Fujitsu gana el primer premio de mantenimiento predictivo para mejorar la seguridad de los helicópteros en el Desafío de IA de Airbus

• Denominado 'Airbus AI Gym' ha otorgado el primer premio a la multinacional nipona, al conseguir la solución más precisa de IA predictiva sin supervisión, para helicópteros. 
• Logró una precisión del 93% e identifica cuándo los sensores funcionan de manera inusual y muestra advertencias tempranas de fallos del vehículo.

Fujitsu ha sido galardonada con el primer premio del fabricante aeroespacial líder mundial Airbus SE, en una competición realizada en todo el mundo, para encontrar el uso más preciso de un sistema de inteligencia artificial (AI) sin supervisión.

La mejor clasificación en el desafío Airbus AI Gym¹ para el monitoreo preciso de sensores fue para la multinacional nipona, por desarrollar una forma de usar IA no supervisada que detecta anomalías en los datos del acelerómetro de helicópteros de pre-certificación de Airbus, por delante de otros 140 equipos que participaron en este desafío.

Los ingenieros de vuelo colocan grandes cantidades de sensores en los helicópteros de prueba para capturar cada matiz de su comportamiento. Con el objetivo de mejorar la detección de señales de alerta temprana para esta gran cantidad de datos, Airbus estableció su desafío AI Gym, fomentando la investigación de una nueva forma de localizar con precisión los posibles problemas, especialmente los datos de valores atípicos. Un equipo multidisciplinario de ingenieros especialistas apoya cada vuelo para estudiar este gran conjunto de observaciones, lo cual significa una inversión importante en cada vuelo realizado. Debido a que casi todos los datos del sensor se consideran "normales", este mecanismo debería funcionar sin la guía previa de los ingenieros.

La solución ganadora de Fujitsu logró un 93% de precisión, aprovechando su modelo de IA no supervisada "DeepTAN", creado por la subdivisión de la compañía, Fujitsu Systems Europe² (FSE). La solución tomó secuencias de datos de múltiples sensores y las analizó a lo largo de un período de tiempo fijo, detectando los comportamientos anormales de los sensores, utilizando un algoritmo de aprendizaje profundo basado en Multivariate Anomaly Detection con Generative Adversarial Networks3 [MAD-GAN]. FSE entrenó y validó el algoritmo en su propio centro de datos utilizando 1,677 secuencias de un minuto de datos del acelerómetro de helicópteros de prueba, que vuelan en varios lugares, ángulos y vuelos.

Fujitsu planea industrializarlo y diseñar una solución de análisis de series de tiempo sin supervisión, complementando a DeepTAN con funcionalidad extremo a extremo, integrated data pipelines y algoritmos más evolucionados.

Las nuevas funciones incluyen un mecanismo semi-supervisado para clasificar el tipo de anomalía del sensor, abordando el imperativo para que los ingenieros y los servicios de mantenimiento encuentren la causa raíz de las anomalías, e interpreten los datos de múltiples variantes y las correlaciones entre todos los vuelos de prueba, en un programa. Luego, la compañía podrá aportar valor a los clientes a lo largo del ciclo de vida de la aeronave, desde el vuelo de prueba y pre-entrega, hasta las aerolíneas y las organizaciones de Aviación MRO⁴.

Notas para los editores. 

1. Airbus está a la vanguardia en el desarrollo de tecnologías y soluciones de inteligencia artificial en la industria aeroespacial. A través de su plataforma colaborativa AI Gym, Airbus proporciona conjuntos de datos claros para que cualquier startup, empresa o institución pueda probar y entrenar sus algoritmos en datos de vida real. AI Gym representa una nueva forma de co-innovar, al demostrar los beneficios de las open partnerships y las relaciones de colaboración más allá de la industria aeroespacial. Para más información: https://aigym.airbus.com/ 
2. Fujitsu Systems Europe (FSE) se centra en soluciones innovadoras en el campo de computación técnica. FSE utiliza sus habilidades heredadas, basadas en muchos años de experiencia trabajando como proveedor de soluciones de HPC (computación de alto rendimiento), y las aplica a nuevas áreas en evolución como aprendizaje profundo, IA, HPDA (análisis de datos de alto rendimiento) y Cloud Computing. 
3. Generative Adversarial Network (GAN) es una clase de sistemas de aprendizaje automático donde dos redes neuronales compiten entre sí mediante un conjunto de datos de entrenamiento. 
4. Maintenance, Repair and Overhaul: organizaciones que prestan servicios a la industria de la aviación para continuar con las operaciones de aeronaves.