确定机器的零件利用的制作方法

本公开一般涉及确定机器(作为一个示例，诸如航空交通工具)的零件利用。

背景技术：

1、多部件机器包括可具有不同寿命周期的零件的组合。此类机器的运营可以以不同于其他零件的速率利用某些零件，并且可以涉及以不同速率更换零件以维持其运营。高度复杂的机器，诸如交通工具，并且更特别地是航空交通工具，诸如飞行器，包括大量和各种各样的零件，这些零件以各种不同的速率利用和更换。此外，在给定类别的机器(例如，航空交通工具)的不同配置中，特定零件可能仅适用于那些配置的子集。各种实体，包括机器或其零部件的制造商、中间供应商、维护服务提供商和机器运营商可能寻求了解零件利用情况，包括零件对不同群体的机器的适用性，以确保零件可用性和此类机器的持续运营。

技术实现思路

1、公开了一种用于确定机器(诸如航空交通工具)的零件利用的计算系统和方法。根据示例，获得第一数据集，所述第一数据集识别定义了第一群体的航空交通工具的配置的物理参数和所识别零件对于第一群体的零件适用性。获得第二数据集，所述第二数据集识别定义与第一群体的物理参数不同的第二群体的航空交通工具的配置的物理参数。为第二群体确定推断出的零件适用性，该推断出的零件适用性描述所识别零件被第二群体利用的概率。推断出的零件适用性是至少部分地基于零件适用性以及第一群体的物理参数与第二群体的物理参数之间的关系来概率地推断的。输出零件利用值，该零件利用值至少部分地基于推断出的零件适用性来识别所识别零件对第二群体的零件利用的测量值。

2、本技术实现要素：不旨在识别所要求保护的主题的基本特征、功能或优点，所要求保护的主题的范围也不限于解决本公开所识别的任何问题或缺点的实现方式。在至少一些示例中，本文公开的特征、功能和优点可以在各种实施例中独立地实现，或者可以组合到其他实施例中。

技术特征：

1.一种由计算系统(200)执行的用于确定航空交通工具(100)的零件利用的方法(400)，所述方法(400)包括：

2.根据权利要求1所述的方法(400)，其中所述识别零件(130，322的part_a)被所述第二群体(128-2)的航空交通工具(100)利用的所述概率(330，332)是基于所述第一群体(128-1)的航空交通工具(100)的所述物理参数(120-1的124)和所述第二群体(128-2)的航空交通工具(100)的所述物理参数(120-1的124)之间的所述关系(406)的比较，并且进一步基于对所述识别零件(130，322的part_a)的实体兴趣(332)的测量值而递归地确定的。

3.根据权利要求1所述的方法(400)，其中所述零件利用值(428)识别所述识别零件(130，322的part_a)被所述第二群体(128-2)的航空交通工具(100)利用的所述概率(330，332)。

4.根据权利要求1所述的方法(400)，其中所述第二数据集(404)进一步识别所述第二群体(128-2)的航空交通工具(100)的数量(432)；

5.根据权利要求1所述的方法(400)，其中所述第二数据集(404)进一步识别所述第二群体(128-2)的航空交通工具(100)的数量(432)和所述第二群体(128-2)的航空交通工具(100)中的每个航空交通工具(100)的年龄(434)；

6.根据权利要求5所述的方法(400)，其中所述识别零件(130，322的part_a)与定义所述识别零件(130，322的part_a)的零件寿命周期的持续时间(436)相关联；以及

7.根据权利要求1所述的方法(400)，其中所述第一群体(128-1)的航空交通工具(100)的所述物理参数(120-1的124)包括第一机身类型(408)；以及

8.根据权利要求1所述的方法(400)，其中所述第一群体(128-1)的航空交通工具(100)的所述物理参数(120-1的124)包括第一发动机类型(410)；

9.根据权利要求1所述的方法(400)，其中所述第一群体(128-1)的航空交通工具(100)的所述物理参数(120-1的124)包括所述第一群体(128-1)的航空交通工具(100)中的样本航空交通工具(100，324的config_a)的第一重量或推力值(412)；

10.根据权利要求1所述的方法(400)，其中所述第一群体(128-1)的航空交通工具(100)由第一制造商(152)制造，并且其中所述第二群体(128-2)的航空交通工具(100)由不同于所述第一制造商(152)的第二制造商(142)制造。

11.根据权利要求1所述的方法(400)，其中所述零件利用值(428)进一步识别所述第二群体(128-2)的航空交通工具(100)对所述识别零件(130，322的part_a)的未来零件利用(416，446)的预测。

12.根据权利要求1所述的方法(400)，其中所述识别零件(130，322的part_a)是多个识别零件(130，322)中的一个，所述方法(400)进一步包括将所述多个识别零件(130，322)中的每个识别零件(130，322的part_a至part n)分类为一个或多个零件类别(328)。

13.根据权利要求12所述的方法(400)，进一步包括确定所述一个或多个零件类别(328)中的每个的未来零件利用(416)的预测。

14.根据权利要求1所述的方法(400)，进一步包括输出一个或多个所识别零件(130，322的part_a至part n)的列表(448)，对于所述识别零件(130，322的part_a至part n)中的每个，推断满足或超过所述识别零件(130，322的part_a至part n)被所述第二群体(128-2)的航空交通工具(100)利用的阈值概率的相应概率(330，332)。

15.一种由计算系统(200)执行的用于训练推断模型以确定航空交通工具的零件利用的方法(800)，用于训练推断模型(228)以确定航空交通工具(100)的零件利用，所述方法(800)包括：

16.根据权利要求15所述的方法，其中进一步基于一个或多个实体对所述一个或多个所识别零件(130，322)的兴趣测量值(810)来训练所述推断模型(228)。

17.根据权利要求15所述的方法，其中在递归过程中训练所述推断模型(228)，在所述递归过程中基于对所述输入零件(322的part_b)中的实体兴趣(332)的测量值，以及与航空交通工具(100)的所述群体(128-1)的物理参数(120-2的122)和所述输入航空交通工具(324的config_b)的物理参数(120-1的124)之间的关系(808)有关的概率(330)，来更新一个或多个先验。

18.根据权利要求15所述的方法，其中所述推断模型(228)进一步基于以下中的一个或多个来训练：航空交通工具零件配置数据(242，252)、从监管机构数据库(242，256)获得的数据、关于售后市场细分市场中的航空交通工具零件数量的数据(242，266)，以及关于原始制造细分市场中的航空交通工具零件的数量的数据(242，266)。

19.根据权利要求15所述的方法，其中使用递归贝叶斯状态估计来训练所述推断模型(228)。

20.一种计算系统(200)，包括：

技术总结本发明涉及确定机器的零件利用。公开了一种用于确定诸如航空交通工具的机器的零件利用的计算系统和方法。根据示例，获得识别定义第一群体的航空交通工具的配置的物理参数和所识别零件对第一群体的零件适用性的第一数据集。获得识别定义与第一群体物理参数不同的第二群体的航空交通工具的配置的物理参数的第二数据集。确定第二群体的推断出的零件适用性，其描述所识别零件被第二群体利用的概率。输出基于推断出的零件适用性识别所识别零件对第二群体的零件利用的测量值的零件利用值。技术研发人员：D·R·罗伯逊受保护的技术使用者：波音公司技术研发日：技术公布日：2024/9/12