One of
the most important topics in aircraft design is to define aircraft
maintainability allocation which is a process to identify the allowable maximum
task time for each aircraft component or system. Traditional methods are mostly
experimental and out of design office’s control. In this study, an improved
method has been developed to create an alternative method for experimental
ones. For this purpose, as a first step an existing methodology developed for
maintenance allocation has been improved by using a different technic. Improved
method shows that newly established correlation between aircraft systems and
task times has very high coefficient of determination compare to the existing
method. At the second phase of the study several quantitative analysis have
been performed by examining more than 1000 maintenance tasks which are accepted
as standard maintenance actions by aviation industry, coming from Maintenance
Steering Group methodology and six weight factors have been established for the
new method. By using feed forward artificial neural networks for newly
identified weight factors, maintenance task allocations has been established.
Results shows that newly proposed method can be applicable for any maintenance
process during early design stage
Aircraft maintenance Neural networks Artificial Intelligence
Bir uçağın
tasarımı aşamasında en önemli konulardan biri, komponentlerin bakım tahsis
sürelerinin belirlenmesidir. Geleneksel bakım tahsis yöntemleri,
genellikle tecrübi bilgiye dayalı olup, tasarım ofisinin kontrolü dışındadır. Bu
çalışmada,
uçak bakım
tahsis sürelerinin belirlenmesi
için bir yöntem
geliştirilerek, tecrübi yönteme
bir alternatif oluşturulması hedeflenmiştir. Bu amaçla, iki aşamalı bir çalışma
yapılmış olup, ilk aşamada var olan bir çalışma, farklı bir yöntemle ele
alınarak geliştirilmiş ve uçak sistemleri ya da komponentleri ile bakım
kartlarının süreleri arasında bir korelasyon oluşturulmuştur. Çalışmanın ikinci
aşamasında, Bakım Yürütme Grubu’nun belirlediği ve günümüzde artık standart
kabul edilen temel bakım tasklarının parametreleri detaylı olarak ele alınmış,
bu amaçla 1000’den fazla bakım uygulaması incelenerek kantitatif analizler
gerçekleştirilmiş ve toplamda 6 adet ağırlık katsayısı elde edilmiştir.
Çalışmanın devamında ise ilk bölümde elde edilen fonksiyonla yeni modüller elde
edilmiş ve uçaktaki tüm sistemler ya da komponentler için uygulanabilir bir
seviyeye getirilmiştir. Son bölümde ise elde edilen ağırlık katsayıları
arasındaki ilişki ileri beslemeli geri yayılımlı yapay sinir ağları ile analiz
edilerek, uçak sistemlerinin ve komponentlerinin task süresinin tahmin edilmesi
gerçekleştirilmiştir. Bu sayede bir uçağın ön tasarım sürecinde bakımları
modelleyebilmek için literatüre yeni bir metot eklenmiştir
Konular | Mühendislik |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 22 Aralık 2017 |
Gönderilme Tarihi | 20 Şubat 2017 |
Yayımlandığı Sayı | Yıl 2017 Cilt: 5 Sayı: 4 |