СТАТИСТИЧЕСКОЕ ОБОСНОВАНИЕ И ВАЛИДАЦИЯ ПРОГНОСТИЧЕСКОЙ МОДЕЛИ ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ АВИАЦИОННЫХ СИСТЕМ НА ПРИМЕРЕ ВНЕШНЕГО СВЕТОВОГО ОБОРУДОВАНИЯ

2025

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.53364/24138614_2025_39_4_18
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Статья посвящена разработке и валидации методики построения прогностической модели технического обслуживания авиационной техники на основе статистического анализа реальных эксплуатационных данных. В качестве модельного объекта выбрана категория отказов «Внешнее световое оборудование» (External Lights), характеризующаяся высокой частотой событий и критическим влиянием на регулярность вылетов. Исследование базируется на наборе из 13204 записей о техническом обслуживании и ремонте девяти воздушных судов за семилетний период. Методологическая новизна работы заключается в обосновании процедуры предварительной обработки данных. Применена фильтрация по 0,95 квантилю для цензурирования аномальных интервалов, связанных с длительными простоями воздушных судов. Ключевым результатом является статистическое обоснование выбора экспоненциального распределения для описания потока отказов. Сравнительный анализ с двухпараметрическим распределением Вейбулла (на основе информационного критерия Акаике и теста Колмогорова-Смирнова) показал отсутствие значимого прироста точности при усложнении модели (параметр формы β  1,04). Финальным результатом является построенная вероятностная модель, позволяющая количественно оценивать риски отказов. Практическая значимость работы заключается в создании интерпретируемого инструмента для инженерных служб, который, в отличие от моделей машинного обучения, обеспечивает прозрачность принятия решений и оптимизацию складских запасов.