Lepsze wykorzystanie danych lotu
Transport powietrzny jest bardzo bezpieczny. Mimo to, z uwagi na rosnący ruch lotniczy i coraz bardziej restrykcyjne wymogi, przemysł lotniczy musi starać się jeszcze bardziej zwiększyć bezpieczeństwo. W tym kontekście powstał finansowany ze środków UE projekt SVETLANA ("Safety (and maintenance) improvement through automated flight data analysis"). Celem tej realizowanej przez UE i Rosję inicjatywy była poprawa zdolności programów monitorowania danych lotów w ramach lotnictwa cywilnego. W pierwszej kolejności uczestnicy SVETLANA opracowali nową metodę analityczną. Wykorzystali do tego techniki eksploracji danych w zautomatyzowanym procesie detekcji. Po tych analizach zastosowano pętlę informacji zwrotnych, polegającą na ocenie udoskonalonych rozwiązań dotyczących inteligentnej konserwacji i bezpieczeństwa lotu przez ekspertów. W ramach projektu SVETLANA powstało również kilka algorytmów eksploracji danych. W pracach tych wykorzystano wyniki najnowszych badań w dziedzinie detekcji anomalii, a dla dwóch algorytmów złożono wnioski patentowe. Partnerzy projektu opracowali architekturę systemu analitycznego oraz usunęli jego ograniczenia. W innowacyjnych rozwiązaniach uwzględniono definicję powszechnych formatów, co ma kluczowe znaczenie dla standaryzacji metod analitycznych w Europie i Rosji. Formaty takie pozwoliły na zebranie kilku zewnętrznych źródeł danych i opracowanie udoskonalonych technik filtrowania, walidacji parametrów oraz zarządzania przepływem danych. Wreszcie, niezależna od samolotu analiza danych lotu ułatwiła opracowywanie opatentowanych algorytmów wykrywania anomalii (RDE) oraz specjalnego systemu HMI wspieranego przez użytkowników końcowych. Przeprowadzono ogólną ocenę nowego systemu analizy danych lotu. Wykorzystano w niej zarówno symulowane, jak i autentyczne dane lotu ze źródeł europejskich i rosyjskich. Algorytmy detekcji anomalii opracowane w ramach tego zakończonego już projektu znajdą również zastosowanie w innych dziedzinach poza sektorem lotniczym. Jak dotąd, wykorzystano je z powodzeniem w medycynie przy tworzeniu systemu monitorowania i przewidywania stanu zdrowia pacjenta w czasie rzeczywistym.
