[論文レビュー] Fault prediction in aircraft engines using Self-Organizing Maps

Marie Cottrell, Patrice Gaubert+5 more|arXiv (Cornell University)|Jul 8, 2009

Advanced Statistical Methods and Models参考文献 1被引用数 6

ひとこと要約

本論文は、自己組織化マップ（SOM）を用いて時間的経過に伴う多次元のエンジンセンサー・データを可視化することで、航空機エンジンの故障予測システムを提案する。コア回転数、オイル圧力、環境変数などの多次元飛行測定値を2次元のSOMに投影することで、データの軌跡を追跡し、異常パターンを検出する。これにより、故障が発生する前に対象の故障を早期に特定することが可能になる。

ABSTRACT

Aircraft engines are designed to be used during several tens of years. Their maintenance is a challenging and costly task, for obvious security reasons. The goal is to ensure a proper operation of the engines, in all conditions, with a zero probability of failure, while taking into account aging. The fact that the same engine is sometimes used on several aircrafts has to be taken into account too. The maintenance can be improved if an efficient procedure for the prediction of failures is implemented. The primary source of information on the health of the engines comes from measurement during flights. Several variables such as the core speed, the oil pressure and quantity, the fan speed, etc. are measured, together with environmental variables such as the outside temperature, altitude, aircraft speed, etc. In this paper, we describe the design of a procedure aiming at visualizing successive data measured on aircraft engines. The data are multi-dimensional measurements on the engines, which are projected on a self-organizing map in order to allow us to follow the trajectories of these data over time. The trajectories consist in a succession of points on the map, each of them corresponding to the two-dimensional projection of the multi-dimensional vector of engine measurements. Analyzing the trajectories aims at visualizing any deviation from a normal behavior, making it possible to anticipate an operation failure.

研究の動機と目的

• 数十年にわたる運用において故障確率ゼロを達成するという、老朽化した航空機エンジンの保守の課題に対処すること。
• 飛行中のセンサー・データを用いた故障の早期予測により、保守の効率を向上させること。
• 多次元エンジン測定値の複雑さを、その時間的変化を可視化することで克服すること。
• 通常の運用行動からの逸脱を検出することで、故障が発生する前にその兆候を予測すること。
• エンジンの健康状態の時間的傾向を視覚的かつ解釈可能な形で提示することで、保守意思決定を支援すること。

提案手法

• コア回転数、ファン回転数、オイル圧力、外気温、高度、航空機速度を含む多次元飛行データを収集する。
• 次元削減と可視化の目的で、各エンジン測定ベクトルを二次元の自己組織化マップ（SOM）に投影する。
• 時間スタンプが付与された測定値に対応する連続するマップノードから成る軌跡として、各エンジンの時間的変化を追跡する。
• SOMのトポロジカル順序を活用して測定値間の類似性を保持し、異常を視覚的に検出可能にする。
• 期待されるパターンからの逸脱を、軌跡の分析により検出し、劣化または初期故障の兆候を示す。
• SOMの教師なし性質を活かし、故障イベントの事前のラベルなしに未知の故障パターンを検出できる。

実験結果

リサーチクエスチョン

• RQ1 自己組織化マップは、多次元航空機エンジンセンサー・データの時間的変化を効果的に可視化できるか？
• RQ2 SOM上の軌跡パターンは、初期故障を示す正常なエンジン動作からの逸脱をどの程度明らかにできるか？
• RQ3 SOM手法は、実際の故障発生前にエンジン運用の異常をどの程度効果的に検出できるか？
• RQ4 SOM上でのエンジン軌跡の可視化は、実世界の航空運用における予防的保守意思決定を支援できるか？
• RQ5 SOMベースのアプローチは、飛行中の環境的および運用的条件の変動に対してどの程度頑健か？

主な発見

• SOMは高次元エンジンデータを2次元の視覚的空間に効果的に投影し、測定値間の意味のある関係を保持した。
• SOM上の軌跡は、明確な正常動作のパターンを示し、異常または劣化した動作と視覚的に区別可能であった。
• 既知の故障事象の前に対象の軌跡パスからの逸脱が観察され、早期警告の可能性が示された。
• ラベルなしの故障データを用いても異常行動を検出できたため、教師なし故障検出における有効性が実証された。
• 可視化機能により、保守エンジニアはエンジンの健康状態の傾向を直感的に解釈でき、早期対応が可能になった。
• SNECMAおよびダッソー・エアロナティック社の実データを用いた実世界での検証により、エンジン監視分野における実用的応用性が確認された。