El investigador de la Universidad Europea del Atlántico (UNEATLANTICO), Ernesto Bautista Thompson, en conjunto con otros investigadores, propone un modelo de red neuronal artificial (ANN) para predecir con exactitud las piezas de una aeronave que deben ser reemplazadas.
La seguridad es la característica más importante para las organizaciones de aviación. No obstante, enfrentan dificultades para pronosticar con precisión las partes que requieren de repuestos cuando los datos son irregulares o imprecisos.
Así mismo, es difícil pronosticar con exactitud los repuestos, vinculados con la seguridad, que se necesitan en el futuro; es la parte más compleja en la gestión de inventarios. Esto representa un desafío para las organizaciones responsables del mantenimiento de las flotas de aviación. Esta problemática es la menos investigada en el ámbito de la aviación y resulta necesario estudiarla.
Dado a lo anterior, esta investigación propone un modelo de red neuronal artificial (ANN) para predecir con exactitud las piezas que presentan fallas. El objetivo de este modelo es que las pequeñas y grandes empresas de aviación tengan disponibles las piezas de repuesto adecuadas en el momento necesario y en el lugar requerido.
Ya que la demanda de repuestos se da de una manera irregular e intermitente, por lo tanto, es difícil establecer un patrón de demanda.
Resultados
Esta investigación tiene un papel muy importante para pronosticar la demanda de repuestos de aviación, mediante una nueva y eficiente manera de pronosticar la misma. Se ha determinado que ANN es la mejor técnica de pronóstico para manejar e inferir futuras demandas irregulares.
De manera sintetizada, este modelo toma en consideración la cantidad demandada en lugar de la cantidad emitida. Para asistir futuras demandas de repuestos, toma en cuenta la información previa que denota la falta de repuestos en los almacenes para evitar que hagan falta. Este método también pronostica las temporadas irregulares de las demandas de repuestos y lo más importante es que detecta las piezas que deben ser sustituidas.
Además, contribuye a la seguridad aérea al disminuir el número de vuelos con componentes que presentan fallos. Se espera que la predicción exacta de piezas de repuestos críticos y costosos ayude a las empresas a ahorrar costos, minimice el tiempo de inactividad y optimice la preparación de los drones, las aeronaves de ala fija y los helicópteros.
Si quieres conocer más sobre este fascinante estudio, clic aquí.
Para leer más investigaciones, consulta el repositorio de UNEATLANTICO.