کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4965526 1448375 2017 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Comparative case study of life usage and data-driven prognostics techniques using aircraft fault messages
ترجمه فارسی عنوان
مطالعه موردی مقایسه کاربرد های زندگی و تکنیک های پیشگویی اطلاعات با استفاده از پیام های خطای هواپیما
کلمات کلیدی
00-01، 99-00، مطالعه موردی، پیشگیری از هواپیما، تکنیک های هدایت داده مدلسازی استفاده از زندگی، پیام های گمراه کننده
ترجمه چکیده
پیشگویی فعالیت کلیدی در عملیات تعمیر و نگهداری است. یک رویکرد اخیر به نگهداری مبتنی بر شرایط، روشی مبتنی بر داده است. این رویکرد بیشتر بر اساس معیارهای زمان شکست گذشته بوده و اندازه گیری های تخریب مولفه را برای برآورد عمر مفید تجهیزات در نظر گرفته است. یک منبع جایگزین داده، که به ندرت در این مدل ها استفاده می شود، جریان پیام های خودکار شده از سیستم های تشخیصی است که شامل کدهای خطا هستند که نشان دهنده وقایع غیر عادی یا انحراف از عملیات بهینه است. علیرغم گستردگی و ماهیت مختصر این پیام ها، تفسیر دشوار آنها چالش های مهمی در استفاده از آن در پیش آگهی می باشد. هدف از این مقاله نشان می دهد که پیش بینی های مبتنی بر داده ها بر مبنای این نوع پیام ها می توانند برای نگهداری بهتر از رویکردهای مبتنی بر زمان مناسب باشند. ما این مقایسه را با یک مطالعه موردی صنعتی مربوط به زمان حذف یک دریچه خروجی از سیستم مدیریت هواپیما هوا نشان می دهیم. نتایج تجربی ما نشان می دهد که بهبود دقت قابل توجهی نسبت به مدل های زمان بر مبنای متضاد. ما همچنین سهم خود را در بهبود این روش های مبتنی بر داده ها و پیش بینی های مربوط به پیام ایجاد می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Prognostics are a key activity in repair and maintenance operations. A recent approach to condition-based maintenance is the data-driven approach. This approach has been mostly based on past failure time measures, and sensed measurements of component degradation to derive estimates of the remaining useful life of equipment. An alternative source of data, rarely used in these models, is the stream of automatic messages derived from diagnostics systems, which consist of fault codes indicating abnormal events or deviations from optimal operation. Despite the richness and concise nature of these messages, their difficult interpretation poses significant challenges to its use in prognostics. This paper aims to show that data-driven prognostics based on this type of messages can be better suited to maintenance than time-based approaches. We illustrate this comparison with an industrial case study involving the removal times of a bleed valve from the aircraft air management system. Our experimental results reveal a significant accuracy improvement over the contrasting time-based models. We also establish the contribution to this improvement of the data-driven methods and message-related predictors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Industry - Volume 86, April 2017, Pages 1-14
نویسندگان
, , , , , ,