Dissertação

{en_GB=Development of a Machine Learning Tool as a Predictive Maintenance Solution for the Flight Control System of the Embraer 190} {} CONFIRMED

{pt=Numa realidade em que a procura de transportes aéreos caiu abruptamente derivando de uma situação sem precedentes, num mercado que já se adaptara à alta procura, e era já extremamente competitivo, é necessário reduzir os custos operacionais para sobreviver num sector mutilado por estas circunstâncias exteriores. Uma das áreas em que esta redução tem maior potencial corresponde à área da manutenção. Avanços nas tecnologias que facilitam a obtenção de dados de voo, e novas soluções emergentes de aprendizagem automática possibilitam agora a introdução de novos métodos para abordar os problemas derivados de falhas em componentes da aeronave, que causam não só atrasos, como muitas vezes a impossibilidade de proceder o voo, causando a condição de Aircraft-on-Ground (AOG), o que leva invariavelmente a consequências financeiras altas. Este projecto teve por objectivo a criação de uma solução de aprendizagem automática para a manutenção preditiva correspondente ao Sistema de Controlos de Voo da frota da Portugália Airlines, composta por 13 aeronaves da Embraer. Para tal, foram usados os dados vindos dos vários sensores das ditas aeronaves, mensagens de alerta gerados pelas mesmas, e os relatórios provenientes das equipas de manutenção. Várias medidas foram criadas para relatar o nível de degradação do sistema, de modo a fornecer ao modelo criado a informação necessária para que pudesse estimar, com base em voos anteriores, quantos voos restam até se dar uma falha no sistema. Os resultados obtidos mostram o potencial da solução e que o modelo consegue identificar padrões de degradação no sistema., en=In a reality where the demand for air transport has abruptly dropped due to a situation without precedent, in a market which had already adapted to high demand, and which was already extremely competitive, it is necessary to reduce operational costs to survive in a sector which has been mutilated by these exterior circumstances. One of the areas in which this reduction has most potential is maintenance. Technological advancements which facilitate the acquiring of flight data and new emerging machine learning solutions enable the introduction of new methods to address problems deriving from faults in aircraft components, which not only lead to delays, but many times the impossibility of flying, causing a condition known as Aircraft-on-Ground (AOG), inevitably leading to major financial consequences. This project had as objective the creation of a machine learning solution for the predictive maintenance of the Flight Control System of Portugália Airlines' fleet, comprised of 13 Embraer aeroplanes. For this, flight data from the various aircraft sensors were used, as well as alert messages generated by the aircraft's systems, and the reports provided by the maintenance teams. Several variables were created to model the degradation level of the system, so as to provide the necessary information to the created model, so it could estimate how many flights the system has until it is likely to experience a fault, based on previous flights. The results show the potential of the solution, and that the model succeeds in identifying degradation patterns in the system.}
{pt=Dados de voo, Manutenção predictiva, Aprendizagem automática, Sistema de controlo de voo, en=Flight data, Predictive maintenance, Machine learning, Flight control system}

Janeiro 19, 2021, 10:0

Orientação

ORIENTADOR

Pedro Alves Toscano Antunes Figueira

PGA - Engenharia de Operações

Especialista

ORIENTADOR

Sérgio David Parreirinha Carvalho

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar Convidado