Methodological approach to monitoring and forecasting the technical condition of aircraft with regard to operational and combat damage
DOI:
https://doi.org/10.54858/dndia.2024-20-32Keywords:
information system, aviation equipment, technical condition monitoring, digital twin, predictive maintenance, critical element, machine learning, life cycle, statistical modeling, failure riskAbstract
The article presents a comprehensive approach to monitoring and predicting the technical condition of military aircraft, with a focus on maintaining operational reliability in the face of increased combat and operational stress. The proposed methodology is based on the critical elements method (CEM) and integrates advanced technologies, including 3D scanning, CAD/CAE physical and mathematical modeling, and machine learning algorithms.
The article outlines the importance of addressing technical challenges that have emerged due to the heightened intensity and complexity of military aviation tasks. Traditional monitoring methods are deemed insufficient for the current demands, prompting the need for new data-driven approaches. CEM enables the identification and prioritization of essential components whose failure could critically impact aircraft performance and safety. The methodology involves constructing statistical and digital models for these components, which helps in generating predictive insights into their degradation and failure risks.
Key stages include data collection on wear and damage, virtual testing using digital twins, and predictive analysis through neural networks trained on historical data. This methodical approach ensures that real-time data on critical elements is processed to assess their actual condition, allowing for effective and timely maintenance decisions. The authors propose the development of an automated information system to streamline the monitoring and forecasting processes, ultimately optimizing resource allocation and maintenance operations while extending the life of key components.
Future research areas highlighted in the article include creating real-time data acquisition subsystems, incorporating IoT sensors, and evaluating the cost-benefit of extending service life for critical components. These innovations are expected to contribute significantly to the sustainable use of military aviation resources under conditions of limited availability and high operational demand.
References
Олещук М. М., Шамко В. Є., Жарик О. М. (2021). Аналіз сучасного стану та завдань Повітряних Сил Збройних Сил України. Наука і оборона. Науково-теоретичний та науково-практичний журнал. – К.: НУОУ, 2021. – Вип. № 16(3). – С. 28-35.
Олещук, М. М., Коршець, О. А., Горбенко, В. М. Погляди щодо напрямків розвитку Повітряних Сил Збройних Сил України з урахуванням досвіду російсько-української війни. Повітряна міць України. Науково-практичний журнал. – К.: НУОУ, 2022. – Вип. №1(2). – С. 6–13.
Воронов А. О. Сучасні методи моніторингу технічного стану авіаційної техніки. Вісник Національного авіаційного університету. – К.: НАУ, 2020. – Вип. № 3. – С. 25–31.
V. Kotsyuruba, I. Datsenko, A. Bolohin. Modern methods for forecasting the technical condition of aviation equipment. Social Development and Security. Vol. 11(3). 2021. – P. 156–161.
Хижняк В.В., Литовченко А.О., Дмитрієв А.Г. Аналіз методів прогнозування технічного стану складних систем та особливості їх застосування при формуванні програм експлуатації державних еталонів. Системи озброєння і військова техніка. – Х.: ХНУПС, 2016. – Вип. №4(48). – С. 57–60.
J. Yao, Y. Yang. Systematic Review of Digital Twin Technology and Applications. Visual Computing for Industry, Biomedicine, and Art. Vol. 6, no. 10. 2023. – P. 75–95.
S. Koeberle, M. Thiele. Application of 3D-scanning for structural and geometric assessment of aerospace structures. CEAS Aeronautical Journal, Vol. 14(2). 2023. – P. 25–38.
Пащенко С. В., Шульгін А. А., Харченко В. О. Концептуальні основи застосування інноваційних технологій 3D-сканування в контексті підтримання льотної придатності авіаційної техніки державної авіації. Зб. наук. праць. – К.: ДНДІА, 2023. – Вип. № 19(26). – С. 150-155. DOI: https://doi.org/10.54858/dndia.2023-19-21.
Карасьов О.Г., Шульгін А.А., Чемерис Є.І., Башинський К.В., Холодний Р.В. Особливості застосування CAD/CAE систем у контексті продовження ресурсу жарових труб основних камер згоряння ТРДДФ літаків тактичної авіаціЇ. Зб. наук. праць Державного науково-дослідного інституту випробувань і сертифікації озброєння та військової техніки. 2022. Вип. 3(13). С. 145-153.
Голубовський, М. П., & Ясній, В. П. (2024). Огляд застосування штучного інтелекту та машинного навчання у прикладній механіці. Scientific Bulletin of Ivano-Frankivsk National Technical University of Oil and Gas. – І.: ІФНТУНГ, 2024. Вип. №1(56). – С. 79–91. https://doi.org/10.31471/1993-9965-2024-1(56)-79-91
Подвойський, О. І. Засіб моніторингу технічного стану авіаційного обладнання. Кваліфікаційна робота. –
К.: НАУ, 2023. – 112 с.
Шульгін, А.А. Буліч, І.О. Харченко, В.О. Удосконалення процесу експлуатації авіаційних двигунів шляхом застосування методу критичних елементів. Проблеми оборонного менеджменту: теорія і практика. Збірник тез доповідей. – К.: НУОУ, 2024. – Вип. №1(2). – С. 97-100.
R. Bakhat, C. Bentahar, S. Aharouay. Failure Mode Effects and Criticality Risk Analysis: Review & Application within the Scope of the Wind Turbine. Journal of Integrated Studies in economics, law, technical sciences & communication.
Vol. 1 No. 1. 2021. – P. 1-21 DOI: 10.13140/RG.2.2.11577.02404.
Y. Haimes. Risk Modeling, Assessment, and Management. John Wiley & Sons. 2015. – 720 p.
A Brief Guide to Fault Tree Analysis (FTA) – URL. [Електронний ресурс] – Режим доступу: https://safetyculture.com/topics/fault-tree-analysis/
ISO/IEC/IEEE 15288:2023 Systems and Software Engineering - System Life Cycle Processes. International Organization for Standardization. 2015. 116 p.
Найко Д.А., Шевчук О. Ф. Теорія ймовірностей та математична статистика: навч. посіб. – В.: ВНАУ, 2020. – 382 с.
Шостак В. Г., Пащенко С. В., Шульгін А. А., Харченко В. О. Методичний підхід щодо визначення фактичного технічного стану об’єктів авіаційної техніки із використанням інноваційних технологічних рішень. Прикладна механіка. Праці І Міжнародної науково-технічної конференції. – Т.: ТНТУ, 2024. – С. 267-270.
K. Coleman. Use Case: Machine Learning for Predictive Maintenance in Aviation. – URL. [Електронний ресурс] – Режим доступу: https://www.odysight.ai/articles/aviation/machine-learning-use-cases-for-condition-based-monitoring-and-predictive-maintenance-in-aviation/
