CN111915027A - 预测零件维护 - Google Patents

预测零件维护 Download PDF

Info

Publication number
CN111915027A
CN111915027A CN202010201045.0A CN202010201045A CN111915027A CN 111915027 A CN111915027 A CN 111915027A CN 202010201045 A CN202010201045 A CN 202010201045A CN 111915027 A CN111915027 A CN 111915027A
Authority
CN
China
Prior art keywords
carrier
vehicle
given
aircraft
removal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010201045.0A
Other languages
English (en)
Inventor
王振农
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Boeing Co
Original Assignee
Boeing Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Boeing Co filed Critical Boeing Co
Publication of CN111915027A publication Critical patent/CN111915027A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
    • G05B23/0251—Abstraction hierarchy, e.g. "complex systems", i.e. system is divided in subsystems, subsystems are monitored and results are combined to decide on status of whole system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Abstract

本公开涉及预测零件维护。具体地，本公开通过以下步骤来提供预测零件维护：基于历史移除来生成飞行器的可靠性曲线；在所述可靠性曲线上设置移除阈值；跟踪飞行器零件的给定实例被安装到给定飞行器中；基于安装有所述飞行器零件的所述给定实例的所述给定飞行器的操作，来跟踪所述飞行器零件的所述给定实例的周期数；以及响应于所述飞行器零件的所述给定实例的周期数满足所述移除阈值，把服务警报发送给所述给定飞行器的运营商。

Description

预测零件维护
技术领域
本公开总体上涉及用于确定诸如飞行器之类的载具(vehicle)的各种零件的可靠性的系统和方法。
背景技术
载具用于在地点之间运送个体。例如，商用飞行器用于在各种地点之间运送乘客。一个典型的飞行器包括数千个(如果不是数百万个的话)组成零件。例如，飞行器的各个系统、子系统、结构等可以由数千个组成零件形成。
如可以理解的，飞行器运营商和乘客重视准时飞行。维护操作会引起潜在的飞行器延误。例如，如果确定在飞行之间需要更换飞行器的特定零件，则维护机组人员将更换该零件。然而，虽然用新零件更换了旧零件，但这样的维护过程可能会导致随后的出发时间延迟。
发明内容
在一个方面，本公开提供了一种方法，所述方法包括以下步骤：通过以下方式来生成载具零件的可靠性曲线：收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的载具零件的各个相应实例：在从与所述相应实例相关联的载具中移除时，收集所述相应实例的使用数据，所述使用数据表示所述载具零件的所述相应实例在从关联载具中移除时累积的周期数(number of cycles)，并且所述使用数据表示所述载具零件的所述相应实例在从所述关联载具中移除时是否处于故障状态；确定在多个周期数时处于故障状态的载具零件的实例所占的百分比；以及基于针对所述多个周期数中的各周期数处于故障状态的所述载具零件的实例所占的百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；在所述可靠性曲线上设置移除阈值；跟踪所述载具零件的给定实例被安装到给定载具中；基于安装了所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的周期数；以及响应于所述载具零件的所述给定实例的周期数满足所述移除阈值，把服务警报(service alert)发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：确定所述载具零件的用于生成所述可靠性曲线的历史移除数(number of historic removals)；以及响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具零件的固定周期数。
在一个方面，结合上文或下文的任何示例方法，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，其中，所述第一点表示所述载具零件的第一周期数，在所述第一周期数处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，其中，所述第二点表示所述载具零件的第二周期数，所述第二周期数先前被设置用于所述载具零件的所述移除阈值，并且把所述第一点和所述第二点中的较大者设置为所述移除阈值。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：基于以下项来设置重新订购阈值：安全库存量(safety stock level)；所述移除阈值；所述载具零件的提前时间(lead time)；所述给定载具的使用率；并且响应于所述载具零件的所述给定实例的周期数满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：确定所述可靠性曲线与所述移除阈值的交点；把所述交点与所述载具零件的上限可靠性阈值进行比较；并且响应于所述交点处的周期数大于所述上限可靠性阈值，把质量警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：确定所述可靠性曲线与所述移除阈值的交点；把所述交点与所述载具零件的下限可靠性阈值进行比较；并且响应于所述交点处的周期数低于所述下限可靠性阈值，把质量警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：响应于接收到所述载具零件的移除的附加样本，把所述移除阈值重新设置为所述可靠性曲线上的不同值。
在一个方面，结合上文或下文的任何示例方法，所述给定载具是飞行器。
在一个方面，本公开提供了一种方法，所述方法包括以下步骤：通过以下方式生成载具零件的可靠性曲线：收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的载具零件的各个相应实例：在从与所述相应实例相关联的载具中移除时，收集所述相应实例的使用数据，所述使用数据表示所述载具零件的所述相应实例在从关联载具中移除时累积的飞行小时数(number of flight hours)，并且所述使用数据表示所述载具零件的所述相应实例在从所述关联载具中移除时是否处于故障状态；确定在多个飞行小时数时处于故障状态的所述载具零件的实例所占的百分比；以及基于针对所述多个飞行小时数中的各个行小时数处于故障状态的所述载具零件的实例所占的百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；在所述可靠性曲线上设置移除阈值；跟踪所述载具零件的给定实例被安装到给定载具中；基于安装有所述载具零件的所述给定实例的所述给定载具的操作来跟踪所述载具零件的所述给定实例的飞行小时数；以及响应于所述载具零件的所述给定实例的所述飞行小时数满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，设置所述移除阈值还包括以下步骤：确定所述载具零件的被用于生成所述可靠性曲线的历史移除数；以及响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具零件的飞行小时的固定值。
在一个方面，结合上文或下文的任何示例方法，设置所述移除阈值还包括以下步骤：在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，其中，所述第一点表示由所述载具零件累积的第一飞行小时数，在所述第一飞行小时数处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，并且其中，所述第二点表示由所述载具零件累积的第二飞行小时数，所述第二飞行小时数先前被设置为所述载具零件的所述移除阈值，并且其中，所述第一点和所述第二点中的较大者被设置为所述移除阈值。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：基于以下项来设置库存阈值：安全库存量；所述移除阈值；所述载具零件的提前时间；以及所述给定载具的使用率；并且响应于由所述载具零件的所述给定实例累积的飞行小时数满足所述库存阈值，把库存警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：确定所述可靠性曲线与所述移除阈值的交点；把所述交点与所述载具零件的上限可靠性阈值进行比较；并且响应于所述交点处的周期数大于所述上限可靠性阈值，把质量警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：确定所述可靠性曲线与所述移除阈值的交点；把所述交点与所述载具零件的下限可靠性阈值进行比较；并且响应于所述交点处的周期数低于所述下限可靠性阈值，把质量警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例方法，所述方法还包括以下步骤：响应于接收到所述载具零件的移除的附加样本，把所述移除阈值重新设置为所述可靠性曲线上的不同值。
在一个方面，结合上文或下文的任何示例方法，所述给定载具是飞行器。
在一个方面，本公开提供了一种系统，所述系统包括：处理器；以及存储器存储设备，所述存储器存储设备包括在由所述处理器执行时使所述处理器能够执行包括以下项的操作的指令：生成载具零件的可靠性曲线；在所述可靠性曲线上设置移除阈值；跟踪所述载具零件的给定实例被安装到给定载具中；基于安装有所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的操作；以及响应于所述载具零件的所述给定实例的操作满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例系统，设置所述移除阈值还包括以下操作：确定所述载具零件的用于生成所述可靠性曲线的历史移除数；以及响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具的操作的固定值。
在一个方面，结合上文或下文的任何示例系统，设置所述移除阈值还包括以下操作：确定所述载具零件的用于生成所述可靠性曲线的历史移除数；以及响应于所述历史移除数超过预定设置点：在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，其中，所述第一点表示所述载具零件的操作的第一数目，在所述第一数目处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，并且其中，所述第二点表示所述载具零件的操作的第二数目，在所述第二数目处，至少第二百分比的运营商曾经从载具中移除过所述载具零件，所述第二百分比大于所述第一百分比。
在一个方面，结合上文或下文的任何示例系统，生成所述载具零件的所述可靠性曲线还包括以下操作：在从关联载具中移除时，从所述载具零件的多个实例收集使用数据，所述使用数据表示所述载具零件的特定实例在从所述关联载具中移除时累积的周期数，以及所述载具零件的所述特定实例在移除时是否处于故障状态；确定每周期数时处于故障状态的载具零件所占的百分比；以及基于处于故障状态的所述载具零件的百分比，把概率分布函数拟合到所述使用数据中。
在一个方面，结合上文或下文的任何示例系统，生成所述载具零件的所述可靠性曲线还包括以下操作：在从关联载具中移除时，从所述载具零件的多个实例收集使用数据，所述使用数据表示所述载具零件的特定实例在从所述关联载具中移除时累积的飞行小时数，以及所述载具零件的所述特定实例在移除时是否处于故障状态；确定每飞行小时(flight hours)处于故障状态的所述载具零件所占的百分比；以及基于处于故障状态的所述载具零件的所述百分比，把概率分布函数拟合到所述使用数据中。
在一个方面，结合上文或下文的任何示例系统，基于所述载具零件的周期数来跟踪所述载具零件的所述操作，同时所述载具零件处于安装状态，所述操作还包括：基于以下项来设置库存阈值：所述移除阈值；所述载具零件的提前时间；所述给定载具的使用率；以及所述载具零件的每飞行周期系数；并且响应于所述载具零件的所述给定实例的所述操作满足所述库存阈值，把库存警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例系统，基于所述载具的飞行小时数来跟踪所述载具零件的操作，同时所述载具零件处于安装状态，所述操作还包括：基于以下项来设置库存阈值：所述移除阈值；所述载具零件的提前时间；以及所述给定载具的使用率；并且响应于所述载具零件的所述给定实例的所述操作满足所述库存阈值，把库存警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例系统，所述操作还包括：确定所述可靠性曲线与所述移除阈值的交点；把所述交点与所述载具零件的上限可靠性阈值和下限可靠性阈值进行比较；并且响应于所述载具零件在所述交点处的操作的数目是大于所述上限可靠性阈值或小于所述下限可靠性阈值中的一者，把质量警报发送给所述给定载具的运营商。
在一个方面，结合上文或下文的任何示例系统，所述给定载具是飞行器。
附图说明
为了可以详细理解上文记载特征的方式，可以通过参考示例性方面来进行上文简要概述的更具体的描述，该示例性方面中的一些在附图中示出。
图1是根据本公开的各方面的载具的前立体图的图示。
图2是根据本公开的各方面的零件可靠性确定系统的示意图。
图3是根据本公开的各方面的确定零件可靠性的方法的流程图。
图4是根据本公开的各方面的限定了各种阈值的可靠性曲线和累积分布函数曲线的图的图示。
图5是根据本公开的各方面的库存量的图示。
图6是根据本公开的各方面的用于基于飞行器操作来生成飞行器零件的服务警报和/或库存警报的方法的流程图。
具体实施方式
飞行器运营商按计划时间间隔定期执行维护。通常，维护是按计划进行的，以使飞行器在最小限度破坏计划航班的时间以及在有零件和技术人员可供使用的地点停止服务，同时还要尽可能长地延长计划维护操作之间的时间。飞行器的某些零件与传感器相关联，该传感器不断地或定期地监测那些零件的一个或更多个特征，但是当飞行器在地面上时，其它零件(以及被监测的零件的某些方面)由技术人员来监测。为了加快检查或维修的停航时间并最大化飞行器的飞行操作可用性，可以在飞行器的某些零件发生故障之前更换该零件，并且可以从飞行器中移除某些零件(并用另一零件进行更换)以允许独立于该飞行器来检查该零件。一旦完成检查(或维修)，可以把被移除并更换以进行检查的零件安装在另一飞行器上，或稍后重新安装在原始飞行器上。因此，当使用飞行器并执行维护时，该飞行器的各种零件的使用状态将变化。
飞行器的各种零件(例如，起落架轮胎)被设计成在操作期间被消耗(consumed)并以特定时间间隔进行更换，这些零件在本文中被称为消耗零件。相反，其它零件(例如，起落架支柱)被设计成如果出现不符合项(nonconformance)则将被维修，并在本文中被称为非消耗零件或耐用零件。可以被移除并用另一零件更换以独立于该飞行器的其余部分进行检查或维修并且独立于个体飞行器的操作而重新投入使用的耐用零件在本文中被称为可路由(可重用，routable)零件。
本公开提供了用于生成与个体组件何时接近服务寿命阈值并且可以被维修或更换有关的警报的系统和方法。这样的警报可以由广泛的各种飞行器运营商(包括机场、航空公司、制造商、签约维护方及其代理商)使用。尽管本文给出的示例主要使用飞行器来呈现的，但是本公开同样适用于例如诸如卡车、汽车、公共汽车、航天器、船舶和火车之类的其它类型的载具的运营商。因此，对飞行器的任何参考可以被理解为也适用于另一种类型的载具，并且对飞行时间、飞行或飞行器特定零件(例如，尾部)的任何参考可以被理解为参考行驶时间、行驶、或不同类型的载具的零件(例如，守车(caboose)、船尾、后保险杠)。
通常，可以与安装有个体零件的飞行器相关地跟踪该零件的操作时间或操作周期或操作天数。可以预期零件达到服务寿命阈值来生成服务警报。可以基于预期使用率来生成库存警报连同服务警报，以便可以在零件完全耗尽或发展成不符合项之前及时订购新零件，并把该新零件交付(并安排技术人员和飞行计划)到特定地点以更换该零件。
本公开的各方面可以以两个阶段来理解。第一阶段收集安装在多个飞行器上的各种零件的数据。所收集的数据表示何时把个体零件安装在特定飞行器上，何时(如果有的话)从该飞行器上移除该零件以及该零件在被移除时是处于故障状态还是非故障状态。这些数据连同安装有该零件的飞行器的操作数据用于确定总体跟踪的每一类零件的寿命可靠性曲线。第二阶段使用寿命曲线来制定警报阈值，并在飞行器的操作影响个体零件时把警报发送给负责方。
本公开的各个方面提供了被配置成确定诸如飞行器之类的载具的各种零件的预期寿命的系统和方法。了解载具零件寿命具有各种优势，包括提供改进的载具设计的能力、对载具操作的有效支持、预测组件移除时间的能力、确定现有备用零件的数目的能力以及支持维护检查。
本公开的某些方面提供了确定诸如飞行器之类的载具的组件的可靠性的系统和方法。该系统和方法确定零件寿命分布。在确定零件寿命分布之后，该系统和方法能够确定载具的各种零件的可靠性和剩余寿命。例如，该系统和方法能够确定零件将维持多长时间、零件的平均寿命、零件何时可能易于发生故障、与载具上的剩余的现有零件相关联的风险以及预定时间段内飞行器运营商需要的备用零件的数目。
与零件有关的可靠性涉及该零件将在规定的时间段内执行该零件的预期功能的概率。本文描述的系统和方法中的一些系统和方法对载具的一个或更多个零件的可靠性进行评估，以便预测在潜在故障之前何时应更换该零件。
在至少一个方面，零件可靠性确定系统收集并存储在零件使用期间的飞行小时和飞行周期。飞行小时和飞行周期作为使用数据存储在载具使用数据库中。针对各个零件，零件可靠性确定系统可以存储自零件安装以来的时间(TSI：since the part wasinstalled)或自零件上次彻底检修以来的时间(TSO：since the part was lastoverhauled)或自零件首次投入使用以来的时间(TSN：since part was first put touse)，以及自零件安装以来的周期数(CSI：since the part was installed)或自零件上次彻底检修以来的周期数(CSO)或自零件首次投入使用以来的周期数(CSN)(其中，一个周期被测量成载具的一次出发至到达)。然而，TSI/CSI、TSO/CSO和TSN/CSN可能无法直接用于零件移除数据中。例如，当从飞行器上移除零件时或由于时间限制，可能不需要运营商提供TSI/CSI，或者运营商可能没有时间收集数据。因此，本公开的各个方面提供了一种零件可靠性确定系统，该零件可靠性确定系统被配置成确定被移除的零件的TSI/CSI、TSO/CSO和TSN/CSN。
在至少一个方面，零件可靠性确定系统还被配置成确定当前在诸如飞行器之类的载具上的零件的TSI和CSI。为了确定TSI和CSI数据，零件可靠性确定系统检索可以被存储在载具使用数据库中的载具配置数据和载具就绪日志数据。通过对载具配置数据和载具就绪日志数据以及组件移除进行分析，零件可靠性确定系统确定已经移除了多少个具有相同零件编号的零件，以及还有多少个具有相同零件编号的零件仍在载具上。通过确定零件移除，零件可靠性确定系统确定零件何时被安装以及组件在载具上存在了多长时间。
本公开的各方面提供了如下系统和方法，这些系统和方法整合数据源并根据被移除的零件和仍在飞行器上的零件两者来估计TSI/CSI。这些系统和方法被配置成基于飞行器零件寿命分布来预测载具的零件何时易于发生故障。通过预测零件何时易于发生故障，这些系统和方法允许在这样的预测时间之前更换该零件。
图1是根据本公开的一个示例性方面的载具(在该示例中为飞行器10)的前立体图的图示。飞行器10包括推进系统12，该推进系统12例如可以包括两个涡扇发动机14。可选地，推进系统12可以包括比所示更多的发动机14。发动机14由飞行器10的机翼16承载。在其它方面，发动机14可以由机身18和/或尾翼20承载。尾翼20还可以支撑水平平衡器22和竖直平衡器24。
飞行器10的机身18限定了一个内部机舱，该内部机舱可以包括驾驶舱、一个或更多个工作区(例如，厨房、人员随身行李区域等)、一个或更多个乘客区(例如，头等舱、商务舱和经济区)和机尾区。这些区中的各个区可以由机舱过渡区域隔开，该机舱过渡区域可以包括一个或更多个客舱分隔组装件。顶板行李架组装件可以被放置在整个内部机舱中。
飞行器10包括具有多个零件的多个系统和子系统。例如，推进系统12包括数千个组成零件。作为另一示例，飞行器10上的各个盥洗室包括数千个组成零件。整个飞行器10包括一起形成飞行器10的数百万个分离且不同的零件。零件可靠性确定系统用于确定这些零件中的各个零件的寿命分布，并预测飞行器10的零件的剩余寿命(例如，直到该零件可能易于发生故障的时间)。在至少一个方面，零件可靠性确定系统确定与飞行器10的飞行小时和/或飞行周期有关的剩余寿命。
另选地，代替飞行器，本公开的各方面可以与诸如汽车、公共汽车、机车和轨道车、水运工具、航天器等之类的各种其它载具一起使用。
图2是根据本公开的一个示例性方面的零件可靠性确定系统100的示意图。零件可靠性确定系统100包括零件数据库102，该零件数据库102诸如通过一个或更多个有线或无线连接来与零件寿命分布控制单元104和零件寿命预测控制单元106进行通信。零件寿命分布控制单元104和零件寿命预测控制单元106也诸如通过一个或更多个有线或无线连接来彼此进行通信。
零件可靠性确定系统100可以在飞行器10(在图1中示出)上或远离飞行器10而远程定位在诸如基于陆地的监测站处。在至少一个方面，零件寿命分布控制单元104或零件寿命预测控制单元106中的一者或两者可以在飞行器10上，而零件数据库102远离该飞行器远程定位在诸如基于陆地这样的监测站处。在至少一个方面，零件寿命分布控制单元104和零件寿命预测控制单元106可以通过诸如但不限于互联网之类的各种通信网络来与零件数据库102进行通信。
如图所示，零件寿命分布控制单元104和零件寿命预测控制单元106可以是分离且不同的控制单元。可选地，零件寿命分布控制单元104和零件寿命预测控制单元106可以是单个控制单元或处理系统的组件。
在至少一个方面，零件数据库102包括历史零件存储单元110和当前零件存储单元112。历史零件存储单元110存储飞行器的所有类型零件的随时间推移针对多个飞行器编译的数据。例如，历史零件存储单元110可以存储与当前在飞行器上的所有零件的使用寿命有关但是针对与该飞行器和各种其它飞行器(例如，其它相同模制的飞行器)有关的过去使用而汇总的数据。该数据可以包括这些零件中的各个零件的寿命数据(即，实际使用时间)。在至少一个方面，历史零件存储单元110存储当前在飞行器上的零件的所有可用数据，但关于该当前飞行器和可以获得这种数据的所有其它飞行器，这些零件已经被使用过。
作为一个示例，特定飞行器包括特定零件。历史零件存储单元110存储根据与已安装特定零件类型相同的不同零件的使用而收集的可用数据。这些数据包括该特定类型零件的总寿命和故障状态，就多个飞行器(可能包括该特定飞行器)而言，该特定类型零件先前已被使用过。这样，历史零件存储单元110可以存储与数百、数千或更多飞行器相关地使用的特定类型零件的数据。
当前零件存储单元112存储当前在飞行器上的所有零件的当前寿命数据。例如，当前零件存储单元112存储与自各个零件安装以来的时间(TSI)、自各个零件安装以来的周期(CSI)等有关的数据。以这种方式，当前零件存储单元112存储与各个零件的实际使用(即，寿命)有关的当前寿命数据。
在至少一个方面，零件可靠性确定系统100还包括载具使用数据库114，该载具使用数据库114存储表示具有该零件的载具的实际使用的载具使用数据。载具使用数据库114诸如通过一个或更多个有线或无线连接来与零件寿命预测控制单元106进行通信。作为一个示例，载具使用数据库114存储飞行器的诸如飞行小时(即，飞行中操作的实际小时)和飞行周期(即，周期总数，其中周期被限定成一次出发和相关联的到达)方面之类的载具使用数据。
零件寿命预测控制单元106被配置成基于特定类型零件的零件寿命分布来确定载具的零件的剩余寿命。这样，零件寿命预测控制单元106被配置成基于与零件有关的当前寿命数据(诸如被存储在当前零件存储单元112中)以及零件寿命分布控制单元104所确定的与该零件有关的零件寿命分布来确定该零件的剩余寿命。在至少一个方面，零件寿命预测控制单元106根据特定类型零件的所确定的零件寿命分布和载具的实际使用，来确定零件的剩余寿命。例如，零件寿命预测控制单元106可以根据飞行器的飞行小时和/或飞行周期，来确定飞行器的当前零件的剩余寿命。
在操作中，零件寿命分布控制单元104对各个零件的被存储在历史零件存储单元110中的历史零件数据进行分析。零件寿命分布控制单元104基于历史零件数据来确定特定零件的寿命分布，如所指出的，可以针对与飞行器机队(由一个实体拥有或运营或者跨多个实体分布)中的多个飞行器有关的使用来编译该历史零件数据。在至少一个方面，零件寿命分布控制单元104基于对历史零件数据的分析来确定特定类型零件的寿命分布。在至少一个方面，零件寿命分布控制单元104可以基于一个或更多个数学模型和公式来确定寿命分布。
但是作为一个示例，零件寿命分布控制单元104可以基于特定类型零件的与数百、数千或数百万实际寿命(即，特定零件的实际使用时间)有关的历史数据，来确定该特定类型零件的平均寿命。例如，零件寿命分布控制单元104可以基于先前零件的数百、数千或甚至数百万的实际寿命使用。这样，零件寿命分布控制单元104确定特定类型零件的零件寿命分布。在至少一个方面，零件寿命分布控制单元104确定飞行器的各个特定类型零件的零件寿命分布。在至少一个其它方面，零件寿命分布控制单元104确定飞行器的少于各个特定类型零件的零件寿命分布。
在确定了飞行器的特定类型零件的零件寿命分布之后，零件寿命预测控制单元106对飞行器的被存储在当前零件存储单元112中的当前零件数据进行分析。零件寿命预测控制单元106对飞行器的被存储在当前零件数据中的各种当前零件(即，当前形成一个或更多个部分的零件)进行评估。例如，当前零件数据存储当前零件的TSI、CSI等。可以提供各个零件的TSI和CSI，并把其存储在当前零件存储单元112中。在至少一个其它方面，可以不提供TSI和CSI。相反，零件寿命预测控制单元106可以基于先前零件移除的日期、零件的安装日期和移除日期的统计分析等，来确定TSI和CSI。零件寿命预测控制单元106分析与飞行器的各个当前零件有关的每一种类型的零件的零件寿命分布(由零件寿命分布控制单元104确定)，以预测当前零件的剩余寿命。
在至少一个方面，零件寿命预测控制单元106基于被存储在载具使用数据库114中的载具使用数据来确定零件的当前寿命。例如，零件寿命预测控制单元106把零件的TSI和/或CSI以及这种当前寿命数据的交叉参考与被存储在载具使用数据库114中的载具使用数据关联。基于TSI和/或CSI以及实际载具使用(小时数和/或周期方面)，零件寿命预测控制单元106根据载具使用小时数和/或周期来确定零件的当前寿命。零件寿命预测控制单元106然后可以针对该特定类型零件的零件寿命分布来比较零件的当前寿命，以预测该零件的诸如剩余小时数和/或周期方面的剩余寿命。
作为一个示例，用于飞行器上的盥洗室的真空发生器是一种类型的零件。零件寿命分布控制单元104对真空发生器的被存储在历史零件存储单元110中的历史数据进行分析。基于真空发生器的历史数据，零件寿命分布控制单元104确定真空发生器的零件寿命分布。例如，零件寿命分布控制单元104可以基于真空发生器的被存储在历史零件存储单元110中的历史数据，来确定该真空发生器的平均使用寿命。零件寿命预测控制单元106然后对当前零件存储单元112进行分析，并确认真空发生器位于飞行器上。当前零件存储单元112存储该真空发生器的当前数据。例如，当前数据包括飞行器上的真空发生器的TSI。零件寿命预测控制单元106然后把真空发生器的零件寿命分布(由零件寿命分布控制单元104确定)与飞行器上的真空发生器的当前寿命数据关联。基于真空发生器的零件寿命分布与飞行器上的实际真空发生器的当前数据之间的相关性，零件寿命预测控制单元106预测实际真空发生器的剩余使用寿命。作为一个示例，零件寿命预测控制单元106从真空发生器的零件寿命分布中减去实际真空发生器的使用时间(例如，从TSI到当前日期为止经过的飞行小时)。以这种方式，零件寿命预测控制单元106预测实际真空发生器何时可能易于发生故障。在各个方面中，当TSI或CSI超过针对持续可靠性的预定阈值时，零件寿命预测控制单元106把预测信号或警报输出到飞行运营商、维护机组人员、自动库存/维护调度器等。
作为另一示例，船上的舱底泵(pump for a bilge)是一种类型的零件。零件寿命分布控制单元104对舱底泵的被存储在历史零件存储单元110中的历史数据进行分析。基于舱底泵的历史数据，零件寿命分布控制单元104确定舱底泵的零件寿命分布。例如，零件寿命分布控制单元104可以基于舱底泵的被存储在历史零件存储单元110中的历史数据来确定舱底泵的平均使用寿命。零件寿命预测控制单元106然后对当前零件存储单元112进行分析并确认舱底泵位于船上。当前零件存储单元112存储该舱底泵的当前数据。例如，当前数据包括船上的舱底泵的TSI。零件寿命预测控制单元106然后将舱底泵的零件寿命分布(由零件寿命分布控制单元104确定)与船上的舱底泵的当前寿命数据关联。基于舱底泵的零件寿命分布与船上的实际舱底泵的当前数据之间的相关性，零件寿命预测控制单元106预测实际舱底泵的剩余使用寿命。作为一个示例，零件寿命预测控制单元106从舱底泵的零件寿命分布中减去实际舱底泵的使用时间(例如，从TSI到当前日期为止经过的海上小时数)。以这种方式，零件寿命预测控制单元106预测实际舱底泵何时可能易于发生故障。在各个方面中，当TSI或CSI超过针对持续可靠性的预定阈值时，零件寿命预测控制单元106把预测信号或警报输出到航行运营商、维护机组人员、自动库存/维护调度器等。
零件可靠性确定系统100以这种方式针对飞行器的至少一个零件进行操作。在至少一个方面，零件可靠性确定系统100确定零件寿命分布并预测飞行器的各个零件(或其任何子集)的剩余使用寿命。
如本文所使用的，术语“控制单元”、“中央处理单元”、“单元”、“CPU”、“计算机”等可以包括任何基于处理器或基于微处理器的系统，包括使用微控制器、精简指令集计算机(RISC)、专用集成电路(ASIC)、逻辑电路以及能够执行本文所述功能的包括硬件、软件或其组合的任何其它电路或处理器的系统。这仅是示例性的，因此不旨在以任何方式限制此类术语的定义和/或含义。例如，如本文所述，零件寿命分布控制单元104和零件寿命预测控制单元106可以是或者包括被配置成控制零件可靠性确定系统100的操作的一个或更多个处理器。零件寿命分布控制单元104和零件寿命预测控制单元106可以是分离且不同的控制单元，或者可以是同一控制单元的一部分。
零件寿命分布控制单元104和零件寿命预测控制单元106被配置成执行被存储在一个或更多个数据存储单元或元件(诸如一个或更多个存储器)中的指令集，以便处理数据。例如，零件寿命分布控制单元104和零件寿命预测控制单元106可以包括或联接至一个或更多个存储器。数据存储单元还可以根据预期或需要来存储数据或其它信息。数据存储单元可以采用信息源或处理机内的物理存储元件的形式。
指令集可以包括各种命令，这些命令指导作为处理机的零件寿命分布控制单元104和零件寿命预测控制单元106执行诸如在本文中描述的主题的各个方面的方法和处理之类的特定操作。指令集可以采用软件程序的形式。软件可以采用诸如系统软件或应用软件之类的各种形式。此外，软件可以采用分离程序的集合、较大程序内的程序子集或程序的一部分的形式。软件还可以包括面向对象编程形式的模块化编程。处理机对输入数据的处理可以响应于用户命令，或者响应于先前处理的结果，或者响应于另一处理机做出的请求。
本文中的各方面的示意图可以示出一个或更多个诸如零件寿命分布控制单元104和零件寿命预测控制单元106之类的控制单元或处理单元。应理解，处理单元或控制单元可以表示电路、电路系统或其一部分，其可以利用执行本文所述操作的关联指令(例如，被存储在诸如计算机硬盘驱动器、ROM、RAM等之类的有形且非暂时性计算机可读存储介质上的软件)实现为硬件。硬件可以包括硬连线以执行本文所述功能的状态机电路系统。可选地，硬件可以包括电子电路，该电子电路包括和/或连接至一个或更多个诸如微处理器、处理器、控制器等之类的基于逻辑的装置。可选地，零件寿命分布控制单元104和零件寿命预测控制单元106可以表示诸如现场可编程门阵列(FPGA)、专用集成电路(ASIC)、微处理器等中的一者或更多者之类的处理电路。各个方面中的电路可以被配置成执行一种或更多种算法以执行本文所述功能。无论是否在流程图或方法中明确标识，该一种或更多种算法可以包括本文公开的方面中的各方面。
如本文所用的，术语“软件”和“固件”是可互换的，并且包括被存储在数据存储单元(例如，一个或更多个存储器)(包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器和非易失性RAM(NVRAM)存储器)中以供计算机执行的任何计算机程序。以上数据存储单元的类型仅是示例性的，因此可用于存储计算机程序的存储器的类型不受限制。
图3是根据本公开的一个示例性方面的确定零件可靠性的方法的流程图。参考图2和图3，在200处，诸如在零件数据库102的历史零件存储单元110中存储与一个或更多个载具一起使用的特定类型零件的历史数据。在202处，诸如在零件数据库102的当前零件存储单元112中存储载具的当前零件(即，当前形成的部分)的当前零件数据。
在204处，诸如通过零件寿命分布控制单元104来确定特定类型零件的零件寿命分布。在206处，诸如通过零件寿命预测控制单元106来分析载具的当前零件数据。在208处，确定载具是否包括该特定类型零件。如果载具不包括该特定类型零件，则方法返回到206(或另选地，结束)。然而，如果在208处，载具确实包括特定类型零件，则方法进行到210，在210处，零件寿命预测控制单元106确定当前零件的剩余使用寿命。例如，零件寿命预测控制单元106相对于该特定类型零件的零件寿命分布数据分析当前零件数据(该当前零件数据表示当前零件的当前寿命)，以预测该当前零件的剩余使用寿命。
在212处，零件寿命预测控制单元106输出作为剩余使用寿命信号的当前零件剩余使用寿命。剩余使用寿命信号可以包括：把当前零件剩余使用寿命传达(signal)给个体的图形、视频、文本和/或音频信号中的一者或更多者。
在至少一个方面，可以基于预定阈值来传达剩余使用寿命信号。例如，在当前零件的剩余使用寿命在直到易于发生故障为止的预定时间量和/或预定周期数(诸如其百分比)内时，零件寿命预测控制单元106可以仅输出剩余使用寿命信号。以这种方式，零件寿命预测控制单元106能够主动提醒个体(诸如飞行器运营商、维护人员等)需要进行更换。可以针对载具的各个零件(或其任何子集)来执行图3所示的方法。如关于图4更详细地讨论的，在可靠性曲线300(或CDF曲线302)上选择预定阈值。
再次参考图2，为了确定零件的当前寿命，零件寿命预测控制单元106可以首先确定该零件的TSI和/或CSI。特定零件的安装日期以及被该特定零件更换的紧接着的前一零件的移除数据被存储在当前零件存储单元112中。然而，与特定安装或移除有关的数据可能不容易获得。如下文所述，零件可靠性确定系统100可以被配置成确定安装日期和移除日期，即使当这种信息最初不是由飞行器运营商、制造商等报告或以其它方式提供时也是如此。在确定了TSI和CSI数据之后，零件寿命预测控制单元106可以使用一个或更多个数学模型(例如，威布尔模型(Weibull mode)、指数模型、伽马模型(gamma model)或对数正态模型(log normal model))来预测零件的剩余寿命。
零件寿命预测控制单元106整合已知的(诸如被报告并存储在历史零件存储单元110中)零件移除、飞行器配置数据(诸如表示飞行器的各个零件)、零件互换性数据以及可以被存储在存储器中和/或中央监测站中的飞行器使用数据(例如，飞行小时和/或飞行周期)。
在至少一个方面中，为了确定剩余零件寿命，零件寿命预测控制单元106检索与何时首次发生零件跟踪有关的数据。这样的数据可以存储在历史零件存储单元110和/或当前零件存储单元112中。
在至少一个方面，零件寿命预测控制单元106构建联系特定类型零件的安装和移除的链。这样，零件寿命预测控制单元106确定零件的整体使用。例如，如果特定类型零件在特定时间段内被移除并安装了五次，则零件寿命预测控制单元106能够通过在特定时间段内根据故障移除的次数，来确定该零件的平均使用寿命。
在一些情况下，零件寿命预测控制单元106可能无法访问所报告的移除日期和安装日期。这样，零件寿命预测控制单元106可能无法构建联系安装和移除的链。
在至少一个方面，当每飞行器零件数量(QPA：part per aircraft)等于1(即，飞行器上只存在一个这样的零件)时，可以根据上次移除的日期来确定零件使用。例如，基于上次移除特定零件的日期，零件寿命预测控制单元106可以基于先前的移除日期以及零件的由零件寿命分布控制单元104确定的零件寿命分布来确定当前零件(该当前零件更换了被移除的零件)的剩余使用寿命。
如果特定类型零件的每飞行器零件数量(QPA)大于1(即，飞行器上存在超过一个这样的零件)，并且不存在观察到的移除(例如，零件数据库102中没有存储的移除日期)，则零件寿命预测控制单元106可以确定QPA>1的一个零件编号的每一次最后移除，并且可以针对具有相同零件编号的各个零件，确定从零件的最后一次移除到研究结束的使用。例如，零件寿命预测控制单元106可以确定特定类型零件的最后三次已知移除。零件寿命预测控制单元106还可以确定零件从最近一次移除的时间或周期到相关研究时段结束的使用。
在至少一个方面，零件寿命预测控制单元106确定零件编号的移除数(n)和QPA(m>1)。在m>n的这种情况下，零件寿命预测控制单元106确定m-n个零件的零件使用。在至少一个方面，零件寿命预测控制单元106确定哪些零件是飞行小时相关的以及哪些零件是飞行周期相关的，并且如果是飞行小时相关的，则使用飞行小时来估计零件寿命，如果是飞行周期相关的，则使用飞行周期来估计零件寿命。
被存储在当前零件存储单元112中的当前零件数据可以包括：当前零件的例如由制造商或飞行器运营商报告的TSI和CSI中的一者或两者。即，可以把零件的已知的第一个使用日期和/或已知的第一个使用周期输入到当前零件存储单元112中。
零件寿命分布控制单元104和/或零件寿命预测控制单元106根据可以存储在当前零件存储单元112和/或载具使用数据库114中的载具工程配置数据、飞行器就绪日志数据、IPC(图解零件目录)等，来检测载具配置和零件数量(例如，QPA)。
针对飞行器(诸如包括单个真空发生器的飞行器)上仅存在一种类型的特定零件从而使得QPA＝1的情况，零件寿命预测控制单元106能够确定何时移除零件。在至少一个方面，零件寿命预测控制单元106检测飞行器上的具有相同零件编号的零件的移除顺序。
零件寿命预测控制单元106可以至少部分地基于零件的零件编号或序列号，来确定该零件的TSI或CSI。在至少一个方面，零件寿命预测控制单元106被配置成，检测何时开始跟踪零件编号。例如，对零件的第一次跟踪的日期可以是：存储在当前零件存储单元112中的当前零件数据的一部分。此外，零件寿命预测控制单元106对飞行器的诸如存储在载具使用数据库114中的飞行小时/周期进行分析。因此，零件寿命预测控制单元106于是可以检测从飞行器中移除零件时的飞行小时/周期。然后，零件寿命预测控制单元计算被移除的零件的TSI和/或CSI。然后，零件寿命预测控制单元106识别何时把更换所移除的零件用的零件(即，更换零件)安装在飞行器上。然后，零件寿命预测控制单元106监测更换零件的飞行时间和周期。
在至少一个方面，零件寿命预测控制单元106检测飞行器的QPA＝1的所有其它零件，这些零件尚未被报告为被移除，但是已经报告了相同零件编号的从不同飞行器中的移除。然后，零件寿命分布控制单元104和/或零件寿命预测控制单元106可以检测多少个其它飞行器具有该相同零件编号。
在至少一个方面，零件可靠性确定系统100(诸如通过零件寿命分布控制单元104和/或零件寿命预测控制单元106中的一者或两者)检测何时最初开始报告零件编号的移除。然后针对首次开始报告零件移除的时间来确定每一个飞行器的飞行小时/周期。
如果飞行器上的零件的QPA超过1，则零件寿命预测控制单元106诸如连同移除零件和安装零件的序列号，来构造该移除零件和安装零件的链。零件寿命预测控制单元106可以识别链中的零件。接下来，确定何时把零件安装在飞行器上以及何时从飞行器中移除零件。这样的信息可以存储在历史零件存储单元110中。接下来，零件被安装时的飞行小时/周期以及零件被移除时的飞行小时/周期被存储在历史零件存储单元110中。然后，零件寿命预测控制单元106计算零件的TSI和/或CSI中的一者或两者。零件寿命预测控制单元106识别被移除的零件的安装日期和移除日期，这两者都可以被存储在历史零件存储单元110和/或当前零件存储单元112中。再一次地，零件寿命预测控制单元106然后可以识别飞行器的在安装零件时的飞行小时和/或周期以及飞行器的在移除零件时的飞行小时和/或周期。
在至少一个方面，零件可靠性确定系统100被配置成，识别具有空白序列号的移除零件和/或没有安装零件信息的移除零件。零件寿命分布控制单元104和/或零件寿命预测控制单元106首先识别具有相同零件编号的所有移除零件。然后，识别具有相同零件编号的零件的首次移除。接下来，识别针对该零件编号首次报告移除的日期。接下来，然后识别飞行器交付日期(即，首次交付给飞行器运营商时)和/或首次报告移除的日期中的较晚日期。然后，识别飞行器在较晚的日期时的飞行小时/周期。例如，可能在日期1交付飞行器，而在日期2(其在日期1之后)报告特定零件的移除。因此，首次报告移除的日期(即，日期2)晚于交付飞行器的日期(即，日期1)。于是从日期2识别飞行器的飞行小时/周期。在识别飞行器在较晚的日期时的飞行小时/周期之后，识别零件移除数据。
零件可靠性确定系统100还可以识别具有相同零件编号的最后移除。移除日期与飞行器的飞行小时和/或周期相关。于是针对仍在飞行器上的零件计算TSI和/或CSI。
系统100还可以识别具有相同零件编号的所有移除，并且计算该零件的移除数(m)。系统100识别零件的QPA(n)。然后，系统100检测m>n的零件。然后，系统100确定飞行器的交付日期和开始报告移除的日期中的较晚日期。然后，系统100计算该零件(其中m>n)的TSI和/或CSI。
在至少一个方面，零件寿命预测控制单元106针对各个零件编号计算TSI的平均值和标准偏差、以及CSI的平均值和标准偏差。零件寿命预测控制单元106分别比较TSI和CSI的归一化标准偏差，并确定该零件是否与飞行小时或飞行周期相关联。
如所表示的，零件寿命预测控制单元106可以使用一个或更多个数学模型，来确定零件的剩余寿命。例如，零件寿命预测控制单元106可以通过使用如下所示的威布尔模型(Weibull)来确定零件的剩余寿命：
Figure BDA0002419390050000181
其中，pdf是概率分布函数，α是可以由零件的TSI或CSI中的一者或两者限定的尺度参数(scale parameter)，并且β是可以由零件的TSI或CSI中的一者或两者限定的形状参数。当β＝1时，威布尔模型变为指数模型。尽管本文呈现的模型和公式是针对TSI示例关于时间t给出的，但是将理解，CSI示例可以使用利用周期c替换时间t的相同公式。
通过下式给出与时间相关的故障率h：
Figure BDA0002419390050000182
通过下式给出累积分布函数(CDF)F(t)：
Figure BDA0002419390050000191
通过下式给出可靠性函数R(t)：
Figure BDA0002419390050000192
α是尺度参数。β是形状参数。当β＝1时，威布尔模型是指数模型。
图4是根据本公开的一个示例性方面的可靠性曲线300和CDF曲线302的图的图示。零件寿命预测控制单元106通过诸如威布尔模型之类的数学模型，来确定曲线300和302。如图所示，针对飞行小时304和可靠性概率306来绘制曲线，尽管在其它方面，可以针对周期和可靠性概率306来绘制曲线。如图4所示，零件寿命预测控制单元106基于CDF曲线302，来确定在点A处(在6150处飞行小时时)，特定零件已经服务了90％的寿命。类似地，零件寿命预测控制单元106确定该特定零件在点B处的可靠性概率为10％。基于曲线300和302中的一者或两者，运营商可以根据零件将继续保持可靠的预定概率来决定在特定时间更换该零件。
作为另一示例，零件寿命预测控制单元106可以通过使用如下所示的指数模型来确定零件的剩余寿命：
Figure BDA0002419390050000193
其中，故障率h＝λ是恒定故障率。
累积分布函数(CDF)：
Figure BDA0002419390050000194
另外，残存函数/可靠性函数R(t)作为R(t)＝e-λt给出。
作为另一示例，零件寿命预测控制单元106可以通过使用如下所示的伽马模型来确定零件的剩余寿命：
Figure BDA0002419390050000195
故障率：
Figure BDA0002419390050000196
Figure BDA0002419390050000197
可靠性，R(t)作为R(t)＝1-F(t)给出。
作为另一示例，零件寿命预测控制单元106可以通过使用如下所示的对数正态模型来确定零件的剩余寿命：
Figure BDA0002419390050000201
其中,T50＝eμ。
故障率：
Figure BDA0002419390050000202
Figure BDA0002419390050000203
可靠性：R(t)＝1-F(t)
零件寿命预测控制单元106可以通过上面所示的数学模型中的一个或更多个数学模型，来确定零件的剩余寿命。可选地，零件寿命预测控制单元106可以通过基于处于故障状态的零件的百分比，把概率分布函数拟合到使用数据的各种其它数学模型、公式等来确定零件的剩余寿命。例如，零件寿命预测控制单元106可以通过特定类型零件的通过针对数千个(如果不是数百万个)类似零件编译的数据确定的平均、平均值、统计参数等来确定剩余寿命。
如本文所述，本公开的各方面提供了零件可靠性确定系统和方法，该系统和方法可以整合数据源，并根据被移除的零件和仍在飞行器上的零件两者，来估计TSI和/或CSI、TSO和/或CSO、TSN和/或CSN。飞行器的某些零件可以唯一地与飞行小时或飞行周期中的一者相关联。例如，起落架零件通常与周期而不是小时数相关联。因此，与周期相关联的零件的零件寿命分布和预测是针对周期而不是飞行小时来确定的。相反，与飞行小时相关联的零件的零件寿命分布和预测是针对小时数而不是飞行周期而确定的。一些零件可以与飞行小时和飞行周期两者相关联，并且将与两个零件寿命分布相关联：一个零件寿命分布基于飞行小时，并且另一零件寿命分布基于飞行周期。可以针对每一条曲线、两条曲线上的较早点、两条曲线上的较晚点或来自两条曲线的平均点，来生成使用两条寿命分布曲线的零件的警报。例如，软管组件的服务寿命可以为“20000个飞行小时或5000个周期；以先到者为准”。
从多个飞行器上收集被用于确定飞行器的各种零件的可靠性曲线300和CDF曲线302的数据。例如，包括给定类型的零件的所有飞行器可以提供与那些零件有关的使用数据(例如，飞行时间、飞行次数)和故障/更换数据，这些数据被汇总以开发生成曲线的模型。随着收集到更多数据，可以使模型和所得曲线在确定给定零件的预期寿命方面更加准确。
然而，一些零件的可用数据可能少于其它零件。例如，最新设计的零件(例如，对现有零件的更新或升级)可能在几个月或几年内没有任何与移除或故障有关的可用数据，直到发生第一次移除为止。随着发生移除(例如，由于预防性维护或对故障的响应)，针对该零件的实际故障率收集了更多数据，并且该零件的模型在把移除和故障状态拟合到概率分布函数方面变得更加准确。然而，在一些方面，运营商可能希望得到警报，以安排尚无历史数据可用的零件的移除。在其它方面，运营商可能希望对具有未知预期寿命曲线(或被认为在零件寿命周期中过早出现的移除设置点)的零件进行寿命测试，以使零件的给定实例保持安装状态，直到发生故障为止(从而生成该零件的表示何时出现故障状态的故障状态数据)。
在CDF曲线302和可靠性曲线300上示出了目标移除阈值310、主动移除阈值和预测更换阈值330。
移除阈值表示自安装以来的曾经从机队的飞行器中移除给定百分比的某种类型的零件的飞行小时或周期的数目，并且可以通过查找函数L(x)来确定，其中x为百分比，并且L(x)返回由于计划内或计划外的维护事件而曾经从飞行器中移除x％的零件的小时数或周期的数目。
目标移除阈值310限定了某种类型的飞行器零件的如下操作点(例如，周期或累积飞行小时的数目)，在该操作点处，由于计划内或计划外的维护事件而曾经从飞行器中移除了G％的该类型的零件。用于确定目标移除阈值310的值G是一个常数(例如95％、80％)，但是所得目标移除阈值310可能会因为收集了与零件的移除有关的附加数据，而在自安装以来的飞行小时(TSI)或自安装以来的周期(CSI)的数目方面发生变化。例如，在第一年期间，95％的给定类型的零件可以在服务2000小时之后便从飞行器中移除，而在第三年期间，95％的同种零件可以在服务3000小时之后从飞行器中移除，因为运营商对该零件的耐用性越来越熟悉。不同运营商可以针对不同零件而选择不同的值来用于G。例如，第一运营商可以针对真空发生器选择G＝95并针对照明固定架选择G＝90，而第二运营商可以针对真空发生器和照明固定架选择G＝85。
残存阈值(survival threshold)320限定了零件的如下操作点，在该操作点处，过去曾经残存了J％的给定类型的零件。零件可能由于震动、不正确安装、维护人员过度谨慎、维护人员缺乏培训等中的原因，而在生命周期早期便被移除。例如，在第一年期间，20％的给定类型的零件可以在服务超过200小时之后便从飞行器中移除，而在第三年期间，95％的同种零件可以在服务300小时之后从飞行器中移除，因为运营商对该零件的耐用性越来越熟悉。不同运营商可以针对不同零件而选择不同的值来用于J。例如，第一运营商可以针对真空发生器选择J＝20并针对照明固定架选择J＝10，而第二运营商可以针对真空发生器和照明固定架选择J＝25。
运营商基于哪个值与小时数或周期中的较大数目相对应来从G％或J％中选择，以使用飞行小时或周期的数目的关联值。例如，比较查找函数L(G)和L(J)的结果，运营商选择较大值。随着时间的推移收集数据，查找函数将返回不同值，并且把L(G)还是L(J)用作主动阈值以确定何时生成服务警报可能会相应地改变。
在一些方面，当针对其运行查找函数L(x)的数据集的大小低于样本的预定数目时，L(x)的值可以被小时数或周期的预设值代替，直到收集了预定数目的样本为止，并且随着更多样本被收集，转换到查找函数L(G||J)。在一个示例中，直到观察到五十(50)次移除，才可以把主动移除阈值设置为20000个周期(例如，基于制造商保修、零件的先前版本的阈值、测试制度等)，并且在观察到五十次移除之后，主动移除阈值可以使用根据目标移除阈值310或残存阈值320表示的小时数/周期的数目。
Figure BDA0002419390050000221
在一些方面，零件寿命预测控制单元106把残存阈值320和可靠性曲线300的交点340与该零件的上限可靠性阈值350和下限可靠性阈值360进行比较，并且当交点340处的小时数或周期的数目落在可靠性阈值之外时，生成质量警报。可以把该质量警报发送给飞行器运营商、维护人员、工程团队、供应商等，以重新设计零件或重设何时移除零件的过程。例如，当交点340与可靠性曲线300的、其中该零件被表示成具有高于上限可靠性阈值350的可靠性概率(例如，80％可靠性与50％的上限可靠性阈值350)的部分相关时，零件寿命预测控制单元106可能生成使用不足警报，以表示维护人员过于频繁或过早地移除零件。在另一示例中，当交点340与可靠性曲线300的、其中该零件被表示成具有低于下限可靠性阈值360的可靠性概率(例如，20％可靠性与30％的下限可靠性阈值360)的部分相关时，零件寿命预测控制单元106可能生成过度使用警报，以表示维护人员没有及早地或足够频繁地移除零件来避免计划外的维护。
零件寿命预测控制单元106响应于周期或飞行小时(例如，CSI/TSI)的数目超过主动移除阈值(即，所选择的目标移除阈值310或残存阈值320)而生成服务警报。然而，为了更换从飞行器中移除的零件，需要更换零件。因此，零件寿命预测控制单元106确定预测更换阈值330(其与关于图5讨论的重新订购阈值430相关，以确定当运营商移除给定零件时(例如，响应于服务警报)何时下达准备安装的零件的订单)。可以向供应商下达库存订单以制造零件，仓库把现有零件交付到新地点等。预测更换阈值330表示在移除阈值之前的周期或飞行小时的预期量，如果库存中未存有要移除的零件，则运营商将需要下达附加零件的订单。
为了确定预测更换阈值330，零件寿命预测控制单元106从零件数据库102中查找零件的提前时间(lead time)TLead(即，从下达零件订单到在指定目的地接收到该零件的预期时间)，并基于来自要安装该零件的飞行器的载具使用数据库114的数据，把该提前时间转换成操作时间。例如，载具使用数据库114可以包括给定飞行器的每时间段zTSI个飞行小时(例如，每天/周/月/等z个飞行小时)或每时间段zCSI次飞行(例如，每天/周/月/等z次飞行)的预期使用率，基于该零件的每飞行历史周期系数q(例如，每次飞行相当于该零件的q个周期；当一次飞行与一个周期相对应时，q＝1)把该预期使用率转换成周期数。
零件寿命预测控制单元106识别由主动移除阈值指定的小时数/周期，并基于预期使用率和如下所示的提前时间来计算在何处放置预测更换阈值330：
Figure BDA0002419390050000231
如果ILlead<＝安全库存(Safety Stock),则重新订购阈值＝当前库存量(currentinventory level)
否则无重新订购警报
其中，N和M是零件的可供经营商使用的与飞行小时或飞行周期相关联的数目；并且
Figure BDA0002419390050000232
或者
Figure BDA0002419390050000233
例如，针对基于具有与20000个飞行小时相对应的移除阈值的TSI、90天的提前时间TLead以及每周100小时的预期使用率zTSI更换的零件，零件寿命预测控制单元106把预测更换阈值330设置成19825个飞行小时(当向下舍入到25小时的最接近倍数时)。在另一示例中，针对与上面示例相同的飞行器上的基于具有与2000个周期相对应的移除阈值的CSI、100天的提前时间TLead、每周20次飞行的预期使用率zTSI以及每次飞行2个周期更换的另一零件，零件寿命预测控制单元106把预测更换阈值330设置成1420个周期(当向下舍入到10个周期的最接近倍数时)。
图5示出了随时间跟踪个体零件(由运营商持有或由运营商保存在特定地点)的数目的库存曲线400。在一些方面，因为零件从库存中取出并放入飞行器或其它组装件中，库存量410随着时间的推移而减少，并且可以在交付或重新上架库存时(例如，被清除以供将来使用的可回转(rotable)零件中)增大。通过确定如本文所述的提前时间TLead，运营商可以在达到安全库存量420之前的预期时间量内，向供应或上游保管设备下达订单。当存在TLead的多个值时，例如，当在不同的使用情况中针对一个零件绘制了多条曲线时，运营商可以使用TLead的平均值或TLead的最小值。在各个方面，安全库存量420可以为零或大于零的任何数量。
库存量410基于从用户(例如，飞行器的用户)接收到的操作数据，在预期将达到安全库存量420的时间之前的时间TLead处，限定重新订购阈值430。例如，当消耗率是每天一个零件、安全库存量420是五十个零件并且TLead是五天时，重新订购阈值430是五十五个零件。当库存量410达到重新订购阈值430时，零件寿命预测控制单元106生成库存警报，并把该库存警报发送给零件数据库102。零件数据库102进而基于库存中当前存有的该零件(或等同替代零件)的数目、该零件的最小订货量、该零件的最小和最大库存承载量、该零件的替代版本是否可用(例如，交换地使用零件A的1.0版或零件A的2.0版的指令)、替代零件是否可用等，来确定是否向供应商下单该零件。
图6是用于基于飞行器操作来生成飞行器零件的服务警报和库存警报的方法600的流程图。
方法600开始于框610，在框610处，零件可靠性确定系统100生成飞行器零件的可靠性曲线300(例如，根据关于图3讨论的方法200)。当生成可靠性曲线300时，零件可靠性确定系统从来自关联飞行器的飞行器零件的一些或所有实例中收集使用数据。零件可靠性确定系统还从飞行器零件的多个实例中收集使用数据，同时这些实例仍被安装在飞行器上。使用数据表示：零件的给定实例在移除时是否处于故障状态，以及在从关联飞行器10中移除时由飞行器零件的给定实例累积的周期数或由飞行器零件的给定实例累积的飞行小时数中的一者或更多者。基于被移除的零件的使用数据，零件可靠性确定系统100确定在可靠性曲线300的多个点(例如，在给定的周期数或在给定的飞行小时数)处于故障状态的飞行器零件所占的百分比，并把概率分布函数拟合到使用数据中，该使用数据表示在飞行器零件的整个寿命中在多个周期数或飞行小时数时处于故障状态的飞行器零件所占的百分比。在各个方面，可以把以非故障状态移除的飞行器零件重新安装到原始飞行器或不同飞行器上，以累积额外的周期和/或飞行小时。
在框620处，零件可靠性确定系统100在可靠性曲线300上设置针对飞行器零件的主动移除阈值。在一个示例中，零件可靠性确定系统100基于零件的被用于按照框610生成可靠性曲线300的历史移除数来设置主动移除阈值。当历史移除数低于预定量时，零件可靠性确定系统100基于周期或飞行小时的数目的预设值(例如，基于制造商的建议)来设置主动移除阈值。当历史移除的飞行小时或周期的数目超过预定量时，零件可靠性确定系统100把主动移除阈值设置成目标移除阈值310或残存阈值320中的一者；无论哪一者都与飞行小时或周期的数目中的较大者相关联。在各个方面，因为从运营商接收到飞行器零件的移除的更多样本，所以可以基于新的和/或扩展的移除数据来重设可靠性曲线300上的针对飞行器零件的主动移除阈值的值。
在框630处，零件可靠性确定系统100(可选地)基于移除阈值设置针对飞行器零件的重新订购阈值430。确定重新订购阈值430在飞行器零件的生命周期中的较早点，以考虑提前时间(例如，TLead)以及飞行器和飞行器中的零件的预期使用率。在基于CSI跟踪零件类型的各方面，零件可靠性确定系统100基于移除阈值、飞行器零件的提前时间、飞行器10的使用率以及飞行器零件的每次飞行周期系数来设置重新订购阈值430。在基于TSI跟踪零件类型的各方面，零件可靠性确定系统100基于移除阈值、飞行器零件的提前时间、飞行器的使用率来设置重新订购阈值430。在各个方面，基于恰好及时(JIT)订单量来设置重新订购阈值430，以使得当订购的飞行器零件到达时，库存量410等于安全库存量420。
在框640处，零件可靠性确定系统100跟踪何时把飞行器零件安装到飞行器中的安装数据。在各个方面，根据与给定飞行器相关联的个体零件的序列号或其它标识符来跟踪给定零件在给定飞行器中的安装，从而在框650处，零件可靠性确定系统100可以基于安装有该飞行器零件的飞行器的操作来跟踪该飞行器零件的操作。例如，当自从给定零件的安装时间起跟踪飞行器飞行了2000小时时，零件可靠性确定系统100把所安装的零件关联为已累积2000个飞行小时。在使用可回转零件(即，可以在同一飞行器或不同飞行器上安装、卸载、然后重新安装的零件)的各方面，零件可靠性确定系统可以把零件在当前安装中累积的时间或周期添加到在先前安装中累积的时间或周期。
在框660处，零件可靠性确定系统100确定安装数据和飞行器的操作是否表示被安装在该飞行器上的零件已经满足在框620处设置的移除阈值。响应于确定飞行器零件的操作满足移除阈值，方法600进行到框670。否则，方法600进行到框680。
在框670处，零件可靠性确定系统100生成服务警报。零件可靠性确定系统100可以把服务警报发送给飞行器运营商、维护人员等，以安排飞行器的维护。服务警报可以通过有线或无线方式作为电子消息来发送，该电子消息包括文本、零件标识符、飞行器标识符、生成服务警报的日期以及与检修飞行器以更换针对其生成了服务警报的飞行器零件有关的其它信息。在各个方面，响应于当前安装有该飞行器零件的飞行器的飞行操作(例如，在着陆时，如果满足移除阈值则生成服务警报)，由该飞行器生成服务警报。在其它方面，当调度给定飞行器以满足移除阈值或给定飞行器已报告满足移除阈值的操作时，运营商系统(例如，飞行调度系统)生成服务警报。
在框680处，零件可靠性确定系统100确定安装数据和飞行器的操作是否表示被安装在该飞行器上的零件已经满足重新订购阈值430。响应于确定飞行器零件的操作满足重新订购阈值430，方法600进行到框690。否则，方法600返回到框640以继续跟踪零件的安装以及飞行器和其中安装的零件的操作。
在框690处，零件可靠性确定系统100生成库存警报。零件可靠性确定系统100可以把库存警报发送给零件数据库102、供应商订购系统、维护团队等。库存警报可以通过有线或无线方式作为电子消息来发送，该电子消息包括文本、零件标识符、飞行器标识符、生成库存警报的日期、预计将生成相关联的服务警报的日期(基于当前规划的飞行器使用率)以及与订购零件以检修飞行器从而更换针对其生成了库存警报的飞行器零件有关的其它信息。在各个方面，响应于当前安装有该飞行器零件的飞行器的飞行操作(例如，在着陆时，如果满足库存阈值则生成库存警报)，由该飞行器生成库存警报。在其它方面，当调度给定飞行器以满足库存阈值或给定飞行器已报告满足库存阈值的操作时，运营商系统(例如，飞行调度系统)生成库存警报。然后，方法600返回到框640以继续跟踪零件的安装以及飞行器和其中安装的零件的操作。
在当前公开中，参考了各个方面。然而，应当理解，本公开不限于所描述的特定方面。相反，无论是否与不同方面有关，都可以设想以下特征和要素的任何组合以实现和实践本文提供的教导。另外，当以“A和B中的至少一者”的形式描述各方面的要素时，将理解，分别设想了唯一地包括要素A、唯一地包括要素B以及包括要素A和B的方面。此外，尽管一些方面可以相对于其它可能的解决方案和/或相对于现有技术实现优势，但是通过给定方面是否能实现特定优势并不限制本公开。因此，本文公开的各方面、特征、方面和优势仅是示例性的，并且不被视为所附权利要求的要素或限制，除非在权利要求中明确叙述。同样，对“本发明”的参考不应被解释为本文公开的任何发明主题的概括，并且不应被视为所附权利要求的要素或限制，除非在权利要求中明确叙述。
如本领域技术人员将理解的，本文描述的各方面可以实现为系统、方法或计算机程序产品。因此，各方面可以采取在本文中通常都可以被称为“电路”、“模块”或“系统”的完全硬件方面、完全软件方面(包括固件、驻留软件、微代码等)或组合软件方面和硬件方面的方面的形式。此外，本文描述的各方面可以采取计算机程序产品的形式，该计算机程序产品实现在实现有计算机可读程序代码的一个或更多个计算机可读介质中。
可以使用任何适当的介质来发送实现在计算机可读介质上的程序代码，该介质包括但不限于无线、有线、光纤电缆、RF等或上述的任何合适的组合。
可以以一种或更多种编程语言的任何组合来编写用于执行本公开的各方面的操作的计算机程序代码，该编程语言包括诸如Java、Smalltalk、C++等之类的面向对象的编程语言以及诸如“C”编程语言或类似的编程语言之类的常规过程编程语言。程序代码可以作为独立软件包完全在用户计算机上、部分地在用户计算机上执行，部分地在用户计算机上并且部分地在远程计算机上或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者可以与外部计算机建立连接(例如，通过使用互联网服务提供商的互联网)。
本文参考根据本公开的各方面的方法的流程图和/或框图、装置(系统)和计算机程序产品描述了本公开的各方面。将理解，流程图和/或框图的各个框以及流程图和/或框图中的框的组合可以由计算机程序指令来实现。可以把这些计算机程序指令提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器以生产机器，从而使得通过计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或框图的框中指定的功能/动作的装置。
这些计算机程序指令还可以被存储在计算机可读介质中，该计算机可读介质可以指导计算机、其它可编程数据处理装置或其它设备以特定方式运行，从而使被存储在该计算机可读介质中的指令生成包括实现在流程图和/或框图的框中指定的功能/动作的指令的产品。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置或其它设备上，以使得在该计算机、其它可编程装置或其它设备上执行一系列操作步骤，以生成计算机实现的处理，从而使在该计算机、其它可编程数据处理装置或其它设备上执行的指令提供用于实现在流程图和/或框图的框中指定的功能/动作的处理。
附图中的流程图和框图示出了根据本公开的各个方面的系统、方法和计算机程序产品的可能实现的架构、功能和操作。就这一点而言，流程图或框图中的各个框可以表示代码的模块、分段或一部分，其包括用于实现指定的逻辑功能的一个或更多个可执行指令。还应注意，在一些另选实施方式中，框中指出的功能可以不按附图中指出的顺序发生。例如，取决于所涉及的功能，实际上可以大致同时执行连续示出的两个框，或者有时可以以相反的顺序或不按顺序执行这些框。还应注意，框图和/或流程图的各个框以及框图和/或流程图中的框的组合可以由执行指定功能或动作的基于专用硬件的系统或专用硬件和计算机指令的组合来实现。
条款1.一种方法，所述方法包括以下步骤：
通过以下方式生成载具零件的可靠性曲线：
收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的所述载具零件的各个相应实例：
在从与所述相应实例相关联的载具中移除时，收集所述相应实例的所述使用数据，
所述使用数据表示所述载具零件的所述相应实例在从关联载具中移除时累积的周期数，并且
所述使用数据表示所述载具零件的所述相应实例在从所述关联载具中移除时是否处于故障状态；
确定在多个周期数时处于故障状态的所述载具零件的实例所占的百分比；以及
基于针对所述多个周期数中的各个周期数处于故障状态的所述载具零件的实例所占的百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装有所述载具零件的所述给定实例的给定载具的操作，来跟踪所述载具零件的所述给定实例的周期数；以及
响应于所述载具零件的所述给定实例的周期数满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
条款2.根据条款1所述的方法，其中，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：
确定所述载具零件的被用于生成所述可靠性曲线的历史移除数；以及
响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具零件的固定周期数。
条款3.根据条款1至2中任一项所述的方法，其中，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：
在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，
其中，所述第一点表示所述载具零件的第一周期数，在所述第一周期数处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，
其中，所述第二点表示所述载具零件的第二周期数，所述第二周期数先前被设置用于所述载具零件的所述移除阈值，并且
把所述第一点和所述第二点中的较大者设置为所述移除阈值。
条款4.根据条款1至3中任一项所述的方法，所述方法还包括以下步骤：
基于以下项来设置重新订购阈值：
安全库存量；
所述移除阈值；
所述载具零件的提前时间；
所述给定载具的使用率；并且
响应于所述载具零件的所述给定实例的周期数满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
条款5.根据条款1至4中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的上限可靠性阈值进行比较；并且
响应于所述交点处的所述周期数大于所述上限可靠性阈值，把质量警报发送给所述给定载具的运营商。
条款6.根据条款1至5中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的下限可靠性阈值进行比较；并且
响应于所述交点处的所述周期数低于所述下限可靠性阈值，把质量警报发送给所述给定载具的运营商。
条款7.根据条款1至6中任一项所述的方法，所述方法还包括以下步骤：响应于接收到所述载具零件的移除的附加样本，把所述移除阈值重新设置为所述可靠性曲线上的不同值。
条款8.根据条款1至7中任一项所述的方法，其中，所述给定载具是飞行器。
条款9.一种方法，所述方法包括以下步骤：
通过以下方式生成载具零件的可靠性曲线：
收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的载具零件的各个相应实例：
在从与所述相应实例相关联的载具中移除时，收集所述相应实例的使用数据，
所述使用数据表示所述载具零件的所述相应实例在从关联载具中移除时累积的行驶小时数，并且
所述使用数据表示所述载具零件的所述相应实例在从所述关联载具中移除时是否处于故障状态；
确定在多个行驶小时数时处于故障状态的所述载具零件的实例所占的百分比；以及
基于针对所述多个行驶小时数中的各个行驶小时数处于故障状态的所述载具零件的实例所占的所述百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装有所述载具零件的所述给定实例的所述给定载具的操作来跟踪所述载具零件的所述给定实例的行驶小时数；以及
响应于所述载具零件的所述给定实例的行驶小时数满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
条款10.根据条款9所述的方法，其中，设置所述移除阈值还包括以下步骤：
确定所述载具零件的被用于生成所述可靠性曲线的历史移除数；以及
响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具零件的行驶小时的固定值。
条款11.根据条款9至10中任一项所述的方法，其中，设置所述移除阈值还包括以下步骤：
在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，
其中，所述第一点表示由所述载具零件累积的第一行驶小时数，在所述第一行驶小时数处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，并且
其中，所述第二点表示由所述载具零件累积的第二行驶小时数，所述第二行驶小时数先前被设置为所述载具零件的所述移除阈值，并且
其中，所述第一点和所述第二点中的较大者被设置为所述移除阈值。
条款12.根据条款9至11中任一项所述的方法，所述方法还包括以下步骤：
基于以下项来设置重新订购阈值：
安全库存量；
所述移除阈值；
所述载具零件的提前时间；以及
所述给定载具的使用率；并且
响应于由所述载具零件的所述给定实例累积的所述行驶小时数满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
条款13.根据条款9至12中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的上限可靠性阈值进行比较；并且
响应于所述交点处的周期数大于所述上限可靠性阈值，把质量警报发送给所述给定载具的运营商。
条款14.根据条款9至13中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的下限可靠性阈值进行比较；并且
响应于所述交点处的周期数低于所述下限可靠性阈值，把质量警报发送给所述给定载具的运营商。
条款15.根据条款9至14中任一项所述的方法，所述方法还包括以下步骤：
响应于接收到所述载具零件的移除的附加样本，把所述移除阈值重新设置为所述可靠性曲线上的不同值。
条款16.根据条款9至15中任一项所述的方法，其中，所述给定载具是飞行器。
条款17.一种系统，所述系统包括：
处理器；以及
存储器存储设备，所述存储器存储设备包括指令，所述指令在由所述处理器执行时使所述处理器能够执行包括以下项的操作：
生成载具零件的可靠性曲线；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装有所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的操作；以及
响应于所述载具零件的所述给定实例的操作满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
条款18.根据条款17所述的系统，其中，设置所述移除阈值还包括以下操作：
确定所述载具零件的被用于生成所述可靠性曲线的历史移除数；以及
响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述给定载具的操作的固定值。
条款19.根据条款17至18中任一项所述的系统，其中，设置所述移除阈值还包括以下操作：
确定所述载具零件的被用于生成所述可靠性曲线的历史移除数；以及
响应于所述历史移除数超过预定设置点：
在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，
其中，所述第一点表示所述载具零件的操作的第一数目，在所述第一数目处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，并且
其中，所述第二点表示所述载具零件的操作的第二数目，在所述第二数目处，至少第二百分比的运营商曾经从载具中移除过所述载具零件，所述第二百分比大于所述第一百分比。
条款20.根据条款17至19中任一项所述的系统，其中，生成所述载具零件的所述可靠性曲线还包括以下操作：
在从关联载具中移除时，从所述载具零件的多个实例收集使用数据，所述使用数据表示所述载具零件的特定实例在从所述关联载具中移除时累积的周期数，以及所述载具零件的所述特定实例在移除时是否处于故障状态；
确定每周期数时处于故障状态的所述载具零件所占的百分比；以及
基于处于故障状态的所述载具零件的百分比，把概率分布函数拟合到所述使用数据中。
条款21.根据条款17至20中任一项所述的系统，其中，生成所述载具零件的所述可靠性曲线还包括以下操作：
在从关联载具中移除时，从所述载具零件的多个实例收集使用数据，所述使用数据表示所述载具零件的特定实例在从所述关联载具中移除时累积的行驶小时数，以及所述载具零件的所述特定实例在移除时是否处于故障状态；
确定每行驶小时数处于故障状态的所述载具零件所占的百分比；以及
基于处于故障状态的所述载具零件的百分比，把概率分布函数拟合到所述使用数据中。
条款22.根据条款17至21中任一项所述的系统，其中，基于所述载具零件的周期数来跟踪所述载具零件的所述操作，同时所述载具零件处于安装状态，所述操作还包括：
基于以下项来设置重新订购阈值：
所述移除阈值；
所述载具零件的提前时间；
所述给定载具的使用率；以及
所述载具零件的每飞行周期系数；并且
响应于所述载具零件的所述给定实例的所述操作满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
条款23.根据条款17至22中任一项所述的系统，其中，基于所述给定载具的行驶小时数来跟踪所述载具零件的所述操作，同时所述载具零件处于安装状态，所述操作还包括：
基于以下项来设置重新订购阈值：
所述移除阈值；
所述载具零件的提前时间；以及
所述给定载具的使用率；并且
响应于所述载具零件的所述给定实例的所述操作满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
条款24.根据条款17至23中任一项所述的系统，其中，所述操作还包括：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的上限可靠性阈值和下限可靠性阈值进行比较；并且
响应于所述载具零件在所述交点处的操作的数目是大于所述上限可靠性阈值或小于所述下限可靠性阈值中的一者，把质量警报发送给所述给定载具的运营商。
条款25.根据条款17至24中任一项所述的系统，其中，所述给定载具是飞行器。
尽管前述内容针对本公开的各方面，但是可以在不脱离本公开的基本范围的情况下设计本公开的其它方面和另外方面，并且本公开的范围由所附权利要求确定。

Claims (10)

1.一种方法，所述方法包括以下步骤：
通过以下方式来生成载具零件的可靠性曲线：
收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的载具零件的各个相应实例进行如下操作：
在从与所述相应实例相关联的载具中移除时，收集所述相应实例的使用数据，
所述使用数据表示所述载具零件的相应实例在从关联载具中移除时累积的周期数，以及
所述使用数据表示所述载具零件的相应实例在从所述关联载具中移除时是否处于故障状态；
确定在多个周期数时处于故障状态的所述载具零件的实例所占的百分比；以及
基于针对所述多个周期数中各周期数处于故障状态的所述载具零件的实例所占的百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装了所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的周期数；以及
响应于所述载具零件的所述给定实例的周期数满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
2.根据权利要求1所述的方法，其中，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：
确定所述载具零件的用于生成所述可靠性曲线的历史移除数；以及
响应于所述历史移除数低于预定设置点，把所述移除阈值设置为所述载具零件的固定周期数。
3.根据权利要求1至2中任一项所述的方法，其中，在所述可靠性曲线上设置所述移除阈值还包括以下步骤：
在所述可靠性曲线上的第一点与第二点之间设置所述移除阈值，
其中，所述第一点表示所述载具零件的第一周期数，在所述第一周期数处，至少第一百分比的运营商曾经从载具中移除过所述载具零件，
其中，所述第二点表示所述载具零件的第二周期数，所述第二周期数先前被设置用于所述载具零件的所述移除阈值，以及
把所述第一点和所述第二点中的较大者设置为所述移除阈值。
4.根据权利要求1至3中任一项所述的方法，所述方法还包括以下步骤：
基于以下项来设置重新订购阈值：
安全库存量；
所述移除阈值；
所述载具零件的提前时间；
所述给定载具的使用率；以及
响应于所述载具零件的所述给定实例的周期数满足所述重新订购阈值，把库存警报发送给所述给定载具的运营商。
5.根据权利要求1至4中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的上限可靠性阈值进行比较；以及
响应于所述交点处的周期数大于所述上限可靠性阈值，把质量警报发送给所述给定载具的运营商。
6.根据权利要求1至5中任一项所述的方法，所述方法还包括以下步骤：
确定所述可靠性曲线与所述移除阈值的交点；
把所述交点与所述载具零件的下限可靠性阈值进行比较；并且
响应于所述交点处的周期数低于所述下限可靠性阈值，把质量警报发送给所述给定载具的运营商。
7.根据权利要求1至6中任一项所述的方法，所述方法还包括以下步骤：响应于接收到所述载具零件的移除的附加样本，把所述移除阈值重新设置为所述可靠性曲线上的不同值。
8.根据权利要求1至7中任一项所述的方法，其中，所述给定载具是飞行器。
9.一种方法，所述方法包括以下步骤：
通过以下方式来生成载具零件的可靠性曲线：
收集与所述载具零件的多个实例有关的使用数据，其中，对于所述载具零件的所述多个实例中的载具零件的各个相应实例进行如下操作：
在从与所述相应实例相关联的载具中移除时，收集所述相应实例的使用数据，
所述使用数据表示所述载具零件的相应实例在从关联载具中移除时累积的行驶小时数，以及
所述使用数据表示所述载具零件的所述相应实例在从所述关联载具中移除时是否处于故障状态；
确定在多个行驶小时数时处于故障状态的所述载具零件的实例所占的百分比；以及
基于针对所述多个行驶小时数中的各个行驶小时数处于故障状态的所述载具零件的实例所占的百分比，把限定所述可靠性曲线的概率分布函数拟合到所述使用数据中；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装了所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的行驶小时数；以及
响应于所述载具零件的所述给定实例的行驶小时数满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
10.一种系统，所述系统包括：
处理器；以及
存储器存储设备，所述存储器存储设备包括指令，所述指令在由所述处理器执行时，使所述处理器能够执行包括以下项的操作：
生成载具零件的可靠性曲线；
在所述可靠性曲线上设置移除阈值；
跟踪所述载具零件的给定实例被安装到给定载具中；
基于安装了所述载具零件的所述给定实例的所述给定载具的操作，来跟踪所述载具零件的所述给定实例的操作；以及
响应于所述载具零件的所述给定实例的操作满足所述移除阈值，把服务警报发送给所述给定载具的运营商。
CN202010201045.0A 2019-05-08 2020-03-20 预测零件维护 Pending CN111915027A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/406,827 US11338940B2 (en) 2019-05-08 2019-05-08 Predictive part maintenance
US16/406,827 2019-05-08

Publications (1)

Publication Number Publication Date
CN111915027A true CN111915027A (zh) 2020-11-10

Family

ID=70057004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010201045.0A Pending CN111915027A (zh) 2019-05-08 2020-03-20 预测零件维护

Country Status (4)

Country Link
US (2) US11338940B2 (zh)
EP (1) EP3736778A1 (zh)
JP (1) JP2020184307A (zh)
CN (1) CN111915027A (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11780609B2 (en) * 2019-06-12 2023-10-10 Honeywell International Inc. Maintenance recommendations using lifecycle clustering
US11975862B2 (en) * 2021-03-25 2024-05-07 CAMP Systems International, Inc. Database query processing for hardware component identification using multi-ordered machine learning models
US20230036153A1 (en) * 2021-07-30 2023-02-02 Raytheon Technologies Corporation Usage based maintenance scheduling system
US20230297946A1 (en) * 2022-03-17 2023-09-21 Dell Products L.P. Automated risk management for aging items managed in an information processing system
US11959433B2 (en) * 2022-07-19 2024-04-16 Cummins Emission Solutions Inc. Systems and methods for determining exhibited useful life of sensors in monitored systems
CN117114352B (zh) * 2023-09-15 2024-04-09 北京阿帕科蓝科技有限公司 车辆维护方法、装置、计算机设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021604A1 (en) * 2006-07-20 2008-01-24 The Boeing Company Maintenance interval determination and optimization tool and method
US20080154458A1 (en) * 2006-12-21 2008-06-26 Brandstetter Jason C System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles
US20090083050A1 (en) * 2007-09-25 2009-03-26 Eltman Joseph T Compilation and distribution of data for aircraft fleet management
CN101663088A (zh) * 2007-03-09 2010-03-03 曼彻斯特大学 化学处理系统
US20180335772A1 (en) * 2017-05-16 2018-11-22 Mitek Analytics Llc System and method for fleet reliabity monitoring
CN108960478A (zh) * 2017-05-25 2018-12-07 波音公司 交通工具零件可靠性确定系统和方法
CN109596961A (zh) * 2018-10-23 2019-04-09 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） GaN器件的可靠性测试方法、装置和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5210704A (en) 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
US6490543B1 (en) 1999-07-13 2002-12-03 Scientific Monitoring Inc Lifeometer for measuring and displaying life systems/parts
US20080172268A1 (en) * 2005-01-13 2008-07-17 Standard Aero (San Antonio), Inc. System and method of enhancing cost performance of mechanical systems including life-limited parts
WO2013191593A1 (en) 2012-06-19 2013-12-27 Gkn Aerospace Sweden Ab Method and system for determining life consumption of a mechanical part
US10723487B2 (en) 2013-08-15 2020-07-28 The Boeing Company Systems and methods for detecting aircraft maintenance events and maintenance intervals
US20170073936A1 (en) 2015-09-10 2017-03-16 Caterpillar Inc. System and method for determining a useful life of a consumable component
US10796018B2 (en) * 2017-11-10 2020-10-06 General Electric Company Methods and apparatus to generate an optimized workscope

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021604A1 (en) * 2006-07-20 2008-01-24 The Boeing Company Maintenance interval determination and optimization tool and method
US20080154458A1 (en) * 2006-12-21 2008-06-26 Brandstetter Jason C System, method and program product for predicting fleet reliability and maintaining a fleet of vehicles
CN101663088A (zh) * 2007-03-09 2010-03-03 曼彻斯特大学 化学处理系统
US20090083050A1 (en) * 2007-09-25 2009-03-26 Eltman Joseph T Compilation and distribution of data for aircraft fleet management
US20180335772A1 (en) * 2017-05-16 2018-11-22 Mitek Analytics Llc System and method for fleet reliabity monitoring
CN108960478A (zh) * 2017-05-25 2018-12-07 波音公司 交通工具零件可靠性确定系统和方法
CN109596961A (zh) * 2018-10-23 2019-04-09 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） GaN器件的可靠性测试方法、装置和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIUJIE ZHAO 等: "Reliability Modeling and Analysis of Load-Sharing Systems With Continuously Degrading Components", 《IEEE TRANSACTIONS ON RELIABILITY》, vol. 67, no. 3, 3 July 2018 (2018-07-03), pages 1096 - 1110 *
张旭刚 等: "基于剩余使用寿命评估的再制造方案决策模型及应用", 《机械工程学报》, vol. 49, no. 7, 30 April 2013 (2013-04-30), pages 51 - 57 *
谷孟琪: "机械零件可靠性分析", 《内燃机与配件》, no. 1, 15 January 2019 (2019-01-15), pages 47 - 49 *

Also Published As

Publication number Publication date
EP3736778A1 (en) 2020-11-11
US20220281618A1 (en) 2022-09-08
JP2020184307A (ja) 2020-11-12
US11338940B2 (en) 2022-05-24
US20200354086A1 (en) 2020-11-12

Similar Documents

Publication Publication Date Title
US11338940B2 (en) Predictive part maintenance
CN108960478B (zh) 交通工具零件可靠性确定系统和方法
US20220383673A1 (en) Predictive part maintenance
EP1809535B1 (en) System, method, and computer program product for fault prediction in vehicle monitoring and reporting system
JP5869980B2 (ja) カスタマイズリポートに基づく航空機性能検出方法
US9811950B2 (en) Aircraft electric taxi system diagnostic and prognostic evaluation system and method
EP2489014B1 (en) Platform health monitoring apparatus and method
EP3392107A2 (en) Brake health indicator systems using input and output energy
US8548879B2 (en) Materials management system
CN109543850B (zh) 一种铁路货车全寿命周期状态数据处理的方法及装置
Deshpande et al. Efficient supply chain management at the US Coast Guard using part-age dependent supply replenishment policies
CN103164771A (zh) 生命周期过时预测工具
US11465778B2 (en) Pump management system
Vandawaker et al. Impact of prognostic uncertainty in system health monitoring
Line et al. Prognostics usefulness criteria
Losik, Ph. D Using the prognostic health management program on the air force next generation reusable launch vehicle
EP4040352A1 (en) A method for improving the operational availability of an aircraft fleet
Vandawalker Integrated Systems Health Management as an Enabler for Condition Based Maintenance and Autonomic Logistics
CN117196565A (zh) 基于行为建模的部件维修预测系统
Cucu et al. THEORETICAL ESTIMATION OF MAINTENANCE COSTS FOR PERIODICALLY CONTROLLED VEHICLES
Das Improving the Maintenance System of Tippers A Case Study
CN117829719A (zh) 基于多级库存模型与边际分析的航材安全库存预警方法
CN117057619A (zh) 用于飞机的预测方法和预测系统
Losik Benefits to space logistics and supportability using intelligent, decision-making self-prognostic equipment
Giljohann et al. Cost-Benefit Analysis and Specification of Component-level PHM Systems in Aircrafts

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination