Aplicación de técnicas de Big Data Analytics para la detección de fugas de combustible en aviones

Actualmente, se detecta la aparición de la mayor parte de fugas de combustible en un avión una vez ha aterrizado, cuando los operarios de mantenimiento realizan una inspección visual y observan combustible cayendo de los depósitos. La detección automática de fugas de combustible que realiza el sistema del avión no es precisa debido al error de medida del volumen de combustible en los depósitos.
En este proyecto se quiere mejorar esta detección automática mediante el desarrollo de una nueva aplicación de técnicas de Big Data Analytics y Machine Learning, utilizando los datos operacionales de casi medio millar de vuelos reales. Con estos datos se ha creado una metodología de detección de fugas de combustible que ha mejorado la capacidad de detectar fugas para prevenir fallos catastróficos posteriores. Esto a su vez permitirá reducir las tareas de mantenimiento no programado, lo que derivará en una reducción de costes y una mejora en el OEE global de las aeronaves.

Currently, the appearance of the majority of fuel leaks in an airplane is detected once it has landed, when maintenance operators perform a visual inspection and observe fuel falling from the tanks. The automatic detection of fuel leaks carried out by the aircraft system is not accurate due to the error in measuring the volume of fuel in the tanks.
In this project we want to improve this automatic detection by developing a new application of Big Data Analytics and Machine Learning techniques, using the operational data of almost half a thousand real flights. With this data, a fuel leak detection methodology has been created that has improved the ability to detect leaks to prevent subsequent catastrophic failures. This in turn will reduce unscheduled maintenance tasks, which will result in a reduction in costs and an improvement in the overall OEE of aircraft.