CN113326950A - 根据可观察到的状况调整个体平台的维护间隔 - Google Patents
根据可观察到的状况调整个体平台的维护间隔 Download PDFInfo
- Publication number
- CN113326950A CN113326950A CN202110217970.7A CN202110217970A CN113326950A CN 113326950 A CN113326950 A CN 113326950A CN 202110217970 A CN202110217970 A CN 202110217970A CN 113326950 A CN113326950 A CN 113326950A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- sensor data
- interval
- platform
- data
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 420
- 238000000034 method Methods 0.000 claims abstract description 92
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000013439 planning Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 19
- 230000001105 regulatory effect Effects 0.000 claims description 13
- 230000007423 decrease Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 8
- 230000002085 persistent effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000009419 refurbishment Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了根据可观察到的状况调整个体平台的维护间隔。提出了用于改善维护计划的准确性和改变维护间隔的一种维护间隔调整器和若干方法。对于多个平台,检索用于维护任务的计划的维护数据和非计划的服务中的维护数据。针对高方差或多种模式分析针对计划的维护数据和非计划的服务中的维护数据中的维护任务的生命期的分布。响应于识别生命期的分布中的高方差或多种模式中的至少一种,识别多个平台的传感器数据中与维护任务的生命期的长度相关的若干状况。基于若干状况将生命期分为多个组。基于相应组的维护任务的相应生命期,为多个组中的每个组确定相应的推荐维护间隔。
Description
技术领域
本公开总体上涉及维护,具体来说涉及调整单个/个体平台的维护间隔。
背景技术
诸如飞机、建筑装备或汽车之类的设备可以周期性地停止使用,以对设备执行计划的维护。进行维护以确保所有部件均有效且安全地运行。与其他维护任务相比,可能需要以不同的时间间隔执行不同的维护任务。例如,在汽车中,与轮胎或正时皮带相比,可能需要更频繁地检查和更换空气过滤器。因此,通常安排不同的维护任务以不同的间隔发生。
维护任务带有原始设备制造商(OEM)推荐的维护间隔。原始设备制造商(OEM)推荐的维护间隔的一个示例是,每3,000英里或三个月更换一次汽车中的机油。
通常,OEM维护间隔过于保守。遵循OEM的建议可能会导致效率低下和非标准的维护日程安排。遵循OEM可能会使运营商执行非增值维护,这可能是不必要的成本负担。在这种情况下,当前对维护任务过于保守的计划可能是成本低效的,并导致执行不必要的维护程序。
因此,期望有一种方法和设备,该方法和设备考虑到至少一些以上讨论的问题以及其他可能的问题。
发明内容
本公开的示例提供了一种计算机实现的方法。确定平台的传感器数据是否指示影响维护任务的频率的状况。如果在传感器数据中指示影响维护任务的频率的状况,则将平台用于执行维护任务的维护间隔更改为更新值。在具有更新值的维护间隔处或之前执行维护任务。
本公开的另一个示例提供了一种改善维护计划的准确性的计算机实现的方法。检索用于多个平台的维护任务的计划的维护数据和非计划的服务中的维护数据。针对高方差或多种模式分析针对计划的维护数据和非计划的服务中的维护数据中的维护任务的生命期的分布。响应于识别生命期的分布中的高方差或多种模式中的至少一种,识别多个平台的传感器数据中的与维护任务的生命期的长度相关的若干状况。基于若干状况将生命期分为多个组。基于相应组的维护任务的相应生命期,为多个组中的每个组确定相应的推荐维护间隔。
本公开的又一个示例提供了一种设备。该设备包括总线系统;耦合到总线系统的通信系统;和耦合到总线系统的处理器单元,其中处理器单元执行计算机可用程序代码以检索针对多个平台的维护任务的计划的维护数据和非计划的服务中的维护数据;针对高方差或多种模式分析针对计划的维护数据和非计划的服务中的维护数据中的维护任务的生命期的分布;响应于识别生命期的分布中的高方差或多种模式中的至少一种,识别多个平台的传感器数据中与维护任务的生命期的长度相关的若干状况;基于若干状况将生命期分为多个组;和通过对多个组中的每个组执行定制的维护规划分析,为多个组中的每个组确定相应推荐维护间隔。
可以在本公开的各个示例中独立地实现特征和功能,或者可以将特征和功能组合在另外的其他示例中,在这些示例中可以参考以下描述和附图来看到更多细节。
附图说明
在所附的权利要求书中阐述了认为是说明性示例的特征的新颖特征。然而,当结合附图阅读时,通过参考以下对本公开的说明性示例的详细描述,将最好地理解说明性示例及其优选使用模式,其进一步的目的和特征,其中:
图1是其中可以实施说明性示例的维护环境的框图的图示;
图2是根据说明性示例的针对维护任务的生命期分布的图示;
图3是根据说明性示例的用于利用维护间隔调整器的流程图的图示;
图4是根据说明性示例的用于调整维护间隔的流程图的图示;
图5是根据说明性示例的改变维护间隔以执行维护任务的计算机实现的方法的流程图的图示;
图6是根据说明性示例的改善维护计划的准确性的计算机实现的方法的流程图的图示;
图7是根据说明性示例的数据处理系统的框图的图示;
图8根据说明性示例的以框图形式示出的飞机制造和服务方法的图示;和
图9是以框图形式示出的飞机的图示,其中可以实施说明性示例。
具体实施方式
说明性示例认识并考虑到一种或多种不同的考虑。说明性示例认识并考虑到可以根据使用周期、使用时间或日历天来测量维护间隔。说明性示例认识并考虑到对于飞机,可以以多个飞行周期、多个飞行小时、多个日历天或任何其他可取的测量类型来测量维护间隔。
说明性示例认识并考虑到当前可以将定制的维护规划(CMP)提供给诸如航空公司的个体飞机运营商。在CMP过程中,分析运营商机队的服务中数据,并识别个体维护任务的维护间隔,这些维护间隔除了潜在变化的幅度外,还可能会发生变化。CMP分析的可能结果可能是,维护任务间隔可以延长,使得与OEM原始建议间隔相比,维护任务的执行频率更低。由于减少了与执行维护任务相关的人工和材料成本,因此减少维护任务的执行频率节省了航空公司的资金。说明性示例认识并考虑到OEM的原始基线间隔是根据所有运营商和环境的全球机队确定的,而CMP能够利用运营商环境、飞机使用、维护方法的差异,以及其他因素方面决定为该特定运营商设计的维护间隔。
说明性示例认识并考虑到当前的定制航空公司维护规划(CMP)过程对所讨论的维护任务的历史生命期进行统计分析。通过计算生命期的累积分布函数周围的置信区间,可以为每个计划的维护任务确定可接受的维护间隔。现有解决方案假定运营商整个机队的维护间隔相同。对于在生命期中表现出高差异的任务,对生命期分布的置信区间的下限取较低值,CMP分析必定过于谨慎。说明性示例认识并考虑到这可能对运营商留下价值,因为它们必须在那些生命期更长的飞机的生命期内进行更多的维护。
说明性示例认识并考虑到,今天CMP已在整个机队范围内为特定运营商完成。说明性示例认识并考虑到会期望向下钻取另一级别以查看维护间隔是否可以为运营商级别之外的飞机级别的效率而设计。说明性示例认识并考虑到,区分飞机级别的维护间隔需要在机队中的飞机之间进行区分。但是,当前的CMP并没有考虑到每架特定飞机的运行状况,像从传感器和其他数据可以看出的那样。说明性示例通过基于可观察到的状况在生命期组之间进行区分来转换CMP过程,从而尝试减少组内方差并允许基于状况的间隔确定潜在地增大某些组的维护间隔。
说明性示例提供了一种设备和一些方法,通过该设备和这些方法可以完成飞机级别维护间隔建议,以便基于飞机状况确定每架飞机的监管批准间隔。说明性示例使用生命期总体的统计分布来提出维护间隔建议。说明性示例通过考虑具有多个可能不同的分布的多个组来扩展CMP过程。说明性示例提供了用于基于飞机实际可观察状况来确定哪种分布适用于每架飞机的一种设备和一些方法。
说明性示例提供了用于改善单个飞机的日常维护间隔的一种设备和一些方法。说明性示例考虑了制造商建议的对飞机上受检查的系统上的日常维护间隔。说明性示例在飞机的每次飞行期间使用所检查系统上的飞机健康管理系统传感器数据。说明性示例根据制造商建议的针对受检查系统的日常维护间隔来分析传感器数据。
说明性示例在制造的建议的日常维护事件下,根据多个历史的受检查系统健康和状况观察来处理经分析的数据。当由经分析的数据保证时,说明性示例以比制造的建议的日常维护间隔更长的时间间隔为个体飞机上的受检查系统提供了改善的建议的日常维护间隔。说明性示例通过基于可观察到的状况在生命期的组之间进行区分来转换CMP过程,从而尝试减少组内方差并允许基于状况的间隔确定以潜在地增大某些组的维护间隔。
现在转到图1,其中可以实施说明性示例的维护环境的框图的图示。维护环境100包括被配置为改善维护计划的准确性的维护间隔调整器102。维护间隔调整器102启用维护环境100中用于平台104的基于状况的间隔确定。
维护间隔调整器102从历史数据108中识别状况维护间隔集合106。状况维护间隔集合106包括维护任务110的具有基于可观察到的状况的可辨认的多个组的生命期的维护任务。
维护任务是与检查、维护、维修和/或更换部件或子部件相关的任务。通常仅基于对计划的维护数据的检查和分析来安排要在设备上执行的维护任务。维护数据的分析和检查不包括线路站和运营维护数据。此外,当前的分析和检查没有使用任何科学方法来评估和分析服务中数据。此外,计划的维护数据的格式可能不会以一致的方式提交,并且运营商可能会自愿提交。因此,可以基于不代表飞机维护事件的所有方面的数据的有限范围来识别维护数据的当前安排。
维护事件是与设备部件的维护、修理或更换相关的任何事件。维护事件可能包括但不限于功能部件故障、系统故障、功能丧失、功能降低、服务中断、腐蚀、磨损、响应时间慢、效率降低、燃油效率降低、轮胎压力损失或需要维护、修理或更换部件或部件的子部件的任何其他事件。
维护间隔调整器102针对给定的平台类型检索维护数据111,其包括计划的维护数据112和非计划的服务中的维护数据114。给定的平台类型是特定平台的类型或模型。例如,如果平台是飞机,则平台类型可以包括特定型号的所有飞机,例如波音787。平台类型还可以包括具有一个或多个共同特征的所有飞机,例如但不限于,使用相同发动机型号或任何其他特征的所有货运飞机、所有飞机。因此,平台类型可以包括相同或相似类型的平台。
尽管针对飞机描述了用于一个说明性示例的多个说明性示例,但是说明性示例可以应用于其他类型的平台。平台可以是例如移动平台、固定平台、陆基结构、水基结构和空基结构。具体来说,平台可以是水面舰艇、坦克、人员运载器、火车、航天器、空间站、卫星、潜水艇、汽车、发电厂、桥梁、水坝、房屋、制造设施、建筑物和其他合适的平台。
为了改善维护任务116的维护计划的准确性,维护间隔调整器102针对多个平台118检索用于维护任务116的计划的维护数据112和非计划的服务中的维护数据114。维护间隔调整器102针对高方差或多种模式分析针对计划的维护数据112和非计划的服务中的维护数据114中的维护任务116的生命期120的分布。生命期120中的高方差或多种模式指示生命期120中不同的可区分组的可能性。
使用任何可取的测试来识别多种模式。在一些说明性示例中,使用西氏(Silverman’s)检验、霍尔(Hall)和约克(York)检验、多余质量检验或贝叶斯(Bayesian)混合模型中的一种来识别多种模式。在一些说明性示例中,使用本领域技术人员已知的核密度估计或基于直方图的方法来识别多种模式。
响应于识别生命期120的分布中的高方差或多种模式中的至少一个,维护间隔调整器102识别多个平台118的传感器数据124中与维护任务116的生命期120的长度相关的若干状况122。
维护间隔调整器102基于若干状况122将生命期120划分为多个组126。多个组126可以具有可以由可识别状况识别的任何数量的组。
维护间隔调整器102基于针对相应组的维护任务116的相应生命期120,来为多个组126中的每个组确定相应的推荐维护间隔。用于多个组126的推荐维护间隔128基于维护任务116的生命期120。相应推荐维护间隔128的每一个是执行维护任务116之间的时间间隔,该时间间隔最大化了预防性计划维护期间在相应平台上检测到与部件集合129相关的异常的概率。
维护间隔调整器102计算时间点130,在时间点130之后可接受数量的传感器数据可用于平台(例如平台104),使得可以执行分析以确定平台是否存在若干状况122。可以根据使用周期、使用时间或日历天来测量时间点130。当平台104是飞机154时,以若干飞行周期、若干飞行小时、若干日历天或任何其他可取的测量类型来测量时间点130。在一些说明性示例中,时间点130被描述为最小数量的周期。
在一些说明性示例中,维护间隔调整器102通过对多个组126中的每一个执行定制的维护规划分析132来确定相应的推荐维护间隔。在一些说明性示例中,对多个组126执行定制的维护规划分析132的分析结果134被发送给监管机构以供批准。每个不同的维护间隔都由监管机构基于监视状况和每个间隔的统计CMP分析的能力预先批准。
平台104具有带有维护间隔136的维护任务116。维护间隔136最初具有默认值138。默认值138可以是原始140,例如原始设备制造商(OEM)推荐的维护间隔。默认值138可以是基于机队的142。当默认值138是基于机队的142时,使用针对维护任务116的多个平台118的所有平台的数据统计分析来确定默认值138。
在一些说明性示例中,可以通过改变针对执行平台104的维护任务116的维护间隔136来减少平台104的非计划的停机时间。当维护任务116具有关联的多个组126并且平台104具有的时间点145大于或等于时间点130时,针对若干状况122分析平台104的传感器数据144。在一些说明性示例中,平台104的处理器146确定平台104的传感器数据144是否指示状况147影响维护任务116的频率。
如果在传感器数据144中指示了影响维护任务116的频率的状况147,则将针对执行平台104的维护任务116的维护间隔136改变为更新值148。在这些说明性示例中,更新值148是基于状况的150。当传感器数据144未指示影响维护任务116的频率的状况147时,维护间隔136保持默认值138。
在一些说明性示例中,传感器数据144包括手动生成的和自动生成的数据。在一些说明性示例中,传感器数据144包括飞行员生成的数据。在一些说明性示例中,传感器数据144由多个传感器152生成。多个传感器152包括任何可取的数量或类型的传感器。在一些说明性示例中,多个传感器152包括温度传感器、压力传感器、接近传感器、力传感器、光传感器、湿度传感器、位移传感器、电流传感器或任何其他可取的类型的传感器中的至少一个。多个传感器152位于平台104上或平台104中的任何可取的位置。
状况147的类型和多个传感器152中的传感器的类型至少与部件集合129或维护任务116稍微相关。例如,状况147是部件集合129的部件的温度。作为另一个示例,状况147是暴露于部件集合129的部件的一定量的压力。在一些说明性示例中,平台104是飞机154,并且传感器数据144是飞行传感器数据。
在一些说明性示例中,将维护间隔136更改为更新值148减小维护间隔136。在一些说明性示例中,将维护间隔136更改为更新值148增大维护间隔136。
为了改善针对第二维护任务156的维护计划的准确性,维护间隔调整器102针对多个平台118检索针对第二维护任务156的计划的维护数据112和非计划的服务中的维护数据114。维护间隔调整器102针对高方差或多种模式分析针对计划的维护数据112和非计划的服务中的维护数据114中的第二维护任务156的生命期158的分布。生命期158中的高方差或多种模式指示生命期158中的不同的可区分组的可能性。
维护间隔调整器102响应于识别生命期158的分布中的高方差或多种模式中的至少一个来识别多个平台118的传感器数据124中的与第二维护任务156的生命期158的长度相关的第二若干状况160。
维护间隔调整器102基于第二若干状况160将生命期158划分为第二多个组162。
维护间隔调整器102基于针对相应组的第二维护任务156的相应生命期158,为第二多个组162中的每个组确定相应的推荐维护间隔。第二多个组162的推荐维护间隔164基于第二维护任务156的生命期158。相应的推荐维护间隔164中的每一个是执行第二维护任务156之间的时间间隔,该时间间隔最大化在预防性计划的维护期间检测到的与第二部件集合166相关联的异常的概率。
维护间隔调整器102计算第二时间点168,在第二时间点168之后可接受数量的传感器数据可用于平台(例如平台104),使得可以执行分析以确定平台是否存在第二若干状况160。可以根据使用周期、使用时间或日历天来测量第二时间点168。当平台104是飞机154时,以多个飞行周期、多个飞行小时、多个日历天或任何其他可取的测量类型来测量第二时间点168。在一些说明性示例中,第二时间点168被描述为最小数量的周期。
在一些说明性示例中,维护间隔调整器102通过对第二多个组162中的每一个执行定制的维护规划分析132来确定相应的推荐维护间隔。在一些说明性示例中,对第二多个组162执行定制的维护规划分析132的分析结果134被发送到监管机构以供批准。每个不同的维护间隔都由监管机构基于监视状况和每个间隔的统计CMP分析的能力预先批准。
平台104具有带有第二维护间隔170的第二维护任务156。第二维护间隔170最初具有第二默认值172。第二默认值172可以是原始值,例如原始设备制造商(OEM)推荐的维护间隔。第二默认值172可以是基于机队的。当第二默认值172基于机队时,使用针对第二维护任务156的多个平台118的所有平台的数据的统计分析来确定第二默认值172。
在一些说明性示例中,可以通过改变针对执行平台104的第二维护任务156的第二维护间隔170来减少平台104的非计划的停机时间。当第二维护任务156具有相关联的第二多个组162并且平台104具有大于或等于第二时间点168的第二时间点174时,针对第二若干状况160分析平台104的第二传感器数据176。在一些说明性示例中,平台104的处理器146确定平台104的第二传感器数据176是否指示影响维护任务116的频率的第二状况178。
如果在第二传感器数据176中指示了影响第二维护任务156的频率的第二状况178,则针对执行平台104的第二维护任务156的第二维护间隔170被改变为第二更新值180。在这些说明性示例中,第二更新值180为基于状况的。当第二传感器数据176未指示影响第二维护任务156的频率的第二状况178时,第二维护间隔170保持在第二默认值172。
维护任务116和第二维护任务156是不同的维护任务。推荐维护间隔128和推荐维护间隔164彼此不相关。推荐维护间隔128和推荐维护间隔164中的每一个是独立确定的。在一些说明性示例中,维护任务116和第二维护任务156具有在部件集合129和第二部件集合166之间的至少一个公共部件。在一些说明性示例中,维护任务116和第二维护任务156不具有在部件集合129和第二部件集合166之间的任何公共部件。
在一些说明性示例中,传感器数据144和第二传感器数据176具有至少一些数据重叠。在一些其他说明性示例中,传感器数据144和第二传感器数据176没有重叠。
在维护间隔136或之前,在平台104上执行维护任务116。在更新维护间隔136之后,在具有更新值148的维护间隔136或之前,在平台104上执行维护任务116。在执行维护任务116之后,将用于传感器数据144的时间点计数器重置为默认值。在执行维护任务116之后,将针对执行维护任务116的维护间隔136重置为默认值138。
图1中的维护间隔调整器102和平台104的图示并不意味着暗示对可以实施示例性示例的方式的物理或架构限制。可以使用除了所示部件之外的其他部件或代替所示部件的其他部件。某些部件可能是不必要的。此外,提供了方框以说明一些功能部件。当在说明性示例中实施时,这些方框中的一个或多个可以被组合、划分或组合并且划分为不同的方框。
例如,尽管在图1中描绘了两个维护任务,但是可以存在任何数量的维护任务。在服务更新中监视的维护任务的数量与具有有多种模式的生命期的维护任务的数量有关。在服务更新中监视的维护任务的数量与具有在统计上显著与多种模式相关的状况的维护任务的数量有关。
作为另一示例,尽管维护任务116被描述为与状况147有关,但是维护任务116可以与任何数量的状况有关。此外,尽管处理器146被描绘为在平台104内,但是在其他说明性示例中,处理器146在平台104之外。
在一些说明性示例中,具有历史数据108的数据库182和维护间隔调整器102是同一计算机系统的一部分。在一些其他说明性示例中,数据库182和维护间隔调整器102是不同计算机系统的部分。在一些说明性示例中,数据库182和维护间隔调整器102由不同方控制。例如,数据库182可以由客户端控制和维护。在一些示例中,维护间隔调整器102由服务公司控制和维护。
现在转到图2,根据说明性示例描述了用于维护任务的生命期分布的图示。曲线图200具有时间的x轴线202和数量的y轴线203。数据204描绘了具有沿x轴线202的生命期的平台的实例的数量。较短的生命期更接近y轴线203。数据204具有两个峰,峰206和峰208。数据204具有多种模式。在这个实例下,生命期可能可以区分为两组或更多组。峰206和峰208可以由标记210划分,标记210说明用于双模的划分点。在识别到数据204在生命期分布中具有潜在的多模态之后,使用传感器数据来确定该多模态是否可能是相关运行状况(未做描述)的函数。
现在转到图3,根据说明性示例描述了用于利用维护间隔调整器的流程图的图示。在一些说明性示例中,流程图300是可以由图1的维护间隔调整器102执行的过程的描述。流程图300可以用于分析图2的数据204。
收集针对维护任务的历史生命期(操作302)。为由运营商控制的多个平台收集针对维护任务的生命期。例如,当运营商是租车公司时,平台就是车辆。再举一个例子,当运营商是建筑公司时,平台就是建筑装备。在一些说明性示例中,多个平台中的每个平台具有相同的类型或相同的型号。
针对高方差或多种模式来分析生命期的分布(操作304)。使用任何可取的的测试可以识别多种模式。在一些说明性示例中,西氏(Silverman’s)检验、霍尔(Hall)和约克(York)检验、多余质量检验或贝叶斯(Bayesian)混合模型中的一种来识别多种模式。在一些说明性示例中,使用本领域技术人员已知的核密度估计或基于直方图的方法来识别多种模式。
确定是否有可能将生命期区分为两个或更多组(操作306)。在分析期间,确定两个或更多组是否在统计上显著不同。使用任何可取的方法确定两个或更多组之间的统计上的显著差异。在一些说明性示例中,通过方差检验、柯尔莫可洛夫-斯米洛夫(Kolmogorov-Smirnov)检验或另一种可取的统计检验的分析来确定两个或更多组之间的统计上的显著差异。
如果不可能将生命期区分为两个或更多组,则将生命期分为一组(操作308)。在生命期组上运行CMP分析(操作310)。确定是否已经在所有组上执行了CMP分析(操作312)。在一些说明性示例中,分析被打包并提交给监管机构以供批准(操作314)。每个不同的维护间隔都由监管机构基于监视状况和每个间隔的统计CMP分析的能力预先批准。
如果在操作306中生命期可以区分为两组或更多组,则为包括每个生命期的多个平台收集传感器数据(操作316)。当多个平台是多个飞机时,传感器数据采取飞行传感器数据的形式。为与历史生命期的长度相关的若干状况分析传感器数据(操作318)。确定一个或多个状况在不同组之间是否存在差异。在一些说明性示例中,通过计算与维护有关的传感器值的累积统计值并确定与不同组具有最强相关性的统计值来识别状况。累积统计值是累积和、累积最大值、累积方差或其他统计值。相关性是累积统计和历史生命期的长度之间的皮尔逊(Pearson)相关性或西尔弗曼(Spearman)相关性,或者相关性是累积统计和历史生命期的分类组之间的方差检验或柯尔莫可洛夫-斯米洛夫(Kolmogorov-Smirnov)检验的分析。
为具有可接受的提前期的最高相关性设计时间点t,以进行间隔确定(操作320)。在这些说明性示例中,t是确定数据中是否存在状况之前的时间。可以根据使用周期、使用时间或日历天来测量时间点t。
确定是否存在以可接受的提前期来区分生命期和时间点t的若干状况(操作322)。基于状况将生命期分为两个或更多组(操作324)。
之后,对生命期的每个组运行CMP分析(操作310和312)。在一些说明性示例中,针对所有组生命期的分析被打包并提交给监管机构以供批准(操作314)。在将分析提交给监管机构之后,流程图300结束。
现在转向图4,根据说明性示例描述了用于调整维护间隔的流程图的图示。在一些说明性示例中,流程图400是可以由图1的处理器146执行的过程的描述。流程图400可以用于更新图1的平台104的维护间隔。在一些说明性示例中,流程图400利用图3的流程图300中标识的若干状况。
平台周期完成(操作402)。当平台是飞机时,飞机飞行周期完成。
确定是否已经超过时间点t(操作404)。提供时间点t用于确定(操作406)。由流程图300的操作320生成时间点t。可以根据使用周期、使用时间或日历天来测量时间点t。
如果在操作404中未超过时间点t,则确定是否已经达到维护任务的维护间隔(操作408)。如果尚未达到维护间隔,则流程图400返回操作402。
如果已经达到维护间隔,则执行计划的维护(操作418)。在执行维护任务之后,重置时间点计数器并且将维护间隔设置为默认值(操作420)。重置时间点计数器后,时间点计数器将再次从零开始。当维护间隔被设置为默认值时,维护间隔是原始OEM维护间隔或基于机队的CMP维护间隔中的一个。
如果在操作404中已经超过了时间点t,则分析针对与维护任务有关的一个或多个状况的传感器数据(操作410)。提供状况到间隔的映射以执行传感器的分析(操作412)。状况到间隔的映射是图3的流程图300的分析的产物。状况到间隔的映射是与维护任务的相应维护间隔相关联的若干状况的列表。
基于目前为止的状况更新维护间隔(操作414)。如果存在与更新的值相关联的状况,则在操作414中将维护间隔改变为更新的值。更新的值是基于状况的值。如果不存在与更新的值相关联的状况,则维护间隔与先前值相比不变。在一些说明性示例中,如果不存在与更新的值相关联的状况,则将维护间隔维持在默认值。提供维护间隔(操作416)以确定是否已经达到针对任务的维护间隔。
现在转到图5,根据说明性示例描述了改变维护间隔以执行维护任务的计算机实现的方法的流程图的图示。可以执行方法500以更新图1的平台104的维护间隔。实施方法500可以通过更改维护间隔来减少非计划的停机时间。实施方法500可以减少不必要地频繁执行维护任务导致的不必要的停机时间。
确定平台的传感器数据是否指示影响维护任务的频率的状况(操作502)。状况是区分生命期的组的可观察状况。状况采用在生命期的组之间区分的任何可取的形式。在一些说明性示例中,状况是传感器差异、超出公差的传感器读数、硬着陆或任何其他可取的状况中的至少一项。在一些说明性示例中,状况是传感器的差异数量、超出公差的传感器读数的数量、硬着陆的数量或任何其他可观察到的状况,如从时间点计数器的最后重置开始,直到时间点已超过或未超过指定阈值的所有飞行期间累积的。
如果在传感器数据中指示了影响维护任务的频率的状况,则将针对执行平台的维护任务的维护间隔改变为更新值(操作504)。基于状况的存在,将更新后的值分别分配给平台。在具有更新值的维护间隔处或之前执行维护任务(操作506)。之后,方法500终止。
在一些说明性示例中,确定传感器数据是否满足时间点,其中响应于确定传感器数据确实满足时间点,则确定平台的传感器数据是否指示影响维护任务的频率的状况(操作508)。可以根据使用周期、使用时间或日历天来测量时间段。在一些说明性示例中,时间点采用最小周期数的形式,并且确定传感器数据是否满足时间点包括确定传感器数据是否满足最小周期数。
在一些说明性示例中,将维护间隔改变为更新值减小维护间隔(操作510)。在一些说明性示例中,将维护间隔改变为更新值增大维护间隔(操作512)。在一些说明性示例中,在执行维护任务之后,将针对执行维护任务的时间点计数器和维护间隔重置为默认值(操作514)。
在一些说明性示例中,方法500确定平台的第二传感器数据是否指示影响第二维护任务的频率的第二状况(操作516)。在一些说明性示例中,传感器数据和第二传感器数据具有一些重叠。在一些说明性示例中,传感器数据和第二传感器数据没有重叠。
在一些说明性示例中,如果在第二传感器数据中指示了影响第二维护任务的频率的第二状况,则方法500将针对执行平台的第二维护任务的第二维护间隔改变为更新值(操作518)。在一些说明性示例中,方法500在具有更新值的第二维护间隔处或之前执行第二维护任务(操作520)。在一些说明性示例中,方法500确定第二传感器数据是否满足第二时间点,其中响应于确定第二传感器数据确实满足第二时间点而确定平台的第二传感器数据是否指示影响第二维护任务的频率的第二状况(操作522)。
现在转到图6,根据说明性示例描述了改善维护计划的准确性的计算机实现的方法的流程图的图示。可以由图1的维护间隔调整器102执行方法600。可以使用图2的数据204执行方法600。
方法600为多个平台的维护任务检索计划的维护数据和非计划的服务中维护数据(操作602)。方法600针对高方差或多种模式分析针对计划的维护数据和非计划的服务中的维护数据中的维护任务的生命期的分布(操作604)。方法600响应于识别生命期分布中的高方差或多种模式中的至少一个,来识别多个平台的传感器数据中的与任务的生命期长度相关的若干状况(操作606)。方法600基于若干状况将生命期分为多个组(操作608)。方法600通过对多个组中的每个组执行定制的维护规划分析来确定多个组中的每个组的相应的推荐维护间隔(操作610)。之后,方法600终止。
在一些说明性示例中,检索多个平台的传感器数据(操作612)。在一些说明性示例中,方法600计算时间点,在该时间点之后,可接受量的传感器数据可用于平台,使得可以执行分析以确定平台是否存在若干状况(操作614)。在一些说明性示例中,时间点是最小数量的周期(操作616)。在一些说明性示例中,方法600将对多个组执行定制的维护规划分析的分析结果发送给监管机构以供批准(操作618)。在一些说明性示例中,相应的推荐维护间隔中的每一个是执行维护任务之间的时间间隔,该时间间隔最大化了预防性计划维护期间检测到与部件集合相关的异常的概率(操作620)。
如本文所使用的,当短语“至少一个”与项目列表一起使用时,意味着可以使用一个或更多个所列项目的不同组合,并且可能仅需要列表中的每个项目的一个。例如,“项目A、项目B或项目C中的至少一个”可以包括但不限于项目A、项目A和项目B或项目B。该示例还可以包括项目A、项目B和项目C或项目B和项目C。当然,可以存在这些项目的任何组合。在其他示例中,“至少一个”可以是,例如但不限于,项目A中的两个;B项中的一个;C项中的十个;项目B的四个和项目C的七个;或其他合适的组合。该项目可以是特定的对象、事物或类别。换句话说,至少一个意味着可以使用列表中的任何组合项目和任何数量项目,但是并非列表中的所有项目都是必需的。
如本文所使用的,在参考项目使用“若干”时意味着一个或更多个项目。
在所描述的不同示例中的流程图和框图说明了示例性示例中的设备和方法的一些可能的实施方式的架构、功能和操作。就这一点而言,流程图或框图中的每个方框可以表示模块、段、功能中的至少一个或操作或步骤的一部分。
在说明性示例的一些替代实施方式中,方框中标注的一个或多个功能可以不按附图中标注的顺序发生。例如,在某些情况下,取决于所涉及的功能,可以基本上同时执行连续示出的两个方框,或者有时可以以相反的顺序执行这些方框。此外,除了流程图或框图中的所示方框之外,还可以添加其他方框。一些方框可能是可选的。例如,操作508至操作514可以是可选的。作为另一示例,操作612至操作620可以是可选的。
现在转到图7,根据说明性示例描述了数据处理系统的框图的图示。数据处理系统700可用于实施图1的维护间隔调整器102或处理器146中的一个或多个。数据处理系统700可用于执行流程图300、流程图400、方法500或方法600中的至少一个。在该说明性示例中,数据处理系统700包括通信框架702,通信框架702在处理器单元704、存储器706、持久性存储708、通信单元710、输入/输出单元712和显示器714之间提供通信。在该示例中,通信框架702可以采用总线系统的形式。
处理器单元704用于执行针对可以被加载到存储器706中的软件的指令。处理器单元704可以是若干处理器、多处理器核或某个其他类型的处理器,这取决于特定的实施方式。在示例中,处理器单元704包括一个或多个常规通用中央处理器单元(CPU)。在替代示例中,处理器单元704包括一个或多个图形处理器单元(GPU)。
存储器706和持久性存储708是存储装置716的示例。存储装置是能够存储信息(例如但不限于,数据、功能形式的程序代码中的至少一个或在临时基础或永久基础上的或是在临时基础和永久基础两者上的其他合适的信息)的任何硬件。在这些说明性示例中,存储装置716也可以被称为计算机可读存储装置。在这些示例中,存储器706可以是例如随机存取存储器或任何其他合适的易失性或非易失性存储装置。持久性存储708可以采取各种形式,这取决于特定的实施方式。
例如,持久性存储708可以包含一个或多个部件或装置。例如,持久性存储708可以是硬盘驱动器、闪存、可重写光盘、可重写磁带或以上的某种组合。持久性存储708所使用的介质也可以是可移除的。例如,可移除硬盘驱动器可以用于永久性存储708。
在这些说明性示例中,通信单元710提供与其他数据处理系统或装置的通信。在这些说明性示例中,通信单元710是网络接口卡。在一些说明性示例中,通信单元710接收多个平台118的传感器数据124。
输入/输出单元712允许与可以连接到数据处理系统700的其他装置进行数据的输入和输出。例如,输入/输出单元712可以通过键盘、鼠标或某个其他合适的输入装置中的至少一个为用户输入提供连接。此外,输入/输出单元712可以将输出发送到打印机。显示器714提供了向用户显示信息的机制。
用于操作系统、应用程序或程序中的至少一个的指令可以位于存储装置716中,存储装置716通过通信框架702与处理器单元704通信。不同示例的过程可以由使用计算机实现的指令的处理器单元704来执行,计算机实现的指令可以位于诸如存储器706的存储器中。
这些指令被称为程序代码、计算机可用程序代码或可由处理器单元704中的处理器读取并执行的计算机可读程序代码。不同示例中的程序代码可以体现在不同的物理或计算机可读存储介质上,例如存储器706或持久性存储708。
程序代码718以功能的形式位于计算机可读介质720上,该计算机可读介质720可以被选择性地移除并且可以被加载到或传输到数据处理系统700上以由处理器单元704执行。程序代码718和计算机可读介质720形成在这些说明性示例中的计算机程序产品722。在一个示例中,计算机可读介质720可以是计算机可读存储介质724或计算机可读信号介质726。
此外,如本文所使用的,“计算机可读介质720”可以是单数的或复数的。例如,程序代码718可以位于单个存储装置或系统的形式的计算机可读介质720中。在另一个示例中,程序代码718可以位于分布在多个数据处理系统中的计算机可读介质720中。换句话说,程序代码718中的一些指令可以位于一个数据处理系统中,而程序代码718中的其他指令可以位于一个数据处理系统中。例如,程序代码718的一部分可以位于服务器计算机中的计算机可读介质720中,而程序代码718的另一部分可以位于处于客户端计算机的集合中的计算机可读介质720中。
针对数据处理系统700说明的不同部件并不意味着对可以实施不同示例的方式提供架构限制。在一些说明性示例中,一个或多个部件可以合并到另一部件中或以其他方式形成另一部件的一部分。例如,在一些说明性示例中,可以将存储器706或其部分并入处理器单元704中。可以在数据处理系统中实施不同的说明性示例,该数据处理系统包括除了针对数据处理系统700所说明的那些部件之外的部件或代替那些部件的部件。图7所示的其他部件可以与所示的说明性示例有所不同。可以使用能够运行程序代码718的任何硬件装置或系统来实施不同的示例。
在这些说明性示例中,计算机可读存储介质724是用于存储程序代码718的物理或有形存储设备,而不是传播或传输程序代码718的介质。可替代地,可以使用计算机可读信号介质726将程序代码718传输到数据处理系统700。
计算机可读信号介质726可以是例如包含程序代码718的传播数据信号。例如,计算机可读信号介质726可以是电磁信号、光信号或任何其他合适类型的信号中的至少一种。这些信号可以通过通信链路中的至少一个,诸如无线通信链路、光纤电缆、同轴电缆、电线或任何其他合适类型的通信链路来传输。
针对数据处理系统700说明的不同部件并不意味着对可以实施不同示例的方式提供架构限制。可以在数据处理系统中实施不同的说明性示例,该数据处理系统包括除了针对数据处理系统700所说明的那些部件之外的部件或代替那些部件之外的部件。图7所示的其他部件可以与所示的说明性示例不同。可以使用能够运行程序代码718的任何硬件装置或系统来实施不同的示例。
可以在如图8所示的飞机制造和服务方法800和如图9所示的飞机900的背景下描述本公开的说明性示例。首先转到图8,根据说明性示例描述了飞机制造和服务方法的图示。在预生产期间,飞机制造和服务方法800可以包括图9中飞机900的规格和设计802和材料采购804。
在生产期间,进行飞机900的部件和子装配件制造806以及系统集成808。此后,飞机900可以经历认证和交付810以便服务812。当通过客户而处于服务812中时,飞机900被安排用于例行维护和服务814,这可以包括修改、重新配置、翻新或其他维护和服务。
飞机制造和服务方法800的每个过程可以由系统集成商、第三方和/或运营商执行或实施。在这些示例中,运营商可以是客户。出于本说明书的目的,系统集成商可以包括但不限于任何数量的飞机制造商和主要系统分包商;第三方可以包括但不限于任何数量的销售商、分包商和供应商;运营商可以是航空公司、租赁公司、军事实体、服务组织等。
现在参考图9,描述了飞机的图示,其中可以实施说明性示例。在该示例中,飞机900通过图8的飞机制造和服务方法800生产,并且可以包括具有多个系统904以及内部906的机身902。系统904的示例包括推进系统908、电气系统910、液压系统912和环境系统914中的一个或多个。可以包括任何数量的其他系统。
可以在飞机制造和服务方法800的至少一个阶段期间采用在本文中体现的设备和方法。可以在图8的服务812或维护和服务814期间使用一个或多个说明性示例。可以在服务812期间执行方法500以更新维护间隔。可以在图8的维护和服务814期间执行具有来自方法500的更新维护间隔的维护任务。
飞机900可以与图1的飞机154相同。方法500可以用于更新飞机900的维护任务的维护间隔。作为示例,方法500可以用于更新机身902、多个系统904或内部906中任一个的维护间隔。
方法600可用于为飞机900的一部分设置推荐的维护间隔。方法600可用于为机身902、多个系统904或内部906中任一个设置推荐的维护间隔。
说明性示例提供了用于设置基于状况的有效安排的维护间隔的设备和方法。基于状况的维护间隔利用了单个飞机的附加数据源。基于状况的维护间隔还考虑了针对具有与平台相同的模型或相同的特征的多个平台的数据的统计分析。
说明性示例确定作为相关运行状况的函数的生命期分布中的潜在多模式,从而得到动态间隔建议。
说明性示例检测取决于/关联某运行状况的生命期的不同组。为了使状况成为针对维护间隔分析的有效状况,必须能够动态监视运行状况。
使用相关性峰值处的决策点作为确定针对考虑中的尾部的实际维护间隔的时间。
取决于其监视的状况的状态,可以对飞机的不同子集使用不同/修改的计划维护间隔。每个不同的维护间隔都由监管机构基于监视状况和每个间隔的统计CMP分析的能力预先批准。
已经出于说明和描述的目的呈现了不同的说明性示例的描述,并且不旨在穷举或将其限于所公开形式的示例。对于本领域普通技术人员而言,许多修改和变型将是显而易见的。此外,与其他说明性示例相比,不同的说明性示例可以提供不同的特征。由于各种示例适合于考虑的特定使用,为了最好地解释示例的原理、实际应用,并使本领域的其他普通技术人员能够理解对具有各种修改的各种示例的公开,选择和描述所选择的一个或多个示例。
条款1:一种计算机实现的方法,其包括确定平台的传感器数据是否指示影响维护任务的频率的状况;如果在所述传感器数据中指示影响所述维护任务的频率的状况,则将针对执行所述平台的所述维护任务的维护间隔改变为更新值;和在具有所述更新值的所述维护间隔处或之前执行所述维护任务。
条款2:根据条款1所述的方法,其中将所述维护间隔改变为所述更新值减小所述维护间隔。
条款3:根据条款1或2所述的方法,其中将所述维护间隔改变为所述更新值增大所述维护间隔。
条款4:根据条款1-3中任一项所述的方法,其还包括在执行所述维护任务之后,将针对执行所述维护任务的时间点计数器和所述维护间隔重置为默认值。
条款5:根据条款1-4中任一项所述的方法,其还包括确定所述传感器数据是否满足时间点,其中响应于确定所述传感器数据确实满足所述时间点,确定所述平台的传感器数据是否指示影响所述维护任务的频率的状况。
条款6:根据条款5所述的方法,其中所述时间点是一定数量的使用周期、一定数量的使用时间或一定数量的日历天中的一个。
条款7:根据条款1-6中任一项所述的方法,其还包括确定所述平台的第二传感器数据是否指示影响第二维护任务的频率的第二状况;如果在所述第二传感器数据中指示影响所述第二维护任务的频率的第二状况,则将针对执行所述平台的所述第二维护任务的第二维护间隔改变为第二更新值;在具有所述第二更新值的所述第二维护间隔处或之前执行所述第二维护任务。
条款8:根据条款7所述的方法,其还包括确定所述第二传感器数据是否满足第二时间点,其中响应于确定所述第二传感器数据确实满足所述第二时间点,确定所述平台的所述第二传感器数据是否指示影响所述第二维护任务的频率的所述第二状况。
条款9:根据条款1-8中任一项所述的方法,其中所述平台是飞机,并且所述传感器数据是飞行传感器数据。
条款10:一种改善维护计划的准确性的计算机实现的方法,所述方法包括针对多个平台的维护任务,检索计划的维护数据和非计划的服务中的维护数据;针对高方差或多种模式分析针对所述计划的维护数据和所述非计划的服务中的维护数据中的所述维护任务的生命期的分布;响应于识别所述生命期的分布中的高方差或多种模式中的至少一个,识别所述多个平台的传感器数据中与所述维护任务的所述生命期的长度相关的若干状况;基于所述若干状况将所述生命期分为多个组;和基于相应组的所述维护任务的相应生命期,确定所述多个组中各组的相应推荐维护间隔。
条款11:根据条款10所述的方法,其还包括检索所述多个平台的所述传感器数据。
条款12:根据条款10或11所述的方法,其还包括计算时间点,在所述时间点之后,可接受量的传感器数据可用于平台,使得可以执行分析以确定所述平台是否存在所述若干状况。
条款13:根据条款12所述的方法,其中所述时间点是最小数量的周期。
条款14:根据条款10-13中的任一项所述的方法,其中每个所述相应推荐维护间隔是在执行所述维护任务之间的时间间隔,所述时间间隔使在预防性计划维护期间检测到与部件集合相关联的异常的概率最大化。
条款15:一种设备,其包括总线系统;耦合到所述总线系统的通信系统;和耦合到所述总线系统的处理器单元,其中所述处理器单元执行计算机可用程序代码以检索用于多个平台的维护任务的计划的维护数据和非计划的服务中的维护数据;针对高方差或多种模式分析针对所述计划的维护数据和所述非计划的服务中的维护数据中的所述维护任务的生命期的分布;响应于识别所述生命期的分布中的高方差或多种模式中的至少一个,识别所述多个平台的传感器数据中与所述维护任务的所述生命期的长度相关的若干状况;基于所述若干状况将所述生命期分为多个组;和通过对所述多个组中的每个组执行定制的维护规划分析,为所述多个组中的每个组确定相应推荐维护间隔。
条款16:根据条款15所述的设备,其中所述处理器单元还将对所述多个组执行所述定制的维护规划分析的分析结果发送给监管机构以供批准。
条款17:根据条款15或16所述的设备,其中所述通信系统接收所述多个平台的所述传感器数据。
条款18:根据条款15-17中的任一项所述的设备,其中所述处理器单元还计算时间点,在所述时间点之后,可接受量的传感器数据可用于平台,使得可以执行分析以确定所述平台是否存在所述若干状况。
条款19:根据条款18所述的设备,其中所述时间点是最小数量的周期。
条款20:根据条款15-19中的任一项所述的设备,其中每个所述相应推荐维护间隔是在执行所述维护任务之间的时间间隔,所述时间间隔使在预防性计划维护期间在相应平台上检测到与部件的集合相关联的异常的概率最大化。
Claims (20)
1.一种计算机实现的方法(500),其包括:
确定(502)平台(104)的传感器数据(144)是否指示影响维护任务(116)的频率的状况(147);
如果在所述传感器数据(144)中指示影响所述维护任务(116)的所述频率的状况(147),则将针对执行所述平台(104)的所述维护任务(116)的维护间隔(136)改变(504)为更新值(148);和
在具有所述更新值(148)的所述维护间隔(136)处或之前执行(506)所述维护任务(116)。
2.根据权利要求1所述的方法(500),其中将所述维护间隔(136)改变(510)为所述更新值(148)减小所述维护间隔(136)。
3.根据权利要求1所述的方法(500),其中将所述维护间隔(136)改变(512)为所述更新值(148)增大所述维护间隔(136)。
4.根据权利要求1所述的方法(500),其还包括:
在执行所述维护任务(116)之后,将针对执行所述维护任务(116)的时间点计数器和所述维护间隔(136)重置(514)为默认值(138)。
5.根据权利要求1所述的方法(500),其还包括:
确定(508)所述传感器数据(144)是否满足时间点(130),其中响应于确定所述传感器数据(144)确实满足所述时间点(130),则确定所述平台(104)的所述传感器数据(144)是否指示影响所述维护任务(116)的频率的状况(147)。
6.根据权利要求5所述的方法(500),其中所述时间点(130)是一定数量的使用周期、一定数量的使用时间或一定数量的日历天中的一个。
7.根据权利要求1所述的方法(500),其还包括:
确定(516)所述平台(104)的第二传感器数据(176)是否指示影响第二维护任务(156)的频率的第二状况(178);
如果在所述第二传感器数据(176)中指示影响所述第二维护任务(156)的所述频率的第二状况(178),则将针对执行所述平台(104)的所述第二维护任务(156)的第二维护间隔(170)改变(518)为第二更新值(180);和
在具有所述第二更新值(180)的所述第二维护间隔(170)处或之前执行(520)所述第二维护任务(156)。
8.根据权利要求7所述的方法(500),其还包括:
确定(522)所述第二传感器数据(176)是否满足第二时间点(168),其中响应于确定所述第二传感器数据(176)确实满足所述第二时间点(168)而确定所述平台(104)的所述第二传感器数据(176)是否指示影响所述第二维护任务(156)的频率的所述第二状况(178)。
9.根据权利要求1至8中任一项所述的方法(500),其中所述平台(104)是飞机(154),并且所述传感器数据(144)是飞行传感器数据。
10.一种改善维护计划的准确性的计算机实现的方法(600),所述方法包括:
针对多个平台(118)的维护任务(116),检索计划的维护数据(112)和非计划的服务中的维护数据(114);
针对高方差或多种模式分析(604)针对所述计划的维护数据(112)和所述非计划的服务中的维护数据(114)中的所述维护任务(116)的生命期(120)的分布;
响应于识别所述生命期(120)的分布中的高方差或多种模式中的至少一个,识别所述多个平台(118)的传感器数据(124)中的与所述维护任务(116)的所述生命期(120)的长度相关的若干状况(122);
基于所述若干状况(122)将所述生命期(120)分为(608)多个组(126);和
基于相应组的所述维护任务(116)的相应生命期(120),为所述多个组(126)中每个组确定(610)相应推荐维护间隔(128)。
11.根据权利要求10所述的计算机实现的方法(600),其还包括:
检索(612)所述多个平台(118)的所述传感器数据(124)。
12.根据权利要求10所述的计算机实现的方法(600),其还包括:
计算(614)时间点(130),在所述时间点(130)之后,可接受量的传感器数据可用于平台(104),使得可以执行分析以确定针对所述平台(104)是否存在所述若干状况(122)。
13.根据权利要求12所述的计算机实现的方法(600),其中(616)所述时间点(130)是最小数量的周期。
14.根据权利要求10至13中的任一项所述的计算机实现的方法(600),其中(618)每个所述相应推荐维护间隔是在执行所述维护任务(116)之间的时间间隔,所述时间间隔使在预防性计划维护期间检测到与部件集合相关联的异常的概率最大化。
15.一种设备,其包括:
总线系统(702);
耦合到所述总线系统(702)的通信系统(710);和
耦合到所述总线系统(702)的处理器单元(704),其中所述处理器单元执行计算机可用程序代码(718)以检索用于多个平台(118)的维护任务(116)的计划的维护数据(112)和非计划的服务中的维护数据(114);针对高方差或多种模式分析针对所述计划的维护数据(112)和所述非计划的服务中的维护数据(114)中的所述维护任务(116)的生命期(120)的分布;响应于识别所述生命期(120)的分布中的高方差或多种模式中的至少一个,识别所述多个平台(118)的传感器数据(124)中的与所述维护任务(116)的所述生命期(120)的长度相关的若干状况(122);基于所述若干状况(122)将所述生命期(120)分为多个组(126);和通过对所述多个组(126)中的每个组执行定制的维护规划(132)分析,为所述多个组(126)中的每个组确定相应的推荐维护间隔。
16.根据权利要求15所述的设备,其中所述处理器单元(704)还将对所述多个组(126)执行所述定制的维护规划(132)分析的分析结果发送给监管机构以供批准。
17.根据权利要求15所述的设备,其中所述通信系统(710)接收所述多个平台(118)的所述传感器数据(124)。
18.根据权利要求15所述的设备,其中所述处理器单元(704)还计算时间点(130),在所述时间点(130)之后,可接受量的传感器数据(144)可用于平台(104),使得可以执行分析以确定针对所述平台(104)是否存在所述若干状况(122)。
19.根据权利要求18所述的设备,其中所述时间点(130)是最小数量的周期。
20.根据权利要求15-19中的任一项所述的设备,其中每个所述相应的推荐维护间隔(128)是在执行所述维护任务(116)之间的时间间隔,所述时间间隔使在预防性计划维护期间在相应平台(104)上检测到与部件集合(129)相关联的异常的概率最大化。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/805,678 US11238417B2 (en) | 2020-02-28 | 2020-02-28 | Adjusting maintenance intervals for individual platforms based on observable conditions |
US16/805,678 | 2020-02-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113326950A true CN113326950A (zh) | 2021-08-31 |
Family
ID=74844729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110217970.7A Pending CN113326950A (zh) | 2020-02-28 | 2021-02-26 | 根据可观察到的状况调整个体平台的维护间隔 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11238417B2 (zh) |
EP (1) | EP3872718A1 (zh) |
CN (1) | CN113326950A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066332B (zh) * | 2022-01-17 | 2022-04-19 | 融通地产物业管理有限公司 | 一种中央运送服务数字化管理方法和系统 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6980959B1 (en) * | 2000-10-17 | 2005-12-27 | Accenture Llp | Configuring mechanical equipment |
US6738748B2 (en) * | 2001-04-03 | 2004-05-18 | Accenture Llp | Performing predictive maintenance on equipment |
US7457763B1 (en) * | 2001-09-04 | 2008-11-25 | Accenture Global Services Gmbh | Predictive maintenance system |
US20050055239A1 (en) * | 2002-05-09 | 2005-03-10 | Farmer Grace H. | Aircraft maintenance records server |
US8620714B2 (en) * | 2006-11-28 | 2013-12-31 | The Boeing Company | Prognostic condition assessment decision aid |
US8275642B2 (en) * | 2007-01-19 | 2012-09-25 | International Business Machines Corporation | System to improve predictive maintenance and warranty cost/price estimation |
US20090083050A1 (en) * | 2007-09-25 | 2009-03-26 | Eltman Joseph T | Compilation and distribution of data for aircraft fleet management |
US8117007B2 (en) * | 2008-09-12 | 2012-02-14 | The Boeing Company | Statistical analysis for maintenance optimization |
US8291264B2 (en) * | 2009-08-03 | 2012-10-16 | Siemens Aktiengesellschaft | Method and system for failure prediction with an agent |
US8660875B2 (en) * | 2009-11-02 | 2014-02-25 | Applied Materials, Inc. | Automated corrective and predictive maintenance system |
US8355830B2 (en) * | 2010-03-30 | 2013-01-15 | Aurora Flight Sciences Corporation | Aircraft health monitoring and design for condition |
FR2991788B1 (fr) * | 2012-06-08 | 2023-03-24 | Snecma | Prevision d'operations de maintenance a appliquer sur un moteur |
WO2014043623A1 (en) * | 2012-09-17 | 2014-03-20 | Siemens Corporation | Log-based predictive maintenance |
US9251502B2 (en) * | 2012-11-01 | 2016-02-02 | Ge Aviation Systems Llc | Maintenance system for aircraft fleet and method for planning maintenance |
US9672193B2 (en) * | 2013-03-15 | 2017-06-06 | Sas Institute Inc. | Compact representation of multivariate posterior probability distribution from simulated samples |
US20140350989A1 (en) * | 2013-05-22 | 2014-11-27 | General Electric Company | Maintenance procedure system and method |
US20160133066A1 (en) * | 2014-11-09 | 2016-05-12 | Scope Technologies Holdings Limited | System and method for scheduling vehicle maintenance and service |
US10984338B2 (en) * | 2015-05-28 | 2021-04-20 | Raytheon Technologies Corporation | Dynamically updated predictive modeling to predict operational outcomes of interest |
US10156841B2 (en) * | 2015-12-31 | 2018-12-18 | General Electric Company | Identity management and device enrollment in a cloud service |
US10318903B2 (en) * | 2016-05-06 | 2019-06-11 | General Electric Company | Constrained cash computing system to optimally schedule aircraft repair capacity with closed loop dynamic physical state and asset utilization attainment control |
US10417614B2 (en) * | 2016-05-06 | 2019-09-17 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
US9701420B1 (en) * | 2016-05-09 | 2017-07-11 | Bell Helicopter Textron Inc. | Task-based health data monitoring of aircraft components |
US20200348662A1 (en) * | 2016-05-09 | 2020-11-05 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
US10807738B2 (en) * | 2016-12-01 | 2020-10-20 | General Electric Company | Maintenance operation analytics |
GB201621627D0 (en) * | 2016-12-19 | 2017-02-01 | Palantir Technologies Inc | Task allocation |
CN106874238B (zh) * | 2017-01-20 | 2020-07-07 | 中国人民解放军海军工程大学 | 一种威布尔型单元备件需求量的计算方法 |
US20180240080A1 (en) * | 2017-02-17 | 2018-08-23 | General Electric Company | Equipment maintenance system |
US11080660B2 (en) | 2017-03-20 | 2021-08-03 | The Boeing Company | Data-driven unsupervised algorithm for analyzing sensor data to detect abnormal valve operation |
US10902387B2 (en) | 2017-08-25 | 2021-01-26 | The Boeing Company | Aircraft digital event ledger |
US20190080259A1 (en) * | 2017-09-13 | 2019-03-14 | General Electric Company | Method of learning robust regression models from limited training data |
US10839622B2 (en) * | 2018-03-27 | 2020-11-17 | The Boeing Company | Aircraft maintenance condition detection |
US11783301B2 (en) * | 2019-01-02 | 2023-10-10 | The Boeing Company | Systems and methods for optimizing maintenance plans in the presence of sensor data |
US11210615B2 (en) * | 2019-07-09 | 2021-12-28 | Adobe Inc. | Ad hoc group management within a collaboration project sharing workflow |
-
2020
- 2020-02-28 US US16/805,678 patent/US11238417B2/en active Active
-
2021
- 2021-02-26 CN CN202110217970.7A patent/CN113326950A/zh active Pending
- 2021-02-26 EP EP21159773.7A patent/EP3872718A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3872718A1 (en) | 2021-09-01 |
US11238417B2 (en) | 2022-02-01 |
US20210272072A1 (en) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8296252B2 (en) | Process and apparatus for evaluating operational risks for aiding in vehicular maintenance decisions | |
US11396386B2 (en) | Supporting off-wing maintenance of an engine of an aircraft | |
EP2489014B1 (en) | Platform health monitoring apparatus and method | |
US9811950B2 (en) | Aircraft electric taxi system diagnostic and prognostic evaluation system and method | |
US8117007B2 (en) | Statistical analysis for maintenance optimization | |
US8262019B2 (en) | Method and system for health monitoring of aircraft landing gear | |
US8340948B1 (en) | Fleet performance optimization tool for aircraft health management | |
US20080021604A1 (en) | Maintenance interval determination and optimization tool and method | |
US11338940B2 (en) | Predictive part maintenance | |
EP2597602A1 (en) | Aircraft trending systems and methods | |
US20220383673A1 (en) | Predictive part maintenance | |
EP3872718A1 (en) | Adjusting maintenance intervals for individual platforms based on observable conditions | |
CA2587750C (en) | Method and system for health monitoring of aircraft landing gear | |
Hölzel et al. | Cost-benefit analysis of prognostics and condition-based maintenance concepts for commercial aircraft considering prognostic errors | |
US20210334675A1 (en) | Auxiliary power unit usage prediction | |
Meissner et al. | Digital transformation in maintenance on the example of a tire pressure indicating system | |
CN117151676A (zh) | 使用反事实机器学习模型的交通工具健康管理 | |
CN112949063A (zh) | 基于风险控制的有形资产全寿命周期维修方案优化方法 | |
Meissner et al. | A measurement frequency estimation method for failure prognosis of an automated tire condition monitoring system | |
US11999511B2 (en) | Predictive part maintenance | |
Pelt et al. | Data Mining for aircraft Maintenance Repair and Overhaul (MRO) process optimization | |
US20220398550A1 (en) | Aircraft Maintenance of Line Replaceable Units | |
EP4287092A1 (en) | Vehicle health management using a counterfactual machine learning model to optimize maintenance parameters | |
Hölzel et al. | Analysis of Prognostics and Condition-based Maintenance Concepts for Commercial Aircraft Considering Prognostic Errors | |
Line et al. | Prognostics usefulness criteria |
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 |