Kunstmatige intelligentie moet vliegtuigonderhoud voorspelbaar maken

KLM onderhoud 777
16 juni 2021 - 14:05 | Door: 
onze redactie
| Foto: Reismedia

DELFT - Onderhoud aan vliegtuigen kan efficiënter geregeld worden door gebruik te maken van kunstmatige intelligentie. De TU Delft lanceerde woensdag een kennisbank waar stakeholders binnen de luchtvaart uit kunnen putten om hun MRO-processen te optimaliseren. 

Een intensieve tweejarige testcampagne op luchtvaart-composietmaterialen bij de Faculteit Luchtvaart- en Ruimtevaarttechniek van de TU Delft en bij de Universiteit van Patras (Griekenland) ligt ten grondslag aan de kennisbank voor het monitoren van de ‘gezondheid’ van deze materialen. Met deze kennisbank wordt het mogelijk om niet alleen de huidige toestand van deze materialen real time te diagnosticeren, maar ook om de toekomstige toestand hiervan te voorspellen. Daarbij wordt gebruik gemaakt van kunstmatige-intelligentiemodellen.

De huidige handmatige inspecties aan deze materialen vragen veel tijd, omdat schade hierin vaak niet zichtbaar is aan het oppervlak. Deze kennisbank kan onderhoudstechnici van vliegtuigen ondersteunen bij het detecteren, lokaliseren en beoordelen van de ernst van schade. De kennisbank is wereldwijd de eerste die voor dit doel openbaar beschikbaar is.

Menselijke beslissingen
“Momenteel beslist een piloot of een zware belasting, zoals bijvoorbeeld een harde landing, aanleiding is om de vliegtuigconstructie te laten controleren. De afhankelijkheid van die menselijke factor alléén willen we loslaten”, zegt projectleider Dimitrios Zarouchas van de TU Delft. “Met de kennisbank, die is gevuld met data afkomstig van de modernste sensortechnologieën en algoritmen gebaseerd op de laatste stand van zaken op het gebied van kunstmatige intelligentie, kunnen we dit besluitvormingsproces ten behoeve van onderhoud verder verbeteren.”

De kennisbank is niet voor één specifiek vliegtuig. “Elke belanghebbende in de luchtvaartindustrie moet de mogelijkheid hebben om van deze kennisbank te gebruiken en de resultaten ervan aan te passen aan de eigen behoeften. Exploitanten kunnen het bijvoorbeeld als benchmark gebruiken en hun prestaties op het gebied van vliegtuigonderhoud vergelijken. Vliegtuigfabrikanten kunnen deze database gebruiken om hun ontwerp te verbeteren. Daarom houden we onze modellen en testcampagnes zo generiek mogelijk.”

Betrouwbare voorspellingen
De gegevens in de kennisbank zijn verzameld met behulp van vijf verschillende sensortechnologieën. “Deze grote hoeveelheid sensoren is heel uniek. Commerciële initiatieven gebruiken slechts één sensortechniek die voor slechts één type vliegtuig toepasbaar is en dus bedrijfsafhankelijk is. We hebben onze data verzameld uit honderdduizenden testcycli op composietstructuren die realistische vluchtomstandigheden en abnormale situaties simuleren, zoals harde landingen. De kennisbank wordt uitgebreid met gegevens uit testen op nog meer representatieve constructies. Onderzoekers kunnen deze kennisbank in samenwerking met de luchtvaartindustrie gebruiken om eigenhandig voorspellende modellen te ontwerpen en deze weer te delen met deze kennisbank. Dit vergroot de nauwkeurigheid van de modellen wat de betrouwbaarheid van de voorspellingen over de toestand van de vliegtuigconstructies vergroot." 

Vliegtuigonderhoud wordt momenteel uitgevoerd op vaste tijdsgebonden cycli, zoals aantal vlieguren, aantal vluchten of kalenderdagen, welke het eerst optreedt. Dit resulteert in het vervangen van onderdelen die vaak nog gewoon goed zijn. Met de introductie van betrouwbare technologieën die continu en real time vliegtuigconstructies bewaken is slimmer en efficiënter vliegtuigonderhoud mogelijk. De werkelijke staat van een vliegtuigconstructie bepaalt dan wanneer iets moet worden gerepareerd. Verspilling wordt zo voorkomen. Maar dit zogenoemde ‘conditie-gebaseerd onderhoud’ zullen ook de ontwerpmogelijkheden voor een vliegtuig verbeteren. Doordat elementen continu worden bewaakt kunnen zij mogelijk lichter worden ontworpen of is minder redundantie mogelijk. Op de middellange termijn wordt geschat dat dit een gewichtsvermindering van 3 tot 7 procent oplevert en op de lange termijn 10-20 procent. Voor een vliegtuig met 700 vluchten per jaar resulteert dit in 105 ton brandstofbesparing en 350 ton CO2-reductie.

ReMAP
Het onderzoek is onderdeel van ReMAP (Real-time Condition-Based Maintenance for Adaptive Aircraft Maintenance Planning), een vierjarig project dat in juni 2018 van start ging. Het doel van ReMAP is om het onderhoud van vliegtuigvloten slimmer en efficiënter te maken. Voor het eerst zal het gebruik van gezondheidsdiagnostiek en prognostiek van verschillende vliegtuigsystemen en -constructies worden gebruikt om real-time adaptieve onderhoudsplannen op te stellen. Dit wordt op vlootniveau gedaan. Het potentieel van conditie-gebaseerd onderhoud wordt namelijk alleen bereikt wanneer de gezondheid van álle vliegtuigen in een vloot worden bewaakt waarbij gekeken wordt naar de beschikbare onderhoudsmogelijkheden (personeel, hangar en reserveonderdelen) en operationele behoeften. Alleen al in Europa kan de potentiële besparing op vliegtuigonderhoud oplopen tot 700 miljoen euro per jaar.

Het project heeft financiering ontvangen van het onderzoeks- en innovatieprogramma Horizon 2020 van de Europese Unie. Het onderzoek naar composiete constructies wordt op laboratoriumschaal getoetst. De diagnostiek en prognostiek van vliegtuigsystemen en componenten én de real-time adaptieve onderhoudsplanningtool worden vanaf september 2021 getest in een half jaar durende ‘real-life demonstratie’ bij KLM.
 

Extra advertentie tonen: 
1
extra add 1ste alinea: 
1

Reageren op artikelen? Graag! Er gelden spelregels. We moedigen toevoeging van uw reactie op onze content aan, maar kijken streng naar taalgebruik.

Copyright Reismedia BV 2021 - Cookieinstellingen