一种用于民用客机制造商优化其产品计划维修间隔的方法

摘要

本发明涉及航空技术领域，尤其为一种用于民用客机制造商优化其产品计划维修间隔的方法。包括选择运营商选择，抽取样本量，将选择的数据验证和分类，将“相关且重要”的数据建立主故障数据表，以飞行小时数为横坐标，以故障数量为纵坐标通过最小二乘法进行线性回归，建立维修间隔时间调整与“相关且重要”之间的关系，计算相关重要故障数量的增长率；进行假设检验，判断维修间隔调整后故障数所占的比例是否落入拒绝域，并判断是否满足置信度；当修间隔调整后故障数所占的比例是落入拒绝域，并满足行业所规定的置信度的要求时，将现有维修时间扩展至新的维修间隔。本发明在保证安全性及可靠性基础上，依据对服役数据的分析，对计划维修任务进行优化，使维修大纲更有效、更经济，持续降低航空运营商的维修成本。

说明书

技术领域

本发明涉及航空技术领域，尤其为一种用于民用客机制造商优化其产品计划维修间隔的方法。

背景技术

航空制造商在产品服役前须向适航当局提交MRBR（Maintenance ReviewBoard Report-维修审查委员会报告），即初始维修大纲，并获得航航当局批准，用以支持航空运营商制定相应的维修方案，为产品持续适航服务。

维修大纲的建立须满足安全性和经济性要求，并能提高飞机的运行可靠性，由于缺少大量试验或服役数据支持，初始维修大纲的确定往往比较保守。随着机队服役，航空运营商所面临的竞争环境使得其必须考虑服役一段时期后依据服役数据对初始最低维修要求进行持续的优化调整，旨在保证安全性与可靠性的同时，降低维修成本，提升飞机可用度。维修大纲/维修计划的优化主要体现在每一个MRBR维修任务间隔的调整上，如延长、缩短等，使优化后的维修大纲/维修计划更适用于当前机队。航空制造商在搜集到足够的服役数据后，负责对初始维修大纲的优化作业，并施用于所有机队。

目前该类优化方法及流程仍属于行业内的保密技术，国外知名制造商如波音、空客等均开发了相应了流程及算法。在学术界，某国外知名航空制造商的维修工程部门与某大学合作开发了“基于服役数据的民用客机维修间隔优化方法”，但该方法仅适用于隐蔽类，即8、9类任务的优化方法，不够全面，且工程实用性不强。国内目前针对民用客机维修任务的优化还没有建立切实可行的方法或流程。

发明内容

本发明要解决的问题在于提供一种用于民用客机制造商优化其产品计划维修间隔的方法，旨在用于在保证飞机预定安全性及可靠性的前提下，判断维修间隔是否可以调整，如何调整，以反映更有效的维修间隔。

本发明采用如下的技术方案：一种用于民用客机制造商优化其产品计划维修间隔的方法，包括如下的步骤：

1)运营商选择：制造商维修工程人员对运行待优化产品的所有运营商进行审查，包括维修基地及机队运营航线，然后将运营区域与气候分布图进行比对，以确定该产品运营的所有区域及特征，运营商的选择根据：机队大小、飞机年龄、所处地区、运营环境、可用的连续维修次数；

2）样本量选择，选择能代表整个需要优化的机队满足维修间隔优化需求的选择数目飞机、维修任务次数：采用如下的方式进行计算：

计算样本量：

第一步：$>m=\frac{{Z_{/2}}^{2}p\left(\begin{array}{cc}1& p\end{array}\right)}{c^2};$>

其中m=大群体样本量，Z_/2为标准正态分布，p为可接受故障数比例，c为置信区间；

第二步根据所计算的样本量计算所需任务数量：

所需任务数量$>n=\frac{m}{\{1+\left(\begin{array}{cc}m& 1\end{array}\right)/S\}};$>

其中S为所选的任务总量，S=AU*FS*NY/INT

其中AU为年使用率，FS为机队飞机总量，NY所搜集数据年数，INT现有维修间隔；

所需飞机数量：N=n*FS/S；

3）数据验证和分类：将步骤1来自航空运营商的服役数据按照步骤2的方法收集后分为“相关重要”、“非相关重要”及“非重要”三类；

4）将步骤3）中“相关且重要”的数据建立主故障数据表，主故障数据表包括：故障发现日期、故障发生时的飞行小时数、飞机类型、运营商名称、任务完成次数；

5）根据步骤4）建立的主故障数据表的数据按照故障数据所属类别分别以飞行小时数为横坐标，以故障数量为纵坐标通过最小二乘法进行线性回归，建立维修间隔时间调整与“相关且重要”之间的关系，计算相关重要故障数量的增长率；

6）拒绝域选择：根据航空制造商根据自身的基地维修间隔/航线维修间隔及适航规章制度来规定MSG-3各类故障的最大或可接受的故障概率；判断“相关重要”的数据所属故障类别，确定拒绝域；

7）进行假设检验，采用泊松分布模型判断维修间隔调整后故障数所占的比例是否落入拒绝域，并判断是否满足置信度；计算如下：

泊松分布模型：P{x/Poisson}=(λnL)^xexp(-λnL)/x!

其中λ=(故障数量)/{(任务执行数量)x(现有间隔T₀)}，将维修间隔扩展至T₁，假设有相同的测试点n，使用指数分布对新的维修间隔T₁进行重构，计算得到维修间隔调整的置信度；L为新的维修间隔，X等于任务执行数量*拒绝域，P是泊松分布的概率函数，指维修间隔延长到指定间隔后，故障数小于X的概率；

8）当修间隔调整后故障数所占的比例是落入拒绝域，并满足行业所规定的置信度的要求时，将维修时间扩展至T₁。

进一步地，将落入拒绝域或置信度小于设定值进行逻辑分析判断，方法如下：计算平均故障间隔时间：MTBF=任务数量*维修间隔/故障数量，MTBF为平均故障间隔时间；计算连续故障比例：连续故障比例=Min(故障数量)/Sum（故障数量），Min(故障数量)为历次检查最小故障数,Sum（故障数量）指的是故障数总和；当任务属于5、8类时，MTBF大于100000FH，连续故障比例分别小于5%和15%，且不会触发安全隐患时，可将维修间隔扩展至T₁；任务属于6、7、9类，MTBF大于1000FH，且连续故障比例小于25%时，可将维修间隔扩展至T₁；

现相关故障的数量，利用最小二乘法进行线性回归，判断故障数量随着维修间隔调整引起的变化Δn所占总维修事件样本量的百分比是否超过所对应任务类别的拒绝域。

进一步地，步骤1）中将采集的数据与MRBR任务数据库中的对应“相关重要”、“非相关重要”及“非重要”数据进行匹配确定类型。

进一步地，拒绝域的确定：对于任务属于安全类维修任务的：

对于5类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^5$>

对于8类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3{10}^5$>

对于任务属于非安全类维修任务的：

对于6、7类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3$>

对于9类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3{10}^5$>

其中，N_Fingding为故障数量，Interval为维修间隔，N_Task为任务数量，最终根据搜集的任务数量计算出故障数量，拒绝域为故障数量与任务数量的比值。

本发明具有如下的优点及有益效果：

本发明在保证安全性及可靠性基础上，依据对服役数据的分析，对计划维修任务进行优化，使维修大纲更有效、更经济，持续降低航空运营商的维修成本。本发明结合工程实际，考虑了民用飞机维修工程领域在计划维修方面的常用专业知识及流程，具有全面、简单、实用、可操作性强等特点。

附图说明

图1为实施例中故障数与飞行小时数最小二乘法进行线性回归图。

具体实施方式

一种用于民用客机制造商优化其产品计划维修间隔的方法，包括如下的步骤：

1)运营商选择：维修间隔调整的基础是服役数据及其数据质量。制造商维修工程人员对运行待优化产品的所有运营商进行审查，包括维修基地及机队运营航线，然后将运营区域与气候分布图进行比对，以确定该产品运营的所有区域及特征，运营商的选择根据：机队大小、飞机年龄、所处地区、运营环境、可用的连续维修次数；

2）根据步骤1）中所选择的运营商进行样本量选择，即从不同年龄、不同地区、不同年利用率的机队中选择一定数量的飞机架数及维修任务数量来代表整个机队的水平。选择能代表整个需要优化的机队满足维修间隔优化需求的选择数目飞机、维修任务次数：采用如下的方式进行计算：

计算方法如下：

第一步：$>m=\frac{{Z_{/2}}^{2}p\left(\begin{array}{cc}1& p\end{array}\right)}{c^2};$>

其中m为大群体样本量，本发明中为中间计算值，用于求解所需任务数量n，Z_/2取1.96，置信度水平为95%时，本发明中要求置信度水平不低于95%，因此本发明中Z_/2取1.96，p为可接受故障数比例，c为置信区间，航空界一般取0.05左右，具体值由当局和航空制造商确定，优选地，c取0.06；

第二步根据所计算的样本量计算所需任务数量：

所需任务数量$>n=\frac{m}{\{1+\left(\begin{array}{cc}m& 1\end{array}\right)/S\}};$>

其中S为所选的任务总量，S=AU*FS*NY/INT

其中AU为年使用率，FS为机队飞机总量，NY所搜集数据年数，INT现有维修间隔；

所需飞机数量：N=n*FS/S；

样本量的计算基于不同等级的任务进行，如A检任务或C检任务等，本方法设定用95%的置信度（满足IMRBPB-IP44要求）来计算所需的维修任务数量及飞机数量。

3）数据验证和分类：将步骤2来自航空运营商的服役数据按照步骤1的方法收集后分为“相关重要”、“非相关重要”及“非重要”三类；分类依照将采集的数据与MRBR任务数据库中的对应“相关重要”、“非相关重要”及“非重要”数据进行匹配确定类型。如下定义：

相关-故障直接与维修任务的维修目的相关，并与维修间隔吻合；

非相关-故障不直接与维修任务的维修目的相关，但是在执行该任务时发现的；

重要-如果下一次维修再处理，故障会导致不可接受的经济性惩罚、运行性惩罚或可能降低飞机的适航能力；

非重要-如果下一次维修再处理，故障不会导致经济性、运营性或适航影响；

4）将步骤3）中“相关且重要”的数据建立主故障数据表，主故障数据表包括：故障发现日期、故障发生时的飞行小时数、飞机类型、运营商名称、任务完成次数；

5）根据步骤4）建立的主故障数据表的数据按照故障数据所属类别分别以飞行小时数为横坐标，以故障数量为纵坐标通过最小二乘法进行线性回归，建立维修间隔时间调整与“相关且重要”之间的关系，计算相关重要故障数量的增长率；

6）拒绝域选择：根据航空制造商根据自身的基地维修间隔/航线维修间隔及适航规章制度来规定MSG-3各类故障的最大或可接受的故障概率；判断“相关重要”的数据所属故障类别，确定拒绝域；拒绝域是维修间隔优化调整的关键步骤，体现了各类故障发生的最大或可接受发生概率。对不同故障影响的维修任务须设立不同的拒绝域，用以保证安全性指标。本方法根据AC25.1309，为不同故障影响的维修任务间隔调整设立拒绝域。拒绝域设定的前提是需要航空制造商根据自身的基地维修间隔/航线维修间隔及适航规章制度来规定MSG-3各类故障（5、6、7、8、9）的最大或可接受的故障概率，即任何单一部件失效概率均不可超过该值，并以此来保证安全性与可靠性。

拒绝域的确定：对于任务属于安全类维修任务的：

由于5类维修任务不考虑结合故障，概率可直接服从1x10-5，对于5类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^5$>

对于8类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3{10}^5$>

对于任务属于非安全类维修任务的：

对于6、7类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3$>

对于9类维修任务根据下列公式计算拒绝域：

$>\frac{N_{\mathrm{Fingding}}}{\mathrm{Interval}{N}_{\mathrm{Task}}}{10}^3{10}^5$>

其中，N_Fingding为故障数量，Interval为维修间隔，N_Task为任务数量，最终根据搜集的任务数量计算出故障数量，拒绝域为故障数量与任务数量的比值。

7）进行假设检验，采用泊松分布模型判断维修间隔调整后故障数所占的比例是否落入拒绝域，并判断是否满足置信度；计算如下：

泊松分布模型：P{x/Poisson}=(λnL)xexp(-λnL)/x!

其中λ=(故障数量)/{(任务执行数量)x(现有间隔T₀)}，将维修间隔扩展至T₁，假设有相同的测试点n，使用指数分布对新的维修间隔T₁进行重构，计算得到维修间隔调整的置信度；L为新的维修间隔），x为任务执行数量*拒绝域，P为泊松分布的概率函数，指维修间隔延长到指定间隔后，故障数小于x的概率，要求该概率大于95%。

8）当修间隔调整后故障数所占的比例是落入拒绝域，并满足行业所规定的置信度的要求时，将维修时间扩展至T₁。

9）将落入拒绝域或置信度小于设定值要进行逻辑分析判断，方法如下：计算平均故障间隔时间：MTBF=任务数量*维修间隔/故障数量，MTBF为平均故障间隔时间；计算连续故障比例：连续故障比例=Min(故障数量)/Sum（故障数量），Min(故障数量)为历次检查最小故障数,Sum（故障数量）指的是故障数总和；当MTBF较高，5、8类（包含结构检查）大于100000FH，6、7、9类（包含区域检查）大于1000FH，对安全性不产生影响（主要比较所发现故障与MRB任务种类及目的：如果MRBR任务非5类或8类，则无安全性影响；如果MRBR任务为5类或8类，则须判断故障是否会触发安全性隐患，例如8类的操作检查任务通常检查附部件还能否工作，如果维修时发现故障会导致附部件一定的功能降低，但该附部件依然能够工作，则该故障不算作对安全性有影响，如果发现该附部件不工作，那该故障判定为对安全性有影响），连续故障比例小于5%（5类）、15%（8类）和25%（6、7、9类）时，可将维修间隔扩展至T₁；5、6、7、8、9类维修任务是MSG-3分析出的，是行业内的通用叫法，5类代表明显安全类、6类代表明显运行类、7类代表明显经济类、8类代表隐蔽安全类、9类代表隐蔽非安全类。

对于“非相关重要”故障数据根据不同时间段、所检查飞机的数量、发现相关故障的数量，利用最小二乘法进行线性回归，判断故障数量随着维修间隔调整引起的变化Δn所占总维修事件样本量的百分比是否超过所对应任务类别的拒绝域。在审查运营商数据过程中，当某个重要故障不能与MRB任务进行匹配，且主制造商维修工程人员任务该故障为适航关注项时，那该故障将被归为非相关重要故障。

是否是适航关注项取决于制造商维修工程人员、工作组/ISC或适航当局的决策，但必须满足一定的标准，例如PSE（主结构件）裂纹，或3级腐蚀等。如果故障的不相关是相关的维修任务在与原定维修间隔相异的维修间隔发现的，那么该故障数据也须考虑纳入主故障数据表内。

非重要故障趋势分析：

考虑这些故障与MRB任务不相关、无适用任务或MSG-3分析结果是“不需要维修任务”。另外这些故障不重要，无适航或重要经济性影响。

本发明抽取制造商使用维修事件样本量的20～30%作为趋势门槛。例如，采用25%作为趋势门槛，抽样任务为100次，趋势定义为至少发现25个该故障。

对非重要故障进行趋势审查，当某一非重要故障超过总样本量的25%时，该故障就变成了定义的“趋势”，最终分析报告中则需要体现该趋势或给出相关建议。

实施例

某机型全球机队总量为527架，采用本发发明针对MRBR中4000FH（C检）及4年检维修任务进行。根据分析，527架飞机中有234架主要运行在寒冷及干旱地区，有285架飞机运行在温带乡郊地区，有8架运行在热带地区，共有77架飞机的运行受沿海气候影响。

按照步骤2）的方法进行抽样：依据机队分布情况，抽样样本须反映56%温热带气候及44%寒冷干旱气候。通过样本量选择计算，若能代表整个机队情况，对4000FH（C检）任务至少须70架飞机/264次检查，对4年的任务至少须157架飞机/157次检查，主要航空运营商及抽样样例如下：

运营商1：温热带乡郊地区，所占比例为24%。选择32架飞机，111次检查，其中7架飞机为5次连续检查，13架飞机为4次连续检查，12架飞机为2次连续检查；

运营商2：干旱及温热带乡郊地区，所占比例为21%。选择25架飞机，94次检查，其中1架飞机为5次连续检查，17架飞机为4次连续检查，7架飞机为3次连续检查；

表1数据抽样样例

审核分类

o主要服役问题样例

FS280横梁腐蚀及裂纹

STR3楣梁裂纹

o数据审核：

共采集到9420个故障数量，与34个维修任务相关

4000FH任务10个，8000FH任务15个

4年检任务9个，基本在8000FH，即2C检完成

共审查456个C检及185个2C检

共统计出476个相关重要项，其中404个来自4000FH检，72个来自4年检：

统计分析（仅针对4000FH任务所发现的相关重要损伤数据）：

以下为用于统计分析的数据样例，建立故障数量与飞行小时数关联表：

表2故障数量与飞行小时数关联表

相关重要项飞机数量飞行小时FH37972000-40001281254000-8000971188000-120001229412000-16000202216000-20000

使用最小二乘法进行线性回归，计算见图1：

通过计算可以看出：对于4000FH类任务，相关重要项的增长率约为0.75个/10000FH。如果将维修间隔从4000FH提高至6000FH，损伤的平均数将会增加0.15个。

假设检验

初始维修间隔为4000FH，通过假设检验判断是否可以扩展至6000FH。本实施例中6、7、9类维修任务拒绝域设为25%，检查次数为456次，发现相关重要故障38个。检验结果如下：

表3假设检验条件输入

表4假设检验结果

通过检验可以看出，当扩展至6000FH后，故障数量会增加至大约57个，占总检查数的12.5%，没有落入拒绝域25%内，且计算的置信度为100%，高于门槛95%。结论为维修间隔可以从4000FH扩展至6000FH。

当假设检验无法通过时，例如456次检查中发现了68个损伤，拒绝域为25%，那由4000FH扩展至6000FH后，损伤所占比例为23%，虽然没有落入拒绝域，但是置信度仅为88%，达不到95%的要求，则不能直接进行扩展，需要进一步进行详细分析。分析包括以下内容：任务号码、任务描述、现有时间间隔、MRB任务类别、相关重要故障概要、部件故障后果（MSG-3故障影响）、服役历史概要（包括AOM-All Operator Message，SL-Service Letters，SB-ServiceBulletins等）、MSG-3历史（任务选择或分析中所记录的附注等）、故障平均间隔时间、连续故障比例，制定分析表。表5为分析样例。

表5详细分析样例

为了保证优化过的维修大纲不会影响飞机的安全性和可靠性，航空制造商/运营商则至少需要实施以下措施，以对所有间隔更改进行监控：

o记录优化更改时部件的可靠性数据；

o对于所有维修间隔更改过的任务，须记录MSG-3部件的FRACAS（Failure Report Analysis and Corrective Action System）可靠性数据；

o更改批准后的规定年限内，须生成另一份可靠性数据报告，并向ISC展示；

o分析所有可靠性方面的重要变化，ISC/MRB提出意见与建议；

ISC判断是否需要重复以上监控流程。