Предиктивная аналитика: как искусственный интеллект предсказывает поломку самолёта
В аэрокосмической отрасли предиктивная аналитика позволяет с помощью искусственного интеллекта прогнозировать критические ситуации, связанные с отказом оборудования, и сигнализировать о необходимости внепланового техобслуживания. Помимо этого предиктивную аналитику используют на заводах с целью правильной настройки режимов станков и оптимальной загрузки цехов.
— Традиционно контроль за техническим состоянием оборудования ведётся на основе планового техобслуживания, регламентов настройки режимов, а также анализа, основанного на исторических данных, — рассказывает доцент кафедры 806 «Вычислительная математика и программирование» и заместитель начальника управления IT-Центра МАИ Пётр Ухов. — Благодаря предиктивной аналитике техобслуживание производится по необходимости, позволяет обеспечить раннее обнаружение дефектов и предотвратить аварийные остановки оборудования.
Развитием предиктивной аналитики является прескриптивная аналитика, которая направлена на настройку режимов оборудования и оптимизацию тех или иных параметров. Как следствие использования искусственного интеллекта — снижение издержек и повышение безопасности полётов.
Индекс здоровья самолёта
Предиктивная аналитика позволяет делать заключение на основе имеющихся данных. Для составления прогноза в машину загружается эксплуатационная, проектная и конструкторская документация, данные изменения параметров оборудования в ходе нормальной эксплуатации, информация об объёме проведённого техобслуживания и зафиксированных отказов в работе оборудования. Это могут быть актуальные значения таких параметров, как давление, температура, расходы топлива и спецальных жидкостей и т.д. Кроме этого могут быть использованы математические закономерности, например, математическая модель двигателя или его компонента.
На основе этого создаётся предиктивная модель оборудования и формируется прогноз в виде различных параметров. Одним из таких параметров может быть «индекс здоровья» — показатель надёжности системы и дополнительная информация, характеризующая причины возможного отклонения от нормы.
— С помощью искусственного интеллекта эксплуатант может определить, например, когда необходимо совершить промывку авиационного двигателя, чтобы температура газа за турбиной не достигала критических значений и сохранялся оптимальный расход топлива, — говорит Пётр Ухов. — Промывают двигатель как водой, так и достаточно дорогими химическими составами с ингибиторами коррозии. Поэтому рекомендации по использованию того или иного процесса позволяют повысить ресурс и сделать это экономически эффективнее.
Диагноз для двигателя
Подобные проблемы решает компания S7 TechLab — разработчик инновационных IT-решений, входящая в состав холдинга S7. В рамках программы по импортозамещению компания разработала отечественную систему мониторинга состояния авиационного двигателя. Прежде использовалась швейцарская, которая работала в режиме облачного сервиса: статистические данные отправлялись за рубеж, где искусственный интеллект и система статистики вычисляли параметры качества работы двигателя и присылали назад готовые рекомендации по обслуживанию техники.
В 2023 году специалисты компании передали на Цифровую кафедру Московского авиационного института данные по эксплуатации авиационных двигателей. На их основе студентами были обучены модели машинного обучения и проанализированы входные и выходные данные системы мониторинга авиационного двигателя.
Молодые инженеры МАИ предложили ряд решений, которые будут использованы в новых системах предиктивной аналитики. В том числе они разработали решение, которое прогнозирует запас температуры газов в двигателе на основе многочисленных параметров системы мониторинга. Данная работа была использована специалистами S7 TechLab в своей работе.
Материал подготовлен при поддержке Минобрнауки России
