Lassen Sie nicht zu, dass ungeplante Ausfälle Ihren Betrieb stören und die Sicherheit gefährden. Führen Sie noch heute unsere Lösung für die vorausschauende Wartung ein und wechseln Sie von der reaktiven zur vorausschauenen Wartung, um Zeit und Geld zu sparen.
Neue B2B-Commerce Studie
Jetzt downloadenEin zukunftsweisender Ansatz für die Erhaltung von Flugzeugtriebwerken
Predictive Maintenance für Turbofan-Triebwerke
Künstliche Intelligenz (KI) und Machine Learning in der vorausschauenden Wartung haben in Kombination mit der Zustandsüberwachung die Rahmenbedingungen der Triebwerkswartung verändert. Durch die Überwachung kritischer Triebwerksleistungsparameter, wie Schub, Kraftstoffdurchsatz und Abgastemperatur werden ungeplante und kostspielige Ausfälle in strategische und gut geplante Wartungsaktivitäten verwandelt. Der Eckpfeiler dieses Wandels ist die Fähigkeit, Ausfälle von Turbofan-Triebwerken genau vorherzusagen.
Diese Fähigkeit ermöglicht es den Beteiligten, datengestützte Entscheidungen über den Zeitpunkt und die Art der Wartungseingriffe zu treffen. Da Flugzeugtriebwerke sowohl für die Sicherheit als auch für die Betriebsleistung eine entscheidende Rolle spielen, besteht dringender Bedarf an zuverlässigen Prognosemodellen. Die vorausschauende Wartung geht über die Sicherstellung der Betriebseffizienz von Triebwerken hinaus. Sie ist von zentraler Bedeutung für die Minimierung von Emissionen und die Gewährleistung, dass Triebwerke innerhalb umweltverträglicher Parameter betrieben werden.
Die Herausforderung
Verwertbare Daten sammeln
Die Aufgabe, Ausfälle von Turbofan-Triebwerken genau vorherzusagen, ist mit inhärenten Herausforderungen in Bezug auf die Datenqualität und die damit verbundenen Betriebsrisiken verbunden:
Denn die Beschaffung von Echtzeitdaten für tatsächliche Ausfälle ist mit Risiken behaftet, schließlich soll kein Triebwerksausfall provoziert werden. Daher werden die meisten Daten, die zum Trainieren von Modellen verwendet werden, im Labor unter kontrollierten Bedingungen erzeugt und spiegeln weniger die realen Szenarien wider.
Die Lösung
Von der Sequenzanalyse zu flottenweiten Vorhersagen
Unsere Lösung ist ein maßgeschneidertes Softwaremodell, das die oben genannten Herausforderungen abfedern soll. Zu den Merkmalen unseres Modells gehören:
Erweiterte Sequenzanalyse: Unser Modell ist in der Lage, Sequenzen zu akzeptieren, d. h. Zeitreihendarstellungen von Sensorsignalvektoren. Dadurch kann das Modell Trends und Muster in den Signalen erkennen und identifizieren, um die Qualität der für die Vorhersage verwendeten Daten zu verbessern.
Datenfilterung: Das Modell filtert irrelevante Daten heraus und konzentriert sich nur auf signifikante Werte für genauere Vorhersagen.
Datenpunkte: Wir erfassen eine Vielzahl von Triebwerkszustandsparametern, die während des Fluges gesammelt werden, einschließlich Druck, Vibration und Öltemperatur.
Vorhersage der verbleibenden Lebensdauer: Das Modell prognostiziert die Restnutzungsdauer (RUL) von Turbofan-Triebwerken und integriert Erkenntnisse aus der Zustandsüberwachung.
Vorhersage für mehrere Triebwerke: Unser System kann auf der Grundlage der neuesten Sensordaten Vorhersagen über die aktuelle Qualität einer ganzen Flotte von Triebwerken treffen und Triebwerke kennzeichnen, die aufgrund von Abweichungen bei kritischen Leistungsparametern wahrscheinlich bald ausfallen werden.
Trendvorhersage: Das Modell bietet auch eine Trendvorhersagefunktion, die eine Reihe von Sensordaten verwendet, um das Vertrauen in die zukünftige Leistung bestimmter Triebwerke zu erhöhen.
Transparenz: Wir bieten einen transparenten Zugang zu den Rohdaten der Vorhersage, so dass der Endnutzer diese weiter analysieren und verfeinern kann.