今回から話題を変えて、航空機エンジンの整備・修理・オーバーホールを意味する「エンジンMRO(Maintenance, Repair and Overhaul)」の話題を取り上げてみたい。

RTX傘下のプラット&ホイットニーが2026年7月15日に、エンジンの内視鏡検査におけるAIの活用に関するプレスリリースを出した。内視鏡というと人間を相手に使うものというイメージがあるが、実は航空機のエンジン検査では昔から使われているデバイスだ。→連載「航空機の技術とメカニズムの裏側」のこれまでの回はこちらを参照

  • ジェット・エンジンの内部を検査する場面では、昔から内視鏡を活用している(JAL A350-1000報道公開で筆者撮影)

    ジェット・エンジンの内部を検査する場面では、昔から内視鏡を活用している(JAL A350-1000報道公開で筆者撮影)

航空機エンジンの検査に内視鏡が必要な理由

ジェット・エンジンとは、ケーシングの内部でタービンや圧縮機を構成する軸と羽が高速で回転しているデバイス。もちろん、タービンや圧縮機を構成する羽根(ブレード)、あるいはそれらを取り付けるケーシングといったものに、腐食やクラックが生じたらトラブルの元だ。

実際、ケーシングにクラックが入ったせいで、ケーシングの内部をくりぬいて設けていた潤滑油の配管が壊れて潤滑油が抜けてしまい、それが原因でエンジン停止を余儀なくされた事故の事例がある。

また、ブレード、あるいはそれを取り付けているディスクにクラックや破損が生じれば、ブレードが壊れて吹き飛んで、エンジンの破壊に至る可能性もある。

ところが、いずれもケーシングの内部で精緻に組み付けられているものだから、蓋を開けて覗いて検査しますというわけにはいかない。まして、検査の度にいちいちエンジンをバラすわけにもいかない。時間も手間もかかってしまう。

そんなこんなの事情から、ジェット・エンジンの内部にある重要部品を検査するときには内視鏡の出番となる。内視鏡をエンジンの内部に差し込んで、その映像を見ながら、腐食や破損、あるいはその兆候が発生していないかどうかを調べる。

内視鏡の映像解析にAIを活用、異常の発見を支援

その検査は、整備士の眼力によるのが従来のやり方だった。そこにAIを持ち込みましょうというのが、プラット&ホイットニーによる件の発表の骨子。これは、オランダのアムステルダムに拠点を置くAiir Innovations という会社を買収して傘下に収めたことで実現したもの。

腐食やクラックが生じている、あるいは生じそうになっているときにどんな絵面になるかをAIに学習させておいて、それに合致するものを見つけたらアラートを出す。そんな話になるのだろう。

これに限らず、映像を食わせて「何が映っているかを判読させる」というAIの使い方は、航空宇宙・防衛分野でいろいろ出てきている。生身の人間の眼力でも同じことはできるが、それをより迅速に、正確に、安価に行えれば、MROに関わるコストの抑制や、整備の際のダウンタイム短縮につながると期待できる。

プラット&ホイットニーがリリースを出した時点では、まずV2500エンジンを対象にして導入。さらに、GTF(Geared Turbofan)エンジンの一族や、F-35用のF135エンジンについても試行したところだという。

  • GTFエンジンも、AIを援用する内視鏡検査の対象になる 撮影:井上孝司

    GTFエンジンも、AIを援用する内視鏡検査の対象になる 撮影:井上孝司

AIを活用することのメリットは、最初に「AIによる画像判読」を実現するだけでなく、その後の実績に基づいて学習と進化を繰り返せる点にもあると考えられる。プラット&ホイットニーによると、検査担当者からのフィードバックを反映することで、AIによる分類の精度を継続的に改善できるという。後になって「こういう状態になった部品が、その後に壊れた」という事例が出てきたら、それを取り込んでアップデートできる。

AIはエンジンの整備や部品管理にも活用できる?

ここまでは検査そのものに関する話だが、検査した結果として破損の兆候が見つかったら、その部品を取り替えなければならない。すると、整備業務管理やサプライチェーン管理といった話も絡んでくる。これもまた、AIを活用する事例が増えている分野のひとつ。

整備だけでなく、機体の運用状況に関するデータも取り込んで比較照合すれば、「こういう運用をしている機体は、エンジンのうち、これこれのパーツが傷みやすい傾向がある」といったデータが浮かび上がってくる可能性もある。F-35のALIS(Autonomic Logistics Information System)やODIN(Operational Data Integrated Network)みたいに、機体の運用からMROまでひとつのシステムでまとめて面倒を見ることのメリットは、そういうところにも現れる。

  • F-35のように、MROに関連する情報を一元的に管理するシステムがあれば、そこから得られるビッグデータが役に立つ可能性がある……はずだが、それはあくまで最新のデータが適切に入力されていればという話。そこに問題があるという報告が、最近になって出ている 撮影:井上孝司

    F-35のように、MROに関連する情報を一元的に管理するシステムがあれば、そこから得られるビッグデータが役に立つ可能性がある……はずだが、それはあくまで最新のデータが適切に入力されていればという話。そこに問題があるという報告が、最近になって出ている 撮影:井上孝司

エンジンや機体のメーカーにしてみれば、さまざまなカスタマーがいて、それぞれ運用環境や運用条件が異なるときに、それらのデータを手元に集めて解析することもできよう。すると、同じ機種の機体、あるいはエンジンであっても、カスタマーによって故障や破損が発生する頻度や部位に違いが現れる可能性がある。

また、「こんな飛び方をしているから、こうなるはず」ではなく、機体構造材にかかった負荷やエンジンあるいは搭載機器の動作状況に関する実データを収集・蓄積・解析すれば、本物のデータという裏付けが得られる。それと部品の交換、あるいは腐食や破損の状況に関するデータをまとめてAIに食わせて、解析するソリューションも考えられる。

そうやってAIでいぶり出したデータあるいは傾向を、カスタマーサービス、あるいは今後の製品設計や製造プロセスの改善に反映させることができれば、結果としてメーカーもカスタマーも幸せになれるかも知れない。

必要なときに必要なパーツやコンポーネントを適切に送り届ける場面でも、過去のデータに基づいてAIが適切な予測をできれば、確実性が高まり、かつ無駄を減らせるのではないか。

といったところで次回は、そのエンジンMROのプロセス全体について、もう少し俯瞰的に取り上げてみたい。