Tornando o HUMS mais inteligente para operadoras de helicópteros

HUMS

Tornando o HUMS mais inteligente para operadoras de helicópteros

October 31, 2017

Máquinas inteligentes que aprendem a fazer o trabalho sozinha estão tornando a vida de todos nós mais fácil. As máquinas inteligentes são uma grande promessa para tornar helicópteros mais seguros e eficientes ao mesmo tempo em que melhoram a disponibilidade e a eficiência em missões.

Na Honeywell, buscamos constantemente por maneiras para melhorar as capacidades de nossa tecnologia de sistema de monitoramento de uso e integridade (HUMS) - que já é líder no setor. Estamos aplicando as mais recentes técnicas de Internet Industrial das Coisas (IIoT) e aprendizado de máquina para fazer do nosso HUMS ainda mais inteligente e muito mais valioso para operadoras de helicópteros.

HUMS

"Estamos migrando de fornecer indicadores de condição para indicadores de integridade", revela Andrew Vechart, cientista chefe de pesquisa e desenvolvimento no grupo de Gestão de Integridade de Veículos. "Nosso HUMS logo poderá não apenas informar se um determinado componente está em boas ou más condições, como também indicar a integridade de toda a unidade substituível em campo para que você não precise passar muito tempo interpretando dados."

De olho no futuro, a Honeywell vê um futuro quando o HUMS vai aplicar os recursos de análise avançada e Aeronave Conectada da empresa em um nível ainda mais amplo.

"A análise preditiva é o futuro", revela Raj Bharadwaj, cientista de pesquisa e desenvolvimento do projeto de Gestão de Integridade de Veículos. "Em pouco tempo, conseguiremos informar a um operador que uma unidade específica corre risco de falhar, dentro de um determinado tempo, com maior nível de confiança. Essa capacidade vai permitir um avanço na manutenção baseada em condição, que proporcionará enormes benefícios de segurança, operação e custo para operadoras."

Neste verão, a Honeywell concluiu seu trabalho em um programa crítico para a Diretora de Tecnologia Aplicada de Aviação (AATD) do Exército Americano e para a gigante Boeing. O programado foi batizado de ASTRO, sigla que, em inglês, significa Tecnologias de manutenção autônoma para operações de aeronaves com rotor. O programa se concentrou em usar algoritmos de aprendizado de máquina para melhorar a maneira pela qual os futuros sistemas HUMS de aeronaves de rotor do Exército serão projetados e mantidos. Nossos esforços se concentraram no desenvolvimento de indicador de integridade de prognóstico para caixas de engrenagens de sistemas de transmissão.

"Esse foi um programa ideal para nossa empresa graças à nossa experiência em gestão de integridade de veículos e à enorme quantidade de dados de HUMS que coletamos ao longo dos anos”, revela Bharadwaj. "Nossos dados, em combinação com aqueles que o Exército tinha sobre erros pós-falha e outras fontes, foram essenciais para o sucesso do programa. Com esse amplo banco de dados, o Exército espera melhorar a disponibilidade, manutenção e diagnóstico de falhas, além de elevar a confiabilidade do equipamento."

Os clientes da Honeywell também vão se beneficiar de nossa participação no ASTRO. "O aprendizado de máquinas é a onda do futuro e uma oportunidade real para melhorar as capacidades de nossos produtos de HUMS", revela Vechart.

HUMS

"Agora temos um método para configurar uma caixa de HUMS com os indicadores adequados de diagnóstico e prognóstico mais rapidamente. E demonstramos que, com o aprendizado de máquinas, podemos adicionar capacidades aos nossos produtos de HUMS que os tornam mais inteligentes e intuitivos para clientes."

"O aprendizado de máquina e as análises preditivas, em conjunto com nossa experiência em HUMS, são um excelente exemplo de como a Honeywell está levando o poder da conexão para o mercado de helicópteros", diz Josh Melin, líder de linha de produtos de HUMS.

"O programa ASTRO demonstrou claramente que essas disciplinas de ponta possuem enorme potencial para melhorar a segurança e a eficiência de operações de aeronaves com rotores", comenta Melin. "Os resultados estão comprovando que o desempenho de prognóstico e diagnóstico foi melhorado usando abordagens de aprendizado de máquina para um vasto conjunto de falhas de caixas de engrenagens."

"Mas não termina aí. Estamos trabalhando ativamente para empregar nossos aprendizados do ASTRO a outros tipos de componentes e aeronaves além da caixa de engrenagens ao melhorar a amplitude e profundidade das capacidades de gestão de integridade de veículos da Honeywell."