JP6921549B2 - フライト中に記録された航空機データを用いた航空機エンジンの挙動の予測 - Google Patents
フライト中に記録された航空機データを用いた航空機エンジンの挙動の予測 Download PDFInfo
- Publication number
- JP6921549B2 JP6921549B2 JP2017031628A JP2017031628A JP6921549B2 JP 6921549 B2 JP6921549 B2 JP 6921549B2 JP 2017031628 A JP2017031628 A JP 2017031628A JP 2017031628 A JP2017031628 A JP 2017031628A JP 6921549 B2 JP6921549 B2 JP 6921549B2
- Authority
- JP
- Japan
- Prior art keywords
- aircraft
- flight
- engine
- information
- model
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Description
本発明は、フライト中に記録された航空機データを用いた航空機エンジンの挙動の予測に関する。
センサは、様々な航空機エンジンパラメータを測定することができる。例えば、センサは、排気がタービンから出るときに、排気の温度を測定することができる。この情報を用いて、航空機エンジンの運用および整備を容易にすることができる。場合によっては、排気温度を用いて、航空機エンジンが修理されるべきときを判断することができる。例えば、排気温度は、修理および整備手順のために航空機エンジンが航空機から取り外されるべきときを判定するための主要な基準となり得る。特定のエンジンの排気温度が一定の回数、所定の限界を超えたとき、エンジンは、安全上の理由で航空機から取り外される場合があり、この結果、エンジンおよび／または航空機所有者にとって大きなコストが生じる可能性がある。
現在のところ、エンジンおよび／または航空機所有者は、（例えば、高い外気温度または短い滑走路を回避するために）一定の空港ペアに対し、よりグレードの低いエンジンを割り当てる等の判断および措置を手動で行うことによって、排気温度の超過を回避または低減しようと試みる場合がある。一般的に、オペレータの知識および過去の経験に基づくこのタイプの手動の手法は、非常に時間がかかり、誤りを生じやすいプロセスとなる可能性がある。所与のエンジンおよび外部条件について排気温度が一定の閾値を超えるか否かを自動的に予測することによって、経済および安全性を大幅に改善することができる。したがって、排気温度超過予測を自動的かつ正確な方式で容易にするためのシステムおよび方法を提供することが望ましい。
GAO, You et al., "Prediction of Aero-Engine Exhaust Gas Temperature Based on Chaotic Neural Network Model", Volume 176, Advances in Mechanical and Electronic Engineering, LNEE 176, 2012, (pp. 145-150, 6 total pages)
本発明の１つは、航空機エンジンに関連付けられたシステム（１００）であって、複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データを記憶する、フライト中に記録された航空機データのデータベース（１１０）と、フライト中に記録された航空機データのデータベース（１１０）に結合された信号処理ユニット（１５０）であって、複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスし、フライト中に記録された航空機データから、フライト単位で基準を自動的に計算し、計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現し、確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づき、潜在的な航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算する、信号処理ユニット（１５０）と、信号処理ユニット（１５０）に結合され、少なくとも１つの計算された条件付き確率分布（１６０）に関連付けられたインジケーションの表示（１８０）をレンダリングするための情報を送信する通信ポートと、を備える。
以下の詳細な説明において、実施形態の完全な理解を提供するために、多数の特定の詳細が示される。しかしながら、当業者は、実施形態をこれらの特定の詳細なしで実施できることを理解するであろう。他の例では、実施形態を曖昧にしないように、周知の方法、手順、コンポーネントおよび回路については詳細に説明されていない。
図１は、いくつかの実施形態によるシステム１００の高レベルアーキテクチャである。システム１００は、確率モデルプラットフォーム１５０に情報を提供する、フライト中に記録された航空機データのデータソース１１０を含む。データソース１１０内のデータは、例えば、複数の異なる航空機エンジンおよび以前の航空機フライトに関する履歴エンジンセンサ情報（例えば、外気温度、排気温度、エンジンモデル番号、離陸空港および着陸空港等）を含むことができる。
いくつかの実施形態によれば、確率モデルプラットフォーム１５０は、データソース１１０にアクセスし、確率モデル生成ユニット１３０を利用して、予測モデルを自動的に生成することができ、確率モデル実行ユニット１４０は、この予測モデルを用いて条件付き確率分布１６０（例えば、特定の排気温度閾値を超える尤度に関連付けられている）を生成し、この条件付き確率分布１６０を、適宜（例えば、ユーザに表示するために）様々なユーザプラットフォーム１７０に送信することができる。本明細書において用いられるとき、用語「自動的に」は、例えば、人間の介在をほとんどまたは一切伴うことなく実行できるアクションを指すことができる。
本明細書において用いられるとき、デバイスは、システム１００に関連付けられたデバイスおよび本明細書に記載の任意の他のデバイスを含め、任意の通信ネットワークを介して情報を交換することができる。この通信ネットワークは、ローカルエリアネットワーク（「ＬＡＮ」）メトロポリタンエリアネットワークネットワーク（「ＭＡＮ」）、広域ネットワーク（「ＷＡＮ」）、専用ネットワーク、公衆交換電話網（「ＰＳＴＮ」）、無線アプリケーションプロトコル（「ＷＡＰ」）ネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、無線ＬＡＮネットワーク、および／またはインターネットプロトコル（「ＩＰ」）ネットワーク、例えば、インターネット、イントラネットまたはエクストラネットのうちの１つまたは複数とすることができる。本明細書に記載される任意のデバイスは、１つまたは複数のそのような通信ネットワークを介して通信できることに留意されたい。
確率モデルプラットフォーム１５０は、フライト中に記録された航空機データのデータソース１１０および／またはユーザプラットフォーム１７０等の様々なデータソースに情報を記憶し、かつ／またはそこから情報を取り出すことができる。様々なデータソースは、ローカルに記憶させることもできるし、または確率モデルプラットフォーム１５０から遠隔に存在することもできる。単一の確率モデルプラットフォーム１５０が図１に示されているが、任意の数のそのようなデバイスを含めることができる。更に、本発明の実施形態に従って、本明細書において説明される様々なデバイスを組み合わせることができる。例えば、いくつかの実施形態では、確率モデルプラットフォーム１５０および１つまたは複数のデータソースは単一の装置を含むことができる。確率モデルプラットフォーム１５０機能は、分散された処理またはクラウドベースのアーキテクチャにおいて、ネットワーク化された装置のコンスタレーションによって実行できる。
本明細書において説明される実施形態のうちの任意のものによれば、ユーザは、ユーザプラットフォーム１７０（例えば、パーソナルコンピュータ、タブレットまたはスマートフォン）のうちの１つを介してシステム１００にアクセスし、確率モデルに関する情報を閲覧し、かつ／または確率モデルを管理することができる。いくつかの実施形態によれば、インタラクティブグラフィカルディスプレイインタフェース１８０は、オペレータに、一定のパラメータを定義かつ／または調整させ、ならびに／もしくは自動的に生成された（例えば、航空機エンジンの挙動を改善するための）推奨を提供もしくは受信させることができる。例えば、図２は、図１に関して説明されたシステム１００の要素のいくつかまたは全てによって実行できる方法２００を示す。本明細書に示されるフローチャートは、ステップの固定の順序を意味するものではなく、本発明の実施形態は、実施可能な任意の順序で実施できる。本明細書において説明される方法のうちの任意のものは、ハードウェア、ソフトウェア、またはこれらの手法の任意の組み合わせによって実行できることに留意されたい。例えば、コンピュータ可読ストレージ媒体は、マシンによって実行されると、結果として本明細書に説明される実施形態のうちの任意のものによる性能が生じる命令を記憶することができる。
Ｓ２１０において、信号処理ユニットは、（例えば、フライトデータベース中に記録された航空機データから）複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスすることができる。
Ｓ２２０において、フライト単位で、フライト中に記録された航空機データから基準を自動的に計算することができる。いくつかの実施形態によれば、基準は、空港単位、エンジンタイプ単位、エンジンモデル単位、航空機タイプ単位、および／または航空機モデル単位に更に自動的に計算される。
Ｓ２３０において、システムは、自動的に確率モデルを利用して、計算された基準に基づき、関係性を捉えて表現することができる。関係性は、例えば、複数の異なるエンジンパラメータおよびフライトパラメータを含むことができる。いくつかの実施形態によれば、確率モデルは混合ガウスモデルを含む。本明細書において用いられるとき、「エンジンパラメータ」というフレーズは、例えば、エンジンデグレード情報、エンジンタイプおよび／またはエンジンモデルを指すことができる。
Ｓ２４０において、システムは、確率モデル、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライト中に、特定の航空機エンジンのための条件付き確率分布を計算することができる。条件付き確率分布の計算は、（例えば、混合ガウスモデルに加えて、かつ／またはその代わりに）ルールベースのモデル、物理ベースのモデル、データ駆動型のモデル、統計モデルおよび／または人工知能モデルに更に関連付けられ得ることに留意されたい。
Ｓ２５０において、情報は、計算された条件付き確率分布に関連付けられたインジケーションの表示をレンダリングするために（例えば、信号処理ユニットに結合された通信ポートを介して）送信することができる。いくつかの実施形態によれば、条件付き確率分布は、排気温度値が、潜在的な航空機フライト中に最大閾値を超える尤度を表す。
いくつかの実施形態によれば、システムは、潜在的な航空機フライト中の特定の航空機エンジンのための条件付き確率分布に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成することができる。例えば、システムは、外気温度が特定の値を超えるときに、特定のエンジンで飛行しないことを自動的に推奨することができる。
図３は、いくつかの実施形による、排気温度に影響を与えるいくつかの要因３００を示す。いくつかの実施形態によれば、フライトパラメータ３００は、風情報、外気温度、湿度情報および／または粉塵情報等の環境情報に関連付けることができる。他の実施形態によれば、フライトパラメータ３００は、総重量情報、航空機重量、燃料重量、乗客および手荷物重量、ディレーティングされた離陸情報、ディレーティングされた上昇情報、航空機タイプおよび／または航空機モデル等の航空機情報に関連付けることができる。更に他の実施形態によれば、フライトパラメータ３００は、高度、障害物クリアランス情報、滑走路トポロジ、滑走路の長さ、離陸空港および／または着陸空港等の空港情報に関連付けることができる。更に他の実施形態では、フライトパラメータ３００は、ディレーティングされた定義情報、会社のポリシ、空港のポリシ、経験量（例えば、年数、フライト数、飛行マイル数等）および／またはＮ１マニュアルゾーン情報等のパイロット情報に関連付けることができる。実施形態は、「フライトパラメータ」３００のこれらの例のうちのいくつかまたは全てを、および／またはフライトパラメータ（例えば、数百個の異なるパラメータ）の他のタイプを、エンジンデグレード情報、エンジンタイプおよび／またはエンジンモデル等の１つまたは複数のエンジンパラメータと共に、混合ガウスモデルに関連して組み合わせることができる。例として、システムは、以下のデータを捕捉することができる：
Ｐ（ＥＧＴ，環境，航空機，空港，エンジン，パイロット）
ここで、ＥＧＴは排気温度に等しい。この場合、データの潜在的な使用は、以下を計算することを含み得る。
Ｐ（ＥＧＴ，環境，航空機，空港，エンジン，パイロット）
ここで、ＥＧＴは排気温度に等しい。この場合、データの潜在的な使用は、以下を計算することを含み得る。
Ｐ（ＥＧＴ｜環境，航空機，空港，エンジン，パイロット）
この情報は、離陸時の航空機重量等の独立変数を所与として排気温度確率分布のモデリングおよび計算に関連して用いることができる。図４は、いくつかの実施形態による様々なエンジンおよび条件を表す混合ガウスモデル４２０およびデータ点４１０を示す（４００）。データ点４１０は、所与の空港について離陸時の航空機重量（Ｙ軸に沿ったトン単位）に関してプロットされた排気温度（Ｘ軸に沿った摂氏温度単位）を表す。明確にするために、限られた数のデータ点４１０が図４に表示されているが、実施形態は、任意の数のデータ点４１０（例えば数万個のデータ点４１０）を含むことができることに留意されたい。また、各データ点４１０は、様々なエンジンおよび条件からのフライトを表すことができることにも留意されたい。分布は、例えば、特定の航空会社がどのように運行するかに関連付けられ得る。
この情報は、離陸時の航空機重量等の独立変数を所与として排気温度確率分布のモデリングおよび計算に関連して用いることができる。図４は、いくつかの実施形態による様々なエンジンおよび条件を表す混合ガウスモデル４２０およびデータ点４１０を示す（４００）。データ点４１０は、所与の空港について離陸時の航空機重量（Ｙ軸に沿ったトン単位）に関してプロットされた排気温度（Ｘ軸に沿った摂氏温度単位）を表す。明確にするために、限られた数のデータ点４１０が図４に表示されているが、実施形態は、任意の数のデータ点４１０（例えば数万個のデータ点４１０）を含むことができることに留意されたい。また、各データ点４１０は、様々なエンジンおよび条件からのフライトを表すことができることにも留意されたい。分布は、例えば、特定の航空会社がどのように運行するかに関連付けられ得る。
混合ガウスモデル４２０を用いて、データを以下のように表すことができる。
Ｐ（ＥＧＴ，重量｜空港＝ＸＹＺ）
これは、システムが記憶する必要がある場合があるデータ点４１０の数の大きな減少に対応することができる。例えば、（図４の破線４３０が示すように）離陸時の航空機重量が９５トンであり、
Ｐ（ＥＧＴ｜空港＝ＳＤＵ，重量＝９５）
９００℃の閾値排気温度を超える確率４４０が約５０％であるように決定をサポートすることができる（そして、航空機の重量を低減するべきか否かを決定することができる）。
これは、システムが記憶する必要がある場合があるデータ点４１０の数の大きな減少に対応することができる。例えば、（図４の破線４３０が示すように）離陸時の航空機重量が９５トンであり、
Ｐ（ＥＧＴ｜空港＝ＳＤＵ，重量＝９５）
９００℃の閾値排気温度を超える確率４４０が約５０％であるように決定をサポートすることができる（そして、航空機の重量を低減するべきか否かを決定することができる）。
提案されるモデルの別の応用形態は、排気温度が一定の閾値を超えたきに、過去のイベントの根本原因の調査をサポートすることからなる。ＥＧＴに関連付けられたモデルにおけるｎ個のパラメータ（ｘi，ｉ＝１，２，．．．，ｎ）を所与として、以下の式に従ってｎ個の重量（ｗj，ｊ＝１，２，．．．，ｎ）を計算することができる。計算において用いられるパラメータは、検討下の特定のイベントに対応するパラメータである。重量ｗjは、イベントの発生時のパラメータｘjの重要度に関連付けられる。重量が大きいほど、対応するパラメータ重要度が大きくなる。したがって、そのような重量の評価および比較は、イベントのあり得る根本原因に関する情報を提供することができる。
このようにして、確率モデルを作成し、航空機エンジンの使用および／または割り当てに関する航空会社の決定プロセスをサポートすることができる。システムは、混合ガウスモデルを利用して、排気温度と、フライト中に記録された履歴航空機データから計算される他の変数との関係性を捉えることができる。次に、この関係性を用いて、航空会社が変更することができる他の変数を所与として、排気温度超過の確率を導出することができる。結果として、データ解析を通じて運航時間を増大させることができ、航空会社に対しコストを回避させ、ダイヤの乱れを減らす。実施形態は、フライト中に記録された履歴航空機データを用いて、空中での最大排気温度、および空中での最大排気温度とその超過に影響を及ぼし得る変数との関係性をモデル化し得ることに留意されたい。これらの変数は、例えば、空港関連、航空機関連、環境関連、エンジン関連、および／またはパイロット関連（例えば、航空機重量、エンジンデグレード、滑走路の長さ、パイロットの経験、外気温度等）であり得る。
プロセスは、フライト中に記録された航空機データからの基準の計算を含むことができる。これらの基準は、例えば、フライト単位で計算することができる。次に、システムは、混合ガウスモデルを利用して、関係性を捉えて表現することができ、これによって、記憶される必要があるパラメータの数を劇的に低減できる。確率モデルが作成されると、システムは、最大排気温度の超過に影響を及ぼす変数（例えば、事前に周知のパラメータ）を所与として、最大排気温度の条件付き確率分布を計算し、この分布から、システムは、排気温度が所与の閾値を超える確率を得ることができる。
排気温度超過に影響を与える独立変数を変更することによって、オペレータは、異なる超過確率を受け取る場合があり、これによって、決定プロセスに関して航空会社を導き、潜在的に、航空機エンジンの運航時間を増大させることができる。すなわち、排気温度は、航空機エンジンをいつ除去するか、および排気温度超過数がいつ一定の閾値を超えるか、エンジンが安全性の理由でいつ除去される必要があるか（コストを生じる）を判定するための主要な基準である。本明細書に説明される実施形態を組み込んで、航空会社は、（オペレータの知識ではなく）実際のデータに基づいて決定する機能を有することができ、これにより先を見越して行動する機能を得る。これにより、排気温度超過数を大幅に低減することができる（コストを回避する）。確率モデルは、フライト中に記録される豊富な航空機データを与えられて非常にロバストとなることができ、履歴データの使用により、モデルが現実世界の動作に非常に近づくことができ、モデルを事前計算できるため、処理時間を短くできることに留意されたい。
航空会社が、排気温度超過確率が高いことを知ると、例えば、航空機が輸送することができる最大重量を制限し、超過確率がより低い異なる空港に調査下のエンジンを再割り当てし、一定の滑走路に対し離陸を制限し、一定の風条件に対し離陸を制限し、ディレーティングを強制し、エンジン使用を一定のパイロットに制限し、かつ／または本明細書において説明される実施形態を用いて計算される確率によって誘導される排気温度超過に影響を及ぼす任意の他の変数を変更することによって、先を見越して行動することができる。ステップのうちのいくつかまたは全てを、適切なデータを考慮してシステムによって自動的に推奨することができることに留意されたい。
いくつかの実施形態によれば、システムは、オペレータからインタラクティブグラフィカルディスプレイインタフェースを介して、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対する調節を受信することができる。次に、システムは、調節に従って確率モデルに基づいて潜在的な航空機フライト中に特定の航空機エンジンのための条件付き確率分布を再計算し、再計算された条件付き確率分布に関連付けられたインジケーションを表示することができる。例えば、図６は、いくつかの実施形態によるインタラクティブグラフィカルユーザインタフェースディスプレイ６００を示す。ディスプレイ６００は、独立変数を所与として排気温度の条件付き確率６１０を計算するアルゴリズムに関連付けることができ、排気温度の尤度は、選択された制限よりも大きい（例えば、図６の破線６１２に示すように、８７５℃）。
Ｐ（ＭＡＸ ＥＧＴ｜Ｔ／Ｏ重量＝７５，Ｔ／Ｏ ｅｇｔｈｄｍ＝０，空港＝ＳＤＵ）
ここで、値Ｐｒｏｂ（ＭＡＸ ＥＧＴ＞８７５℃）＝０．２４は、図６の条件付き確率６１０下の影付きエリアによって示される。
ここで、値Ｐｒｏｂ（ＭＡＸ ＥＧＴ＞８７５℃）＝０．２４は、図６の条件付き確率６１０下の影付きエリアによって示される。
ディスプレイ６００は、所望の通り離陸重量および離陸ＥＧＴマージンを変更するようにオペレータによって調整することができるスライダを有する排気温度推定機６２０を更に備える。ＥＧＴマージンは、エンジン性能に関連付けられた標準的な基準からなる。１つの例は、暑い日のＥＧＴマージン（ＥＧＴＨＤＭ）であり、これは、到達およびＥＧＴの超過の観点で、最悪の事例の動作シナリオを考慮する。推定器６２０は、オペレータが排気温度（例えば、８７５℃）を入力できる入力ボックス、およびアルゴリズムの実行を開始するための「実行」アイコン（およびディスプレイ６００における結果のレンダリング）を更に含む。
本明細書に記載される実施形態は、任意の数の異なるハードウェア構成を用いて実施できる。例えば、図７は、図１のシステム１００および／または図５のシステム図５００に関連付けられる確率モデルプラットフォーム７００のブロック図である。確率モデルプラットフォーム７００は、通信ネットワーク（図７には示されない）を介して通信するように構成された通信デバイス７２０に結合されたワンチップマイクロプロセッサの形態で、１つまたは複数の市販の中央処理ユニット（「ＣＰＵ」）等のプロセッサ７１０を備える。通信デバイス７２０を用いて、例えば、１つまたは複数のリモートユーザプラットフォームと通信することができる。確率モデルプラットフォーム７００は、入力デバイス７４０（例えば、適応的および／または予測的モデル情報を入力するためのコンピュータマウスおよび／またはキーボード）、および／または出力デバイス７５０（例えば、表示をレンダリングし、推奨を送信し、かつ／または報告を作成するためのコンピュータモニタ）を更に備える。いくつかの実施形態によれば、モバイルデバイスおよび／またはパーソナルコンピュータを用いて、確率モデルプラットフォーム７００と情報を交換することができる。
プロセッサ７１０は、ストレージデバイス７３０とも通信する。ストレージデバイス７３０は、磁気ストレージデバイス（例えば、ハードディスクドライブ）、光ストレージデバイス、モバイル電話および／または半導体メモリデバイスの組み合わせを含む、任意の適切な情報ストレージデバイスを含むことができる。ストレージデバイス７３０は、プロセッサ７１０を制御するためのプログラム７１２および／または確率モデル７１４を記憶する。プロセッサ７１０は、プログラム７１２、７１４の命令を実行し、それによって、本明細書に記載される実施形態のうちの任意のものに従って動作する。例えば、プロセッサ７１０は、複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられたフライト中に記録された履歴航空機データを受信することができる。フライト中に記録された航空機データからの基準は、フライト単位でプロセッサ７１０によって自動的に計算することができ、プロセッサ７１０は、計算された基準に基づき、確率モデルを利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現することができる。次に、プロセッサ７１０は、確率モデル、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライト中の特定の航空機エンジンについて、条件付き確率分布を計算することができ、計算された条件付き確率分布に関連付けられたインジケーションを表示することができる。
プログラム７１２、７１４は、圧縮、アンコンパイル（ｕｎｃｏｍｐｉｌｅｄ）および／または暗号化されたフォーマットで記憶することができる。プログラム７１２、７１４は、オペレーティングシステム、クリップボードアプリケーション、データベース管理システム、および／または、プロセッサ７１０が周辺デバイスとインタフェースするのに用いるデバイスドライバ等の他のプログラム要素を更に含むことができる。
本明細書において用いられるとき、情報は、例えば、（ｉ）別のデバイスからの確率モデルプラットフォーム７００、または（ｉｉ）別のソフトウェアアプリケーション、モジュール、もしくは任意の他のソースからの確率モデルプラットフォーム７００内のソフトウェアアプリケーションもしくはモジュール、によって「受信」またはそれらに「送信」することができる。
いくつかの実施形態（図７に示す実施形態等）では、ストレージデバイス７３０は、フライト中に記録された航空機データのデータベース８００を更に記憶する。次に、確率モデルプラットフォーム７００に関連して用いることができるデータベースの例を、図８を参照して詳細に説明する。本明細書に記載されるデータベースは１つの例にすぎず、更なるおよび／または異なる情報をデータベースに記憶することができる。更に、本明細書に記載される実施形態のうちの任意のものに従って、様々なデータベースは、分割または結合されてもよい。
図８を参照すると、いくつかの実施形態による確率モデルプラットフォーム７００に記憶できる、フライト中に記録された航空機データのデータベース８００を表すテーブルが示される。このテーブルは、例えば、これらのエンジンに関連付けられた航空機エンジンおよび履歴フライトデータを特定するエントリを含むことができる。テーブルは、エントリごとに、フィールド８０２、８０４、８０６、８０８、８１０を定義することもできる。いくつかの実施形態によれば、フィールド８０２、８０４、８０６、８０８、８１０は、フライト識別子８０２、エンジンデータ８０４、航空機データ８０６、空港データ８０８および排気データ８１０を指定する。フライト中に記録された航空機データのデータベース８００は、例えば、データがシステムにインポートされるとき、新たな空港がモデル化されるとき等に、作成および更新することができる。
フライト識別子８０２は、例えば、過去に生じた特定の航空機フライトを特定する一意の英数字コードとすることができる。エンジンデータ８０４は、特定のエンジン、エンジンタイプ、エンジンモデル等を識別することができる。航空機データ８０６は、特定の航空機、航空機タイプ、航空機モデル等を識別することができる。空港データ８０８は、特定の空港（例えば、「ＬＡＸ」はロサンゼルス国際空港を表す）および／または空港の特徴（例えば、滑走路の長さ等）を特定することができる。排気データ８１０は、例えば、フライト識別子８０２に関連付けられたフライト中にセンサによって測定された一連の温度値を表すことができる。
このため、いくつかの実施形態は、排気温度超過予測を正確な方式で容易にする自動的で効率的な方法を提供できる。
以下は、本発明の様々な追加の実施形態を示す。これらは、全ての可能な実施形態の定義を構成するものではなく、当業者は、本発明が多くの他の実施形態に適用できることを理解するであろう。更に、以下の実施形態は、明確にするために簡単に説明されるが、当業者は、必要であれば、上記の装置および方法に対し、これらの実施形態、および他の実施形態、ならびに応用形態を受容するよう、任意の変更をどのように加えるかを理解するであろう。
本明細書において特定のハードウェアおよびデータ構成が説明されたが、本発明の実施形態によれば、任意の数の他の構成を提供することができる（例えば、本明細書に記載されるデータベースに関連付けられた情報のうちのいくつかを組み合わせる、または外部システムに記憶することができる）。例えば、いくつかの実施形態は排気温度に焦点を当てているが、本明細書に記載される実施形態のうちの任意のものを、エンジン燃料フロー等のハードウェア劣化に関係する他の主要なエンジン要因に適用することができる。
本発明は、説明するためにのみ、いくつかの実施形態の観点から記載された。当業者は、この記載から、本発明が、記載された実施形態に限定されるのではなく、添付の特許請求の範囲の趣旨および範囲によってのみ制限される変更形態および変形形態を用いて本発明を実施できることを認識するであろう。
最後に、代表的な実施態様を以下に示す。
［実施態様１］
航空機エンジンに関連付けられたシステム（１００）であって、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データを記憶する、フライト中に記録された航空機データのデータベース（１１０）と、
フライト中に記録された航空機データのデータベース（１１０）に結合された信号処理ユニット（１５０）であって、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスし、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算し、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現し、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づき、潜在的な航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算する、信号処理ユニット（１５０）と、
信号処理ユニット（１５０）に結合され、少なくとも１つの計算された条件付き確率分布（１６０）に関連付けられたインジケーションの表示（１８０）をレンダリングするための情報を送信する通信ポートと、
を備える、システム（１００）。
［実施態様２］
少なくとも１つの条件付き確率分布（１６０）は、潜在的な航空機フライト中または履歴航空機フライト中に排気温度値が最大閾値を超える確率を表す、実施態様１に記載のシステム（１００）。
［実施態様３］
確率モデル（１４０）は混合ガウスモデルを備える、実施態様２に記載のシステム（１００）。
［実施態様４］
条件付き確率分布（１６０）の計算は、（ｉ）ルールベースのモデル、（ｉｉ）物理ベースのモデル、（ｉｉｉ）データ駆動型のモデルユーザプラットフォーム（１７０）、（ｉｖ）統計モデル、（ｖ）人工知能モデル、および（ｖｉ）判定サポートツールのうちの少なくとも１つに更に関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様５］
フライト中に記録された航空機データからの基準は、（ｉ）空港単位、（ｉｉ）エンジンタイプ単位、（ｉｉｉ）エンジンモデル単位、（ｉｖ）航空機タイプ単位、および（ｖ）航空機モデル単位、のうちの少なくとも１つで更に自動的に計算される、実施態様３に記載のシステム（１００）。
［実施態様６］
少なくとも１つのエンジンパラメータは、（ｉ）エンジンデグレード情報、（ｉｉ）エンジンタイプ、および（ｉｉｉ）エンジンモデル、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様７］
少なくとも１つのフライトパラメータは、（ｉ）環境情報、（ｉｉ）風情報、（ｉｉｉ）外気温度、（ｉｖ）湿度情報、および（ｖ）粉塵情報、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様８］
少なくとも１つのフライトパラメータは、（ｉ）航空機情報、（ｉｉ）総重量情報、（ｉｉｉ）航空機重量、（ｉｖ）燃料重量、（ｖ）乗客および手荷物重量、（ｉｖ）ディレーティングされた離陸情報、（ｖｉｉ）ディレーティングされた上昇情報、（ｖｉｉｉ）航空機タイプ、および（ｉｘ）航空機モデル、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様９］
少なくとも１つのフライトパラメータは、（ｉ）空港情報、（ｉｉ）高度、（ｉｉｉ）障害物クリアランス情報、（ｉｖ）滑走路トポロジ、（ｖ）滑走路の長さ、（ｖｉ）離陸空港、および（ｖｉｉ）着陸空港、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様１０］
少なくとも１つのフライトパラメータは、（ｉ）パイロット情報、（ｉｉ）ディレーティングされた定義情報、（ｉｉｉ）会社のポリシ、（ｉｖ）空港のポリシ、（ｖ）経験量、および（ｖｉ）Ｎ１マニュアルゾーン情報、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様１１］
信号処理ユニット（１５０）は更に、
オペレータからインタラクティブグラフィカルディスプレイインタフェースを介して、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対する調節を受信し、
調節に従って確率モデル（１４０）に基づいて潜在的な航空機フライト中に特定の航空機エンジンのための少なくとも１つの条件付き確率分布を再計算し、
再計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示する、実施態様１に記載のシステム（１００）。
［実施態様１２］
信号処理ユニット（１５０）は更に、潜在的な航空機フライト中の特定の航空機エンジンのための条件付き確率分布（１６０）に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成する、実施態様１に記載のシステム（１００）。
［実施態様１３］
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスすること（Ｓ２１０）と、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算すること（Ｓ２２０）と、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現すること（Ｓ２３０）と、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトまたは履歴航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライトまたは履歴航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算すること（Ｓ２４０）と、
少なくとも１つの計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示すること（Ｓ２５０）と、
を備える、航空機エンジンに関連付けられた方法。
［実施態様１４］
少なくとも１つの条件付き確率分布（１６０）は、潜在的な航空機フライト中に排気温度値が最大閾値を超える確率を表す、実施態様１３に記載の方法。
［実施態様１５］
確率モデル（１４０）は混合ガウスモデルを含む、実施態様１４に記載の方法。
［実施態様１６］
フライト中に記録された航空機データからの基準は、（ｉ）空港単位、（ｉｉ）エンジンタイプ単位、（ｉｉｉ）エンジンモデル単位、（ｉｖ）航空機タイプ単位、および（ｖ）航空機モデル単位、のうちの少なくとも１つで更に自動的に計算される、実施態様１５に記載の方法。
［実施態様１７］
オペレータからインタラクティブグラフィカルディスプレイインタフェースを介して、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対する調節を受信することと、
調節に従って確率モデル（１４０）に基づき潜在的な航空機フライト中に特定の航空機エンジンのための条件付き確率分布（１６０）を再計算することと、
再計算された少なくとも１つの条件付き確率分布（１６０）に関連付けられたインジケーションを表示することと、
を更に含む、実施態様１３に記載の方法。
［実施態様１８］
潜在的な航空機フライト中の特定の航空機エンジンのための条件付き確率分布（１６０）に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成することを更に含む、実施態様１３に記載の方法。
［実施態様１９］
命令を記憶する非一時的コンピュータ可読媒体であって、命令は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、航空機エンジンに関連付けられた方法を実行させ、この方法は、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスすることと、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算することと、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現することと、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトまたは履歴航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライトまたは履歴航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算することと、
計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示することと、
を含む、媒体。
［実施態様２０］
少なくとも１つのエンジンパラメータは、（ｉ）エンジンデグレード情報、（ｉｉ）エンジンタイプ、および（ｉｉｉ）エンジンモデル、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２１］
少なくとも１つのフライトパラメータは、（ｉ）環境情報、（ｉｉ）風情報、（ｉｉｉ）外気温度、（ｉｖ）湿度情報、および（ｖ）粉塵情報、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２２］
少なくとも１つのフライトパラメータは、（ｉ）航空機情報、（ｉｉ）総重量情報、（ｉｉｉ）航空機重量、（ｉｖ）燃料重量、（ｖ）乗客および手荷物重量、（ｉｖ）ディレーティングされた離陸情報、（ｖｉｉ）ディレーティングされた上昇情報、（ｖｉｉｉ）航空機タイプ、および（ｉｘ）航空機モデル、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２３］
少なくとも１つのフライトパラメータは、（ｉ）空港情報、（ｉｉ）高度、（ｉｉｉ）障害物クリアランス情報、（ｉｖ）滑走路トポロジ、（ｖ）滑走路の長さ、（ｖｉ）離陸空港、および（ｖｉｉ）着陸空港、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２４］
少なくとも１つのフライトパラメータは、（ｉ）パイロット情報、（ｉｉ）ディレーティングされた定義情報、（ｉｉｉ）会社のポリシ、（ｉｖ）空港のポリシ、（ｖ）経験量、および（ｖｉ）Ｎ１マニュアルゾーン情報、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様１］
航空機エンジンに関連付けられたシステム（１００）であって、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データを記憶する、フライト中に記録された航空機データのデータベース（１１０）と、
フライト中に記録された航空機データのデータベース（１１０）に結合された信号処理ユニット（１５０）であって、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスし、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算し、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現し、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づき、潜在的な航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算する、信号処理ユニット（１５０）と、
信号処理ユニット（１５０）に結合され、少なくとも１つの計算された条件付き確率分布（１６０）に関連付けられたインジケーションの表示（１８０）をレンダリングするための情報を送信する通信ポートと、
を備える、システム（１００）。
［実施態様２］
少なくとも１つの条件付き確率分布（１６０）は、潜在的な航空機フライト中または履歴航空機フライト中に排気温度値が最大閾値を超える確率を表す、実施態様１に記載のシステム（１００）。
［実施態様３］
確率モデル（１４０）は混合ガウスモデルを備える、実施態様２に記載のシステム（１００）。
［実施態様４］
条件付き確率分布（１６０）の計算は、（ｉ）ルールベースのモデル、（ｉｉ）物理ベースのモデル、（ｉｉｉ）データ駆動型のモデルユーザプラットフォーム（１７０）、（ｉｖ）統計モデル、（ｖ）人工知能モデル、および（ｖｉ）判定サポートツールのうちの少なくとも１つに更に関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様５］
フライト中に記録された航空機データからの基準は、（ｉ）空港単位、（ｉｉ）エンジンタイプ単位、（ｉｉｉ）エンジンモデル単位、（ｉｖ）航空機タイプ単位、および（ｖ）航空機モデル単位、のうちの少なくとも１つで更に自動的に計算される、実施態様３に記載のシステム（１００）。
［実施態様６］
少なくとも１つのエンジンパラメータは、（ｉ）エンジンデグレード情報、（ｉｉ）エンジンタイプ、および（ｉｉｉ）エンジンモデル、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様７］
少なくとも１つのフライトパラメータは、（ｉ）環境情報、（ｉｉ）風情報、（ｉｉｉ）外気温度、（ｉｖ）湿度情報、および（ｖ）粉塵情報、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様８］
少なくとも１つのフライトパラメータは、（ｉ）航空機情報、（ｉｉ）総重量情報、（ｉｉｉ）航空機重量、（ｉｖ）燃料重量、（ｖ）乗客および手荷物重量、（ｉｖ）ディレーティングされた離陸情報、（ｖｉｉ）ディレーティングされた上昇情報、（ｖｉｉｉ）航空機タイプ、および（ｉｘ）航空機モデル、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様９］
少なくとも１つのフライトパラメータは、（ｉ）空港情報、（ｉｉ）高度、（ｉｉｉ）障害物クリアランス情報、（ｉｖ）滑走路トポロジ、（ｖ）滑走路の長さ、（ｖｉ）離陸空港、および（ｖｉｉ）着陸空港、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様１０］
少なくとも１つのフライトパラメータは、（ｉ）パイロット情報、（ｉｉ）ディレーティングされた定義情報、（ｉｉｉ）会社のポリシ、（ｉｖ）空港のポリシ、（ｖ）経験量、および（ｖｉ）Ｎ１マニュアルゾーン情報、のうちの少なくとも１つに関連付けられる、実施態様３に記載のシステム（１００）。
［実施態様１１］
信号処理ユニット（１５０）は更に、
オペレータからインタラクティブグラフィカルディスプレイインタフェースを介して、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対する調節を受信し、
調節に従って確率モデル（１４０）に基づいて潜在的な航空機フライト中に特定の航空機エンジンのための少なくとも１つの条件付き確率分布を再計算し、
再計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示する、実施態様１に記載のシステム（１００）。
［実施態様１２］
信号処理ユニット（１５０）は更に、潜在的な航空機フライト中の特定の航空機エンジンのための条件付き確率分布（１６０）に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成する、実施態様１に記載のシステム（１００）。
［実施態様１３］
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスすること（Ｓ２１０）と、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算すること（Ｓ２２０）と、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現すること（Ｓ２３０）と、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトまたは履歴航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライトまたは履歴航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算すること（Ｓ２４０）と、
少なくとも１つの計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示すること（Ｓ２５０）と、
を備える、航空機エンジンに関連付けられた方法。
［実施態様１４］
少なくとも１つの条件付き確率分布（１６０）は、潜在的な航空機フライト中に排気温度値が最大閾値を超える確率を表す、実施態様１３に記載の方法。
［実施態様１５］
確率モデル（１４０）は混合ガウスモデルを含む、実施態様１４に記載の方法。
［実施態様１６］
フライト中に記録された航空機データからの基準は、（ｉ）空港単位、（ｉｉ）エンジンタイプ単位、（ｉｉｉ）エンジンモデル単位、（ｉｖ）航空機タイプ単位、および（ｖ）航空機モデル単位、のうちの少なくとも１つで更に自動的に計算される、実施態様１５に記載の方法。
［実施態様１７］
オペレータからインタラクティブグラフィカルディスプレイインタフェースを介して、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対する調節を受信することと、
調節に従って確率モデル（１４０）に基づき潜在的な航空機フライト中に特定の航空機エンジンのための条件付き確率分布（１６０）を再計算することと、
再計算された少なくとも１つの条件付き確率分布（１６０）に関連付けられたインジケーションを表示することと、
を更に含む、実施態様１３に記載の方法。
［実施態様１８］
潜在的な航空機フライト中の特定の航空機エンジンのための条件付き確率分布（１６０）に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成することを更に含む、実施態様１３に記載の方法。
［実施態様１９］
命令を記憶する非一時的コンピュータ可読媒体であって、命令は、コンピュータプロセッサによって実行されると、コンピュータプロセッサに、航空機エンジンに関連付けられた方法を実行させ、この方法は、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データにアクセスすることと、
フライト中に記録された航空機データから、フライト単位で基準を自動的に計算することと、
計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現することと、
確率モデル（１４０）、特定の航空機エンジンに関連付けられたエンジンパラメータ値、および潜在的な航空機フライトまたは履歴航空機フライトに関連付けられたフライトパラメータ値に基づいて、潜在的な航空機フライトまたは履歴航空機フライト中の特定の航空機エンジンについて、少なくとも１つの条件付き確率分布（１６０）を計算することと、
計算された条件付き確率分布（１６０）に関連付けられたインジケーションを表示することと、
を含む、媒体。
［実施態様２０］
少なくとも１つのエンジンパラメータは、（ｉ）エンジンデグレード情報、（ｉｉ）エンジンタイプ、および（ｉｉｉ）エンジンモデル、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２１］
少なくとも１つのフライトパラメータは、（ｉ）環境情報、（ｉｉ）風情報、（ｉｉｉ）外気温度、（ｉｖ）湿度情報、および（ｖ）粉塵情報、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２２］
少なくとも１つのフライトパラメータは、（ｉ）航空機情報、（ｉｉ）総重量情報、（ｉｉｉ）航空機重量、（ｉｖ）燃料重量、（ｖ）乗客および手荷物重量、（ｉｖ）ディレーティングされた離陸情報、（ｖｉｉ）ディレーティングされた上昇情報、（ｖｉｉｉ）航空機タイプ、および（ｉｘ）航空機モデル、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２３］
少なくとも１つのフライトパラメータは、（ｉ）空港情報、（ｉｉ）高度、（ｉｉｉ）障害物クリアランス情報、（ｉｖ）滑走路トポロジ、（ｖ）滑走路の長さ、（ｖｉ）離陸空港、および（ｖｉｉ）着陸空港、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
［実施態様２４］
少なくとも１つのフライトパラメータは、（ｉ）パイロット情報、（ｉｉ）ディレーティングされた定義情報、（ｉｉｉ）会社のポリシ、（ｉｖ）空港のポリシ、（ｖ）経験量、および（ｖｉ）Ｎ１マニュアルゾーン情報、のうちの少なくとも１つに関連付けられる、実施態様１９に記載の媒体。
１００ システム
１１０ フライト中に記録された航空機データのデータソース
１３０ 確率モデル生成ユニット
１４０ 確率モデル実行ユニット
１５０ 確率モデルプラットフォーム
１６０ 条件付き確率分布
１７０ ユーザプラットフォーム
１８０ インタラクティブグラフィカルディスプレイインタフェース
２００ 方法
３００ 排気温度に影響を及ぼす要因、フライトパラメータ
４００ 図
４１０ データ点
４２０ 混合ガウスモデル
４３０ 離陸時の重量、破線
４４０ 条件付き確率分布
５００ システム図
５１２ フライト中に記録された航空機データ
５１４ データ前処理および基準計算
５１６ 事前計算された空港ベースのＧＭＭ
５２０ 空港ＧＭＭデータベース
５３０ 独立変数を所与として条件付き確率を計算
５４０ 独立変数を選択
５４２ ＥＧＴ制限を選択、排気温度
５５０ 条件付き確率分布
５６０ 超過確率を計算
５６２ 超過確率
６００ インタラクティブグラフィカルユーザインタフェースディスプレイ
６１０ 条件付き確率分布
６１２ 破線
６２０ ＥＧＴ推定器
７００ 確率モデルプラットフォーム
７１０ プロセッサ
７１２ プログラム
７１４ 確率モデル
７２０ 通信デバイス
７３０ 記憶素子
７４０ 入力デバイス
７５０ 出力デバイス
８００ フライト中に記録された航空機データのデータベース
８０２ フライト識別子、フィールド
８０４ エンジンデータ、フィールド
８０６ 航空機データ、フィールド
８０８ 空港データ、フィールド
８１０ 排気データ、フィールド
１１０ フライト中に記録された航空機データのデータソース
１３０ 確率モデル生成ユニット
１４０ 確率モデル実行ユニット
１５０ 確率モデルプラットフォーム
１６０ 条件付き確率分布
１７０ ユーザプラットフォーム
１８０ インタラクティブグラフィカルディスプレイインタフェース
２００ 方法
３００ 排気温度に影響を及ぼす要因、フライトパラメータ
４００ 図
４１０ データ点
４２０ 混合ガウスモデル
４３０ 離陸時の重量、破線
４４０ 条件付き確率分布
５００ システム図
５１２ フライト中に記録された航空機データ
５１４ データ前処理および基準計算
５１６ 事前計算された空港ベースのＧＭＭ
５２０ 空港ＧＭＭデータベース
５３０ 独立変数を所与として条件付き確率を計算
５４０ 独立変数を選択
５４２ ＥＧＴ制限を選択、排気温度
５５０ 条件付き確率分布
５６０ 超過確率を計算
５６２ 超過確率
６００ インタラクティブグラフィカルユーザインタフェースディスプレイ
６１０ 条件付き確率分布
６１２ 破線
６２０ ＥＧＴ推定器
７００ 確率モデルプラットフォーム
７１０ プロセッサ
７１２ プログラム
７１４ 確率モデル
７２０ 通信デバイス
７３０ 記憶素子
７４０ 入力デバイス
７５０ 出力デバイス
８００ フライト中に記録された航空機データのデータベース
８０２ フライト識別子、フィールド
８０４ エンジンデータ、フィールド
８０６ 航空機データ、フィールド
８０８ 空港データ、フィールド
８１０ 排気データ、フィールド
Claims (9)
- 航空機エンジンに関連付けられたシステム（１００）であって、
複数の航空機エンジンおよび複数の以前の航空機フライトに関連付けられた、フライト中に記録された履歴航空機データを記憶する、フライト中に記録された航空機データのデータベース（１１０）と、
前記フライト中に記録された航空機データのデータベース（１１０）に結合された信号処理ユニット（１５０）であって、
前記複数の航空機エンジンおよび前記複数の以前の航空機フライトに関連付けられた、前記フライト中に記録された履歴航空機データにアクセスし、
前記フライト中に記録された航空機データから、フライト単位で基準を自動的に計算し、
前記計算された基準に基づき、確率モデル（１４０）を利用して、複数のエンジンパラメータおよびフライトパラメータを含む関係性を捉えて表現し、
潜在的な航空機フライト中の特定の航空機エンジンについて、前記確率モデル（１４０）、前記特定の航空機エンジンに関連付けられたエンジンパラメータ値、および前記潜在的な航空機フライトに関連付けられたフライトパラメータ値に基づいて、少なくとも１つの条件付き確率分布（１６０）を計算する、信号処理ユニット（１５０）と、
前記信号処理ユニット（１５０）に結合され、前記少なくとも１つの計算された条件付き確率分布に関連付けられたインジケーションの表示（１８０）をレンダリングするための情報を送信する通信ポートと、
を備え、
前記少なくとも１つの条件付き確率分布（１６０）は、前記潜在的な航空機フライト中に排気温度値が最大閾値を超える確率を表し、
前記信号処理ユニット（１５０）は更に、前記潜在的な航空機フライト中の前記特定の航空機エンジンのための前記条件付き確率分布（１６０）に基づいて、エンジンパラメータ値およびフライトパラメータ値のうちの少なくとも１つに対し、推奨される調節を更に自動的に生成するように構成される、システム（１００）。 - 前記確率モデル（１４０）は混合ガウスモデルを備える、請求項１記載のシステム（１００）。
- 前記条件付き確率分布（１６０）の前記計算は、（ｉ）ルールベースのモデル、（ｉｉ）物理ベースのモデル、（ｉｉｉ）データ駆動型のモデルユーザプラットフォーム（１７０）、（ｉｖ）統計モデル、（ｖ）人工知能モデル、および（ｖｉ）判定サポートツールのうちの少なくとも１つに更に関連付けられる、請求項２記載のシステム（１００）。
- 前記フライト中に記録された航空機データからの基準は、（ｉ）空港単位、（ｉｉ）エンジンタイプ単位、（ｉｉｉ）エンジンモデル単位、（ｉｖ）航空機タイプ単位、および（ｖ）航空機モデル単位、のうちの少なくとも１つで更に自動的に計算される、請求項２記載のシステム（１００）。
- 少なくとも１つのエンジンパラメータは、（ｉ）エンジンデグレード情報、（ｉｉ）エンジンタイプ、および（ｉｉｉ）エンジンモデル、のうちの少なくとも１つに関連付けられる、請求項２記載のシステム（１００）。
- 少なくとも１つのフライトパラメータは、（ｉ）環境情報、（ｉｉ）風情報、（ｉｉｉ）外気温度、（ｉｖ）湿度情報、および（ｖ）粉塵情報、のうちの少なくとも１つに関連付けられる、請求項２記載のシステム（１００）。
- 少なくとも１つのフライトパラメータは、（ｉ）航空機情報、（ｉｉ）総重量情報、（ｉｉｉ）航空機重量、（ｉｖ）燃料重量、（ｖ）乗客および手荷物重量、（ｉｖ）ディレーティングされた離陸情報、（ｖｉｉ）ディレーティングされた上昇情報、（ｖｉｉｉ）航空機タイプ、および（ｉｘ）航空機モデル、のうちの少なくとも１つに関連付けられる、請求項２記載のシステム（１００）。
- 少なくとも１つのフライトパラメータは、（ｉ）空港情報、（ｉｉ）高度、（ｉｉｉ）障害物クリアランス情報、（ｉｖ）滑走路トポロジ、（ｖ）滑走路の長さ、（ｖｉ）離陸空港、および（ｖｉｉ）着陸空港、のうちの少なくとも１つに関連付けられる、請求項２記載のシステム（１００）。
- 少なくとも１つのフライトパラメータは、（ｉ）パイロット情報、（ｉｉ）ディレーティングされた定義情報、（ｉｉｉ）会社のポリシ、（ｉｖ）空港のポリシ、（ｖ）経験量、および（ｖｉ）Ｎ１マニュアルゾーン情報、のうちの少なくとも１つに関連付けられる、請求項２記載のシステム（１００）。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/066,785 | 2016-03-10 | ||
| US15/066,785 US9902506B2 (en) | 2016-03-10 | 2016-03-10 | Using aircraft data recorded during flight to predict aircraft engine behavior |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017159891A JP2017159891A (ja) | 2017-09-14 |
| JP6921549B2 true JP6921549B2 (ja) | 2021-08-18 |
Family
ID=58448274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017031628A Active JP6921549B2 (ja) | 2016-03-10 | 2017-02-23 | フライト中に記録された航空機データを用いた航空機エンジンの挙動の予測 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9902506B2 (ja) |
| EP (1) | EP3217242B1 (ja) |
| JP (1) | JP6921549B2 (ja) |
| CN (1) | CN107180461B (ja) |
| CA (1) | CA2958817C (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020037511A1 (zh) * | 2018-08-21 | 2020-02-27 | 华为技术有限公司 | 数据存储及获取方法和装置 |
| US11300069B2 (en) * | 2018-11-28 | 2022-04-12 | Honeywell International Inc. | Self-generating engine-specific health monitoring model from generic model base |
| CN114286784A (zh) | 2019-08-28 | 2022-04-05 | 株式会社电装 | 电动垂直起降机及电动垂直起降机的控制装置 |
| US11753187B2 (en) | 2020-09-01 | 2023-09-12 | Ge Aviation Systems Llc | System and method for performing enhanced maintenance of aircraft |
| CN113096101A (zh) * | 2021-04-15 | 2021-07-09 | 深圳市玻尔智造科技有限公司 | 一种图像级标签缺省的手机屏幕缺陷检测方法 |
| FR3136748A1 (fr) | 2022-06-15 | 2023-12-22 | Airbus Helicopters | Procédé de diagnostic automatique pour au moins un moteur équipant un aéronef, aéronef et ensemble mettant en œuvre le procédé |
| FR3138555B1 (fr) * | 2022-08-01 | 2024-06-28 | Safran Aircraft Engines | Procédé de détermination de la température des gaz de sortie d’un moteur et procédé de mesure de l’usure d’un moteur |
| US20240043110A1 (en) * | 2022-08-02 | 2024-02-08 | Pratt & Whitney Canada Corp. | System and method for addressing redundant sensor mismatch in an engine control system |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6173159B1 (en) * | 1999-06-25 | 2001-01-09 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system for updating flight management files |
| US6167238A (en) * | 1999-06-25 | 2000-12-26 | Harris Corporation | Wireless-based aircraft data communication system with automatic frequency control |
| US6148179A (en) * | 1999-06-25 | 2000-11-14 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system for engine event reporting |
| US6160998A (en) * | 1999-06-25 | 2000-12-12 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with approach data messaging download |
| US6167239A (en) * | 1999-06-25 | 2000-12-26 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with airborne airline packet communications |
| US6163681A (en) * | 1999-06-25 | 2000-12-19 | Harris Corporation | Wireless spread spectrum ground link-based aircraft data communication system with variable data rate |
| US6793177B2 (en) * | 2002-11-04 | 2004-09-21 | The Bonutti 2003 Trust-A | Active drag and thrust modulation system and method |
| RU2005137723A (ru) * | 2003-05-06 | 2006-04-27 | АРГО-ТЕХ Корпорейшн (US) | Устройство и способ слежения за подвижными активами |
| US6937924B1 (en) * | 2004-05-21 | 2005-08-30 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Identification of atypical flight patterns |
| US7606641B2 (en) * | 2005-08-04 | 2009-10-20 | The Boeing Company | Fuel consumption data tracking/collection and aircraft/route optimization |
| FR2897593B1 (fr) * | 2006-02-17 | 2012-09-14 | Airbus France | Procede et systeme pour predire la possibilite d'arret complet d'un aeronef sur une piste d'atterrissage. |
| GB2450241B (en) | 2007-06-12 | 2011-12-28 | Boeing Co | Systems and methods for health monitoring of complex systems |
| US8437904B2 (en) | 2007-06-12 | 2013-05-07 | The Boeing Company | Systems and methods for health monitoring of complex systems |
| US8165826B2 (en) | 2008-09-30 | 2012-04-24 | The Boeing Company | Data driven method and system for predicting operational states of mechanical systems |
| FR2939924B1 (fr) * | 2008-12-15 | 2012-10-12 | Snecma | Identification de defaillances dans un moteur d'aeronef |
| CN101592081B (zh) * | 2009-06-05 | 2011-06-15 | 中国航空动力机械研究所 | 一种燃气涡轮发电发动机 |
| US8880381B2 (en) * | 2010-10-01 | 2014-11-04 | The Boeing Company | Optimization of processor characteristics and large scale system optimization through domain decomposition |
| CN102085911A (zh) * | 2010-12-29 | 2011-06-08 | 董树功 | 新理念飞行及飞行器 |
| JP2011106467A (ja) * | 2011-02-28 | 2011-06-02 | Hitachi Ltd | ガスタービンの性能診断システムにおける表示画面の表示方法 |
| US8600917B1 (en) | 2011-04-18 | 2013-12-03 | The Boeing Company | Coupling time evolution model with empirical regression model to estimate mechanical wear |
| JPWO2013105164A1 (ja) * | 2012-01-13 | 2015-05-11 | 日本電気株式会社 | 異常信号判定装置、異常信号判定方法、および異常信号判定プログラム |
| DE102012011164B3 (de) * | 2012-06-05 | 2013-11-21 | Rheinische Fachhochschule Köln gGmbH | Einrichtung zur Rückgewinnung der Energie eines von einem Strahltriebwerk ausgestoßenen Abgasstroms mit einem als Umlenkklappe ausgebildeten Absperrorgan |
| WO2014093670A1 (en) | 2012-12-12 | 2014-06-19 | University Of North Dakota | Analyzing flight data using predictive models |
| US9310222B1 (en) * | 2014-06-16 | 2016-04-12 | Sean Patrick Suiter | Flight assistant with automatic configuration and landing site selection method and apparatus |
| US9092914B2 (en) * | 2013-06-24 | 2015-07-28 | Zf Friedrichshafen Ag | Vehicle efficiency and defect recognition based on GPS location |
| FR3011946B1 (fr) | 2013-10-11 | 2016-07-08 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
| CN103644033B (zh) * | 2013-11-28 | 2016-06-22 | 江西洪都航空工业集团有限责任公司 | 温控系统控制发动机富油状态地面起动的方法 |
| US10665114B2 (en) * | 2014-03-28 | 2020-05-26 | The Boeing Company | Aircraft fuel optimization analytics |
| CN104006902A (zh) * | 2014-06-13 | 2014-08-27 | 四川亚美动力技术有限公司 | 发动机排气温度热电偶检测电路 |
-
2016
- 2016-03-10 US US15/066,785 patent/US9902506B2/en active Active
-
2017
- 2017-02-23 CA CA2958817A patent/CA2958817C/en active Active
- 2017-02-23 JP JP2017031628A patent/JP6921549B2/ja active Active
- 2017-03-07 EP EP17159586.1A patent/EP3217242B1/en active Active
- 2017-03-10 CN CN201710142057.9A patent/CN107180461B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US9902506B2 (en) | 2018-02-27 |
| CA2958817C (en) | 2022-01-11 |
| CN107180461A (zh) | 2017-09-19 |
| JP2017159891A (ja) | 2017-09-14 |
| CN107180461B (zh) | 2021-06-15 |
| EP3217242A1 (en) | 2017-09-13 |
| US20170259944A1 (en) | 2017-09-14 |
| CA2958817A1 (en) | 2017-09-10 |
| EP3217242B1 (en) | 2021-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6921549B2 (ja) | フライト中に記録された航空機データを用いた航空機エンジンの挙動の予測 | |
| US20220027762A1 (en) | Predictive maintenance model design system | |
| CN110637213B (zh) | 用于数字路径规划的系统和方法 | |
| US10210766B2 (en) | Departure sequencing systems and methods | |
| US20180137219A1 (en) | Feature selection and feature synthesis methods for predictive modeling in a twinned physical system | |
| KR20200110400A (ko) | 학습 데이터 증강 정책 | |
| EP3043296A1 (en) | Method and system for robust network planning optimization of airline flight operations | |
| JP6192675B2 (ja) | 騒音削減制限に準拠した航空機出発プロファイル生成 | |
| JP7242508B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| Choi et al. | Artificial neural network models for airport capacity prediction | |
| US20210295397A1 (en) | Methods and systems for dynamically determining and adapting to cost impact during a flight | |
| US9310204B2 (en) | Route modeler for improving desired environmental and economic flight characteristics | |
| US20210350294A1 (en) | Operations optimization assignment control system with coupled subsystem models and digital twins | |
| JP2013507611A (ja) | プラットフォーム健全性監視システム | |
| US12025768B2 (en) | Generation of weather analytical scenarios translating likely airport capacity impact from probabilistic weather forecast | |
| US20180268090A1 (en) | Methods and systems for parametric asset performance modeling | |
| JP2020144483A (ja) | 強化学習方法、強化学習プログラム、および強化学習システム | |
| US10317870B1 (en) | Manufacturing controller for aircraft | |
| CN112948412A (zh) | 航班库存更新方法、系统、电子设备和存储介质 | |
| CN111161566A (zh) | 航班延误预警方法、系统、电子设备和介质 | |
| CN109727073B (zh) | 访问流量控制方法、系统、电子设备和存储介质 | |
| CN111145053A (zh) | 基于人工智能的企业法律顾问管理系统及方法 | |
| Morris et al. | Designing noise-minimal rotorcraft approach trajectories | |
| US20230401899A1 (en) | Component maintenance prediction system with behavior modeling | |
| EP4428786A1 (en) | Method and system for predicting a delay for a flight of an aircraft |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190402 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200220 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201215 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201221 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210317 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210628 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210728 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6921549 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |