya.

Sa daloy na ito, nagdagdag ang AI ng mga minuto ng hindi bababa sa pitong puntos; Ngunit wala ni isang desisyon at ni isang pirma ang pag-aari ng AI. Ito ang kakanyahan ng pagsasama: bilis mula sa AI, responsibilidad mula sa tao.

Tip: Sa isang end-to-end na insidente, isipin ang AI bilang isang "co-pilot": pagpapatalas ng iyong pansin sa daan, pagpapaalala sa iyo ng kung ano ang iyong nakalimutan, paghahanda ng draft — ngunit ang utos at huling desisyon ay laging nasa kapitan. Sa aviation, nalalapat din ang prinsipyong ito sa AI.

Mga Limitasyon: Ang hindi kailanman magagawa ng AI

Linawin natin ang linyang inuulit sa buong modyul. AI; Hindi ito makakalagda ng CRS/release, hindi makakagawa ng airworthiness judgement, hindi makakagawa ng sertipikadong desisyon sa indikasyon ng NDT, hindi magagarantiyahan ang authenticity ng isang dokumento, hindi mababago ang agwat/limitasyon ng maintenance, hindi makakagawa ng desisyon sa applicability ng MEL at hindi makapanagot sa legal na pananagutan. Ang lahat ng ito ay nangangailangan ng pahintulot, sertipikasyon, pisikal na pagsusuri at legal na pananagutan. Ang AI ay isang force multiplier; Ito ay hindi paglilipat ng awtoridad.

Privacy, data at cybersecurity

Sensitibo ang data ng pagpapanatili: mga numero ng buntot, impormasyon ng customer, data ng pagmamay-ari ng OEM, mga tala sa pagpapatakbo, impormasyon ng tauhan. Ang paglalagay ng data na ito sa isang hindi makontrol na generic na tool ng AI ay maaaring magdulot ng parehong paglabag sa privacy at panganib sa antitrust/seguridad. Mga Prinsipyo:

• Pag-uuri ng data: Alamin kung ano ang maaaring ibahagi at kung ano ang hindi. Kung may pagdududa, huwag ibahagi.
• Anonymization: Alisin ang mga identifier tulad ng queue number, pangalan ng customer, impormasyon ng tauhan.
• Naaprubahang tool: Gumamit ng mga tool na inaprubahan ng institusyon na may kasunduan sa pagproseso ng data; Alamin kung saan pinoproseso ang data.
• Pagmamay-ari na data: Ang manu-manong nilalaman ng OEM ay nasa ilalim ng lisensya; Ang pagkarga nito sa isang hindi nakokontrol na sasakyan ay maaaring isang paglabag.
• Cybersecurity: Ang mga update sa system batay sa output ng AI, mga pag-download ng software, at bawat transaksyon na humahawak sa network ng sasakyang panghimpapawid ay ginawa mula sa mga na-verify at secure na mapagkukunan. Ang isang manipuladong output ay maaaring maging isang vector para sa pagtagos sa chain ng seguridad.

Babala: Ang pag-paste ng sensitibong tala sa pagpapanatili sa isang pampublikong tool "para lang magtanong" ay maaaring isang hindi maibabalik na pagtagas ng data. Sa halip na iakma ang data sa tool, tanungin ang tanong sa isang hindi kilalang form.

Etika at pagiging tunay

Ito ay isang etikal na obligasyon na ang mga talaan ay nagpapakita ng katotohanan (Yunit 6). Walang text na ginawa gamit ang AI ang makakagawa ng trabahong hindi pa tapos na parang tapos na. Bukod dito, sa halip na bulag na kopyahin ang nilalamang ginawa ng AI sa isang teknikal na ulat, kinakailangan na i-verify at pagmamay-ari ito — ikaw ang pumirma sa talaan. Ang pagka-orihinal dito ay kasingkahulugan ng katotohanan, hindi pagpapaganda.

tatlong mini case

Kaso 1—Napigilan ng pinagsamang daloy ang AOG. Sa insidente sa EGT sa itaas, ang paggamit ng pinagsamang AI (trend + FIM + doc) ay pinaliit ang ugat sa isang isyu sa sensor/wiring. Ang sasakyang panghimpapawid ay inilabas sa loob ng 3 oras na may naka-target na pagkumpuni nang hindi inaalis ang makina. Ang isang hindi nakaayos na diskarte ay may panganib ng hindi kinakailangang operasyon ng motor at matagal na AOG.

Kaso 2 — Napigilan ang pagtagas ng data. Ang isang technician ay malapit nang mag-paste ng full tech na log sheet (kabilang ang queue number + customer) sa isang generic na sasakyan dahil sa isang pagkakamali. Pinahinto ito ng pinuno ng pangkat; Ang data ay hindi nagpapakilala at tanging mga teknikal na sintomas ang tinanong. Parehong tulong na natanggap, walang sensitibong data na lumabas.

Kaso 3 — Napanatili ang pagka-orihinal ng record. Nagdagdag ang AI ng pangungusap na "nakumpleto ang functional na pagsubok" sa isang pangwakas na ulat na hindi talaga nagawa. Inalis ng technician ang pangungusap, isinagawa ang pagsubok, isinulat ang resulta na may aktwal na halaga. Ang katapatan ng pag-record ay napanatili; Napigilan ang isang hindi nararapat at paglabag sa etika.

Apat na maaaring kopyahin na mga template

Tungkulin: End-to-end incident facilitator (katulong). Gawain: Naglalabas ng checklist kung aling mga hakbang ang dapat sundin sa anong pagkakasunud-sunod (pagre-record→trend→isolation→document→part→compliance→inspection→closure) para sa sumusunod na malfunction. Mga Panuntunan: Ipahiwatig na ang desisyon/pirma ay pagmamay-ari ng tao sa bawat hakbang; numero/limitasyon FITTING.Fault: [summary]

Tungkulin: Controller ng anonymization ng data.Gawain: Markahan ang mga identifier (numero ng queue, customer, empleyado, serial number, proprietary data) sa text sa ibaba na dapat alisin bago ibahagi. Mga Panuntunan: Kapag may pagdududa, imungkahi ang "alisin"; huwag gumawa ng anumang mga identifier halimbawa.Text: [text na ibabahagi]

Tungkulin: Record authenticity checker.Gawain: Sa pangwakas na teksto sa ibaba, isa-isahin ang mga claim na kailangan kong kumpirmahin ay ginawa talaga (ginawa ang pagsubok, kinuha ang pagsukat, naka-install ang bahagi). Mga Panuntunan: Ilagay ang "[KINAKAILANGANG PISIKAL NA PAGKUMPIRMA]" sa tabi ng bawat paghahabol; pasimplehin ang wikang ornamental.Text: [closing draft]

Tungkulin: Paalala sa hangganan (pagsuri sa sarili).Gawain: Ilista ang mga puntos sa sumusunod na trabaho na hindi maaaring ipaubaya sa AI (pirma, pagsunod, pasya ng NDT, limitasyon, desisyon ng MEL) at isaad ang responsableng awtoridad para sa bawat isa. Trabaho: [paglalarawan sa trabaho]

Mahinang prompt / Malakas na prompt

Mahina: "Suriin ang tech log na iyon at sabihin sa akin kung ano ang gagawin." (kabilang ang tail number + customer na nakakabit)

Pareho nitong inilalantad ang sensitibong data at inilalaan ang desisyon sa AI.

Strong: "Anonymised na sintomas: [uri, yugto, sintomas]. Bigyan mo ako ng checklist ng pagkakasunud-sunod ng mga hakbang na dapat kong sundin mula simula hanggang katapusan; ipahiwatig na nasa akin ang desisyon/pirma sa bawat hakbang; buuin ang numero/limitasyon. Hindi ako nagsasama ng sensitibong identifier."

Pinoprotektahan ng prompt na ito ang parehong kumpidensyal at mga hangganan ng desisyon.

Talahanayan: End-to-end na mapa ng responsibilidad

entablado

AI

tao

Record/trend/isolation

Bumibilis, mga palatandaan

Mga linya, sukat

dokumento/bahagi

Pinapasimple at hinahanap nito

Rebisyon/pagkumpirma ng pagiging epektibo

Kwalipikado/MEL

pinapasimple

karampatang desisyon

Inspeksyon/NDT

pre-qualification

Sertipikadong probisyon

Pagkapribado

Tulong sa anonymization

Pananagutan ng data

C.R.S.

—

awtorisadong lagda

Mga karaniwang pagkakamali

• Napagkakamalang bilis ng nakuha para sa paglipat ng awtoridad. Ang AI ay nagpapabilis, hindi ang mga palatandaan.
• Pagbibigay ng sensitibong data sa isang hindi nakokontrol na sasakyan. Panganib sa privacy/cyber.
• Palamutihan ang rekord. Originality = katumpakan; Ang hindi nagawa ay hindi maisusulat.
• Nilaktawan ang pagsasama at paggawa ng mga desisyon sa isang hakbang. Dapat ma-verify ang bawat link sa chain.
• Nakaka-relax na disiplina sa pagsasabing "maliit na trabaho sa pagkakataong ito". Walang maliit na trabaho sa seguridad-kritikal.

Sa buod

Ang kakanyahan ng modyul na ito ay nakolekta sa isang pangungusap: Ang AI ay nagbibigay ng end-to-end na bilis, ang mga tao ay may end-to-end na responsibilidad. Sa totoong kaganapan, ang AI ay nakakatipid ng mga minuto sa pagre-record, trending, paghihiwalay, dokumento, mga bahagi, pagpaplano at mga singsing sa inspeksyon; Ngunit ang bawat desisyon at lagda ay pagmamay-ari ng awtorisadong tao. Kapag ang privacy, cybersecurity, at record authenticity ay idinagdag sa disiplinang ito, ang AI ay nagiging isang ligtas at makapangyarihang tulong sa pagpapanatili ng aviation. Ang mga sasakyan ay magiging mas may kakayahan sa hinaharap; Ang hindi magbabago ay ang huling salita sa lugar na kritikal sa seguridad ay nananatili sa mga tao.

Gawain ng aplikasyon

Pumili ng isang makatotohanang (anonymised) na kaganapan sa pagkabigo mula sa iyong domain at mag-extract ng end-to-end na listahan ng hakbang gamit ang unang template. Sa bawat hakbang, punan ang mga column na "Ano ang ginawa ng AI, ano ang na-verify ko, kung sino ang gumawa ng desisyon". Pagkatapos ay suriin ang pagiging kompidensiyal ng data at itala ang pagiging tunay gamit ang pangalawa at pangatlong template. Maghanda ng isang pahinang "pinagsamang ulat ng insidente" at suriin ito kasama ng isang kasamahan.

checklist

• [ ] Pinatakbo ko ang kaganapan nang end-to-end, pinapatunayan ang bawat link.
• [ ] Sa bawat hakbang, itinatago ko ang desisyon at lagda sa awtorisadong tao.
• [ ] Nag-anonymize ako ng sensitibong data at gumamit ng mga inaprubahang tool.
• [ ] Hindi ako nagbahagi ng pagmamay-ari na data ng OEM sa labas ng lisensya/patakaran.
• [ ] Na-verify ko na ang pag-record ay tumpak na sumasalamin sa katotohanan.
• [ ] Malinaw kong natukoy ang mga bagay na hindi kailanman magagawa ng AI (pirma, pagsunod, probisyon ng NDT).

Pagsusulit sa Module

1. Paano mas tumpak na matukoy ang papel ng artificial intelligence (AI) sa pagpapanatili ng sasakyang panghimpapawid?

• A) Ito ay isang katulong at accelerator na kailangang ma-verify; Ang pinal na desisyon at lagda ay pagmamay-ari ng awtorisadong tao ✔
• B) Ito ay isang gumagawa ng desisyon na maaaring pumirma sa CRS kung ito ay sapat na maaasahan
• C) Ito ay isang diagnostic na awtoridad na pumapalit sa pisikal na pagsusuri
• D) Ito ay isang kasangkapan na magagamit lamang sa administratibong sulat at walang lugar sa teknolohiya.

Paglalarawan: Ang paglipad ay isang lugar na kritikal sa kaligtasan; Pinapabilis ng AI ang pag-scan, pagte-trend, at pag-draft ng dokumento, ngunit ang pagpapasiya sa pagiging karapat-dapat sa hangin at pirma ng CRS ay nakalaan para sa mga awtorisado at lisensyadong tauhan lamang.

2. Tinanong ng isang technician kay YZ ang halaga ng torque ng isang bolt. Alin ang pinakatamang diskarte?

• A) Direktang paglalapat ng halaga kung kumpiyansa ang AI
• B) Gamit ang halaga ng isang katulad na bolt
• C) Batay sa unang halaga na makikita sa internet
• D) Pagkumpirma ng halaga sa pamamagitan ng pag-link nito sa pinagmulan sa nauugnay na gawain ng AMM at kasalukuyang rebisyon ✔

Paglalarawan: Ang AI ay maaaring mag-peke (mag-hallucinate) ng mga kritikal na halaga gaya ng torque. Dapat kumpirmahin ang bawat halaga sa pamamagitan ng pag-link sa pinagmulan sa nauugnay na gawain ng AMM at sa kasalukuyang rebisyon.

3. Ano ang pinakatumpak na pahayag tungkol sa isang CMC error code?

• A) Ang code ay palaging nagpapahiwatig ng eksaktong bahagi na papalitan
• B) Ang code ay may parehong kahulugan sa lahat ng uri ng sasakyang panghimpapawid
• C) Ang code ay karaniwang sintomas; Ang ugat na sanhi ay matatagpuan sa pamamagitan ng paghihiwalay nito sa FIM ✔
• D) Kung mayroong code, hindi na kailangan ng pisikal na pagsusuri.

Paliwanag: Ang error code ay madalas na nagpapahiwatig ng sintomas at hindi ang ugat na sanhi; Ang parehong code ay maaaring may iba't ibang kahulugan depende sa uri/software na pamantayan. Ang ugat na sanhi ay nakahiwalay sa FIM.

4. Ano ang pinakaligtas na diskarte bilang pagkakasunod-sunod ng paghihiwalay kung sakaling magkaroon ng avionics fault?

• A) Basahin ang BITE, pagkatapos ay isaalang-alang ang connector/cable/ground at software/configuration, isaalang-alang ang LRU last ✔
• B) Palitan muna ang pinakamahal na LRU, pagkatapos ay tumingin sa cable
• C) Kumpletuhin ang pagsusuri kung ang BITE ay nagsasabing 'malinaw'
• D) Pagsubok at pagsasara ng paulit-ulit na fault sa ilalim ng steady na kondisyon

Paliwanag: Karamihan sa mga avionics malfunctions ay sanhi ng paglalagay ng kable/connector/grounding. Sa halip na maagang sisihin ang mahal at nakikitang LRU, dapat munang alisin ang measurement chain at software/configuration.

5. Ano ang pinakaligtas na paraan para magtanong sa AI tungkol sa isang Service Bulletin (SB)?

• A) Pagtatanong sa obligasyon at bahagi mula sa memorya ng AI nang hindi binigay ang SB text
• B) Idikit ang SB text at sabihin ang 'rely on this text only' at kumpirmahin ang obligasyon sa opisyal na source ✔
• C) Hindi sinusuri ang pagiging epektibo kung ang AI ay nagsasabing 'hindi ito kinakailangan'
• D) Direktang pag-order ng part number gaya ng ibinigay ng YZ

Paliwanag: Ang pinakaligtas na paggamit ay RAG logic: ibibigay mo ang dokumento sa AI at hilingin dito na umasa lamang sa tekstong iyon. Ito ay makabuluhang binabawasan ang guni-guni; Ang obligasyon at oras ng pagsunod ay muling nakumpirma sa opisyal na teksto.

6. Alin ang tama para sa pagtatantya ng prognostic (RUL — natitirang kapaki-pakinabang na buhay) sa predictive maintenance?

• A) Ang RUL ay isang mahirap na petsa at maaaring gamitin upang palawigin ang limitasyon sa mahirap na oras
• B) Ang RUL ay isang hindi tiyak na pagtatantya; Tanging ang inaprubahang programa ng tagagawa ang tumutukoy sa pagitan ng pagpapanatili ✔
• C) Kung mababa ang RUL, dapat na lansagin kaagad ang bahagi, anuman ang iskedyul
• D) Kung mataas ang RUL, maaaring kanselahin ang lahat ng pana-panahong pagsusuri

Paliwanag: Ang RUL ay hindi isang eksaktong petsa, ngunit isang pagtatantya na walang katiyakan. Maaaring ito ay isang trigger upang 'tumingin nang mas maaga' ngunit hindi nito ma-override ang mga naaprubahang limitasyon sa pagpapanatili tulad ng mahirap na oras.

7. Ano ang pinaka-kritikal na punto ng kumpirmasyon kapag pumipili ng mga bahagi mula sa IPC?

• A) Paghahanap ng bahagi mula sa pinakamurang supplier
• B) Ang bahagi ay may label na 'bago'
• C) Pag-verify ng numero ng bahagi sa IPC ayon sa pagiging epektibo/mode ng sasakyang panghimpapawid ✔
• D) Gamit ang numerong iminungkahi ng AI bilang katumbas

Paliwanag: Ang mga numero ng bahagi na mukhang magkatulad ay maaaring kabilang sa magkakaibang mga bloke ng pagiging epektibo (queue/serial/mode status). Ang tamang bahagi ay napatunayan sa pagiging epektibo ng IPC ayon sa katayuan ng pagbabago ng sasakyang panghimpapawid.

8. Ang isang kritikal na bahagi ng avionics ay makukuha 'sa stock, kaagad' mula sa mga aprubadong distributor sa mas murang presyo. Alin ang pinakatamang tugon?

• A) Isaalang-alang ito na isang pulang bandila ng SUP at kumpirmahin ang dokumentasyon at kakayahang masubaybayan mula sa tagagawa/opisyal na pinagmulan ✔
• B) Bumili ngayon para sa kalamangan sa gastos
• C) Kung ang Form 1 ay nakalakip, i-install ito nang walang anumang iba pang pagsusuri.
• D) Ang pagkakaroon ng AI na kumpirmahin at tanggapin ang pagiging tunay ng dokumento

Paglalarawan: Ang abnormal na mababang presyo at madaling availability ay mga klasikong pulang flag para sa mga pekeng/hindi naaprubahang bahagi (SUP). Dapat kumpirmahin ang pagiging tunay ng dokumento sa pamamagitan ng pagtatala ng manufacturer/inaprubahang distributor at serial number.

9. Ano ang pinakatumpak na pahayag tungkol sa item ng MEL (Minimum Equipment List)?

• A) Ang MEL ay isang amnestiya na nagpapahintulot sa walang kundisyong paglipad na may mga sira na kagamitan
• B) Ang sugnay ng MEL ay nakasalalay sa mga kundisyon, mga deadline at mga pamamaraan ng O/M; Ang desisyon ay nakasalalay sa awtorisadong tao ✔
• C) Ang interpretasyon ng MEL ay maaaring ipaubaya nang buo sa AI
• D) Anumang item na lumalabas sa MEL ay nagbibigay-daan sa paglipad nang hindi nangangailangan ng anumang aksyon.

Paglilinaw: Ang MEL ay hindi isang 'fault amnesty'; Ang bawat item ay depende sa mga kondisyon, oras ng pagwawasto at kung minsan ay mga O/M na pamamaraan. Ang desisyon sa applicability ay nakasalalay sa awtorisadong tao ayon sa opisyal na MEL.

10. Ano ang pinakamahalagang tuntuning etikal kapag naghahanda ng teksto ng pagsasara ng order sa trabaho gamit ang AI?

• A) Gawing propesyonal at kumpleto ang teksto hangga't maaari
• B) Pagdaragdag ng mga nawawalang hakbang bilang 'marahil tapos na'
• C) Iniwan ang mga numero ng gawain tulad ng isinulat ng AI
• D) Ang teksto ay nagpapakita lamang ng eksakto kung ano ang aktwal na ginawa ✔

Paliwanag: Ang tala ay dapat na salamin ng katotohanan. Ang katatasan ng AI ay hindi maaaring gamitin upang ipakita ang 'tapos na' isang pagsubok o hakbang na hindi pa nagagawa; Ito ay pandaraya sa pagpaparehistro.

11. Alin ang totoo para sa computer vision sa visual inspection/NDT?

• A) Kung ang sistema ay nagsasabing 'malinaw', ang inspeksyon ay itinuturing na tapos na.
• B) Ang bawat puntong minarkahan ng system ay isang tiyak na depekto
• C) Minamarkahan ng system ang kahina-hinalang lugar; Ang desisyon sa pagtanggap/pagtanggi ay pagmamay-ari ng sertipikadong inspektor at ang limitasyon ng dokumento ✔
• D) Pinapalitan ng computer vision ang sertipikasyon ng NDT

Paglalarawan: Ang computer vision ay isang layer ng pre-screening at attention routing; Ang nauugnay/hindi nauugnay na pagkakaiba, sukat ng sukat at desisyon sa pagtanggap/pagtanggi ay pagmamay-ari ng sertipikadong inspektor at ang dokumento ng limitasyon. 'Sinabi niya na ang sistema ay malinaw' ay hindi nagtatapos sa pagsusuri.

12. Ano ang pinakamalaking panganib ng tao sa paggamit ng AI sa konteksto ng Dirty Dozen?

• A) Kasiyahan at automation bias: walang taros na pagtitiwala sa output at paglaktaw sa pisikal na kumpirmasyon ✔
• B) pagbibigay ng AI sa technician ng labis na pahinga
• C) Ang AI ay hindi kailanman nagkakamali
• D) Hindi kailanman mabasa ng AI ang dokumento.

Paliwanag: Ang tuluy-tuloy at tiwala na output ng AI ay maaaring magbunga ng kasiyahan at pagkiling sa automation; humahantong ito sa paglaktaw sa pisikal na pagsusuri.

13. Anong tatlong bagay ang dapat na i-verify nang hiwalay para sa katayuan ng isang AD (Airworthiness Directive)?

• A) Tanging ang buod, petsa at numero na ibinigay ng YZ
• B) Kasalukuyang rebisyon, pagkakalapat at talaan ng pagsunod ✔
• C) Tanging ang presyo, supplier at katayuan ng stock ng bahagi
• D) Ulat ng piloto at tala ng shift lamang

Paglalarawan: Para sa isang AD, ang kasalukuyang rebisyon (authority publication), applicability (ito ba ay inilapat sa serye/configuration ng aircraft) at compliance record (kung inilapat, kailan, kinakailangan muli) ay kinumpirma nang hiwalay nang hindi naghahalo sa isa't isa.

14. Ano ang pinakamahusay na pag-uugali kapag nakakakuha ng tulong mula sa AI sa isang sensitibong tala sa pagpapanatili (numero ng buntot, customer, data ng pagmamay-ari ng OEM)?

• A) I-paste ang lahat ng tech log sheet na may queue no at customer para sa mabilis na pagtugon
• B) Malayang i-install ang pagmamay-ari ng OEM manual na nilalaman sa anumang pangunahing sasakyan
• C) Hindi nagmamalasakit dahil hindi mahalaga ang privacy ng data sa aviation
• D) I-anonymize ang mga identifier at tanungin lamang ang teknikal na sintomas gamit ang aprubadong tool ✔

Paglilinaw: Ang pag-paste ng sensitibong data sa isang hindi nakokontrol na pampublikong tool ay maaaring isang hindi maibabalik na pagtagas. Dapat na anonymize ang mga identifier, ang mga teknikal na sintomas lang ang dapat itanong, at dapat gamitin ang mga tool na inaprubahan ng institusyon.