Applications of Machine Learning in Aircraft Maintenance

Abstract

Aircraft maintenance is a wide-ranging field that involves designing and optimizing various maintenance tasks. This includes finding, detecting, and fixing problems; overhauling, repairing, or modifying aircraft systems; and planning maintenance schedules according to aviation standards. The goal is to predict and prevent failures to keep aircraft reliable. Advances in Big Data Analytics (BDA) and artificial intelligence have changed predictive maintenance. Advances in BDA and artificial intelligence techniques have revolutionized predictive maintenance operations. Predictive maintenance is making big strides in the aviation sector accompanied by a variety of prognostic health management options. AI algorithms have recently been extensively applied to optimize aircraft maintenance systems and operations. Several researchers have proposed, analysed, and investigated the applications of AI, ML and DL based data analytics for predictive maintenance of aircraft systems, subsystems, and components. This thesis provides a comprehensive review of the ML techniques in details. By select three of the ML techniques (ANN, Regression Tree and Linear Regression) from review of ML techniques and comparing that technique to other analysis done by other authors by using same data to be able to maximise efficiency of aircraft maintenance taking account safety, time and cost. It is clearly seen that achieving a 92 percent successful result in one of my models using ANN method which has 80% training data is used with 10-layer size and also, which can be called the best result among the other results. Therefore, I believe it is a promising and improvable method. Keywords: Artificial Intelligence; Big Data; Deep Learning; Machine Learning; Aircraft Maintenance; Predictive Maintenance; Remaining Useful Life

Uçak bakımı, kapsamlı bakım işlemleri, prosedürlerinin sağlam tasarımını, optimizasyonunu gerektiren geniş kapsamlı ve çok disiplinli bir alandır. Havacılık standartlarına uygun olarak, uçak sistemleri, alt sistemleri, bileşenlerinin arıza tespiti, düzeltilmesi ve revizyonu, onarımı veya modifikasyonunun yanı sıra çeşitli bakım operasyonlarının programlanmasını kapsayan; Arızaları tahmin etmek, önlemek ve böylece uçağın sürekli güvenilirliğini sağlamak. AI tekniklerindeki ilerlemeler, tahmine dayalı bakım operasyonlarında devrim yarattı. Kestirimci bakım, çeşitli prognostik yönetimlerle birlikte havacılık sektöründe büyük ilerlemeler kaydediyor. Yapay zekâ algoritmaları son zamanlarda uçak bakım sistemlerini ve operasyonlarını optimize etmek için kapsamlı bir şekilde uygulanmaktadır. Birçok araştırmacı, uçak sistemleri ve bileşenlerinin tahmine dayalı bakımı için AI, ML ve DL tabanlı veri analitiği uygulamalarını analiz etti ve araştırdı. Bu tez, yapay zekâ tekniklerinin ayrıntılı olarak kapsamlı bir incelemesini sunmaktadır. ML tekniklerinin gözden geçirilmesinden en iyi ML tekniklerinden birini seçerek ve bu tekniği, güvenlik, zaman ve maliyet dikkate alınarak uçak bakımının verimliliğini en üst düzeye çıkarmak için aynı verileri kullanarak diğer yazarlar tarafından yapılan diğer analizlerle karşılaştırılmıştır. Yüzde 80 eğitim verisine sahip, 10 katmanlı boyutun kullanıldığı ve diğer sonuçlar arasında en iyi sonuç diyebileceğimiz YSA yöntemini kullanan modellerimden birinde yüzde 98 başarılı sonuç elde edildiği açıkça görülüyor. Bu nedenle umut verici ve geliştirilebilir bir yöntem olduğunu düşünüyorum. Anahtar Kelimeler: Yapay Zeka; Big Data; Deep Learning; Machine Learning; Aircraft Maintenance; Predictive Maintenance; Remaining Useful Life