JP6937173B2 - 航空機の重整備における構造体修理のための予測方法及びシステム - Google Patents

Description

本開示は、航空機の重整備における構造体修理のための予測方法及びシステムに関する。

航空機は、例えば機体のように、一般的に航空機の耐用年数の間持ちこたえるように設計された構造部品を含んでいる。しかしながら、部品の中には、使用によるストレスや環境に対して、予測した通りに反応しないものもあり、また、航空機が、最初に設定した耐用年数を超えて使用される場合もある。そのような場合、劣化した構造部品を修理するか、あるいは、交換のために再生産する必要があるが、もともと修理又は交換を予定していなかった構造部品の修理又は交換は、個々の航空機に大幅な稼働休止期間をもたらす。

例えば、Ｆ／Ａ−１８ホーネット機は、１９８３年に初めて運用された。３０年以上経過した現在でも、それらのＦ／Ａ−１８ホーネット機の大多数が、当初設定された耐用年数（６，０００〜８，０００時間）を超えて、なお使用されている。このような継続使用は、機体の修理及び交換を含む、点検、整備、修理に対する組織的なアプローチによっている。機体の点検、修理、及び交換は、重整備の期間中に行われる。重整備では、機体及び他の構造部品に、機械的摩耗、熱損傷、腐食、及びその他の部品疲労の兆候が無いか、点検される。重整備では、通常、いくつかの構造部品を修理又は交換することになるが、特定の航空機において、どの部品が修理又は交換が必要となるかを予測することは、現在の技術では非常に難しい。従って、Ｆ／Ａ−１８ホーネット機の一団を運用可能な状態に維持するためには、当初は修理又は交換が計画されていなかった機体その他の多数の構造部品が、次々と必要になる。また、修理又は交換が必要な部品がその時々で異なり、劣化した部品を修理、再生、及び／又は交換するのに時間がかかる。そのため、重整備によって、個々の航空機に対する予期しない稼働休止期間が生じている。

ハイブリッド特徴選択方法は、其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成する方法を含む。当該方法は、重整備での構造部品の交換を経験した第１航空機の第１フライト群中に収集されたデータから算出された、疲労関連パラメータの認定データセットを認定することを含む。第１フライト群のうちの各飛行は、重整備の前に行われたものであり、第１航空機は、飛行の各々において過大応力事象を経験している。認定することは、認定データセットを算出すること及び表示することを含む。

当該方法は、ユーザーによる、重整備での構造体修理と疲労関連パラメータとの相関関係の特定に概ね基づいた、疲労関連パラメータの認定セレクションを受信することを含む。当該方法は、重整備を経験したが構造部品の交換はなされていない第２航空機の第２フライト群中に収集されたデータから算出された、疲労関連パラメータの認定セレクションの検証データセットを、検証することを含む。第２フライト群のうちの各飛行は重整備の前に行われたものであり、第２航空機は、前記飛行のうちの各飛行中に、過大応力事象を経験している。検証することは、検証データセットを算出すること及び表示することを含む。

当該方法は、ユーザーによる、認定データセットの認定疲労関連パラメータと、検証データセットの対応する疲労関連パラメータとの相関関係（又は相関関係の欠如）の特定に概ね基づいた、１セットの検証及び認定疲労関連パラメータを受信することを含む。

当該方法は、上記一団の追加飛行中に収集されたデータから算出された、検証及び認定疲労関連パラメータのトレーニングデータセットを用いて、重整備での構造体修理の予測モデルの構築を含む。この構築は、トレーニングデータセットを算出すること、及び、トレーニングデータセットを用いて予測モデルを調整することを含む。

ハイブリッド特徴選択システムの概略図である。 航空機の一例の概略図である。 ハイブリッド特徴選択方法の概略図である。 本開示に従って選択された特徴に基づいて、予測モデルを実施する方法の概略図である。 コンピュータシステムの概略図である。

航空機は、それ自体のサブシステム及び全体の動作を監視するとともに、システム動作データを記録することができ、このようなデータは、構造部品の健全性に関連しうる。例えば、航空機は、速度、加速度、飛行時間、離陸及び着陸の回数、カタパルトの使用回数、トラップ（trap）の使用回数などを記録する。（これに加えて又はこれに代えて、このようなデータを、個々の航空機ごとに別途記録しておいてもよい）。航空機の中には、例えばＦ／Ａ−１８ホーネット機のように、航空機全体の動きや、航空機の部品及び／又はセクションにかかる応力を測定するための加速度計及び／又はひずみゲージを備えているものがある。しかしながら、総飛行時間、トラップの合計使用回数、又は、ピーク加速度のような単純な測定値によって、いつ、どの構造部品を交換すべきかを確実に予測することはできない。ここで、構造部品の交換とは、別の構造部品（概して新しいもの、もしくは再製造されたもの）の取り付け、又は、元の構造部品の修理を含む。本開示のシステム及び方法は、可能性のあるすべての測定パラメータ及び二次的な派生パラメータの中から有効なインジケータを特定するとともに、航空機の重整備での構造体修理の予測モデルを調整あるいは改良(train)し且つ実施する手法を提供する。測定パラメータ及び派生パラメータは、データ特徴又は特徴とも称される。重整備における構造体修理の予測モデルは、重整備における航空機の構造部品の修理及び／又は交換の予測モデルを含む。

航空機のような複雑なシステムでは、その動作データは、大量且つ複雑すぎるため、人間が効率的に分析することができない。また、生データをコンピュータシステム（例えば機械学習システム）による処理のスタート地点とすることは、非効率的である。データ内には、互いに相関関係の無いパラメータが大量に含まれているため、コンピュータシステムは、生データのみを与えられても、動作が非効率的及び／又は不正確になる場合がある。互いに相関関係の無いデータをできるだけ多く特定して排除するためには、ユーザーの介入が必要であろう。本開示のシステム及び方法によれば、ハイブリッドなアプローチを採用することによって、効率が改善され、特徴選択の作業が簡単になる。限られたデータセットを用いて、動作データ及び構造部品の動作の物理的予測に基づいて、潜在的なデータ特徴を認定する作業については、人間のオペレータに頼っている。オペレータによって認定されたデータ特徴を利用して、重整備での構造体修理の予測モデルを、包括的なデータセットを用いて調整することができる。このようなハイブリッドの特徴選択アプローチによって作成された予測モデルを実施することによって、構造部品のパフォーマンスを監視及び／又は評価することができ、いつ、及び／又は、どの構造部品の修理及び／又は交換が重整備で必要になるかを確実に予測することができる。

将来の構造部品の状態を正確に予測することによって、重整備に入る前に構造部品の交換を予定することができ、これによって、発生しうるダウンタイムを減らすことができる。これに加えて又はこれに代えて、構造部品の交換の必要性を、ある程度の信頼性をもって予測することができる。また、構造部品のパフォーマンスを正確に予測することよって、対象の構造部品の予想外の動作、及び、関連する部品又はサブシステムからの共鳴的な動作反応（例えば、複雑な航空機における非動作中の構造部品に応力が付加されることによるもの）を回避することができる。

図１〜図５は、航空機の重整備における構造体修理を予測するための、ハイブリッド式の特徴選択システム及び方法の様々な側面を示している。概して、これらの図面において、ある実施形態に含まれる可能性が高い要素は、実線で示しており、任意又は選択的である要素は、破線で示している。ただし、実線で示した要素が、本開示における全ての実施形態において必須であるというわけではなく、本開示の範囲から逸脱することなく、実線で示した要素を特定の実施形態から省くことも可能である。同様の目的、又は少なくとも実質的に同様の目的を果たす要素には、図中において一貫した符号を付している。各図において同様の符号、及びそれに対応する要素は、全ての図面を参照して詳しく説明しているわけではない。同様に、図面の其々において、すべての要素に符号を付している又はすべての要素を図示しているとは限らないが、これらの要素に関連付けられた参照符号を、一貫性を保つために説明に用いる場合もある。１つ又は複数の図面を参照して説明される要素、コンポーネント、及び／又は、特徴は、本開示の範囲から逸脱することなく、図面の何れにも含めること、及び／又は、利用することが可能である。

本明細書に記載したフローチャート及びブロック図は、様々な例示的な実施形態によるシステム、方法、及びコンピュータープログラム製品の可能な実施態様の構成、機能、及び動作を示すものである。この点において、フローチャート又はブロック図における各ブロックは、モジュール、セグメント、又はコードの一部を表すこともあり、これらは、特定の論理機能を実行するための１つ又は複数の実行可能な命令である。いくつかの代替の実施態様において、ブロックに記載した機能を、図示した順序とは異なる順序で実行してもよい。例えば、連続して示されている２つのブロックの機能を、その機能によっては、実質的に同時に行ってもよいし、時には逆の順序で行ってもよい。

図１に概略的に表すように、ハイブリッド特徴選択システム１０は、複数のモジュール（例えば、図５に関して説明するように、コンピュータシステムによって実行されるように構成された命令及び／又はデータ）を含む。これらのモジュール（エージェント、プログラム、プロセス、及び／又は、手順とも称される）は、認定モジュール１４、検証モジュール１６、及び、トレーニングモジュール１８を含みうる。

ハイブリッド特徴選択システム１０は、飛行データベース１２を含み、かつ／又は、利用する。当該飛行データベースは、１つ又は複数の航空機（例えば一団の航空機）の１つ又は複数の飛行からの飛行データ２４を含むものである。ハイブリッド特徴選択システム１０は、ユーザー２０と相互作用して、飛行データ２４の特徴を認定及び検証し、特定されたデータ特徴を適用して、重整備における構造体修理の予測モデルを調整する。

ハイブリッド特徴選択システム１０は、関連付けられた航空機又は一団の航空機のためのヘルスマネジメントシステム及び／又はヘルスアセスメントシステムの一部であってもよい。これに加えて又はこれに代えて、ハイブリッド特徴選択システム１０を用いて、ヘルスマネジメントシステム及び／又はヘルスアセスメントシステムのための予測モデルを構築することもできる。ヘルスマネジメントシステム及び／又はヘルスアセスメントシステムは、例えば、航空機又は一団の航空機における１つ又は複数の構造部品の使用状態（例えば予測される残りの耐用年数）を監視、評価、及び／又は示唆するように構成される。

図２の例に示すように、航空機３０は、飛行用に構成された輸送体であり、機体部品（例えば、フレーム部材、ロンジロン、ストリンガー、フォーマ（former）、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及び／又はパネル）などの構造部品４０、及び、センサー４２（加速度計及びひずみゲージなど）を含む。図２においては、いくつかの異なる種類の構造部品４０が示されている。構造部品４０は、一般的に、共通して整備、修理、及び／又は交換されるようには設計及び／又は構成されていない。構造部品４０は、動作制御の対象となるシステムではない。（ただし、構造部品４０が、動作制御されるサブシステムの一部の場合はある。）航空機３０の耐用年数にわたって、構造部品４０は、摩耗、損傷、腐食、又はその他の種類の部品疲労を経験する。図２において、センサー４２は、概して、航空機３０内に埋設されたものとして示されている。センサー４２は、航空機３０全体のグローバルパラメータを測定するように配置することができる（例えば、航空機の正味加速度、及び／又は、所定の方向における、もしくは回転軸周りの特定の加速度を測定するように構成された加速度計など）。これに加えて又はこれに代えて、センサー４２は、航空機３０に関するローカルのパラメータを測定するように配置することもできる（例えば、特定の構造体に設けられたひずみゲージや、特定箇所に設けられた温度センサーなど）。センサー４２は、１つ又は複数の構造部品４０に関するパラメータを測定するように構成することができる。ただし、センサー４２は、必ずしも、重整備での保守が必要であるとわかっている又はそのように予測される構造部品に関連するパラメータを測定するとは限らない。

一般的に、センサー４２は、航空機３０のフライト（可能性として、プリフライト、離陸、実際の飛行、着陸、及び／又は、飛行後の飛行フェーズを含む）の際にデータを収集するように構成されている。収集されたデータは、飛行データと称される。データは、環境条件（例えば、温度、圧力、湿度）、航空機動作（例えば、対気速度、加速度、高度、地上位置、迎角）、及び、航空機ストレス（例えば、加速度、局所ひずみ）の記録を含みうる。特に、１つ又は複数のセンサー４２は、過大応力事象の存在を検知するように構成されている。過大応力事象とは、動作設計限界以上の応力に航空機３０をさらす事象である。例えば、過大応力事象は、航空機３０を設計範囲外の加速度（すなわち、所定の正の加速度閾値以上の正の加速度、又は、所定の負の加速度閾値以下の負の加速度）にさらす事象である。別の例として、過大応力事象は、ハードランディング（すなわち、着陸負荷のピーク値が着陸負荷閾値より大きい、及び／又は、着陸負荷が作用する期間が閾値時間よりも長い着陸）である。航空機設計の中には、加速度限界及びハードランディングに関して、業界が定めた定義、及び／又は、製造業者が規定した定義を有するものがある。例えば、Ｆ／Ａ−１８型機は、ハードランディングレベル１、ハードランディングレベル２、航空機の正の過大応力、及び、航空機の負の過大応力の事象コードを記録しており、これらの其々が、過大応力事象を示すものである。

実施例では、構造部品４０及び航空機３０について言及しているが、本開示のシステム及び方法は、他の装置にも利用することができる。例えば、本開示のシステム及び方法は、他の輸送体及び／又は機械類にも適用可能である。従って、航空機３０ついての記載は、輸送体及び／又は機械類についての記載に置き換えることができる。例えば、「フライト」等の用語は、「移動」や「動作」などに置き換えられ、また「飛行する」は、「駆動する」、「動作する」、あるいは「走行する」などに置き換えられる。

本明細書において、「一団(fleet)」という用語は、対象の輸送体及び／又は機械類の１つ又は複数のいずれをも指すものとする。一団とは、一箇所にある、一箇所に拠点を置いている、同様の目的のために使用される、及び／又は、法人（例えば企業、軍事部隊）によって使用される、といった対象の輸送体及び／又は機械類を任意に指しうる。

一団の航空機の場合、各航空機３０は、例えば、実質的に同一で、同じ種類の構造部品４０を含みうる。ここで、同じ種類の構造部品４０とは、異なる航空機３０における同様の位置で同様の機能を担う構造部品４０のことを指す。

図１に戻って、ハイブリッド特徴選択システム１０は、飛行データベース１２内の飛行データ２４を分析するように構成及び／又はプログラムされている。飛行データベース１２は、保存された飛行データ２４の検索及び当該データへのアクセスが行えるように構成されている。飛行データ２４は、１つ又は複数の航空機の少なくとも１回の飛行中に収集されたデータであり、各飛行中における各航空機のパフォーマンスに関連するものである。飛行データ２４は、概して、航空機内のセンサー、及び／又は、航空機に関連付けられたセンサーによって測定されたデータを含む。飛行データ２４は、センサーによって記録された生データや、センサー生データから得られた加工データ（例えば、オフセット、平均、フィルター等の適用によるもの）、又は、航空機、飛行、サブシステム、センサー、あるいは対象の構造部品等に関する補足データ（ＩＤナンバー、機能状態（例えばオン／オフ）、タイムスタンプ、気象条件など）を含みうる。

飛行データ２４は、例えば、一連の複数の飛行において収集される。これらの飛行は、所定の期間内において、連続して行うものであってもよいし個別の飛行を繰り返して行うものであってもよい。構造システムを分析するための飛行データ２４は、例えば、過大応力事象のような特定の事象を航空機が経験したかどうかに従って、選択される。

飛行データベース１２内の飛行データ２４は、１つ又は複数の航空機について収集されたデータを含む。重整備を受けた航空機の場合、飛行データ２４は、例えば、重整備を受ける前及び／又は後に収集されたものである。飛行データ２４は、重整備を一度も経験していない航空機に関するデータを含んでいてもよい。

飛行データ２４の例としては、車輪にかかる重量の表示、センサー状態（例えば、正常動作中、パフォーマンス低下、反応無し）、サブシステム設定（例えば自動飛行制御、フラップ位置）、コンポーネント設定（例えば、アクチュエータのコマンド位置）、センサー値（例えば、加速度、ひずみ）、対気速度、エンジンスロットル、温度、圧力、電圧、電流、周囲温度、及び／又は、周囲圧力が挙げられる。一例として、飛行データ２４は、系統的に収集される。例えば、実質的に各飛行につき一貫して、あるいは実施的にすべての航空機において一貫して、あるいは、その他の一貫性のある基準で（例えば、定期的にもしくは所定の事象の際に）収集される。種々の異なるセンサーに関する飛行データ２４は、異なる時間に収集してもよいし、実質的に同じ時間に収集してもよい。同じセンサーに関する飛行データ２４は、一般的に時系列（例えば、周期的、準周期的、又は非周期的な系列）をなす。

ハイブリッド特徴選択システム１０を用いることにより、重整備における構造体修理に潜在的に相関する（陽性の相関性又は陰性の相関性を有する）部品パラメータを特定することができる。部品パラメータは、ある種の飛行データ２４及び／又は当該飛行データ２４から得られる派生データである。部品パラメータは、例えば、摩耗、損傷、腐食、又はその他の種類の部品疲労に直接的又は間接的に関連するものであり、従って、これを疲労関連パラメータと称することができる。部品パラメータは、１つ又は複数の特定の構造部品に関連する場合もあれば、これに加えて又はこれに代えて、航空機全体に関連する場合もある。飛行データ値とは、部品パラメータに係る測定に対応して得られる値である。例えば、部品パラメータが垂直安定板内のひずみである場合、これに対応するデータは、特定の時間、及び／又は、航空機のサブシステム内の特定の位置において測定されたひずみ値である。別の例として、部品パラメータがロール軸周りの加速度である場合、これに対応するデータは、特定の時間における航空機の加速度値である。１つ又は複数の部品パラメータに関連するデータから、特定のデータセットを作成することができる。例えば、データセットは、航空機の飛行中の一連の時刻においてひずみセンサーによって測定されたひずみ値と、当該航空機の同じ飛行中の一連の時刻において加速度計によって測定された加速度値とを含む。

部品パラメータは、１つ又は複数のセンサーからのデータに関連するものであってもよいし、これに加えて又はこれに代えて、１つ又は複数のセンサーから派生したデータに関連するものであってもよい。例えば、部品パラメータは、１つ又は複数のセンサー測定値及び／又は１つ又は複数のセンサーから派生したデータの合計、差、カウント数、及び／又は統計量（まとめて候補部品パラメータと称する）であってもよい。このような派生部品パラメータの例には、２つのセンサー値の差、所定の範囲において候補部品パラメータが測定されたときの累積時間、候補部品パラメータの累積値、候補部品パラメータの平均値、候補部品パラメータの最大値、候補部品パラメータの最小値、候補部品パラメータの分散(variance)、候補部品パラメータの移動窓平均値（moving-window average）（例えば５００秒の移動窓平均値）、候補部品パラメータの歪度、候補部品パラメータの尖度が含まれる。より具体的な例には、空力的構造体（例えば、安定板、尾部部品、翼の基端部、操縦翼面、及び／又は、スピードブレーキ）におけるひずみ、ひずみの差（例えば、前後差、左右差）、加速度（例えば、直線加速度、及び／又は、ピッチレート、ロールレート、及び／又はヨーレートのような軸周りの加速度）、及び／又は、飛行面の命令上の（及び／又は実際の）位置（例えば、フラップ、エルロン、スラット、タブ、ラダー、エレベーター、及び／又はスタビレーターの角度、スピードブレーキ及び／又はスポイラーの配置）が含まれる。

また、派生部品パラメータは、１つ又は複数の時間窓に限定及び／又は画定されたものであってもよい。この時間窓は、例えば、所定の時間窓あるいは期間であって、候補部品パラメータが所定の範囲において測定される期間である。例えば、部品パラメータは、航空機が所定限界以上又は以下の加速度を経験する際のひずみ、あるいは、連続する期間（例えば一秒毎）に測定される変化率である。また例としては、閾値ひずみ以上のひずみの期間及び／又は統計量、閾値加速度以上の加速度の期間及び／又は統計量、閾値ピッチレート以上のピッチレートの期間及び／又は統計量、閾値ロールレート以上のロールレートの期間及び／又は統計量、閾値ヨーレート以上のヨーレートの期間及び／又は統計量、及び、スピードブレーキの使用期間が挙げられる。

ハイブリッド特徴選択システム１０の認定モジュール１４は、本開示の方法に関連して詳述するように、重整備における構造部品の交換に関連しうる初期グループの部品パラメータ（疲労関連パラメータとも称される）に基づいて認定データセットを算出するとともに、認定データセットを表示するように構成及び／又はプログラムされている。また、オプションとして、認定モジュール１４は、初期グループの部品パラメータのセレクションを受信するように構成及び／又はプログラムされていてもよい。認定データセットは、過大応力事象を経験した航空機の第１フライト群(first group of flights)中に収集されたデータに基づく初期グループの部品パラメータから算出される。当該収集データは、少なくとも、航空機が重整備を経験する前のデータ、及び、重整備の結果（すなわち、どの構造部品が重整備で交換されたか）を含むものである。従って、認定データセットを利用することにより、（どの構造部品が交換を必要としたかを示す）潜在的な陽性の相関関係を特定することができる。これに加えて又はこれに代えて、後に詳述するように、認定データセットは、検証データセット内に何らかの潜在的相関関係が認められる場合、これが真の相関関係か偽の相関関係か（例えば構造部品の交換に相関しているか、あるいは、別のランダムな事象に相関しているか）の判定に利用することができる。初期グループの部品パラメータは、例えば、ユーザー２０によって選択されたものである。また、初期グループの部品パラメータは、例えば、重整備における構造部品の交換に相関する（陽性又は陰性の相関性を有する）蓋然性が高いと思われる部品パラメータである。

ユーザー２０は、例えば、表示された認定データセットを検討することにより、重整備における構造部品の交換と部品パラメータのうちの１つ又は複数との間に潜在的相関関係があることを認識することができる。実際にユーザー２０が潜在的な（陽性又は陰性の）相関関係を認識した場合には、ユーザー２０は、潜在的相関関係を示唆している部品パラメータを選択する（具体的には、部品パラメータのセレクションを、ハイブリッド特徴選択システム１０に教示する）。一方、ユーザー２０が潜在的相関関係あるいは十分な数の潜在的相関関係があると認識できなかった場合には、ユーザー２０は、潜在的相関関係及び／又は十分な数の潜在的相関関係を見出すべく、例えば、別のグループに属する部品パラメータを用いて認定モジュール１４を動作させる。潜在的相関関係に基づいてユーザー２０によって選択された部品パラメータは、重整備の結果に対して陽性の相関関係（構造部品の交換を示す）及び／又は陰性の相関関係（構造部品の交換の欠如を示す）を有する部品パラメータである。ただし、この相関関係は、真の相関関係（構造部品の交換に相関しており別のランダムな事象に相関するものではない）であるかもしれないし、偽の相関関係（ランダムな事象に相関している）であるかもしれない。いずれにせよ、潜在的な陽性の相関関係（構造部品の交換を示す）及び偽陰性の相関関係は、認定モジュール１４及び認定データセットを用いることにより、識別がより容易となる。これは、認定データセットが、重整備での構造部品の交換を経験したとわかっている航空機からのデータを含んでいるからである。

ハイブリッド特徴選択システム１０の検証モジュール１６は、本開示の方法に関連して詳述するように、（ユーザー２０から受信した）部品パラメータのセレクションに基づいて検証データセットを算出するとともに、この検証データセットを表示するように構成及び／又はプログラムされている。また、オプションとして、検証モジュール１６は、部品パラメータのセレクションを複数含む一セットを受信するように構成及び／又はプログラムされていてもよい。上記検証データセットは、第２航空機による一連の第２フライト群中に収集されたデータに基づく部品パラメータのセレクションから算出される。第２航空機は、第１航空機と同様に重整備を経験しているが、第１航空機において交換された構造部品は、第２航空機の重整備では交換されていない。上記検証データセットは、２以上のフライト群及び／又は２以上の航空機から収集されたデータに基づくパラメータのセレクションから算出してもよい。

第２フライト群の各フライトは、航空機が過大応力事象を経験したものが選択されている。従って、検証データセットを用いれば、認定データセット内に認められた潜在的な相関関係が、可能性として真のものであるか偽のものであるかを判定することができる。これに加えて又はこれに代えて、検証データセットを用いれば、潜在的な陰性の相関関係を特定することもできる。

本明細書において、「第１の」「第２の」などの序数を表す形容詞は、言及している対象物の識別子であり、時間その他の特定の順序を示すことを意図したものではない。例えば、第１航空機とは、第２航空機と区別される航空機であり、必ずしも古い方の航空機ではない。同様に、第１フライト群とは、第１航空機が文字どおり初めて飛行したフライトとは限らず、また、別の一連のフライトよりも前に行われたフライトであるとは限らない。第１フライト群は、第２フライト群の前、最中、後のいずれであってもよい。

ユーザー２０は、表示された検証データセットを検討することにより、認定データセット内において潜在的な（陽性又は陰性の）相関関係を有すると思われる部品パラメータ挙動を認識することができ、ひいては、潜在的相関関係が偽の相関関係であると示すことができる。例えば、陽性の相関関係が偽であることは、部品パラメータに関連付けられたデータが、当該部品の動作の物理的予測（例えば、推論及び／又は経験に基づき予見される挙動）に一致しないことを以って認識することができる。潜在的相関関係を有すると思われる部品パラメータ挙動をユーザー２０が認識した場合、ユーザー２０は、既にある部品パラメータのセレクションから、所定の部品パラメータの選択を解除することにより、あるいは、偽の相関関係を示唆しない部品パラメータのみを選択することによって、部品パラメータのサブセットを作成する。これに加えて又はこれに代えて、ユーザー２０は、認定データセットに基づいて部品パラメータの別のセレクションを選択し、この新たなセクションの部品パラメータに対して、認定モジュール１４及び／又は検証モジュール１６を動作させてもよい。一方、潜在的相関関係を有すると思われる部品挙動をユーザー２０が認識しなかった場合には、ユーザー２０は、認定データセットにおける潜在的相関関係を真の相関関係であるとみなしてもよい。このような部品パラメータのセレクションの全体又はそのうちのサブセット（一括してセットと称する）は、真と思われる相関関係を示すものであり、さらなる処理のためにハイブリッド特徴選択システム１０に提供される。概して、偽陽性の相関関係（重整備での構造部品の交換が実際には行われていないにもかかわらず、当該構造部品が交換されたことを示唆する）及び潜在的な陰性の相関関係は、検証モジュール１６及び検証データセットによって、比較的容易に識別される。これは、検証データセットが、重整備で構造部品を交換していない航空機からのデータを含んでいるからである。

ハイブリッド特徴選択システム１０のトレーニングモジュール１８は、本開示の方法に関連して詳述するように、（ユーザー２０から受信した）部品パラメータのセレクションのセットに基づいて、トレーニングデータセットを算出するとともに、当該トレーニングデータセットを用いて重整備での構造体修理の予測モデルを調整あるいは改良するように構成及び／又はプログラムされている。トレーニングデータセットは、少なくとも１つの既知の部品非動作（component non-performance）事象を有する複数の航空機による複数の飛行中に収集されたデータに基づく部品パラメータのセレクションのセットから算出されるものであり、この算出には、例えば、機械学習の技術が利用される。

図３は、本開示による方法９０を概略的に表している。上側のパネルは、例示的な方法のフローチャートを示している。下側のパネルは、部品パラメータと、ユーザーによるセレクションの結果とを概略的に表している。方法９０は、初期グループの部品パラメータ６０を認定(qualifying)する工程１００、認定部品パラメータ６２を検証(verifying)する工程１１０、及び、検証及び認定部品パラメータ６４に基づいて構造体修理モデルを構築(building)する工程１２０を含む。部品パラメータの認定工程１００は、認定データセットの算出１０２、及び、認定データセットの表示１０４（例えば視覚化及び／又は提示）を含む。方法９０は、部品パラメータのユーザーによるセレクションを受信する工程１０６を含み、このセレクションが、認定部品パラメータ６２と称される。認定部品パラメータ６２の検証工程１１０は、検証データセットの算出１１２、及び、検証データセットの表示１１４（例えば視覚化及び／又は提示）を含む。方法９０は、認定部品パラメータ６２のユーザー選択セット（部品パラメータのセレクション）を受信する工程１１６を含み、このユーザー選択セットが、検証及び認定部品パラメータ６４と称される。

認定工程１００は、重整備での構造体修理を経験した第１航空機による第１フライト群中に収集されたデータを用いて行われる。認定データセットは、初期グループの部品パラメータ６０に基づくものである。図３の下側のパネルにおいて、初期グループの部品パラメータ６０と、認定部品パラメータ６２と、検証及び認定部品パラメータ６４とが示されており、各パラメータは、航空機の１つ又は複数の構造部品に関し、行ごとに記載された例示的なパラメータ（すなわち疲労関連パラメータ）を円で囲んだグループとして表されている。算出１０２は、第１フライト群中に収集されたデータから、初期グループの部品パラメータ６０の認定データセットを算出することを含む。算出１０２は、認定データセットを、航空機に関連する所定の状態又は事象中に収集されたデータからの部品パラメータに限定することを含む。例えば、構造部品が第１航空機の飛行面に関連している場合、算出１０２は、認定データセットを、航空機が正常飛行状態又は異常飛行状態にある際に収集されたデータからの疲労関連パラメータに限定することを含む。正常飛行状態とは、例えば、航空機の対気速度が最小閾値（例えば８０ノット）より大きいが所定閾値（例えばマッハ１）よりは小さい場合であり、かつ／又は、加速度が最大閾値（例えば５０ｆｔ／ｓ²）より小さい場合である。

認定データセットの表示１０４は、認定データセットの時間領域グラフ(time domain graph)を作成することを含みうる。表示１０４は、ユーザーの入力に応じて行ってもよい。

検証工程１１０は、重整備で構造体修理を経験しなかった第２航空機による第２フライト群中に収集されたデータを用いて行われる。

算出１１２は、第２フライト群中に収集されたデータと、ユーザーセレクションの受信工程１０６によって受信された認定部品パラメータ（部品パラメータのセレクション）とに基づいて、検証データセットを算出することを含む。認定部品パラメータ６２は、初期グループの部品パラメータ６０のうちの少なくとも１つ又は大部分、あるいはオプションとしてすべて、を含む。第２フライト群及び検証データセットの対象構造部品は、第１フライト群及び認定データセットの対象構造部品と同じ種類又は同等の構造部品である。

部品パラメータのユーザーセレクションの受信工程１０６は、例えば、ユーザーが、認定データセット内における潜在的相関関係を特定することに基づく。任意の構成として、例えば、ユーザーが、認定データセット内に潜在的相関関係及び／又は十分な潜在的相関関係を特定しない場合、方法９０は、別のグループの最初の部品パラメータ６０を用いて認定工程１００を繰り返すことを含みうる。方法９０は、ユーザーが、認定部品パラメータ６２を選択し、受信工程１０６において認定部品パラメータ６２を提供するまで、認定工程１００を繰り返すことを含みうる。

算出１１２は、認定データセットと実質的に同じ（又は同じ）方法で、第２フライト群中に収集されたデータを処理することを含みうる。

検証データセットの表示１１４は、検証データセットの時間領域グラフを作成することを含みうる。表示１１４は、ユーザーの入力に応じて行ってもよい。

ユーザーが選択した認定部品パラメータ６２のセットを受信する工程１１６は、例えば、検証データセット及び認定データセットにおいて、ユーザーが、真と思われる陽性及び／又は陰性の相関関係を特定することに基づく。任意の構成として、例えば、ユーザーが、検証データセットにおいて、真と思われる相関関係及び／又は十分に真であると思われる相関関係を特定しなかった場合、方法９０は、別のグループの最初の部品パラメータ６０を用いて認定工程１００を繰り返すこと、及び／又は、別のグループの認定部品パラメータ６２を用いて検証１１０を繰り返すこと、を含みうる。方法９０は、ユーザーが、検証及び認定部品パラメータ６４を選択し、受信工程１１６において検証及び認定部品パラメータ６４を提供するまで、認定工程１００及び／又は検証工程１１０を繰り返すことを含みうる。

相関関係は、例えば、重整備での構造部品の構造体修理が行われたことを部品パラメータが示す陽性の相関関係、又は、重整備に構造部品の構造体修理が無かったことを部品パラメータが示す陰性の相関関係を含む。方法９０は、例えば、構造体修理に対して潜在的な陽性の相関関係を有する部品パラメータを探すこと、及び／又はユーザーが探すことを含み、これによって、予測モデルの真の陽性予測の精度を上げる（構造体修理が行われることを正確に予測する）ことができる。これに加えて又は代えて、当該方法は、例えば、構造体修理に対して潜在的な陰性の相関関係を有する部品パラメータを探すこと、及び／又はユーザーが探すことを含み、これによって、予測モデルの真の陰性予測の精度を上げる（構造体修理が行われないことを正確に予測する）ことができる。部品パラメータは、例えば、真陽性、真陰性、又は両方を示すのに有用である。方法９０は、潜在的な陽性の相関関係を特定すること、及び、真陽性の相関関係を検証することを含みうる。当該方法は、さらに、潜在的な陰性の相関関係を特定すること、及び、真陰性の相関関係を検証することを含みうる。認定工程１００（及び受信工程１０６を確実にすること）は、（概括的に述べたように）検証工程１１０（及び受信工程１１６を確実にすること）の前、後、及び／又は、部分的に同時に、行うことができる。例えば、まず検証工程１１０を行って潜在的な陰性の相関関係を特定し、次に、認定工程１００を行って、おそらくは真である陰性の相関関係を検証することもできる。

部品パフォーマンスモデルの構築工程１２０は、検証及び認定部品パラメータ６４に基づくトレーニングデータセットの算出１２２、及び、トレーニングデータセットを用いた、部品パフォーマンスのための予測モデルの調整(training)１２４を含む。

構築工程１２０は、航空機の一団に属する航空機の飛行中に収集されたデータを用いて行われる。当該飛行は、第１フライト群及び／又は第２フライト群のうちの１つ又は複数の飛行を含みうる。航空機は、第１航空機（重整備における構造部品の交換の前及び／又は後のもの）、第２航空機、及び／又は、他の航空機を含みうる。

算出１２２は、上記飛行中に収集されたデータと、受信工程１１６によって受信された検証及び認定部品パラメータ６４（部品パラメータのセレクションのセット）とに基づいて、トレーニングデータセットを算出することを含む。検証及び認定部品パラメータ６４が初期グループの部品パラメータ６０のすべてよりも少ないパラメータを含む場合、検証及び認定部品パラメータ６４は、認定部品パラメータ６２のうちの少なくとも１つ又は大部分、またオプションとしてすべて、を含む。トレーニングデータセットの対象構造部品は、認定データセット及び検証データセットの対象と同一種類又は同等の構造部品である。

算出１２２は、検証データセット及び／又は認定データセットと実質的に同じ（又は同じ）方法で、飛行中に収集されたデータを処理することを含みうる。

構築工程１２０は、例えばトレーニングデータセットに機械学習を適用することによって、トレーニングデータセットを用いて部品パフォーマンスの予測モデルを調整することを含む。これに加えて又はこれに代えて、調整１２４は、予測モデルを生成するために、トレーニングデータセットに（線形又は非線形回帰、及び／又は、パラメトリックモデリングのような）決定論的アルゴリズムを適用することを含みうる。調整済み予測モデルを、（図４を参照して後述するように）調整済みモデルと称する場合がある。

調整１２４は、教師あり機械学習及び／又は教師なし機械学習を含みうる。対応するトレーニングデータセットは、例えばトレーニング信号（ラベルとも称される）を含み、これは、１つ又は複数の飛行に関する既知の結果（例えば重整備における構造体修理の実施）を含みうる。これに加えて又はこれに代えて、調整１２４は、トレーニング信号に基づくフィードバックを含みうる。機械学習は、回帰問題（regression problems）（出力データ値が、例えば、電圧、抵抗、ひずみ、サイクル数などの数値である）、及び、分類問題（classification problems）（出力データ値が、例えば、合否、非動作事象の種類などのラベル、クラス、及び／又は、カテゴリーである）に適用することができる。両タイプの問題に対して、様々な機械学習アルゴリズムを用いることができ、新たなアルゴリズムの研究も盛んに行われている。例えば、人工ニューラルネットワーク、学習決定木（learned decision trees）、及び、サポートベクターマシン（support vector machines）は、分類問題に適用可能な異なるクラスのアルゴリズムである。

調整１２４は、例えば、１つ又は複数の候補機械学習モデル(candidate machine learning models)を特定する。調整１２４は、最も高いパフォーマンスの候補機械学習モデルを、（例えば真陽性率、真陰性率、偽陽性率、偽陰性率、及び／又は精度に基づいて）選択することを含みうる。これに加えて又はこれに代えて、調整１２４は、候補機械学習モデルの結果をメタモデルに組み込むことを含みうる。例えば、メタモデルは、個々の候補機械学習モデルの結果に重みを付けて総和をとったものである。そのようなメタモデルにおける重みは、真陽性率、真陰性率、偽陽性率、偽陰性率、及び／又は、候補モデルパフォーマンスの他の測定値に従って、付与されうる。

２クラス分類方式（例えば、バイナリ値、陽性−陰性、真−偽、ｙｅｓ−ｎｏ等）において、候補モデルパフォーマンスは、真陽性、真陰性、偽陽性、及び／又は偽陰性に関連する様々なパラメータによって特徴付けられる。真陽性は、既知の出力値が「陽性」である場合の、候補モデルからの「陽性」結果（例えば「ｙｅｓ」結果及び「ｙｅｓ」値）である。真陽性率は、感度及び／又は再現率とも称されており、真陽性の総数を「陽性」出力値の総数で割ったものである。陽性適中率は、適合率とも呼ばれており、真陽性の総数を「陽性」結果の総数で割ったものである。真陰性は、既知の出力値が「陰性」である場合の、候補モデルからの「陰性」結果である。真陰性率は、特異度とも呼ばれており、真陰性の総数を「陰性」出力値の総数で割ったものである。陰性適中率は、真陰性の総数を「陰性」結果の総数で割ったものである。偽陽性（第一種過誤とも呼ばれる）は、既知の出力値が「陰性」である場合の、候補モデルからの「陽性」結果である。偽陽性率は、フォールアウト（fall-out）とも呼ばれており、偽陽性の総数を「陰性」出力値の総数で割ったものである。偽発見率は、偽陽性の総数を「陽性」結果の総数で割ったものである。偽陰性（第二種過誤とも呼ばれる）は、既知の出力値が「陽性」である場合の、候補モデルからの「陰性」結果である。偽陰性率は、偽陰性の総数を「陽性」出力値の総数で割ったものである。偽欠落率は、偽陰性の総数を「陰性」結果の総数で割ったものである。精度とは、真陽性と真陰性との総数を母集団全体（total population）で割ったものをいう。

方法９０は、部品パフォーマンスに関する調整済み予測モデルを、航空機の一団又は同様の航空機の別の一団に実施する工程１２６を含みうる。図４に示すように、実施工程１２６は、関連付けられた一団の航空機の飛行中に収集された飛行データ２４を使用することを含み、飛行データ２４を収集することを含みうる。飛行データ２４は、飛行データベース１２又は関連付けられた一団に関連する飛行データベース内に格納する、及び／又は、当該データベースから抽出することができる。

実施工程１２６は、飛行データ２４、（調整１２４による）調整済みモデル７０、及び、検証及び認定部品パラメータ６４の少なくとも一部に基づいて、重整備の構造体修理のモデル予測を算出すること１２８（例えば分類すること）を含む。算出工程１２８は、飛行データ２４からの検証及び認定部品パラメータ６４の少なくとも一部のテストデータセットを算出することを含む。

算出工程１２８は、トレーニングデータセット、検証データセット、及び／又は認定データセットと同じ方法で、新たな飛行データ２４を処理することを含みうる。例えば、算出工程１２８は、概して、過大応力事象が発生したかどうかに基づいて飛行を選択することを含む。算出工程１２８は、概して、検証及び認定部品パラメータ６４の少なくとも一部に基づいて、飛行データ２４から特徴データを抽出することを含む。算出工程１２８は、概して、調整済みモデル７０の分類子(classifier)に基づいて、１つ又は複数の分類子（例えば、アンサンブル又は関連した分類子）を適用することを含む。算出工程１２８は、調整済みモデル７０の規定に従って、調整済みモデル７０の個々の分類子インジケータを統合することをさらに含みうる。

統合工程は、分類子インジケータの最大値、分類子インジケータの最小値、分類子インジケータの中央値、分類子インジケータの平均値、分類子インジケータのモード、分類子インジケータの最も一般的な値、分類子インジケータの累積値のうちの１つに、統合インジケータを設定する（同じ値にする）ことを含む。分類子インジケータのうちの１つ又は複数が非ブール型（例えば、確率メトリックのような実数の値）である場合、統合することは、このような非ブール型の分類子インジケータを、２つの状態のうちの１つ（例えば動作状態又は非動作状態）として分類することを含みうる。

算出工程１２８は、航空機の飛行中に収集された飛行データから特徴データを抽出することを含みうる。上述したように、飛行データ及び／又は特徴データは、航空機、選択された構造部品を含む航空機のサブシステム、及び／又は、選択された構造部品のパフォーマンスに関連しうる。抽出は、時間窓内のセンサー値の統計量、時間窓内のセンサー値の差、及び／又は、異なる場所及び／又は異なる時点に測定されたセンサー値の差、を求めることを含みうる。

実施工程１２６は、モデル予測を提示すること１３０を含みうる。モデル予測は、部品状態の分類（例えば、稼働中、良好、重整備が勧告される、重整備での構造体修理の予定、及び／又は、非稼働中）、及び／又は、推定される残りの使用期間（例えば、重整備が勧告されるまでの時間）を含む、及び／又は、それら自体である。提示工程１３０は、航空機のオペレータ又は保守スタッフに対してモデル予測を表示することを含みうる。提示工程１３０は、（プラットフォーム上又はプラットフォーム外の）関連付けられた航空機のヘルスマネジメントシステム及び／又はヘルスアセスメントシステムと統合してもよい。ヘルスマネジメントシステム及び／又はヘルスアセスメントシステムは、航空機の１つ又は複数の構造部品の動作状態を監視、評価、及び／又は示唆するように構成されうる。

実施工程１２６は、航空機の飛行中に飛行データを収集することを含みうる。収集することは、所定のフライト群についての飛行データを収集することを含みうる。実施工程１２６は、航空機を飛行させることを含みうる。航空機を飛行させることによって、収集が行われうる。飛行は、ルーティンの飛行、あるいは、航空機、選択された部品を含むサブシステム、及び／又は選択された部品に、ストレスを加えるため及び／又はこれらをテストするための飛行を含みうる。

実施工程１２６は、統合インジケータ（及び／又は統合インジケータに関連する表示）を、例えば、入出力装置２１６を用いる及び／又は操作することによって、視覚、音声、及び／又は触覚表示によって表示することを含みうる。

実施工程１２６は、統合インジケータに基づいて、選択された構造部品のパフォーマンス状態を判定することを含みうる。判定することは、重整備に構造体修理が行われそうかどうかを判定することを含みうる。判定することは、統合インジケータの状態を判定すること、及び／又は、所定の限界値に対して統合インジケータの値を評価すること（例えば、限界値より小さい、大きい、又は略同等であるなど）を含みうる。例えば、整備の必要性は、所定の限界値より高い可能性を有する差し迫った非動作状態、を示す統合インジケータに、関連付けられる。

実施工程１２６は、選択された構造部品の交換のために重整備を行うことをさらに含みうる。実施工程１２６は、動作状態を判定した際に、重整備を行うかどうかを判断すること（例えば、統合インジケータに基づいて、交換が有用である及び／又は正当であると判断すること）を、さらに含みうる。例えば、重整備を行うかどうかを判断することは、所定の限界値に対して統合インジケータの値を評価すること（例えば、限界値より小さい、大きい、及び／又は、略同等であるなど）を含みうる。

図５は、コンピュータシステム２００を、概略的に表しており、当該コンピュータシステムは、ハイブリッド特徴選択システム１０、及び、認定モジュール１４、検証モジュール１６、トレーニングモジュール１８、及び／又は飛行データベース１２のような当該システムのコンポーネントを、実施及び／又は具現化するために用いることができる。コンピュータシステム２００は、通信インフラストラクチャ２１０によってコンピュータ可読メモリ２０６に機能的に接続された処理ユニット２０２を含む。処理ユニット２０２は、１つ又は複数のコンピュータプロセッサ２０４を含んでもよいし、コンピュータプロセッサ２０４の分散グループを含んでもよい。コンピュータシステム２００は、例えば通信インフラストラクチャ２１０によって、処理ユニット２０２及び／又はコンピュータ可読メモリ２０６に機能的に接続された、コンピュータ可読記憶媒体集合体２１２も含みうる。コンピュータ可読記憶媒体集合体２１２は、１つ又は複数の非一時的なコンピュータ可読記憶媒体２１４を含んでもよいし、非一時的なコンピュータ可読記憶媒体２１４の分散グループを含んでいてもよい。

通信インフラストラクチャ２１０は、ローカルデータバス、通信インターフェイス、及び／又は、ネットワークインターフェイスを含みうる。通信インフラストラクチャ２１０は、電気信号、電磁気信号、光信号、及び／又は、音響信号などの信号を送信及び／又は受信するように構成されうる。

コンピュータシステム２００は、処理ユニット２０２、コンピュータ可読メモリ２０６、及び／又はコンピュータ可読記憶媒体集合体２１２に機能的に接続された１つ又は複数の入出力装置２１６を含みうる。入出力装置２１６は、視覚、音声、及び／又は触覚による入力及び／又は出力を行うように構成することができる。各入出力装置２１６は、独立して、入力のみ、出力のみ、主として入力、主として出力、及び／又は、入力と出力の組み合わせを行うように構成することができる。入出力装置２１６の例には、モニター（例えばビデオモニター）、ディスプレイ（例えば、英数字表示、ランプ、及び／又はＬＥＤ）、キーボード、ポインティングデバイス（例えばマウス）、タッチスクリーン、スピーカー、ブザー、及び、ウエート(weight)が含まれる。

例えば、コンピュータシステム２００は、コンピュータ、サーバー、ワークステーションなどの分散グループを含み、これらの其々が直接的又は間接的に（ネットワーク接続によるものを含め）相互接続されている。従って、コンピュータシステム２００は、互いに離れて配置された、１つ又は複数の処理ユニット２０２、コンピュータ可読メモリ２０６、コンピュータ可読記憶媒体集合体２１２、及び／又は入出力装置２１６を含みうる。

コンピュータ可読メモリ２０６及びコンピュータ可読記憶媒体集合体２１２のうちの一方又は両方は、制御ロジック２２０及び／又はデータ２２２を含む。制御ロジック２２０（ソフトウェア、ファームウェア、及び／又は、ハードウェアと称される場合もある）は、処理ユニット２０２によって実行された際に、本明細書に記載の方法のうちの１つ又は複数をコンピュータシステム２００に行わせる命令を含みうる。制御ロジック２２０は、認定モジュール１４、検証モジュール１６、トレーニングモジュール１８のうちの１つ又は複数を含みうる。データ２２２は、飛行データベース１２、及び／又は、本明細書に記載のモジュール及び／又は方法に関連付けられたデータを含みうる。

本開示に係る発明の要部の例を、以下に列記する。

Ａ１． 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成する方法であって、
前記一団に属し、重整備で構造部品の交換を経験した第１航空機について、
前記第１航空機の第１フライト群中に収集されたデータから、疲労関連パラメータの認定データセットを算出する工程を有しており、前記第１フライト群の各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群の各飛行中に、前記第１航空機は過大応力事象を経験しており、
前記認定データセットを表示する工程を有しており、
前記疲労関連パラメータのセレクションを受信する工程を有しており、
前記一団に属し、重整備を経験したが構造部品の交換はなされていない第２航空機について、
前記第２航空機の第２フライト群中に収集されたデータから、疲労関連パラメータの前記セレクションの検証データセットを算出する工程を有しており、前記第２フライト群の各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群の各飛行中に、前記第２航空機は過大応力事象を経験しており、
前記検証データセットを表示する工程を有しており、
前記疲労関連パラメータの前記セレクションのセットを受信する工程を有しており、前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータのすべてよりは少なく、
前記一団の各航空機の追加飛行中に収集されたデータから、前記疲労関連パラメータの前記セレクションの前記セットのトレーニングデータセットを算出する工程を有しており、前記各航空機は其々重整備を経験しており、前記追加飛行は、前記各航空機の前記重整備の前に行われたものであり、前記追加飛行は、前記各航空機が過大応力事象を経験した飛行であり、
前記トレーニングデータセットを用いて重整備での構造体修理の予測モデルを調整する工程を有している、方法。

Ａ２． 各航空機の前記追加飛行は、前記第１フライト群のうちの１つ又は複数の飛行、及び／又は、前記第２フライト群のうちの１つ又は複数の飛行を含む、項Ａ１に記載の方法。

Ａ３． 前記第１フライト群における前記過大応力事象、前記第２フライト群における前記過大応力事象、及び、前記追加飛行における前記過大応力事象は、ハードランディング、所定の正の加速度閾値以上の正の加速度、及び、所定の負の加速度閾値以下の負の加速度からなる群から其々個別に選択されたものである、項Ａ１〜Ａ２のいずれかに記載の方法。

Ａ４． 前記一団の航空機は、Ｆ／Ａ−１８型機であり、前記第１フライト群における前記過大応力事象、前記第２フライト群における前記過大応力事象、及び、前記追加飛行における前記過大応力事象は、ハードランディングレベル１、ハードランディングレベル２、航空機の正の過大応力、及び、航空機の負の過大応力からなる群から選択される１つ又は複数の事象コードに其々個別に対応している、項Ａ１〜Ａ３のいずれかに記載の方法。

Ａ５． 前記疲労関連パラメータは、空力的構造体におけるひずみ、ひずみの差、加速度、ピッチレート、ロールレート、ヨーレート、及び、スピードブレーキ使用事象のうちの少なくとも１つを含む、項Ａ１〜Ａ４のいずれかに記載の方法。

Ａ６． 前記疲労関連パラメータは、閾値ひずみ以上のひずみの期間、閾値加速度以上の加速度の期間、閾値ピッチレート以上のピッチレートの期間、閾値ロールレート以上のロールレートの期間、閾値ヨーレート以上のヨーレートの期間、及び、スピードブレーキの使用期間のうちの少なくとも１つを含む、項Ａ１〜Ａ５のいずれかに記載の方法。

Ａ７． 前記疲労関連パラメータは、対応する飛行中に収集された選択データの統計的測定値、及び／又は、本明細書中に列挙している他の任意の疲労関連パラメータの統計的測定値を含み、前記統計的測定値は、最大値、最小値、平均値、移動窓平均値、分散、歪度、及び、尖度のうちの少なくとも１つである、項Ａ１〜Ａ６のいずれかに記載の方法。

Ａ８． 前記疲労関連パラメータは、所定の時間窓中に収集された選択データの合計、差、カウント数、値、統計的測定値のうちの少なくとも１つを含み、オプションとして、前記時間窓は、対応する航空機の対応する前記飛行の前記過大応力事象の期間に対応している、項Ａ１〜Ａ７のいずれかに記載の方法。

Ａ９． 前記第１フライト群中に収集された前記データは、周期的、準周期的、及び／又は、非周期的に得られたものである、項Ａ１〜Ａ８のいずれかに記載の方法。

Ａ１０． 前記第２フライト群中に収集された前記データは、周期的、準周期的、及び／又は、非周期的に得られたものである、項Ａ１〜Ａ９のいずれかに記載の方法。

Ａ１１． 前記一団の各航空機の前記追加飛行中に収集された前記データは、周期的、準周期的、及び／又は、非周期的に得られたものである、項Ａ１〜Ａ１０のいずれかに記載の方法。

Ａ１２． 前記認定データセットを算出することは、前記第１航空機の前記第１フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータに、前記認定データセットを限定することを含む、項Ａ１〜Ａ１１のいずれかに記載の方法。

Ａ１３． 前記検証データセットを算出することは、前記第２航空機の前記第２フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータの前記セレクションに、前記検証データセットを限定することを含む、項Ａ１〜Ａ１２のいずれかに記載の方法。

Ａ１４． 前記トレーニングデータセットを算出することは、前記各航空機の前記追加飛行のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータの前記セレクションの前記セットに、前記トレーニングデータセットを限定することを含む、項Ａ１〜Ａ１３のいずれかに記載の方法。

Ａ１５． 前記認定データセットを表示することは、前記認定データセットを視覚化する及び／又は提示することを含み、オプションとしてこれらに限られる、項Ａ１〜Ａ１４のいずれかに記載の方法。

Ａ１６． 前記検証データセットを表示することは、前記検証データセットを視覚化する及び／又は提示することを含み、オプションとしてこれらに限られる、項Ａ１〜Ａ１５のいずれかに記載の方法。

Ａ１７． 前記認定データセットを表示することは、前記認定データセットの時間領域グラフを作成することを含む、項Ａ１〜Ａ１６のいずれかに記載の方法。

Ａ１８． 前記検証データセットを表示することは、前記検証データセットの時間領域グラフを作成することを含む、項Ａ１〜Ａ１７のいずれかに記載の方法。

Ａ１９． 前記認定データセットを表示することは、ユーザー入力に応じて表示することを含む、項Ａ１〜Ａ１８のいずれかに記載の方法。

Ａ２０． 前記検証データセットを表示することは、ユーザー入力に応じて表示することを含む、項Ａ１〜Ａ１９のいずれかに記載の方法。

Ａ２１． 前記疲労関連パラメータの前記セレクションを受信することは、ユーザーから前記セレクションを受信することである、項Ａ１〜Ａ２０のいずれかに記載の方法。

Ａ２２． 前記セレクションの前記セットを受信することは、前記ユーザーから前記セレクションの前記セットを受信することである、項Ａ１〜Ａ２１のいずれかに記載の方法。

Ａ２３． 前記疲労関連パラメータの前記セレクションは、すべての疲労関連パラメータよりは少ない、項Ａ１〜Ａ２２のいずれかに記載の方法。

Ａ２４． 前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータの前記セレクションのすべてよりは少ない、項Ａ１〜Ａ２３のいずれかに記載の方法。

Ａ２５． 前記疲労関連パラメータの前記セレクションは、ユーザーによる、前記構造部品の前記交換と前記疲労関連パラメータとの相関関係の特定に基づくセレクションである、項Ａ１〜Ａ２４のいずれかに記載の方法。

Ａ２６． 前記疲労関連パラメータの前記セレクションの前記セットは、ユーザーによる、前記認定データセットの前記疲労関連パラメータの前記セレクションと前記検証データセットの対応する前記疲労関連パラメータとの相関関係の特定に基づいて、前記セレクションから選択されたセットである、項Ａ１〜Ａ２５のいずれかに記載の方法。

Ａ２７． 前記疲労関連パラメータの前記セレクションの前記セットは、ユーザーによる、前記認定データセットの前記疲労関連パラメータの前記セレクションと前記検証データセットの対応する前記疲労関連パラメータとの相関関係の欠如の特定に基づいて、前記セレクションから選択されたセットである、項Ａ１〜Ａ２６のいずれかに記載の方法。

Ａ２８． 前記予測モデルを調整することは、前記トレーニングデータセットに機械学習を適用することを含む、項Ａ１〜Ａ２７のいずれかに記載の方法。

Ａ２９． 前記第１航空機の前記構造部品と前記第２航空機の前記構造部品とは、同じ種類の構造部品であり、フレーム部材、ロンジロン、ストリンガー、フォーマ、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及びパネルからなる群から選択される、項Ａ１〜Ａ２８のいずれかに記載の方法。

Ａ３０． 航空機の前記一団の重整備における構造体修理のために前記予測モデルを実施することをさらに含む、項Ａ１〜Ａ２９のいずれかに記載の方法。

Ａ３１． 対象航空機の対象構造部品の構造部品交換予測を、前記予測モデル、及び、前記対象航空機の飛行から収集された飛行データに基づいて算出することをさらに含み、オプションとして、前記対象航空機の前記飛行は、前記対象航空機が過大応力事象を経験した飛行である、項Ａ１〜Ａ３０のいずれかに記載の方法。

Ａ３１．１ 前記対象航空機の前記飛行を行うことによって前記飛行データを収集することをさらに含む、項Ａ３１に記載の方法。

Ａ３１．２ 前記構造部品交換予測に基づいて前記対象航空機の前記対象構造部品を交換することをさらに含む、項Ａ３１〜Ａ３１．１のいずれかに記載の方法。

Ａ３２． コンピュータ可読メモリと、
前記コンピュータ可読メモリに機能的に接続された処理ユニットと、
コンピュータ可読記憶媒体集合体と、を含み、
前記記憶媒体集合体は、前記コンピュータ可読メモリに機能的に接続されているとともに、前記処理ユニットによって実行された際に、項Ａ１〜Ａ３１．２のいずれかに記載の方法を前記システムに行わせる命令を含む、コンピュータシステム。

Ａ３３． 項Ａ１〜項Ａ３１．２のいずれかに記載の方法をコンピュータシステムに行わせるための命令を含む、非一時的なコンピュータ可読媒体。

Ｂ１． 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成するためのハイブリッド特徴選択システムであって、
前記一団の航空機の飛行中に収集されたデータの飛行データベースを具備し、
前記飛行データベースから認定データを抽出するように構成されており、且つ、前記認定データに疲労関連パラメータを適用することによって認定データセットを算出するように構成されており、且つ、前記認定データセットを表示するように構成されており、且つ、前記疲労関連パラメータのセレクションをユーザーから受信するように構成された認定モジュールを具備し、前記認定データは、前記一団に属し、重整備での前記構造部品の交換を経験した第１航空機の第１フライト群中に収集されたデータであり、前記第１フライト群のうちの各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群のうちの各飛行中に、前記第１航空機は過大応力事象を経験しており、
前記飛行データベースから検証データを抽出するように構成されており、且つ、前記検証データに前記疲労関連パラメータの前記セレクションを適用することによって検証データセットを算出するように構成されており、且つ、前記検証データセットを表示するように構成されており、且つ、前記疲労関連パラメータのすべてよりも少ない、前記疲労関連パラメータの前記セレクションのセットを、ユーザーから受信するように構成された検証モジュールを具備し、前記検証データは、前記一団に属し、前記構造部品の交換を行わない重整備を経験した第２航空機の第２フライト群中に収集されたデータであり、前記第２フライト群のうちの各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群のうちの各飛行中に、前記第２航空機は過大応力事象を経験しており、
前記飛行データベースからトレーニングデータを抽出するように構成されており、且つ、前記トレーニングデータに前記疲労関連パラメータの前記セレクションの前記セットを適用することによってトレーニングデータセットを算出するように構成されており、且つ、前記トレーニングデータセットを用いて重整備における構造体修理の予測モデルを調整するように構成されており、且つ、前記ユーザーに前記予測モデルを提供するように構成されたトレーニングモジュールを具備する、ハイブリッド特徴選択システム。

Ｂ２． 項Ａ１〜Ａ３１．２のいずれかに記載の方法を行うようにプログラムされた、項Ｂ１に記載のハイブリッド特徴選択システム。

Ｃ１． 航空機の構造部品のパフォーマンス状態を判定する方法であって、
前記航空機のフライト群を選択する工程を有しており、各飛行中に前記航空機は過大応力事象を経験しており、
前記フライト群の飛行中に収集された飛行データから特徴データを抽出する工程を有しており、前記特徴データは、前記構造部品の疲労に関連するものであり、
前記特徴データが属するカテゴリーを特定するように構成された分類子のアンサンブルを適用することによって、前記分類子のアンサンブルにおける各分類子の分類子インジケータを生成する工程を有しており、各分類子は、前記特徴データに基づいて前記航空機の前記構造部品のカテゴリーを示すように構成されており、
前記分類子インジケータを統合して、前記構造部品の統合カテゴリーを示す統合インジケータを生成する工程を有しており、
前記統合インジケータに基づいて前記構造部品の前記パフォーマンス状態を判定する工程を有する、方法。

Ｃ２． 前記飛行における過大応力事象は、ハードランディング、所定の閾値以上の正の加速度、及び、所定の閾値以下の負の加速度からなる群から選択されたものである、項Ｃ１に記載の方法。

Ｃ３． 前記航空機は、Ｆ／Ａ−１８型機であり、前記飛行における前記過大応力事象は、ハードランディングレベル１、ハードランディングレベル２、航空機の正の過大応力、及び、航空機の負の過大応力からなる群から選択される１つ又は複数の事象コードに対応する、項Ｃ１〜Ｃ２のいずれかに記載の方法。

Ｃ４． 前記特徴データは、空力的構造体におけるひずみ、ひずみの差、加速度、ピッチレート、ロールレート、ヨーレート、及び、スピードブレーキ使用事象のうちの少なくとも１つを含む、項Ｃ１〜Ｃ３のいずれかに記載の方法。

Ｃ５． 前記特徴データは、閾値ひずみ以上のひずみの期間、閾値加速度以上の加速度の期間、閾値ピッチレート以上のピッチレートの期間、閾値ロールレート以上のロールレートの期間、閾値ヨーレート以上のヨーレートの期間、及び、スピードブレーキの使用期間のうちの少なくとも１つを含む、項Ｃ１〜Ｃ４のいずれかに記載の方法。

Ｃ６． 前記特徴データは、前記フライト群のうちの１つ又は複数（任意にはすべて）の間に収集された選択飛行データ及び／又は本明細書中に列挙している他の任意の特徴データの統計的測定値を含み、前記統計的測定値は、最大値、最小値、平均値、移動窓平均値、分散、歪度、及び、尖度のうちの少なくとも１つである、項Ｃ１〜Ｃ５のいずれかに記載の方法。

Ｃ７． 前記特徴データは、所定の時間窓中に収集された選択飛行データの合計、差、カウント数、値、統計的測定値のうちの少なくとも１つを含み、オプションとして、前記時間窓は、前記フライト群の飛行のうちの１つの飛行における前記過大応力事象の期間に対応している、項Ｃ１〜Ｃ６のいずれかに記載の方法。

Ｃ８． 前記特徴データは、前記フライト群の飛行のうちの１つの飛行における前記過大応力事象の期間に限定された選択飛行データを含む、項Ｃ１〜Ｃ７のいずれかに記載の方法。

Ｃ９． 前記フライト群の飛行中に前記飛行データを収集することをさらに含む、項Ｃ１〜Ｃ８のいずれかに記載の方法。

Ｃ９．１ 前記飛行データを収集することは、前記航空機の前記飛行を行うことを含む、項Ｃ９に記載の方法。

Ｃ９．２ 前記収集することは、一種類又は複数の種類の飛行データを、周期的、準周期的、及び／又は、非周期的に得ることを含む、項Ｃ９〜Ｃ９．１のいずれかに記載の方法。

Ｃ１０． 前記航空機の前記構造部品は、フレーム部材、ロンジロン、ストリンガー、フォーマ、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及びパネルからなる群から選択される、項Ｃ１〜Ｃ９．２のいずれかに記載の方法。

Ｃ１１． 前記統合インジケータは、重整備での前記構造部品の交換の必要性の可能性を示す、項Ｃ１〜Ｃ１０のいずれかに記載の方法。

Ｃ１２． 前記パフォーマンス状態及び／又は前記統合インジケータに基づいて、前記航空機の前記構造部品を交換することをさらに含む、項Ｃ１〜Ｃ１１のいずれかに記載の方法。

Ｃ１３． 前記パフォーマンス状態は、重整備が勧告されているかどうかに関連する、項Ｃ１〜Ｃ１２のいずれかに記載の方法。

Ｃ１４． 前記パフォーマンス状態及び／又は前記統合インジケータに基づいて、前記航空機の重整備を行うことをさらに含む、項Ｃ１〜Ｃ１３のいずれかに記載の方法。

Ｃ１５． 少なくとも１つの分類子は、またオプションとして各分類子は、ナイーブベイズ分類子、サポートベクターマシン、学習決定木、学習決定木のアンサンブル、及び、ニューラルネットワークのうちの少なくとも１つによって形成される、項Ｃ１〜Ｃ１４のいずれかに記載の方法。

Ｃ１６． 少なくとも１つの分類子は、またオプションとして各分類子は、統計的相関関係及び回帰のうちの少なくとも１つを含む、項Ｃ１〜Ｃ１５のいずれかに記載の方法。

Ｃ１７． 前記統合することは、前記分類子インジケータの最大値、前記分類子インジケータの最小値、前記分類子インジケータの中央値、前記分類子インジケータの平均値、前記分類子インジケータのモード、前記分類子インジケータの最も一般的な値、及び、前記分類子インジケータの累積値のうちの１つに、前記統合インジケータを設定することを含む、項Ｃ１〜Ｃ１６のいずれかに記載の方法。

Ｃ１８． 前記統合することは、各分類子インジケータを、２つの状態のうちの１つとして分類することを含み、前記状態は、重整備勧告状態及び重整備非勧告状態を含み、前記統合することは、前記統合インジケータを、前記分類子インジケータの最も一般的な状態に設定することを含む、項Ｃ１〜Ｃ１７のいずれかに記載の方法。

本明細書において、「適合化されている」及び「構成されている」という用語は、要素、コンポーネント、又は他の要部が、所定の機能を行うように設計及び／又は意図されていることを意味する。従って、「適合化されている」及び「構成されている」という用語の使用は、ある要素、コンポーネント、又は他の要部が、単に所定の機能を行うことが「できる」ということを意味すると解釈されるべきではなく、当該要素、コンポーネント、及び／又は他の要部が、その機能を行うために、具体的に、選択、作製、実施、利用、プログラム、及び／又は設計されていることを意味すると解釈されるべきである。また、特定の機能を行うように適合化されたものとして記載された要素、コンポーネント、及び／又は他の要部が、これに加え、あるいはこれに代えて、当該機能を行うように構成されたものとして記載されること、及び、その逆も、本開示の範囲内である。同様に、特定の機能を行うように構成されたものとして記載された要部が、これに加え、あるいはこれに代えて、当該機能を行うように動作するものとして記載される場合もある。

本明細書において、「例えば」という表現、「例として」という表現、及び／又は、単に「例」という表現が、本開示による１つ又は複数のコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は、方法と共に用いられている場合、説明されているコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は方法が、本開示によるコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は方法の例示的且つ非排他的な例であるということを意図している。したがって、説明されているコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は方法は、限定的、必須、又は、排他的／包括的であることを意図したものではなく、構造的及び／又は機能的に類似及び／又は均等であるコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は方法を含む他のコンポーネント、特徴、詳細項目、構造、実施形態、及び／又は方法もまた、本開示の範囲に含まれる。

本明細書において、「少なくとも１つの」及び「１つ又は複数の」という表現が、複数の要素（entity）のリストとともに用いられる場合、当該リストにおける要素のうち任意の１つ又は複数の要素を意味しており、当該リストに明確にリストアップされた個々の要素のうちの少なくとも１つに限定されない。例えば、「Ａ及びＢのうち少なくとも１つ」（又は、同様の意味合いで、「Ａ又はＢのうち少なくとも１つ」又は、同様の意味合いで、「Ａ及び／又はＢのうち少なくとも１つ」）は、Ａのみ、Ｂのみ、又は、Ａ及びＢの組み合わせをいう場合がある。

本明細書での使用において、不定あるいは特定の対象を示す単数形の文言は、文脈によって明示的に排除されない限り、複数形の文言も含むことを意図している。

更に、本開示は、以下の付記による実施形態を含む。

付記１． 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成する方法であって、
前記一団に属し、重整備での構造部品の交換を経験した第１航空機について、
前記第１航空機の第１フライト群中に収集されたデータから、疲労関連パラメータの認定データセットを算出する工程を有しており、前記第１フライト群のうちの各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群のうちの各飛行中に、前記第１航空機は過大応力事象を経験しており、
前記認定データセットを表示する工程を有しており、
前記疲労関連パラメータのセレクションを受信する工程を有しており、
前記一団に属し、重整備を経験したが構造部品の交換はなされていない第２航空機について、
前記第２航空機の第２フライト群中に収集されたデータから、疲労関連パラメータの前記セレクションの検証データセットを算出する工程を有しており、前記第２フライト群のうちの各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群のうちの各飛行中に、前記第２航空機は過大応力事象を経験しており、
前記検証データセットを表示する工程を有しており、
前記疲労関連パラメータの前記セレクションのセットを受信する工程を有しており、前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータのすべてよりは少なく、
前記一団の各航空機の追加飛行中に収集されたデータから、前記疲労関連パラメータの前記セレクションの前記セットのトレーニングデータセットを算出する工程を有しており、前記各航空機は其々重整備を経験しており、前記追加飛行のうちの各飛行は、当該飛行を行う前記各航空機の前記重整備の前に行われたものであり、前記追加飛行のうちの各飛行は、前記各航空機が過大応力事象を経験した飛行であり、
前記トレーニングデータセットを用いて重整備の構造体修理の予測モデルを調整する工程を有している、方法。

付記２． 前記第１フライト群における前記過大応力事象、前記第２フライト群における前記過大応力事象、及び、前記追加飛行における前記過大応力事象は、ハードランディング、所定の正の加速度閾値以上の正の加速度、及び、所定の負の加速度閾値以下の負の加速度からなる群から其々個別に選択されたものである、付記１に記載の方法。

付記３． 前記疲労関連パラメータは、空力的構造体におけるひずみ、ひずみの差、加速度、ピッチレート、ロールレート、ヨーレート、及び、スピードブレーキ使用事象のうちの少なくとも１つを含む、付記１〜２のいずれかに記載の方法。

付記４． 前記第１航空機の前記構造部品と前記第２航空機の前記構造部品とは、同じ種類の構造部品であり、フレーム部材、ロンジロン、ストリンガー、フォーマ、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及びパネルからなる群から選択される、付記１〜３のいずれかに記載の方法。

付記５． 前記認定データセットを表示することは、前記認定データセットを視覚化することを含み、前記検証データセットを表示することは、前記検証データセットを視覚化することを含む、付記１〜４のいずれかに記載の方法。

付記６． 前記認定データセットを表示することは、ユーザー入力に応じて表示することを含み、前記検証データセットを表示することは、ユーザー入力に応じて表示することを含む、付記１〜５のいずれかに記載の方法。

付記７． 前記予測モデルを調整することは、前記トレーニングデータセットに機械学習を適用することを含む、付記１〜６のいずれかに記載の方法。

付記８． 前記疲労関連パラメータの前記セレクションは、すべての疲労関連パラメータより少ない、付記１〜７のいずれかに記載の方法。

付記９． 前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータの前記セレクションのすべてより少ない、付記１〜８のいずれかに記載の方法。

付記１０． 前記前記疲労関連パラメータの前記セレクションを受信することは、ユーザーによる、重整備における前記第１航空機の前記構造部品の前記交換と前記疲労関連パラメータとの相関関係の特定に基づいた、前記疲労関連パラメータの前記セレクションを、前記ユーザーから受信することを含み、前記疲労関連パラメータの前記セレクションの前記セットを受信することは、前記ユーザーによる、前記認定データセットの前記疲労関連パラメータの前記セレクションと前記検証データセットの対応する前記疲労関連パラメータとの相関関係の欠如の特定に基づいた、前記疲労関連パラメータの前記セレクションの前記セットを、前記ユーザーから受信することを含む、付記１〜９のいずれかに記載の方法。

付記１１． 前記認定データセットを算出することは、前記第１航空機の前記第１フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータに、前記認定データセットを限定することを含み、前記検証データセットを算出することは、前記第２航空機の前記第２フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータの前記セレクションに、前記検証データセットを限定することを含み、前記トレーニングデータセットを算出することは、前記各航空機の前記追加飛行のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータに、前記トレーニングデータセットを限定することを含む、付記１〜１０のいずれかに記載の方法。

付記１２． 対象航空機の飛行を行うことによって飛行データを収集することと、前記対象航空機の対象構造部品についての構造部品交換予測を、前記予測モデル及び前記対象航空機の前記飛行から収集された前記飛行データに基づいて算出することと、をさらに含む、付記１〜１１のいずれかに記載の方法。

付記１３． 前記一団の航空機の重整備による構造体修理のために前記予測モデルを実施することをさらに含む、付記１〜１２のいずれかに記載の方法。

付記１４． 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成するためのハイブリッド特徴選択システムであって、
前記一団の航空機の飛行中に収集されたデータの飛行データベースを具備しており、
前記飛行データベースから認定データを抽出するように構成されており、且つ、前記認定データに疲労関連パラメータを適用することによって認定データセットを算出するように構成されており、且つ、前記認定データセットを表示するように構成されており、且つ、前記疲労関連パラメータのセレクションをユーザーから受信するように構成された認定モジュールを具備しており、前記認定データは、前記一団に属し、重整備での前記構造部品の交換を経験した第１航空機の第１フライト群中に収集されたデータであり、前記第１フライト群のうちの各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群のうちの各飛行中に、前記第１航空機は過大応力事象を経験しており、
前記飛行データベースから検証データを抽出するように構成されており、且つ、前記検証データに前記疲労関連パラメータの前記セレクションを適用することによって検証データセットを算出するように構成されており、且つ、前記検証データセットを表示するように構成されており、且つ、前記疲労関連パラメータのすべてよりも少ない、前記疲労関連パラメータの前記セレクションのセットを、ユーザーから受信するように構成された検証モジュールを具備しており、前記検証データは、前記一団に属し、前記構造部品の交換を行わない重整備を経験した第２航空機の第２フライト群中に収集されたデータであり、前記第２フライト群のうちの各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群のうちの各飛行中に、前記第２航空機は過大応力事象を経験しており、
前記飛行データベースからトレーニングデータを抽出するように構成されており、且つ、前記トレーニングデータに前記疲労関連パラメータの前記セレクションの前記セットを適用することによってトレーニングデータセットを算出するように構成されており、且つ、前記トレーニングデータセットを用いて重整備における構造体修理の予測モデルを調整するように構成されており、且つ、前記ユーザーに前記予測モデルを提供するように構成されたトレーニングモジュールを具備している、ハイブリッド特徴選択システム。

付記１５． 航空機の構造部品のパフォーマンス状態を判定する方法であって、
前記航空機のフライト群を選択する工程を有しており、各飛行中に前記航空機は過大応力事象を経験しており、
前記フライト群の飛行中に収集された飛行データから特徴データを抽出する工程を有しており、前記特徴データは、前記構造部品の疲労に関連するものであり、
前記特徴データが属するカテゴリーを特定するように構成された分類子のアンサンブルを適用することによって、前記分類子のアンサンブルにおける各分類子の分類子インジケータを生成する工程を有しており、各分類子は、前記特徴データに基づいて前記航空機の前記構造部品のカテゴリーを示すように構成されており、
前記分類子インジケータを統合して、前記構造部品の統合カテゴリーを示す統合インジケータを生成する工程を有しており、
前記統合インジケータに基づいて前記構造部品の前記パフォーマンス状態を判定する工程を有している、方法。

付記１６． 前記飛行における過大応力事象は、ハードランディング、所定の閾値以上の正の加速度、及び、所定の閾値以下の負の加速度からなる群から選択されたものである、付記１５に記載の方法。

付記１７． 前記特徴データは、空力的構造体におけるひずみ、ひずみの差、加速度、ピッチレート、ロールレート、ヨーレート、及び、スピードブレーキ使用事象のうちの少なくとも１つを含む、付記１５〜１６のいずれかに記載の方法。

付記１８． 前記特徴データは、前記フライト群のうちの１つの飛行における前記過大応力事象の期間中に収集された選択飛行データの合計、差、カウント数、値、統計的測定値のうちの少なくとも１つを含む、付記１５〜１７のいずれかに記載の方法。

付記１９． 前記航空機の前記構造部品は、フレーム部材、ロンジロン、ストリンガー、フォーマ、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及びパネルからなる群から選択される、付記１５〜１８のいずれかに記載の方法。

付記２０． 前記パフォーマンス状態に基づいて、前記航空機の重整備を行うことをさらに含む、付記１５〜１９のいずれかに記載の方法。

本明細書に開示した、システム及び装置の種々の要素及び方法の工程が、本開示によるシステム、装置、及び方法のすべてに必要というわけではなく、本開示は、本明細書で開示した種々の要素及び工程の新規且つ非自明の組み合わせ及び部分的組み合わせをすべて含むものである。また、本明細書に開示した種々の要素及び工程の何れか、又は、種々の要素及び／又は工程の任意の組み合わせは、開示されたシステム、装置、又は方法の全体とは切り離された独立した発明の要旨を規定する場合がある。したがって、そのような発明の要旨は、本明細書に明白に開示した特定のシステム、装置、及び方法と関連付けられている必要はなく、そのような発明の要旨は、本明細書に明白に開示されていないシステム、装置、及び／又は方法に有用性を見出すかもしれない。

Claims (14)

1. 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを、認定モジュール、検証モジュールおよびトレーニングモジュールを含むコンピュータシステムを利用して生成する方法であって、
   前記一団に属し、重整備での構造部品の交換を経験した第１航空機について、
   前記第１航空機の第１フライト群中に収集されたデータから、疲労関連パラメータの認定データセットを前記認定モジュールにて算出する工程を有しており、前記第１フライト群の各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群の各飛行中に、前記第１航空機は過大応力事象を経験しており、
   前記認定データセットを前記認定モジュールにて表示する工程を有しており、
   前記疲労関連パラメータのユーザによるセレクションを前記検証モジュールにて受信する工程を有しており、
   前記一団に属し、重整備を経験したが構造部品の交換はなされていない第２航空機について、
   前記第２航空機の第２フライト群中に収集されたデータから、疲労関連パラメータの前記セレクションの検証データセットを前記検証モジュールにて算出する工程を有しており、前記第２フライト群の各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群の各飛行中に、前記第２航空機は過大応力事象を経験しており、
   前記検証データセットを前記検証モジュールにて表示する工程を有しており、
   前記疲労関連パラメータの前記セレクションのセットを前記トレーニングモジュールにて受信する工程を有しており、前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータのすべてより少なく、
   前記一団の各航空機の追加飛行中に収集されたデータから、前記疲労関連パラメータの前記セレクションの前記セットのトレーニングデータセットを前記トレーニングモジュールにて算出する工程を有しており、前記各航空機は其々重整備を経験しており、前記追加飛行は、前記各航空機の前記重整備の前に行われたものであり、前記追加飛行は、前記各航空機が過大応力事象を経験した飛行であり、
   前記トレーニングデータセットを用いて重整備での構造体修理の予測モデルを前記トレーニングモジュールにて調整する工程を有している、方法。
2. 前記第１フライト群における前記過大応力事象、前記第２フライト群における前記過大応力事象、及び、前記追加飛行における前記過大応力事象は、ハードランディング、所定の正の加速度閾値以上の正の加速度、及び、所定の負の加速度閾値以下の負の加速度からなる群から其々個別に選択されたものである、請求項１に記載の方法。
3. 前記疲労関連パラメータは、空力的構造体におけるひずみ、ひずみの差、加速度、ピッチレート、ロールレート、ヨーレート、及び、スピードブレーキ使用事象のうちの少なくとも１つを含む、請求項１又は２に記載の方法。
4. 前記第１航空機の前記構造部品と前記第２航空機の前記構造部品とは、同じ種類の構造部品であり、フレーム部材、ロンジロン、ストリンガー、フォーマ、ストラット、梁、ウェブ、支持体、リンク装置、スプライス、及びパネルからなる群から選択される、請求項１〜３のいずれかに記載の方法。
5. 前記認定データセットを表示することは、前記認定データセットを視覚化することを含み、前記検証データセットを表示することは、前記検証データセットを視覚化することを含む、請求項１〜４のいずれかに記載の方法。
6. 前記認定データセットを表示することは、ユーザー入力に応じて表示することを含み、前記検証データセットを表示することは、ユーザー入力に応じて表示することを含む、請求項１〜５のいずれかに記載の方法。
7. 前記予測モデルを調整することは、前記トレーニングデータセットに機械学習を適用することを含む、請求項１〜６のいずれかに記載の方法。
8. 前記疲労関連パラメータの前記セレクションは、すべての疲労関連パラメータより少ない、請求項１〜７のいずれかに記載の方法。
9. 前記疲労関連パラメータの前記セレクションの前記セットは、前記疲労関連パラメータの前記セレクションのすべてより少ない、請求項１〜８のいずれかに記載の方法。
10. 前記疲労関連パラメータの前記セレクションを受信することは、ユーザーによる、重整備における前記第１航空機の前記構造部品の前記交換と前記疲労関連パラメータとの相関関係の特定に基づいた、前記疲労関連パラメータの前記セレクションを、前記ユーザーから受信することを含み、前記疲労関連パラメータの前記セレクションの前記セットを受信することは、前記ユーザーによる、前記認定データセットの前記疲労関連パラメータの前記セレクションと前記検証データセットの対応する前記疲労関連パラメータとの相関関係の欠如の特定に基づいた、前記疲労関連パラメータの前記セレクションの前記セットを、前記ユーザーから受信することを含む、請求項１〜９のいずれかに記載の方法。
11. 前記認定データセットを算出することは、前記第１航空機の前記第１フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータに、前記認定データセットを限定することを含み、前記検証データセットを算出することは、前記第２航空機の前記第２フライト群のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータの前記セレクションに、前記検証データセットを限定することを含み、前記トレーニングデータセットを算出することは、前記各航空機の前記追加飛行のうちの少なくとも１つの飛行における前記過大応力事象中に収集されたデータからの前記疲労関連パラメータに、前記トレーニングデータセットを限定することを含む、請求項１〜１０のいずれかに記載の方法。
12. 対象航空機の飛行を行うことによって飛行データを収集することと、前記対象航空機の対象構造部品についての構造部品交換予測を、前記予測モデル及び前記対象航空機の前記飛行から収集された前記飛行データに基づいて算出することと、をさらに含む、請求項１〜１１のいずれかに記載の方法。
13. 前記一団の航空機の重整備での構造体修理のために前記予測モデルを実施することをさらに含む、請求項１〜１２のいずれかに記載の方法。
14. 其々が構造部品を含む一団の航空機における、重整備での構造体修理の予測モデルを生成するためのハイブリッド特徴選択システムであって、当該システムは、認定モジュール、検証モジュールおよびトレーニングモジュールを含むコンピュータシステムを利用して稼働されるとともに、
    前記一団の航空機の飛行中に収集されたデータの飛行データベースを具備しており、
    前記認証モジュールは、前記飛行データベースから認定データを抽出するように構成されており、且つ、前記認定データに疲労関連パラメータを適用することによって認定データセットを算出するように構成されており、且つ、前記認定データセットを表示するように構成されており、且つ、前記認証モジュールは、前記疲労関連パラメータのセレクションをユーザーから受信するように構成されており、前記認定データは、前記一団に属し、重整備での前記構造部品の交換を経験した第１航空機の第１フライト群中に収集されたデータであり、前記第１フライト群のうちの各飛行は、前記第１航空機の前記重整備の前に行われたものであり、前記第１フライト群のうちの各飛行中に、前記第１航空機は過大応力事象を経験しており、
    前記検証モジュールは、前記飛行データベースから検証データを抽出するように構成されており、且つ、前記検証データに前記疲労関連パラメータの前記セレクションを適用することによって検証データセットを算出するように構成されており、且つ、前記検証データセットを表示するように構成されており、且つ、前記疲労関連パラメータのすべてよりも少ない、前記疲労関連パラメータの前記セレクションのセットを、ユーザーから受信するように構成されており、前記検証データは、前記一団における、前記構造部品の交換を行わない重整備を経験した第２航空機の第２フライト群中に収集されたデータであり、前記第２フライト群の各飛行は、前記第２航空機の前記重整備の前に行われたものであり、前記第２フライト群の各飛行中に、前記第２航空機は過大応力事象を経験しており、
    前記トレーニングモジュールは、前記飛行データベースからトレーニングデータを抽出するように構成されており、且つ、前記トレーニングデータに前記疲労関連パラメータの前記セレクションの前記セットを適用することによってトレーニングデータセットを算出するように構成されており、且つ、前記トレーニングデータセットを用いて重整備での構造体修理の予測モデルを調整するように構成されており、且つ、前記ユーザーに前記予測モデルを提供するように構成されている、ハイブリッド特徴選択システム。

Images