Mentre il numero di operatori di motori LEAP cresce in tutto il mondo e la flotta si avvicina al traguardo di 50 milioni di ore di volo, CFM International ha ampliato le sue engine health monitoring capabilities con il machine learning, per fornire agli operatori informazioni più accurate che mai.
“Il sistema ora utilizzato per i motori CFM LEAP-1A e LEAP-1B modella i dati provenienti da più sensori del motore in decollo, salita e crociera, tramite probabilistic diagnostic and prognostic machine learning tools. Questi strumenti forniscono quindi avvisi mirati in base alle engine operating signatures note. I modelli operativi generati sono i più accurati che l’azienda abbia mai visto fino ad oggi e consentono di individuare tempestivamente potenziali problemi.
Il sistema è stato ampiamente utilizzato per più di un decennio sul CFM56 e altri motori e, quindi, beneficia dell’esperienza di un ampio portafoglio di prodotti, di un set di dati di qualità e di una profonda competenza nel settore. Il motore CFM LEAP contribuisce a far avanzare lo stato dell’arte nella predictive maintenance”, afferma CFM International.
“Grazie alla combinazione di questo health monitoring system e all’esperienza del nostro global CFM fleet support team, abbiamo ottenuto un anticipo del 60% sui tempi di identificazione delle preventative maintenance recommendations, un aumento del 45% dei detection rates e una riduzione della metà del numero di false alerts negli ultimi dieci anni”, ha affermato David Harper, Fleet Support Director for CFM parent company GE Aerospace.
“Queste analisi all’avanguardia stanno fornendo agli operatori LEAP i dati di cui hanno bisogno per prendere decisioni informate e approfondite sulla gestione della flotta”, ha affermato Agathe Venard, Head of Fleet Data Engineering for CFM parent company Safran Aircraft Engines. “Di conseguenza, ottengono un livello di stabilità della flotta su cui possono fare affidamento nelle loro operazioni quotidiane”.
(Ufficio Stampa CFM International)
