No gerenciamento de frotas, as aeronaves passam por inspeções de fase para maximizar sua disponibilidade. Uma aeronave é imobilizada após atingir um limite máximo de horas de voo acumuladas desde sua última inspeção de fase. Para gerenciar esse processo, os planejadores usam um índice de tempo distribuído para rastrear o ciclo de fase de cada aeronave e manter os aviões respectivamente em fase. À medida que os aviões quebram e as linhas de manutenção ficam sobrecarregadas, a disponibilidade das aeronaves diminui; o efeito desejado para a missão é perdido e o uso constante de aviões sobressalentes gera futuros riscos de programação. Nesse exemplo, os planejadores são constantemente confrontados com a determinação de programações com vários fatores aleatórios e riscos. O modelo apresentado aqui via Simio é uma simulação de planejamento e programação baseada em risco para identificar o risco e considerar a aleatoriedade nos ciclos de fase. O resultado desse modelo oferece aos planejadores a oportunidade de inserir um cronograma real no sistema, avaliar a integridade da frota e realizar análises hipotéticas.
O ciclo de manutenção de fase de uma frota é determinado conceitualmente pela divisão do limite de restrição - máximo de horas de voo permitidas acumuladas desde a última inspeção de fase - pelo número total de aeronaves da frota. Por exemplo, uma frota com 20 aviões e 400 horas de restrição terá como meta ideal 20 horas entre as manutenções de fase por avião. Uma distribuição indexada ao tempo é comumente usada como representação gráfica para mostrar o tempo-alvo de cada avião até a fase. Esse conceito, quando representado graficamente, serve como uma técnica de contagem regressiva para um planejador determinar qual avião deve ser programado para a próxima manutenção em fases e onde um avião se encontra em sua janela de fase projetada. O gráfico também sobreporá um gráfico de dispersão das horas de voo reais acumuladas por avião. Para fins deste documento, esse valor será conhecido como "delta de fase" (o erro em relação à meta de fase ideal para cada avião).
As aeronaves são programadas para missões de treinamento (ritmo pré-planejado), manutenção em fases (1 a 3 semanas, dependendo das condições de trabalho), manutenção de rotina/agendada (algumas horas, alguns dias ou algumas semanas), manutenção de depósito (dura vários meses) e atividades não relacionadas a voos (dia a dia). Operações/implantações, manutenção não programada devido a "interrupções bruscas" são eventos importantes que ocorrem aleatoriamente e com pouca frequência. Os planejadores podem optar por "canibalizar" um avião e retirar suas peças para atender às necessidades de outros aviões avariados, a fim de evitar atrasos maiores no pedido de peças com prazos de entrega longos (2 a 4 semanas).
Principalmente as missões de treinamento são responsáveis pela grande maioria das atividades de voo. Uma única missão de voo pode durar de 1 a 3 horas, e os aviões são geralmente programados em grupos, e os grupos geralmente fazem voos consecutivos. Por exemplo, em um dia, um planejador programará 10 aviões para realizar uma missão, reabastecer, os mesmos 10 aviões completarão outra missão e, desses aviões, 2 ficarão na estação de origem e os 8 restantes continuarão a realizar outra missão. Os aviões não voarão mais de 5 missões consecutivas. Quanto mais um avião voar em um curto período de tempo antes de ir para a manutenção, maior será a probabilidade de ocorrer uma "parada forçada". Dos aviões que voam a cada semana (geralmente 10 a 14), ocorrem de 5 a 10 missões cada. 2 sobressalentes por semana podem voar entre 5 e 8 missões combinadas, em média. Isso não significa que ocorram de 5 a 8 quebras por semana.
Uma simulação foi modelada no Simio para desenvolver uma ferramenta de programação visual para planejadores de voo que precisam ter a capacidade de se adaptar a requisitos em constante mudança. Para simular esse caso, uma "entidade" é representada como uma "Ordem de Tarefa" ou "Solicitação", dependendo do caso. Cada avião é definido com as características de um "trabalhador", mas propriedades especiais foram aplicadas a cada avião para rastrear as diferentes atribuições/estados em que cada avião entra e sai. No início da simulação, foram atribuídas estatísticas fictícias para cada avião e elas representam uma distribuição de fluxo de fase padrão com pequenos erros. Missões de treinamento, operações, manutenção programada/não programada, manutenção em fases, manutenção de depósito, canibalizados, peças sobressalentes e eventos não relacionados a voos são representados como estações de "servidor".
À medida que os aviões são apreendidos pelas diferentes ordens/solicitações de tarefas, os aviões são organizados de forma elegante como um problema de atribuição básica. Essa abordagem permite que as informações sejam facilmente coletadas e armazenadas em tabelas, gráficos de Gantt, gráficos de controle e gráficos. Cada estação possui critérios de seleção detalhados sobre qual avião será escolhido com base no delta em fases, nas horas de voo ou em alguma condição de estado escolhida (ou seja, restrito, disponível, etc.). Uma tabela de chegada por data é criada para inserir dados reais no modelo.
A confiabilidade do F-16 possui inerentemente uma propriedade "sem memória", de modo que um avião pode voar 20 missões em 4 dias e ser muito suscetível a "quebras graves" (por exemplo, probabilidade de falha >10%), mas o mesmo avião pode voar 20 missões em 10 dias e estar em condições normais (probabilidade de falha <3%). Para modelar esse conceito de confiabilidade, as cadeias de Markov foram aplicadas atribuindo um vetor de variável de estado a cada avião que rastreia constantemente o número de voos que cada avião fez a cada dia, somente nos últimos sete dias, descartando os dados antigos. A probabilidade de ocorrência de um hardbreak é avaliada após cada voo usando a soma desse vetor de confiabilidade (RV) e depende de uma porcentagem de ocorrência de um 'hardbreak' em condições normais (por exemplo, RV <20) ou se um avião tiver acumulado um número limite de voos por semana (RV>=20).
Dentro do modelo, uma tabela de dados é criada para 1) estabelecer um trabalho equivalente em andamento (WIP) e permitir que o modelo comece em estado estável com estatísticas e locais para cada avião, 2) inicializar e atualizar variáveis de estado em tempo real 3) fornecer informações para alimentar gráficos/relatórios mostrando riscos e efeitos no ciclo de fase em um determinado cenário.
Um gráfico de Gantt está incorporado na guia de recursos de planejamento do modelo e pode ser visualizado na perspectiva de cada plano ou de cada "Tasking Order".
O índice de distribuição de tempo (à esquerda) é representado graficamente em tempo real no modelo. Isso permite que o planejador avalie a saúde da frota e visualize facilmente os resultados de um cenário hipotético específico. Além disso, limiares fictícios são mostrados no gráfico de controle (à direita) para exibir o erro de fase (horas atuais da meta de fase).
No modelo original, os planejadores segregam semanalmente as aeronaves disponíveis para voar, não voar ou para serem sobressalentes no caso de uma interrupção grave. Devido ao grande número de interrupções que podem ocorrer, a análise mostra que os aviões sobressalentes podem ser usados com a mesma frequência que os aviões programados normalmente em determinadas situações. Uma análise mais aprofundada fornecerá uma quantidade ideal de aeronaves sobressalentes necessárias nas condições atuais para permitir que os planejadores equilibrem os voos. Ao usar uma expressão ponderada e normalizada para selecionar o melhor avião, os planejadores agora poderão quantificar o risco.
O algoritmo usado nesse modelo permite que os planejadores deem prioridade às aeronaves com risco menor ou aceitável (ou seja, a quantidade adequada de descanso entre os voos é atendida). Espera-se que o uso desse algoritmo aumente a disponibilidade das aeronaves em 10-15%. O algoritmo usado no modelo retorna uma distribuição "boa" para a frota de acordo com os padrões do Guia de Manutenção da Força Aérea.
Com relação aos eventos que não são de voo, as aeronaves podem ser retiradas do pool de aeronaves disponíveis por dias. Por causa disso, as aeronaves utilizáveis não estão prontas como sobressalentes e parecem diminuir o tempo de descanso permitido entre os voos para os aviões, em média. Os critérios de seleção das aeronaves escolhidas para eventos que não sejam de voo não devem ser aleatórios, pois essa é uma oportunidade de equilibrar o erro de fase quando o avião está à frente da fase ou de descansar o avião quando ele se aproxima de um risco inaceitável.
Por fim, parece que a política atual de voar persistentemente com aviões que não foram adequadamente descansados manterá constantemente em risco a confiabilidade dos aviões desse sistema atual. Para permitir que os aviões descansem adequadamente, o período de descanso deve ser estudado e definido. Atualmente, a linha de manutenção determina a rapidez com que as aeronaves ficam disponíveis. Um estudo da eficiência da manutenção e do inventário disponível (ou seja, reduzir a necessidade de canibalizar aviões por muito tempo) é um meio possível de melhorar a disponibilidade das aeronaves.
Foi criado um modelo do processo de manutenção de fase do F-16 com dados fornecidos pela diretoria de análise do QG da USAFE-AFAFRICA. A análise ainda está em andamento para determinar o melhor curso de ação com o que a política permitirá. Atualmente, a lógica da confiabilidade, a experimentação com aviões sobressalentes e aeronaves em repouso devem ser mais estudadas antes de se fazer uma recomendação final. O modelo atual representa condições normais, mas usa dados fictícios para fins deste estudo de caso acadêmico.