Martín Prats, María de los ÁngelesVon Thadden, Johannes2025-03-242025-03-242024-12-04Bautista Hernández, J. (2024). Predictive safety Algorithms in Aerospace to develop sustainable digital Engineering. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/170772Electrical harnesses carry signals and electrical power between different aircraft equipment, such as electronic devices, circuit breakers, sensors and contactors, through a set of wires called an electrical harness. The manufacturing of electrical harnesses is a complex process that involves many stages that are interconnected with each other. At assembly lines, where all components of an aircraft are installed, frequently appear errors threaten safety. These errors are mainly generated from manual operations applied during the creation of manufacturing documentation. Thus, developing an advanced methodology to ensure systems safety is needed. Technologies, such as artificial intelligence, predictive algorithms, machine learning, and automation, can play a key role in enhancing safety. The innovative methods that artificial intelligence (AI) proposes are capable to automatically evaluate the risk of creating errors compared to existing traditional methods that do not establish this consideration. The specific AI techniques, such as support vector machine, random forest, logistic regression, K-nearest neighbour and XGBoost, show good performance to be used for error mitigation. Results linked to a typical electrical harness manufacturing of a military aircraft (C295) estimated a reduction by 93% in time and 90%reduction in error during creation of engineering manufacturing processes using such as AI techniques. Cybersecurity plays a relevant role in the new digital age. The implementation of measures and advanced methodologies to detect and prevent cyberattacks are fundamental. The results presented after the injection of false data on the existing dataset used for the AI model developed, indicate an increment of the probability of creating an error by 24.22% on the outcomes required for the generation of the manufacturing processes. The main objective of this research is to create a risk matrix innovative AI-model based on the creation of predictive algorithms developed through artificial intelligence technology, which will have the capacity to predict and mitigate errors that would potentially be created during engineering processes in the aerospace industry. Consequently, this innovative methodology will reduce to zero the errors generated during the creation of the engineering processes necessary for the manufacturing of electrical harnesses, improving the existing process, enhancing safety and keeping the aeronautical industry at the highest levels of safety.Los arneses eléctricos transportan señales y energía eléctrica entre diferentes equipos de la aeronave, como dispositivos electrónicos, disyuntores, sensores y contactores, a través de un conjunto de cables llamado arnés eléctrico. La fabricación de mazos eléctricos es un proceso complejo que involucra muchas etapas que están interconectadas entre sí. En las líneas de montaje, donde se instalan todos los componentes de un avión, a menudo aparecen errores que amenazan la seguridad. Estos errores se generan principalmente a partir de operaciones manuales aplicadas durante la creación de la documentación de fabricación. Por lo tanto, es necesario desarrollar una metodología avanzada para garantizar la seguridad de los sistemas. Las tecnologías, como la inteligencia artificial, los algoritmos predictivos, el aprendizaje automático y la automatización, pueden desempeñar un papel clave en la mejora de la seguridad. Los métodos innovadores que propone la inteligencia artificial (IA) son capaces de evaluar automáticamente el riesgo de generar errores en comparación con los métodos tradicionales existentes que no establecen esta consideración. Las técnicas de IA específicas, como la máquina de vectores de soporte, el bosque aleatorio, la regresión logística, el vecino K más cercano y XGBoost, muestran un buen rendimiento para su uso en la mitigación de errores. Los resultados relacionados con la fabricación de un arnés eléctrico típico de un avión militar estimaron una reducción del 93% en el tiempo y del 90% en el error durante la creación de procesos de fabricación de ingeniería utilizando técnicas basadas en la IA. La ciberseguridad juega un papel relevante en la nueva era digital. La implementación de medidas y metodologías avanzadas para detectar y prevenir ciberataques es fundamental. Los resultados presentados después de la inyección de datos falsos en el conjunto de datos existente utilizado para el modelo de IA desarrollado, indican un incremento de la probabilidad de crear un error en un 24.22% sobre los resultados requeridos para la generación de los procesos de fabricación. El principal objetivo de esta investigación es crear un modelo de IA innovador de matriz de riesgo basado en la creación de algoritmos predictivos desarrollados a través de tecnología de inteligencia artificial, que tendrá la capacidad de predecir y mitigar errores que potencialmente se crearían durante los procesos de ingeniería en el sector aeroespacial. En consecuencia, esta innovadora metodología reducirá a cero los errores generados durante la creación de los procesos de ingeniería necesarios para la fabricación de arneses eléctricos, mejorando el proceso existente, potenciando la seguridad y manteniendo la industria aeronáutica en los más altos niveles de seguridad.application/pdf90 p.engAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccess