机构名称：
¥ 1.0
南卡罗来纳大学参与美国军方直升机和旋翼飞机研究已有 18 年多。这项工作的大部分重点是通过利用基于条件的维护 (CBM)（通常称为预测性维护 (PM)）来优化飞机的正常运行时间和飞行准备情况。这种类型的维护不同于其他传统方式（反应性和预防性），因为它具有高可靠性和低成本。任何应用中 PM 的基础都是数据收集和存储。它首先将自然语言处理 (NLP) 等工具应用于历史维护记录，以确定飞机上最关键的部件。然后使用先前收集的传感器数据的数据挖掘来建立监控关键部件的最可靠类型的状态指示器 (CI)。随着收集到更多数据，这些来自 CI 的阈值可以随时间进行修改。一旦制定了数据收集方案，就可以使用预测来确定组件的剩余使用寿命。使用此流程以及通过维护指导小组 (MSG-3) 计划优化的维护计划，有助于消除飞机上不必要的维护操作，并减少飞机运行所需的组件库存。制定此维护方案后，可以利用物联网 (IoT) 让整个流程在单一环境中运行。这进一步开发了解决方案，并允许操作比单独执行更快地执行。除非人员接受适当的教育和培训，否则这些实践的预期收益和未来发展将永远不会实现。在航空环境中培养预测性维护实践文化对于确保此解决方案的成功至关重要。
航空预测性维护的完整解决方案
主要关键词
相关文件推荐
