Dissertação

{en_GB=Probabilistic Modeling of Workload Deviations in Aircraft Light Maintenance Using Bayesian Networks} {} CONFIRMED

{pt=Esta dissertação insere-se no contexto da manutenção preventiva de aeronaves comerciais, tendo como objetivo analisar probabilisticamente desvios entre cargas de trabalho previstas pelo fabricante de aeronaves para tarefas de inspeções periódicas ligeiras e as registadas na sua realização. O desenvolvimento da dissertação baseia-se numa amostra de dados históricos de inspeções “A-checks” em Airbus A330 e A340, realizadas entre 2013 e 2020, fornecida pela MESA – empresa de Manutenção e Engenharia do grupo HiFly. É utilizada uma ferramenta de redes Bayesianas para modelar probabilisticamente desvios nas cargas de trabalho previstas pelo fabricante das aeronaves através dos dados disponíveis. A metodologia adotada requer uma revisão da evolução, planeamento e registo da manutenção de aeronaves, e uma análise detalhada de cartas de trabalho e do Maintenance Planning Document. Apresentam-se os princípios básicos e processos de desenvolvimento de modelos de redes Bayesianas a partir de dados e validação através de análises de sensibilidade. São desenvolvidas duas redes Bayesianas a partir dos dados: uma para modelação de checks, onde a análise de sensibilidade identifica que itens 2A e trabalhos realizados na base de manutenção são os mais propensos a apresentar desvios altos, e uma para tarefas, onde se avalia que General Visual Inspections, zonas 400 e 700, e skills Powerplant e Airframe são as variáveis mais impactuantes. São apresentados dois exemplos práticos da aplicação dos modelos ao planeamento de capacidade. Espera-se que o projeto seja benéfico no planeamento destas inspeções, dado que o grau de incerteza desta atividade pode ser reduzido através dos modelos concebidos., en=This dissertation, developed in the context of preventive maintenance on commercial aircraft, aims at analyzing probabilistically the discrepancies between workloads predicted by aircraft manufacturers for light periodic inspections tasks and the ones registered upon their execution. The dissertation is based on a sample of historical data of ”A-checks” inspections conducted on Airbus A330 and A340, between 2013 and 2020, provided by MESA – HiFly’s Maintenance and Engineering services provider. A Bayesian networks framework is used to model probabilistically the deviations from the workloads predicted by the aircraft’s manufacturer, from the available data. The adopted methodology requires a review of the evolution, planning and registration of aircraft maintenance, along with a detailed analysis of workcards and the Maintenance Planning Document. The basic principles and processes of the development of Bayesian networks models through data and validation through sensitivity analyses are presented. Two Bayesian networks are developed from the data: one for the modeling of checks, where the sensitivity analysis identifies that 2A items and maintenance performed at the base station are likelier to present high deviations, and one for tasks, where it is evaluated that General Visual Inspections, zones 400 and 700, and Powerplant and Airframe skills are the variables with higher impacts in the deviations. Two practical examples of application of the models for maintenance capacity planning are presented. It is expected that the dissertation will bring benefits in the planning of these inspections, given that the degree of uncertainty of this activity can be reduced through the developed models.}
{pt=Redes Bayesianas, Manutenção de Aeronaves, A-checks, Desvios nas Cargas de Trabalho, Planeamento de Capacidade, en=Bayesian Networks, Aircraft Maintenance, A-checks, Workload Deviations, Capacity Planning}

Janeiro 8, 2021, 11:0

Orientação

ORIENTADOR

Ângelo Manuel Palos Teixeira

Departamento de Engenharia Mecânica (DEM)

Professor Associado