WO2015086957A2 - Prévision d'opérations de maintenance a appliquer sur un moteur - Google Patents

Prévision d'opérations de maintenance a appliquer sur un moteur Download PDF

Info

Publication number
WO2015086957A2
WO2015086957A2 PCT/FR2014/053148 FR2014053148W WO2015086957A2 WO 2015086957 A2 WO2015086957 A2 WO 2015086957A2 FR 2014053148 W FR2014053148 W FR 2014053148W WO 2015086957 A2 WO2015086957 A2 WO 2015086957A2
Authority
WO
WIPO (PCT)
Prior art keywords
damage
maintenance
counters
consumption
missions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/FR2014/053148
Other languages
English (en)
Other versions
WO2015086957A3 (fr
Inventor
Alexandre ANFRIANI
Julien Alexis Louis Ricordeau
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Safran Aircraft Engines SAS
Original Assignee
SNECMA SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SNECMA SAS filed Critical SNECMA SAS
Priority to RU2016126807A priority Critical patent/RU2670937C9/ru
Priority to US15/102,455 priority patent/US11243525B2/en
Priority to CA2932933A priority patent/CA2932933C/fr
Priority to BR112016012131-7A priority patent/BR112016012131B1/pt
Priority to JP2016536978A priority patent/JP6552500B2/ja
Priority to EP14821787.0A priority patent/EP3080670B1/fr
Priority to CN201480067272.1A priority patent/CN105829982B/zh
Publication of WO2015086957A2 publication Critical patent/WO2015086957A2/fr
Publication of WO2015086957A3 publication Critical patent/WO2015086957A3/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance

Definitions

  • the present invention relates to the field of maintenance of an aircraft engine.
  • the invention relates to a method and a system for predicting maintenance operations to be applied to an aircraft engine.
  • the forecast of the maintenance operations on an aircraft engine is determined according to the estimate of the damage or wear of the various elements of the engine.
  • the estimate is based on damage counters that are calculated on each mission from flight parameter records.
  • a damage counter is associated with each component to count the number of actual cycles consumed by the component.
  • each damage counter is associated with at least one damage ceiling.
  • Different maintenance actions can be performed when one (or more) ceiling (s) is (are) reached. These maintenance actions are described in a maintenance plan and range from no-deposit inspection to replacement of damaged parts to inspections requiring removal. The goal of maintenance management operations is to perform maintenance operations just in time to push the use of parts or components to their maximum operating potential.
  • damage counters can therefore reach their ceilings at different speeds and therefore at different flights.
  • the maintenance defined from the damage counters may then require relatively close deposits. Indeed, the fact that damage counters can reach their ceilings at different times results in sometimes close removals.
  • the object of the present invention is therefore to optimize the maintenance operations on aircraft engines to increase the availability of aircraft while meeting all the requirements and constraints of security.
  • the present invention relates to a method for predicting maintenance operations to be applied to an aircraft engine or a part of the aircraft engine comprising a plurality of components followed by damage counters, each damage counter being limited by a corresponding damage ceiling, said method comprising the following steps:
  • the method comprises the following steps:
  • the application of a maintenance strategy comprises the following steps:
  • Consolidation of maintenance operations improves engine availability. For example, we can do the simulation for a horizon of 2000 flights while consolidating maintenance operations by anticipating actions that would have triggered in the next 50 or 100 flights.
  • the application of a maintenance strategy comprises the following steps:
  • the method comprises the following steps: repeating the consumption simulation of the damage counters a plurality of times to determine a set of consumption values associated with each maintenance indicator, and
  • the learning database includes:
  • a predetermined maintenance plan comprising the damage ceilings associated with the potential sensors and the corresponding maintenance actions.
  • the learning database also includes mission indicators including a severity indicator for each mission, a flight duration indicator for each mission, and a mission type indicator.
  • the drawing of said succession of simulation missions is performed randomly on a subset of experience missions belonging to a specific type of mission.
  • the maintenance plan can be adapted to the manner in which the aircraft are used.
  • the method includes an update of the database.
  • the invention also relates to a maintenance forecasting tool to be applied to a fleet of aircraft engines by applying the maintenance operation forecasting method according to the above characteristics on each of the aircraft engines.
  • the invention also relates to a system for predicting maintenance operations to be applied to an aircraft engine comprising a plurality of components followed by damage counters, each damage counter being limited by a corresponding damage ceiling, said system comprising:
  • processing means adapted to simulate a consumption of said damage counters by iteratively pulling a succession of simulation missions from a learning database containing experience missions,
  • processing means adapted to determine at each iteration a cumulative consumption of each of said damage counters until at least one damage counter relating to a current simulation mission reaches a predetermined value bounded by the ceiling damage associated with said damage counter,
  • Processing means adapted to apply a maintenance strategy on said current simulation mission to determine maintenance indicators representative of the maintenance operations to be provided on the aircraft engine.
  • FIG. 1 schematically illustrates a system for predicting maintenance operations to be applied to an engine or part of an engine according to the invention
  • FIG. 2 schematically illustrates a structure of damage counters of an aircraft engine
  • FIG. 3 is a flowchart schematically illustrating a method for predicting maintenance operations on an aircraft engine, according to the invention
  • FIG. 4A schematically illustrates a table comprising a set of experience missions and associated potential sensors
  • FIG. 4B schematically illustrates a table describing a maintenance plan of an aircraft engine
  • FIG. 5 is a block diagram illustrating the method of predicting maintenance operations, according to a preferred embodiment of the invention.
  • the general principle of the invention is to predict the consumption of damage counters of an aircraft engine from a mission database and use this prognosis to best apply a maintenance strategy allowing optimize engine availability and maintenance costs of said engine.
  • Fig. 1 schematically illustrates a system for predicting maintenance operations to be applied to an aircraft engine, according to the invention.
  • the forecasting system 1 is installed in a ground station and comprises a computer system 3 usually comprising input means 5, processing means 7, storage means 9, and output means 11.
  • the storage means 9 may comprise a computer program comprising code instructions adapted to the implementation of the forecasting method according to the invention. This computer program can be executed by the processing means 7 in relation to the storage means 9 and the input 5 and output 11 means.
  • the aircraft 13 proceeds to the collection and recording of the flight parameters on its embedded computers 15. These data can be downloaded regularly, for example after each mission, to be retrieved by the forecasting system 1 It should be noted that some of this data can also be transmitted to the ground station in real time.
  • the data recovered by the forecasting system 1 are used to determine the consumption of the damage counters 17 (ie to count the actual numbers of cycles seen or consumed by the modules) making it possible to estimate the wear or the damage of the various modules. of the aircraft engine.
  • Fig. 2 schematically illustrates a structure of damage counters of an aircraft engine.
  • the aircraft engine 19 consists of a set of modules A1, A2, A3 each comprising different components B1, B2, B3. Each component can have multiple zones or elements E1-E5 that can be used to size the lifetime of the component. Then, at least one damage counter C1-Cm is associated with each element E1-E5 to count the number of actual cycles consumed by this element. The consumption of each damage counter is limited by at least one damage ceiling characterizing the service life (before failure) of the component followed by the damage counter.
  • Fig. 3 is a flow diagram schematically illustrating a method for predicting maintenance operations on an aircraft engine, according to the invention.
  • step E1 the processing means 7 are adapted to simulate a consumption of C1-Cm damage counters by iteratively pulling a succession of simulation missions from a learning database 31 contained, for example, in FIGS. storage facilities 9.
  • the learning database 31 contains a set of experience missions and a training plan. predetermined maintenance.
  • the experience missions include data collected as and when actual flights and is a feedback experience.
  • Fig. 4A schematically illustrates a table comprising a set of experience missions and associated potential sensors.
  • the first column indicates the codes or numbers of the different Ml-Mn missions.
  • the other columns refer to the various Cl-Cm damage counters associated with the different elements of the engine and indicate the consumption of each counter during each mission.
  • the number of cycles or consumption indicated by each meter is for example a measure of the wear or damage of the corresponding component of the engine.
  • Fig. 4B schematically illustrates a table describing a maintenance plan of an aircraft engine.
  • the first column refers to the set of motor Ai-An modules.
  • the different components B1-B3 of each module are indicated in the second column.
  • the third column refers to the different locations or different elements E1-E5 of each component.
  • the fourth column concerns the C1-Cm damage counters associated with the different elements of the engine.
  • the fifth column refers to the ceilings of damage Sl-Sm associated with the various damage counters Cl-Cm and the sixth column possibly indicates inter-inspection intervals ll-lm for elements that can be inspected several times before to be replaced.
  • the seventh column describes the OPl-OPm maintenance operation to be performed on each element or component when the corresponding damage ceiling is reached.
  • the learning database 31 can be enriched by indicators defining the various missions.
  • each Ml-Mn mission may be defined by a severity indicator, a flight duration indicator, and a mission type indicator.
  • the severity indicator represents the overall damage to the mission.
  • the overall damage can be a maximum value of the damage counters, an average value, or a minimum value.
  • the step El thus makes it possible to simulate the consumption of the counters C1-Cm damage by successively simulating different missions from the data from the past contained in the database of learning 31. Each mission is drawn randomly and the consumption of damage counters is deducted from the drawn mission.
  • the draw is performed completely randomly without any indication of future missions in order to model the aging of an engine or a fleet of engines.
  • the simulation is carried out in an oriented manner by filtering the learning base and by randomly drawing according to the selected filter.
  • the simulation is particularised taking into account forecast information of the next missions (type of mission, severity, duration of flight).
  • the draw of the sequence of simulation missions can be carried out randomly on a subset of experience missions that can be selected according to mission severity indicators, and / or flight duration of missions, and / or mission type.
  • the processing means 7 are adapted to determine at each iteration the accumulation of consumption of each of the damage counters C1-Cm until at least one damage counter relating to a mission of current simulation reaches a predetermined value bounded by the damage ceiling associated with the damage counter.
  • the predetermined value is less than or equal to the corresponding damage ceiling.
  • the predetermined value is for example determined according to the number of missions and the value of the ceiling of damage.
  • Step E2 the processing means 7 calculate in step E2 the accumulation of consumption of each of the counters C1-Cm damage.
  • Step E3 is a test to check if there is at least one damage counter relating to the current simulation mission that has already reached the predetermined value associated with the ceiling of damage. If the result of the test is negative, it loops back to step El to draw a new current mission. On the other hand, if at least one counter damage has reached the predetermined value then we go to the following steps E4-E6.
  • the processing means 7 are adapted to apply a maintenance strategy to the current simulation mission thereby determining the maintenance operations to be provided on the aircraft engine 19 and maintenance indicators representative of these operations.
  • step E4 the maintenance action corresponding to the damage ceiling S 1 reached by the damage counter Ci is determined.
  • step E5 it is checked whether the maintenance strategy is applicable to the maintenance action of step E4. If yes, we go to step E6 and if not, we loops back to step E1.
  • step E6 the maintenance strategy is applied and the maintenance indicators are determined.
  • these indicators include the number of depositions and types of depositions.
  • This method thus makes it possible to predict the number and type of maintenance actions according to the strategy engaged for a mission draw sequence.
  • the consumption simulation of the damage counters is repeated a plurality of times to determine a set of consumption values associated with each maintenance indicator.
  • the processing means 7 are adapted to calculate the average of the consumption values associated with each maintenance indicator.
  • Fig. 5 is a block diagram illustrating the method of predicting maintenance operations, according to a preferred embodiment of the invention. This process is advantageously carried out by the prediction system of FIG. 1.
  • This diagram comprises a first part PI concerning a simulation of a maintenance plan and a second part P2 concerning an optimization of the maintenance strategies.
  • the blocks Bu, B 12 , B i3 and B i4 are input data used to predict the consumption of the damage counters Cl-Cm and may be from the past and possibly filtered according to the missions planned futures.
  • the data from the past can be used to complete the learning database 31.
  • Prediction data can be used to refine predictions by providing information on the types, durations and severities of missions, thus refining the use of learning database 31.
  • the block Bu concerns the severity data that classify the Ml-Mn missions according to their severity in terms of consumption of Cl-Cm damage counters. It can be past data and possibly chosen according to the distribution of the missions according to the type of profile of the fleet for example.
  • Block Bi2 concerns the duration of Ml-Mn missions. This is the flight time of each mission or possibly more detailed information such as take-off time, idle time, etc.
  • the block Bi3 concerns data making it possible to classify the Ml-Mn missions according to their type. These data correspond to the descriptions of the missions of the aircraft such as a mission such as "training”, “interception”, “refueling”, etc. These can be past data or forecasts of future missions.
  • Block B i4 relates to the current state of the counters C1-Cm damage. This is the current and past consumption for each damage counter on the same engine.
  • the block B 2 is a simulator of consumption of the potential sensors Cl-Cm implemented by the processing means 7.
  • the consumption simulator B 2 has the data Bu, Bi 2 , Bi 3 and B i 4 corresponding to a list of missions for which the severity, the duration, the type of missions and the current state of the counters Cl-Cm are known.
  • the consumption simulator B 2 makes a draw randomly in the learning database 31 to draw assignments that coincide or are closest to the input data. We thus draw a succession of missions on a subset of experience missions belonging to a specific class of missions.
  • the consumption simulator B 2 uses, for example filters to pull missions belonging to a certain severity, and / or a certain type of missions and / or around a certain duration.
  • B 3 represents the block consumer simulator output data comprising B 2 consumption forecasting damage counters Cl-Cm for each flight.
  • the block B 4 is a maintenance simulator implemented by the processing means 7, which compares the consumption accumulations of the damage counters C1-Cm with the predetermined values associated with the damage ceilings S1-Sm defined in the plan of execution. Maintenance (Fig. 4B). If none of the damage counters has reached the predetermined value associated with it, then the current state of the counters (block B i4 ) is updated by update data (block B 5 ) taking account of the aging of the counters. components, and then the consumption simulation steps of the damage counters are repeated.
  • a maintenance strategy (block B 6 ) is applied. For example, in order to improve the availability of the engine, it is possible to apply a strategy of anticipation according to a determined time horizon of the type "anticipation with 50 flights" which makes it possible to estimate the values of the counters of damage in 50 flights. Then, we repeat the consumption simulation steps on the determined horizon and if other damage counters reach the predetermined values associated with them, we group together the associated maintenance actions and determine the number of depositions and the types of depositions.
  • the simulation on the determined horizon is carried out a large number of times (for example, a few tens of thousands of times) in order to to estimate the average of the maintenance indicators (number of depositions and types of depositions) with great precision.
  • optimization indicators in addition to the maintenance indicators.
  • the optimization indicators comprise in particular two indicators: the availability (block B 6i ) of the module or the engine and the cost (block B 62 ) associated with the maintenance. These optimization indicators can be used by the second part P2 of the block diagram to find the best maintenance strategies to apply.
  • the cost indicator is a mono-output or multi-output function which depends on the associated maintenance strategy and which includes the part consumption P and the cost of removal C.
  • a weighted cost function J predetermined Wi and w 2 can have the following form:
  • the availability indicator is a function that can be defined as the ratio of the operating time of a module (or motor) to the number of drops.
  • the availability indicator can be considered as the operating time achieved divided by the sum of the operating time achieved and the operating time that could have been consumed over the lapse of time when the module is in maintenance.
  • the processing means 7 are configured to determine a compromise indicator between cost and availability.
  • the compromise indicator can be defined according to the desirability parameters of the costs and availabilities.
  • LSL is an acceptable lower limit
  • USL is an acceptable upper limit
  • ⁇ > ⁇ are predetermined parameters that depend on the application. Note that a desirability of 0 represents an unacceptable solution to the objectives, while a desirability of 1 indicates the desired maximum performance.
  • the global desirability D makes it possible to reduce to a conventional optimization of a single objective.
  • the processing means 7 are configured to implement a single-output or multi-output optimization algorithm.
  • a genetic algorithm can be used with selection, crossing and mutation steps.
  • the processing means 7 are configured to select a new maintenance strategy from a predetermined set of strategies.
  • the predetermined set of maintenance strategies comprises a strategy with a fixed horizon and a strategy with intermediate ceilings.
  • a fixed-horizon strategy consists in a prediction of removal relative to a damage counter, to estimate the cumulative consumption of each of the other counters of damage up to a fixed number of theft. Then, the maintenance operations associated with the damage counters reaching their predetermined values are grouped together, which are, for example, equal to the damage ceilings.
  • a strategy with intermediate ceilings consists in choosing predetermined values (called intermediate ceilings) lower than the values of the ceilings of damage.
  • Maintenance strategies are therefore rules of good practice defined by a given structure and parameters.
  • the goal of optimization is to look for the best strategies or combinations of strategies associated with these parameters.
  • a succession of different maintenance strategies is applied. For each application, cost and availability indicators associated with the current strategy are determined. A tradeoff indicator is then determined based on these cost and availability indicators. The tradeoff indicators of the different strategies are compared with each other to select an optimal maintenance strategy.
  • the learning database is updated to adapt to the usual and / or future missions of a specific fleet of aircraft engines.
  • experience missions initially recorded in the database may be replaced by data representative of the missions performed by each group of aircraft.
  • Figs. 6A-6D schematically illustrate two examples of application of the method of the present invention.
  • all damage counters are zero.
  • the simulation on the selected horizon is carried out at least 1000 times in order to refine the precision of the results.
  • FIGs. 6A-6B illustrate a first scenario where maintenances are carried out individually as and when they are triggered.
  • Fig. 6A illustrates the distribution of maintenance operations identified by the corresponding damage counters. It should be noted that the inter-deposit interval can sometimes be very small.
  • FIG. 6B illustrates the distribution of the number of inspections per depot and indicates 200 individual entries.
  • FIG. 6C-6D illustrate a second scenario where close maintenance is grouped together.
  • FIG. 6D illustrates a distribution of 140 drop offs, of which 50 dropouts regroup several maintenances, which improves the availability of the aircraft compared to the first scenario.
  • the present invention is a tool that makes it possible to implement the maintenance strategies a priori or according to the current state of an engine or a fleet of engines.
  • this tool makes it possible to choose the best strategies either by not taking into account the current state of the fleet (i.e. a priori), or taking into account the current state of the fleet in real time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Of Engines (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

L'invention concerne un procédé et un système de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef comportant une pluralité d'éléments suivis par des compteurs d'endommagement, chaque compteur d'endommagement étant limité par un plafond d'endommagement correspondant, caractérisé en ce qu'il comporte : - des moyens de traitement (7) adaptés pour simuler une consommation desdits compteurs d'endommagement (C1-Cm) en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage (9) contenant des missions d'expérience, - des moyens de traitement (7) adaptés pour déterminer à chaque itération un cumul de consommation de chacun desdits compteurs d'endommagement jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne le plafond d'endommagement qui lui est associé, - des moyens de traitement (7) adaptés pour appliquer une stratégie de maintenance sur ladite mission de simulation courante pour déterminer des indicateurs de maintenance représentatifs des opérations de maintenance à prévoir sur le moteur d'aéronef.

Description

PRÉVISION D'OPÉRATIONS DE MAINTENANCE A APPLIQUER SUR UN MOTEUR
DOMAINE DE L'INVENTION
La présente invention se rapporte au domaine de la maintenance d'un moteur d'aéronef. En particulier, l'invention concerne un procédé et un système de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef.
La prévision des opérations de maintenance sur un moteur d'aéronef est déterminée en fonction de l'estimation de l'endommagement ou de l'usure des différents éléments du moteur.
Cependant, l'exploitation d'un moteur d'aéronef dans des conditions qui peuvent varier d'une mission de vol à une autre, comme par exemple dans le cas d'un aéronef militaire, ne permet pas de prédire de manière directe l'endommagement du moteur. Dans ce cas, l'estimation est basée sur des compteurs d'endommagement qui sont calculés sur chaque mission à partir d'enregistrements de paramètres de vol.
En effet, un moteur d'aéronef se décline en différents modules comportant chacun différents composants. Chaque composant peut comporter plusieurs zones ou éléments à surveiller, dimensionnant en termes de durée de vie du composant. Par la suite et pour simplifier la description, nous parlerons uniquement de composants. Un compteur d'endommagement est associé à chaque composant pour compter le nombre de cycles réels consommé par le composant. En outre chaque compteur d'endommagement est associé à au moins un plafond d'endommagement. Différentes actions de maintenance peuvent être réalisées lorsqu'un (ou plusieurs) plafond(s) est (sont) atteint(s). Ces actions de maintenance sont décrites dans un plan de maintenance et vont de l'inspection sans dépose au remplacement des pièces endommagées en passant par des inspections nécessitant des déposes. Le but des opérations de gestion de la maintenance est de réaliser les opérations de maintenance juste à temps afin de pousser l'utilisation des pièces, ou composants, jusqu'à leur potentiel maximum d'exploitation.
Toutefois, les consommations des compteurs d'endommagement ainsi que la vitesse de ces consommations varient fortement d'une mission à une autre, notamment selon le type de mission. Les compteurs d'endommagement peuvent donc atteindre leurs plafonds à des vitesses différentes et donc à des vols différents. La maintenance définie à partir des compteurs d'endommagement peut alors nécessiter des déposes assez rapprochées. En effet, le fait que des compteurs d'endommagement peuvent atteindre leurs plafonds à des instants différents se traduit par des déposes parfois rapprochées. Ces différentes déposes peuvent affecter ainsi la disponibilité des aéronefs sur leurs bases.
L'objet de la présente invention est par conséquent d'optimiser les opérations de maintenance sur les moteurs d'aéronefs pour augmenter la disponibilité des aéronefs tout en respectant toutes les exigences et contraintes de sécurité.
OBJET ET RÉSUMÉ DE L'INVENTION
La présente invention concerne un procédé de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef ou une partie du moteur d'aéronef comportant une pluralité de composants suivis par des compteurs d'endommagement, chaque compteur d'endommagement étant limité par un plafond d'endommagement correspondant, ledit procédé comportant les étapes suivantes :
- simulation d'une consommation desdits compteurs d'endommagement en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage,
- détermination à chaque itération d'un cumul de consommation de chacun desdits compteurs d'endommagement jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne une valeur prédéterminée bornée par le plafond d'endommagement associé audit compteur d'endommagement,
- application d'une stratégie de maintenance sur ladite mission de simulation courante pour déterminer des indicateurs de maintenance représentatifs des opérations de maintenance à prévoir sur le moteur d'aéronef.
La simulation de la consommation des capteurs par un simple tirage d'une séquence de missions permet de prévoir le nombre et le type d'actions de maintenance en fonction de la stratégie de maintenance engagée définie par les valeurs prédéterminées associées aux plafonds d'endommagement. Ce principe de simulation permet une très grande flexibilité à moindre coût d'étapes de calcul et sans demander une connaissance particulière en statistiques.
Avantageusement, le procédé comporte les étapes suivantes :
- application d'une succession de stratégies de maintenance différentes comprenant pour chaque application d'une stratégie courante, une détermination d'indicateurs de coût et de disponibilité associés à la stratégie courante, et une détermination d'un indicateur de compromis en fonction desdits indicateurs de coût et de disponibilité, et
- comparaison des indicateurs de compromis des différentes stratégies pour sélectionner une stratégie de maintenance optimale.
Ceci permet de valoriser les stratégies de maintenance en prenant en compte la variabilité des compteurs d'endommagement et de trouver les meilleures stratégies à appliquer de manière efficace.
Selon un premier mode de réalisation, l'application d'une stratégie de maintenance comporte les étapes suivantes :
- estimation du cumul de consommation de chacun des compteurs d'endommagement jusqu'à un nombre déterminé de vol, et
- regroupement des opérations de maintenance associées aux compteurs d'endommagement atteignant leurs plafonds d'endommagement.
Le regroupement des opérations de maintenance permet d'améliorer la disponibilité du moteur. Par exemple, on peut faire la simulation pour un horizon de 2000 vols tout en regroupant les opérations de maintenances en anticipant les actions qui se seraient déclenchées dans les 50 ou 100 prochains vols.
Selon un deuxième mode de réalisation, l'application d'une stratégie de maintenance comporte les étapes suivantes :
- comparaison de la consommation des compteurs d'endommagement de ladite mission de simulation courante à des seuils ou plafonds intermédiaires inférieurs aux plafonds d'endommagement, et
- regroupement des opérations de maintenance associées aux compteurs d'endommagement atteignant lesdits plafonds intermédiaires.
Avantageusement, le procédé comporte les étapes suivantes : - répétition de la simulation de consommation des compteurs d'endommagement une pluralité de fois pour déterminer un ensemble de valeurs de consommation associées à chaque indicateur de maintenance, et
- calcul d'une moyenne desdites valeurs de consommation associées à chaque indicateur de maintenance.
Ceci permet de prévoir les opérations de maintenance d'une manière plus réaliste et d'en retirer des renseignements statistiques.
La base de données d'apprentissage comporte :
- un ensemble de missions d'expérience et la consommation des capteurs de potentiel associée à chacune desdites missions d'expérience, et
- un plan de maintenance prédéterminé comportant les plafonds d'endommagement associés aux capteurs de potentiel et les actions de maintenance correspondantes.
Avantageusement, la base de données d'apprentissage comporte en outre des indicateurs de missions comprenant un indicateur de sévérité de chaque mission, un indicateur de durée de vol de chaque mission, et un indicateur de type de mission.
Ceci permet d'enrichir la base de données et de classer les missions selon la sévérité, le type ou la durée. Les missions sont ainsi classée de manière pertinente afin d'améliorer le réalisme du tirage aléatoire.
Avantageusement, le tirage de ladite succession de missions de simulation est réalisé de manière aléatoire sur un sous-ensemble de missions d'expérience appartenant à un type spécifique de missions.
Ceci permet de particulariser la simulation à une base d'aéronef, une flotte, ou des types spécifiques de missions. Ainsi, on peut adapter le plan de maintenance à la manière dont les aéronefs sont utilisés.
Avantageusement, le procédé comporte une mise à jour de la base de données.
Ceci permet d'avoir une base de données représentative des missions futures et adaptatives suivant le client. L'invention vise aussi un outil de prévision de maintenance à appliquer à une flotte de moteurs d'aéronefs en appliquant le procédé de prévision d'opérations de maintenance selon les caractéristiques ci-dessus sur chacun des moteurs d'aéronefs.
L'invention vise également un système de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef comportant une pluralité de composants suivis par des compteurs d'endommagement, chaque compteur d'endommagement étant limité par un plafond d'endommagement correspondant, ledit système comportant :
- des moyens de traitement adaptés pour simuler une consommation desdits compteurs d'endommagement en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage contenant des missions d'expérience,
- des moyens de traitement adaptés pour déterminer à chaque itération un cumul de consommation de chacun desdits compteurs d'endommagement jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne une valeur prédéterminée bornée par le plafond d'endommagement associé audit compteur d'endommagement,
- des moyens de traitement adaptés pour appliquer une stratégie de maintenance sur ladite mission de simulation courante pour déterminer des indicateurs de maintenance représentatifs des opérations de maintenance à prévoir sur le moteur d'aéronef.
BRÈVE DESCRIPTION DES DESSINS
D'autres particularités et avantages du dispositif et du procédé selon l'invention ressortiront mieux à la lecture de la description faite ci-après, à titre indicatif mais non limitatif, en référence aux dessins annexés sur lesquels :
- la Fig. 1 illustre de manière schématique un système de prévision d'opérations de maintenance à appliquer sur un moteur ou une partie d'un moteur selon l'invention ; - la Fig. 2 illustre de manière schématique une structure de compteurs d'endommagement d'un moteur d'aéronef ;
- la Fig. 3 est un organigramme illustrant de manière schématique un procédé de prévision d'opérations de maintenance sur un moteur d'aéronef, selon l'invention ;
- la Fig. 4A illustre de manière schématique un tableau comportant un ensemble de missions d'expérience et les capteurs de potentiel associés ;
- la Fig. 4B illustre de manière schématique un tableau décrivant un plan de maintenance d'un moteur d'aéronef ;
- la Fig. 5 est un logigramme par bloc illustrant le procédé de prévision d'opérations de maintenance, selon un mode de réalisation préféré de l'invention ; et
- les Figs. 6A-6D illustrent de manière schématique deux exemples d'application du procédé de la présente invention. DESCRIPTION DÉTAILLÉE DE MODES DE RÉALISATION
Le principe général de l'invention est de pronostiquer la consommation des compteurs d'endommagement d'un moteur d'aéronef à partir d'une base de données de missions et d'utiliser ce pronostic pour appliquer au mieux une stratégie de maintenance permettant d'optimiser la disponibilité du moteur et les coûts de maintenance dudit moteur.
La Fig. 1 illustre de manière schématique un système de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef, selon l'invention.
Avantageusement, le système de prévision 1 est installé dans une station au sol et comporte un système informatique 3 comprenant de manière habituelle des moyens d'entrée 5, des moyens de traitement 7, des moyens de stockage 9, et des moyens de sortie 11. On notera que les moyens de stockage 9 peuvent comporter un programme d'ordinateur comprenant des instructions de code adaptées à la mise en œuvre du procédé de prévision selon l'invention. Ce program me d'ordinateur peut être exécuté par les moyens de traitement 7 en relation avec les moyens de stockage 9 et les moyens d'entrée 5 et de sortie 11. Durant chaque mission de vol, l'aéronef 13 procède à la collecte et l'enregistrement des paramètres de vol sur ses calculateurs embarqués 15. Ces données peuvent être déchargées régulièrement, par exemple après chaque mission, pour être récupérées par le système de prévision 1. On notera qu'une partie de ces données peut aussi être transmise à la station au sol en temps réel.
Les données récupérées par le système de prévision 1 sont utilisées pour déterminer la consommation des compteurs d'endommagements 17 (i.e. compter les nombres réels de cycles vus ou consommés par les modules) permettant d'estimer l'usure ou l'endommagement des différents modules du moteur d'aéronef.
La Fig. 2 illustre de manière schématique une structure de compteurs d'endommagement d'un moteur d'aéronef.
Le moteur d'aéronef 19 est constitué d'un ensemble de modules Al, A2, A3 comportant chacun différents composants Bl, B2, B3. Chaque composant peut comporter plusieurs zones ou éléments E1-E5 qui peuvent être utilisés pour dimensionner la durée de vie du composant. Alors, au moins un compteur d'endommagement Cl-Cm est associé à chaque élément E1-E5 pour compter le nombre de cycles réels consommés par cet élément. La consommation de chaque compteur d'endommagement est limitée par au moins un plafond d'endommagement caractérisant la durée de vie (avant défaillance) du composant suivi par le compteur d'endommagement.
Ainsi, lorsqu'un ou plusieurs plafonds d'endommagement sont atteints, des actions de maintenance décrites dans un tableau ou plan de maintenance (voir Fig. 4B) doivent être envisagées.
La Fig. 3 est un organigramme illustrant de manière schématique un procédé de prévision d'opérations de maintenance sur un moteur d'aéronef, selon l'invention.
A l'étape El, les moyens de traitement 7 sont adaptés pour simuler une consommation de compteurs d'endommagement Cl-Cm en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage 31 contenue par exemple dans les moyens de stockage 9. La base de données d'apprentissage 31 contient un ensemble de missions d'expérience et un plan de maintenance prédéterminé. Les missions d'expérience comportent des données collectées au fur et à mesure de vols réels et constituent un retour d'expérience.
La Fig. 4A illustre de manière schématique un tableau comportant un ensemble de missions d'expérience et les capteurs de potentiel associés.
La première colonne indique les codes ou numéros des différentes missions Ml-Mn. Les autres colonnes font référence aux différents compteurs d'endommagements Cl-Cm associés aux différents éléments du moteur et indiquent la consommation de chaque compteur au cours de chaque mission. Le nombre de cycles ou consommation indiqué par chaque compteur est par exemple une mesure de l'usure ou de l'endommagement du composant correspondant du moteur.
La Fig. 4B illustre de manière schématique un tableau décrivant un plan de maintenance d'un moteur d'aéronef.
La première colonne fait référence à l'ensemble de modules Ai-An du moteur. Les différents composants B1-B3 de chaque module sont indiqués dans la deuxième colonne. La troisième colonne fait référence aux différentes localisations ou différents éléments E1-E5 de chaque composant. La quatrième colonne concerne les compteurs d'endommagements Cl-Cm associés aux différents éléments du moteur. La cinquième colonne fait référence aux plafonds d'endommagent Sl-Sm associés aux différents compteurs d'endommagements Cl-Cm et la sixième colonne indique éventuellement des intervalles d'inter-inspection ll-lm pour des éléments pouvant être inspectés plusieurs fois avant d'être remplacés. Finalement, la septième colonne décrit l'opération de maintenance OPl-OPm à réaliser sur chaque élément ou composant lorsque le plafond d'endommagement correspondant est atteint.
Avantageusement, la base de données d'apprentissage 31 peut être enrichie par des indicateurs définissant les différentes missions. Chaque mission Ml-Mn peut par exemple être définie par un indicateur de sévérité, un indicateur de durée de vol, et un indicateur du type de mission. L'indicateur de sévérité représente l'endommagement global sur la mission. Par exemple l'endommagement global peut être une valeur maximale des compteurs d'endommagement, une valeur moyenne, ou une valeur minimale. L'étape El permet ainsi de simuler la consommation des compteurs d'endommagement Cl-Cm en simulant successivement différentes missions à partir des données issues du passé contenues dans la base de données d'apprentissage 31. Chaque mission est tirée de manière aléatoire et la consommation des compteurs d'endommagement est déduite de la mission tirée.
Selon une première variante, le tirage est réalisé de manière complètement aléatoire sans aucune indication sur les missions futures afin de modéliser le vieillissement d'un moteur ou d'un parc de moteurs.
Selon une deuxième variante, la simulation est réalisée de manière orientée en filtrant la base d'apprentissage et en tirant aléatoirement selon le filtre sélectionné. Dans ce cas, la simulation est particularisée en tenant compte d'informations de prévision des prochaines missions (type de mission, sévérité, durée de vol). Par exemple, le tirage de la succession de missions de simulation peut être réalisé de manière aléatoire sur un sous-ensemble de missions d'expérience pouvant être sélectionnées en fonction des indicateurs de sévérité de mission, et/ou de durée de vol des missions, et/ou de type de mission.
Aux étapes E2 et E3, les moyens de traitement 7 sont adaptés pour déterminer à chaque itération le cumul de consommation de chacun des compteurs d'endommagement Cl-Cm jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne une valeur prédéterminée bornée par le plafond d'endommagement associé au compteur d'endommagement. Ainsi, la valeur prédéterminée est inférieure ou égale au plafond d'endommagement correspondant. La valeur prédéterminée est par exemple déterminée en fonction du nombre de missions et de la valeur du plafond d'endommagement.
Plus particulièrement, pour chaque mission de simulation courante issue de l'étape El, les moyens de traitement 7 calculent à l'étape E2 le cumul de consommation de chacun des compteurs d'endommagement Cl-Cm. L'étape E3 est un test pour vérifier s'il existe au moins un compteur d'endommagement relatif à la mission de simulation courante qui a déjà atteint la valeur prédéterminée associée au plafond d'endommagement. Si le résultat du test est négatif, on reboucle à l'étape El pour tirer une nouvelle mission courante. En revanche, si au moins un compteur d'endommagement a atteint la valeur prédéterminée alors on passe aux étapes suivantes E4-E6.
Aux étapes E4-E6, les moyens de traitement 7 sont adaptés pour appliquer une stratégie de maintenance sur la mission de simulation courante déterminant ainsi les opérations de maintenance à prévoir sur le moteur d'aéronef 19 et des indicateurs de maintenance représentatifs de ces opérations.
En particulier, à l'étape E4, on détermine l'action de maintenance correspondant au plafond d'endommagement Si atteint par le compteur d'endommagement Ci.
A l'étape E5, on vérifie si la stratégie de maintenance est applicable à l'action de maintenance de l'étape E4. Si oui, on passe à l'étape E6 et sinon, on reboucle sur l'étape El.
Finalement, à l'étape E6, on applique la stratégie de maintenance et on détermine les indicateurs de maintenance. Avantageusement, ces indicateurs comportent le nombre de déposes et les types de déposes.
Ce procédé permet ainsi de prévoir le nombre et le type d'actions de maintenance en fonction de la stratégie engagée pour une séquence de tirage de missions.
Avantageusement, la simulation de consommation des compteurs d'endommagement est répétée une pluralité de fois pour déterminer un ensemble de valeurs de consommation associées à chaque indicateur de maintenance. En outre, les moyens de traitement 7 sont adaptés pour calculer la moyenne des valeurs de consommation associées à chaque indicateur de maintenance. Ainsi, le renouvellement un grand nombre de fois des étapes de la Fig. 2 permet d'estimer les valeurs moyennes des indicateurs de maintenance avec précision et permet en outre de tirer des informations statistiques à partir de ces valeurs, selon par exemple la méthode de Monte Carlo.
La Fig. 5 est un logigramme par bloc illustrant le procédé de prévision d'opérations de maintenance, selon un mode de réalisation préféré de l'invention. Ce procédé est avantageusement réalisé par le système de prévision de la Fig. 1. Ce schéma comporte une première partie PI concernant une simulation d'un plan de maintenance et une deuxième partie P2 concernant une optimisation des stratégies de maintenance.
Dans la première partie PI, les blocs Bu, B12, Bi3 et Bi4 sont des données d'entrée utilisées pour prédire la consommation des compteurs d'endommagement Cl-Cm et peuvent être issues du passé et éventuellement filtrées en fonction des missions futures prévues. Les données issues du passé permettent de compléter la base de données d'apprentissage 31. Les données de prévision permettent d'affiner les prédictions en donnant des informations sur les types, les durées et les sévérités des missions, affinant ainsi l'utilisation de la base de données d'apprentissage 31.
Plus particulièrement, le bloc Bu concerne les données de sévérité qui permettent de classer les missions Ml-Mn en fonction de leur sévérité en termes de consommation de compteurs d'endommagement Cl-Cm. Il peut s'agir de données passées et éventuellement choisies en fonction de la répartition des missions selon le type de profil de la flotte par exemple.
Le bloc Bi2 concerne la durée des missions Ml-Mn. Il s'agit du temps de vol de chaque mission ou éventuellement, d'informations plus détaillées du type temps de décollage, temps passé au ralenti, etc.
Le bloc Bi3 concerne des données permettant de classer les missions Ml-Mn en fonction de leur type. Ces données correspondent aux descriptifs des missions de l'aéronef comme par exemple une mission du type « entraînement », « interception », « ravitaillement », etc. Il peut s'agir de données passées ou de prévisions de futures missions.
Le bloc Bi4 concerne l'état courant des compteurs d'endommagement Cl-Cm. Il s'agit des consommations courantes et passées pour chaque compteur d'endommagement sur un même moteur.
Le bloc B2 est un simulateur de consommation des capteurs de potentiel Cl-Cm mis en œuvre par les moyens de traitement 7. En entrée, le simulateur de consommation B2 possède les données Bu, Bi2, Bi3 et Bi4 correspondant à une liste de missions pour lesquelles la sévérité, la durée, le type de missions et l'état courant des compteurs Cl-Cm sont connus. Le simulateur de consommation B2 fait un tirage aléatoire dans la base de données d'apprentissage 31 pour tirer des missions qui coïncident ou qui sont les plus proches aux données d'entrée. On fait ainsi un tirage d'une succession de missions sur un sous ensemble de missions d'expérience appartenant à une classe spécifique de missions. Le simulateur de consommation B2 utilise par exemple des filtres pour tirer des missions appartenant à une certaine sévérité, et/ou un certain type de missions et/ou autour d'une certaine durée.
Le bloc B3 représente les données de sortie du simulateur de consommation B2 comportant la prévision de consommation des compteurs d'endommagement Cl-Cm pour chaque vol. Ainsi, au bout de chaque mission, on a le cumul de consommation de chacun des compteurs d'endommagement.
Le bloc B4 est un simulateur de maintenance mis en œuvre par les moyens de traitement 7, qui compare les cumuls de consommation des compteurs d'endommagement Cl-Cm aux valeurs prédéterminées associées aux plafonds d'endommagement Sl-Sm définis dans le plan de maintenance (Fig. 4B). Si aucun des compteurs d'endommagement n'a atteint la valeur prédéterminée qui lui est associée, alors l'état courant des compteurs (bloc Bi4) est actualisé par des données de mises à jour (bloc B5) tenant compte du vieillissement des composants, et on recommence ensuite les étapes de simulation de consommation des compteurs d'endommagement.
En revanche, lorsqu'au moins un des compteurs d'endommagement a atteint la valeur prédéterminée on applique une stratégie de maintenance (bloc B6). Par exemple, afin d'améliorer la disponibilité du moteur, on peut appliquer une stratégie d'anticipation selon un horizon temporel déterminé de type « anticipation à 50 vols » qui permet d'estimer les valeurs des compteurs d'endommagement dans 50 vols. Alors, on recommence les étapes de simulation de consommation sur l'horizon déterminé et si d'autres compteurs d'endommagement atteignent les valeurs prédéterminées qui leur sont associées, on regroupe les actions de maintenance associées et on détermine le nombre de déposes et les types de déposes.
Avantageusement, la simulation sur l'horizon déterminé est réalisée un grand nombre de fois (par exemple, quelques dizaines de milliers de fois) afin d'estimer la moyenne des indicateurs de maintenance (nombre de déposes et types de déposes) avec une grande précision.
A l'issue de la première partie PI (simulation de maintenance), on obtient des indicateurs d'optimisation en plus des indicateurs de maintenance. Les indicateurs d'optimisation comportent notamment deux indicateurs : la disponibilité (bloc B6i) du module ou du moteur et le coût (bloc B62) associé à la maintenance. Ces indicateurs d'optimisation peuvent être utilisés par la deuxième partie P2 du schéma en bloc pour trouver les meilleures stratégies de maintenance à appliquer.
L'indicateur de coût est une fonction à mono-sortie ou multi-sorties qui dépend de la stratégie de maintenance associée et qui comprend la consommation de pièce P et le coût de dépose C. Par exemple une fonction de coût J pondérée par des poids prédéterminés Wi et w2 peut avoir la forme suivante :
J = w1 - P+w2 C
Par ailleurs, l'indicateur de disponibilité est une fonction qui peut être définie comme le ratio du temps de fonctionnement d'un module (ou du moteur) sur le nombre de déposes. Avantageusement, on peut considérer l'indicateur de disponibilité comme le temps de fonctionnement réalisé divisé par la somme du temps de fonctionnement réalisé et le temps de fonctionnement qui aurait pu être consommé sur le laps de temps où le module est en maintenance.
Au bloc B7, les moyens de traitement 7 sont configurés pour déterminer un indicateur de compromis entre le coût et la disponibilité. L'indicateur de compromis peut être défini en fonction des paramètres de désirabilités des coûts et disponibilités.
Par exemple, une désirabilité individuelle d de coût ou de disponibilité
(symbolisé par Y) peut être définie pour chaque objectif ou cible déterminé T de la manière suivante :
Figure imgf000015_0001
où LSL est une limite inférieure acceptable, USL est une limite supérieure acceptable, et βι> βτ sont des paramètres prédéterminés qui dépendent de l'application. On notera qu'une désirabilité de 0 représente une solution inacceptable par rapport aux objectifs, alors qu'une désirabilité de 1 indique la performance maximale souhaitée.
Avantageusement, on combine les indicateurs de coûts et de dispon en définissant une désirabilité globale D en fonction des désirabilités individuelles de coût dç S et de disponibilité ά de la forme suivante :
Figure imgf000016_0001
La désirabilité globale D permet de se ramener à une optimisation classique d'un unique objectif.
Au bloc B8, les moyens de traitement 7 sont configurés pour mettre en œuvre un algorithme d'optimisation en mono-sortie ou en multi-sorties.
De manière générale, on peut utiliser un algorithme génétique avec des étapes de sélection, de croisement et de mutation. Avantageusement, on peut ajouter une optimisation locale des individus par un recuit simulé, notamment pour l'optimisation des paramètres de la stratégie.
Au bloc B9, les moyens de traitement 7 sont configurés pour sélectionner une nouvelle stratégie de maintenance parmi un ensemble prédéterminé de stratégies.
A titre d'exemple, l'ensemble prédéterminé de stratégies de maintenance comporte une stratégie à horizon déterminé et une stratégie à plafonds intermédiaires.
Une stratégie à horizon déterminé consiste lors d'une prévision de dépose relative à un compteur d'endommagement, à estimer le cumul de consommation de chacun des autres compteurs d'endommagement jusqu'à un nombre déterminé de vol. Ensuite, on regroupe les opérations de maintenance associées aux compteurs d'endommagement atteignant leurs valeurs prédéterminées qui sont par exemple égales aux plafonds d'endommagement. Une stratégie à plafonds intermédiaires consiste à choisir des valeurs prédéterminées (dites plafonds intermédiaires) inférieures aux valeurs des plafonds d'endommagement. Ainsi, lors d'une prévision de dépose relative à un compteur d'endommagement d'une mission de simulation courante, on compare la consommation des autres compteurs d'endommagement de la mission de simulation courante aux plafonds intermédiaires correspondants. On regroupe ensuite les opérations de maintenance associées aux compteurs d'endommagement atteignant les plafonds intermédiaires. Un plafond intermédiaire d'un compteur d'endommagement peut être défini selon un pourcentage donné du plafond d'endommagement associé au compteur.
Les stratégies de maintenance sont donc des règles de bonnes pratiques définies par une structure et des paramètres déterminés. Le but de l'optimisation est de chercher les meilleures stratégies ou combinaisons de stratégies associées à ces paramètres.
Afin de tester chaque nouvelle stratégie, on reboucle sur le bloc B6 pour qu'elle soit appliquée par le simulateur de maintenance (bloc B4) et on recommence les étapes d'optimisation.
Ainsi, on applique une succession de stratégies de maintenance différentes. Pour chaque application, on détermine des indicateurs de coût et de disponibilité associés à la stratégie courante. On détermine ensuite un indicateur de compromis en fonction de ces indicateurs de coût et de disponibilité. Les indicateurs de compromis des différentes stratégies sont comparés entre eux pour sélectionner une stratégie de maintenance optimale.
Avantageusement, la base de données d'apprentissage est mise à jour pour s'adapter aux missions habituelles et/ou futures d'un parc spécifique de moteurs d'aéronef. Ainsi, des missions d'expérience initialement enregistrées dans la base de données peuvent être remplacées par des données représentatives des missions réalisées par chaque groupe d'aéronefs.
Les Figs. 6A-6D illustrent de manière schématique deux exemples d'application du procédé de la présente invention. Dans chacun des deux exemples, on réalise une simulation de cumul de consommation d'un ensemble de modules d'un moteur neuf pour un horizon de prévision de 1400 vols. A l'instant initial, tous les compteurs d'endommagement sont à zéro. En outre, la simulation sur l'horizon sélectionné est réalisée au moins 1000 fois afin d'affiner la précision des résultats.
Plus particulièrement, les Figs. 6A-6B illustrent un premier scénario où les maintenances sont réalisées individuellement au fur et à mesure de leur déclenchement. La Fig. 6A illustre la répartition d'opérations de maintenances identifiées par les compteurs d'endommagement correspondants. On notera que l'intervalle inter dépose peut parfois être très petit. Par ailleurs, la Fig. 6B illustre la répartition du nombre d'inspections par dépose et indique 200 déposes individuelles.
Les Figs. 6C-6D illustrent un deuxième scénario où les maintenances rapprochées sont regroupées. Ainsi, quand une action de maintenance doit être déclenchée, toutes les actions qui se seraient déclenchées dans les 50 prochains vols sont anticipées. En effet, la Fig. 6D illustre une répartition de 140 déposes dont 50 déposes regroupent plusieurs maintenances, ce qui améliore la disponibilité de l'aéronef par rapport au premier scénario.
Finalement, on notera que la présente invention est un outil qui permet de mettre en œuvre les stratégies de maintenance de manière a priori ou selon l'état courant d'un moteur ou d'une flotte de moteurs. Autrement dit, cet outil permet de choisir les meilleures stratégies soit en ne tenant pas compte de l'état courant de la flotte (i.e. en a priori), soit en tenant compte de l'état courant de la flotte en temps réel.

Claims

REVENDICATIONS
1. Procédé de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef comportant une pluralité de composants suivis par des compteurs d'endommagement, chaque compteur d'endommagement étant limité par un plafond d'endommagement correspondant, caractérisé en ce qu'il comporte les étapes suivantes :
- simulation d'une consommation desdits compteurs d'endommagement (Cl-Cm) en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage (31),
- détermination à chaque itération d'un cumul de consommation de chacun desdits compteurs d'endommagement jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne une valeur prédéterminée bornée par le plafond d'endommagement associé audit compteur d'endommagement,
- application d'une stratégie de maintenance sur ladite mission de simulation courante pour déterminer des indicateurs de maintenance représentatifs des opérations de maintenance à prévoir sur le moteur d'aéronef (19).
2. Procédé selon la revendication 1, caractérisé en ce qu'il comporte les étapes suivantes :
- application d'une succession de stratégies de maintenance différentes comprenant pour chaque application d'une stratégie courante, une détermination d'indicateurs de coût et de disponibilité associés à la stratégie courante, et une détermination d'un indicateur de compromis en fonction desdits indicateurs de coût et de disponibilité, et
- comparaison des indicateurs de compromis des différentes stratégies pour sélectionner une stratégie de maintenance optimale.
3. Procédé selon la revendication 1 ou 2, caractérisé en ce que l'application d'une stratégie de maintenance comporte les étapes suivantes : - estimation du cumul de consommation de chacun des compteurs d'endommagement jusqu'à un nombre déterminé de vol, et
- regroupement des opérations de maintenance associées aux compteurs d'endommagement atteignant leurs plafonds d'endommagement.
4. Procédé selon la revendication 1 ou 2, caractérisé en ce que l'application d'une stratégie de maintenance comporte les étapes suivantes :
- comparaison de la consommation des compteurs d'endommagement de ladite mission de simulation courante à des plafonds intermédiaires inférieurs aux plafonds d'endommagement, et
- regroupement des opérations de maintenance associées aux compteurs d'endommagement atteignant lesdits plafonds intermédiaires.
5. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce qu'il comporte les étapes suivantes :
- répétition de la simulation de consommation des compteurs d'endommagement une pluralité de fois pour déterminer un ensemble de valeurs de consommation associées à chaque indicateur de maintenance, et
- calcul d'une moyenne desdites valeurs de consommation associées à chaque indicateur de maintenance.
6. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que la base de données d'apprentissage comporte :
- un ensemble de missions d'expérience et la consommation des capteurs de potentiel associée à chacune desdites missions d'expérience, et
- un plan de maintenance prédéterminé comportant les plafonds d'endommagement associés aux capteurs de potentiel et les actions de maintenance correspondantes.
7. Procédé selon la revendication 6, caractérisé en ce que la base de données d'apprentissage comporte en outre des indicateurs de missions comprenant un indicateur de sévérité de chaque mission, un indicateur de durée de vol de chaque mission, et un indicateur de type de mission.
8. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que le tirage de ladite succession de missions de simulation est réalisé de manière aléatoire sur un sous-ensemble de missions d'expérience.
9. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce qu'il comporte une mise à jour de la base de données.
10. Outil de prévision de maintenance à appliquer à une flotte de moteurs d'aéronefs selon le procédé de l'une quelconque des revendications précédentes.
11. Système de prévision d'opérations de maintenance à appliquer sur un moteur d'aéronef comportant une pluralité d'éléments suivis par des compteurs d'endommagement, chaque compteur d'endommagement étant limité par un plafond d'endommagement correspondant, caractérisé en ce qu'il comporte :
- des moyens de traitement (7) adaptés pour simuler une consommation desdits compteurs d'endommagement (Cl-Cm) en tirant de manière itérative une succession de missions de simulation depuis une base de données d'apprentissage (31) contenant des missions d'expérience,
- des moyens de traitement (7) adaptés pour déterminer à chaque itération un cumul de consommation de chacun desdits compteurs d'endommagement jusqu'à ce qu'au moins un compteur d'endommagement relatif à une mission de simulation courante atteigne le plafond d'endommagement qui lui est associé,
- des moyens de traitement (7) adaptés pour appliquer une stratégie de maintenance sur ladite mission de simulation courante pour déterminer des indicateurs de maintenance représentatifs des opérations de maintenance à prévoir sur le moteur d'aéronef.
PCT/FR2014/053148 2013-12-13 2014-12-03 Prévision d'opérations de maintenance a appliquer sur un moteur Ceased WO2015086957A2 (fr)

Priority Applications (7)

Application Number Priority Date Filing Date Title
RU2016126807A RU2670937C9 (ru) 2013-12-13 2014-12-03 Прогнозирование операций технического обслуживания, применяемых к двигателю
US15/102,455 US11243525B2 (en) 2013-12-13 2014-12-03 Forecasting maintenance operations to be applied to an engine
CA2932933A CA2932933C (fr) 2013-12-13 2014-12-03 Prevision d'operations de maintenance a appliquer sur un moteur
BR112016012131-7A BR112016012131B1 (pt) 2013-12-13 2014-12-03 Processo de previsão de operações de manutenção a ser aplicado sobre um motor de aeronave, ferramenta de previsão de manutenção e sistema de previsão de operações de manutenção a ser aplicado sobre um motor de aeronave
JP2016536978A JP6552500B2 (ja) 2013-12-13 2014-12-03 航空機エンジンに行われるべきメンテナンス作業の予測
EP14821787.0A EP3080670B1 (fr) 2013-12-13 2014-12-03 Prévision d'opérations de maintenance a appliquer sur un moteur
CN201480067272.1A CN105829982B (zh) 2013-12-13 2014-12-03 用于预测将应用于航空发动机的维护操作的方法和系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1362549A FR3014952B1 (fr) 2013-12-13 2013-12-13 Prevision d'operations de maintenance a appliquer sur un moteur
FR1362549 2013-12-13

Publications (2)

Publication Number Publication Date
WO2015086957A2 true WO2015086957A2 (fr) 2015-06-18
WO2015086957A3 WO2015086957A3 (fr) 2016-06-02

Family

ID=50933205

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2014/053148 Ceased WO2015086957A2 (fr) 2013-12-13 2014-12-03 Prévision d'opérations de maintenance a appliquer sur un moteur

Country Status (9)

Country Link
US (1) US11243525B2 (fr)
EP (1) EP3080670B1 (fr)
JP (1) JP6552500B2 (fr)
CN (1) CN105829982B (fr)
BR (1) BR112016012131B1 (fr)
CA (1) CA2932933C (fr)
FR (1) FR3014952B1 (fr)
RU (1) RU2670937C9 (fr)
WO (1) WO2015086957A2 (fr)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3249200A1 (fr) * 2016-05-23 2017-11-29 United Technologies Corporation Moteur à turbine à gaz ayant des calculs de durée de vie basés sur l'utilisation réelle
EP3330186A1 (fr) * 2016-12-02 2018-06-06 General Electric Company Système et procédé de commande
US10628621B2 (en) 2016-05-09 2020-04-21 Rolls-Royce Plc Component lifing
US11180265B2 (en) 2016-12-02 2021-11-23 General Electric Company Control system and method
US11358171B2 (en) 2016-12-02 2022-06-14 General Electric Company Coating system and method
US11739695B2 (en) 2016-12-06 2023-08-29 General Electric Company Gas turbine engine maintenance tool
FR3150026A1 (fr) * 2023-06-15 2024-12-20 Dassault Aviation Procédé de génération de données relatives au soutien d'au moins un aéronef et méthode de suivi associé

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6720101B2 (ja) * 2017-02-27 2020-07-08 三菱重工業株式会社 航空機管理装置及び方法並びにプログラム
FR3087888B1 (fr) * 2018-10-31 2020-10-09 Safran Aircraft Engines Dispositif et procede de surveillance de duree de vie d'un equipement hydraulique d'un aeronef
US11226358B2 (en) * 2019-02-27 2022-01-18 Caterpillar Inc. Power system damage analysis and control system
CN110057590B (zh) * 2019-04-15 2021-05-07 中国航发湖南动力机械研究所 面向机群的航空发动机外场数据管理系统及方法
FR3112122B1 (fr) * 2020-07-06 2022-06-03 Safran Procédé d’évaluation de l’état relatif d’un moteur d’aéronef

Family Cites Families (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4926362A (en) * 1988-04-07 1990-05-15 The United States Of America As Represented By The Secretary Of The Air Force Airbase sortie generation analysis model (ABSGAM)
JP3392526B2 (ja) * 1994-07-29 2003-03-31 株式会社東芝 機器の保守管理支援装置
EP1010114A1 (fr) * 1996-11-27 2000-06-21 Sundstrand Corporation, Inc. Procede destine a entretenir des elements sujets a une rupture par fatigue
US6408258B1 (en) * 1999-12-20 2002-06-18 Pratt & Whitney Canada Corp. Engine monitoring display for maintenance management
US7283932B2 (en) * 2000-07-20 2007-10-16 Albihns Goteborg Ab Method for estimating damage to an object, and method and system for controlling the use of the object
US6980959B1 (en) * 2000-10-17 2005-12-27 Accenture Llp Configuring mechanical equipment
US6968293B2 (en) * 2000-12-07 2005-11-22 Juisclan Holding Gmbh Method and apparatus for optimizing equipment maintenance
US20030078708A1 (en) * 2001-10-18 2003-04-24 Harper David J. Productivity and reliability enhancement program
US8073653B2 (en) * 2002-12-23 2011-12-06 Caterpillar Inc. Component life indicator
US7627459B2 (en) * 2004-01-08 2009-12-01 Georgia Tech Research Corporation Systems and methods for reliability and performability assessment
US7487029B2 (en) * 2004-05-21 2009-02-03 Pratt & Whitney Canada Method of monitoring gas turbine engine operation
US20060111871A1 (en) * 2004-11-19 2006-05-25 Winston Howard A Method of and system for representing unscheduled events in a service plan
US20080172268A1 (en) * 2005-01-13 2008-07-17 Standard Aero (San Antonio), Inc. System and method of enhancing cost performance of mechanical systems including life-limited parts
US20060190280A1 (en) * 2005-02-22 2006-08-24 Lockheed Martin Corporation Method and apparatus for management for use in fleet service and logistics
US20070118502A1 (en) * 2005-11-18 2007-05-24 Aragones James K Methods and systems for managing a fleet of assets
US10248914B2 (en) * 2005-11-29 2019-04-02 The Boeing Company Sustaining a fleet of configuration-controlled assets
JP4699344B2 (ja) * 2005-12-07 2011-06-08 三菱重工業株式会社 プラント設備の機器保守計画方法
US20100262442A1 (en) * 2006-07-20 2010-10-14 Standard Aero, Inc. System and method of projecting aircraft maintenance costs
US7702436B2 (en) * 2006-09-29 2010-04-20 Standard Aero (San Antonio), Inc. System and method of troubleshooting aircraft system failures
US8620714B2 (en) * 2006-11-28 2013-12-31 The Boeing Company Prognostic condition assessment decision aid
US8560376B2 (en) * 2007-05-31 2013-10-15 Airbus Operations S.A.S. Method, system, and computer program product for a maintenance optimization model
FR2917715B1 (fr) * 2007-06-20 2009-12-25 Eurocopter France Procede et dispositif de controle et de regulation d'un turbomoteur de giravion
WO2009049033A1 (fr) * 2007-10-09 2009-04-16 Skilled Resource Services, Inc. Système et procédé de visualisation de données de logistique, de maintenance et d'exploitation
US8112368B2 (en) * 2008-03-10 2012-02-07 The Boeing Company Method, apparatus and computer program product for predicting a fault utilizing multi-resolution classifier fusion
FR2934397B1 (fr) * 2008-07-28 2025-02-28 Eurocopter France Procede ameliore pour organiser la maintenance d'aeronefs
FR2935186B1 (fr) * 2008-08-20 2010-09-17 Airbus France Procede et dispositif d'aide au diagnostic et a la decision d'exploitation d'un aeronef
US20100063933A1 (en) * 2008-09-09 2010-03-11 Eurocopter Method of optimizing the availability of an aircraft or of a fleet of aircraft
US8117007B2 (en) * 2008-09-12 2012-02-14 The Boeing Company Statistical analysis for maintenance optimization
DE102008049170C5 (de) * 2008-09-26 2020-04-09 MTU Aero Engines AG Vorrichtung und Verfahren zur Lebensdauerüberwachung
US8165826B2 (en) * 2008-09-30 2012-04-24 The Boeing Company Data driven method and system for predicting operational states of mechanical systems
US20100217638A1 (en) * 2009-02-23 2010-08-26 Bae Systems Information And Electronic Systems Integration, Inc. In service support center and method of operation
US20160005242A1 (en) * 2009-03-05 2016-01-07 United States Government As Represented By The Secretary Of The Navy Predictive Automated Maintenance System (PAMS)
US8340948B1 (en) * 2009-09-29 2012-12-25 The Boeing Company Fleet performance optimization tool for aircraft health management
GB0917527D0 (en) * 2009-10-07 2009-11-25 Optimized Systems And Solution Asset management system
US8868284B2 (en) * 2009-11-12 2014-10-21 Sikorsky Aircraft Corporation Virtual monitoring of aircraft fleet loads
JP2011165047A (ja) * 2010-02-12 2011-08-25 Mitsubishi Heavy Ind Ltd 保守計画策定システム、保守計画策定装置、制御方法、及びプログラム
US8355830B2 (en) * 2010-03-30 2013-01-15 Aurora Flight Sciences Corporation Aircraft health monitoring and design for condition
US9167339B2 (en) * 2010-07-07 2015-10-20 Iii Holdings 4, Llc Hearing damage limiting headphones
FR2970358B1 (fr) * 2011-01-06 2019-04-12 Airbus Helicopters Pronostic de duree avant maintenance par fusion entre modelisation et simulation, pour equipements electroniques embarques dans un aeronef
FR2971595B1 (fr) * 2011-02-15 2013-03-22 Snecma Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance
FR2972025B1 (fr) * 2011-02-25 2016-03-04 Snecma Prevision d'operations de maintenance sur un moteur d'aeronef
US8781982B1 (en) * 2011-09-23 2014-07-15 Lockheed Martin Corporation System and method for estimating remaining useful life
US8560368B1 (en) * 2011-11-18 2013-10-15 Lockheed Martin Corporation Automated constraint-based scheduling using condition-based maintenance
US8782467B2 (en) * 2012-02-01 2014-07-15 Honeywell International Inc. Systems and methods for creating a near optimal maintenance plan
US8959065B2 (en) * 2012-04-09 2015-02-17 Mitek Analytics, LLC System and method for monitoring distributed asset data
FR2991788B1 (fr) 2012-06-08 2023-03-24 Snecma Prevision d'operations de maintenance a appliquer sur un moteur
US20140089029A1 (en) * 2012-09-21 2014-03-27 Enphase Energy, Inc. Method and apparatus for scheduling maintenance of alternative energy systems
CN103020422A (zh) * 2012-11-12 2013-04-03 中航沈飞民用飞机有限责任公司 一种民用飞机系统维修时间间隔计算方法
US20140244328A1 (en) * 2013-02-22 2014-08-28 Vestas Wind Systems A/S Wind turbine maintenance optimizer
CN103399994B (zh) * 2013-07-23 2016-09-28 中国人民解放军海军航空工程学院 基于不确定性网络计划技术的军用飞机定检流程优化方法
EP3127089A4 (fr) * 2014-04-02 2017-10-04 Sikorsky Aircraft Corporation Système et procédé d'évaluation de la santé d'une structure d'avion
EP3173762B1 (fr) * 2015-11-25 2020-03-18 Sikorsky Aircraft Corporation Système et procédé de surveillance de fatigue

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
None

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10628621B2 (en) 2016-05-09 2020-04-21 Rolls-Royce Plc Component lifing
EP3249200A1 (fr) * 2016-05-23 2017-11-29 United Technologies Corporation Moteur à turbine à gaz ayant des calculs de durée de vie basés sur l'utilisation réelle
US10234359B2 (en) 2016-05-23 2019-03-19 United Technologies Corporation Gas turbine engine with lifing calculations based upon actual usage
US10704989B2 (en) 2016-05-23 2020-07-07 Raytheon Technologies Corporation Gas turbine engine with lifing calculations based upon actual usage
EP4089274A1 (fr) * 2016-05-23 2022-11-16 Raytheon Technologies Corporation Moteur à turbine à gaz ayant des calculs de durée de vie basés sur l'utilisation réelle
EP3330186A1 (fr) * 2016-12-02 2018-06-06 General Electric Company Système et procédé de commande
CN108150229A (zh) * 2016-12-02 2018-06-12 通用电气公司 控制系统和方法
US10384808B2 (en) 2016-12-02 2019-08-20 General Electric Company Control system and method
US11180265B2 (en) 2016-12-02 2021-11-23 General Electric Company Control system and method
US11358171B2 (en) 2016-12-02 2022-06-14 General Electric Company Coating system and method
US11739695B2 (en) 2016-12-06 2023-08-29 General Electric Company Gas turbine engine maintenance tool
FR3150026A1 (fr) * 2023-06-15 2024-12-20 Dassault Aviation Procédé de génération de données relatives au soutien d'au moins un aéronef et méthode de suivi associé

Also Published As

Publication number Publication date
BR112016012131B1 (pt) 2022-06-21
CA2932933A1 (fr) 2015-06-18
RU2670937C9 (ru) 2018-11-21
BR112016012131A2 (fr) 2017-08-08
RU2670937C1 (ru) 2018-10-25
CN105829982B (zh) 2019-08-09
EP3080670B1 (fr) 2024-10-23
US11243525B2 (en) 2022-02-08
FR3014952A1 (fr) 2015-06-19
EP3080670A2 (fr) 2016-10-19
JP6552500B2 (ja) 2019-07-31
CN105829982A (zh) 2016-08-03
US20160313728A1 (en) 2016-10-27
FR3014952B1 (fr) 2016-01-22
JP2017502193A (ja) 2017-01-19
WO2015086957A3 (fr) 2016-06-02
CA2932933C (fr) 2023-06-27

Similar Documents

Publication Publication Date Title
CA2932933C (fr) Prevision d'operations de maintenance a appliquer sur un moteur
CA2826641C (fr) Prevision d'operations de maintenance sur un moteur d'aeronef
EP3671392B1 (fr) Apprentissage automatique en avionique
EP2859421B1 (fr) Prévision d'opérations de maintenance à appliquer sur un moteur
EP2912526B1 (fr) Système de surveillance d'un ensemble de composants d'un équipement
FR2970358A1 (fr) Pronostic de duree avant maintenance par fusion entre modelisation et simulation, pour equipements electroniques embarques dans un aeronef
WO2015107317A1 (fr) Procede de prediction d'une anomalie de fonctionnement des equipements d'un aeronef ou d'une flotte d'aeronefs
EP4330781B1 (fr) Système de supervision de l'exploitation et de la maintenance d'équipements industriels
FR3095424A1 (fr) Système et procédé de surveillance d’un moteur d’aéronef
Pipe Practical prognostics for condition based maintenance
EP3281157B1 (fr) Système de mutualisation de données relatives à des moteurs d'aéronefs
Longhitano Prescriptive maintenance for optimal management of systems subject to degradation: Application to the joint prescription of usage modes and maintenance actions for heavy vehicles
Robert Health management of industrial vehicles and fleet maintenance optimization: taking into account operation constraints and mission planning
EP4379486A1 (fr) Procédé de maintenance prédictive frugale, produit programme d'ordinateur et support lisible par ordinateur correspondants
Santoso et al. Prognosis of bearing damage performance to industrial system using nonlinear autoregressive with exogenous (NARX)
FR3150026A1 (fr) Procédé de génération de données relatives au soutien d'au moins un aéronef et méthode de suivi associé
CN116151098A (zh) 一种基于随机排列重要性的机载传感器配置方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2932933

Country of ref document: CA

ENP Entry into the national phase

Ref document number: 2016536978

Country of ref document: JP

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112016012131

Country of ref document: BR

WWE Wipo information: entry into national phase

Ref document number: 15102455

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REEP Request for entry into the european phase

Ref document number: 2014821787

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014821787

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2016126807

Country of ref document: RU

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14821787

Country of ref document: EP

Kind code of ref document: A2

ENP Entry into the national phase

Ref document number: 112016012131

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20160527