Оптимізація процесів технічного обслуговування для підтримання льотної придатності повітряних суден в Нігерії

Abstract

Етап експлуатації життєвого циклу літака є найбільш дороговартісним. Це коштує у 10-20 разів більше, ніж етап проєктування та виробництва. Наприклад, у Нігерії, незважаючи на те, що внутрішні та міжнародні пасажирські перевезення значно зросли, щорічні темпи зростання після пандемії COVID-19 склали 43,41% та 57,61% відповідно, витрати на технічне обслуговування літаків, як і раніше, значно вищі, ніж у середньому по світу. Експлуатанти ПС витрачають 75% від прогнозованих щорічних витрат у один мільярд доларів у Західній Африці. Це виправдовує необхідність відійти від традиційних дій з технічного обслуговування, які мають коригуючий чи превентивний характер. Завдання коригуючого ТО (КТО) пов'язані зі стратегіями ТО повністю, тоді як роботи з Превентивного ТО (ПТО) виконуються як частина фіксованого інтервалу заміни, ремонту або відновлення. Вони передбачають роботи, що виконуються відповідно до стратегії відновлення/ремонту з фіксованим інтервалом і проводяться на основі графіка часу або машинного режиму, який виявляє, запобігає або пом'якшує деградацію. На жаль, цим традиційним стратегіям ТО ПС не вистачає прогнозуючої здатності, і тому часто ТО виконується занадто рано, тобто до закінчення терміну служби машини, або занадто пізно, тобто після дороговартісної відмови. Тому авіаційна промисловість має потребу у реалістичності математичних моделей та формулюванні завдань оптимізації. Надійність системи, процеси ТО та вартість необхідно враховувати на етапі проєктування життєвого циклу ПС. Недавні дослідження показують, що алгоритми статистичної обробки даних можуть бути використані для підвищення ефективності польотів ПС з урахуванням діагностичних змінних та параметрів надійності у якості вихідних даних. Ці алгоритми можуть бути розроблені з використанням статистичних даних, отриманих на етапі експлуатації життєвого циклу ПС, які генерують безліч даних у реальному часі, що збираються, передаються та обробляються за допомогою 70 миль дротів та понад 18 мільйонів рядків коду. Отримані алгоритми можуть оцінювати час можливої відмови з метою його прогнозування на основі правильних та своєчасних оперативних дій. До того ж, підхід прогностичного ТО (ПрТО) на основі даних, заснованих на методах Четвертої промислової революції, призведе до зниження витрат на ТО, дозволить уникнути непотрібних дій з управління проєктами та зменшить кількість непередбачених збоїв. Комбінація ПТО та ПрТО призводить до скорочення незапланованих простоїв на 18,5% і зменшення кількості дефектів на 87,3%, що дозволяє більше покладатися на прогностичне ТО ніж на превентивне.

The operations phase of the aircraft life cycle is the most expensive; it costs 10-20 times the design and manufacturing phase. For instance, in Nigeria, even though domestic and international passenger traffic has grown tremendously, recording a post-COVID-19 pandemic annual growth rate of 43.41% and 57.61% respectively, aircraft maintenance costs are still significantly higher than the global average. Aircraft operators spend 75% of the estimated $1 billion annual cost in West Africa; this justifies the need for a shift away from traditional maintenance actions, which are corrective or preventive. Corrective Maintenance (CM) tasks are connected to run-to-failure maintenance strategies, while Preventive Maintenance (PM) work is performed as part of a fixed interval to replace, repair, or restore. It includes work carried out under a fixed-interval restoration/repair strategy and conducted based on a time or machine-run-based schedule that detects, precludes, or mitigates degradation. Unfortunately, these traditional aircraft maintenance strategies lack predictive capability and often lead to maintenance being performed too early, i.e., before the end of a machine's useful life, or too late, i.e., after a costly failure Therefore, the aviation industry needs realism in mathematical models, and the way optimization problem is formulated; system reliability, maintenance processes, and cost must be considered from the design phase of the aircraft lifecycle. Recent research highlights that statistical data processing algorithms can be used to improve the efficiency of aircraft operations given diagnostic variables and reliability parameters as initial data. These algorithms can be developed using statistical data generated from the operations phase of the aircraft lifecycle, which generates a wealth of real-time data, which is collected, transferred, and processed with 70 miles of wire and over 18 million lines of code. The resulting algorithms can estimate the time of possible failure with the aim of preventing it based on correct and timely operational actions. Furthermore, the data-driven Predictive Maintenance (PdM) approach based on industry 4.0 techniques will result in lower maintenance costs, avoid unnecessary PM actions and reduce unexpected failures. A combination of PM and PdM results in 18.5 % less unplanned downtime and 87.3% fewer defects for more reliance on predictive than preventive maintenance.