Обслуговування літаків. Дані – ваше все

З 2013 року Повітряні сили США втратили 224 пілоти та $12 млрд через несправності в конструкції й обладнанні літаків. Національна комісія з безпеки військової авіації розслідувала причини цих збоїв. Поряд із психологією пілота і браком фінансування, головна проблема — відсутність технологій штучного інтелекту (ШІ) в обслуговуванні обладнання авіафлоту.

За вказівками комісії, ШІ почали застосовувати у вигляді прогнозного обслуговування обладнання (Predictive Maintenance). Так військові змогли запобігати аваріям і відмовам, підвищити безпеку суден і мінімізувати витрати на їх обслуговування — до $5 млрд щорічно.

У цій статті ми розповімо про те, як військова авіація задала тренд на прогнозне обслуговування і як це допомагає економити на обслуговуванні авіафлоту.

Від маленької деталі до мільйонних збитків

Заправний танкер KC-135 ВМФ США ламався близько 20 разів, з’ївши з бюджету $6,6 млн. Докладний аналіз причин показав — щоразу несправність виникала через один гідравлічний насос, який регулярно виходив із ладу.

Щоб припинити цей «день бабака», командування змінило підхід у роботі з обладнанням із реактивного на прогнозний (Predictive Maintenance). Завдяки Predictive Maintenance алгоритми аналізують дані за кожною деталлю літака й автоматично попереджають про ремонт або заміну.

Lockheed Martin також користується перевагами прогнозних підходів на вертольотах Sikorsky. Компанія впроваджує системи всередині суден, щоб шукати, структурувати й аналізувати інформацію з різних модулів. Таким чином вона оптимізувала доступність вертолітного парку й заощадила на обслуговуванні обладнання.

У цивільній авіації СНД теж є приклади застосування систем прогнозного обслуговування обладнання. S7 Airlines запровадила EAM-рішення для Airbus A319, яке аналізує масив даних із роботи компонентів і метеорологічні чинники. Ця інформація допомагає скоротити кількість затриманих за технічними причинами вильотів, прогнозувати несправності ще в авіапарку й робити польоти безпечнішими.

Дані — ваше все

В авіації дані за обладнанням надходять із різних джерел й у величезній кількості — майже 100 млн терабайтів на рік. Такі масиви називають великими даними (Big Data), і їхні головні джерела:

— реєстратори польотних даних (FDR);

— датчики стану двигуна (EHM);

— датчики стану бортового обладнання (AHM).

Кожен модуль обробляє тисячі параметрів аж до «здоров’я» окремого компонента. Щоб ця інформація не губилася, авіаторам необхідна потужна ІТ-інфраструктура.

Так компанії дійшли до EAM-систем, які можуть швидко і зрозуміло зібрати дані за обладнанням літаків і прогнозувати, коли та яка конкретно деталь вийде з ладу. Ба більше, EAM-продукти збирають «історію даних» за минулі періоди, а значить, із кожним місяцем математична модель стає ще точнішою. 

Lufthansa навіть заявила, що рішення для прогнозного обслуговування обладнання скоротили їм 80% незапланованих простоїв і допомогли заощадити близько 1 млн євро за рік.

Прогнозне обслуговування як доповнення

Якщо ви читали наш матеріал про методики обслуговування обладнання, то знаєте, що Predictive Maintenance — не панацея, а наступний щабель в ефективному управлінні агрегатами. Ви позбудетеся сліпих зон в обслуговуванні обладнання, властивих реактивним і превентивним підходам. Для наочності порівняймо кожен із них.

Реактивний

• Легко впровадити й запустити.
• Немає інвестицій в ІТ (програма, датчики й навчання фахівців).
• Непередбачувані простої та, як результат, понаднормова робота.
• Несподівані несправності та, як результат, більше збитків і менший термін життя активу.

Превентивний

• Наробіток агрегатів до відмови — менше позапланових простоїв.
• Важко впровадити на великий авіапарк.
• Вимагає додаткових (і необов’язкових) простоїв за графіком і закупівлі запчастин — обходиться задорого.

Прогнозний

• Менше простоїв через прогнозовані несправності.
• Повна картина «здоров’я» флоту в реальному часі.
• Швидкі ремонти навіть для випадкових аварій.
• Особливо важливо для критичних систем — реактивних двигунів і допоміжних приводних модулів.

Прогнозне обслуговування взаємовигідне і для інших систем: знаючи стан компонентів у реальному часі, легше і дешевше реактивно реагувати на несправності; а маючи реальний життєвий цикл активу — набагато простіше впроваджувати превентивні практики.

В підсумку

Збір, структурування й обробка даних відіграють ключову роль у скороченні витрат на обслуговування авіафлоту. Це позитивно позначається на безпеці: ви контролюєте не тільки авіалайнери, але й наземне допоміжне обладнання.

Ще один фактор — фінансовий. Продукти на кшталт SmartEAM прогнозують відмову навіть критичних компонентів, наприклад — газотурбінного двигуна. Так авіакомпанії економлять значні суми на своєчасному обслуговуванні або заміні, а не витрачаються на капітальний ремонт за фактом аварії. А з огляду на розвиток авіа- і аерокосмічної індустрії, прогнозне обслуговування допоможе авіакомпаніям не тільки економити, але і стати частиною технологій майбутнього.