Condition-based vliegtuigonderhoud op basis van AI

Resultaten onderzoeksprogramma ReMAP voorgesteld

Hoewel condition-based maintenance (CBM) niet nieuw is, zijn er nog maar weinig initiatieven geweest om het concept in de luchtvaart toe te passen. Daarom is TU Delft vier jaar geleden met vele Europese partners en KLM begonnen met het onderzoeksprogramma ReMAP. Hierbinnen zijn de mogelijkheden onderzocht om vliegtuigonderhoud te optimaliseren met behulp van kunstmatige intelligentie. Ondertussen werden de resultaten gepresenteerd, met als belangrijkste conclusie dat CBM inderdaad kan bijdragen aan het verlagen van de onderhoudskosten en het verhogen van de beschikbaarheid van toestellen.

Condition-based maintenance

Onderhoud aan vliegtuigen is in de meeste gevallen gebaseerd op het aantal vlieguren, aantal vluchten of kalenderdagen. Het onderhoud is daarbij in praktisch alle gevallen preventief. Uit veiligheidsoverwegingen is dit een prima aanpak, maar in de optiek van kosten is dit beduidend ongunstiger. Op deze manier worden vervangingen en werkzaamheden in principe altijd te vroeg uitgevoerd en in sommige gevallen zelfs véél te vroeg.

Het zou daarom logischer zijn om 'condition-based maintenance' toe te passen: onderhoud uitvoeren op basis van de daadwerkelijke conditie van (de vele assets van) het vliegtuig. Naast het feit dat hiermee de reguliere onderhoudskosten sterk te verlagen zijn, leidt het ook tot minder ongeplande stilstand en hiermee vertragingen of uitval van vluchten.

Onderhoud aan vliegtuigen is doorgaans preventief, uit veiligheidsoverwegingen

De reden dat dit type onderhoud in de luchtvaart nog nauwelijks wordt toegepast, ligt vooral in het veiligheidsaspect. Deze sector kent een strenge wet- en regelgeving en "even" een sensor plakken voor een verkennend onderzoek is er dus niet bij. Die zou immers invloed kunnen hebben op de omliggende systemen en deze kunnen verstoren. Bovendien moeten CBM-modellen bewezen betrouwbaar zijn; vooral wanneer het om kritieke systemen gaat. Ook dat is niet eenvoudig. Om aan alle aspecten te voldoen die CBM in de luchtvaart mogelijk maken, is er dus nog een hele weg te gaan.

Routekaart

Om die reden heeft TU Delft het initiatief genomen om een routekaart op te stellen, om zo uit te zoeken of CBM geschikt is voor het verlagen van de onderhoudskosten en het verhogen van de beschikbaarheid van vliegtuigen. Dit bij het handhaven – of verbeteren – van het huidige veiligheidsniveau. Voor deze routekaart is het project ReMAP opgesteld, wat staat voor 'Real-time Condition-based Maintenance for Adaptive Aircraft Maintenance Planning'. Het gaat om een vierjarig project, dat in juni 2018 van start ging in samenwerking met diverse Europese universiteiten, kennisinstellingen en bedrijven. De benodigde financiering werd verkregen vanuit het onderzoeks- en innovatieprogramma Horizon 2020 van de Europese Unie.

Bruno Santos is de initiator en projectcoördinator van ReMAP vanuit TU Delft. "Wanneer er bij toekomstige ontwerpen van vliegtuigen rekening wordt gehouden met CBM, zijn er nog meer voordelen te behalen. Door het continu en realtime bewaken van materialen en systemen zijn vliegtuigen waarschijnlijk lichter te ontwerpen. Er zijn namelijk minder back-upsystemen nodig en ook de structuren zijn lichter uit te voeren", legt hij uit. "Op de middellange termijn wordt de gewichtsvermindering geschat op 3–7% voor primaire structuren; voor de lange termijn hanteren we een percentage van 10–20%. Voor een vliegtuig met 700 vluchten per jaar resulteert dit in 105 ton brandstofbesparing en een CO₂-reductie van maar liefst 350 ton."

Verloop project

Het onderzoek binnen ReMAP is grofweg in drieën te verdelen: onderzoek naar sensoren en diagnosetechnieken voor structuren, vliegtuigsystemen en -componenten en tot slot het uitvoeren van testen in een praktijkomgeving.

Sensoren en diagnose

Het eerste deelonderzoek is gedeeltelijk in het Structures & Materials-laboratorium van Luchtvaart- en Ruimtevaarttechniek van TU Delft uitgevoerd. Dit vanwege de eerdergenoemde reden dat een sensor niet eenvoudig in de praktijk op een echt vliegtuig is te testen.

TU Delft-promovendus Agnes Broer en onderzoeker dr. Nan Yue hebben hier gedurende twee jaar een vliegtuigstructuur van ongeveer een vierkante meter belast onder een hydraulische pers. Hiervoor is een paneel vervaardigd dat voorzien is van tientallen optische en akoestische sensoren. Daarmee is de conditie van het composietmateriaal te volgen tijdens de kleine half miljoen schokken waaraan het onderworpen werd. Met deze schokken zijn de krachten nagebootst die op een vliegtuigvleugel werken wanneer het bijvoorbeeld in turbulentie terechtkomt, of wanneer het toestel op een hobbelige baan landt.

De proeven zijn een groot aantal keer herhaald met verschillende panelen en toenemende belastingen, tot aan het moment van daadwerkelijk falen. Bijzonder is dat vijf verschillende sensortechnologieën zijn gebruikt, waardoor de resultaten universeel toepasbaar zijn. Dit in tegenstelling tot commerciële initiatieven, die vaak uitgaan van één sensortechniek voor één type vliegtuig.

Met de algoritmes is te bepalen óf er schade is, waar de schade is, welke schade dat is en hoe erg die is

Alle data die uit de tests kwamen, zijn opgeslagen in een (openbare) databank en vervolgens gebruikt voor de ontwikkeling van algoritmes die gebaseerd zijn op kunstmatige intelligentie. Hiermee is te bepalen óf er schade is, waar de schade is, welke schade dat is en hoe erg die is. Een Structural Health Management (SHM)-systeem dus. Een belangrijk voordeel is dat hiermee de (gevoelige en niet-objectieve) menselijke factor uit het beoordelingsproces is te halen. Tevens zijn de gegevens door iedere belanghebbende in de luchtvaartindustrie toegankelijk. Exploitanten kunnen ze bijvoorbeeld als benchmark gebruiken en hun prestaties op het gebied van vliegtuigonderhoud vergelijken. Vliegtuigfabrikanten kunnen deze database inzetten om hun ontwerp te verbeteren.

Dimitrios Zarouchas, hoofddocent bij de TU Delft: "Voorts zullen onderzoekers deze kennisbank in samenwerking met de luchtvaartindustrie gebruiken om eigenhandig voorspellende modellen te ontwerpen en deze weer te delen met deze kennisbank. Dit vergroot de nauwkeurigheid van de modellen, wat ook de betrouwbaarheid van de voorspellingen over de toestand van de vliegtuigconstructies vergroot. Een hele verbetering ten opzichte van de huidige, arbeidsintensieve en foutgevoelige aanpak om inspecties aan deze materialen handmatig uit te voeren."

Deelnemende partijen
Voor het materiaalonderzoek zijn composietpanelen ontworpen door vliegtuigbouwer Embraer (PT) en vervaardigd door Optimal Solutions (PT). De sensoren zijn geleverd door Cedrat Technologies (FR) en Smartec SA (CH). Deze zijn zorgvuldig op deze panelen geplaatst volgens wetenschappelijk onderbouwde criteria van de Universiteit van Patras (GR). De École National Supérieure d'Arts et Métiers (FR) ontwikkelde de software voor data-acquisitie. De databank is nu beschikbaar op www.dataverse.nl.

Vliegtuigsystemen en -componenten

Het tweede deelonderzoek richtte zich op vliegtuigsystemen en -componenten en omvatte diverse onderdelen.

• Onderzoek naar algoritmes ter verbetering van de diagnose en de prognose.
• Ontwikkeling van een besluitvormingsondersteunend systeem dat planners van vliegtuigonderhoud helpt bij het verwerken van de grote hoeveelheid informatie. Met de huidige handmatige wijze van plannen is er maximaal 10 dagen vooruit te plannen. Met ReMAP – Maintenance Decision Support Tool ongeveer 120 dagen. Die extra 110 dagen zijn cruciaal om problemen vóóraf te identificeren én een langetermijnonderhoudsstrategie te ontwikkelen. Deze oplossing heeft overigens een prijs ontvangen van het Nederlandse World Class Maintenance.
• Ontwikkeling van een IT-platform waarmee alle systemen te koppelen zijn. Het unieke aan dit platform is dat er geen vertrouwelijke data van luchtvaartmaatschappijen worden overgedragen. In plaats daarvan worden modellen van diagnose- en prognosesystemen zodanig gedeeld dat andere partijen hiervan kunnen leren én de mogelijkheid hebben deze aan te vullen.
• Onderzoek naar de effecten van deze technologie op de veiligheid van de mens. Bruno Santos: "ReMAP heeft dit voor het eerst opgesteld. Hiervoor hebben ervaren KLM-onderhoudsspecialisten input geleverd die is vastgelegd en gepubliceerd in een openbaar document: 'Deliverable 7.1: Hazards and Safety Barriers related with CBM technologies'. Aan de hand van deze identificatie zijn modellen gemaakt van het vliegtuigonderhoud, met en zonder CBM, waarmee de impact op de betrouwbaarheid van het vliegtuig is in te schatten wanneer CBM wordt ingebouwd."

Partners die betrokken zijn bij dit deelonderzoek, zijn ATOS (SP), UTRC (IE), ONERA (FR), University of Coimbra (PT), TU Delft en KLM.

Validatie technologieën

Tot slot zijn de diagnostiek en de conditievoorspelling (prognostiek) van vliegtuigen getest in een zes maanden durend project in een echte praktijkomgeving van KLM. Hier is tevens adaptieve programmatuur voor de onderhoudsplanning gevalideerd, waarbij is gekeken naar acht boordsystemen van wide-body- en narrow-bodyvliegtuigen van KLM.

Santos: "Het is echt een unicum dat we onze modellen en technologieën in real time konden testen met behulp van operationele gegevens van KLM. De belangrijkste conclusie luidde dat AI-modellen inderdaad zijn te gebruiken om de conditie van vliegtuigsystemen te voorspellen. Het hele proces van het verzamelen van gegevens van een vloot vliegtuigen, het verwerken van deze gegevens, het ontwikkelen van prognoses en het maken van continue onderhoudsplannen met die prognoses, ligt binnen ons bereik. Tevens hebben we vastgesteld dat CBM niet geschikt is voor alle systemen en niet voor alle vliegtuigconstructies. De afweging hangt af van de inzet- en onderhoudskosten en de betrouwbaarheid van de algoritmes voor conditiemonitoring."

Onderhoudsprocedures moeten veranderen om de CBM-filosofie volledig te benutten

Een andere conclusie die uit de eerste experimenten volgt, is dat onderhoudsprocedures moeten veranderen om de CBM-filosofie volledig te benutten.

"Simulaties laten zien dat het vliegtuig bijvoorbeeld elke twee weken – of minstens elke maand – de hangar moet bezoeken, in plaats van de gebruikelijkere vier tot vijf keer per jaar. Alleen dan is er voldoende flexibiliteit te creëren om de niet-routinematige CBM-taken te plannen volgens nieuwe prognoses. Dit zal de algehele efficiëntie van het MRO-proces verhogen. De MRO-industrie zal hiervan profiteren, zonder de operationele kant te belasten."

En nu?

ReMAP loopt tot en met augustus 2022. De conclusies en aanbevelingen en een routekaart zijn eind mei 2022 gepresenteerd tijdens de '1st International Conference on CBM in Aerospace' bij de TU Delft, met support van alle ReMAP-partners.

Santos: "Hiermee is het onderzoek natuurlijk niet ten einde. Het project is te beschouwen als een eerste stap waarin CBM in de luchtvaart op een systematische wijze is onderzocht en er een CBM-raamwerk is ontwikkeld. Hiermee hebben we een goed beeld gekregen van alles wat nog moet gebeuren om een CBM-oplossing in de praktijk toe te passen. Op het gebied van materialen wordt er alvast vervolgonderzoek uitgevoerd door het in 2021 door de TU Delft opgerichte 'Centre of Excellence in AI for Structures'."

Meer info: https://h2020-remap.eu/