Aspectos positivos do uso da Inteligência Artificial/Machine Learning na gestão e planejamento da manutenção aeronáutica
Resumo
Com o mercado da aviação cada vez mais competitivo e em busca de redução de custos e aumento da eficiência nas operações, a Inteligência Artificial demonstra suas vantagens na aplicação na aviação em geral, com foco na gestão e planejamento da manutenção Aeronáutica. Esse trabalho será apresentado uma breve história da inteligência artificial, seus tipos e sua utilização em larga escala nas cias aéreas com foco em manutenção na aviação.
Introdução
Com o avanço da tecnologia presente nas aeronaves, e crescente busca pela eficiência energética e redução de custos na aviação, a Inteligência Artificial aplicada a sistemas de gestão e manutenção aeronáutica provou-se altamente eficiente, a medida que permite a redução de custos com recursos humanos, materiais e redução de tempo de manutenções preventivas em grandes frotas.
Objetivos
Mostrar um breve relato da história da Inteligência Artificial, desde seus conceitos do começo do século XX as suas primeiras aplicações práticas na computação. Conhecer mais sobre os tipos de Inteligência Artificial e suas aplicações na atualidade. Aplicação na gestão e planejamento da manutenção aeronáutica e principais produtos disponíveis no mercado.
Desenvolvimento
História da Inteligência Artificial
A história da Inteligência Artificial moderna estreia em 1910 na ficção científica de filmes, como “O Mágico de Oz”, onde é apresentado o Homem-de-lata, personagem criado pelo escritor americano L. Frank Baum. Em 1927, o cineasta alemão Fritz Lang em parceria com a roteirista e escritora Thea von Harbou apresentaram ao mundo a personagem robô-humanoide Maria/Maschinenmensch no longa metragem “Metrópolis” (Anyoha, 2017). Após a invenção dos primeiros computadores programáveis na década de 40, como o Harvard Mark I, fruto da parceira de desenvolvimento da Marinha norte-americana e da Universidade de Harvard, o conceito de Inteligência Artificial começou a ser mais explorado. Na década de 1950, cientistas, matemáticos e filósofos já haviam assimilado esse conceito. Alan Turing foi um dos primeiros nomes a propor o uso de máquinas para resolver problemas e tomar decisões. O estudo levou a publicação do artigo “Computing Machinery and Intelligence”, descrevendo melhor a possibilidade de construção e testes de máquinas inteligentes (Anyoha, 2017). O termo “Inteligência Artificial” só apareceu no verão de 1956 em um congresso que reuniu engenheiros, matemáticos, neurocientistas e psicólogos na Faculdade de Dartmouth, em New Hampshire, Estados Unidos. Na ocasião, o professor John McCarthy, da Universidade Stanford, citou a IA como o conjunto de teorias de complexidade, simulação de linguagem, redes neurais e aprendizagem de máquina (McCarthy, Minsky, Rochester, & Shannon, 1996). A partir do momento que os computadores começaram a evoluir e multiplicar sua capacidade de processamento seguindo os preceitos definidos pela lei de Moore, a IA prosperou com a expansão das capacidades de programação. Com esse novo cenário, começaram a surgir novos estudos na área, como o “Deep Learn” apresentado por John Hopfield e David Rumelhart (Anyoha, 2017).
Definição de IA
Copeland (2020), define a Inteligência Artificial da seguinte forma:
“Inteligência artificial (IA) é a habilidade de um computador digital ou robô controlado por computador de realizar tarefas comumente associadas a seres inteligentes.”
Podemos considerar que todo comportamento humano, exceto o mais básico, é resultado de um nível de Inteligência. Entretanto, não podemos definir o comportamento complexo de um inseto como inteligência. Isso porque a inteligência inclui a habilidade de se adaptar as novas circunstâncias. Os psicólogos definem a inteligência humana como uma combinação de diversas habilidades (Copeland, 2020). Para tentar replicar a capacidade humana, o estudo da Inteligência Artificial se concentra em aprendizagem, raciocínio, solução de problemas , percepção e uso da linguagem.
Tipos de IA
Podemos distinguir a IA em 3 tipos, que vai do mais restrito e específico até a Superinteligência, que são eles: Inteligência Artificial Limita (ANI): É o tipo de IA mais básico, que se especializa em apenas uma área específica e oferecendo alta capacidade de processamento de dados complexos. Apesar disso, também é uma desvantagem, pois sua limitação não permite trabalhar com cenários que não sejam conhecidos. Podemos dividir esse tipo de IA em 2 subgrupos: Máquinas reativas, onde não criam memórias e só respondem a estímulos; e Memória limitada que conseguem utilizar a memória do passado para tomar uma decisão. (Gabriel, 2019). Inteligência Artificial Geral (AGI): Conhecida como Human Level IA, esse tipo de IA possui diversas habilidades, podendo chegar ao mesmo nível de conhecimento de um ser humano. Até hoje não há nenhuma máquina com essa habilidade, porém, existem muitas com algumas dessas capacidades, como criatividade computacional, razão automatizada, sistema de suporte a decisões, robôs, computação evolucionária e agentes inteligentes. Podemos dividir esse tipo de IA em 2 subgrupos: Máquinas cientes que podem compreender pensamentos e emoções, onde se ajustam a comportamentos; e Máquinas autoconscientes que possuem consciência sobre si e conseguem prever sentimentos dos outros (Gabriel, 2019). Superinteligência (ASI): É a Inteligência Artificial que supera o SerHumano em todas as áreas, incluindo a criatividade científica, habilidades sociais e conhecimentos gerais (Gabriel, 2019). Nos dias atuais, o uso da Inteligência Artificial Limita (ANI) está consolidado em diversas áreas analisando, processando e entregando dados que ajudam setores como educação, petróleo e gás, saúde, indústria, financeiro, entre outros. A Inteligência Artificial Geral (AGI) está em desenvolvimento e suas aplicações já podem ser vistas em alguns projetos. O uso da Superinteligência (ASI) em um futuro próximo ainda é inserto. Esse tipo de IA depende de fatores éticos e filosóficos.
Aprendizagem de máquina e sua aplicação na aviação
Por definição, o machine learning é um tipo de Inteligência Artificial Limita de memória limitada que descobre como pode realizar tarefas sem ser explicitamente programado para tal função (Alpaydin, 2020). Isso é, com os dados que a máquina recebe e sua devida categorização, poderá “aprender” e formar um banco de memória permitindo identificar padrões que levam a um resultado final. O uso da aprendizagem de máquinas em processos feitos manualmente, permite o incremento de vantagens, como o aumento da produtividade e redução de custos. (Santo Digital - Clound Consulting Services, 2018) Na aviação, esse tipo de inteligência artificial já está consolidado, com uso em diversas áreas de grandes empresas, como chatbots com clientes, controle dos preços de passagens, publicidade direcionada, otimização de aerodinâmica, gerenciamento de operações e otimização de receita. (Dhital, 2020) Os rígidos padrões de Segurança Operacional adotados pela aviação mundial tornam o uso da Inteligência Artificial mais difícil no ambiente de cabine, entretanto, é possível observar alguns casos, como por exemplo: Global Telecomunication Network (GTN) touch screen navigation systems: Permite a utilização da voz para desempenhar algumas funções de um co-piloto como: leitura de cartas de vento, troca de frequência e fornecer posições mediante solicitação (Martínez, 2018). “Inteligent” Digital Cockpit Assistants: É monitoramento contínuo de publicações meteorológicas (METAR, TAF, etc...), e comparação com o plano de voo do piloto permitindo criar perfis de subidas e descidas diferenciadas, levando em consideração o peso e velocidade da aeronave (Martínez, 2018). Esses sistemas são secundários e auxiliam o piloto no gerenciamento de cabine e tomada de decisão.
Inteligência Artificial e sua aplicação na gestão e planejamento da manutenção aeronáutica
Os Estados Unidos da América é um dos maiores mercados da aviação no mundo, onde em 2018, transportou cerca de 889 milhões de passageiros (Mazareanu, 2020). Em 2019, as companhias aéreas norte-americanas relataram ao US Bureau of Transportation, cerca de 302 atrasos de 3 horas ou mais em voos com passageiros. Em comparação com 2018 e 2017, esses números eram, respectivamente, 202 e 193 (Chokshi, 2020). Uma das principais causas dos atrasos são as manutenções não planejadas. Problemas técnicos em aeronaves de grande porte podem, muitas vezes, levarem muito tempo para serem identificados e consequentemente, resolvidos, levando a perda de receita, atraso para os passageiros e aumento do custo operacional. Para diminuir a quantidade de problemas, as empresas estão buscando soluções que aumentem a disponibilidade operacional das aeronaves. A Inteligência Artificial se mostra uma alternativa altamente viável, devido ao custo relativamente baixo e a facilidade de implantação nos setores das aéreos. No âmbito da manutenção, pode ser usada como uma ferramenta de tomada de decisão para equipes de solo, fornecendo desde a previsão de problemas mecânicos graves, até a orientação de possíveis falhas para as equipes de campos (Aviation Tribune, 2020). A aplicação da Inteligência Artificial atrelada ao Machine Learning na gestão e planejamento da manutenção aeronáutica pode ser dividida em 3 frentes: - Planejamento e programação de tarefas de manutenção: Uma aeronave Boeing 737, possui cerca de 367 mil peças, se considerarmos todas as partes que possuem Part Number e que são passíveis de troca programada com data de expiração (Sousa, 2009). A logística de organização já é feita com sucesso por sistemas consolidados de MRO (Maintenance, Repair, Overhaul), entretanto, as equipes de manutenção precisam acompanhar todos logbooks de manutenção e realizar relatórios dos itens modificados. A IA entra nessa área ao permitir rastrear cada componente em cada logbook de manutenção de cada aeronave da companhia. Com a análise de dados e aprendizagem de máquina, a IA emite uma Ordem de Serviço específica para o técnico de manutenção e garante a disponibilidade de todos os recursos necessários, incluindo disponibilidade da aeronave, slot na base de operação, mão de obra especializada, análise do estoque das peças utilizadas e demais fatores como meteorologia, disponibilidade de equipamentos de solo, etc (Aviation Tribune, 2020). - Manutenção preditiva: A manutenção não programada foi responsável por 30% dos atrasos em aeroportos americanos (PWC, 2016). A Inteligência Artificial se aplica nesse setor da manutenção ao usar a análise de dados fornecidos pelas aeronaves a favor da empresa aérea. A capacidade da IA em analisar grande quantidade de dados eleva a manutenção preditiva a outro patamar nunca visto até alguns anos atrás. Quando implantada corretamente, a Inteligência Artificial permite prever o momento de parada de uma aeronave para a realização da manutenção (Aviation Tribune, 2020). Outra aplicação pode ser o uso de aprendizagem de máquina atrelado ao deep learn com o uso de redes neurais para aprimorar a análise de imagens produzidas por boroscópios na análise de fissuras em motores aeronáuticos, a IA nesses casos diminui consideravelmente o tempo de análise e aumenta a taxa de disponibilidade da aeronave (Aviation Tribune, 2020). - Coordenação das operações de manutenção: A manutenção de uma aeronave envolve vários departamentos dentro de uma empresa aérea, entre eles: os setores financeiros, operacionais, de manutenção, almoxarifado, entre outros. A IA aplicada ao fluxo de trabalho organiza de forma dinâmica as demandas entre os departamentos, agilizando o processo de liberação da aeronave para voo. Essa aplicação permite também avisar aos setores de atendimento ao cliente sobre futuros voos que possam ser afetados pela manutenção corretiva de uma aeronave. De posse dessa informação, esses setores podem entrar em contato com o cliente para oferecer uma nova data de voo, evitando assim, o inconveniente do passageiro.
Essa publicação se refere a parte do Artigo apresentado como Trabalho de Conclusão de Curso de ESPECIALIZAÇÃO EM ENGENHARIA DE MANUTENÇÃO AERONÁUTICA, fornecido pela Pontifica Universidade Católica de Minas Gerais - PUCMG. O trabalho foi elaborado por Daniel Guilherme Marques da Silva sob orientação do Professor Mestre Luis Henrique Santos
Acesse aqui o artigo completo.
Esp. Strategic People and Psycho Management. Org. and Work - UNESP| Postgraduate Business Logistics - POLIUSP| Researcher - CEUB| Prof. MC
3 aParabéns pelo artigo Dani, um assunto extremamente atual com a necessidade de manter a qualidade da manutenção preventiva e preditiva. Caso tenha interesse em publicá-lo recomendo dar uma olhada no Journal Safety Science, da Elsevier. Um forte abraço meu amigo!! Feliz ano novo!!