ENGINEERINGNET.BE - Tijdens een testperiode van zes maanden bij KLM is bewezen dat AI-modellen bruikbaar zijn om gezondheidsvoorspellingen van vliegtuigsystemen te maken en het onderhoudsproces dienovereenkomstig te plannen.
Projectleider Bruno Santos, Assistant Professor Airline Operations bij TU Delft: “We zijn erin geslaagd het complete onderhoudsproces van verschillende vliegtuigvloten te modelleren. Hiermee wordt het mogelijk om het huidige vliegtuigonderhoud op basis van vaste tijdsintervallen, en onderhoud als gevolg van defecten, te transformeren naar continue gezondheidsmonitoring van systemen."
"Systemen worden dan vervangen wanneer dat nodig is, wat verspilling tegengaat. Daarnaast heeft het team het complexe proces van onderhoudsplanning gemodelleerd, iets wat momenteel grotendeels met de hand gebeurt. Hierin wordt ook rekening gehouden met veranderingen en verstoringen, zodat het de praktijk beter benadert dan de bestaande statische modellen. Onderhoud is hierdoor verder vooruit te plannen.”
Santos: “Verder hebben we een open IT-platform ontwikkeld waarmee AI-ontwikkelaars hun prognoses of planningsalgoritmen met een paar klikken kunnen laten draaien op basis van werkelijke operationele gegevens. Dit bevordert de ontwikkeling van innovatieve oplossingen, om snel te gaan naar een echt adaptieve, conditie-gebaseerde onderhoudsbenadering in de luchtvaart.”
Alleen al in Europa kan de potentiële besparing op vliegtuigonderhoud oplopen tot 700 miljoen euro per jaar, aldus de Adviesraad voor Luchtvaartonderzoek in Europa.
Paul Chün, Vice President Technology Hub KLM Engineering & Maintenance: “We kunnen met dit concept overwegen om de huidige handmatige onderhoudsplanning, van hooguit enkele weken vooruit, te vervangen door dit automatisch planningsproces waarmee we enkele maanden vooruit kunnen plannen. Minder ongepland onderhoud resulteert in minder vertraging en annulering van vluchten.”
Een ander onderzoek van ReMAP richtte zich op de mogelijkheden van diagnose en prognose-modellen voor composiet vliegtuigstructuren. Schade aan composiet vliegtuigstructuren is vaak niet zichtbaar aan het oppervlak waardoor de huidige handmatige inspecties veel tijd kosten.
Binnen ReMAP zijn er diagnose- en prognosesystemen ontwikkeld die via AI bepalen of er schade is, waar de schade is, welke schade er is en hoe ernstig de schade is. Een tweejarige testperiode van TU Delft en de Universiteit van Patras resulteerde in een unieke publieke kennisbank.
ReMAP-partners zijn verder: ATOS Spain, Cedrat Technologies, Collins Aerospace, École National Supérieure d'Arts et Métiers, Embraer Portugal, Instituto Pedro Nunes, Office National D'Etudes et de Recherches Aerospatiales, Optimal Solutions, Smartec SA en University of Coimbra.
