بناء نظام متكامل للتنبؤ بالعمر المتبقي RUL لمحركات الطائرات

هذا المشروع متكامل يدمج بين الهندسة الميكانيكية وتعلم الآلة (Machine Learning) للتنبؤ بالعمر المتبقي (RUL) لمحركات توربينية معقدة (NASA CMAPSS).

لماذا يختلف هذا المشروع عن مجرد كود برمجى؟

بصفتي مهندس، لم أتعامل مع البيانات كأرقام مجردة، بل كـ "أنماط تدهور فيزيائي":

تحديد الحساسات الحرجة: ركزت على الحساسات الأكثر تأثراً بتآكل المكونات الدوارة وضغوط الضاغط.

النمذجة الرياضية: استخدمت Random Forest لنمذجة علاقة غير خطية بين ظروف التشغيل ومعدل استهلاك المعدة.

تحويل التوقعات إلى قرارات: قمت ببناء Dashboard يمنح مهندس الصيانة "نافذة زمنية" كافية للتخطيط للإصلاح قبل حدوث عطل كارثي.

الجانب التقني والهندسي للمشروع:

Deployment: قمت ببناء خط إنتاج بيانات كامل (Deployment Pipeline) باستخدام Streamlit و Python.

Reliability Metrics: نظام تنبيه ذكي عند وصول المحرك لـ "عتبة الخطر" الميكانيكي.

Data Visualization: تمثيل بياني تفاعلي يوضح اتجاهات (Trends) الحساسات، مما يسهل عملية الـ Root Cause Analysis.

الهدف دائماً هو الانتقال من الصيانة التقليدية المكلفة إلى الصيانة الذكية التي تضمن أقصى اعتمادية (Reliability) بأقل تكلفة تشغيلية.