Manutenção aeronáutica preditiva: procedimentos, técnicas e business models

• Autor(a) principal: Santos, Eduardo Filipe Gregório dos
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/19019
• topic: Manutenção aeronáutica; Manutenção preditiva; Internet of things; Business models; Aircraft maintenance; Predictive maintenance

A necessidade de optimização do tempo de imobilização das aeronaves para acções de manutenção, fruto da concorrência para uma constante disponibilidade dos recursos, a par das oportunidades resultantes da big data e da IoT, exorta a reflexão acerca da abordagem mais eficiente a adoptar na resolução antecipada de avarias. O presente trabalho discute a premência da manutenção preditiva entre os agentes da aviação civil, propondo um conjunto de procedimentos, técnicas e business models a aplicar pelos decisores de planeamento e estratégias de manutenção dentro de uma companhia aérea. A metodologia utilizada parte da análise de artigos científicos e de revistas da especialidade. Devido ao carácter exploratório do tema, foram realizadas entrevistas estruturadas e nãoestruturadas a profissionais e investigadores especialistas nesta temática para compreender o problema em análise e validar as sugestões apresentadas. Como técnicas de manutenção preditiva são propostas: 1) estipulação de prognósticos quanto ao tempo estimado de operacionalidade de um componente com base no desempenho esperado e nas condições de funcionalidade; 2) classificação dos prognósticos por estratégias opportunity-based e on-condition de acordo com métodos data-driven e model-based; 3) definição do teor de dados a alocar e o papel da IoT na recolha e transmissão destes; 4) as-aservice como hipóteses genéricas e extensíveis de business models; e discutidas práticas relevantes em curso. As sugestões apresentadas permitem a criação de valor através da manutenção preditiva, ponderando os desafios associados à partilha de dados, procedimentos legais e impacto financeiro. É sugerida para pesquisa o desenvolvimento da manutenção prescritiva através da inteligência artificial.