Dissertação
Prognostic and risk of failure events using machine learning: An analysis based on onboard aircraft messages EVALUATED
As companhias aéreas têm vindo a exercer um grande esforço para encontrar formas de otimizar processos de manutenção para manter elevados padrões de segurança. A aplicação de métodos data-driven à manutenção tem sido impactante na aeronáutica, devido aos seus benefícios na redução de custos e aumento da segurança. Ao longo dos anos, os métodos de prognóstico baseados em dados têm-se tornado numa área de estudo relevante, complementar à ainda dominante na aeronáutica manutenção preventiva. Estes novos métodos permitem a aquisição de uma metodologia proativa em vez de reativa perante falhas, permitindo que sejam antecipadas e eliminadas antes que ocorram. Assim, há uma crescente preocupação no setor de manutenção em encontrar indicadores ou precursores de falhas futuras usando machine learning e inteligência artificial. Esta tese relata o trabalho realizado na avaliação das capacidades de prognóstico das mensagens do Central Maintenance Computer (CMC). Isto é alcançado através da comparação de diferentes tipos de modelos, variando propriedades dos conjuntos de dados analisados, permitindo associar as diferenças nos resultados com as diferentes características dos modelos. Usando dois conjuntos de dados reais de duas companhias aéreas (AZUL e Portugália), esta tese não somente visa a previsão do Remaining Useful Life (RUL) do equipamento, mas também a previsão do nível de urgência de uma intervenção num determinando momento. Os resultados demonstram que os dados analisados associados com as técnicas de machine learning aplicadas possuem capacidades de previsão de falhas, auxiliando no despoletar de ações de manutenção não planeadas.
dezembro 5, 2019, 9:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
