JP7343374B2 - 航空機の保守を実行するための方法及びシステム - Google Patents

Description

本開示は、広くは、航空機の動作に関し、特に、航空機に対して保守を実行するための方法及びシステムに関する。

航空機又は飛行機は、継続的な保守を必要とし、定期的な試験を受ける。航空機の態様が保守を必要とするかどうかを判断するために、人間が航空機の物理的なチェックを行うか、又は航空機からの飛行中のセンサデータを確認して、指定された要件と比較して航空機が正常に機能しているかどうかを判断する。センサデータは、航空機のピッチ、ロール、ヨー、又は他の飛行中の特性を表すことができる。

航空機が保守を必要とするかどうかを判断するための既存の方法では、人間の検査官にとって多大な時間及び労力がかかる場合がある。更に、既存の方法は、全体として航空機の性能を評価するためにセンサデータを考慮するが、主翼、エルロン、胴体、安定板などの、航空機の特定の部分が保守を必要とするかを判断しない。そのようなシナリオでは、航空機が保守を必要とすると判断された場合でさえも、航空機の離散した部分のうちのどれが保守を必要としているかを判断するために、更なる時間及び考慮が求められる。これらの問題は、航空機の保守を実行する費用及び信頼性に影響を与える。

航空機の１以上の部分が保守を必要とするという正確な判断を提供するために、航空機の動作上異なる部分に対して異なるセンサデータを考慮する方法及び／又はシステムが必要とされている。

一実施例では、航空機の保守を実行するかどうかを判断するための方法が説明される。該方法は、ある航空機の種類の動作上異なる複数の部分が受けると予期される飛行中の力に基づいて、その航空機の種類に関連付けられた複数のセンサ及びパラメータから、その航空機の種類の複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択することを含む。該方法は、その航空機の種類の航空機から、センサ及び／又はパラメータの各グループ分けに対応する特徴データを受け取ることを更に含む。該方法は、計算システムによって、特徴データから、センサ及び／又はパラメータの複数のグループ分けに対応する所定の動作指標向けの値を特定することも含む。その場合、所定の動作指標向けの値は、航空機の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分が受ける力に対する航空機の応答を表している。該方法は、計算システムによって、所定の動作指標向けの値を、航空機の少なくとも１つの他の飛行に対応する所定の動作指標向けの値と比較することを更に含む。該方法は、計算システムによって、所定の動作指標向けの値を比較したことに基づいて、航空機の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分が受ける力に対する航空機の応答を表す、更なる動作指標の値を特定することを更にまた含む。該方法は、少なくとも更なる動作指標向けの値を使用して、機械学習モデルを訓練することも含む。該方法は、計算システムによって、機械学習モデルの出力に基づいて、その航空機又はその航空機の種類の別の航空機の複数の部分のうちの１以上に対して保守を実行するための指示命令を提供することも含む。

別の一実施例では、航空機の保守を実行するかどうかを判断するためのシステムが説明される。該システムは、プロセッサと、プロセッサによって、その航空機の種類の動作上異なる複数の部分が受けると予期される飛行中の力に基づいて、その航空機の種類に関連付けられた複数のセンサ及びパラメータから、その航空機の種類の複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択するように、実行可能な指示命令を記憶したメモリと、を有する計算デバイスを備える。該指示命令は、プロセッサによって、その航空機の種類の航空機から、センサ及び／又はパラメータの各グループ分けに対応する特徴データを受け取るようにも、実行可能である。該指示命令は、プロセッサによって、特徴データから、センサ及び／又はパラメータの複数のグループ分けに対応する所定の動作指標向けの値を特定するように、更に実行可能である。その場合、所定の動作指標向けの値は、航空機の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分が受ける力に対する航空機の応答を表している。該指示命令は、プロセッサによって、所定の動作指標向けの値を、航空機の少なくとも１つの他の飛行に対応する所定の動作指標向けの値と比較するように、更にまた実行可能である。該指示命令は、プロセッサによって、所定の動作指標向けの値を比較したことに基づいて、航空機の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分によって受ける力に対する航空機の応答を表している、更なる動作指標の値を特定するように、更に実行可能である。該指示命令は、プロセッサによって、少なくとも更なる動作指標向けの値を使用して、機械学習モデルを訓練するようにも、実行可能である。該指示命令は、プロセッサによって、機械学習モデルの出力に基づいて、その航空機又はその航空機の種類の別の航空機の複数の部分のうちの１以上に対して保守を実行するようにも、実行可能である。

別の一実施例では、非一過性のコンピュータ可読媒体が説明される。該非一過性のコンピュータ可読媒体は、内部に指示命令を記憶しており、この指示命令は、計算デバイスの１以上のプロセッサによって実行されたときに、計算デバイスに機能を実行させる。該機能は、その航空機の種類の動作上異なる複数の部分が受けると予期される飛行中の力に基づいて、その航空機の種類に関連付けられた複数のセンサ及びパラメータから、その航空機の種類の複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択することを含む。該機能は、その航空機の種類の航空機から、センサ及び／又はパラメータの各グループ分けに対応する特徴データを受け取ることも含む。該機能は、特徴データから、センサ及び／又はパラメータの複数のグループ分けに対応する所定の動作指標向けの値を特定することも含む。その場合、所定の動作指標向けの値は、航空機の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分が受ける力に対する航空機の応答を表している。該機能は、所定の動作指標向けの値を、航空機の少なくとも１つの他の飛行に対応する所定の動作指標向けの値と比較することを更にまた含む。該機能は、所定の動作指標向けの値を比較したことに基づいて、航空機の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分によって受ける力に対する航空機の応答を表している、更なる動作指標の値を特定することを更に含む。該機能は、少なくとも更なる動作指標向けの値を使用して、機械学習モデルを訓練することも含む。該機能は、機械学習モデルの出力に基づいて、その航空機又はその航空機の種類の別の航空機の複数の部分のうちの１以上に対して保守を実行するための指示命令を提供することも含む。

説明されてきた特徴、機能、及び利点は、様々な実施例において独立して実現可能であるか、又は更に他の実施例において組み合わせ可能である。実施例の更なる詳細は、下記の説明及び図面を参照することによって理解することができる。

実施例の特性と考えられる新規の特徴は、付随する特許請求の範囲に明記される。しかし、例示的な実施例、並びに好ましい使用モード、更なる目的、及びそれらの説明は、添付図面を参照して、本開示の例示的な実施例についての以下の詳細な説明を読むことにより、最もよく理解されるだろう。

例示的な一実施態様による、航空機の保守を実行するかどうかを判断するための例示的なシステムのブロック図を示す。 例示的な一実施態様による、動作上異なる部分を有する航空機の例示的な図である。 例示的な一実施態様による、航空機の一部分に関連付けられた例示的な特徴データを描く。 例示的な一実施態様による、航空機の一部分に関連付けられた例示的な所定の動作指標及び更なる動作指標を描く。 例示的な一実施態様による、航空機の一部分に関連付けられたセンサ及び／又はパラメータのグループ分けを選択するためのユーザインターフェースの例示的な図である。 例示的な一実施態様による、航空機の保守を実行するかどうかを判断するための例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図１１で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。 例示的な一実施態様による、図６で示された方法と併せて使用される別の例示的な方法のフローチャートを示す。

本明細書ではこれより、添付図面を参照しつつ開示されている例についてより網羅的に説明するが、添付図面に示しているのは開示されている例の一部であって、全てではない。実際には、幾つかの異なる実施例が提供される場合があり、これらの実施例は、本明細書に明記されている実施例に限定されると解釈すべきではない。むしろ、これらの実施例は、この開示内容が包括的で完全であるように、且つ、本開示の範囲が当業者に十分に伝わるように説明されている。

実施例の範囲内で、航空機の保守を実行するかどうかを判断するための方法及びシステムが説明される。より具体的には、航空機に対して保守を実行するかどうかを判断するために、航空機の動作上異なる部分に対して調整されたセンサ及び／又はパラメータの組を使用するシステム及び方法が説明される。より具体的には、航空機に対して保守を実行するかどうかを判断するために、センサ及び／又はパラメータのグループ分けに関連付けられた指標を使用して機械学習モデルを訓練する方法及びシステムが説明される。

例示的な方法及びシステムは、航空機のどの１以上の部分が保守を必要としているかを効率的且つ正確に判断するために、どのようにして機械学習モデルを訓練するかを調整することを含む。一実施例では、航空機の動作上異なる部分に対応する、センサ及び／又はパラメータのグループ分けが選択される。センサ及び／又はパラメータのグループ分けは、航空機のそれぞれの部分が受ける特有の力、又は航空機のそれぞれに部分によって実行される機能に対応してよい。これらのグループ分けに基づいて機械学習モデルを訓練することによって、そのモデルが、対象範囲が定められた保守出力を提供すること、及びより正確にそのような判断を行うことを可能にし得る。

例示的な方法及びシステムは、それぞれのグループ分けに対応する特徴データを受け取ることを含む。一実施例では、所定の動作指標向けの値が、センサデータから特定される。所定の動作指標は、特定の飛行中に航空機の１以上の部分の性能のレベルに対応すると判断された特定のデータポイントを含んでよい。所定の動作指標向けの値は、更なる動作指標を特定するために、以前の飛行からの値と比較されてよい。更なる動作指標は、複数の飛行の間で比較された値の最大値、最小値、及び平均値を含んでよい。これらの値は、機械学習モデルを訓練するために使用されてよい。受け取られた特徴データからの値のサブセットを使用することによって、機械学習モデルは、通常必要とされ得るよりも少ない計算能力を使用して、もしあるとすれば、航空機のどの部分が保守を必要としているかを特定することができる。更に、同じ航空機の複数の飛行中にその航空機のそれぞれの部分が受ける力に対する航空機の応答を表している、更なる動作指標を使用して、機械学習モデルが、より正確な可能性が高い出力であって、航空機の特有の動作上の特質に対して調整された出力を生成することができる。

本明細書で説明される実施例は、航空機向けである。しかし、方法及びシステムは、他の輸送体の保守の必要性を判断する助けとなるように、他の輸送体向けに使用されてもよい。

本開示の実施態様は、航空機保守システムに特有の技術的な改善、例えば、所与の航空機に対して保守を実行するかどうかを判断することに関するものを提供する。航空機が保守を必要とする時を効率的且つ継続的に特定することなどの、航空機の保守特有の技術的な問題は、本開示の実施態様によって全体的に又は部分的に解決され得る。例えば、本開示の実施態様は、所与の航空機から受け取ったデータの全体よりもむしろ、所定の動作指標及び更なる動作指標に関連付けられた値を使用して、機械学習モデルを訓練することによって、機械学習モデルを訓練するために必要とされるデータの量を低減させる。更に、ある航空機の種類の動作上異なる部分に従って、センサ及び／又はパラメータをグループ分けすることによって、本開示の実施態様は、航空機の保守の必要性の柔軟であり且つ対象範囲が定められた判断を可能にする。更に、センサ及び／又はパラメータをグループ分けすることは、航空機と機械学習モデルに関連付けられた計算システムとの間で移動されるデータの量を低減させることができ、したがって、モデルを訓練することにおける時間を低減させ、効率を高めることができる。したがって、本開示の実施態様は、機械学習モデルを訓練することにおいてどのデータが使用されるかを選択的に判断することによって、航空機が保守されるやり方における新しく効率的な改善を導入することができる。

次に、図面を参照すると、図１は、例示的な一実施態様による、航空機の保守を実行するかどうかを判断するためのシステム１００の一実施例のブロック図を示している。描かれている実施例では、システム１００が、計算デバイス１０２、航空機１１０、航空機１１２、及び航空機１１４を含む複数の航空機（システム１００内に、より多くの又はより少ない航空機が含まれてもよい）、データベース１１６、機械学習モデルサーバ１１８、並びに航空機保守コントローラ１２０を含む。

システム１００は、計算デバイス１０２などの１以上の計算デバイスを含む計算システムであってよい。実施例では、計算デバイス１０２が、ユーザインターフェース１０４、（１以上の）プロセッサ１０６、及びメモリ１０８を含む。

ユーザインターフェース１０４は、マウスやキーボード、タッチスクリーン、若しくは他の双方向インターフェースなどの、物理的インターフェース、ウェブブラウザ、アプリケーションインターフェース、仮想マシンインターフェースなどの、仮想インターフェース、又は、人間のユーザから入力を受け取り、その入力をプロセッサに送信するように構成された任意の他の装置を含む。

メモリ１０８は、（１以上の）プロセッサ１０６によって読まれ又はアクセスされ得る、１以上のコンピュータ可読記憶媒体を含み又はその形態を採り得る。コンピュータ可読記憶媒体は、（１以上の）プロセッサ１０６と全体的又は部分的に統合され得る、光、磁気、有機、又は他のメモリ若しくはディスクストレージなどの、揮発性及び／又は不揮発性の記憶構成要素を含み得る。メモリ１０８は、非一過性のコンピュータ可読媒体であると考えられる。ある実施例では、メモリ１０８が、単一の物理デバイス（例えば、１つの光学メモリ、磁気メモリ、有機メモリ、若しくはその他のメモリ、又はディスク記憶装置）を使用して実装され得るが、他の実施例では、メモリ１０８が、２つ以上の物理デバイスを使用して実装されてよい。したがって、メモリ１０８は、非一過性のコンピュータ可読記憶媒体であり、その中に実行可能な指示命令が記憶されている。指示命令は、コンピュータ実行可能コードを含む。

（１以上の）プロセッサ１０６は、汎用プロセッサ又は特殊用途プロセッサ（例えば、デジタル信号プロセッサ、特定用途向け集積回路など）であってよい。（１以上の）プロセッサ１０６は、航空機１１０、１１２、１１４、又は複数の航空機のうちの他の航空機のうちの１以上から入力を受け取り、その入力を処理して、メモリ１０８内に記憶される特徴データを生成するように構成されている。ある実施例では、（１以上の）プロセッサ１０６によって航空機からの入力を処理することが、各航空機から生データを受け取ること及びそのデータに対応する値を割り当てること、受け取られたときにデータにタイムスタンプを割り当てること、並びに／又は受け取った生データをメモリ１０８の特定の部分に送ることを含んでよい。（１以上の）プロセッサ１０６は、メモリ１０８内に記憶され、本明細書で説明される計算デバイス１０２並びに関連システム及び方法の機能性を提供するように実行可能である、実行可能な指示命令（例えば、コンピュータ可読プログラム指示命令）を実行するように構成されてよい。

実施例では、複数の航空機が、１以上の航空機の種類を含んでよい。各航空機の種類は、航空機の固有のメーカー及びモデルであってよい。計算デバイス１０２は、ユーザインターフェース１０４を経由して、航空機の種類を選択し、航空機の動作上異なる部分に対応するセンサ及び／又はパラメータのグループ分けを選択するための、オプションを提供することができる。例えば、センサ及び／又はパラメータのグループ分けは、以下で更に説明されるように、航空機の操縦室、胴体、主翼、ナセル、エルロン、フラップ、スラット、ウィングレット、安定板、エレベータ、ランナー、若しくは他の任意選択的な動作上異なる部分が受ける力、又はそれらによって実行される機能に関連付けられてよい。

ある実施例では、計算デバイス１０２が、所与の航空機の種類に関連付けられた概略図、設計書、回路図などに基づいて、センサ及び／又はパラメータのグループ分けを自動的に選択する。そのような情報は、メモリ１０８内に記憶されてよい。そのような実施例では、計算デバイス１０２が、ユーザインターフェース１０４を経由して航空機の種類の表示を受け取り、どのセンサ及び／又はパラメータが、その航空機の種類の部分の所定のリスト内の航空機の各部分に関連付けられるかを判断するために、メモリ１０８に記憶された指示命令を実行する。計算デバイス１０２は、ユーザインターフェース１０４を経由して、これらのグループ分けをユーザへの示唆として提示するか、又はそれらのグループ分けを自動的に選択する。

センサ及び／又はパラメータのグループ分けが選択されると、計算デバイス１０２は、１以上の飛行にわたり複数の航空機から特徴データを受け取ってよい。特徴データは、選択されたグループ分け内のセンサ及び／又はパラメータに対応する、飛行中の航空機によって記録されたデータのサブセットであってよい。ある実施例では、特徴データを受け取ることが、指示なしで行われる。すなわち、各航空機は、各飛行の終わりにおいて、おそらくプロキシサーバ又は他の別の計算デバイスを介して、計算デバイス１０２にデータを自動的に送る。次いで、計算デバイス１０２は、航空機から受け取ったデータから特徴データを特定することができる。さもなければ、計算デバイス１０２は、予定された飛行の終了時において所与の航空機に、センサ及び／又はパラメータのグループ分けに対応する特定のデータについて問い合わせ、それに応答して航空機から特徴データを受け取ってよい。

特徴データを受け取るや否や、計算デバイス１０２は、航空機識別子、飛行識別子、及びデータベース１１６内のどこでどのようにデータが記憶されるかを制御する指示命令と共に、データの一部又は全部をデータベース１１６に送る。ある実施例では、計算デバイス１０２が、同じ航空機の以前の飛行から、及び／又は、その航空機と同じ航空機の種類の航空機から、計算デバイス１０２へ類似の値を送るための指示命令と共に、所定の動作指標向けの値を含む特徴データのサブセットをデータベース１１６に送るのみかもしれない。所定の動作指標を特定するためのプロセスが、以下で更に詳細に説明される。

計算デバイス１０２は、以前の飛行からの所定の動作指標向けの値を、所与の航空機の直近の飛行において所与の航空機から受け取ったものと比較する。これらの値を比較したことに基づいて、計算デバイス１０２は、複数の飛行中に受けた力に対する航空機の応答を表している更なる動作指標向けの値を特定する。例えば、複数の飛行からの所定の動作指標向けの値を比較したことに基づいて、計算デバイス１０２は、所定の動作指標の全体の最小値、最大値、及び平均値を特定する。

計算デバイス１０２は、機械学習モデルを訓練するために、更なる動作指標向けの値を使用する。機械学習モデルは、ランダムフォレストモデル、サポートベクターマシン（SVM）、ニューラルネットワーク、又は機械学習を使用する任意の他の種類のアルゴリズムであってよい。機械学習は、広くは、統計手法を使用して、データセットの分類におけるタスクパフォーマンスを自動的に改善するための、コンピュータに支援された入力の処理に関する。機械学習は、監視された学習を含む。その場合、サンプルの履歴データは、適切な分類のラベルが付けられる。この場合、監視されたアルゴリズムは、対応するラベルによってデータを分離する方程式を数学的に最適化する。対照的に、モデルを訓練するときに所望の出力が提供されない監視されない訓練は、監視された訓練向けのデータを準備するという究極の目的で、様々なクラスタリング技法を通じて仮説ラベルを特定するために使用されてよい。機械学習されたモデルは、機械学習モデルサーバ１１８内に記憶される。実施例では、計算デバイス１０２が、更なる動作指標向けの新たに生成されたデータから成る値を、機械学習モデルサーバ１１８に記憶された１以上の機械学習モデルへの入力として提供する。機械学習モデルサーバ１１８は、１以上の機械学習モデルを実行するように構成された、複数の計算デバイス、プロセッサ、及び／又はサーバのクラスタであってよい。

訓練された後で、機械学習モデルは、試験中の航空機の動作上異なる部分の性能を評価するために実行されてよい。計算デバイス１０２は、飛行中の航空機によって記録されたデータを含み得る、所与の航空機からの試験データを提供する。例えば、計算デバイス１０２は、機械学習モデルを訓練するために使用されたものと類似のデータを提供する。機械学習モデルは、試験データを受け取ったことに基づいて、出力を提供するように実行されてよい。計算デバイス１０２は、機械学習モデルから出力を受け取る。機械学習モデルの出力は、航空機の一部分が保守を必要とする又は保守を必要としないというバイナリ表示であってよい。バイナリ表示に基づいて、計算デバイス１０２は、航空機保守コントローラ１２０に、航空機の所与の部分が保守されることを実行又はスケジューリングさせる指示命令を提供する。例えば、航空機保守コントローラ１２０は、航空機の保守及び保管をスケジューリングする遠隔保守施設の管理システムであってよく、航空機保守施設に関連付けられたサーバを含んでよい。

他の実施例では、機械学習モデルから受け取った出力が、それに対して入力が機械学習モデルに提供されたところの航空機の各部分に対する性能評価を含む。性能評価は、機械学習モデルに対する入力が、その入力に対して予期される又は所望の値にどれだけ一致するかを示している。計算デバイス１０２は、受け取られた航空機の性能評価を性能評価閾値と比較することによって、航空機の所与の部分に対して保守を実行するかどうかを判断することができる。閾値は、更なる動作指標が、それらの指標に対して予期される値にどれだけ一致するかを示す百分率を示している。予期される値は、シミュレートされた飛行データに、１以上の保守される航空機から受け取ったデータに、又は機械学習モデルによって生成された出力に基づいてよい。

実施例では、計算デバイス１０２が、ランダムフォレストモデル、SVM、及びニューラルネットワークなどの、複数の機械学習モデルに対して同じ又は類似の指標を提供し、それぞれから出力を受け取る。このやり方では、計算デバイス１０２が、機械学習モデルからの複数の出力を受け取る。それらの出力のそれぞれは、保守が実行されるべきかどうかを示している。複数の機械学習モデルから出力を受け取ることは、有利なことに、保守を実行するという判断の冗長性及び確実性を高め得る。

図２は、動作上異なる部分を有する航空機２００の例示的な図である。描かれている実施例では、航空機２００が、少なくとも、前方胴体２０２、中央胴体２０４、主翼２０６、エルロン／フラップ２０８、後方胴体２１０、垂直安定板２１２、及び水平安定板２１４を含む。航空機２００は、特定の航空機の種類のものであってよく、それぞれの動作上異なる部分に関連付けられた航空機２００のセンサ及び／又はパラメータを示す、概略図、設計書、回路図などに関連付けられてよい。更に、それぞれの動作上異なる部分が受ける力、及び各部分によって実行される機能を示す、試験データ又はシミュレーションデータが、利用可能であってよい。航空機２００の所与の部分に対応するセンサ及び／又はパラメータのグループ分けを選択することは、所与の部分が受ける力及び／又は所与の部分によって実行される機能を特定すること、並びに力及び／又は機能性に関連するセンサ及び／又はパラメータを特定することを含んでよい。

更なる図面に関連して説明される一実施例によれば、後方胴体２１０は、それに対してセンサ及び／又はパラメータのグループ分けが選択されるところの航空機２００の動作上異なる部分であってよい。後方胴体２１０は、それぞれ、エルロン位置とエレベータ位置の変化に応答して、航空機２００の飛行の全体を通して捩じりモーメントと曲げモーメントを受けると判断されてよい。例えば、そのような力は、航空機２００のシミュレーション及び／又は設計試験中に測定されてよい。エルロン及びエレベータの位置並びに可能性としては他の力及び／又はパラメータと併せて、航空機２００のロール、ピッチ、及びヨーデータは、後方胴体２１０が飛行中に受ける力にどのように応答するかを示してよい。したがって、加速度計及びジャイロスコープセンサ（例えば、慣性測定装置（IMU））、左及び右のエルロン位置、エレベータ位置、並びに航空機コントローラからの関連する制御信号は、航空機２００の後方胴体２１０部分に対応するセンサ及びパラメータのグループ分けとして選択されてよい。より多くの又はより少ないセンサ及び／又はパラメータが、選択されてよい。

センサ及び／又はパラメータのグループ分けは、航空機２００の他の描かれている部分の一部又は全部向けに選択されてよい。センサ及び／又はパラメータのグループを選択するための実施形態の更なる説明が、以下で記述される。

図３は、例示的な一実施態様による、航空機の一部分に関連付けられた特徴データ３００の一実施例を描いている。描かれている実施例は、図２で描かれた後方胴体２１０に関連付けられた特徴データのサブセットを含む。特に、描かれている特徴データは、「航空機番号＃10001」に対応する、航空機２００の第１の飛行「001」及び航空機２００の第２の飛行「002」中の左エルロン位置及び右エルロン位置を示している。上述されたように、そのようなデータは、飛行中に航空機２００によって記録されてよく、飛行の完了後に計算デバイス１０２などの計算デバイスに送信されてよい。図３で示されているように、特徴データは、航空機２００のまた更なる飛行からのデータ、又は同じ航空機の種類の他の航空機からのデータを含む。

後方胴体２１０に関連付けられたデータがタイムスタンプされたので、そのデータは、各飛行中に特定された他のデータに対して評価されてよい。例えば、エルロン位置を変化させるためのタイプスタンプが、航空機２００の対応する制御信号及び航空機２００のIMUからのロールデータと比較されて、後方胴体２１０が、航空機２００の飛行中に受ける力にどのように応答しているかを特定することができる。

図４は、例示的な一実施態様による、航空機の一部分に関連付けられた所定の動作指標４００及び更なる動作指標４０２の一実施例を描いている。所定の動作指標４００は、特定のグループ分けの対応するセンサ及び／又はパラメータに関連付けられたデータの種類に基づいて特定されてよく、所定の動作指標向けの値が、航空機のそれぞれの部分が受ける力に対する航空機の応答を表すように、選択されてよい。描かれているい実施例では、所定の動作指標４００が、特定の飛行中の航空機の左エルロンと右エルロンの最小差、特定の飛行中の航空機の左エルロンと右エルロンの最大差、及び特定の飛行中の航空機の左エルロンと右エルロンの平均差を含む。したがって、所定の動作指標は、特徴データ３００のサブセット、及び特徴データ３００から特定された１以上の更なる値を含んでよい。

他の実施例では、特定のセンサ及び／又はパラメータに対する特徴データが、その全体において使用されてよい。例えば、フェイルセーフモードが飛行中に入力されたかどうかなどの、特定の飛行に対するバイナリ表示を含むパラメータが使用された場合、所定の動作指標は、対応する特徴データに一致してよい。

実施例では、所定の動作指標４００を特定することが、センサ及び／又はパラメータのグループ分けの選択の際に、自動的に実行されてよい。例えば、各センサ及びパラメータは、一組の動作指標に対応してよい。他の実施例では、所定の動作指標４００が、ユーザインターフェースを経由して選択されてよい。これらの実施例は、以下で更に詳細に説明される。

描かれている所定の動作指標４００は、「航空機＃10001」に対応する第１の航空機（航空機２００）、「航空機＃10002」に対応する第２の航空機、及び可能性としては他の航空機の複数の飛行に対して特定された値を示している。更なる動作指標４０２は、この複数の飛行にわたる所定の動作指標４００の比較に基づいて特定される。例えば、描かれている実施例では、「航空機＃10001」に対する更なる動作指標４０２が、第１の飛行「001」と第２の飛行「002」の比較に基づいて特定される。更なる動作指標４０２は、この複数の飛行からの全体の最小、最大、及び平均を含む。したがって、更なる動作指標４０２は、航空機の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機のそれぞれの部分が受けた力に対する航空機の応答を表している。更に、更なる動作指標４０２は、所定の動作指標４００の全体の最大値、最小値、及び平均値を含むので、更なる動作指標４０２を機械学習モデルに対する入力として使用することによって、訓練のために必要とされる計算能力の量を低減させることができる。

図５は、例示的な一実施態様による、航空機の部分に関連付けられたセンサ及び／又はパラメータのグループ分けを選択するためのユーザインターフェース５００の例示的な図である。ユーザインターフェースは、航空機の種類を選択するためのオプション５０２、センサ及び／又はパラメータの示唆されたグループ分けを閲覧するオプション５０４、センサ及び／又はパラメータのグループ分けを手動で選択するためのオプション５０６、並びに選択されたグループ分けを保存するためのオプション５０８を含む。

センサ及び／又はパラメータの示唆されたグループ分けを閲覧するためのオプション５０４が選択される実施例では、計算デバイス１０２が、ユーザインターフェース５００を経由して選択の表示を受け取ることができる。計算デバイス１０２は、データベース１１６から、その航空機の種類の航空機が受けると予期される飛行中の力に関係する、その航空機の種類のシミュレーションデータ及び／又は試験データ、既知のセンサ及び／又はパラメータを受け取る。例えば、既知のセンサ及び／又はパラメータは、設計書、設計試験データ、又はその航空機の種類に関する他の情報から導出されてよい。シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、計算デバイス１０２は、予期される飛行中の力に関係する、その航空機の種類の既知のセンサ及び／又はパラメータを特定する。例えば、シミュレーションデータ及び／又は試験データが、その航空機の種類の所与の部分がピッチ、ロール、又はヨーモーメントを受けると予期されることを示している場合、計算デバイス１０２は、その航空機の種類の既知のIMUが、その特定の部分の予期される飛行中の力に関係すると判断する。計算デバイス１０２は、予期される飛行中の力に関係する、その航空機の種類の既知のセンサ及び／又はパラメータを特定したことに基づいて、その航空機の種類の複数の部分に対応する、センサ及び／又はパラメータのグループ分けを選択することもできる。

計算デバイス１０２は、ユーザインターフェース５００を経由して、選択されたグループ分けを示唆されたグループ分けとして更に提供し、示唆されたグループ分けを編集し又は受け入れるためのオプションを更に提供する。ユーザインターフェース５００を経由して、示唆されたグループ分けを編集し又は受け入れるための表示を受け取るや否や、計算デバイス１０２は、そのグループ分けをメモリ１０８内に保存する。図５は、このシナリオを描いていない。その代わりに、図５は、ユーザが、センサ及び／又はパラメータのグループ分けを手動で選択するためのオプション５０６を選択した場合の、シナリオを描いている。ある実施例では、計算デバイスが、ユーザの貢献なしに、センサ及び／又はパラメータのグループ分けを単に自動的に選択する。

本明細書で説明される例示的な一実施態様と一貫して、ユーザインターフェース５００は、航空機の種類の概略図５１０を含み、その航空機の種類の後方胴体部分を選択するために使用されているカーソル５１２を描いている。選択された後方胴体部分は、図２に関連して上述された後方胴体２１０に対応してよい。ユーザインターフェース５００を経由して後方胴体部分の選択を受け取った後で、計算デバイス１０２は、その航空機の種類に関連付けられた選択可能なセンサ及びパラメータ５１４のリストを読み出し、ユーザインターフェース５００を経由してユーザによる選択のためのリストを提供する。本実施例で描かれているように、計算デバイス１０２は、その航空機の種類の選択された後方胴体部分に関連して提供されたリストを順序付けする。関連性の順序は、その航空機の種類の航空機が受けると予期される飛行中の力に関係する、その航空機の種類のシミュレーションデータ及び／又は試験データ、又は既知のセンサ及び／又はパラメータに基づいて、判断されてよい。例えば、既知のセンサ及び／又はパラメータが、設計書、設計試験データ、又はその航空機の種類に関する他の情報から導出されてよい。

センサ及び／又はパラメータのグループ分けを手動で選択した後で、ユーザは、グループ分けを保存するオプション５０８を選択することができる。ユーザインターフェース５００を経由して選択の表示を受け取ったことに応答して、計算デバイス１０２は、グループ分けをメモリ１０８内及び／又はデータベース１１６内に記憶する。更に、各選択されたグループ分けに対して、ユーザインターフェース５００は、各選択されたセンサ及び／又はパラメータに関連付けられた所定の動作指標４００に対する選択可能なオプションを含む。動作指標は、その航空機の種類の航空機２００から受け取られ得る種類の特徴データ３００、又は特徴データ３００から導出され得る種類のデータを含む。更に又は代替的に、動作指標は、センサ又は航空機２００の構成要素に関連付けられたパラメータを含む。所定の動作指標４００は、ユーザインターフェース５００を経由して選択されるよりもむしろ、選択されたセンサ及びパラメータに基づいて、自動的に選択されてよい。

所定の動作指標４００が選択された後で、更なる動作指標４０２が選択されてよい。例えば、更なる動作指標４０２は、ユーザインターフェース５００を経由して選択される。他の実施例では、更なる動作指標４０２が、選択された所定の動作指標に基づいて自動的に選択される。実施例では、更なる動作指標が、航空機２００の複数の飛行にわたり特定された、所定の動作指標４００の全体の最大、最小、及び平均を含む。

図６は、例示的な一実施態様による、航空機の保守を実行するかどうかを判断するための方法６００の一実施例のフローチャートを示している。図６で示されている方法６００は、例えば、図１で示された計算デバイス１０２と共に、計算デバイス１０２の構成要素と共に、又は図２で示された航空機２００などの航空機と併せて使用され得る、方法の一実施例を提示している。更に、デバイス又はシステムは、図６で提示されている論理機能を実行するために使用され、又は実行するように構成されてよい。ある事例では、デバイス及び／又はシステムの構成要素が、機能を実行するように構成されてよい。このような性能を可能にするために、構成要素は（ハードウェア及び／又はソフトウェア付きで）実際に構成及び構築されてよい。他の実施例では、デバイス及び／又はシステムの構成要素が、特定のやり方で操作されたときなどに、この機能の実行に適合するように構成されてもよく、この機能の実行が可能であるように構成されてもよく、この機能の実行に適切であるように構成されてもよい。方法６００は、ブロック６０２～６１４のうちの１以上によって示されるような、１以上の操作、機能、又は動作を含む。ブロックは順番に示されているが、これらのブロックはまた、並行して実行してもよく、及び／又は、本明細書に記載の順序とは異なる順序で実行してもよい。更に、様々なブロックを組み合わせてブロックの数を減らしたり、分割してブロックを追加したり、所望の実装に基づいて取り除いたりしてもよい。

本明細書で開示されているこのプロセス及び方法、並びに他のプロセス及び方法について、フローチャートにはこれらの実施例の可能な一つの実装の機能性及び工程が示されていることを理解されたい。これに関して、各ブロック又は各ブロックの部分は、プロセスにおいて特定の論理的機能又はステップを実装するためのプロセッサによって実行可能な１以上の指示命令を含む、プログラムコードのモジュール、セグメント、又は一部分を表す。プログラムコードは、例えば、ディスクドライブ又はハードドライブを含む記憶デバイスなどの、任意の種類のコンピュータ可読媒体又はデータ記憶装置に記憶され得る。更に、プログラムコードは、コンピュータ可読記憶媒体で機械可読形式に符号化され得るか、又は他の非一過性の媒体又は製品で符号化され得る。このコンピュータ可読媒体は、例えば、レジスタメモリ、プロセッサキャッシュ、及びランダムアクセスメモリ（RAM）のようなデータを短期間記憶するコンピュータ可読媒体などの非一過性コンピュータ可読媒体又はメモリを含んでもよい。コンピュータ可読媒体は、例えば、読み出し専用メモリ（ROM）、光学又は磁気ディスク、コンパクトディスク読み出し専用メモリ（CD-ROM）のような二次的又は永続的な長期的ストレージなどの非一過性媒体を更に含んでもよい。コンピュータ可読媒体は、他の任意の揮発性又は非揮発性の記憶システムでもあり得る。コンピュータ可読媒体は、例えば、有形のコンピュータ可読記憶媒体とみなされ得る。

更に、図６の、及び、本明細書で開示されている他のプロセス及び方法の範囲内の、各ブロック又は各ブロックの部分は、プロセスで特定の論理的機能を実行するために配線されている回路を表している。代替的な実施態様は、本開示の実施例の範囲内に含まれる。本開示の実施例では、当業者によって理解されるように、関連する機能性に応じて、図示又は記載されている順序とは異なる順序（ほぼ並列順序又は逆順序を含む）で機能が実行されてもよい。

ブロック６０２で、方法６００は、航空機の種類の動作上異なる複数の部分が受けると予期される飛行中の力に基づいて、その航空機の種類に関連付けられた複数のセンサ及びパラメータから、その航空機の種類の複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択することを含む。上述されたように、センサ及び／又はパラメータのグループ分けを選択することは、計算デバイス１０２によって自動的に実行されるか、又はユーザインターフェース５００を経由して選択される。センサ及び／又はパラメータをグループ分けすることは、機械学習モデルのより柔軟であり且つ対象範囲が定められた訓練を可能にし、航空機２００と計算デバイス１０２の間で送信されるデータの量を制限するのに更に役立つ。データの送信は、機械学習モデルを訓練するために必要である。

図７は、例示的な一実施態様による、ブロック６０２で示されたような、航空機の保守を実行するかどうかを判断するための例示的な方法のフローチャートを示している。ブロック６１６では、機能が、少なくとも、その航空機の種類の主翼２０６、垂直安定板２１２、及びエルロン／フラップ２０８に対応する、センサ及び／又はパラメータのグループ分けを選択することを含む。したがって、実施例では、センサ及び／又はパラメータのグループ分けが、その航空機の種類の各動作上異なる部分を考慮しないこともあるだろう。これは、より対象範囲が定められた航空機保守判断を可能にし、又は人間の検査官が航空機２００の特定の部分に集中することを可能にすると共に、航空機２００の他の部分に関する自動化された判断を可能にする。

図８は、例示的な一実施態様による、ブロック６０２で示されたような、航空機の保守を実行するかどうかを判断するための例示的な方法のフローチャートを示している。ブロック６１８では、機能が、その航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に対応する、シミュレーションデータ及び／又は試験データを受け取ることを含む。例えば、上述されたように、計算デバイス１０２は、データベース１１６からシミュレーションデータ及び／又は試験データを受け取る。ブロック６２０では、機能が、シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、予期される飛行中の力に関係する、その航空機の種類の既知のセンサ及び／又はパラメータを特定することを含む。例えば、シミュレーションデータ及び／又は試験データは、その航空機の種類の動作上異なる部分が通常受ける、力の種類及び力のレベルを示している。ブロック６２２では、機能が、予期される飛行中の力に関係する、その航空機の種類の既知のセンサ及び／又はパラメータを特定したことに基づいて、その航空機の種類の複数の部分に対応する、センサ及び／又はパラメータのグループ分けを選択することを含む。例えば、その航空機の種類の動作上異なる部分が通常受ける力の種類及び力のレベルを示しているシミュレーションデータ及び／又は試験データを受け取ると、計算デバイス１０２は、センサ及び／又はパラメータを、示されている力の種類及び力のレベルに関連付けてよい。したがって、実施例では、計算デバイス１０２が、センサ及び／又はパラメータのグループ分けを自動的に選択する。そのような選択を自動的に実行することによって、複数の航空機の種類にわたる、より効率的で一貫した保守判断が可能になる。

図９は、例示的な一実施態様による、ブロック６０２で示されたような、航空機の保守を実行するかどうかを判断するための例示的な方法のフローチャートを示している。ブロック６２４では、機能が、計算システム１００によって、その航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に対応する、センサ及び／又はパラメータを特定することを含む。ブロック６２６では、機能が、計算システム１００によって、ユーザインターフェース５００を経由して、予期される飛行中の力に対応するセンサ及び／又はパラメータの表示を提供することを含む。ブロック６２８では、機能が、計算システム１００によって、ユーザインターフェース５００を経由して、その表示から１以上のセンサ及びパラメータの選択を受け取ることを含む。したがって、図９は、図５で描かれたインターフェースに対応する動作を描写している。したがって、実施例では、ユーザが、センサ及び／又はパラメータのグループ分けの調整された選択を提供する。これは、計算システム１００が気が付かないかもしれない保守目標又は保守標準に基づく、より対象範囲が定められた保守判断を可能にする。

図１０は、例示的な一実施態様による、ブロック６０２で示されたような、航空機の保守を実行するかどうかを判断するための例示的な方法のフローチャートを示している。ブロック６３０では、機能が、計算システム１００によって、ユーザインターフェース５００を経由して、その航空機の種類の概略図５１０を提供することを含む。実施例では、概略図が、選択可能な部分を有する、透明なレンダリングなどの、その航空機の種類の三次元（３Ｄ）レンダリングであってよい。ブロック６３２では、機能が、ユーザインターフェース５００を経由して、その航空機の種類の一部分に対応する概略図５１０の一部分の選択を受け取ることを含む。例えば、図５で描かれているように、概略図５１０の後方胴体部分が選択されるように描写される。ブロック６３４では、機能が、ユーザインターフェースを経由して、概略図５１０の一部分に関連付けられる選択可能なセンサ及びパラメータ５１４を提供することを含む。ブロック６３６では、機能が、ユーザインターフェース５００を経由して、選択可能なセンサ及びパラメータ５１４のうちの１以上の選択を受け取ることを含む。選択可能なセンサ及びパラメータ５１４は、示唆されたセンサ及び／若しくはパラメータであってよく、又はその航空機の種類に関連付けられたセンサ及びパラメータの包括的な組であってよい。ブロック６３８では、機能が、選択可能なセンサ及びパラメータのうちの１以上の選択を受け取ったことに基づいて、センサ及びパラメータの所与のグループ分けを特定することを含む。したがって、実施例では、ユーザが、示唆されたセンサ及び／又はパラメータに従って、又は手動での特定に基づいて、センサ及び／又はパラメータのグループ分けの調整された選択を提供する。

図６に戻ると、ブロック６０４で、機能は、その航空機の種類の航空機２００から、センサ及び／又はパラメータの各グループ分けに対応する特徴データ３００を受け取ることを含む。例えば、特徴データ３００は、航空機２００によって記録されてよく、飛行の完了の際に計算デバイス１０２に送信されてよい。

ブロック６０６では、機能が、計算システム１００によって、特徴データ３００から、センサ及び／又はパラメータの複数のグループ分けに対応する、所定の動作指標４００向けの値を特定することを含む。その場合、所定の動作指標４００向けの値は、航空機２００の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機２００のそれぞれの部分が受ける力に対する航空機２００の応答を表している。上述されたように、所定の動作指標４００は、ユーザインターフェース５００を経由して選択されるか、又は計算デバイス１０２によって自動的に特定される。

ブロック６０８では、機能が、計算システム１００によって、所定の動作指標４００向けの値を、航空機２００の少なくとも１つの他の飛行に対応する所定の動作指標４００向けの値と比較することを含む。

ブロック６１０では、機能が、計算システム１００によって、所定の動作指標４００向けの値を比較したことに基づいて、更なる動作指標４０２の値を特定することを含む。その場合、更なる動作指標４０２の値は、航空機２００の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機２００のそれぞれの部分が受ける力に対する航空機の応答を表している。

図１１は、例示的な一実施態様による、ブロック６１０で示されているような、特定することを実行するための例示的な方法のフローチャートを示している。ブロック６４０では、機能が、所定の動作指標４００向けの値を比較したことに基づいて、所定の動作指標４００向けの値に対応する、全体の最大値、全体の最小値、及び平均値を特定することを含む。その場合、更なる動作指標４０２は、全体の最大値、全体の最小値、及び平均値を含む。

図１２は、ブロック６４０に関連付けられた例示的な一実施態様による、ブロック６１２で示されているような、訓練を実行するための例示的な方法のフローチャートを示している。ブロック６４２では、機能が、ブロック６４０で特定された全体の最大値、全体の最小値、及び全体の平均値を、機械学習モデルに対する入力として提供することを含む。

図６に戻ると、ブロック６１２では、機能が、少なくとも更なる動作指標４０２向けの値を使用して、機械学習モデルを訓練することを含む。上述されたように、機械学習モデルは、１以上の機械学習モデルを含み、機械学習モデルサーバ１１８に関連付けられてよい。

ブロック６１４では、機能が、計算システム１００によって、機械学習モデルの出力に基づいて、航空機２００又はその航空機の種類の別の航空機の複数の部分のうちの１以上に対して保守を実行するための指示命令を提供することを含む。実施例では、訓練された機械学習モデルが、試験中／実施中の航空機の動作上異なる部分の性能を評価するために実行されてよい。計算デバイス１０２は、飛行中の航空機によって記録されたデータを含む、所与の航空機からの試験データを提供する。所与の航空機は、航空機２００であってよい。その場合、試験データは、航空機２００、又は航空機の集団内の別の航空機などの、その航空機の種類の別の航空機に対応してよい。計算デバイス１０２は、機械学習モデルを訓練するために使用されたものと類似のデータを提供する。例えば、試験データは、所定の動作指標４００又は更なる動作指標４０２向けの値を含んでよい。このデータ又は他の試験データは、訓練された後の機械学習モデルに対する入力として提供されてよい。機械学習モデルは、試験データを受け取ったことに基づいて出力を提供するように実行されてよい。例えば、計算デバイス１０２は、航空機又はその航空機の種類の別の航空機の試験データに基づいて、機械学習モデルを実行させる。機械学習モデルを実行させたことに応答して、計算デバイス１０２は、機械学習モデルの出力に基づいて、航空機又はその航空機の種類の別の航空機の複数の部分のうちの１以上に対して保守を実行するための指示命令を提供する。例えば、航空機２００の複数の部分のうちの１以上に対して保守を実行するための指示命令を提供することは、その指示命令を航空機保守コントローラ１２０に送信することを含む。航空機保守コントローラ１２０は、航空機２００の保守をスケジューリングし、且つ／又は、保守施設に航空機２００に対する保守を実行させる。

図１３は、例示的な一実施態様による、方法６００と共に使用される例示的な方法のフローチャートを示している。ブロック６４２では、機能が、少なくとも更なる動作指標４０２向けの値を使用して機械学習モデルを訓練する前に、更なる動作指標４０２向けの値の数が、その航空機の種類の航空機の閾値数に一致するまで、その航空機の種類の複数の航空機に対応する更なる動作指標４０２向けの値を蓄積することを含む。航空機の閾値数は、例えば１０個の航空機であってよい。他の実施例では、航空機の閾値数が、その航空機の種類の航空機の全体の数の百分率であってよい。例えば、その閾値数が、その航空機の種類の航空機の全体の数の２５％であってよい。ブロック６４４では、機能が、更なる動作指標４０２向けの値の数が、その航空機の種類の航空機の閾値数に一致した後で、蓄積された更なる動作指標向けの値を使用して、機械学習モデルを訓練することを含む。このやり方では、より多くのデータが利用可能になるまで、訓練モデルを訓練するのを待つことによって、訓練された後の訓練モデルの出力における信頼性をより高めることができる。

図１４は、例示的な一実施態様による、方法６００と共に使用される例示的な方法のフローチャートを示している。ブロック６４６では、機能が、それぞれのグループ分けに対応する、その航空機の種類のそれぞれの部分の既知の空力特性に基づいて、複数のグループ分けの各グループ分けに対してシミュレートされた更なる動作指標４０２向けの値を特定することを含む。これは、航空機２００の実際の飛行中に予期されるものに類似するシミュレートされた力を生成する、シミュレートされた飛行を含む。ブロック６４８では、機能が、少なくとも更なる動作指標４０２向けの値を使用して、機械学習モデルを訓練する前に、シミュレートされた更なる動作指標４０２向けの値を使用して、機械学習モデルを訓練することを含む。このやり方では、機械学習モデルが、航空機２００の飛行からの実際のデータによって訓練される前に、かなりの量のデータに晒されてよい。

図１５は、例示的な一実施態様による、方法６００と共に使用される例示的な方法のフローチャートを示している。ブロック６５０は、例示的な一実施態様による、ブロック６１２で示されているような、訓練を実行するための更なる実施例を示している。ブロック６５０では、機能が、少なくとも更なる動作指標４０２向けの値を使用して、２つ以上の異なる機械学習モデルを訓練することを含む。上述されたように、機械学習モデルは、ランダムフォレストモデル、サポートベクターマシン（SVM）、ニューラルネットワーク、又は機械学習を使用する任意の他の種類のアルゴリズムを含んでよい。複数の異なる機械学習モデルを訓練することによって、所与のモデルの出力を、実行後に他のモデルによって吟味することが可能になる。

ブロック６５２では、機能が、計算システム１００によって、２つ以上の異なる機械学習モデルの出力を比較することを含む。例えば、２つの実行された機械学習モデルの出力は、それらが実質的に類似しているかどうかを判断するために、比較されてよい。例えば、出力が、航空機の所与の部分が保守を必要とするかどうかに関するバイナリ出力を提供する場合、それらの出力は、それらが同じであるかどうかを判断するために比較されてよい。実行された機械学習モデルが、航空機の各所与の部分の性能評価を提供する実施例では、それらの評価が比較されて、それらが類似性の閾値範囲を共有していると判断することができるだろう。例えば、所与の部分の性能評価は、それらが互いに１０％の範囲内にあるかどうかを判断するように比較されてよい。２つ以上の性能評価が、それぞれ、閾値内に入る場合、それらは、実質的に類似していると判断されてよく、したがって、航空機の所与の部分に対してパフォーマンスを実行するかどうかに関して合意していると判断されてよい。

ブロック６５４は、例示的な一実施態様による、ブロック６１４で示されているような、提供を実行するための更なる実施例である。ブロック６５４では、機能が、２つ以上の異なる機械学習モデルの出力を比較したことに基づいて、保守を実行するための指示命令を提供することを含む。例えば、訓練モデルの出力が、同じであるか又は類似性の閾値レベル内に入る場合、そして、航空機の所与の部分に対して保守が実行されるべきであると示している場合、その部分に対して保守を実行するための指示命令が提供される。同様に、訓練モデルの出力が、同じであるか又は類似性の閾値レベル内に入る場合、そして、航空機の所与の部分に対して保守が実行されるべきでないと示している場合、その部分に対して保守を実行しないような指示命令が提供される。しかし、訓練モデルの出力が、同じでないか又は類似性の閾値レベル内に入らない場合、そして、航空機の所与の部分に対して保守が実行されるべきであると示している場合、その部分の手動の評価を実行するための指示命令が提供される。同様に、訓練モデルの出力が、同じでないか又は類似性の閾値レベル内に入らない場合、そして、航空機の所与の部分に対して保守が実行されるべきかどうかに関して対立している場合、その部分の手動の評価を実行するための指示命令が提供される。このやり方では、実行された機械学習モデルの出力を互いに対して吟味することによって、システム１００は、提供される指示命令の信頼性をより高めることができる。

図１６は、例示的な一実施態様による、方法６００と共に使用される例示的な方法のフローチャートを示している。ブロック６５６では、機能が、少なくとも更なる動作指標４０２向けの値を使用して、機械学習モデルを訓練する前に、その航空機の種類の他の航空機に対応する、更なる動作指標４０２向けの値を使用して、機械学習モデルを訓練することを含む。この類似性は、機械学習モデルの出力の信頼性を高めることができる。

図１７は、例示的な一実施態様による、ブロック６１４で示されているような、提供することを実行するための例示的な方法のフローチャートを示している。ブロック６５８では、機能が、機械学習モデルの出力を受け取ることを含む。その場合、出力は、センサ及び／又はパラメータの選択されたグループ分けに対応する、航空機の各部分の性能評価を含む。ブロック６６０では、機能が、航空機２００の１以上の部分の性能評価が、性能評価閾値未満であると判断することを含む。閾値は、更なる動作上の指標４０２が、それらの指標に対して予期される値にどれだけ一致するかを示す百分率を示している。予期される値は、シミュレートされた飛行データに、１以上の保守される航空機から受け取ったデータに、又は機械学習モデルによって生成された出力に基づいてよい。例えば、閾値は、８０％の性能評価閾値であってよい。ブロック６６２では、機能が、１以上の部分に対して保守を実行するための指示命令を提供することを含む。航空機２００を閾値に維持するための指示命令を基準として、航空機の種類に基づいて又は航空機２００の特定の動作上異なる部分に基づいて、変化する許容レベルを確立することができる。
これは、航空機２００のどの部分が評価されているかに基づいて異なる、保守標準に依拠する、柔軟な保守判断を可能にする。

本明細書で説明された実施例の範囲内で、方法及びシステムは、複数の航空機のうちの航空機に対応した、一貫性があり且つ信頼できる保守判断を提供する。本開示のシステムは、特定の航空機の種類に関連付けられた対象範囲が定められた指標に対応するデータを使用して、機械学習モデルを訓練するための自動化された又はユーザベースの判断を提供する。更に、２つ以上の種類の学習モデルを使用することによって、機械学習モデルを吟味すること、及び、そのモデルを使用する前に、閾値量の訓練を要求することによって、より信頼性が高い出力及び保守判断を可能にする。

本明細書で使用されている「実質的に（substantially）」、「類似性（similarity）」、又は「約（about）」という用語は、記載されている特性、パラメータ、又は値が厳密に実現される必要はないが、特性によって得られることになっている影響を無効にしない量の、許容誤差、測定エラー、測定精度限界、及び、当業者には既知のその他の要因などを含む偏差又は変動が発生し得ることを、意味している。

本明細書で開示されている（１以上の）システム、（１以上の）デバイス、及び（１以上の）方法の種々の実施例は、多種多様な構成要素、特徴、及び機能を含む。本明細書で開示されている（１以上の）システム、（１以上の）デバイス、及び（１以上の）方法の様々な実施例は、本明細書で開示されている（１以上の）システム、（１以上の）デバイス、及び（１以上の）方法のその他の実施例のうちの任意のものの、任意の構成要素、特徴及び機能を、任意の組み合わせ又は任意のサブコンビネーションにおいて含む可能性があり、且つ、かかる可能性は全て本開示の範囲に含まれると意図されていることを理解すべきである。

更に、本開示は、下記の条項による実施形態を含む。
条項１.
航空機の保守を実行するかどうかを判断するための方法（６００）であって、
ある航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に基づいて、前記航空機の種類に関連付けられた複数のセンサ及びパラメータから、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択すること（６０２）、
前記航空機の種類の航空機（２００）から、センサ及び／パラメータの各グループ分けに対応する特徴データ（３００）を受け取ること（６０４）、
計算システム（１００）によって、前記特徴データ（３００）から、センサ及び／又はパラメータの前記複数のグループ分けに対応する所定の動作指標（４００）向けの値を特定すること（６０６）であって、前記所定の動作指標（４００）向けの前記値が、前記航空機（２００）の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること（６０６）、
前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を、前記航空機（２００）の少なくとも１つの他の飛行に対応する前記所定の動作指標（４００）向けの値と比較すること（６０８）、
前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、更なる動作指標（４０２）の値を特定すること（６１０）であって、前記更なる動作指標（４０２）の前記値が、前記航空機（２００）の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること（６１０）、
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、機械学習モデルを訓練すること（６１２）、並びに
前記計算システム（１００）によって、前記機械学習モデルの出力に基づいて、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための指示命令を提供すること（６１４）を含む、方法。
条項２．
前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、少なくとも、前記航空機の種類の主翼部分、垂直安定板部分、及びエルロン部分に対応する、センサ及び／又はパラメータのグループ分けを選択すること（６１６）を含む、条項１に記載の方法。
条項３．
前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するシミュレーションデータ及び／又は試験データを受け取ること（６１８）、
前記シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、前記予期される飛行中の力に関係する、前記航空機の種類の既知のセンサ及び／又はパラメータを特定すること（６２０）、並びに
前記予期される飛行中の力に関係する、前記航空機の種類の前記既知のセンサ及び／又はパラメータを特定したことに基づいて、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６２２）を含む、条項１又は２に記載の方法（６００）。
条項４．
前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
前記計算システム（１００）によって、前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するセンサ及び／又はパラメータを特定すること（６２４）、
前記計算システム（１００）によって、ユーザインターフェースを経由して、前記予期される飛行中の力に対応する前記センサ及び／又はパラメータの表示を提供すること（６２６）、並びに
前記計算システム（１００）によって、前記ユーザインターフェースを経由して、前記表示からの１以上のセンサ及びパラメータの選択を受け取ること（６２８）を含む、条項１から３のいずれか一項に記載の方法（６００）。
条項５．
前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
前記計算システム（１００）によって、ユーザインターフェース（５００）を経由して、前記航空機の種類の概略図（５１０）を提供すること（６３０）、
前記ユーザインターフェース（５００）を経由して、前記航空機の種類の一部分に対応する、前記概略図（５１０）の一部分の選択を受け取ること（６３２）、
前記ユーザインターフェース（５００）を経由して、前記概略図（５１０）の前記一部分に関連付けられた選択可能なセンサ及びパラメータ（５１４）を提供すること（６３４）、
前記ユーザインターフェース（５００）を経由して、前記選択可能なセンサ及びパラメータ（５１４）のうちの１以上の選択を受け取ること（６３６）、及び
前記選択可能なセンサ及びパラメータのうちの１以上の前記選択を受け取ったことに基づいて、センサ及びパラメータの所与のグループ分けを特定すること（６３８）を含む、条項１から４のいずれか一項に記載の方法（６００）。
条項６．
前記更なる動作指標の前記値を特定すること（６１０）が、
前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、前記所定の動作指標（４００）向けの前記値に対応する、全体の最大値、全体の最小値、及び平均値を特定すること（６４０）であって、前記更なる動作指標（４０２）が、前記全体の最大値、前記全体の最小値、及び前記平均値を含む、全体の最大値、全体の最小値、及び平均値を特定すること（６４０）を含む、条項１から５のいずれか一項に記載の方法（６００）。
条項７．
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練すること（６１２）が、前記全体の最小値、前記全体の最大値、及び前記平均値を、前記機械学習モデルに対する入力として提供すること（６４２）を含む、条項６に記載の方法（６００）。
条項８．
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記値の数が、前記航空機の種類の航空機の閾値数に一致するまで、前記航空機の種類の複数の航空機に対応する前記更なる動作指標（４０２）向けの値を蓄積すること（６４２）、及び
前記更なる動作指標向けの前記値の数が、前記航空機の種類の航空機の前記閾値数に一致すると判断した後で、蓄積された前記更なる動作指標向けの前記値を使用して、前記機械学習モデルを訓練すること（６４４）を更に含む、条項１から７のいずれか一項に記載の方法。
条項９．
それぞれのグループ分けに対応する前記航空機の種類のそれぞれの部分の既知の空力特性に基づいて、前記複数のグループ分けの各グループ分けに対する前記更なる動作指標向けのシミュレートされた値を特定すること（６４６）、及び
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記シミュレートされた値を使用して、前記機械学習モデルを訓練すること（６４８）を更に含む、条項１から８のいずれか一項に記載の方法。
条項１０．
前記機械学習モデルを訓練すること（６１２）が、少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、２つ以上の異なる機械学習モデルを訓練すること（６５０）を含み、前記方法が、
前記計算システム（１００）によって、前記２つ以上の異なる機械学習モデルの出力を比較することであって、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供すること（６１４）が、前記２つ以上の異なる機械学習モデルの前記出力を比較したことに基づいて、保守を実行するための前記指示命令を提供すること（６５４）を含む、出力を比較することを更に含む、条項１から９のいずれか一項に記載の方法。
条項１１．
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記航空機の種類の他の航空機に対応する、更なる動作指標（４０２）向けの値を使用して、前記機械学習モデルを訓練することを更に含む、条項１から１０のいずれか一項に記載の方法。
条項１２．
前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供すること（６１４）が、
前記機械学習モデルの前記出力を受け取ること（６５８）であって、前記出力が、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機の各部分の性能評価を含む、前記出力を受け取ること（６５８）、
前記航空機の１以上の部分の性能評価が性能評価閾値未満であると判断すること（６６０）、並びに
前記１以上の部分に対して保守を実行するための前記指示命令を提供すること（６６２）を含む、条項１から１１のいずれか一項に記載の方法。
条項１３．
航空機の保守を実行するかどうかを判断するためのシステム（１００）であって、
プロセッサ（１０６）と、前記プロセッサ（１０６）によって、
ある航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に基づいて、前記航空機の種類に関連付けられた複数のセンサ及びパラメータから、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択し、
前記航空機の種類の航空機（２００）から、センサ及び／パラメータの各グループ分けに対応する特徴データ（３００）を受け取り、
前記特徴データ（３００）から、センサ及び／又はパラメータの前記複数のグループ分けに対応する所定の動作指標（４００）向けの値を特定し、前記所定の動作指標（４００）向けの前記値が、前記航空機（２００）の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表しており、
前記所定の動作指標（４００）向けの前記値を、前記航空機（２００）の少なくとも１つの他の飛行に対応する前記所定の動作指標（４００）向けの値と比較し、
前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、更なる動作指標（４０２）の値を特定し、前記更なる動作指標（４０２）の前記値が、前記航空機（２００）の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表しており、
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、機械学習モデルを訓練し、
前記機械学習モデルの出力に基づいて、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための指示命令を提供するように、実行可能な指示命令（１０８）を記憶したメモリ（１０８）と、を有する計算デバイス（１０２）を備える、システム。
条項１４．
前記計算デバイス（１０２）が、ユーザインターフェース（５００）を更に備え、前記指示命令が、前記プロセッサによって、前記ユーザインターフェース（５００）を経由して、前記航空機の種類の部分に関連付けられた前記グループ分けに対して示唆されたセンサ及びパラメータを提供するように、更に実行可能である、条項１３に記載のシステム。
条項１５．
前記計算デバイス（１０２）が、ユーザインターフェース（５００）を更に備え、センサ及びパラメータの前記複数のグループ分けを特定することが、前記ユーザインターフェース（５００）を経由して、前記グループ分けの表示を受け取ることを含む、条項１３に記載のシステム。
条項１６．
データベース（１１６）を更に備え、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択することが、
前記データベース（１１６）から、前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するシミュレーションデータ及び／又は試験データを受け取ること、
前記シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、前記予期される飛行中の力に関係する、前記航空機の種類の既知のセンサ及び／又はパラメータを特定すること、並びに
前記予期される飛行中の力に関係する、前記航空機の種類の前記既知のセンサ及び／又はパラメータを特定したことに基づいて、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択することを含む、条項１３から１５のいずれか一項に記載のシステム。
条項１７．
データベース（１１６）を更に備え、前記指示命令が、前記プロセッサ（１０６）によって、
前記特徴データ（３００）を受け取り、
前記特徴データ（３００）を前記データベース（１１６）に送信し、
前記特徴データ（３００）と共に、前記特徴データ（３００）に対応する特定の航空機に関連付けられた航空機識別子を、前記データベース（１１６）に送信するように、更に実行可能である、条項１３から１６のいずれか一項に記載のシステム。
条項１８．
前記機械学習モデルに関連付けられたサーバ（１１８）を更に備え、前記サーバ（１１８）が、前記機械学習モデルを訓練するために、前記計算デバイス（１０２）から入力を受け取るように構成され、前記指示命令が、前記プロセッサ（１０６）によって、
それぞれのグループ分けに対応する前記航空機の種類のそれぞれの部分の既知の空力特性に基づいて、前記複数のグループ分けの各グループ分けに対する前記更なる動作指標（４０２）向けのシミュレートされた値を特定し、
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記シミュレートされた値を使用して、前記機械学習モデルを訓練するように、更に実行可能である、条項１３から１７のいずれか一項に記載のシステム。
条項１９．
航空機保守施設に関連付けられた航空機保守コントローラ（１２０）を更に備え、前記航空機（２００）の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供することが、前記指示命令を前記航空機保守コントローラ（１２０）に送信することを含む、条項１３から１８のいずれか一項に記載のシステム。
条項２０．
指示命令が記憶された非一過性のコンピュータ可読媒体（１０８）であって、前記指示命令が、計算デバイス（１０２）の１以上のプロセッサ（１０６）によって実行されたときに、前記計算デバイス（１０２）に、
ある航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に基づいて、前記航空機の種類に関連付けられた複数のセンサ及びパラメータから、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択すること、
前記航空機の種類の航空機（２００）から、センサ及び／パラメータの各グループ分けに対応する特徴データ（３００）を受け取ること、
計算システム（１００）によって、前記特徴データ（３００）から、センサ及び／又はパラメータの前記複数のグループ分けに対応する所定の動作指標（４００）向けの値を特定することであって、前記所定の動作指標（４００）向けの前記値が、前記航空機（２００）の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること、
前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を、前記航空機（２００）の少なくとも１つの他の飛行に対応する前記所定の動作指標（４００）向けの値と比較すること、
前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、更なる動作指標（４０２）の値を特定することであって、前記更なる動作指標（４０２）の前記値が、前記航空機（２００）の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること、
少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、機械学習モデルを訓練すること、並びに
前記計算システム（１００）によって、前記機械学習モデルの出力に基づいて、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための指示命令を提供することを含む、機能を実行させる、非一過性のコンピュータ可読媒体。

種々の有利な構成の説明は、例示及び説明を目的として提示されており、完全であること、又は開示された形態の実施例に限定されることを意図するものではない。当業者には、多くの修正例及び変形例が自明となろう。更に、種々の有利な実施例は、他の有利な実施例と比べて異なる利点を表わし得る。選択された１以上の実施例は、実施例の原理と実際的な用途を最もよく説明するため、及び、様々な実施例の開示内容と、検討される特定の用途に適した様々な修正例とを当業者が理解できるようにするために、選択及び記述されている。

Claims (15)

1. 航空機の保守を実行するかどうかを判断するための方法（６００）であって、
   ある航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に基づいて、前記航空機の種類に関連付けられた複数のセンサ及びパラメータから、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択すること（６０２）、
   前記航空機の種類の航空機（２００）から、センサ及び／パラメータの各グループ分けに対応する特徴データ（３００）を受け取ること（６０４）、
   計算システム（１００）によって、前記特徴データ（３００）から、センサ及び／又はパラメータの前記複数のグループ分けに対応する所定の動作指標（４００）向けの値を特定すること（６０６）であって、前記所定の動作指標（４００）向けの前記値が、前記航空機（２００）の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること（６０６）、
   前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を、前記航空機（２００）の少なくとも１つの他の飛行に対応する前記所定の動作指標（４００）向けの値と比較すること（６０８）、
   前記計算システム（１００）によって、前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、更なる動作指標（４０２）の値を特定すること（６１０）であって、前記更なる動作指標（４０２）の前記値が、前記航空機（２００）の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表している、値を特定すること（６１０）、
   少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、機械学習モデルを訓練すること（６１２）、並びに
   前記計算システム（１００）によって、前記機械学習モデルの出力に基づいて、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための指示命令を提供すること（６１４）を含む、方法。
2. 前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、少なくとも、前記航空機の種類の主翼部分、垂直安定板部分、及びエルロン部分に対応する、センサ及び／又はパラメータのグループ分けを選択すること（６１６）を含む、請求項１に記載の方法。
3. 前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
   前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するシミュレーションデータ及び／又は試験データを受け取ること（６１８）、
   前記シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、前記予期される飛行中の力に関係する、前記航空機の種類の既知のセンサ及び／又はパラメータを特定すること（６２０）、並びに
   前記予期される飛行中の力に関係する、前記航空機の種類の前記既知のセンサ及び／又はパラメータを特定したことに基づいて、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６２２）を含む、請求項１に記載の方法（６００）。
4. 前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
   前記計算システム（１００）によって、前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するセンサ及び／又はパラメータを特定すること（６２４）、
   前記計算システム（１００）によって、ユーザインターフェースを経由して、前記予期される飛行中の力に対応する前記センサ及び／又はパラメータの表示を提供すること（６２６）、並びに
   前記計算システム（１００）によって、前記ユーザインターフェースを経由して、前記表示からの１以上のセンサ及びパラメータの選択を受け取ること（６２８）を含む、請求項１に記載の方法（６００）。
5. 前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択すること（６０２）が、
   前記計算システム（１００）によって、ユーザインターフェース（５００）を経由して、前記航空機の種類の概略図（５１０）を提供すること（６３０）、
   前記ユーザインターフェース（５００）を経由して、前記航空機の種類の一部分に対応する、前記概略図（５１０）の一部分の選択を受け取ること（６３２）、
   前記ユーザインターフェース（５００）を経由して、前記概略図（５１０）の前記一部分に関連付けられた選択可能なセンサ及びパラメータ（５１４）を提供すること（６３４）、
   前記ユーザインターフェース（５００）を経由して、前記選択可能なセンサ及びパラメータ（５１４）のうちの１以上の選択を受け取ること（６３６）、及び
   前記選択可能なセンサ及びパラメータのうちの１以上の前記選択を受け取ったことに基づいて、センサ及びパラメータの所与のグループ分けを特定すること（６３８）を含む、請求項１に記載の方法（６００）。
6. 前記更なる動作指標の前記値を特定すること（６１０）が、
   前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、前記所定の動作指標（４００）向けの前記値に対応する、全体の最大値、全体の最小値、及び平均値を特定すること（６４０）であって、前記更なる動作指標（４０２）が、前記全体の最大値、前記全体の最小値、及び前記平均値を含む、全体の最大値、全体の最小値、及び平均値を特定すること（６４０）を含む、請求項１から５のいずれか一項に記載の方法（６００）。
7. 少なくとも前記更なる動作指標（４０２）向けの前記値を使用して前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記値の数が、前記航空機の種類の航空機の閾値数に一致するまで、前記航空機の種類の複数の航空機に対応する前記更なる動作指標（４０２）向けの値を蓄積すること（６４２）、及び
   前記更なる動作指標向けの前記値の数が、前記航空機の種類の航空機の前記閾値数に一致すると判断した後で、蓄積された前記更なる動作指標向けの前記値を使用して、前記機械学習モデルを訓練すること（６４４）を更に含む、請求項１から６のいずれか一項に記載の方法。
8. それぞれのグループ分けに対応する前記航空機の種類のそれぞれの部分の既知の空力特性に基づいて、前記複数のグループ分けの各グループ分けに対する前記更なる動作指標向けのシミュレートされた値を特定すること（６４６）、及び
   少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記シミュレートされた値を使用して、前記機械学習モデルを訓練すること（６４８）を更に含む、請求項１から７のいずれか一項に記載の方法。
9. 前記機械学習モデルを訓練すること（６１２）が、少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、２つ以上の異なる機械学習モデルを訓練すること（６５０）を含み、前記方法が、
   前記計算システム（１００）によって、前記２つ以上の異なる機械学習モデルの出力を比較することであって、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供すること（６１４）が、前記２つ以上の異なる機械学習モデルの前記出力を比較したことに基づいて、保守を実行するための前記指示命令を提供すること（６５４）を含む、出力を比較することを更に含む、請求項１から８のいずれか一項に記載の方法。
10. 前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供すること（６１４）が、
    前記機械学習モデルの前記出力を受け取ること（６５８）であって、前記出力が、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機の各部分の性能評価を含む、前記出力を受け取ること（６５８）、
    前記航空機の１以上の部分の性能評価が性能評価閾値未満であると判断すること（６６０）、並びに
    前記１以上の部分に対して保守を実行するための前記指示命令を提供すること（６６２）を含む、請求項１から９のいずれか一項に記載の方法。
11. 航空機の保守を実行するかどうかを判断するためのシステム（１００）であって、
    プロセッサ（１０６）と、前記プロセッサ（１０６）によって、
    ある航空機の種類の複数の動作上異なる部分が受けると予期される飛行中の力に基づいて、前記航空機の種類に関連付けられた複数のセンサ及びパラメータから、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの複数のグループ分けを選択し、
    前記航空機の種類の航空機（２００）から、センサ及び／パラメータの各グループ分けに対応する特徴データ（３００）を受け取り、
    前記特徴データ（３００）から、センサ及び／又はパラメータの前記複数のグループ分けに対応する所定の動作指標（４００）向けの値を特定し、前記所定の動作指標（４００）向けの前記値が、前記航空機（２００）の所与の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表しており、
    前記所定の動作指標（４００）向けの前記値を、前記航空機（２００）の少なくとも１つの他の飛行に対応する前記所定の動作指標（４００）向けの値と比較し、
    前記所定の動作指標（４００）向けの前記値を比較したことに基づいて、更なる動作指標（４０２）の値を特定し、前記更なる動作指標（４０２）の前記値が、前記航空機（２００）の複数の飛行中の、センサ及び／又はパラメータの選択されたグループ分けに対応する、前記航空機（２００）のそれぞれの部分が受ける力に対する前記航空機（２００）の応答を表しており、
    少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、機械学習モデルを訓練し、
    前記機械学習モデルの出力に基づいて、前記航空機（２００）又は前記航空機の種類の別の航空機の前記複数の部分のうちの１以上に対して保守を実行するための指示命令を提供するように、実行可能な指示命令（１０８）を記憶したメモリ（１０８）と、を有する計算デバイス（１０２）を備える、システム。
12. データベース（１１６）を更に備え、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択することが、
    前記データベース（１１６）から、前記航空機の種類の前記複数の動作上異なる部分が受けると予期される前記飛行中の力に対応するシミュレーションデータ及び／又は試験データを受け取ること、
    前記シミュレーションデータ及び／又は試験データを受け取ったことに基づいて、前記予期される飛行中の力に関係する、前記航空機の種類の既知のセンサ及び／又はパラメータを特定すること、並びに
    前記予期される飛行中の力に関係する、前記航空機の種類の前記既知のセンサ及び／又はパラメータを特定したことに基づいて、前記航空機の種類の前記複数の部分に対応するセンサ及び／又はパラメータの前記グループ分けを選択することを含む、請求項１１に記載のシステム。
13. データベース（１１６）を更に備え、前記指示命令が、前記プロセッサ（１０６）によって、
    前記特徴データ（３００）を受け取り、
    前記特徴データ（３００）を前記データベース（１１６）に送信し、
    前記特徴データ（３００）と共に、前記特徴データ（３００）に対応する特定の航空機に関連付けられた航空機識別子を、前記データベース（１１６）に送信するように、更に実行可能である、請求項１１に記載のシステム。
14. 前記機械学習モデルに関連付けられたサーバ（１１８）を更に備え、前記サーバ（１１８）が、前記機械学習モデルを訓練するために、前記計算デバイス（１０２）から入力を受け取るように構成され、前記指示命令が、前記プロセッサ（１０６）によって、
    それぞれのグループ分けに対応する前記航空機の種類のそれぞれの部分の既知の空力特性に基づいて、前記複数のグループ分けの各グループ分けに対する前記更なる動作指標（４０２）向けのシミュレートされた値を特定し、
    少なくとも前記更なる動作指標（４０２）向けの前記値を使用して、前記機械学習モデルを訓練する前に、前記更なる動作指標（４０２）向けの前記シミュレートされた値を使用して、前記機械学習モデルを訓練するように、更に実行可能である、請求項１１又は１２に記載のシステム。
15. 航空機保守施設に関連付けられた航空機保守コントローラ（１２０）を更に備え、前記航空機（２００）の前記複数の部分のうちの１以上に対して保守を実行するための前記指示命令を提供することが、前記指示命令を前記航空機保守コントローラ（１２０）に送信することを含む、請求項１１から１４のいずれか一項に記載のシステム。
    

Images