Nuspėjamoji priežiūra ir jutiklių duomenys: tendencija, prognozės ir HUMS

Pelnas:

• Gebėjimas atskirti tendencijų, anomalijų ir prognostinę (RUL) analizę ir naudoti dirbtinį intelektą kaip modelio žymeklį jutiklių duomenyse
• Gebėjimas fiziniu patvirtinimu atskirti, ar anomaliją sukėlė matavimo grandinė (jutiklis/kabelis/kalibravimas) ar komponentas
• Gebėjimas suprasti, kad prognozės nėra galutinė data ir kad tik patvirtinta gamintojo programa nustato techninės priežiūros intervalus.

Orlaivio techninė priežiūra svyruoja tarp trijų planavimo filosofijų. Korekcinė techninė priežiūra pašalina gedimą jam atsiradus. Profilaktinė/periodinė priežiūra keičia dalis tam tikrą skrydžio valandą ar ciklą. Nuspėjamoji priežiūra – faktinės komponento būklės stebėjimas ir įsikišimas „laiku“, kol jis sugenda – yra moderniausias būdas ir yra sritis, kurioje dirbtinis intelektas (AI) suteikia didžiausią pridėtinę vertę. Šiame skyriuje apžvelgsime tendencijų nuskaitymą iš jutiklių duomenų, prognozes ir jų ribas.

Iš kur gaunami duomenys?

Šiuolaikiniai orlaiviai nuolat gamina duomenis. Pagrindiniai šaltiniai:

• ACARS/QAR/FDR (Aircraft Communications Addressing and Reporting System / Quick Access Recorder / Flight Data Recorder — sistemos, kurios įrašo/perduoda skrydžio parametrus): variklio parametrus, sistemos būsenas, skrydžio duomenis.
• HUMS (Health and Usage Monitoring System) stebi vibraciją ir pavarų dėžės būklę, ypač sraigtasparniuose: vibraciją, temperatūrą, ciklų skaičius.
• Variklio tendencijų stebėjimas: tokių parametrų kaip EGT, N1/N2 (variklio rotoriaus greičiai), degalų srauto, alyvos slėgio/temperatūros stebėjimas nuo skrydžio iki skrydžio.
• CMS/CMC priežiūros pranešimai ir BITE įrašai.

Šie duomenys yra dideli ir juose yra lėtų tendencijų (klastingas vertės kilimas virš skrydžių), kurių žmogaus akis negali aptikti. Čia atsiranda AI ir statistiniai modeliai.

Tendencija, anomalija ir prognozės: trys atskiri darbai

Yra trys sąvokos, kurių nereikėtų painioti:

1. Tendencijos analizė: parametro tendencija laikui bėgant. Pavyzdžiui, EGT maržos praradimas yra klasikinis variklio veikimo pablogėjimo rodiklis.
2. Anomalijų aptikimas: staigus / statistinis nukrypimas nuo laukiamo elgesio. Dirbtinio intelekto modeliai išmoksta „įprastą“ modelį ir pažymi nuokrypį.
3. Prognostinis (RUL): Likęs naudingo tarnavimo laikas – likusio naudingo tarnavimo laiko įvertinimas. "Šis komponentas pasiekia savo ribą po maždaug X ciklų." Tai ambicingiausia ir dviprasmiškiausia.

AI padeda su visais trimis, tačiau neapibrėžtumas didėja su visomis trimis: tendencija yra patikimiausia, prognozinė yra labiausiai spekuliatyvi. RUL sąmata niekada nėra tiksli data; Tai yra tikimybių diapazonas ir vertinamas pagal inžinieriaus interpretaciją ir gamintojo ribas (sunkus laikas, techninės priežiūros programos).

Atsargiai: prognostinis įvertinimas yra geras veiksnys, norint „pažiūrėti anksčiau“; „Pašalinti prieš ribą“ arba „pratęsti limitą“ negali būti pateisinamas. Techninės priežiūros intervalai nustatomi tik pagal patvirtintą techninės priežiūros programą (MPD/MRB) ir gamintojo apribojimus. AI prognozės jų nekeičia, tik atkreipia dėmesį.

Du klaidų tipai: praleistas gedimas ir klaidingas aliarmas

Numatymo sistemos turi dvipusę riziką. Klaidingai neigiamas (prarastas gedimas): modelis nežymi problemos, komponentas netikėtai sugenda – saugos rizika. Klaidingas teigiamas signalas (klaidingas pavojaus signalas): žymi ne modelio problemą, nereikalingą išmontavimą, nereikalingas išlaidas ir, svarbiausia, riziką, kad bereikalingai išmontuojant gali atsirasti naujų gedimų (gedimas dėl techninės priežiūros). Gera programa subalansuoja abu; Neteisinga aklai keisti dalis kiekvieno aliarmo metu ir nepaisyti kiekvieno pavojaus signalo. AI žymi modelį; Inžinierius nustato slenkstį ir įsikišimą.

Patarimas: pradėkite signalą „kodėl dabar? paklausti. Ar tai tikra tendencija, ar jutiklio poslinkis / duomenų klaida? Dalis anomalijos yra ne komponente, o matavimo grandinėje (jutiklis, kabelis, kalibravimas). Nesakykite „gedimas“ be fizinio patvirtinimo.

trys mini dėklai

1 atvejis – EGT marža anksti perspėjo apie tendenciją. Vieno variklio EGT marža lėtai sumažėjo 6°C per pastaruosius 60 skrydžių. Tai nebuvo pastebima žiūrint į atskirus skrydžius; AI tendencijų diagrama aiškiai parodė tendenciją. Inžinierius pagal gamintojo tendencijų vadovą suplanavo boroskopinį patikrinimą ir nustatė priešlaikinį turbinos mentės susidėvėjimą. Vietoj netikėtos nesėkmės buvo numatyta planinė intervencija; pelnas: AOG (Aircraft on Ground) incidento prevencija.

2 atvejis – gautas klaidingas pavojaus signalas. HUMS suveikė pavarų dėžės vibracijos aliarmą. Užuot iš karto išardę, komanda pirmiausia patikrino jutiklio laikiklį ir laidą: atsilaisvino vibracijos jutiklio jungtis. Signalas pagerėjo, suveikė signalizacija. Išvengiama nereikalingo greičių dėžės ardymo (didelė kaina + naujų klaidų rizika).

3 atvejis – netinkamai panaudota prognozė, ištaisyta. Planuotojas norėjo atidėti komponento pakeitimą, remdamasis AI įvertinimu „300 RUL ciklų“. Vyresnysis inžinierius priminė: komponentui buvo sunkus laikas, o limitas buvo fiksuotas patvirtintoje programoje. Prognostinė prognozė buvo rekomendacija, sunkus laikas buvo būtinybė. Pakeitimas atliktas pagal grafiką; Užkirstas kelias galimam atitikties pažeidimui.

Keturi kopijuojami šablonai

Vaidmuo: Variklio/parametrų tendencijų skaitymo asistentas.Užduotis: Apibūdinkite, ar yra kokių nors tendencijų ar nuokrypių paskutinių [N] skrydžių [parametrų] reikšmėse. Taisyklės: - Tiesiog apibūdinkite modelį; NEdiagnozuokite gedimo.- Jei yra reikšmingas pakilimas/smukimas, nurodykite, kuriame skrydžio diapazone jis yra.- Priminkite, kad vertinimas yra išankstinė kvalifikacija, o ribos yra apibrėžtos gamintojo programoje. Duomenys: [CSV / įklijavimo lentelė]

Vaidmuo: Anomalijų prioritetų nustatymo asistentas. Užduotis: sugrupuokite šį aliarmų / anomalijų sąrašą į „pirmiausia reikia fizinio patvirtinimo“ ir „galima jutiklio / duomenų klaida“. Taisyklės: pasiūlykite, ką pirmiausia reikia patikrinti kiekvienam (jutiklis/kabelis/kalibravimas ir kt.); Galutinį sprendimą priima inžinierius. Sąrašas: [anomalija įrašai]

Vaidmuo: jutiklis ir komponentų atskyrimo patarėjas. Užduotis: toliau nurodytos anomalijos atveju, ar matavimo grandinė (jutiklio-kabelio kalibravimas), ar komponentas yra pagrindinis įtariamasis, nurodykite priežastis. Taisyklės: prieš rekomenduodami pakeisti dalį patikrinkite matavimo grandinę. Anomalija: [aprašas + duomenys]

Vaidmuo: Tendencijos ataskaitos juodraščio asistentas.Užduotis: Parašykite trumpą ataskaitos projektą, kuris bus pristatytas inžinieriui pagal šią tendencijų radiją.Taisyklės:- Suradimas | galima prasmė (atsargiai) | rekomenduojamas patikrinimas | naudokite atitinkamas gamintojo vadovo antraštes. - Tiksli RUL / pasimatymas; Pridėti „su gamintojo riba ir inžinieriaus patvirtinimu“. Išvada: [tendencijų santrauka]

Silpnas raginimas / Stiprus raginimas

Silpnas: "Ar šis variklis suges? Kiek dar liko gyvybių?"

Tai verčia AI pateikti galutinę pranašystę; Pagamintas „likusio gyvenimo“ skaičius yra nepagrįstas ir pavojingas.

Stiprus: "Žemiau pateikiamos paskutinių 60 skrydžių EGT marža ir N2 vertės. Tiesiog apibūdinkite tendenciją ir nuokrypį; nurodykite, kuriuo skrydžio intervalu jis keičiasi; nurodykite gedimo diagnozę ir galutinį likusį tarnavimo laiką; nurodykite, kad tai yra išankstinė kvalifikacija, riba apibrėžta gamintojo tendencijų vadove, o sprendimą priima inžinierius.

Šis raginimas teisingai išdėsto neapibrėžtumą ir palieka sprendimą žmogui.

Lentelė: trys analizės tipai ir patikimumo lygiai

Analizė

ką tai sako

pasitikėti

Tinkamas AI vaidmuo

tendencija

tendencijos kryptis

aukštas

Lėti pokyčiai tampa matomi

Anomalija

staigus nukrypimas

vidutinis

Nukrypimų žymėjimas, prioritetų nustatymas

Prognozinis (RUL)

Likęs gyvavimo laikas

Žemas/neaiškus

Suaktyvinkite „Pažiūrėk greičiau“

sprendimą

Pašalinti / pakeisti / atidėti

—

Žmogus + patvirtinta programa

Dažnos klaidos

• Klaidinga galutinės datos prognozė. RUL yra tikimybių diapazonas, jis nepaiso sunkaus laiko.
• Dalių keitimas kiekvieno aliarmo metu. Klaidingi pavojaus signalai sukelia naujų klaidų dėl išmontavimo.
• Jutiklio / duomenų klaidos klaidinimas dėl komponento gedimo. Pirmiausia nuimkite matavimo grandinę.
• Žiūri į vieną skrydį ir trūksta tendencijos. Lėtos tendencijos atsiranda tik laiko eilutėse.
• Bandoma pakeisti priežiūros intervalą naudojant AI. Tik patvirtinta programa nustato intervalus.

Apibendrinant

Nuspėjamoji priežiūra – tai menas išgauti reikšmingus signalus iš didelės apimties jutiklių duomenų, o dirbtinis intelektas čia yra galingas asistentas: leidžia matyti lėtas tendencijas, žymi anomalijas, atkreipia dėmesį į reikiamą vietą. Tačiau pasitikėjimo lygis mažėja nuo tendencijos iki prognozinio; RUL nėra tiksli data. Su kiekvienu aliarmu "jutiklis ar komponentas?" paklausti; Tik patvirtinta gamintojo programa nustato techninės priežiūros intervalus; Sprendimas dėl intervencijos ir parašas priklauso inžinieriui.

Taikymo užduotis

Suteikite savo (anoniminę) parametrų seriją AI su pirmuoju šablonu ir gaukite tendencijos receptą. Tada atskirkite „jutiklį ar komponentą“ naudodami trečiąjį šabloną. Palyginkite su faktiniu gamintojo tendencijų vadovu: ar AI pažymėta tendencija yra tikra, ar slenkstis yra teisingas? Parašykite vieno puslapio įvertinimą ir atsakykite į klausimą "koks fizinis patikrinimas reikalingas?"

kontrolinis sąrašas

• [ ] Tendenciją, anomaliją ir prognozę laikiau atskiromis sąvokomis.
• [ ] Aš paprašiau AI modelio aprašymo, o ne diagnozės.
• [ ] Kiekvienai anomalijai pirmiausia pašalinau matavimo grandinę (jutiklį/kabelį/kalibravimą).
• [ ] RUL sąmatos kaip tikslios datos nenaudojau.
• [ ] Techninės priežiūros intervalą nustačiau pagal patvirtintą gamintojo programą.
• [ ] Sprendimą dėl intervencijos ir parašą palikau inžinieriui.