Reconhecimento de padrões de falhas em interiores de aeronaves.

Abstract

No setor aeronáutico a pressão por ser mais competitivo é uma rotina. Fatores tais como tempo, preço, disponibilidade, segurança, tecnologia, qualidade, confiabilidade, gerência da informação, entre outros podem contribuir para influenciar a satisfação dos operadores de aeronaves que precisam executar uma ação de reparo dentro de um agressivo intervalo de tempo. Este estudo tem o objetivo de processar registros de falhas originados em jatos regionais comerciais utilizando técnicas de mineração do textos e redes neurais artificiais (RNA), com foco na redução do tempo gasto com a análise de um registro de falha e a respectiva disposição. As variáveis independentes são originadas durante a fase de pré-processamento (mineração de textos) do banco de dados formado pelos registros de falhas anotados no livro de bordo. Na sequência, as variáveis são aplicadas em uma rede neural para gerar a saída (disposição final), baseado nos dados históricos do banco de dados. Aproximadamente cinco anos de dados históricos foram usados para construir e validar o modelo. Espera-se que este modelo possa reduzir o tempo de disposição de um evento substancialmente e com isto facilitará a manutenção praticada pelo operador.