Kunstmatige intelligentie kan een rol spelen in voorspellend onderhoud van vliegtuigen. Dit blijkt uit een groot Europees onderzoek (ReMAP) onder leiding van TU Delft en een test van zes maanden bij KLM.
Tijdens een test van zes maanden bij KLM, waarbij gebruik gemaakt werd van realtime operationele gegevens, is bewezen dat AI-modellen gebruikt kunnen worden om gezondheidsvoorspellingen te doen over vliegtuigsystemen, en om op basis daarvan het onderhoudsproces te plannen. Het onderzoeksteam, dat bestond uit wetenschappers van diverse Europese universiteiten en mensen uit de industrie, heeft hiervoor eerst het hele onderhoudsproces en de onderhoudsplanning gemodelleerd.
Projectleider Bruno Santos van de TU Delft is er trots op dat het team deze complexe processen heeft weten te modelleren. “We zijn erin geslaagd om het complete onderhoudsproces van verschillende vliegtuigvloten te modelleren”, zegt Santos. “Hiermee kan op termijn het nu nog gebruikelijke periodieke en correctieve vliegtuigonderhoud worden vervangen door een continue gezondheidsmonitoring van systemen. Systemen worden dan vervangen precies wanneer dat nodig is, wat verspilling tegengaat. Ons onderzoeksteam heeft ook het complexe onderhoudsplanningsproces weten te modelleren. Momenteel gebeurt dat nog grotendeels handmatig. In het model wordt rekening gehouden met veranderingen en verstoringen, zodat het de praktijk beter benadert dan bestaande, statische modellen. Onderhoud kan hierdoor verder vooruit worden gepland.”
Alleen al in Europa kan de potentiële besparing op vliegtuigonderhoud oplopen tot € 700 miljoen per jaar, schat de Adviesraad voor Luchtvaartonderzoek in Europa (ACARE). Het ReMAP onderzoek (Real-time Condition-based Maintenance for Adaptive Aircraft Maintenance Planning) is een EU Horizon 2020 project dat van 2018 tot 2022 heeft gelopen. De resultaten zijn in mei 2022 gepresenteerd. Paul Chün, VP Technology Hub KLM Engineering & Maintenance, is blij met de resultaten van de ReMAP-testen bij KLM. Volgens hem toont het onderzoek aan dat conditie-gestuurd onderhoud (CBM) de levensduur van dure activa kan verlengen en correctief onderhoud kan vervangen.
“Bovendien kunnen we nu overwegen om de huidige handmatige onderhoudsplanning, van hooguit enkele weken vooruit, te vervangen door een automatisch planningsproces waarmee we enkele maanden vooruit kunnen plannen”, zegt Chün. “Die extra tijd hebben onderhoudsbedrijven nodig om problemen vooraf in kaart te brengen en kunnen luchtvaartmaatschappijen gebruiken om een onderhoudsstrategie voor de langere termijn te ontwikkelen. Voor reizigers is het voordeel ook evident: minder ongepland onderhoud zorgt voor minder vertraging en minder annulering van vluchten.”
“ReMAP effent de weg naar een echt adaptieve, conditie-gebaseerde onderhoudsbenadering in de luchtvaart”Bruno Santos, TU Delft
Bruno Santos geeft toe dat het idee om gezondheidsvoorspellingen van luchtvaartsystemen te gebruiken in het onderhoudsproces niet nieuw is, maar dat “er momenteel slechts enkele voorbeelden zijn geïmplementeerd in de commerciële luchtvaartindustrie. Er is simpelweg te weinig kennis en ervaring om het concept van CBM als geheel toe te passen. Het volledige potentieel van CBM wordt immers alleen bereikt met een systematische end-to-end-aanpak: het verzamelen van gegevens van een vloot vliegtuigen, het verwerken van die gegevens, het ontwikkelen van prognoses en het maken van continue onderhoudsplannen op basis van die prognoses.”
Met de geïntegreerde ReMAP-aanpak hebben de onderzoekers een belangrijke impuls gegeven aan zo’n systematische benadering. Daarnaast hebben ze een open IT-platform ontwikkeld waarmee AI-ontwikkelaars hun prognoses of planningsalgoritmen met een paar klikken kunnen laten draaien op basis van echte operationele gegevens. “Dit bevordert de ontwikkeling van innovatieve oplossingen door derden”, zegt Santos, “waardoor het concept volwassener wordt en de betrouwbaarheid toeneemt. We effenen de weg naar het transformeren van de huidige conservatieve benadering van onderhoud met vaste tijdsintervallen naar een echt adaptieve, conditie-gebaseerde onderhoudsbenadering.”
De vertrouwelijkheid van data was een grote uitdaging in dit onderzoek. Bij ReMAP zijn daarom modellen gedeeld in plaats van data. Belanghebbenden, zoals vliegtuigbouwers, onderhoud-, reparatie- en revisiebedrijven en luchtvaartmaatschappijen, kunnen zo samenwerken in deze datagedreven oplossing. Santos: “Door de open IT-infrastructuur kunnen meerdere stakeholders profiteren van elkaars kennis zonder data te delen. De open source-oplossing van ReMAP kan door verschillende partijen verder worden uitgebouwd en kan de implementatie van CBM in de luchtvaart versnellen.”
Adviesraad ACARE voorspelt dat CBM al in 2035 standaard toegepast zal worden voor het monitoren van de gezondheid van vliegtuigen en het plannen van vliegtuigonderhoud. De adviesraad verwacht ook dat in 2050 alle nieuwe vliegtuigen voor CBM zijn ontworpen. Op basis van de resultaten van het huidige project gaat ReMAP dit jaar een roadmap opstellen voor de Europese Commissie voor het ontwikkelen van andere CBM-oplossingen in de praktijk.
________________________________________________
ReMAP partners: Technische Universiteit Delft (NL), ATOS Spain S.A. (ES), Cedrat Technologies (FR), Collins Aerospace (IE), École National Supérieure d’Arts et Métiers (FR), Embraer Portugal S.A. (PT), Instituto Pedro Nunes ( PT), KLM Royal Dutch Airlines (NL), Office National D’Etudes et de Recherches Aerospatiales – ONERA (FR), Optimal Solutions (PT), Smartec SA (CH), University of Coimbra (PT), University of Patras (GR ).
________________________________________________
Een ander onderzoek van ReMAP richtte zich op de mogelijkheden van diagnose en prognose-modellen voor composiet vliegtuigstructuren. Schade aan composiet vliegtuigstructuren is vaak niet zichtbaar aan het oppervlak waardoor de huidige, handmatige inspecties veel tijd kosten. De bestaande sensortechnologie is nog niet volwassen genoeg om getest te worden in commerciële vliegtuigen. Daarom is dit materiaalonderzoek uitsluitend op laboratoriumschaal uitgevoerd. Binnen ReMAP zijn er diagnose- en prognosesystemen ontwikkeld die via kunstmatige intelligentie bepalen of er schade is, waar de schade is, welke schade er is en hoe ernstig de schade is. Een tweejarige testperiode van de Faculteit Luchtvaart- en Ruimtevaarttechniek van de TU Delft en de Universiteit van Patras (GR) heeft geresulteerd in een publieke kennisbank waarmee de gezondheid van deze materialen kan worden bewaakt.
Deze kennisbank is wereldwijd de eerste die hiervoor publiek beschikbaar is, en is in juni 2021 gepresenteerd.
