EP4320338A1 - Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs - Google Patents

Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs

Info

Publication number
EP4320338A1
EP4320338A1 EP22719975.9A EP22719975A EP4320338A1 EP 4320338 A1 EP4320338 A1 EP 4320338A1 EP 22719975 A EP22719975 A EP 22719975A EP 4320338 A1 EP4320338 A1 EP 4320338A1
Authority
EP
European Patent Office
Prior art keywords
determining
mechanical part
prediction
aircraft
models
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
EP22719975.9A
Other languages
German (de)
English (en)
Inventor
Josselin Xavier Coupard
Guillaume Rémi BONNET
Germain GAUDART
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.)
Safran Aircraft Engines SAS
Original Assignee
Safran Aircraft Engines SAS
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 Safran Aircraft Engines SAS filed Critical Safran Aircraft Engines SAS
Publication of EP4320338A1 publication Critical patent/EP4320338A1/fr
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B64F5/40—Maintaining or repairing aircraft
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/003—Arrangements for testing or measuring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/10—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for responsive to unwanted deposits on blades, in working-fluid conduits or the like
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F01D21/14—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for responsive to other specific conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D25/00—Component parts, details, or accessories, not provided for in, or of interest apart from, other groups
    • F01D25/007—Preventing corrosion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00—Aircraft indicators or protectors not otherwise provided for
    • B64D2045/0085—Devices for aircraft health monitoring, e.g. monitoring flutter or vibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00—Aircraft indicators or protectors not otherwise provided for
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/60—Fluid transfer
    • F05D2260/607—Preventing clogging or obstruction of flow paths by dirt, dust, or foreign particles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/80—Diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/81—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/82—Forecasts
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/82—Forecasts
    • F05D2260/821—Parameter estimation or prediction
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/95—Preventing corrosion
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/01—Purpose of the control system
    • F05D2270/11—Purpose of the control system to prolong engine life
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/708—Type of control algorithm with comparison tables
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/70—Type of control algorithm
    • F05D2270/71—Type of control algorithm synthesized, i.e. parameter computed by a mathematical model

Definitions

  • TITLE Process for predicting the wear of a mechanical part, process for determining the operational risk associated with an aircraft or a fleet of aircraft
  • the technical field of the invention is that of monitoring a fleet of aircraft.
  • the present invention relates to a method for predicting the wear of a mechanical part. It also relates to a method for determining the operational risk of an aircraft or a fleet of aircraft from the prediction of the wear of a mechanical part of an aircraft.
  • contract data and flight data aircraft, engines, third parties
  • flight data aircraft, engines, third parties
  • the invention offers a solution to the problems mentioned above, by making it possible to monitor contracts with flight data and no longer only with financial data.
  • the present invention proposes a method for predicting the wear of a mechanical part as well as a method for determining the operational risk associated with an aircraft or a fleet of aircraft taking into account the profile of use of each mechanical part as well as the environmental conditions to which each mechanical part is exposed.
  • a first aspect of the invention relates to a method for predicting the wear of a mechanical part, for example a turbomachine, and the uncertainty associated with this prediction for a given use profile, the use profile taking into account a plurality of environmental conditions associated with environmental data as well as the time of use of the mechanical part in each of these environmental conditions, the method comprising: a step of determining the operational data associated with a plurality mechanical parts of the same type as the mechanical part in question; from the operational data determined during the previous step, a step of determining a plurality of models for predicting the wear of the part, the mechanical part being able to be divided into a plurality of elements, each element being modeled at using at least one template of the plurality of templates; for each model of the plurality of models, a step of determining a weighting coefficient according to the proximity between the element of the mechanical part and/or the use profile associated with the operational data used to determine the model considered and the element of the mechanical part considered and/or the use profile of the element of the
  • the method according to a first aspect of the invention may have one or more additional characteristics from among the following, considered individually or in all technically possible combinations.
  • environmental data includes the presence of gravel, the presence of salt, the presence of sand, exposure to electromagnetic radiation, altitude, thermal amplitude or even pollution.
  • the mechanical part is a mechanical part of an aircraft and the usage profile comprises the routes used by the aircraft comprising all the trajectories of the aircraft with the stopover locations, the line maintenance locations or line replaceable unit storage points.
  • a second aspect of the invention relates to a method for determining the operational risk associated with an aircraft comprising at least one turbine engine, said method comprising: for each turbine engine, a step of predicting the wear of the turbine engine and the uncertainty associated with this prediction, this prediction and the uncertainty associated with it being determined using a method according to a first aspect of the invention; a step of determining an operational risk as a function of the prediction of wear and of the uncertainty associated therewith determined for each turbomachine during the previous step.
  • a third aspect of the invention relates to a method for determining the operational risk associated with a fleet comprising a plurality of aircraft, the method comprising: for each aircraft of the fleet, a step for determining the operational risk, the risk operational being determined using a method according to a second aspect of the invention; a step for determining the operational risk associated with the fleet based on the operational risk associated with each aircraft of the fleet determined during the previous step.
  • a fourth aspect of the invention relates to a computer program comprising the program code instructions for the execution of the steps of the method according to a first aspect, a second aspect or a third aspect of the invention when said program is run on a computer.
  • a fifth aspect of the invention relates to a computer-readable data carrier, on which the computer program according to a fourth aspect of the invention is recorded.
  • FIG. 1 illustrates a flowchart of a method according to a first aspect of the invention.
  • the [Fig. 2] illustrates a map with environmental data for different geographical areas.
  • FIG. 3 illustrates the effects of dust on the operation of a turbomachine.
  • FIG. 4 illustrates a flowchart of a method according to a second aspect of the invention.
  • FIG. 5 illustrates a flowchart of a method according to a third aspect of the invention.
  • the mechanical part is an aircraft turbomachine.
  • the person skilled in the art will be able to adapt the teachings of the present invention to other mechanical parts, for example a landing gear, a control surface, a jack, a nacelle, a turbine blade, a compressor, thermal protection, stiffener, etc.
  • the present invention can be implemented for any mechanical part animated by a controlled movement and whose wear is a function of the environmental conditions (the concept of environmental conditions will be detailed below).
  • a first aspect of the invention illustrated in [Fig. 1] relates to a method 100 for predicting the wear of a mechanical part and the uncertainty associated with this prediction.
  • the example of an aircraft turbomachine will be used for illustrative purposes, but the invention can be implemented for other types of mechanical parts, and in particular other mechanical parts of an aircraft.
  • this determination is made for a given usage profile.
  • This usage profile takes in particular takes into account a plurality of environmental conditions as well as the time of use in each of these environmental conditions.
  • the method 100 comprises a step 1 E1 of determining the operational data for a plurality of turbomachines of the same type as the turbomachine of interest (the notion of operational data will be detailed below), two turbomachines being of the same type when, for example, they have the same architecture and/or the same thrust range.
  • the method 100 also comprises, from the operational data determined during the previous step 1 E1, a step 1 E2 of determining a plurality of models for predicting the wear of the turbomachine, the turbomachine possibly being divided into a plurality of elements (eg blades etc.), each element being modeled using at least one model of the plurality of models.
  • each model of the plurality of models is associated with one and only one element of the turbomachine, but an element can be associated with one or more models of the plurality of models.
  • the method 100 further comprises, for each model of the plurality of models, a step 1 E3 of determining a weighting coefficient as a function of the proximity between the element of the turbomachine and/or the profile of use associated with the operational data used to determine the model considered and the element of the turbine engine considered and/or the profile of use of the element of the turbine engine considered. For example, if the element considered is a fan, then the diameter and/or the speed of rotation of the latter in relation to the diameter or the speed of rotation of the fan having been used to determine the model may be taken into account. for assigning the weighting coefficient. This is of course only an example and different parameters may be taken into account to establish this proximity, for example from empirical data.
  • the weighting coefficient associated with the model determined from data relating to an element of the turbine engine identical to the element of the turbine engine considered will be more higher than the weighting coefficient associated with the model determined from data concerning a turbomachine element substantially different from the element of the turbine engine considered (for example an element of a generation different from that of the element considered).
  • the weighting coefficient associated with the model determined from data concerning an identical (or very similar) use profile to the use profile of the turbomachine considered (and therefore of the element considered) will be higher than the weighting coefficient associated with the model determined from data concerning a utilization profile different from the utilization profile of the turbine engine considered (and therefore of the element considered).
  • the method 100 then comprises a step 1 E4 of determining the prediction of the wear of the turbine engine considered, this prediction being obtained by a weighted average of the predictions made by each of the models of the plurality of models, the prediction made by each model being weighted by the weighting coefficient associated with said model.
  • the wear prediction takes the form of a failure probability and the weighted average is made of the failure probabilities made by each of the models of the plurality of models.
  • the method 100 also comprises a step 1 E5 of determining a statistical quantity representative of the dispersion of the predictions of the plurality of models, the uncertainty of the prediction being established as a function of this statistical magnitude.
  • the representative statistical quantity is the standard deviation (or variance) or the dispersion at 3 sigma (3s).
  • the environmental data includes the presence of gravel, the presence of salt, the presence of sand, the exposure to electromagnetic radiation (DUV), the altitude, the thermal amplitude or even the pollution.
  • the presence of sand could be represented by the probability that a grain of sand will enter the engine and/or the concentration of sand as a function of the size of the grains of sand.
  • the turbine engine of an aircraft making domestic flights will be less exposed to salt than the turbine engine of an aircraft operating on the coast.
  • the turbomachine will be more exposed to sand than the turbomachine of an airplane operating outside such an area.
  • FIG. 2 shows different environmental conditions depending on the geographical area considered
  • FIG. 3 shows the potential impact of a dust-rich environment on the operation of a turbomachine. It is useful to note that not all the elements of the turbomachine will be exposed in the same way to these different environmental conditions.
  • the usage profile includes the routes used by the airplane (and therefore the turbomachine mounted on the latter) detailing in particular all the trajectories of the airplanes with the stopover places, the places online maintenance or online replaceable unit storage points (URL or LRU in English). From this information, it is therefore possible to trace the environmental conditions to which the turbomachine was exposed as well as the durations of exposure to each of these environmental conditions.
  • the usage profile includes the schedules, for example the schedules of commercial operations, including, in addition to the routes already mentioned, the maintenance operations carried out.
  • the usage profile includes the maintenance strategy, for example the criteria for prioritizing between maintenance and continuity operations, which may vary depending on the season, the cost of fuel or the state of the engine fleet.
  • the operational data can come from the operation of a turbomachine of the same type, that is to say the same model, a previous generation model or even a model having the same characteristics. techniques.
  • each piece of operational data can be linked to a usage profile. For example, if the operational data comes from the operation of a plurality of turbomachines, the operational data from each turbomachine of the plurality of turbomachines can be associated with the utilization profile of said turbomachine. This therefore means that, when a predictive model associated with an element has been determined from the operational data of a given turbine engine, it is possible to associate a utilization profile with the model thus determined.
  • the operational data can come from historical data on the use of the fleets in service, "public" data Flight Radar type, data from repair workshops (or shops in English), or forecasts for turbomachines still little or not deployed (that is to say not yet in service).
  • the operational data includes the time under wing of the turbomachine.
  • this time under wing takes into account at least one of the following indicators: the number of starts and aborted starts (e.g. through the number of fuel injections into the chamber), the time passed to an idle speed or to a higher speed or even the periods beyond a threshold number of days (for example four days) when the turbomachine has not been used (which correspond to periods during which a in preservation of the turbomachine was necessary).
  • the operational data includes the availability rate of the turbomachine.
  • this availability rate takes into account the rate of successful starts, that is to say the ratio between the number of successful starts and the number of start attempts (a rate equal to one therefore corresponds to a case where any start attempt results in a start, i.e. a case where the number of starts is equal to the number of start attempts).
  • the availability rate is determined as a function of the mean time between two failures (MTBF for Mean Time Between Failure in English), the mean repair time (MTTR for Mean Time to Repair in English) and /or the average time between two repairs (MTBR for Mean Time Between Repair in English).
  • the operational data includes manufacturer data.
  • this manufacturer data includes: feedback from users relating to the same type of turbomachine as the turbomachine of interest, in particular flight data and maintenance data (online, in the repair shop, etc.) ; user feedback on turbomachines of similar types (e.g., the previous generation) to the turbomachine of interest.
  • the manufacturer data includes the schedule of the repair shops, the engine performance indicators (or engine KPIs for Key Performance Indicator in English), said indicators comprising: the availability rates of the engines, the availability rates (aircraft on the ground or AOG for Aircraft On Ground in English, delay and cancellation or D&C for Delay and Canceled in English, engine shutdown in flight or IFSD for In Flight ShutDown in English), engine operating costs ( DOC for Direct Operation Cost in English), the direct maintenance costs of the engines (DMC for Direct Maintenance Costs in English), the sensitivity of these costs according to the missions and the operating environment.
  • the engine performance indicators or engine KPIs for Key Performance Indicator in English
  • said indicators comprising: the availability rates of the engines, the availability rates (aircraft on the ground or AOG for Aircraft On Ground in English, delay and cancellation or D&C for Delay and Canceled in English, engine shutdown in flight or IFSD for In Flight ShutDown in English), engine operating costs ( DOC for Direct Operation Cost in English), the direct maintenance costs of the engines (
  • the engine operating costs include the cost of fuel consumed and/or the cost of line maintenance.
  • the direct maintenance costs include the cost of heavy maintenance including parts and labor.
  • a plurality of models is done from operational data as described previously.
  • This plurality of models may include one or more vibration models, one or more thermal models, one or more sand aggression models, one or more global maintenance models, one or more models related to production defects, etc. It is also based on estimators that will measure the prediction quality of each model.
  • each model is associated with an element of the turbomachine, but an element can be associated with several models.
  • a blade may be associated with a first model relating to wear corresponding to the presence of sand and a second model relating to wear corresponding to the temperature of use, for example the take-off temperature.
  • step 1 E2 of determining a plurality of prediction models comprises a first sub-step of selecting a data set from among the operational data.
  • the data set could be selected using an operational analysis, by identifying the physical quantities that allow the functioning of the element or have an impact on this functioning (inputs) and on what the element acts. (exits).
  • this clustering itself comprises two sub-steps.
  • firstly comprises a sub-step of first clustering of the data, the first plurality of clusters obtained being intended for the determination of the plurality of estimators.
  • An example of an estimator is an indicator relating to the formation of ice in flight. In order to determine such an estimator, it is not necessary to take into account all operational data, but only those relating to ice formation (in-flight temperature, humidity, etc.). Thus, during this first clustering, several data aggregates are obtained, each data aggregate being specific to one or more estimators.
  • An example of a predictive model can relate to a vane is concerned with determining a probability of spalling as a function of temperature. In order to determine such a model, it is not necessary to take into account all the operational data, but only those relating to the temperature to which the dawn is exposed. Thus, during this second clustering, several data aggregates are obtained, each data aggregate being specific to one or more models.
  • the step 1 E2 of determining a plurality of prediction models then comprises a sub-step of determining, from the clusters of the first plurality of clusters, an estimator for each cluster of the first plurality of clusters.
  • It also includes a sub-step for determining a reliability indicator for the prediction obtained using the plurality of predictive models.
  • a second aspect of the invention illustrated in [Fig. 4] relates to a method 200 for determining the operational risk associated with an aircraft comprising at least one turbine engine.
  • Operational risk means the occurrence of an operating incident such as the illumination of a warning light, a breakdown, a maintenance operation triggered, etc.
  • the method 200 comprises, for each turbomachine, a step 2E1 of predicting the wear of the turbomachine and the uncertainty associated with this prediction, this prediction and the uncertainty associated with it being determined using a method 100 according to the preceding claim.
  • the routes taken by the aircraft are used so as to establish a usage profile and therefore to determine, for each turbomachine of the aircraft and using a method according to a first aspect of the invention, a prediction of the wear of the turbomachines as well as an uncertainty associated with this prediction.
  • the information relating to the route of an aircraft may in particular comprise all of the trajectories with the stopover locations, the line maintenance locations as well as the storage points.
  • the method 200 also comprises a step 2E2 of determining an operational risk as a function of the prediction of wear and of the uncertainty associated therewith determined for each turbomachine during the previous step 2E1.
  • the wear prediction takes the form of a failure prediction.
  • a third aspect of the invention relates to a method 300 for determining the operational risk associated with a fleet comprising a plurality of aircraft.
  • the method 300 comprises, for each aircraft of the fleet, a step 3E1 of determining the operational risk, the operational risk being determined using a method 200 according to the preceding claim.
  • the method 300 also includes a step 3E2 for determining the operational risk associated with the fleet from the operational risk associated with each aircraft of the fleet determined during the previous step 3E1.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Un aspect de l'invention concerne un procédé (100) de prédiction d'usure d'une pièce mécanique et de l'incertitude associée à cette prédiction pour un profil d'utilisation donné, le profil d'utilisation prenant en compte une pluralité de conditions environnementales associées à des données environnementales ainsi que le temps d'utilisation de la pièce mécanique dans chacune de ces conditions environnementales, le procédé comprenant : - une étape (1 El ) de détermination des données opérationnelles associée à une pluralité de pièces mécaniques de même type que la pièce mécanique considérée; - à partir des données opérationnelles déterminées lors de l'étape (1E1) précédente, une étape (1 E2) de détermination d'une pluralité de modèles de prédiction de l'usure de la pièce, la pièce mécanique pouvant être divisée en une pluralité d'éléments, chaque élément étant modélisé à l'aide d'au moins un modèle de la pluralité de modèles; - pour chaque modèle de la pluralité de modèles, une étape (1 E3) de détermination d'un coefficient de pondération en fonction de la proximité entre l'élément de la pièce mécanique et/ou le profil d'utilisation associés aux données opérationnelles ayant servies à la détermination du modèle considéré et l'élément de la pièce mécanique considérée et/ou le profil d'utilisation de l'élément de la pièce mécanique considérée; - une étape (1 E4) de détermination de la prédiction de l'usure de la pièce mécanique considérée, cette prédiction étant obtenue par une moyenne pondérée des prédictions faites par chacun des modèles de la pluralité de modèles, la prédiction effectuée par chaque modèle étant pondérée par le coefficient de pondération associé audit modèle; - une étape (1 E5) de détermination d'une grandeur statistique représentative de la dispersion des prédictions de la pluralité de modèles, l'incertitude de la prédiction étant établie en fonction de cette grandeur statistique.

Description

DESCRIPTION
TITRE : Procédé de prédiction de l’usure d’une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d’aéronefs
DOMAINE TECHNIQUE DE L’INVENTION
[0001] Le domaine technique de l’invention est celui du suivi d’une flotte d’aéronefs.
[0002] La présente invention concerne un procédé de prédiction de l’usure d’une pièce mécanique. Elle concerne également un procédé de détermination du risque opérationnel d’un aéronef ou d’une flotte d’aéronefs à partir de la prédiction de l’usure d’une pièce mécanique d’un aéronef.
ARRIERE-PLAN TECHNOLOGIQUE DE L’INVENTION
[0003] Il est connu d’utiliser les données de contrats et les données de vols (avions, moteurs, tierces-parties) afin d’estimer les paramètres intrinsèques aux contrats liés à sa rentabilité et plus particulièrement : le temps sous aile, le coût de maintenance directe (ce dernier comprend la maintenance lourde, les pièces et la main d’œuvre), le coût d’opération du moteur (ce dernier comprend le carburant consommé et la maintenance en ligne), les indicateurs de risques opérationnels moteurs et équipements, la justification de l’adéquation environnement et l’usage par rapport aux modalités du contrat.
[0004] Il est également connu de prendre en compte les particularités de chaque zone de vols. En effet, les différences entre les environnements peuvent modifier les effets de la corrosion ou de l’érosion, ce qui impactera les pièces et donc les coûts d’achat associés aux pièces. Cependant, dans les méthodes de l’état de la technique, la rentabilité des contrats n’est pas estimée finement (par exemple, en adoptant une métrique par régions d’opérations). En particulier, l’estimation des coûts de maintenance directe, du temps sous aile, du temps moyen entre deux pannes, du MTBUR (de l’anglais Mean Time Before Unscheduled Removal), et de l’indicateur de risques se fait de façon macroscopique (à partir d’un retour d’expérience ou RETEX). Aussi, une société n’a pas de garantie que le contrat va être rentable et n’est pas en mesure d’estimer de manière correcte les coûts et le risque inhérent audit contrat. [0005] Cependant, on ne connaît pas de solution technique permettant d’assurer un bon suivi de l’usure ou du vieillissement d’une pièce mécanique, par exemple d’une turbomachine d’aéronef.
[0006] Il existe don un besoin d’un procédé permettant de déterminer de manière précise le vieillissement d’une pièce mécanique et le risque opérationnel associé à un tel vieillissement pour une pluralité de pièces mécaniques ou bien encore une flotte d’aéronefs.
RESUME DE L’INVENTION
[0007] L’invention offre une solution aux problèmes évoqués précédemment, en permettant de faire du suivi de contrat avec des données de vols et plus uniquement des données financières. Pour cela, la présente invention propose un procédé de prédiction de l’usure d’une pièce mécanique ainsi qu’un procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d’aéronefs prenant en compte le profil d’utilisation de chaque pièce mécanique ainsi que les conditions environnementales auxquelles chaque pièce mécanique est exposée.
[0008] Pour cela, un premier aspect de l’invention concerne un procédé de prédiction d’usure d’une pièce mécanique, par exemple une turbomachine, et de l’incertitude associée à cette prédiction pour un profil d’utilisation donné, le profil d’utilisation prenant en compte une pluralité de conditions environnementales associées à des données environnementales ainsi que le temps d’utilisation de la pièce mécanique dans chacune de ces conditions environnementales, le procédé comprenant : une étape de détermination des données opérationnelles associées à une pluralité de pièces mécaniques de même type que la pièce mécanique considérée ; à partir des données opérationnelles déterminées lors de l’étape précédente, une étape de détermination d’une pluralité de modèles de prédiction de l’usure de la pièce la pièce mécanique pouvant être divisée en une pluralité d’éléments, chaque élément étant modélisé à l’aide d’au moins un modèle de la pluralité de modèles ; pour chaque modèle de la pluralités de modèle, une étape de détermination d’un coefficient de pondération en fonction de la proximité entre l’élément de la pièce mécanique et/ou le profil d’utilisation associés aux données opérationnelles ayant servies à la détermination du modèle considéré et l’élément de la pièce mécanique considérée et/ou le profil d’utilisation de l’élément de la pièce mécanique considérée ; une étape de détermination de la prédiction de l’usure de la pièce mécanique considérée, cette prédiction étant obtenue par une moyenne pondérée des prédictions faites par chacun des modèles de la pluralité de modèles, la prédiction effectuée par chaque modèle étant pondérée par le coefficient de pondération associé audit modèle ; une étape de détermination d’une grandeur statistique représentative de la dispersion des prédictions de la pluralité de modèles, l’incertitude de la prédiction étant établie en fonction de cette grandeur statistique.
[0009] Il est ainsi possible de prédire l’usure d’une pièce mécanique ainsi que l’incertitude associée à cette prédiction. En outre, cette prédiction prend en compte les conditions dans lesquelles est exploitée la pièce mécanique considérée. Une telle prédiction peut avoir des applications dans la maintenance préventive ou bien encore dans l’évaluation de coût associé à un aéronef équipé d’une telle pièce mécanique ou une flotte d’aéronefs. Elle peut notamment permettre d’estimer les coûts de maintenance, le temps sous aile des moteurs, le taux de disponibilité des turbomachines ou bien encore un indicateur de risque sur la passation de contrats
[0010] Outre les caractéristiques qui viennent d’être évoquées dans le paragraphe précédent, le procédé selon un premier aspect de l’invention peut présenter une ou plusieurs caractéristiques complémentaires parmi les suivantes, considérées individuellement ou selon toutes les combinaisons techniquement possibles.
[0011] Dans un mode de réalisation, données environnementales comprennent la présence de gravillon, la présence de sel, la présence de sable, l’exposition au rayonnement électromagnétique, l’altitude, l’amplitude thermique ou bien encore la pollution.
[0012] Dans un mode de réalisation, la pièce mécanique est une pièce mécanique d’un aéronef et le profil d’utilisation comprend les routes employées par l’aéronef comportant l’ensemble des trajectoires des avions avec les lieux d’escale, les lieux de maintenance en ligne ou les points de stockage des unités remplaçables en ligne. [0013] Un deuxième aspect de l’invention concerne un procédé de détermination du risque opérationnel associé à un aéronef comprenant au moins une turbomachine, le dite procédé comprenant : pour chaque turbomachine, une étape de prédiction de l’usure de la turbomachine et de l’incertitude associée à cette prédiction, cette prédiction et l’incertitude qui lui est associée étant déterminée à l’aide d’un procédé selon un premier aspect de l’invention ; une étape de détermination d’un risque opérationnel en fonction de la prédiction de l’usure et de l’incertitude qui lui est associée déterminées pour chaque turbomachine lors de l’étape précédente.
[0014] Un troisième aspect de l’invention concerne un procédé de détermination du risque opérationnel associé à une flotte comprenant une pluralité d’aéronefs, le procédé comprenant : pour chaque aéronef de la flotte, une étape de détermination du risque opérationnel, le risque opérationnel étant déterminé à l’aide d’un procédé selon un deuxième aspect de l’invention ; une étape de détermination du risque opérationnel associé à la flotte à partir du risque opérationnel associé à chaque aéronef de la flotte déterminée lors de l’étape précédente.
[0015] Un quatrième aspect de l’invention concerne un programme d’ordinateur comprenant les instructions de code de programme pour l’exécution des étapes du procédé selon un premier aspect, un deuxième aspect ou un troisième aspect de l’invention lorsque ledit programme est exécuté sur un ordinateur.
[0016] Un cinquième aspect de l’invention concerne un support de données lisible par ordinateur, sur lequel est enregistré le programme d'ordinateur selon un quatrième aspect de l’invention.
[0017] L’invention et ses différentes applications seront mieux comprises à la lecture de la description qui suit et à l’examen des figures qui l’accompagnent.
BREVE DESCRIPTION DES FIGURES
[0018] Les figures sont présentées à titre indicatif et nullement limitatif de l’invention. [0019] La [Fig. 1] illustre un ordinogramme d’un procédé selon un premier aspect de l’invention.
[0020] La [Fig. 2] illustre une carte sur laquelle figure des données environnementales pour différentes zones géographiques.
[0021] La [Fig. 3] illustre les effets de la poussière sur le fonctionnement d’une turbomachine.
[0022] La [Fig. 4] illustre un ordinogramme d’un procédé selon un deuxième aspect de l’invention.
[0023] La [Fig. 5] illustre un ordinogramme d’un procédé selon un troisième aspect de l’invention.
DESCRIPTION DETAILLEE
[0024] Dans la suite, l’invention sera illustrée au travers d’un exemple dans lequel la pièce mécanique est une turbomachine d’aéronef. Cependant, la personne du métier sera en mesure d’adapter les enseignements de la présente invention à d’autres pièces mécaniques, par exemple un train d’atterrissage, une gouverne, un vérin, une nacelle, une aube de turbine, une aube de compresseur, une protection thermique, un raidisseur, etc. De manière plus générale, la présente invention peut être mise en œuvre pour toute pièce mécanique animée d’un mouvement contrôlé et dont l’usure est fonction des conditions environnementales (la notion de conditions environnementales sera détaillée dans la suite).
[0025] Procédé de prédiction de l’usure d’une pièce mécanique et de l’incertitude de cette prédiction
[0026] Un premier aspect de l’invention illustré à la [Fig. 1] concerne un procédé 100 de prédiction de l’usure d’une pièce mécanique et de l’incertitude associée à cette prédiction. Comme déjà mentionné, l’exemple d’une turbomachine d’aéronef sera utilisé à des fins d’illustration, mais l’invention peut être mise en œuvre pour d’autres types de pièces mécaniques, et en particuliers d’autres pièces mécaniques d’un aéronef.
[0027] Dans le procédé 100 selon un premier aspect de l’invention, cette détermination se fait pour un profil d’utilisation donné. Ce profil d’utilisation prend notamment en compte une pluralité de conditions environnementales ainsi que le temps d’utilisation dans chacune de ces conditions environnementales.
[0028] Pour cela, le procédé 100 selon l’invention comprend une étape 1 E1 de détermination des données opérationnelles pour une pluralité de turbomachines de même type que la turbomachine d’intérêt (la notion de données opérationnelles sera détaillée dans la suite), deux turbomachines étant de même type lorsque, par exemple, elles ont la même architecture et/ou la même gamme de poussée.
[0029] Le procédé 100 comprend également, à partir des données opérationnelles déterminées lors de l’étape 1 E1 précédente, une étape 1 E2 de détermination d’une pluralité de modèles de prédiction de l’usure de la turbomachine, la turbomachine pouvant être divisée en une pluralité d’éléments (par exemple, les aubes etc.), chaque élément étant modélisé à l’aide d’au moins un modèle de la pluralité de modèles. Autrement dit, chaque modèle de la pluralité de modèles est associé à un et un seul élément de la turbomachine, mais un élément peut être associé à un ou plusieurs modèles de la pluralité de modèles.
[0030] Le procédé 100 comprend en outre, pour chaque modèle de la pluralité de modèles, une étape 1 E3 de détermination d’un coefficient de pondération en fonction de la proximité entre l’élément de la turbomachine et/ou le profil d’utilisation associés aux données opérationnelles ayant servies à la détermination du modèle considéré et l’élément de la turbomachine considérée et/ou le profil d’utilisation de l’élément de la turbomachine considérée. Par exemple, si l’élément considéré est une soufflante, alors de diamètre et/ou la vitesse de rotation de cette dernière par rapport au diamètre ou à la vitesse de rotation de la soufflante ayant servie à la détermination du modèle pourront être pris en compte pour l’attribution du coefficient de pondération. Il ne s’agit bien entendu que d’un exemple et différents paramètres pourront être pris en compte pour établir cette proximité, par exemple à partir de données empiriques.
[0031] Ainsi, le coefficient de pondération associé au modèle déterminé à partir de données concernant un élément de la turbomachine identique à l’élément de la turbomachine considérée (par exemple un même modèle de l’élément que l’élément considérée) sera plus élevé que le coefficient de pondération associé au modèle déterminé à partir de données concernant un élément de turbomachine sensiblement différent de l’élément de la turbomachine considérée (par exemple un élément de génération différente de celle de l’élément considéré).
[0032] De la même manière, le coefficient de pondération associé au modèle déterminé à partir de données concernant un profil d’utilisation identique (ou très similaire) au profil d’utilisation de la turbomachine considérée (et donc de l’élément considéré) sera plus élevé que le coefficient de pondération associé au modèle déterminé à partir de données concernant un profil d’utilisation différent du profil d’utilisation de la turbomachine considérée (et donc de l’élément considéré).
[0033] Le procédé 100 selon un premier aspect de l’invention comprend ensuite une étape 1 E4 de détermination de la prédiction de l’usure de la turbomachine considérée, cette prédiction étant obtenue par une moyenne pondérée des prédictions faites par chacun des modèles de la pluralité de modèles, la prédiction effectuée par chaque modèle étant pondérée par le coefficient de pondération associé audit modèle. Dans un mode de réalisation, la prédiction de l’usure prend la forme d’une probabilité de panne et la moyenne pondérée est faite sur les probabilités de panne faites par chacun des modèles de la pluralité de modèles.
[0034] Le procédé 100 selon un premier aspect de l’invention comprend également une étape 1 E5 de détermination d’une grandeur statistique représentative de la dispersion des prédictions de la pluralité de modèles, l’incertitude de la prédiction étant établie en fonction de cette grandeur statistique. Dans un exemple de réalisation, la grandeur statistique représentative est l’écart type (ou variance) ou la dispersion à 3 sigma (3s).
[0035] Données environnementales, conditions environnementales et profil d’utilisation
[0036] Données environnementales
[0037] Dans un mode de réalisation, les données environnementales comprennent la présence de gravillon, la présence de sel, la présence de sable, l’exposition au rayonnement électromagnétique (DUV), l’altitude, l’amplitude thermique ou bien encore la pollution. Par exemple, la présence de sable pourra être représentée par la probabilité qu’un grain de sable pénètre dans le moteur et/ou la concentration de sable en fonction de la taille des grains de sables. En effet, la turbomachine d’un avion faisant des vols intérieurs sera moins exposée au sel que la turbomachine d’un avion opérant sur la côte. De la même manière, si l’avion opère dans un environnement désertique, la turbomachine sera davantage exposée au sable que la turbomachine d’un avion opérant en dehors d’une telle zone. Il est donc important de prendre en compte les données environnementales auxquelles est exposée la turbomachine, mais également la durée d’exposition. A titre d’illustration, la [Fig. 2] montre différentes conditions environnementales en fonction de la zone géographique considérée et la [Fig. 3] montre l’impact potentiel d’un environnement riche en poussières sur le fonctionnement d’une turbomachine. Il est utile de noter que tous les éléments de la turbomachine ne seront pas exposés de la même manière à ces différentes conditions environnementales.
[0038] Conditions environnementales
[0039] Plusieurs données environnementales peuvent être présentes en même temps. Par exemple, un vol en bord de mer dans une zone désertique regroupera les données environnementales associées la présence de sable et les données environnementale associées à la présence de sel. Ces différentes données environnementales seront regroupées sous la forme de conditions environnementales, chaque condition environnementale correspondant à un condition environnementale d’utilisation de la turbomachine.
[0040] Profil d’utilisation
[0041] Dans un mode de réalisation, le profil d’utilisation comprend les routes employées par l’avion (et donc la turbomachine montée sur ce dernier) détaillant notamment l’ensemble des trajectoires des avions avec les lieux d’escale, les lieux de maintenance en ligne ou bien encore les points de stockage des unités remplaçables en ligne (URL ou LRU en anglais). A partir de ces informations, il est donc possible de remonter aux conditions environnementales auxquelles a été exposée la turbomachine ainsi que les durées d’exposition à chacune de ces conditions environnementales.
[0042] Dans un mode de réalisation, le profil d’utilisation comprend les plannings, par exemple les plannings des opérations commerciales, comprenant, en plus des routes déjà évoquées, les opérations de maintenance effectuées.
[0043] Dans un mode de réalisation, le profil d’utilisation comprend la stratégie de maintenance, par exemple les critères de priorisation entre maintenance et continuité des opérations, ces dernières pouvant être variables selon la saison, le coût du carburant ou l’état de la flotte de moteurs.
[0044] Données opérationnelles
[0045] Comme déjà mentionné, les données opérationnelles peuvent être issue de l’exploitation d’une turbomachine de même type, c’est-à-dire le même modèle, un modèle de génération précédente ou bien encore un modèle présentant les mêmes caractéristiques techniques. En outre, chaque donnée des données opérationnelles peut être rattachée à un profil d’utilisation. Par exemple, si les données opérationnelles sont issues de l’exploitation d’une pluralité de turbomachines, les données opérationnelles issues de chaque turbomachine de la pluralité de turbomachines peuvent être associées au profil d’utilisation de ladite turbomachine. Cela signifie donc que, lorsqu’un modèle prédictif associé à un élément a été déterminé à partir des données opérationnelles d’une turbomachine donnée, il est possible d’associer au modèle ainsi déterminé, un profil d’utilisation.
[0046] Dans le cas d’une turbomachine d’un aéronef (ou bien encore de toute pièce d’aéronef), les données opérationnelles peuvent provenir des données d’historique de l’utilisation des flottes en service, des données « publiques » type Flight Radar, des données issues des ateliers de réparation (ou shops en anglais), ou des prévisions pour des turbomachine encore peu ou pas déployées (c’est-à-dire pas encore en service).
[0047] Dans un mode de réalisation, les données opérationnelles comprennent le temps sous aile de la turbomachine. Dans un mode de réalisation, ce temps sous aile prend en compte au moins l’un des indicateurs suivants : le nombre de démarrages et de démarrages avortés (par ex. à travers le nombre d’injections de carburant dans la chambre), le temps passé à un régime ralenti ou à un régime supérieure ou bien encore les périodes au-delà d’un nombre de jours seuil (par exemple quatre jours) où la turbomachine n’a pas été utilisée (qui correspondent à des périodes durant lesquelles une mise en préservation de la turbomachine a été nécessaire).
[0048] Dans un mode de réalisation, les données opérationnelles comprennent le taux de disponibilité de la turbomachine. Dans un mode de réalisation, ce taux de disponibilité prend en compte le taux de démarrages réussis, c’est-à-dire le rapport entre le nombre de démarrages réussis et le nombre de tentatives de démarrage (un taux égal à un correspond donc à un cas où toute tentative de démarrage aboutit à un démarrage, c’est-à-dire un cas où le nombre de démarrages est égal au nombre de tentatives de démarrage).
[0049] Dans un mode de réalisation, le taux de disponibilité est déterminé en fonction du temps moyen entre deux pannes (MTBF pour Mean Time Between Failure en anglais), la durée moyenne de réparation (MTTR pour Mean Time to Repair en anglais) et/ou le temps moyen entre deux réparations (MTBR pour Mean Time Between Repair en anglais).
[0050] Dans un mode de réalisation, les données opérationnelles comprennent des données constructeur. Dans un mode de réalisation, ces données constructeur comprennent : les retours d’expérience des utilisateurs relatifs au même type de turbomachine que la turbomachine d’intérêt, notamment les données de vols et les données de maintenance (en ligne, en atelier de réparation, etc.) ; les retours d’expérience des utilisateurs relatifs à des turbomachines de types proches (par ex., la génération précédente) de la turbomachine d’intérêt.
[0051] Dans un mode de réalisation, les données constructeurs comprennent le planning des ateliers de réparation, les indicateurs de performances des moteurs (ou KPI moteur pour Key Performance Indicator en anglais), lesdits indicateurs comprenant : les taux de disponibilités des moteurs, les taux de disponibilités (avion au sol ou AOG pour Aircraft On Ground en anglais, délai et annulation ou D&C pour Delay and Canceled en anglais, arrêt moteur en vol ou IFSD pour In Flight ShutDown en anglais), les coûts d’opération des moteurs (DOC pour Direct Operation Cost en anglais), les coûts de maintenance directe des moteurs (DMC pour Direct Maintenance Costs en anglais), la sensibilité de ces coûts en fonction des missions et de l’environnement d’exploitation.
[0052] Dans un mode de réalisation, les coûts d’opération des moteurs comprennent le coût du carburant consommée et/ou le coût de la maintenance en ligne. Dans un mode de réalisation, les coûts de maintenance directe comprennent le coût de la maintenance lourde incluant les pièces et la main d’œuvre. [0053] Détermination de la pluralité de modèles
[0054] La détermination d’une pluralité de modèles se fait à partir de données opérationnelles telles que décrites précédemment. Cette pluralité de modèles pourra comprendre un ou plusieurs modèles vibratoires, un ou plusieurs modèles thermiques, un ou plusieurs modèles agression sable, un ou plusieurs modèles globaux sur la maintenance, un ou plusieurs modèles liés à des défaut de production, etc. Elle se fait également en fonction d’estimateurs qui permettront de mesurer la qualité de prédiction de chaque modèle. Pour rappel, chaque modèle est associé à un élément de la turbomachine, mais un élément peut être associé à plusieurs modèles. Par exemple, une aube pourra être associée à un premier modèle relatif à l’usure correspondant à la présence de sable et un deuxième modèle relatif à l’usure correspondant à la température d’utilisation, par exemple la température au décollage.
[0055] Pour cela, l’étape 1 E2 de détermination d’une pluralité de modèles de prédiction comprend une première sous-étape de sélection d’un jeu de données parmi les données opérationnelles. Par exemple, le jeu de données pourra être sélectionné à l’aide d’une analyse opérationnelle, en identifiant les grandeurs physiques qui permettent le fonctionnement de l’élément ou ont un impact sur ce fonctionnement (entrées) et sur quoi l’élément agit (sorties).
[0056] Elle comprend ensuite une sous-étape de clusterisation des données du jeu de données. Dans un mode de réalisation, cette clusterisation comprend elle-même deux sous-étapes.
[0057] Plus particulièrement, elle comprend tout d’abord une sous-étape de première clusterisation des données, la première pluralité de clusters obtenue étant destinée à la détermination de la pluralité d’estimateurs. Un exemple d’estimateur est un indicateur relatif à la formation de givre en vol. Afin de déterminer un tel estimateur, il n’est pas nécessaire de prendre en compte toutes les données opérationnelles, mais seulement celles relatives à la formation de givre (température en vol, humidité, etc.). Ainsi, lors de cette première clusterisation, plusieurs agrégats de données sont obtenus, chaque agrégat de données étant spécifique à un ou plusieurs estimateurs.
[0058] Elle comprend ensuite une sous-étape de deuxième clusterisation des données, la deuxième pluralité de clusters obtenue étant destinée à la détermination de la pluralité de modèles prédictifs. Un exemple de modèle prédictif peut être relatif à une aube est concerner la détermination d’une probabilité d’écaillage en fonction de la température. Afin de déterminer un tel modèle, il n’est pas nécessaire de prendre en compte toutes les données opérationnelles, mais seulement celles relatives à la température à laquelle est exposée l’aube. Ainsi, lors de cette deuxième clusterisation, plusieurs agrégats de données sont obtenus, chaque agrégat de données étant spécifique à un ou plusieurs modèles.
[0059] L’étape 1 E2 de détermination d’une pluralité de modèles de prédiction comprend ensuite une sous-étape de détermination, à partir des clusters de la première pluralité de clusters, d’un estimateur pour chaque cluster de la première pluralité de clusters.
[0060] Elle comprend ensuite une sous-étape de détermination, à partir de la pluralité d’indicateurs et des clusters de la deuxième pluralité de clusters, de la pluralité de modèles prédictifs.
[0061] Elle comprend également une sous-étape de détermination d’un indicateur de fiabilité de la prédiction obtenue à l’aide de la pluralité de modèles prédictifs.
[0062] Elle comprend enfin une sous-étape de comparaison de la prédiction obtenue à des données de test, les sous-étapes précédentes étant répétées tant que l’écart entre la prédiction et les données de test est supérieur à un seuil donné, le jeu de données étant affiné lors de chaque itération de sorte à se rapprocher du profil d’utilisation de la turbomachine dont on cherche à prédire l’usure.
[0063] Détermination du risque opérationnel d’un aéronef
[0064] Un deuxième aspect de l’invention illustré à la [Fig. 4] concerne un procédé 200 de détermination du risque opérationnel associé à un aéronef comprenant au moins une turbomachine. On entend par risque opérationnel la survenue d’un incident d’exploitation comme l’allumage d’un voyant d’alerte, une panne, une opération de maintenance déclenchée, etc.
[0065] Pour cela, le procédé 200 selon un deuxième aspect de l’invention comprend, pour chaque turbomachine, une étape 2E1 de prédiction de l’usure de la turbomachine et de l’incertitude associée à cette prédiction, cette prédiction et l’incertitude qui lui est associée étant déterminée à l’aide d’un procédé 100 selon la revendication précédente. [0066] Plus particulièrement, les routes empruntées par l’aéronef sont utilisées de sorte à établir un profil d’utilisation et donc à déterminer, pour chaque turbomachine de l’aéronef et à l’aide d’un procédé selon un premier aspect de l’invention, une prédiction de l’usure des turbomachines ainsi qu’une incertitude associée à cette prédiction. Les informations relatives à la route d’un aéronef peuvent notamment comprendre l’ensemble des trajectoires avec les lieux d’escale, les lieux de maintenance en ligne ainsi que les points de stockage.
[0067] Le procédé 200 selon un deuxième aspect de l’invention comprend également une étape 2E2 de détermination d’un risque opérationnel en fonction de la prédiction de l’usure et de l’incertitude qui lui est associée déterminées pour chaque turbomachine lors de l’étape 2E1 précédente. Dans un mode de réalisation, la prédiction de l’usure prend la forme d’une prédiction de panne.
[0068] Détermination du risque opérationnel d’une flotte d’aéronefs
[0069] Un troisième aspect de l’invention concerne un procédé 300 de détermination du risque opérationnel associé à une flotte comprenant une pluralité d’aéronefs. Pour cela le procédé 300 comprend, pour chaque aéronef de la flotte, une étape 3E1 de détermination du risque opérationnel, le risque opérationnel étant déterminé à l’aide d’un procédé 200 selon la revendication précédente.
[0070] Le procédé 300 comprend également une étape 3E2 de détermination du risque opérationnel associé à la flotte à partir du risque opérationnel associé à chaque aéronef de la flotte déterminée lors de l’étape 3E1 précédente.

Claims

REVENDICATIONS
[Revendication 1] Procédé (100) de prédiction d’usure d’une pièce mécanique et de l’incertitude associée à cette prédiction pour un profil d’utilisation donné, le profil d’utilisation prenant en compte une pluralité de conditions environnementales associées à des données environnementales ainsi que le temps d’utilisation de la pièce mécanique dans chacune de ces conditions environnementales, le procédé comprenant :
- une étape (1 E1 ) de détermination des données opérationnelles associée à une pluralité de pièces mécaniques de même type que la pièce mécanique considérée ;
- à partir des données opérationnelles déterminées lors de l’étape (1E1) précédente, une étape (1E2) de détermination d’une pluralité de modèles de prédiction de l’usure de la pièce, la pièce mécanique pouvant être divisée en une pluralité d’éléments, chaque élément étant modélisé à l’aide d’au moins un modèle de la pluralité de modèles ;
- pour chaque modèle de la pluralité de modèles, une étape (1E3) de détermination d’un coefficient de pondération en fonction de la proximité entre l’élément de la pièce mécanique et/ou le profil d’utilisation associés aux données opérationnelles ayant servies à la détermination du modèle considéré et l’élément de la pièce mécanique considérée et/ou le profil d’utilisation de l’élément de la pièce mécanique considérée ;
- une étape (1 E4) de détermination de la prédiction de l’usure de la pièce mécanique considérée, cette prédiction étant obtenue par une moyenne pondérée des prédictions faites par chacun des modèles de la pluralité de modèles, la prédiction effectuée par chaque modèle étant pondérée par le coefficient de pondération associé audit modèle ;
- une étape (1 E5) de détermination d’une grandeur statistique représentative de la dispersion des prédictions de la pluralité de modèles, l’incertitude de la prédiction étant établie en fonction de cette grandeur statistique.
[Revendication 2] Procédé (100) selon la revendication précédente dans lequel les données environnementales comprennent la présence de gravillon, la présence de sel, la présence de sable, l’exposition au rayonnement électromagnétique, l’altitude, l’amplitude thermique ou bien encore la pollution.
[Revendication 3] Procédé (100) selon l’une des revendications précédentes dans lequel la pièce mécanique est une pièce mécanique d’un aéronef et dans lequel le profil d’utilisation comprend les routes employées par l’aéronef comprenant l’ensemble des trajectoires des avions avec les lieux d’escales, les lieux de maintenance en ligne ou bien encore les points de stockage des unités remplaçables en ligne.
[Revendication 4] Procédé (200) de détermination du risque opérationnel associé à un aéronef comprenant au moins une turbomachine, le dite procédé comprenant :
- pour chaque turbomachine, une étape (2E1) de prédiction de l’usure de la turbomachine et de l’incertitude associée à cette prédiction, cette prédiction et l’incertitude qui lui est associée étant déterminée à l’aide d’un procédé (100) selon l’une des revendications précédentes ;
- une étape (2E2) de détermination d’un risque opérationnel en fonction de la prédiction de l’usure et de l’incertitude qui lui est associée déterminées pour chaque turbomachine lors de l’étape (2E1) précédente.
[Revendication 5] Procédé (300) de détermination du risque opérationnel associé à une flotte comprenant une pluralité d’aéronefs, le procédé comprenant :
- pour chaque aéronef de la flotte, une étape (3E1) de détermination du risque opérationnel, le risque opérationnel étant déterminé à l’aide d’un procédé (200) selon la revendication précédente ;
- une étape (3E2) de détermination du risque opérationnel associé à la flotte à partir du risque opérationnel associé à chaque aéronef de la flotte déterminée lors de l’étape (3E1) précédente.
[Revendication 6] Programme d’ordinateur comprenant les instructions de code de programme pour l’exécution des étapes du procédé (100, 200, 300) selon l’une des revendications précédentes lorsque ledit programme est exécuté sur un ordinateur.
[Revendication 7] Support de données lisible par ordinateur, sur lequel est enregistré le programme d'ordinateur selon la revendication précédente.
EP22719975.9A 2021-04-06 2022-04-05 Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs Pending EP4320338A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2103478A FR3121431B1 (fr) 2021-04-06 2021-04-06 Procédé de prédiction de l’usure d’une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d’aéronefs
PCT/FR2022/050636 WO2022214764A1 (fr) 2021-04-06 2022-04-05 Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs

Publications (1)

Publication Number Publication Date
EP4320338A1 true EP4320338A1 (fr) 2024-02-14

Family

ID=77411749

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22719975.9A Pending EP4320338A1 (fr) 2021-04-06 2022-04-05 Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs

Country Status (5)

Country Link
US (1) US12492647B2 (fr)
EP (1) EP4320338A1 (fr)
CN (1) CN117396666A (fr)
FR (1) FR3121431B1 (fr)
WO (1) WO2022214764A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120594112B (zh) * 2025-08-11 2025-10-14 重庆长安汽车股份有限公司 一种车辆热保护试验评价方法、装置、设备及介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6473677B1 (en) * 2001-06-18 2002-10-29 General Electric Company Method and apparatus for determining an effective jet engine maintenance schedule
US7725293B2 (en) * 2006-12-07 2010-05-25 General Electric Company System and method for equipment remaining life estimation
US8165826B2 (en) * 2008-09-30 2012-04-24 The Boeing Company Data driven method and system for predicting operational states of mechanical systems
US10099804B2 (en) * 2016-06-16 2018-10-16 General Electric Company Environmental impact assessment system
CN109661505B (zh) * 2016-06-29 2021-10-22 通用电气公司 用于基于废水的状态评估的方法
US11098724B2 (en) * 2017-05-23 2021-08-24 General Electric Company Control system and method for determining contaminant loading of turbine blades
GB2577063A (en) * 2018-09-11 2020-03-18 Satavia Ltd System and method for aircraft contaminant monitoring
US10785297B2 (en) * 2018-10-23 2020-09-22 International Business Machines Corporation Intelligent dataset migration and delivery to mobile internet of things devices using fifth-generation networks
US11592841B2 (en) * 2019-10-09 2023-02-28 Beta Air, Llc In-flight stabilization of an aircraft
JP7320368B2 (ja) * 2019-04-09 2023-08-03 ナブテスコ株式会社 故障予測装置、故障予測方法およびコンピュータプログラム
US20210335137A1 (en) * 2020-04-28 2021-10-28 Loon Llc Dynamic Risk Assessment of a Fleet of Aircraft

Also Published As

Publication number Publication date
CN117396666A (zh) 2024-01-12
WO2022214764A1 (fr) 2022-10-13
US12492647B2 (en) 2025-12-09
US20240110490A1 (en) 2024-04-04
FR3121431A1 (fr) 2022-10-07
FR3121431B1 (fr) 2023-02-24

Similar Documents

Publication Publication Date Title
CA2826608C (fr) Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance
CA2826641C (fr) Prevision d'operations de maintenance sur un moteur d'aeronef
CA2926240C (fr) Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance
US12106235B2 (en) System for forecasting aircraft engine deterioration using recurrent neural networks
EP3948462B1 (fr) Procede et dispositif de surveillance d'au moins un moteur d'aeronef
WO2020120470A1 (fr) Procede d'optimisation d'un plan de vol
WO2014199057A1 (fr) Procedes de creation d'une base de donnees et d'elaboration d'une carte d'etats de fonctionnement d'aeronefs, et un procede de surveillance du fonctionnement d'un aeronef associe
EP3080670A2 (fr) Prévision d'opérations de maintenance a appliquer sur un moteur
EP2955481B1 (fr) Méthode et système embarqué de visualisation de risques météorologiques
FR3095424A1 (fr) Système et procédé de surveillance d’un moteur d’aéronef
EP4320338A1 (fr) Procédé de prédiction de l'usure d'une pièce mécanique, procédé de détermination du risque opérationnel associé à un aéronef ou une flotte d'aéronefs
FR3002035A1 (fr) Procede de controle des niveaux de fluide hydraulique dans un aeronef
WO2022229135A1 (fr) Système de supervision de l'exploitation et de la maintenance d'équipements industriels
FR2935211A1 (fr) Procede et dispositif d'aide a la preparation et a la gestion de missions dans un aeronef
EP3281157B1 (fr) Système de mutualisation de données relatives à des moteurs d'aéronefs
EP4165619A1 (fr) Systeme et methode pour la determination amelioree de parametres de trajectoire d'aeronefs
CA2314175C (fr) Procede de pilotage d'un processus dynamique complexe
FR3026785A1 (fr) Surveillance d'un ensemble du systeme propulsif d'un aeronef
WO2023187287A1 (fr) Procédé de surveillance de l'état de santé de turbomachine d'aéronef
EP4379486B1 (fr) Procédé de maintenance prédictive frugale, produit programme d'ordinateur et support lisible par ordinateur correspondants
EP4400469B1 (fr) Procédé de diagnostic d'une activité d'une grue pour la détermination des anomalies à l origine d'une baisse d'activité
EP4713907A1 (fr) Procédé de prédiction d'une information de friction d'une piste d'atterrissage, et système correspondant
WO2023066710A1 (fr) Procédé de prédiction d'une condition de surface d'un segment routier
FR3163727A1 (fr) Procédé et dispositif de suivi de l’usure d’un vérin
FR3135323A1 (fr) Procédure et système pour un décollage en régime de moindre bruit

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231103

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20251120