Обслуживание самолетов. Данные — ваше всё

С 2013 года Военно-воздушные силы США потеряли 224 пилота и $12 млрд из-за неполадок в конструкции и оборудовании самолётов. Национальная комиссия по безопасности военной авиации расследовала причины этих сбоев. Наряду с психологией пилота и нехваткой финансирования, главная проблема — отсутствие технологий искусственного интеллекта (ИИ) в обслуживании оборудования авиафлота.

По указаниям комиссии, ИИ начали применять в виде прогнозного обслуживания оборудования (Predictive Maintenance). Так военные смогли предотвращать аварии и отказы, повысить безопасность судов и минимизировать затраты на их обслуживание — до $5 млрд ежегодно.

В этой статье мы расскажем о том, как военная авиация задала тренд на прогнозное обслуживание и как это помогает экономить на обслуживании авиафлота.

От маленькой детали до миллионных убытков

Заправочный танкер KC-135 ВМФ США ломался около 20 раз, съев из бюджета $6,6 млн. Подробный анализ причин показал — каждый раз поломка возникала из-за одного гидравлического насоса, который регулярно выходил из строя.

Чтобы прекратить этот «день сурка», командование изменило подход в работе с оборудованием с реактивного на прогнозный (Predictive Maintenance). Благодаря Predictive Maintenance алгоритмы анализируют данные по каждой детали самолёта и автоматически предупреждают о ремонте или замене.

Lockheed Martin также пользуется преимуществами прогнозных подходов на вертолётах Sikorsky. Компания внедряет системы внутри судов, чтобы искать, структурировать и анализировать информацию с разных модулей. Таким образом она оптимизировала доступность вертолётного парка и сэкономила на обслуживании оборудования.

В гражданской авиации СНГ тоже есть примеры применения систем прогнозного обслуживания оборудования. S7 Airlines внедрила EAM-решение для Airbus A319, которое анализирует массив данных по работе компонентов и метеорологические факторы. Эта информация помогает сократить число задержанных по техническим причинам вылетов, прогнозировать поломки ещё в авиапарке и делать полёты безопаснее.

Данные — ваше всё

В авиации данные по оборудованию поступают с разных источников и в огромном количестве — почти 100 млн терабайт в год. Такие массивы называют большими данными (Big Data), и их главные источники:

— регистраторы полётных данных (FDR);

— датчики состояния двигателя (EHM);

— датчики состояния бортового оборудования (AHM).

Каждый модуль обрабатывает тысячи параметров вплоть до «здоровья» отдельного компонента. Чтобы эта информация не терялась, авиаторам необходима мощная ІТ-инфраструктура.

Так компании пришли к EAM-системам, которые могут быстро и понятно собрать данные по оборудованию самолётов и прогнозировать, когда и какая конкретно деталь выйдет из строя. Более того, система собирает «историю данных» за прошлые периоды, а значит, с каждым месяцем математическая модель становится ещё точнее. 

Lufthansa даже заявила, что решения для прогнозного обслуживания оборудования сократили им 80% незапланированных простоев и помогли сэкономить около 1 млн евро за год.

Прогнозное обслуживание как дополнение

Если вы читали наш материал про методики обслуживания оборудования, то знаете, что Predictive Maintenance — не панацея, а следующая ступень в эффективном управлении агрегатами. Вы избавитесь от слепых зон в обслуживании оборудования, присущих реактивным и превентивным подходам. Для наглядности давайте сравним каждый из них.

Реактивный

• Легко внедрить и запустить.
• Нет инвестиций в ІТ (программа, датчики и обучение специалистов).
• Непредсказуемые простои и, как результат, сверхурочная работа.
• Неожиданные поломки и, как результат, больше убытков и меньший срок жизни актива.

Превентивный

• Наработка агрегатов на отказ — меньше внеплановых простоев.
• Тяжело внедрить на большой авиапарк.
• Требует дополнительных (и необязательных) простоев по графику и закупки запчастей — обходится слишком дорого.

Прогнозный

• Меньше простоев из-за прогнозированных поломок.
• Полная картина «здоровья» флота в реальном времени.
• Быстрые ремонты даже для случайных аварий.
• Особенно важно для критических систем — реактивных двигателей и вспомогательных приводных модулей.

Прогнозное обслуживание взаимовыгодно и для других систем: зная состояние компонентов в реальном времени, легче и дешевле реактивно реагировать на поломки; а имея реальный жизненный цикл актива — намного проще внедрять превентивные практики.

Итого

Сбор, структурирование и обработка данных играют ключевую роль в сокращении затрат на обслуживание авиафлота. Это позитивно сказывается на безопасности: вы контролируете не только авиалайнеры, но и наземное вспомогательное оборудование.

Ещё один фактор — финансовый. Продукты вроде SmartEAM прогнозируют отказ даже критических компонентов, например — газотурбинного двигателя. Так авиакомпании экономят значительные суммы на своевременном обслуживании или замене, а не тратятся на капитальный ремонт по факту аварии. А учитывая развитие авиа- и аэрокосмической индустрии, прогнозное обслуживание поможет авиакомпаниям не только экономить, но и стать частью технологий будущего.