Aeronaves comerciais: uso do aprendizado de máquina para otimizar e simular a engenharia de reparos interiores

Abstract

O reparo de interiores de aeronaves comerciais é um processo lento, complexo e artesanal, muitas vezes dependente da experiência dos profissionais que consultam manual em vastos bancos de dados de normas e acervos técnicos. Abordagem lenta e morosa suscetível a variabilidades na tomada de decisões. Esta pesquisa explora o uso de Aprendizado de máquina para otimizar esse processo, aplicando visão computacional na identificação e recomendação algorítmica de reparos de danos utlizando processamento de linguagem natural (NLP) para extração de informações de manuais técnicos e modelos preditivos para recomendar soluções baseadas em históricos de manutenção. Como metodologia além da pesquisa em manuais técnicos e publicações inerentes ao tema utilizou-se ferramentas tecnológicas para aprimorar a precisão das recomendações e agilizar o acesso ao conhecimento técnico. Os resultados encontrados reduzem o tempo de análise, maior assertividade nas soluções de reparos e menor dependência da experiência individual dos profissionais, possibilitando uma padronização. Também foram discutidos desafios como integração com sistemas existentes e segurança da informação no setor aeronáutico.

Commercial aircraft interior repair is a slow, complex and artisanal process, often dependent on the experience of professionals who consult manuals in vast databases of standards and technical collections. This slow and time-consuming approach is susceptible to variability in decisionmaking. This research explores the use of Machine Learning to optimize this process, applying computer vision to identify and algorithmically recommend damage repairs using natural language processing (NLP) to extract information from technical manuals and predictive models to recommend solutions based on maintenance histories. In addition to researching technical manuals and publications related to the topic, technological tools were used as methodology to improve the accuracy of recommendations and speed up access to technical knowledge. The results found reduce analysis time, provide greater assertiveness in repair solutions and reduce dependence on the individual experience of professionals, enabling standardization. Challenges such as integration with existing systems and information security in the aeronautical sector were also discussed.