分享:

大家都是如何決定汽車保養日期呢?看公里數?看期間?由於我們大多無法預知汽車零件壽命,多數人都會乖乖地定期保養,以免突然抛錨造成莫大的困擾。汽車如此,飛機更是重要!有些故障僅是帶來不便,甚至攸關安全,或動輒耗費上億元的維修費用,若能做到預測而得知更精準的維修訊息,相信能大大降低保養的時間與成本!逢甲大學航太系張淵仁教授,同時也是逢甲大學衍生企業–機智雲的執行長,4月28日與航空相關企業進行雙週進度檢討會議時,以PHM技術分析結合迴歸分析(Regression Analysis)或機器學習(Machine Learning)等建立診斷與預測模型,除可確保飛機飛行安全外,亦可精準物料籌補,達到成本、品質及維修決策優化目的。此項研究深受企業青睞,讚揚具有極高價值性。

美國空軍時報《Air Force Times》指出,美國空軍在2019年的預測維護(CBM+)專案,透過感測器和演算法收集資料以確定哪些零件需要在失效前更換,採取主動維護策略,而不是坐等零件損壞。而2020年使用預測性維護技術的飛機數量增加兩倍,非預期的維護工作減少了近30%,且估計已經節省或避免6,800萬美元的維護費用。

航太系張淵仁教授(左)與陳宗禔博士生合照。

目前就讀於逢甲大學機械與航空工程博士學位學程的陳宗禔博士生,同時也是中科院空軍平台的主持人,他認為「世界超級強權-美國,雖然2021年國防預算達到7,400億美元新高,但在費用支出上,仍強調可負擔性及效益性的重要,因此,在飛機維修策略上不斷演進改善,從矯正性維修(Corrective Maintenance)、預防性維修(Preventive Maintenance)到視情況維修(Condition Based Maintenance),運用大數據及AI技術,掌握飛機零件的健康狀態,並精準診斷故障及預測剩餘可用壽命,近期美國防部(DoD)更發布指令積極推動CBM+,值得我們關注。」

分享: