استفاده از هوش مصنوعی برای نگهداری هواپیما

به تازگی دانشمندان دانشگاه Delft اعلام کردند:” چندین دانشگاه و صنایع اروپایی ReMAP با مطالعه هوش مصنوعی متوجه شدند که از آن می‌توانند برای نگهداری و تعمیر هواپیما‌ها استفاده کنند.

به گزارش سایتinnovationorigins؛ در طول یک دوره آزمایشی شش ماهه دانشمندان با استفاده از داده‌های عملیاتی شرکت هواپیمایی KLM، متوجه شدند که مدل‌های هوش مصنوعی برای پیش‌بینی سلامت سیستم‌های هواپیما و برنامه‌ریزی فرآیند تعمیر و نگهداری می‌توانند استفاده شوند.

برونو سانتوس رئیس این پروژه گفت: ” طبق بررسی‌های ما هوش مصنوعی در فواصل زمانی ثابت، بر سیستم هواپیما‌ها نظارت کرده و امکان تعمیر و نگهداری آن‌ها را فراهم می‌کند. این هوش به سیستم‌ها کمک می‌کند تا در مواقع ضروری تعویض یا تعمیر شوند.” همچنین، دانشمندان توانستند برای ارتقای روند تعمیر و نگهداری هواپیما‌ها که به صورت دستی انجام می‌شود، مدل سازی کنند. این مدل به افراد کمک می‌کند که برای تعمیر و بررسی‌های لازم برنامه ریزی کنند.

تعمیرات قابل پیش بینی

 طبق برآورد شورای مشورتی تحقیقات و نوآوری هوانوردی در اروپا (ACARE)، صرفه‌جویی بالقوه در تعمیر و نگهداری هواپیما می‌تواند به ۷۰۰ میلیون یورو در سال برسد. پائولو چون، معاون مرکز فناوری KLM، می‌گوید: “با این مفهوم برنامه‌ریزی نظارت و نگهداری تطبیقی، می‌توانیم رویکرد زمان‌بندی دستی را که معمولاً به چند روز محدود می‌شود، با یک فرآیند زمان‌بندی خودکار جایگزین کنیم.  برای مسافران واضح است که تعمیر و نگهداری کمتر برنامه ریزی نشده منجر به تاخیر و لغو پرواز‌ها کمتر می‌شود.”

او در ادامه گفت:” علاوه بر این، ما یک پلتفرم باز فناوری اطلاعات ایجاد کردیم که به توسعه‌دهندگان هوش مصنوعی اجازه می‌دهد الگوریتم‌های پیش‌بینی یا زمان‌بندی خود را با استفاده از چند کلیک بر روی داده‌های عملیاتی زندگی اجرا کنند. این امر توسعه راه‌حل‌های نوآورانه شخص ثالث را تقویت و به تبدیل رویکرد محافظه‌کارانه فعلی تعمیر و نگهداری فواصل زمانی ثابت به یک رویکرد تعمیر و نگهداری مبتنی بر شرایط واقعاً تطبیقی در حوزه‌ای محدود و تنظیم‌شده مانند هوانوردی کمک می‌کند.”

مدیریت سلامت ساختاری

یکی دیگر از حوزه‌های تحقیقاتی ReMAP، قابلیت‌های تشخیصی و پیش‌آگهی سازه‌های هواپیمای مرکب بوده است. بازرسی دستی کنونی سازه‌های کامپوزیتی هواپیما زمان زیادی می‌برد، زیرا آسیب اغلب روی سطح قابل مشاهده نیست. سیستم‌های تشخیصی و پیش‌آگهی با استفاده از هوش مصنوعی برای تعیین اینکه آیا آسیب وجود دارد، کجاست، چه آسیبی است و میزان آسیب چقدر است توسعه یافته‌اند. یک کمپین آزمایشی فشرده دو ساله بر روی مواد کامپوزیت هوافضا در دانشکده مهندسی هوافضا Delft و در دانشگاه پاتراس منجر به ایجاد پایگاه دانش عمومی برای نظارت بر سلامت این مواد شده است.

نقشه راه صنعت هوانوردی

نگهداری مبتنی بر شرایط در زمان واقعی برای برنامه ریزی تعمیر و نگهداری هواپیما تطبیقی یک پروژه Horizon ۲۰۲۰ است که در ژوئن ۲۰۱۸ آغاز شد و در می ۲۰۲۲ متوقف شد. نتایج در کارگاه آموزشی در TU Delft در ۲۳ می ۲۰۲۲ ارائه خواهد شد. این کارگاه آموزشی برای عموم آزاد و رایگان برای همه ذینفعان است.

شورای مشورتی تحقیقات و نوآوری هوانوردی در اروپا (ACARE) بیان می‌کند که از سال ۲۰۳۵، CBM به عنوان رویکرد استاندارد برای نظارت بر سلامت هواپیما و برنامه ریزی تعمیر و نگهداری هواپیما پذیرفته خواهد شد. انتظار می‌رود تا سال ۲۰۵۰ تمام هواپیما‌های جدید برای CBM طراحی شوند. امسال ReMAP بر اساس نتایج این پروژه و بحث‌های انجام شده در دلفت، نقشه راهی را به کمیسیون اروپا برای توسعه آینده راه‌حل‌های CBM در عمل پیشنهاد خواهد کرد.

بیشتر بخوانید

• کمک هوش مصنوعی به افراد دارای قطع عضو