Influência e benefícios do uso da inteligência artificial (IA) no monitoramento de saúde estrutural (MSE) do setor aéreo comercial
DOI:
https://doi.org/10.47456/bjpe.v11i4.47925Palavras-chave:
Aviação Comercial, Inteligência Artificial, Monitoramento de Saúde EstruturalResumo
O Monitoramento de Saúde Estrutural (MSE) vem atraindo a comunidade de pesquisa nas últimas décadas para permitir o projeto de aeronaves mais leves, seguras e até mesmo mais limpas. Portanto, considerando que o MSE se trata de um aspecto crítico da manutenção e segurança da infraestrutura de uma aeronave, este presente estudo buscou explorar a crescente influência da Inteligência Artificial (IA) no MSE do setor aéreo comercial, mostrando os principais benefícios do uso da IA neste segmento. A metodologia aplicada para o desenvolvimento do presente estudo foi a revisão bibliográfica. A pesquisa feita teve um aspecto de exploratória-descritiva, de caráter qualitativa. Concluiu-se que, com o avanço da digitalização, o volume de dados processados pelas empresas de produção e manutenção está crescendo e, consequentemente, a demanda por IA para a manipulação desses dados também está crescendo. A manutenção preditiva fundamentada na IA pode auxiliar na otimização dos planos de manutenção, na previsão da vida útil restante dos componentes e, por conseguinte, na prevenção de danos.
Downloads
Referências
Aktan, E. et al. (2024). Lessons from Bridge Structural Health Monitoring (SHM) and Their Implications for the Development of Cyber-Physical Systems. Infrastructures, 9(2), 30-33.
Allied Market Research. (2023). Artificial Intelligence (AI) Market Size, Share, Competitive Landscape and Trend Analysis Report, by Component, by Technology, by Deployment Mode, by Enterprise Size, by Business Function, by Type, by Industry Vertical. Global Opportunity Analysis and Industry Forecast. Recuperado de https://www.alliedmarketresearch.com/artificial-intelligence-market
Boeing. (2024). Insight Accelerator. Global Services. Recuperado de https://services.boeing.com/maintenance-engineering/maintenance-optimization/insight-accelerator
Brasil. FAB. Força Aérea Brasileira. (2024). FAB aposta em Inteligência Artificial para eficiência, segurança e inovação tecnológica. Ministério da Defesa. Recuperado de https://www.fab.mil.br/noticias/mostra/43576
Cusati, V. et al. (2021). Impact of Structural Health Monitoring on Aircraft Operating Costs by Multidisciplinary Analysis. Sensors, 21(20), 9-38.
FAA. Federal Aviation Administration. (2024). Roadmap for Artificial Intelligence Safety Assurance. Version I. Recuperado de https://www.faa.gov/aircraft/air_cert/step/roadmap_for_AI_safety_assurance
Gharehbaghi, V. R. et al. (2022). A Critical Review on Structural Health Monitoring: Definitions, Methods, and Perspectives. Arch Computat Methods Eng, 29(1), 22-35.
Khalaf, D. R., & Hamam, R. S. (2024). Structural health monitoring of aircraft through prediction of delamination using machine learning. PeerJ Computer Science, 10(1), 19-55.
Plevris, V., & Papazafeiropoulos, G. (2024). AI in Structural Health Monitoring for Infrastructure Maintenance and Safety. Infrastructures, 9(12), 2-5.
Seno, A. H., & Aliabadi, M. H. F. (2022). Impact Localisation in Composite Plates of Different Stiffness Impactors under Simulated Environmental and Operational Conditions. Sensors, 19(1), 36-59.
Silva, C. L. C. (2014). Monitoramento da Saúde Estrutural na Aviação Comercial (Structural Health Monitoring in Commercial Aviation). University of Taubate, 1(1), 1-5.
Tschöke, K. et al. (2021). Feasibility of Model-Assisted Probability of Detection Principles for Structural Health Monitoring Systems based on Guided Waves for Fibre-Reinforced Composites. IEEE Trans. Ultrason. Ferroelectr. Freq. Control, 68(1), 3156-3173.
Yue, N., & Aliabadi, M. H. (2021). Hierarchical approach for uncertainty quantification and reliability assessment of guided wave-based structural health monitoring. Structural Health Monitoring., 20(5), 2274-2299
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Costa, E.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Todos os trabalhos publicados na Brazilian Journal of Production Engineering (BJPE) estão licenciados sob a Creative Commons Atribuição 4.0 Internacional (CC BY 4.0).
Isso significa que:
-
Qualquer pessoa pode copiar, distribuir, exibir, adaptar, remixar e até utilizar comercialmente os conteúdos publicados na revista;
-
Desde que sejam atribuídos os devidos créditos aos autores e à BJPE como fonte original;
-
Não é exigida permissão adicional para reutilização, desde que respeitados os termos da licença.
Esta política está em conformidade com os princípios do acesso aberto, promovendo a ampla disseminação do conhecimento científico.
2.png)
