大同大學 工程管理碩士在職專班 王明庸, 林永仁所指導 陳東穎的 應用倒傳遞類神經網路預測飛機零組件使用壽命-以空中巴士A330-300氣動系統高壓閥(HPV)為例 (2012),提出liebherr利勃關鍵因素是什麼,來自於倒傳遞類神經網路、裝機飛時、總飛時、操作次數、飛機零組件、翻修飛時。
應用倒傳遞類神經網路預測飛機零組件使用壽命-以空中巴士A330-300氣動系統高壓閥(HPV)為例
為了解決liebherr利勃 的問題,作者陳東穎 這樣論述:
全球航空產業蓬勃發展,飛機維修需求量不斷增加,飛機零組件故障造成航班延誤比例甚高。若能對零組件建置故障預測系統,並於故障前即執行檢修,將有助於降低因非預期性故障所導致的航班延誤,此舉可作為航空公司在飛機零組件維修管理上的一項參考。 本研究是以空中巴士A330-300發動機(GE-CF6-80E1)上的高壓閥為例,首先採用德菲法(Delphi Method)製作第一次專家調查問卷,蒐集影響高壓閥壽命的關鍵因素,再製作發出李克特五點量表專家問卷進行評分,再根據專家一致性指標評選出四項重要關鍵因素,分別為裝機飛時,總飛時,操作次數及翻修飛時,再選定2010年至2012年高壓閥的維修資料數據為
樣本,載入倒傳遞類神經網路軟體Neuro Intelligence來測試輸入與輸出之間的關係以建置預測模式,測試所得到的設定參數為隱藏層神經元數目:2、學習速:0.1、學習循環次數:30,000,做為BPN預測的條件,藉以預測高壓閥的下一次裝機的使用壽命。研究結果顯示,經由倒傳遞類神經網路軟體學習訓練後,關聯性(Correlation)與模式配適度(R-squared)分別達到0.969 及0.932,預測準確度高達93%,可見倒傳遞類神經網路確實能有效作為飛機組件壽命預測的方法。本研究利用倒傳遞類神經網路之預測能力,可幫助航空業者能提前擬訂飛機零組件故障因應策略,建立維修管理知識經驗的傳承;
未來更可推廣於不同產業,期能以最少資源成本之投入,獲取最大效益,以強化企業永續經營之競爭力。