Este proyecto innovador pretende mejorar la eficiencia operativa de la aerolínea al prever situaciones de AOG (Aircraft on Ground) y reducir las intervenciones urgentes de mecánicos, así como los envíos de material asociados. Esto contribuye a evitar retrasos y cancelaciones de vuelos debido a incidencias técnicas, mejorando la satisfacción de los pasajeros y reduciendo las emisiones de CO2.
La financiación de la Unión Europea, a través de 'Red.es', fue crucial para llevar a cabo actividades como: el desarrollo del modelo predictivo, el estudio exhaustivo de la vida de cada componente crítico, la aplicación de técnicas de Machine Learning e Inteligencia Artificial, la inclusión de nuevas variables en el estudio de la fiabilidad, y la creación de un cuadro de mando, para visualizar las predicciones obtenidas.
El resultado final fue un cuadro de mando que facilita, a los usuarios involucrados en el estudio de la fiabilidad y prevención de AOGs, la visualización y comprensión intuitiva de los datos, permitiendo análisis en tiempo real y la toma de decisiones informadas.
Los resultados de las predicciones del modelo fueron alentadores, lo que motiva a continuar trabajando en la evolución del proyecto. Se han establecido líneas de actuación para una potencial segunda fase, como un estudio más detallado de los modelos utilizados para cada componente y la incorporación de datos adicionales según se produzcan eventos de mantenimiento, para mejorar la precisión de los modelos.
