ReMAP
Real-time Condition-based Maintenance for Adaptative Aircraft Maintenance Planning
Desafio
Atualmente, a maioria da manutenção aeronáutica é preventiva, significando isto que os sistemas e componentes são inspecionadas enquanto estão ainda em boas condições. A manutenção aeronáutica é pré-agendada segundo intervalos fixos, sejam estes determinados por horas de voo; ciclos de voo ou períodos temporais, dependendo daquele que ocorra primeiro.
Este método resulta em sobre-manutenção devido ao facto de as partes serem muitas vezes substituídas enquanto se encontram ainda em boas condições, ou seja, sem terem ainda atingido o fim da sua vida útil.
Nas últimas décadas, as aeronaves têm vindo a transformar-se em sistemas muito complexos que geram terabytes de informação por dia. Esta informação pode ser muito útil, se usada, por exemplo, para determinar o restante tempo de vida útil de determinado componente. Isto reduz a necessidade de inspeções manuais e permite a implementação de manutenção preditiva (baseada no real estado das peças, componentes e sistemas).
Solução / Objetivo Principal
O projeto ReMAP é um projeto financiado pelo programa H2020, o qual pretende reforçar a liderança europeia na área da aeronáutica, através do desenvolvimento de uma solução open-source dedicada à manutenção de aeronaves: sistema integrado de gestão da manutenção de frotas (Integrated Fleet Health Management, IFHM).
O projeto trata a temática da adoção de manutenção preditiva no contexto aeronáutico sob duas perspetivas: desenvolvimento e teste da solução IFHM através da instalação de um piloto e a promoção de um roadmap europeu comum no sentido do uso futuro de manutenção preditiva na aviação.
No sentido de potenciar o impacto do ReMAP, o projeto junta, desde o seu início, um conjunto de stakeholders de relevo na área aeronáutica. A participação destes stakeholders externos garantirá que o projeto endereça questões de relevo para a indústria, como as suas principais necessidades e preocupações.
Ao substituir inspeções baseadas em intervalos fixos por intervenções alicerçadas no estado real das peças e componentes, prevê-se que o projeto venha a ter um impacto de cerca de 700M/euros por ano na aviação europeia. Isto devido não apenas a uma diminuição dos custos de manutenção e redução de eventos de manutenção não previstos, mas também devido ao aumento da disponibilidade das aeronaves.
Objetivos, Atividades e Resultados esperados / atingidos
Objetivos Atingidos:
• Plataforma cloud;
• Solução integrada de sensorização para Monitorização de estruturas;
• Modelos de diagnóstico e prognóstico para estruturas;
• Modelos de diagnóstico e prognóstico para sistemas;
• Sistema de apoio à decisão para gestão da manutenção;
• Livro branco sobre o futuro da Regulamentação e processos industriais associados a processos de Manutenção baseada em Condição;
• Plano de ação estratégico para a adoção de processos de Manutenção Baseados em Condição.
Referência do projeto
Grant Agreement No 769288Financiamento
Região de Intervenção
Países Baixos, Espanha, França, Portugal, Suíça, Irlanda e GréciaInvestimento Total
6.806.742,50Investimento do IPN
439.000,00Elegível Total
6.806.742,50Elegível do IPN
439.000,00Apoio Financeiro da UE - Total
6.806.742,50Apoio Financeiro da UE – IPN
439.000,00Duração
51 MesesData de Início
2018-06-01Data de Fim
2022-08-31Data de Aprovação
2018-04-23Consórcio
Technische Universiteit DelftATOS Spain S.A.
CEDRAT Technologies
Ecole Nationale Supérieure d’Arts et Métiers
Embraer Portugal S.A.
Instituto Pedro Nunes
Koninklijke Luchtvaart Maatschappij N.V.
Office National D'Etudes et de Recherches Aerospatiales
Optimal Structural Solutions
Smartec
United Technologies Research Centre Ireland
University of Coimbra
University of Patras
Parceiros
Airbus SASEmpresa Brasileira de Aeronáutica
European Aviation Safety Agency
Prof. Fu-Kuo Chang
Goodrich Actuation Systems SAS, UTC Aerospace Systems
Royal Dutch Air Force
Thales Avionics
Website
https://h2020-remap.euPalavras-chave
Manutenção preditiva;Manutenção de Aeronaves;
Algoritmos de Diagnóstico e Prognóstico;
Inteligência Artificial.
