Bei diesem Projekt ging es um die Vorhersagen von Ausfallwahrscheinlichkeiten von Flugzeugkomponenten zur Vemeidung von ungeplanten Instandhaltungsarbeiten und besseren Ersatzteilverfügbarkeiten.
Herausforderung
Als einer der großen Flugzeughersteller hatte das Unternehmen Probleme, mit der weltweiten Ersatzteillieferung Schritt zu halten. Der Kunde wollte vorhersagen, welche Ersatzteile in welcher Menge an welchem Ort der Welt benötigt werden, abhängig von den nächsten geplanten Flügen. Eine Herausforderung bestand unter anderem in der Datenaufbereitung. Dabei mussten manuelle Freitextbeschreibungen von Wartungsaufgaben mithilfe von Machine Learning in ein maschinenlesbares Format umzuwandeln.
Herangehensweise
Die komplexe Analyse und die Implementierung des AI-Systems benötigen eine Vielzahl von Datenquellen, die in den existierenden Systemen getrennt voneinander verfügbar waren. Daher war der erste Schritt die Kombination der Datenquellen und die Nutzbarmachung von Freitexten usw. für die weitere Verwendung, d.h. die Anwendung eines eigens entwickelten Datenmodells. Für die Vorhersagen von Ausfällen, wurden entsprechende Prognosealgos angewendet. Flugzeuge sind heutzutage sehr zuverlässig und haben als Ganzes sehr geringe Ausfallwahrscheinlichkeiten, was unter anderem durch Redundanz von wichtigen Bauteilen erreicht wird. Aber auch der Ausfall von Bauteilen ist in den meisten Fällen schwierig vorherzusagen, da es immernoch recht selten vorkommt. Der Nutzen unserer Anwendung entsteht durch die Betrachtung einer ganzen Flotte und der Kalkulation des Ersatzteilbedarfs für bestimmte Orte und Zeitpunkte.
Ergebnisse
ITM analysierte und entwarf eine Optimierungsstrategie, um Ersatzteilverfügbarkeiten zu erhöhen. Die Ersatzteile müssen nach Möglichkeit an dem Flughafen verfügbar sein, an dem das Flugzeug repariert werden muss. Darüber hinaus hat ITM einen verbesserten Wartungsplan erstellt, der es ermöglicht, die erforderlichen Wartungsaufgaben zu bündeln sowie zu definieren, welche Flugzeuge für welche Aufgaben am wirtschaftlichsten eingesetzt werden können.
