特許ウォッチ

公開番号2024103474
公報種別公開特許公報(A)
公開日2024-08-01
出願番号2024006644
出願日2024-01-19
発明の名称モデルの組み合わせを使用するメンテナンス間隔の決定
出願人ザ・ボーイング・カンパニー,The Boeing Company
代理人園田・小林弁理士法人
主分類B64F 5/40 20170101AFI20240725BHJP(航空機;飛行;宇宙工学)
要約【課題】航空機構成のためのメンテナンス間隔を決定するためのコンピューティングシステム及びコンピューティングシステムによって実行される方法を提供する。
【解決手段】方法は、対象の航空機構成の構成要素(221)に関わる不具合モードのセット(210)を特定する、不具合モード定義を取得する。方法は、第1予測モデルを実装し、センサデータに基づいて、構成要素(221)に関わる不具合モード(211、212、213)の第1寿命確率分布(261)を決定する。方法は、第1予測モデルとは異なる第2予測モデルを実装し、センサデータに基づいて、構成要素(221)に関わる不具合モード(211、212、213)の第2寿命確率分布(262)を決定する。方法は、第1寿命確率分布(261)及び第2寿命確率分布(262)に基づいて、構成要素(221)のメンテナンス間隔(102)を決定する。
【選択図】図2
特許請求の範囲【請求項１】
対象の航空機構成（１０４）についてメンテナンス間隔（１０２）を決定するための、コンピューティングシステム（１００）によって実行される方法（３００）であって、
前記対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
前記対象の航空機構成（１０４）の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
前記コンピューティングシステム（１００）において第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定することと、
前記コンピューティングシステム（１００）において前記第１予測モデル（１２０、１２２、１２４）とは異なる第２予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定することと、
前記第１寿命確率分布（２６１）及び前記第２寿命確率分布（２６２）に少なくとも部分的に基づいて、前記構成要素（２２１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンス間隔（１０２）を出力することと、
を含む、方法（３００）。
続きを表示（約 2,300 文字）【請求項２】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）が、前記第１不具合モード（２１１）とは異なる第２不具合モード（２１２）である、請求項１に記載の方法（３００）。
【請求項３】
前記コンピューティングシステムにおいて第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちの第３不具合モード（２１３）の第３寿命確率分布（２６３）を決定することを更に含み、
前記第３不具合モード（２１３）は前記第１不具合モード（２１１）とは異なり、
前記構成要素（２２１）の前記メンテナンス間隔（１０２）を決定することが、少なくとも部分的に、前記第３寿命確率分布（２６３）に更に基づく、請求項２に記載の方法（３００）。
【請求項４】
前記コンピューティングシステムにおいて第３予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第３寿命確率分布（２６３）を決定することを更に含み、
前記第３予測モデル（１２０、１２２、１２４）が、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）とは異なる、請求項２に記載の方法（３００）。
【請求項５】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）も、前記第１不具合モード（２１１）である、請求項１に記載の方法（３００）。
【請求項６】
前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）が各々、
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（７１０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む予測モデルのセット（１２０、１２２、１２４）から選択される、請求項１に記載の方法（３００）。
【請求項７】
前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について、予測モデルのセット（１２０、１２２、１２４）の中から、対象の不具合モード（２１１、２１２、２１３）に対して前記コンピューティングシステム（１００）によって実装されるべき一又は複数の予測モデル（１２０、１２２、１２４）を特定する、モデル定義（１７４）を取得することと、
前記モデル定義（１７４）に基づいて、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）を選択することと、を更に含む、請求項１に記載の方法（３００）。
【請求項８】
前記対象の航空機構成（１０４）の前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）は、前記対象の航空機構成（１０４）の前記構成要素（２２１）及び一又は複数の他の構成要素（２２２）に関わる複数構成要素不具合モード（２１３）を含み、
出力される前記メンテナンス間隔（１０２）は、複数構成要素不具合モード（２１３）の前記構成要素（２２１）及び前記一又は複数の他の構成要素（２２２）に対するメンテナンスサブタスク（２３２）のためのものである、請求項１に記載の方法（３００）。
【請求項９】
複数のメンテナンスサブタスク（２３１、２３２）を有する前記対象の航空機構成（１０４）のためのメンテナンスタスク（２４０）、及び各メンテナンスサブタスク（２３１、２３２）に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）を特定する、メンテナンスタスク定義（１７０）を取得することと、
出力される前記メンテナンス間隔（１０２）を、前記メンテナンスタスク定義（１７０）によって特定された前記構成要素（２２１）に関わる前記複数のメンテナンスサブタスク（２３１、２３２）のうちのあるメンテナンスサブタスク（２３１）に関連付けることと、を更に含む、請求項１に記載の方法（３００）。
【請求項１０】
前記構成要素（２２１）の前記メンテナンス間隔（１０２）が、前記第１寿命確率分布（２６１）と前記第２寿命確率分布（２６２）との組み合わせに少なくとも部分的に基づく、請求項１に記載の方法（３００）。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
［０００１］本開示の発明は概して、コンピューティングシステムによって実装される予測モデルを使用して航空機のためのメンテナンス間隔を決定することに関する。
続きを表示（約 3,200 文字）【背景技術】
【０００２】
［０００２］航空機のメンテナンスは、航空機及びその構成要素の適切な機能を確保するために、メンテナンス間隔に従ってメンテナンスタスクを実行することを伴う。かかるメンテナンスの実行により、典型的には、航空機が一定期間にわたって非稼働になることが必要になる。したがって、航空機群の運航者は、メンテナンス間隔の頻度を最小化するか、又は低減することを求めることがある。
【発明の概要】
【０００３】
［０００３］対象の航空機構成のためのメンテナンス間隔を決定するための、コンピューティングシステム及びコンピューティングシステムによって実行される方法が開示される。
【０００４】
［０００４］コンピューティングシステムによって実行される例示的な方法は、対象の航空機構成の集合（ｐｏｐｕｌａｔｉｏｎ）の電子システムによって報告されたセンサデータを取得することを含む。この方法は、対象の航空機構成の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することを更に含む。方法は、コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第１寿命確率分布を決定することを更に含む。方法は、コンピューティングシステムにおいて第１予測モデルとは異なる第２予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第２寿命確率分布を決定することを更に含む。方法は、第１寿命確率分布及び第２寿命確率分布に少なくとも部分的に基づいて、構成要素のメンテナンス間隔を決定することを更に含む。方法は、このメンテナンス間隔を出力することを更に含む。
【０００５】
［０００５］コンピューティングシステムによって実行される別の例示的な方法は、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することを含む。この方法は、複数のメンテナンスサブタスクを有する対象の航空機構成のための初期のメンテナンスタスク、メンテナンスタスクのメンテナンス間隔、及び各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素を特定する、メンテナンスタスク定義を取得することを更に含む。方法は、複数のメンテナンスサブタスクの各々に関する対象の航空機構成の一又は複数の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することを更に含む。方法は、メンテナンスサブタスクの不具合モードのセットに関し、（１）不具合モードのセットの各不具合モードについて、コンピューティングシステムにおいて複数の予測モデルのうちの１つを実装し、センサデータに少なくとも部分的に基づいて、不具合モードの寿命確率分布を決定することと、（２）不具合モードのセットの各不具合モードについて決定された寿命確率分布に少なくとも部分的に基づいて、メンテナンスサブタスクの一又は複数の構成要素のメンテナンス間隔を決定することと、によって、不具合モードのセット全体について、メンテナンスサブタスクのメンテナンス間隔を決定することを更に含む。方法は、メンテナンスサブタスクのメンテナンス間隔を出力することを更に含む。
【図面の簡単な説明】
【０００６】
対象の航空機構成のためのメンテナンス間隔を決定するために使用されうる、一又は複数のコンピューティングデバイスの例示的なコンピューティングシステムを概略的に示す。
不具合モードと、構成要素と、メンテナンスタスクと、予測モデルとの間の例示的な関係性を概略的に示す。
対象の航空機構成のためのメンテナンス間隔を決定するために図１のコンピューティングシステムによって実行されうる、例示的な方法を示すフロー図である。
図３の方法の例示的な使用シナリオを示すフロー図である。
図１のコンピューティングシステムによって実行されうる、マイナーエビデントモデルを実装する例示的な方法を示すフロー図である。
図１のコンピューティングシステムによって実行されうる、条件ベースモデルを実装する例示的な方法を示すフロー図である。
図１のコンピューティングシステムによって実行されうる、リスク等価モデルを実装する例示的な方法を示すフロー図である。
図１のコンピューティングシステムの例示的なインターフェースを示す。
【発明を実施するための形態】
【０００７】
［００１４］航空機のメンテナンスは、航空機及びその構成要素の適切な機能を確保するために、メンテナンススケジュールに従ってメンテナンスタスクを実行することを伴う。本開示では、対象の航空機構成のためのメンテナンス間隔を決定するための、コンピューティングシステム及びコンピューティングシステムによって実行される方法が開示される。開示されているコンピューティングシステム及び方法では、メンテナンス間隔を決定するために、複数の予測モデルの組み合わせが使用されうる。種々のメンテナンスタスクの目的に合わせて複数のモデルの組み合わせを使用することにより、航空機の健全性メンテナンスの精度を向上させることが可能になりうる。具体的には、複数のモデルの組み合わせを使用することによって、予定された別個のタスクを実行して不具合モードに個別に対処するよりも、不具合モードのリスクがより正確に反映されうる。例えば、センサが注油（ｌｕｂｒｉｃａｔｉｏｎ）／整備タスクが必要かどうかを検出した場合、センサによって検知された動作条件による条件ベースモデルと、リスクベースモデルとの組み合わせにより、かかる注油／整備タスクを実施しないことに関連付けられた不具合モードのリスクの、より正確な評価が提供されうる。
【０００８】
［００１５］本書で開示しているメンテナンス間隔を決定するためのマルチモデルアプローチは、既存のメンテナンスタスクを、種々のメンテナンス間隔を有するいくつかのサブタスクに分割するために使用されうる。追加的又は代替的には、このマルチモデルアプローチは、メンテナンスの遅延に関連付けられた不具合モードをより正確に特徴付けることによって、既存のメンテナンスタスク又はサブタスクのメンテナンス間隔を長くするために使用されうる。
【０００９】
［００１６］図１は、対象の航空機構成１０４のためのメンテナンス間隔１０２を決定するために使用されうる、一又は複数のコンピューティングデバイスの例示的なコンピューティングシステム１００を概略的に示している。コンピューティングシステム１００は、本書に記載されている、追加的な構成要素及び特徴を含む動作環境１０６という文脈において、図１に示されている。
【００１０】
［００１７］コンピューティングシステム１００は論理機械１１０、記憶機械１１２、及び入出力サブシステム１１４を含む。記憶機械１１２には命令１１６が記憶されており、命令１１６は、本書に記載の方法、工程、及びその他の機能を実行するよう、論理機械１１０によって実行可能である。命令１１６の例示的な構成要素は、メンテナンス間隔モジュール１１８、マイナーエビデントモデル１２０、条件ベースモデル１２２、リスク等価モデル１２４、及びセンサデータモジュール１２６を含む。命令１１６のかかる構成要素は、コンピューティングシステム１００によって実行されうる例示的な方法、工程、及びその他の機能に関連して、本書で以下に詳述される。
（【００１１】以降は省略されています）

関連特許