(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024103474
(43)【公開日】2024-08-01
(54)【発明の名称】モデルの組み合わせを使用するメンテナンス間隔の決定
(51)【国際特許分類】
B64F 5/40 20170101AFI20240725BHJP
B64F 5/60 20170101ALI20240725BHJP
G06Q 10/20 20230101ALI20240725BHJP
【ＦＩ】
B64F5/40
B64F5/60
G06Q10/20
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
【外国語出願】
(21)【出願番号】P 2024006644
(22)【出願日】2024-01-19
(31)【優先権主張番号】18/157,620
(32)【優先日】2023-01-20
(33)【優先権主張国・地域又は機関】US
(71)【出願人】
【識別番号】500520743
【氏名又は名称】ザ・ボーイング・カンパニー
【氏名又は名称原語表記】Ｔｈｅ Ｂｏｅｉｎｇ Ｃｏｍｐａｎｙ
(74)【代理人】
【識別番号】110002077
【氏名又は名称】園田・小林弁理士法人
(72)【発明者】
【氏名】ポール， ランジャン ケー．
(72)【発明者】
【氏名】イルヴァーン， ジャン
(72)【発明者】
【氏名】デイツ， クリストファー ディー．
(72)【発明者】
【氏名】ストゥルラグソン， リースマン イー．
(72)【発明者】
【氏名】カマト， アメヤ ディーパック
【テーマコード（参考）】
5L010
【Ｆターム（参考）】
5L010AA20
(57)【要約】 （修正有）
【課題】航空機構成のためのメンテナンス間隔を決定するためのコンピューティングシステム及びコンピューティングシステムによって実行される方法を提供する。
【解決手段】方法は、対象の航空機構成の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義を取得する。方法は、第１予測モデルを実装し、センサデータに基づいて、構成要素（２２１）に関わる不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定する。方法は、第１予測モデルとは異なる第２予測モデルを実装し、センサデータに基づいて、構成要素（２２１）に関わる不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定する。方法は、第１寿命確率分布（２６１）及び第２寿命確率分布（２６２）に基づいて、構成要素（２２１）のメンテナンス間隔（１０２）を決定する。
【選択図】図２
【解決手段】方法は、対象の航空機構成の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義を取得する。方法は、第１予測モデルを実装し、センサデータに基づいて、構成要素（２２１）に関わる不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定する。方法は、第１予測モデルとは異なる第２予測モデルを実装し、センサデータに基づいて、構成要素（２２１）に関わる不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定する。方法は、第１寿命確率分布（２６１）及び第２寿命確率分布（２６２）に基づいて、構成要素（２２１）のメンテナンス間隔（１０２）を決定する。
【選択図】図２
【特許請求の範囲】
【請求項1】
対象の航空機構成（１０４）についてメンテナンス間隔（１０２）を決定するための、コンピューティングシステム（１００）によって実行される方法（３００）であって、
前記対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
前記対象の航空機構成（１０４）の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
前記コンピューティングシステム（１００）において第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定することと、
前記コンピューティングシステム（１００）において前記第１予測モデル（１２０、１２２、１２４）とは異なる第２予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定することと、
前記第１寿命確率分布（２６１）及び前記第２寿命確率分布（２６２）に少なくとも部分的に基づいて、前記構成要素（２２１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンス間隔（１０２）を出力することと、
を含む、方法（３００）。
前記対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
前記対象の航空機構成（１０４）の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
前記コンピューティングシステム（１００）において第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定することと、
前記コンピューティングシステム（１００）において前記第１予測モデル（１２０、１２２、１２４）とは異なる第２予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定することと、
前記第１寿命確率分布（２６１）及び前記第２寿命確率分布（２６２）に少なくとも部分的に基づいて、前記構成要素（２２１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンス間隔（１０２）を出力することと、
を含む、方法（３００）。
【請求項2】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）が、前記第１不具合モード（２１１）とは異なる第２不具合モード（２１２）である、請求項１に記載の方法（３００）。
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）が、前記第１不具合モード（２１１）とは異なる第２不具合モード（２１２）である、請求項１に記載の方法（３００）。
【請求項3】
前記コンピューティングシステムにおいて第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちの第３不具合モード（２１３）の第３寿命確率分布（２６３）を決定することを更に含み、
前記第３不具合モード（２１３）は前記第１不具合モード（２１１）とは異なり、
前記構成要素（２２１）の前記メンテナンス間隔（１０２）を決定することが、少なくとも部分的に、前記第３寿命確率分布（２６３）に更に基づく、請求項２に記載の方法（３００）。
前記第３不具合モード（２１３）は前記第１不具合モード（２１１）とは異なり、
前記構成要素（２２１）の前記メンテナンス間隔（１０２）を決定することが、少なくとも部分的に、前記第３寿命確率分布（２６３）に更に基づく、請求項２に記載の方法（３００）。
【請求項4】
前記コンピューティングシステムにおいて第３予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第３寿命確率分布（２６３）を決定することを更に含み、
前記第３予測モデル（１２０、１２２、１２４）が、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）とは異なる、請求項２に記載の方法（３００）。
前記第３予測モデル（１２０、１２２、１２４）が、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）とは異なる、請求項２に記載の方法（３００）。
【請求項5】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）も、前記第１不具合モード（２１１）である、請求項１に記載の方法（３００）。
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）も、前記第１不具合モード（２１１）である、請求項１に記載の方法（３００）。
【請求項6】
前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）が各々、
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（７１０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む予測モデルのセット（１２０、１２２、１２４）から選択される、請求項１に記載の方法（３００）。
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（７１０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む予測モデルのセット（１２０、１２２、１２４）から選択される、請求項１に記載の方法（３００）。
【請求項7】
前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について、予測モデルのセット（１２０、１２２、１２４）の中から、対象の不具合モード（２１１、２１２、２１３）に対して前記コンピューティングシステム（１００）によって実装されるべき一又は複数の予測モデル（１２０、１２２、１２４）を特定する、モデル定義（１７４）を取得することと、
前記モデル定義（１７４）に基づいて、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）を選択することと、を更に含む、請求項１に記載の方法（３００）。
前記モデル定義（１７４）に基づいて、前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）を選択することと、を更に含む、請求項１に記載の方法（３００）。
【請求項8】
前記対象の航空機構成（１０４）の前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）は、前記対象の航空機構成（１０４）の前記構成要素（２２１）及び一又は複数の他の構成要素（２２２）に関わる複数構成要素不具合モード（２１３）を含み、
出力される前記メンテナンス間隔（１０２）は、複数構成要素不具合モード（２１３）の前記構成要素（２２１）及び前記一又は複数の他の構成要素（２２２）に対するメンテナンスサブタスク（２３２）のためのものである、請求項１に記載の方法（３００）。
出力される前記メンテナンス間隔（１０２）は、複数構成要素不具合モード（２１３）の前記構成要素（２２１）及び前記一又は複数の他の構成要素（２２２）に対するメンテナンスサブタスク（２３２）のためのものである、請求項１に記載の方法（３００）。
【請求項9】
複数のメンテナンスサブタスク（２３１、２３２）を有する前記対象の航空機構成（１０４）のためのメンテナンスタスク（２４０）、及び各メンテナンスサブタスク（２３１、２３２）に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）を特定する、メンテナンスタスク定義（１７０）を取得することと、
出力される前記メンテナンス間隔（１０２）を、前記メンテナンスタスク定義（１７０）によって特定された前記構成要素（２２１）に関わる前記複数のメンテナンスサブタスク（２３１、２３２）のうちのあるメンテナンスサブタスク（２３１）に関連付けることと、を更に含む、請求項１に記載の方法（３００）。
出力される前記メンテナンス間隔（１０２）を、前記メンテナンスタスク定義（１７０）によって特定された前記構成要素（２２１）に関わる前記複数のメンテナンスサブタスク（２３１、２３２）のうちのあるメンテナンスサブタスク（２３１）に関連付けることと、を更に含む、請求項１に記載の方法（３００）。
【請求項10】
前記構成要素（２２１）の前記メンテナンス間隔（１０２）が、前記第１寿命確率分布（２６１）と前記第２寿命確率分布（２６２）との組み合わせに少なくとも部分的に基づく、請求項１に記載の方法（３００）。
【請求項11】
前記構成要素（２２１）の前記メンテナンス間隔（１０２）が、少なくとも部分的に、前記第１寿命確率分布（２６１）と前記第２寿命確率分布（２６２）との前記組み合わせに適用される閾値リスクレベルに更に基づく、請求項１０に記載の方法（３００）。
【請求項12】
対象の航空機構成（１０４）についてメンテナンス間隔（１０２）を決定するための、コンピューティングシステム（１００）によって実行される方法（３００）であって、
前記対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
複数のメンテナンスサブタスク（２３１、２３２）を有する前記対象の航空機構成（１０４）のための初期のメンテナンスタスク（２４０）、前記メンテナンスタスク（２４０）のメンテナンス間隔（８１０）、及び各メンテナンスサブタスク（２３１、２３２）に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）を特定する、メンテナンスタスク定義（１７０）を取得することと、
前記複数のメンテナンスサブタスク（２３１、２３２）の各々に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
あるメンテナンスサブタスク（２３１）の前記不具合モードのセット（２１０）に関し、
前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について、前記コンピューティングシステム（１００）において複数の予測モデル（１２０、１２２、１２４）のうちの１つを実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記不具合モード（２１１）の寿命確率分布（２６１）を決定すること、及び
前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について決定された前記寿命確率分布（２６１）に少なくとも部分的に基づいて、前記メンテナンスサブタスク（２３１）の前記一又は複数の構成要素（２２１）のメンテナンス間隔（１０２）を決定すること、
によって、前記不具合モードのセット（２１０）全体についての前記メンテナンスサブタスク（２３１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンスサブタスク（２３１）の前記メンテナンス間隔（１０２）を出力することと、
を含む、方法（３００）。
前記対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
複数のメンテナンスサブタスク（２３１、２３２）を有する前記対象の航空機構成（１０４）のための初期のメンテナンスタスク（２４０）、前記メンテナンスタスク（２４０）のメンテナンス間隔（８１０）、及び各メンテナンスサブタスク（２３１、２３２）に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）を特定する、メンテナンスタスク定義（１７０）を取得することと、
前記複数のメンテナンスサブタスク（２３１、２３２）の各々に関する前記対象の航空機構成（１０４）の一又は複数の構成要素（２２１、２２２）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
あるメンテナンスサブタスク（２３１）の前記不具合モードのセット（２１０）に関し、
前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について、前記コンピューティングシステム（１００）において複数の予測モデル（１２０、１２２、１２４）のうちの１つを実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記不具合モード（２１１）の寿命確率分布（２６１）を決定すること、及び
前記不具合モードのセット（２１０）の各不具合モード（２１１、２１２、２１３）について決定された前記寿命確率分布（２６１）に少なくとも部分的に基づいて、前記メンテナンスサブタスク（２３１）の前記一又は複数の構成要素（２２１）のメンテナンス間隔（１０２）を決定すること、
によって、前記不具合モードのセット（２１０）全体についての前記メンテナンスサブタスク（２３１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンスサブタスク（２３１）の前記メンテナンス間隔（１０２）を出力することと、
を含む、方法（３００）。
【請求項13】
前記メンテナンスタスク（２４０）の各メンテナンスサブタスク（２３１、２３２）について、対象のメンテナンスサブタスク（２３１、２３２）の前記不具合モードのセット（２１０）全体についてのメンテナンス間隔（１０２）を決定することと、
初期の前記メンテナンス間隔（８１０）とは異なる、前記メンテナンスタスク（２４０）に合わせて調整されたメンテナンス間隔（８１２）を出力することと、を更に含み、
前記調整されたメンテナンス間隔（８１２）が、持続時間が最短のメンテナンスサブタスク（２３１）のメンテナンス間隔（１０２）に基づく、請求項１２に記載の方法（３００）。
初期の前記メンテナンス間隔（８１０）とは異なる、前記メンテナンスタスク（２４０）に合わせて調整されたメンテナンス間隔（８１２）を出力することと、を更に含み、
前記調整されたメンテナンス間隔（８１２）が、持続時間が最短のメンテナンスサブタスク（２３１）のメンテナンス間隔（１０２）に基づく、請求項１２に記載の方法（３００）。
【請求項14】
前記複数の予測モデル（１２０、１２２、１２４）が、
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（７１０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む、請求項１２に記載の方法（３００）。
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（７１０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む、請求項１２に記載の方法（３００）。
【請求項15】
一又は複数のコンピューティングデバイスのコンピューティングシステム（１００）であって、
論理機械（１１０）と、
前記論理機械（１１０）によって実行可能な命令（１１６）が記憶されているストレージ機械（１１２）と、を備え、前記命令（１１６）が、
対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
前記対象の航空機構成（１０４）の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
前記コンピューティングシステム（１００）において第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定することと、
前記コンピューティングシステム（１００）において前記第１予測モデル（１２０、１２２、１２４）とは異なる第２予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定することと、
前記第１寿命確率分布（２６１）及び前記第２寿命確率分布（２６２）に少なくとも部分的に基づいて、前記構成要素（２２１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンス間隔（１０２）を出力することと、
を実行する、コンピューティングシステム（１００）。
論理機械（１１０）と、
前記論理機械（１１０）によって実行可能な命令（１１６）が記憶されているストレージ機械（１１２）と、を備え、前記命令（１１６）が、
対象の航空機構成（１０４）の集合（１４０）の電子システム（１４４）によって報告されたセンサデータ（１５０）を取得することと、
前記対象の航空機構成（１０４）の構成要素（２２１）に関わる不具合モードのセット（２１０）を特定する、不具合モード定義（１７２）を取得することと、
前記コンピューティングシステム（１００）において第１予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第１寿命確率分布（２６１）を決定することと、
前記コンピューティングシステム（１００）において前記第１予測モデル（１２０、１２２、１２４）とは異なる第２予測モデル（１２０、１２２、１２４）を実装し、前記センサデータ（１５０）に少なくとも部分的に基づいて、前記構成要素（２２１）に関わる前記不具合モードのセット（２１０）のうちのある不具合モード（２１１、２１２、２１３）の第２寿命確率分布（２６２）を決定することと、
前記第１寿命確率分布（２６１）及び前記第２寿命確率分布（２６２）に少なくとも部分的に基づいて、前記構成要素（２２１）のメンテナンス間隔（１０２）を決定することと、
前記メンテナンス間隔（１０２）を出力することと、
を実行する、コンピューティングシステム（１００）。
【請求項16】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）が、前記第１不具合モード（２１１）とは異なる第２不具合モード（２１２）である、請求項１５に記載のコンピューティングシステム（１００）。
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）が、前記第１不具合モード（２１１）とは異なる第２不具合モード（２１２）である、請求項１５に記載のコンピューティングシステム（１００）。
【請求項17】
前記第１予測モデル（１２０、１２２、１２４）によって前記第１寿命確率分布（２６１）が決定される不具合モード（２１１、２１２、２１３）が、第１不具合モード（２１１）であり、
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）も、前記第１不具合モード（２１１）である、請求項１５に記載のコンピューティングシステム（１００）。
前記第２予測モデル（１２０、１２２、１２４）によって前記第２寿命確率分布（２６２）が決定される不具合モード（２１１、２１２、２１３）も、前記第１不具合モード（２１１）である、請求項１５に記載のコンピューティングシステム（１００）。
【請求項18】
前記第１予測モデル（１２０、１２２、１２４）及び前記第２予測モデル（１２０、１２２、１２４）が各々、
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（１７０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む予測モデルのセット（１２０、１２２、１２４）から選択される、請求項１５に記載のコンピューティングシステム（１００）。
前記構成要素（２２１）の不具合の規模を考察する、マイナーエビデントモデル（１２０）、
前記航空機（１４２）から取得されたセンサデータ（１５０）に基づいて航空機毎に条件（ｊ）が満たされているかどうかを考察する、条件ベースモデル（１２２）、
稼働時のリスク（１７０）を考察するリスク等価モデル（１２４）、のうちの２つ以上を含む予測モデルのセット（１２０、１２２、１２４）から選択される、請求項１５に記載のコンピューティングシステム（１００）。
【請求項19】
前記構成要素（２２１）の前記メンテナンス間隔（１０２）が、前記第１寿命確率分布（２６１）と前記第２寿命確率分布（２６２）との組み合わせに少なくとも部分的に基づく、請求項１５に記載のコンピューティングシステム（１００）。
【請求項20】
前記構成要素（２２１）の前記メンテナンス間隔（１０２）が、少なくとも部分的に、前記第１寿命確率分布（２６１）と前記第２寿命確率分布（２６２）との前記組み合わせに適用される閾値リスクレベルに更に基づく、請求項１９に記載のコンピューティングシステム（１００）。
【発明の詳細な説明】
【技術分野】
【0001】
［０００１］本開示の発明は概して、コンピューティングシステムによって実装される予測モデルを使用して航空機のためのメンテナンス間隔を決定することに関する。
【背景技術】
【0002】
［０００２］航空機のメンテナンスは、航空機及びその構成要素の適切な機能を確保するために、メンテナンス間隔に従ってメンテナンスタスクを実行することを伴う。かかるメンテナンスの実行により、典型的には、航空機が一定期間にわたって非稼働になることが必要になる。したがって、航空機群の運航者は、メンテナンス間隔の頻度を最小化するか、又は低減することを求めることがある。
【発明の概要】
【0003】
［０００３］対象の航空機構成のためのメンテナンス間隔を決定するための、コンピューティングシステム及びコンピューティングシステムによって実行される方法が開示される。
【0004】
［０００４］コンピューティングシステムによって実行される例示的な方法は、対象の航空機構成の集合（ｐｏｐｕｌａｔｉｏｎ）の電子システムによって報告されたセンサデータを取得することを含む。この方法は、対象の航空機構成の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することを更に含む。方法は、コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第１寿命確率分布を決定することを更に含む。方法は、コンピューティングシステムにおいて第１予測モデルとは異なる第２予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第２寿命確率分布を決定することを更に含む。方法は、第１寿命確率分布及び第２寿命確率分布に少なくとも部分的に基づいて、構成要素のメンテナンス間隔を決定することを更に含む。方法は、このメンテナンス間隔を出力することを更に含む。
【0005】
［０００５］コンピューティングシステムによって実行される別の例示的な方法は、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することを含む。この方法は、複数のメンテナンスサブタスクを有する対象の航空機構成のための初期のメンテナンスタスク、メンテナンスタスクのメンテナンス間隔、及び各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素を特定する、メンテナンスタスク定義を取得することを更に含む。方法は、複数のメンテナンスサブタスクの各々に関する対象の航空機構成の一又は複数の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することを更に含む。方法は、メンテナンスサブタスクの不具合モードのセットに関し、（１）不具合モードのセットの各不具合モードについて、コンピューティングシステムにおいて複数の予測モデルのうちの１つを実装し、センサデータに少なくとも部分的に基づいて、不具合モードの寿命確率分布を決定することと、（２）不具合モードのセットの各不具合モードについて決定された寿命確率分布に少なくとも部分的に基づいて、メンテナンスサブタスクの一又は複数の構成要素のメンテナンス間隔を決定することと、によって、不具合モードのセット全体について、メンテナンスサブタスクのメンテナンス間隔を決定することを更に含む。方法は、メンテナンスサブタスクのメンテナンス間隔を出力することを更に含む。
【図面の簡単な説明】
【0006】
【図1】対象の航空機構成のためのメンテナンス間隔を決定するために使用されうる、一又は複数のコンピューティングデバイスの例示的なコンピューティングシステムを概略的に示す。
【図2】不具合モードと、構成要素と、メンテナンスタスクと、予測モデルとの間の例示的な関係性を概略的に示す。
【発明を実施するための形態】
【0007】
［００１４］航空機のメンテナンスは、航空機及びその構成要素の適切な機能を確保するために、メンテナンススケジュールに従ってメンテナンスタスクを実行することを伴う。本開示では、対象の航空機構成のためのメンテナンス間隔を決定するための、コンピューティングシステム及びコンピューティングシステムによって実行される方法が開示される。開示されているコンピューティングシステム及び方法では、メンテナンス間隔を決定するために、複数の予測モデルの組み合わせが使用されうる。種々のメンテナンスタスクの目的に合わせて複数のモデルの組み合わせを使用することにより、航空機の健全性メンテナンスの精度を向上させることが可能になりうる。具体的には、複数のモデルの組み合わせを使用することによって、予定された別個のタスクを実行して不具合モードに個別に対処するよりも、不具合モードのリスクがより正確に反映されうる。例えば、センサが注油（ｌｕｂｒｉｃａｔｉｏｎ）／整備タスクが必要かどうかを検出した場合、センサによって検知された動作条件による条件ベースモデルと、リスクベースモデルとの組み合わせにより、かかる注油／整備タスクを実施しないことに関連付けられた不具合モードのリスクの、より正確な評価が提供されうる。
【0008】
［００１５］本書で開示しているメンテナンス間隔を決定するためのマルチモデルアプローチは、既存のメンテナンスタスクを、種々のメンテナンス間隔を有するいくつかのサブタスクに分割するために使用されうる。追加的又は代替的には、このマルチモデルアプローチは、メンテナンスの遅延に関連付けられた不具合モードをより正確に特徴付けることによって、既存のメンテナンスタスク又はサブタスクのメンテナンス間隔を長くするために使用されうる。
【0009】
［００１６］図１は、対象の航空機構成１０４のためのメンテナンス間隔１０２を決定するために使用されうる、一又は複数のコンピューティングデバイスの例示的なコンピューティングシステム１００を概略的に示している。コンピューティングシステム１００は、本書に記載されている、追加的な構成要素及び特徴を含む動作環境１０６という文脈において、図１に示されている。
【0010】
［００１７］コンピューティングシステム１００は論理機械１１０、記憶機械１１２、及び入出力サブシステム１１４を含む。記憶機械１１２には命令１１６が記憶されており、命令１１６は、本書に記載の方法、工程、及びその他の機能を実行するよう、論理機械１１０によって実行可能である。命令１１６の例示的な構成要素は、メンテナンス間隔モジュール１１８、マイナーエビデントモデル１２０、条件ベースモデル１２２、リスク等価モデル１２４、及びセンサデータモジュール１２６を含む。命令１１６のかかる構成要素は、コンピューティングシステム１００によって実行されうる例示的な方法、工程、及びその他の機能に関連して、本書で以下に詳述される。
【0011】
［００１８］簡潔に説明すると、マイナーエビデントモデル１２０は、不具合の規模（ｍａｇｎｉｔｕｄｅ）を考察し、対象の航空機構成の一又は複数の構成要素に関わる不具合モードの寿命確率分布を決定する。マイナーエビデントモデル１２０については、図５を参照して更に詳述する。条件ベースモデル１２２は、航空機から取得されたセンサデータに基づいて、航空機毎ベースで条件が満たされているかどうかを考察し、航空機の一又は複数の構成要素について不具合モードの寿命確率分布を決定する。条件ベースモデル１２２については、図６を参照して更に詳述する。リスク等価モデル１２４は、定期メンテナンスのリスクに関する尺度と、予測メンテナンスの精度に関する尺度とを組み合わせることによって整備時リスクを考察し、航空機の一又は複数の構成要素について不具合モードの寿命確率分布を決定する。リスク等価モデル１２４については、図７を参照して更に詳述する。
【0012】
［００１９］記憶機械１１２には、コンピューティングシステム１００によって受信された入力データ１３０と、コンピューティングシステムによって処理されたデータと、コンピューティングシステムによって生成された出力データ１３２とを含みうる、データ１２８が更に記憶されていることがある。メンテナンス間隔１０２は、出力データ１３２の一例である。
【0013】
［００２０］対象の航空機構成１０４は、航空機のある特定の構成を、例えばモデル、区分、種類、及び／又は等級（ｒａｔｉｎｇ）毎に特定し、特徴付けることが可能である。一例としては、対象の航空機構成１０４は、商用固定翼航空機のある特定のモデルのことでありうる。動作環境１０６において、例示的な航空機１４２を含む航空機の集合１４０は、対象の航空機構成１０４の各インスタンスである。多種多様なその他の航空機構成であって、それに関連して航空機の別の集合が特定され、特徴づけられうる、その他の航空機構成も存在しうることが理解されよう。
【0014】
［００２１］対象の航空機構成１０４の各航空機は、その航空機に搭載された電子システムを含みうる。一例としては、航空機１４２は、航空機の構成要素を形成する搭載型コンピューティングシステム１４６及びセンサのセット１５２を含む、電子システム１４４を含む。搭載型コンピューティングシステム１４６は、センサ１５２から取得したセンサデータ１５０を含む、航空機データ１４８を獲得し、記憶しうる。
【0015】
［００２２］センサデータ１５０は、航空機１４２に搭載されたセンサ１５２の種類に応じて様々な形態をとりうる。例としては、センサデータ１５０は、一又は複数の構成要素に関連する不具合及び／又は不具合モードを示すエラーコード、一又は複数の構成要素の劣化、不具合、及び／又は不具合モードの表示を提供する時間ベースのセンサ測定値、航空機及びその構成要素が動作している動作条件の測定値、並びに航空機及び構成要素の使用の測定値（例えばサイクル数、飛行時間、時間ベースの使用など）を含みうる。
【0016】
［００２３］センサデータ１５０は、コンピューティングシステム１００に提供され、コンピューティングシステム１００によって受信されうる入力データ１３０の一例である。少なくとも一部の例では、センサデータ１５０が、通信ネットワーク１６０経由で、コンピューティングシステム１００に提供され、コンピューティングシステム１００によって受信されうる。集合１４０の各航空機は、同じように、センサデータを入力データ１３０としてコンピューティングシステム１００に提供することが可能であり、この入力データは、コンピューティングシステム１００によって、ストレージ機械１１２のデータ１２８内に記憶されうる。
【0017】
［００２４］データ１２８に含まれるようコンピューティングシステム１００に提供され、コンピューティングシステム１００によって受信されうる入力データ１３０の他の形態は、メンテナンスタスク定義１７０、不具合モード定義１７２、及びモデル定義１７４を含みうる。メンテナンスタスク定義１７０は、対象の航空機構成１０４に関する一又は複数のメンテナンスタスクであって、その各々が複数のメンテナンスサブタスクを有しうる一又は複数のメンテナンスタスクと、各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素とを特定する。不具合モード定義１７２は、メンテナンス間隔（例えば１０２）が決定されるべき対象の航空機構成の各構成要素について、対象の航空機構成１０４の構成要素に関わる不具合モードのセットを特定する。モデル定義は、対象の航空機構成１０４の各構成要素に関わる不具合モードのセットの各不具合モードについて、予測モデル（例えば１２０、１２２、１２４）のセットのうちから、対象の不具合モードに対してコンピューティングシステム１００によって実装されるべき一又は複数の予測モデルを特定する。
【0018】
［００２５］センサデータモジュール１２６は、対象の航空機構成１０４の航空機（例えば１４２）から、センサデータ（例えば１５０）を取り込み、記憶し、処理して、メンテナンス間隔モジュール１１８を含む命令１１６の他の構成要素が使用するのに適したデータ形態にするために、コンピューティングシステム１００によって実装されうる。
【0019】
［００２６］メンテナンス間隔モジュール１１８は、対象の航空機構成１０４のためのメンテナンス間隔１０２を決定するために、コンピューティングシステム１００によって実装されうる。メンテナンス間隔モジュール１１８は、メンテナンス間隔１０２を決定するにあたり、一又は複数の予測モデル（例えばマイナーエビデントモデル１２０、条件ベースモデル１２２、及びリスク等価モデル１２４）を使用しうる。
【0020】
［００２７］図２は、不具合モードと、構成要素と、メンテナンスタスクと、対象の航空機構成のためのメンテナンス間隔を決定するために使用されうる予測モデルとの間の例示的な関係性２００を概略的に示している。関係性２００は、一例としては、図１のコンピューティングシステム１００によってストレージ機械１１２内に記憶されたデータ１２８として表されうる。不具合モード、構成要素、メンテナンスタスク、及びコンピューティングシステム（例えば図１のコンピューティングシステム１００）によって実装される予測モデルを表すデータは、入力データ１３０としてコンピューティングシステムによって受信されうる。
【0021】
［００２８］対象の航空機構成は、構成要素のセットを形成する数千の、数百万の、又はそれ以上の、構成要素を含んでよく、構成要素の各々は、不具合モードのセットを形成する一又は複数の不具合モードに関連付けられうる。図２の例示的な関係性２００において、不具合モードのセット２１０は、対象の航空機構成（例えば図１の１０４）の構成要素のセット２２０に関連付けられている。例えば、不具合モード２１１、２１２、及び２１３は、対象の航空機構成の構成要素２２１に関連付けられ、不具合モード２１３及び２１４は別の構成要素２２２に関連付けられ、不具合モード２１５は更に別の構成要素２２３に関連付けられている。
【0022】
［００２９］構成要素のセット２２０の構成要素の一部は各々、複数の異なる不具合モードに関連付けられうる。例えば、構成要素２２１は不具合モード２１１、２１２、及び２１３に関連付けられ、構成要素２２２は不具合モード２１３及び２１４に関連付けられている。構成要素のセット２２０の構成要素の一部は、単一の不具合モードに関連付けられうる。例えば、構成要素２２３は不具合モード２１５に関連付けられている。更に、不具合モードのセット２１０の不具合モードの一部は、複数の異なる構成要素に関連付けられうる。例えば、不具合モード２１３は、構成要素２２１及び２２２に関連付けられている。不具合モード２１３は、複数構成要素不具合モードの一例である。不具合モードのセット２１０の不具合モードの一部は、単一の構成要素に関連付けられうる。例えば、不具合モード２１５は構成要素２２３に関連付けられている。上記の例に示しているように、対象の航空機構成のある構成要素が、対象の航空機構成の不具合モードのセットのあるサブセットだけに関連付けられることもある。
【0023】
［００３０］対象の航空機構成の構成要素のセットの各構成要素は、一又は複数のメンテナンスサブタスクに関連付けられうる。図２の例示的な関係性２００において、構成要素のセット２２０は、メンテナンスサブタスクのセット２３０に関連付けられている。例えば、構成要素２２１はメンテナンスサブタスク２３１及び２３２に関連付けられており、構成要素２２２はメンテナンスサブタスク２３２及び２３３に関連付けられており、構成要素２２３はメンテナンスサブタスク２３３に関連付けられている。
【0024】
［００３１］メンテナンスサブタスクのセット２３０のメンテナンスサブタスクの一部は各々、構成要素のセット２２０の複数の構成要素に関連付けられうる。例えば、メンテナンスサブタスク２３２は構成要素２２１及び２２２に関連付けられており、メンテナンスサブタスク２３３は構成要素２２２及び２２３に関連付けられている。メンテナンスサブタスクのセット２３０のメンテナンスサブタスクの一部は各々、構成要素のセット２２０の個々の構成要素に関連付けられることもある。例えば、メンテナンスサブタスク２３１は構成要素２２１に関連付けられている。上記の例に示しているように、対象の航空機構成のためのメンテナンスサブタスクは、対象の航空機構成の構成要素のセットのあるサブセットだけに関連付けられることもあり、ゆえに、対象の航空機構成の不具合モードのセットのあるサブセットだけに関連付けられうる。
【0025】
［００３２］構成要素のサブセットに影響を与える可能性がある不具合モードによりメンテナンスサブタスクを明らかにすることによって、既存のメンテナンスタスクを２つ以上のメンテナンスサブタスクに分割し、これらのメンテナンスサブタスクに、過剰なメンテナンスを削減するか又はなくすようにメンテナンス間隔を割り当てることが可能になる。例えば、図２では、メンテナンスサブタスクのセット２３０は、当初は一又は複数のメンテナンスタスクに含まれる（例えば、メンテナンスタスク２４０はメンテナンスサブタスク２３１及び２３２を含み、メンテナンスタスク２４２はメンテナンスサブタスク２３３を含む）ように編成されうる。メンテナンスサブタスクのセット２３０の各メンテナンスサブタスクは、構成要素のセット２２０の構成要素のサブセットに関連付けられている各不具合モードに対処するよう定義されうる。例えば、図２のメンテナンスサブタスク２３２は、構成要素２２１及び２２２に関連付けられている不具合モードのセットの各不具合モードに対処するよう定義される。
【0026】
［００３３］図２の例示的な関係性２００において、メンテナンスサブタスクのセット２３０は、適用モデルグループのセット２５０に関連付けられている。例えば、メンテナンスサブタスク２３１は適用モデルグループ２５１に関連付けられ、メンテナンスサブタスク２３２は適用モデルグループ２５２に関連付けられ、メンテナンスサブタスク２３３は適用モデルグループ２５３に関連付けられている。適用モデルグループのセット２５０の適用モデルグループの各々は、２つ以上の予測モデルの実行形態のことである。一例としては、２つ以上の予測モデルは、センサデータの異なるサブセットを使用して別々の不具合モードに適用される、同一の予測モデルの２つ以上のインスタンスを含みうる。代替的又は追加的には、２つ以上の予測モデルは、同一の不具合モード又は別々の不具合モードに適用される２つ以上の別々の予測モデルを含むこともある。
【0027】
［００３４］一例としては、図１のメンテナンス間隔モジュール１１８は、メンテナンスサブタスクのセット２３０の各メンテナンスサブタスクの不具合モードのサブセット全体について、対応するメンテナンス間隔を決定するために、コンピューティングシステム１００によって、マイナーエビデントモデル１２０、条件ベースモデル１２２、リスク等価モデル１２４、のうちの２つ以上を実装するよう実行されうる。適用モデルグループとして実装される複数の予測モデルの特定の組み合わせは、図１のモデル定義１７４に少なくとも部分的に基づいて定義されうる。
【0028】
［００３５］図３及び図４を参照して以下に詳述するように、メンテナンスサブタスクの一又は複数の不具合モード全体について実装される適用モデルグループの各々が、寿命確率分布のセット２６０を決定しうる。一又は複数の構成要素に関わる一又は複数の不具合モードに適用される各予測モデルは、寿命確率分布のセット２６０の対応する寿命確率分布を決定しうる。少なくとも一部の例では、各寿命確率分布は、航空機の使用の尺度（例えば飛行サイクル、飛行時間、時間など）に関連する、一又は複数の不具合モードが発生する確率を表す関数の形態をとりうる。一例としては、確率は、航空機の使用のある範囲にわたって（例えばゼロ～Ｘサイクル）一又は複数の不具合イベントが発生したか、又はまだ発生していない一又は複数の構成要素のライフライン（ｌｉｆｅｌｉｎｅ）のパーセンテージの尺度を提供する、累積分布関数（ＣＤＦ）によって表されうる。寿命確率分布のその他の好適な形態が使用されることもある。
【0029】
［００３６］図２の例では、寿命確率分布のセット２６０は、第１寿命確率分布２６１、第２寿命確率分布２６２、第３寿命確率分布２６３などを、第Ｎ寿命確率分布２６４まで含みうる。一例としては、メンテナンスサブタスク２３１のために実装される適用モデルグループ２５１が、構成要素２２１に関わる不具合モード２１１、２１２、及び２１３について、複数の寿命確率分布を決定しうる。
【0030】
［００３７］例示的なメンテナンス間隔１０２は、適用モデルグループによって決定された寿命確率分布のセット２６０に基づいて、図１のメンテナンス間隔モジュール１１８によって決定されうる。一例としては、複数の不具合モードについて決定された複数の寿命確率分布が組み合わされることで、航空機の使用の尺度に関連して複数の不具合モードのいずれかが発生する確率を表す、組み合わされた寿命確率分布が取得されうる。図１のメンテナンス間隔モジュール１１８は、適用モデルグループによって取得された組み合わされた寿命確率分布を使用して、ある特定の閾値リスクレベル（例えば閾値不具合パーセンテージ）に関するメンテナンス間隔を決定しうる。例えば、メンテナンス間隔モジュール１１８は、メンテナンス間隔（このメンテナンス間隔は閾値リスクレベルを満たすよう統計的に予測される）を決定するために、閾値リスクレベルを寿命確率分布にフィッティングしうる。
【0031】
［００３８］図３は、対象の航空機構成のためのメンテナンス間隔を決定するための、例示的な方法３００示すフロー図である。方法３００は、例えば、図１のコンピューティングシステム１００によって実行され、対象の航空機構成１０４のためのメンテナンス間隔１０２を決定するよう、メンテナンス間隔モジュール１１８を実装しうる。
【0032】
［００３９］方法は、３１０において、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することを含む。一例としては、図１のコンピューティングシステム１００が、対象の航空機構成１０４の集合１４０の各航空機について、電子システム１４４によって報告されたセンサデータ１５０を取得しうる。前述したように、集合１４０は、対象の航空機構成を有する一又は複数の航空機（数十の、数百の、数千の、又はそれ以上の航空機を含む）を含みうる。
【0033】
［００４０］方法は、３１２において、メンテナンスタスク定義（例えば図１の１７０）を取得することを含む。メンテナンスタスク定義は、対象の航空機構成のための一又は複数のメンテナンスタスクであって、その各々が複数のメンテナンスサブタスクを有しうる一又は複数のメンテナンスタスクと、各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素とを特定する。加えて、少なくとも一部の例では、メンテナンスタスク定義は、各メンテナンスタスクのメンテナンス間隔を更に特定する。このメンテナンス間隔は、既存のメンテナンスタスク（例えば図２の２４０）の既存のメンテナンス間隔のことであってよく、かかる既存のメンテナンス間隔は、メンテナンスタスク及びそれに関連するメンテナンス間隔によって対処される一又は複数の構成要素について一又は複数のメンテナンス間隔を決定することによって、更に改良される。方法３００によって決定される各メンテナンス間隔は、メンテナンスタスクのあるメンテナンスサブタスクに関連付けられ、メンテナンスタスクが、それぞれのメンテナンス間隔を有する任意の好適な数のメンテナンスサブタスクに分割されることが可能になる。
【0034】
［００４１］方法は、３１４において、対象の航空機構成の一又は複数の構成要素に関わる不具合モードのセットを特定する、不具合モード定義（図１の１７２）を取得することを含む。図２の例を参照するに、一例としては、不具合モードのセットは、構成要素２２１に関連付けられた不具合モード２１１、２１２、及び２１３を含みうる。
【0035】
［００４２］方法は、３１６において、一又は複数の構成要素に関わる不具合モードのセットの各不具合モードについて、予測モデルのセットの中から対象の不具合モードに対してコンピューティングシステムによって実装されるべき一又は複数の予測モデルを特定する、モデル定義（例えば図１の１７４）を取得することを含む。
【0036】
［００４３］方法は、３１８において、モデル定義に基づいて、少なくとも第１予測モデル及び第２予測モデルを選択することを含む。一部の例では、方法は、３１８において、モデル定義に基づいて更なる予測モデルを選択することを更に含みうる。３１８で選択される予測モデルは、メンテナンス間隔を決定することの一部として実装されるべき予測モデルのことであり、集合的に適用モデルグループの一例を形成する。
【0037】
［００４４］方法は、３２０において、一又は複数の構成要素に関わる不具合モードのセットの各不具合モードについて、コンピューティングシステムにおいて複数の予測モデルのうちの少なくとも１つを実装し、センサデータに少なくとも部分的に基づいて、不具合モードの寿命確率分布を決定することを含む。２つの予測モデルを実装することに関して、以下に例を提示する。しかし、本書で更に詳述するように、任意の好適な数の予測モデルが、コンテキストに応じて実装されうる。
【0038】
［００４５］方法は、３２２において、コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、一又は複数の構成要素に関わる不具合モードのセットのうちのある不具合モードの第１寿命確率分布を決定することを含む。第１予測モデルは、図１のマイナーエビデントモデル１２０と、条件ベースモデル１２２と、リスク等価モデル１２４のうちの１つの予測モデルを含みうる。３２２において実装される第１予測モデルは、３１８で選択された予測モデルのうちの１つを含む。
【0039】
［００４６］方法は、３２４において、コンピューティングシステムにおいて第１予測モデルとは異なる第２予測モデルを実装し、センサデータに少なくとも部分的に基づいて、一又は複数の構成要素に関わる不具合モードのセットのうちのある不具合モードの第２寿命確率分布を決定することを含む。第２予測モデルは、図１のマイナーエビデントモデル１２０と、条件ベースモデル１２２と、リスク等価モデル１２４のうちの、第１予測モデルとは異なる予測モデルの１つを含みうる。３２４において実装される第２予測モデルは、３１８で選択された予測モデルのうちの１つを含む。
【0040】
［００４７］少なくとも一部の例では、第１予測モデルによって第１寿命確率分布が決定される不具合モードは、一又は複数の構成要素に関わる不具合モードのセットのうちの第１不具合モードであり、第２予測モデルによって第２寿命確率分布が決定される不具合モードは、一又は複数の構成要素に関わる不具合モードのセットのうちの、第１不具合モードとは異なる第２不具合モードである。ゆえに、この例では、一又は複数の構成要素に関わる別々の不具合モードに、異なる予測モデルが適用されうる。図２の例を参照するに、適用モデルグループ２５２は、サブタスク２３２のメンテナンス間隔を決定することの一部として、構成要素２２２に関連付けられた不具合モード２１３及び２１４にそれぞれ適用される、２つの異なる予測モデル又は同一の予測モデルの２つのインスタンスのことでありうる。同一の予測モデルの２つのインスタンスが２つの異なる不具合モードに適用される例では、同一の予測モデルのかかる２つのインスタンスは、それぞれの不具合モードに関連するセンサデータの別々のサブセットを考察しうる。
【0041】
［００４８］少なくとも一部の例では、同一の不具合モードに２つ以上の異なる予測モデルが適用されうる。例えば、方法３００において、第１予測モデルによって第１寿命確率分布が決定される不具合モードは第１不具合モードであってよく、第２予測モデルによって第２寿命確率分布が決定される不具合モードも第１不具合モードでありうる。ゆえに、この例では、例えば、一又は複数の構成要素に関わる同一の不具合モードに、別々の予測モデルが適用される。図２の例を参照するに、適用モデルグループ２５３は、サブタスク２３３のメンテナンス間隔を決定することの一部として、構成要素２２３に関連付けられた不具合モード２１５に各々が適用される、２つの異なる予測モデルのことでありうる。
【0042】
［００４９］方法は、３２６において、第１寿命確率分布及び第２寿命確率分布に少なくとも部分的に基づいて、構成要素のメンテナンス間隔を決定することを含む。少なくとも一部の例では、構成要素のメンテナンス間隔は、少なくとも部分的に、メンテナンス間隔モジュール１１８によって決定された第１寿命確率分布と第２寿命確率分布との組み合わせに更に基づきうる。一例としては、ある不具合モードに関する２つ以上の寿命確率分布が、かかる２つ以上の寿命確率分布の積として組み合わされうる。
【0043】
［００５０］少なくとも一部の例では、構成要素のメンテナンス間隔は、少なくとも部分的に、第１寿命確率分布及び第２寿命確率分布に適用される閾値リスクレベルに更に基づきうる。一例としては、閾値リスクレベルは、第１寿命確率分布と第２寿命確率分布との組み合わせに適用されうる。
【0044】
［００５１］方法は、３２８において、メンテナンス間隔を出力することを含む。一例としては、メンテナンス間隔は、出力デバイス（グラフィカルディスプレイなど）を介して出力されうる。少なくとも一部の例では、方法は、３３０において、出力されるメンテナンス間隔を、メンテナンスタスク定義によって特定された構成要素に関わる複数のメンテナンスサブタスクのうちのあるメンテナンスサブタスクと関連付けることを更に含む。
【0045】
［００５２］方法３００についての上記の説明は、構成要素が一又は複数の不具合モード（これに関して、少なくとも２つの寿命確率分布を決定するために少なくとも２つの予測モデルが実装される）に関連付けられる例を含む。構成要素が更なる不具合モードに関連付けられる場合、この構成要素に関わる各不具合モードに対処するために、予測モデルはかかる更なる不具合モードに適用されうる。例えば、構成要素が３つの不具合モードに関連付けられる場合、方法３００は、センサデータに少なくとも部分的に基づいて構成要素に関わる不具合モードのセットのうちの第３不具合モードの第３寿命確率分布を決定するために、コンピューティングシステムにおいて予測モデルを実装することを更に含みうる。この例では、第３不具合モードは、第１不具合モード及び第２不具合モードとは異なる。この例では、３２６において、構成要素のメンテナンス間隔を決定することは、少なくとも部分的に、第３不具合モードの第３寿命確率分布に更に基づく。
【0046】
［００５３］第３不具合モードに対して実装される予測モデルは、図１のマイナーエビデントモデル１２０と、条件ベースモデル１２２と、リスク等価モデル１２４とのうちの１つを含みうる。第３不具合モードに対して実装される予測モデルは、３２２において実装される第１予測モデル及び３２４において実装される第２予測モデルと同じであることも、それらとは異なることもある。一例としては、構成要素に関わる第３不具合モードの第３寿命確率分布を決定するために、コンピューティングシステムにおいて、第１予測モデルが実装されることもある。別の例としては、構成要素に関わる第３不具合モードの第３寿命確率分布を決定するために、コンピューティングシステムにおいて、第１予測モデル及び第２予測モデルとは異なる第３予測モデルが実装されることもある。
【0047】
［００５４］構成要素に関わる更なる不具合モードに対処するための上記のアプローチは、任意の好適な数の不具合モードに適用されてよく、かつ、図１のマイナーエビデントモデル１２０、条件ベースモデル１２２、及び／又はリスク等価モデル１２４を含む２つ以上の予測モデルの任意の組み合わせの使用を伴いうる。Ｎ個の不具合モード（ここでＮは不具合モードの数を表す）が関与する構成要素のメンテナンス間隔を決定するために、構成要素に関わる各不具合モードについて、対応する寿命確率分布が決定され、Ｎ個の寿命確率分布が取得されてよく、構成要素のメンテナンス間隔は、このＮ個の寿命確率分布に少なくとも部分的に基づいて決定されうる。
【0048】
［００５５］少なくとも一部の例では、方法３００における対象の航空機構成の構成要素に関わる不具合モードのセットは、この構成要素及び対象の航空機構成の他の構成要素に関わる複数構成要素不具合モードを含む。かかる例では、出力されるメンテナンス間隔は、複数構成要素不具合モードのこの構成要素及び一又は複数の他の構成要素のメンテナンスサブタスクのためのものである。かかる例におけるメンテナンス間隔は、３２６において、複数構成要素の不具合モード（複数構成要素不具合モードを含む）全体について実装される予測モデルの各々によって決定される寿命確率分布に少なくとも部分的に基づいて決定されうる。
【0049】
［００５６］少なくとも一部の例では、方法３００の態様は、メンテナンスタスクの各メンテナンスサブタスクのために実行されうる。例えば、方法は、３３２において、メンテナンスタスクの各メンテナンスサブタスクについて、対象のメンテナンスサブタスクの不具合モードのセット全体についてのメンテナンス間隔を決定すること、及び、初期のメンテナンス間隔とは異なる、メンテナンスタスクに合わせて調整されたメンテナンス間隔を出力することを含みうる。調整されたメンテナンス間隔は、一例としては、持続時間が最短のメンテナンスサブタスクのメンテナンス間隔に基づきうる。持続時間が最短のメンテナンス間隔の選択は、持続時間がより長い他のメンテナンスサブタスクのメンテナンス間隔が確保されるよう使用されうる。
【0050】
［００５７］図４は、図３の方法の例示的な使用シナリオを示すフロー図である。この例では、不具合モードのセット４１０が、ＦＭ１、ＦＭ２、ＦＭ３、ＦＭ４と表現されている。適用モデルグループ４２０は不具合モードのセット４１０に適用される。この例では、適用モデルグループ４２０は、条件１及び条件２について、ＦＭ１に適用されるリスク等価モデル１２４のインスタンス４２２と、ＦＭ２及びＦＭ３に適用されるリスク等価モデル１２４の別のインスタンス４２４と、ＦＭ３及びＦＭ４に適用される条件ベースモデル１２２のインスタンス４２６とを含む。
【0051】
［００５８］図６を参照して更に詳述するように、条件ベースモデル１２２は、複数の条件（例えば条件１及び条件２）の各条件について別個のメンテナンス間隔を決定することを可能にするよう、各条件について寿命確率分布を決定するために使用されうる。ある特定の航空機から取得されたセンサデータが、この航空機に関して条件が満たされているかどうかを決定するために使用されてよく、この航空機について、かかる条件の場合のメンテナンス間隔が決定されうる。
【0052】
［００５９］図４の例では、条件１と条件２について、寿命確率分布は別個に決定される。例えば、条件１の場合の構成要素不具合ライフライン４３０（例えば｛Ｌ１，Ｌ２，Ｌ３
１，Ｌ４
１｝）が、第１寿命確率分布４４０（例えば、条件１の場合の第１ＣＤＦ関数）を生成するために使用され、条件２の場合の構成要素不具合ライフライン４３２（例えば｛Ｌ１，Ｌ２，Ｌ３
２，Ｌ４
２｝）が、第２寿命確率分布４４２（例えば、条件２の場合の第２ＣＤＦ関数）を生成するために使用される。
【0053】
［００６０］４５０において、条件１の場合の第１メンテナンス間隔４６０（例えばＳＭＩ１）を決定するために、第１寿命確率分布４４０にリスク閾値がフィッティングされる。４５２において、条件２の場合の第２メンテナンス間隔４６２（例えばＳＭＩ２）を決定するために、第２寿命確率分布４４２にリスク閾値がフィッティングされる。リスク等価モデルのコンテキストにおいては、リスク等価モデル１２４のインスタンス４２２及び４２４が適用される不具合モードのサブセットＦＭ１、ＦＭ２、ＦＭ３について、Ｐ１
１、Ｐ２
２、及びＰ３
２（これらはモデル（上付き“ｊ”）で不具合モード（下付き“ｉ”）を検出する確率を表す）に基づいて、等価リスクが計算されうる。
【0054】
［００６１］図５は、図１のコンピューティングシステム１００によって実行されうる、マイナーエビデントモデル１２０を実装する例示的な方法５００を示すフロー図である。マイナーエビデントモデル１２０は、不具合の規模を考察して、対象の航空機構成の一又は複数の構成要素に関わる不具合モードの寿命確率分布を決定する。一例としては、不具合の規模は、マイナー又はメジャーのいずれかとして特徴付けられうる。マイナー不具合は、機能喪失を引き起こさない様態の構成要素の不具合のことでありうる一方、メジャー不具合は、機能喪失を引き起こす様態の構成要素の不具合のことでありうる。マイナーエビデントモデル１２０により、マイナー不具合は無視され、メジャー不具合が、このモデルによって決定された寿命確率分布に影響を与えることが、有効に可能になる。このアプローチは、少なくともいくつかのシナリオにおいては、メンテナンス間隔を長くするのに役立ちうる。
【0055】
［００６２］図５には、航空機によって報告されたセンサデータから取得された構成要素のライフラインのセット５１０が、概略的に示されている。ライフラインのセット５１０におけるメジャー不具合イベントは黒丸によって表され、ライフラインのセット５１０におけるマイナー不具合イベントは白丸によって表されている。メジャー不具合イベントに関して、ライフライン５１０から寿命データの最良適合分布５２０が生成される。メジャー不具合イベント（関数５３２によって表されている）に関して、メンテナンス間隔を決定するために使用されうる寿命確率分布５３０（例えばＣＤＦ関数）が決定される。
【0056】
［００６３］図６は、図１のコンピューティングシステム１００によって実行されうる、条件ベースモデル１２２を実装する例示的な方法６００を示すフロー図である。条件ベースモデル１２２においては、対象の航空機構成の航空機の集合に搭載されたセンサから取得されたセンサデータ内で検出された条件が、条件が満たされているか、又は満たされていないかを検出するために使用されうる。一例としては、航空機に搭載された慣性センサが、硬着陸（すなわち、閾値慣性測定値又はその他の好適な定義を超過した着陸）のインスタンスを検出しうる。条件は、航空機の構成要素の寿命と相関しうる。硬着陸について言えば、一例としては、構成要素は航空機の着陸装置構成要素を含んでよく、航空機の着陸装置構成要素の寿命は、硬着陸の回数という条件に基づいて変動する。
【0057】
［００６４］センサデータ内で相関条件が特定されてよく、これにより、構成要素の不具合モードと、条件が満たされているかどうかということの間のマルチモダリティが明らかになる。例えば、条件が満たされていない航空機の第１グループ（グループ１）の構成要素の不具合の第１の時間ベースの分布は、条件が満たされている航空機の第２グループ（グループ２）の構成要素の不具合の第２の時間ベースの分布とは区別されうる。
【0058】
［００６５］図６には、航空機によって報告されたセンサデータから取得された構成要素のライフラインのセット６１０が概略的に示されている。不具合はライフライン６１０における黒丸によって表され、不具合のないインスタンスは白丸によって表されている。条件の存在は、ライフライン６１０における四角形で表されている。ライフラインのセット６１０によって表されているデータは、時間（Ｔ）によって表される間隔決定点以前に条件が満たされていなかった場合のグループ１と、時間（Ｔ）以前に条件が満たされた場合のグループ２とに分割されうる。図６では、マルチモダリティの一例が、グループ１の第１分布４２２とグループ２の第２分布４２４とが区別可能な、マルチモーダル分布４２０として示されている。
【0059】
［００６６］所与の航空機では、その航空機から取得されたセンサデータが、条件が満たされているかどうかを決定するために使用されてよく、条件が満たされているかどうかに対応する寿命確率分布が、その航空機のために選択されうる。例えば、センサデータに基づいて時間（Ｔ）までに条件が満たされていなかった航空機については、グループ１のデータから取得される第１寿命確率分布４３０（例えば第１ＣＤＦ）がモデルによって決定されてよく、時間（Ｔ）までに条件が満たされていた場合には、グループ２のデータから取得される第２寿命確率分布４３２（例えば第２ＣＤＦ）がモデルによって決定されうる。少なくとも一部の例では、条件ベースのモデル１２２により条件相関に基づいてグループ化されたデータを含むセンサデータから本書で開示しているモデルによって決定される寿命確率分布は、米国特許第８，１１７，００７号に開示されている統計処理技法を使用しうる。
【0060】
［００６７］モデルによって決定された所与の寿命確率分布に関して、メンテナンス間隔が、所与の閾値リスクレベルについて決定されうる。硬着陸について言えば、一例としては、所与の時間間隔（時間（Ｔ）など）において、ある特定の航空機の硬着陸の回数が少なければ、その結果として、着陸装置の構成要素のメンテナンス間隔は、硬着陸の回数がより多い航空機の場合よりも長く規定されうる。
【0061】
［００６８］図７は、図１のコンピューティングシステム１００によって実行されうる、リスク等価モデル１２４を実装する例示的な方法７００を示すフロー図である。リスク等価モデル１２４は、定期メンテナンスのリスクに関する尺度（Ｒｅｑｕｉｖ）７１２と、予測メンテナンスの精度に関する尺度（ｐ）７１４とを組み合わせる（例えば合計する）ことにより、稼働中のリスク（Ｒ）７１０を考察する。
一例としては、稼働中のリスク（Ｒ）７１０は、稼働中の航空機の一又は複数の構成要素のセット（例えば関連システム）の不具合のリスクのことであり、定期メンテナンスのリスクに関する尺度（Ｒｅｑｕｉｖ）７１２は、一又は複数の構成要素のセットに関連付けられたメンテナンスのタスク又はサブタスクの定期メンテナンス最適化のために目標とされるリスクのことであり、予測メンテナンスの精度に関する尺度（ｐ）７１４は、不具合予測が実際には外れる確率のことである。
一例としては、稼働中のリスク（Ｒ）７１０は、稼働中の航空機の一又は複数の構成要素のセット（例えば関連システム）の不具合のリスクのことであり、定期メンテナンスのリスクに関する尺度（Ｒｅｑｕｉｖ）７１２は、一又は複数の構成要素のセットに関連付けられたメンテナンスのタスク又はサブタスクの定期メンテナンス最適化のために目標とされるリスクのことであり、予測メンテナンスの精度に関する尺度（ｐ）７１４は、不具合予測が実際には外れる確率のことである。
【0062】
［００６９］矢印７１６で示しているように、稼働中のリスク（Ｒ）は、定期メンテナンスのリスクに関する尺度（Ｒｅｑｕｉｖ）を反復的にシーディングする（ｓｅｅｄ）ためのフィードバックとして使用されうる。定期メンテナンスのリスクに関する尺度（Ｒｅｑｕｉｖ）７１２と、予測メンテナンスの精度に関する尺度（ｐ）７１４と、稼働中のリスク（Ｒ）７１０との間の関係性は、一定の精度（Ｐ）の範囲内において、式７２０によって表されうる。精度（Ｐ）の一定範囲の値を使用することによって、このモデルによって出力される稼働中のリスク（Ｒ）７１０は、寿命確率分布の形態をとりうる。
【0063】
［００７０］少なくとも一部の例では、構成要素の所与のセットについての予測モデルの精度（Ｐ）が、この構成要素のセットの個々の構成要素の実際の不具合予測確率の加重和を使用することによって決定されてよく、この場合の加重は、個々の構成要素の不具合による関連システムの不具合の確率である。精度（Ｐ）は、構成要素の複数のインスタンス（例えば、関連システムに不具合を起こさせないために必要な構成要素インスタンスの数（ｉ））によってもたらされる冗長性を考察しうる。
【0064】
［００７１］図８は、ユーザがメンテナンス間隔モジュール１１８と相互作用することを可能にする、図１のコンピューティングシステム１００の例示的なインターフェース８００を示している。一例としては、インターフェース８００は、コンピューティングシステム１００によって実行されるメンテナンス間隔モジュール１１８の一部を形成しうるか、又はかかるメンテナンス間隔モジュール１１８によって提供されうる。図１の入力データ１３０は、インターフェース８００を介してユーザによって提供されてよく、図１の出力データ１３２は、インターフェース８００を介してユーザに提供されうる。インターフェース８００は、少なくとも一部の例では、グラフィカルユーザインターフェースの形態をとりうる。
【0065】
［００７２］インターフェース８００は、メンテナンスタスク（例えば、図２のメンテナンスタスク２４０）の初期のメンテナンス間隔８１０、このメンテナンスタスクの（例えば、図３の方法３００によって決定された）更新後のメンテナンス間隔８１２、メンテナンスサブタスク（例えば、図２のサブタスク２３１）の初期のサブタスク間隔８１４、及びこのメンテナンスサブタスクの更新後のサブタスク間隔８１６（例えばこのメンテナンスサブタスクについて図３の方法３００によって決定されたメンテナンス間隔）を提示しうる。
【0066】
［００７３］インターフェース８００はメンテナンスタスク定義インターフェース８１８を含む。メンテナンスタスク定義インターフェース８１８によって、メンテナンスタスク定義（例えば図１の１７０）のデータが、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。
【0067】
［００７４］インターフェース８００はモデル定義インターフェース８２０を含む。モデル定義インターフェース８２０によって、モデル定義（例えば図１の１７４）のデータが、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。
【0068】
［００７５］インターフェース８００は不具合モード定義インターフェース８２２を含む。不具合モード定義インターフェース８２２によって、不具合モード定義（例えば図１の１７２）のデータが、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。
【0069】
［００７６］インターフェース８００はセンサデータインターフェース８２４を含む。センサデータインターフェース８２４によって、センサデータ（例えば図１の１５０）が、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。
【0070】
［００７７］インターフェース８００は関係性インターフェース８２６を含む。関係性インターフェース８２６によって、不具合モードと、構成要素と、メンテナンスタスクと、予測モデルとの間の関係性（例えば図２の２００）のデータが、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。
【0071】
［００７８］インターフェース８００は設定インターフェース８２８を含む。設定インターフェース８２８によって、設定が、入力データとしてコンピューティングシステムに提供されること、出力データとしてコンピューティングシステムによって提供されること、又はユーザによって変更されることが可能になる。例示的な設定は、図３の方法３００を参照して説明したように、寿命確率分布に適用される閾値リスクレベルを含む。
【0072】
［００７９］図１を参照して前述したように、本書に記載の方法及び工程は、一又は複数のコンピューティングデバイスのコンピューティングシステムに関連しうる。詳細には、かかる方法及び工程は、コンピュータアプリケーションプログラム若しくはサービスとして、アプリケーションプログラミングインターフェース（ＡＰＩ）として、ライブラリとして、及び／又はその他のコンピュータプログラム製品として、実装されうる。
【0073】
［００８０］図１のコンピューティングシステム１００は、本書に記載の方法及び工程のうちの一又は複数を実践しうるコンピューティングシステムの一例である。コンピューティングシステム１００は簡素化された形態で概略的に描かれていることが理解されよう。コンピューティングシステム１００は、一又は複数のパーソナルコンピュータ、サーバコンピュータ、タブレットコンピュータ、ネットワークコンピューティングデバイス、携帯コンピューティングデバイス、及び／又はその他のコンピューティングデバイスの形態をとりうる。
【0074】
［００８１］論理機械１１０は、命令（例えば１１６）を実行するよう構成された一又は複数の物理デバイスを含む。例えば、論理機械は、一又は複数のアプリケーション、サービス、プログラム、ルーチン、ライブラリ、オブジェクト、コンポーネント、データ構造、又はその他の論理構築物、の一部である命令を実行するよう構成されうる。かかる命令は、タスクを実行し、データ型を実装し、一又は複数の構成要素の状態を変換し、技術効果を実現し、又はさもなければ所望の結果に到達するために、実装されうる。
【0075】
［００８２］論理機械は、ソフトウェア命令を実行するよう構成された一又は複数のプロセッサを含みうる。追加的又は代替的には、論理機械は、ハードウェア命令又はファームウェア命令を実行するよう構成された、一又は複数のハードウェア論理機械又はファームウェア論理機械を含みうる。論理機械のプロセッサは、シングルコアであっても、マルチコアであってもよく、そこで実行される命令は、シーケンシャル処理、並行処理、及び／又は分散処理されるよう構成されうる。論理機械の個々の構成要素は、オプションで、遠隔に配置されかつ／又は協働処理を実行するよう構成されうる、２つ以上の別個のデバイスにわたって分散されうる。論理機械の態様は、クラウドコンピューティング構成に構成された、遠隔アクセスが可能なネットワーク化されたコンピューティングデバイスによって、仮想化され、実行されうる。
【0076】
［００８３］ストレージ機械１１２は、本書に記載の方法及び工程を実装するために論理機械によって実行可能な命令（例えば１１６）を保持するよう構成された、一又は複数の物理デバイスを含む。かかる方法及び工程が実装されるとき、ストレージ機械の状態は（例えば、異なるデータを保持するよう）変換されうる。
【0077】
［００８４］ストレージ機械１１２は、取り外し可能なかつ／又は内蔵型のデバイスを含みうる。ストレージ機械は、例としては、光メモリ（例えばＣＤ、ＤＶＤ、ＨＤ－ＤＶＤ、ブルーレイディスクなど）、半導体メモリ（例えばＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭなど）、及び／又は磁気メモリ（例えばハードディスクドライブ、フロッピーディスクドライブ、テープドライブ、ＭＲＡＭなど）を含みうる。ストレージ機械は、揮発性デバイス、不揮発性デバイス、動的デバイス、静的デバイス、読出／書込デバイス、読取専用デバイス、ランダムアクセスデバイス、シーケンシャルアクセスデバイス、ロケーションアドレス指定可能デバイス、ファイルアドレス指定可能デバイス、及び／又はコンテンツアドレス指定可能デバイスを含みうる。
【0078】
［００８５］ストレージ機械１１２は一又は複数の物理デバイスを含むことが理解されよう。しかし、本書に記載の命令の態様は、代替的に、物理デバイスによって有限期間にわたって保持されるわけではない通信媒体（例えば電磁信号、光信号など）によって伝播されることもある。
【0079】
［００８６］論理機械１１０及びストレージ機械１１２の態様は共に、一又は複数のハードウェア論理コンポーネントに統合されうる。かかるハードウェア論理コンポーネントは、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定プログラム向け集積回路及び特定用途向け集積回路（ＰＡＳＩＣ／ＡＳＩＣ）、特定プログラム向け標準製品及び特定用途向け標準製品（ＰＳＳＰ／ＡＳＳＰ）、システムオンチップ（ＳＯＣ）、並びにコンプレックスプログラマブル論理デバイス（ＣＰＬＤ）を含みうる。
【0080】
［００８７］「モジュール（ｍｏｄｕｌｅ）」、「プログラム（ｐｒｏｇｒａｍ）」、及び「エンジン（ｅｎｇｉｎｅ）」という語は、ある特定の機能を実行するために実装される、コンピューティングシステム１００の態様を説明するのに使用されうる。場合によっては、モジュール、プログラム、又はエンジンは、ストレージ機械１１２によって保持された命令１１６を実行する論理機械１１０によってインスタンス化されうる。別々のモジュール、プログラム、及び／又はエンジンが、同一のアプリケーション、サービス、コードブロック、オブジェクト、ライブラリ、ルーチン、ＡＰＩ、ファンクションなどからインスタンス化されうることが、理解されよう。同様に、同一のモジュール、プログラム、及び／又はエンジンが、別々のアプリケーション、サービス、コードブロック、オブジェクト、ライブラリ、ルーチン、ＡＰＩ、ファンクションなどによってインスタンス化されることもある。「モジュール」、「プログラム」、及び「エンジン」という語は、実行可能なファイル、データファイル、ライブラリ、ドライバ、スクリプト、データベースレコードなどを個々に包含しうるか、又はこれらのグループを包含しうる。
【0081】
［００８８］入出力サブシステム１１４は、ディスプレイサブシステムを含みうるか、又はディスプレイサブシステムとインターフェース接続しうる。ディスプレイサブシステムは、ストレージ機械１１２に保持されているデータの視覚的表現を提示するために使用されうる。この視覚的表現は、グラフィカルユーザインターフェース（ＧＵＩ）の形態をとりうる。本書に記載の方法及び工程が、ストレージ機械に保持されているデータを変更し、したがってストレージ機械の状態を変換する際に、ディスプレイサブシステムの状態も同様に変換され、元のデータの変更が視覚的に表現されうる。ディスプレイサブシステムは一又は複数のディスプレイデバイスを含みうる。かかるディスプレイデバイスは、共通の筐体内で論理機械１１０及び／又はストレージ機械１１２と組み合わされることも、周辺ディスプレイデバイスであることもある。入出力サブシステムは、一又は複数のユーザ入力デバイス（例えばキーボード、マウス、タッチスクリーンなど）を含みうるか、又はかかるユーザ入力デバイスとインターフェース接続しうる。
【0082】
［００８９］入出力サブシステムは、コンピューティングシステム１００を一又は複数の他のコンピューティングデバイスと通信可能に連結するよう構成された、通信サブシステムを含みうる。通信サブシステムは、一又は複数の異なる通信プロトコルに対応可能な、有線及び／又は無線の通信デバイスを含みうる。例としては、通信サブシステムは、無線電話ネットワーク又は有線若しくは無線のローカルエリアネットワーク若しくはワイドエリアネットワークを経由して通信するよう構成されうる。通信サブシステムにより、コンピューティングシステム１００が、インターネットなどのネットワーク（例えば１６０）を経由して、他のデバイスとの間でメッセージを送受信することが可能になりうる。
【0083】
［００９０］本開示は、以下の条項による構成を含む。
【0084】
［００９１］条項１． 対象の航空機構成についてメンテナンス間隔を決定するための、コンピューティングシステムによって実行される方法であって、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することと、対象の航空機構成の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することと、コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第１寿命確率分布を決定することと、コンピューティングシステムにおいて第１予測モデルとは異なる第２予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第２寿命確率分布を決定することと、第１寿命確率分布及び第２寿命確率分布に少なくとも部分的に基づいて、構成要素のメンテナンス間隔を決定することと、メンテナンス間隔を出力することと、
を含む、方法。
を含む、方法。
【0085】
［００９２］条項２．第１予測モデルによって第１寿命確率分布が決定される不具合モードが、第１不具合モードであり、第２予測モデルによって第２寿命確率分布が決定される不具合モードが、第１不具合モードとは異なる第２不具合モードである、条項１に記載の方法。
【0086】
［００９３］条項３．コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちの第３不具合モードの第３寿命確率分布を決定することを更に含み、第３不具合モードは第１不具合モードとは異なり、構成要素のメンテナンス間隔を決定することが、少なくとも部分的に、第３寿命確率分布に更に基づく、条項２に記載の方法。
【0087】
［００９４］条項４．コンピューティングシステムにおいて第３予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第３寿命確率分布を決定することを更に含み、第３予測モデルは、第１予測モデル及び第２予測モデルとは異なる、条項２に記載の方法。
【0088】
［００９５］条項５．第１予測モデルによって第１寿命確率分布が決定される不具合モードが、第１不具合モードであり、第２予測モデルによって第２寿命確率分布が決定される不具合モードも、第１不具合モードである、条項１に記載の方法。
【0089】
［００９６］条項６．第１予測モデル及び第２予測モデルが各々、構成要素の不具合の規模を考察する、マイナーエビデントモデル、航空機から取得されたセンサデータに基づいて航空機毎に条件が満たされているかどうかを考察する、条件ベースモデル、稼働時のリスクを考察するリスク等価モデル、のうちの２つ以上を含む予測モデルのセットから選択される、条項１から５のいずれか一項に記載の方法。
【0090】
［００９７］条項７．構成要素に関わる不具合モードのセットの各不具合モードについて、予測モデルのセットの中から、対象の不具合モードに対してコンピューティングシステムによって実装されるべき一又は複数の予測モデルを特定する、モデル定義を取得することと、
モデル定義に基づいて、第１予測モデル及び第２予測モデルを選択することと、を更に含む、条項１から６のいずれか一項に記載の方法。
モデル定義に基づいて、第１予測モデル及び第２予測モデルを選択することと、を更に含む、条項１から６のいずれか一項に記載の方法。
【0091】
［００９８］条項８．対象の航空機構成の構成要素に関わる不具合モードのセットは、対象の航空機構成のこの構成要素及び一又は複数の他の構成要素に関わる複数構成要素不具合モードを含み、出力されるメンテナンス間隔は、複数構成要素不具合モードのこの構成要素及び一又は複数の他の構成要素に対するメンテナンスサブタスクのためのものである、条項１から７のいずれか一項に記載の方法。
【0092】
［００９９］条項９．
複数のメンテナンスサブタスクを有する対象の航空機構成のためのメンテナンスタスク、及び各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素を特定する、メンテナンスタスク定義を取得することと、出力されるメンテナンス間隔を、メンテナンスタスク定義によって特定された構成要素に関わる複数のメンテナンスサブタスクのうちのあるメンテナンスサブタスクと関連付けることと、を更に含む、条項１から８のいずれか一項に記載の方法。
複数のメンテナンスサブタスクを有する対象の航空機構成のためのメンテナンスタスク、及び各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素を特定する、メンテナンスタスク定義を取得することと、出力されるメンテナンス間隔を、メンテナンスタスク定義によって特定された構成要素に関わる複数のメンテナンスサブタスクのうちのあるメンテナンスサブタスクと関連付けることと、を更に含む、条項１から８のいずれか一項に記載の方法。
【0093】
［００１０１］条項１０．構成要素のメンテナンス間隔が、第１寿命確率分布と第２寿命確率分布との組み合わせに少なくとも部分的に基づく、条項１から９のいずれか一項に記載の方法。
【0094】
［００１０２］条項１１．構成要素のメンテナンス間隔が、少なくとも部分的に、第１寿命確率分布と第２寿命確率分布との組み合わせに適用される閾値リスクレベルに更に基づく、条項１０に記載の方法。
【0095】
［００１０３］条項１２．対象の航空機構成についてメンテナンス間隔を決定するための、コンピューティングシステムによって実行される方法であって、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することと、複数のメンテナンスサブタスクを有する対象の航空機構成のための初期のメンテナンスタスク、メンテナンスタスクのメンテナンス間隔、及び各メンテナンスサブタスクに関する対象の航空機構成の一又は複数の構成要素、を特定するメンテナンスタスク定義を取得することと、複数のメンテナンスサブタスクの各々に関する対象の航空機構成の一又は複数の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することと、メンテナンスサブタスクの不具合モードのセットに関し、不具合モードのセットの各不具合モードについて、コンピューティングシステムにおいて複数の予測モデルのうちの１つを実装し、センサデータに少なくとも部分的に基づいて、不具合モードの寿命確率分布を決定すること、及び不具合モードのセットの各不具合モードについて決定された寿命確率分布に少なくとも部分的に基づいて、メンテナンスサブタスクの一又は複数の構成要素のメンテナンス間隔を決定すること、
によって、不具合モードのセット全体についてのメンテナンスサブタスクのメンテナンス間隔を決定することと、メンテナンスサブタスクのメンテナンス間隔を出力することと、
を含む、方法。
によって、不具合モードのセット全体についてのメンテナンスサブタスクのメンテナンス間隔を決定することと、メンテナンスサブタスクのメンテナンス間隔を出力することと、
を含む、方法。
【0096】
［００１０４］条項１３．メンテナンスタスクの各メンテナンスサブタスクについて、対象のメンテナンスサブタスクの不具合モードのセット全体についてのメンテナンス間隔を決定することと、初期のメンテナンス間隔とは異なる、メンテナンスタスクに合わせて調整されたメンテナンス間隔を出力することと、を更に含み、調整されたメンテナンス間隔が、持続時間が最短のメンテナンスサブタスクのメンテナンス間隔に基づく、条項１２に記載の方法。
【0097】
［００１０５］条項１４．複数の予測モデルが、構成要素の不具合の規模を考察する、マイナーエビデントモデル、航空機から取得されたセンサデータに基づいて航空機毎に条件が満たされているかどうかを考察する、条件ベースモデル、稼働時のリスクを考察するリスク等価モデル、のうちの２つ以上を含む、条項１２又は１３に記載の方法。
【0098】
［００１０６］条項１５．一又は複数のコンピューティングデバイスのコンピューティングシステムであって、論理機械と、論理機械によって実行可能な命令が記憶されているストレージ機械とを備え、命令が、対象の航空機構成の集合の電子システムによって報告されたセンサデータを取得することと、対象の航空機構成の構成要素に関わる不具合モードのセットを特定する、不具合モード定義を取得することと、コンピューティングシステムにおいて第１予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第１寿命確率分布を決定することと、コンピューティングシステムにおいて第１予測モデルとは異なる第２予測モデルを実装し、センサデータに少なくとも部分的に基づいて、構成要素に関わる不具合モードのセットのうちのある不具合モードの第２寿命確率分布を決定することと、第１寿命確率分布及び第２寿命確率分布に少なくとも部分的に基づいて、構成要素のメンテナンス間隔を決定することと、メンテナンス間隔を出力することと、
を実行する、コンピューティングシステム。
を実行する、コンピューティングシステム。
【0099】
［００１０７］条項１６．第１予測モデルによって第１寿命確率分布が決定される不具合モードが、第１不具合モードであり、第２予測モデルによって第２寿命確率分布が決定される不具合モードが、第１不具合モードとは異なる第２不具合モードである、条項１５に記載のコンピューティングシステム。
【0100】
［００１０８］条項１７．第１予測モデルによって第１寿命確率分布が決定される不具合モードが、第１不具合モードであり、第２予測モデルによって第２寿命確率分布が決定される不具合モードも、第１不具合モードである、条項１５に記載のコンピューティングシステム。
【0101】
［００１０９］条項１８．第１予測モデル及び第２予測モデルが各々、構成要素の不具合の規模を考察する、マイナーエビデントモデル、航空機から取得されたセンサデータに基づいて航空機毎に条件が満たされているかどうかを考察する、条件ベースモデル、稼働時のリスクを考察するリスク等価モデル、のうちの２つ以上を含む予測モデルのセットから選択される、条項１５から１７のいずれか一項に記載のコンピューティングシステム。
【0102】
［００１１０］条項１９．構成要素のメンテナンス間隔が、第１寿命確率分布と第２寿命確率分布との組み合わせに少なくとも部分的に基づく、条項１５から１８のいずれか一項に記載のコンピューティングシステム。
【0103】
［００１１１］条項２０．構成要素のメンテナンス間隔が、少なくとも部分的に、第１寿命確率分布と第２寿命確率分布との組み合わせに適用される閾値リスクレベルに更に基づく、条項１９に記載のコンピューティングシステム。
【0104】
［００１１２］本書に記載の構成及び／又はアプローチは、本来的に例示であること、及び上記の具体的な実施形態又は例は、数多くの変形例が可能であるので、限定的な意味で捉えるべきではないことが、理解されよう。本書に記載の具体的なルーチン又は方法は、任意の数の処理手順のうちの一又は複数を表していることがある。よって、図示及び／又は説明されている様々な行為は、図示及び／若しくは説明されている順序で、又は別の順序で、又は同時に実行されてよく、又は省略されうる。同様に、上述のプロセスの順序も変更されうる。
【0105】
［００１１３］本開示の主題は、本書で開示している様々なプロセス、システム、構成、並びにその他の特徴、機能、行為、及び／又は特性の、更にこれらのあらゆる均等物の、新規かつ非自明な全ての組み合わせ及び下位組み合わせを含む。
【0106】
部品リスト：
コンピューティングシステム１００
メンテナンス間隔１０２
対象の航空機構成１０４
動作環境１０６
論理機械１１０
ストレージ機械１１２
入出力サブシステム１１４
命令１１６
メンテナンス間隔モジュール１１８
マイナーエビデントモデル１２０
条件ベースモデル１２２
リスク等価モデル１２４
センサデータモジュール１２６
データ１２８
入力データ１３０
出力データ１３２
航空機の集合１４０
航空機１４２
電子システム１４４
搭載型コンピューティングシステム１４６
航空機データ１４８
センサデータ１５０
センサのセット１５２
通信ネットワーク１６０
メンテナンスタスク定義１７０
不具合モード定義１７２
モデル定義１７４
関係性２００
不具合モードのセット２１０
不具合モード２１１、２１２、２１３、２１４、２１５
構成要素のセット２２０
構成要素２２１、２２２、２２３
メンテナンスサブタスクのセット２３０
メンテナンスサブタスク２３１、２３２、２３３
メンテナンスタスク２４０
メンテナンスタスク２４２
適用モデルグループのセット２５０
適用モデルグループ２５１、２５２、２５３
寿命確率分布２６０、２６１、２６３、２６４
方法３００
不具合モードのセット４１０
適用モデルグループ４２０
リスク等価モデルのインスタンス４２２
リスク等価モデルのインスタンス４２４
コンディションベースモデルのインスタンス４２６
構成要素不具合ライフライン４３０
構成要素不具合ライフライン４３２
寿命確率分布４４０
寿命確率分布４４２
第１メンテナンス間隔４６０
第２メンテナンス間隔４６２
方法５００
ライフラインのセット５１０
最良適合分布５２０
寿命確率分布５３０
関数５３２
方法６００
ライフラインのセット６１０
方法７００
稼働時のリスク７１０
定期メンテナンスのリスク７１２
予測メンテナンスの精度７１４
矢印７１６
式７２０
インターフェース８００
初期のメンテナンス間隔８１０
更新後のメンテナンス間隔８１２
初期のサブタスク間隔８１４
更新後のサブタスク間隔８１６
メンテナンスタスク定義インターフェース８１８
モデル定義インターフェース８２０
不具合モード定義インターフェース８２２
センサデータインターフェース８２４
関係性インターフェース８２６
設定インターフェース８２８
コンピューティングシステム１００
メンテナンス間隔１０２
対象の航空機構成１０４
動作環境１０６
論理機械１１０
ストレージ機械１１２
入出力サブシステム１１４
命令１１６
メンテナンス間隔モジュール１１８
マイナーエビデントモデル１２０
条件ベースモデル１２２
リスク等価モデル１２４
センサデータモジュール１２６
データ１２８
入力データ１３０
出力データ１３２
航空機の集合１４０
航空機１４２
電子システム１４４
搭載型コンピューティングシステム１４６
航空機データ１４８
センサデータ１５０
センサのセット１５２
通信ネットワーク１６０
メンテナンスタスク定義１７０
不具合モード定義１７２
モデル定義１７４
関係性２００
不具合モードのセット２１０
不具合モード２１１、２１２、２１３、２１４、２１５
構成要素のセット２２０
構成要素２２１、２２２、２２３
メンテナンスサブタスクのセット２３０
メンテナンスサブタスク２３１、２３２、２３３
メンテナンスタスク２４０
メンテナンスタスク２４２
適用モデルグループのセット２５０
適用モデルグループ２５１、２５２、２５３
寿命確率分布２６０、２６１、２６３、２６４
方法３００
不具合モードのセット４１０
適用モデルグループ４２０
リスク等価モデルのインスタンス４２２
リスク等価モデルのインスタンス４２４
コンディションベースモデルのインスタンス４２６
構成要素不具合ライフライン４３０
構成要素不具合ライフライン４３２
寿命確率分布４４０
寿命確率分布４４２
第１メンテナンス間隔４６０
第２メンテナンス間隔４６２
方法５００
ライフラインのセット５１０
最良適合分布５２０
寿命確率分布５３０
関数５３２
方法６００
ライフラインのセット６１０
方法７００
稼働時のリスク７１０
定期メンテナンスのリスク７１２
予測メンテナンスの精度７１４
矢印７１６
式７２０
インターフェース８００
初期のメンテナンス間隔８１０
更新後のメンテナンス間隔８１２
初期のサブタスク間隔８１４
更新後のサブタスク間隔８１６
メンテナンスタスク定義インターフェース８１８
モデル定義インターフェース８２０
不具合モード定義インターフェース８２２
センサデータインターフェース８２４
関係性インターフェース８２６
設定インターフェース８２８
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【外国語明細書】