Modelling complexity in aircraft line maintenance: a mixed-integer linear programming approach with workforce considerations

Efficient maintenance scheduling is critical in the aviation industry to ensure safety, reliability, and cost-effectiveness. This thesis addresses the multifaceted challenges of aircraft line maintenance by developing a robust Decision Support System based on a Mixed-Integer Linear Programming (MILP) model. Focusing on the operational context of a mid-sized airline operating a mixed fleet of Boeing aircraft, the model integrates multiple real-world constraints, including weather forecast, technician certification requirements, and the complexities of multi-station maintenance operations. The proposed approach aims to minimize the deviation between planned maintenance dates and the planner assigned due date while optimizing resource utilization and ensuring adherence to task expiry regulations—set by calendar days, flight hours, or flight cycles. Key inputs to the model include detailed flight schedules, technician shifts, and a comprehensive database of maintenance tasks with specific time and staffing requirements. Implemented in Python and solved using the Gurobi optimization solver, the model is validated with operational data against key metrics, including scenario analyses such as variations in technician availability and the introduction of new aircraft into the fleet. Results indicate that the MILP-based Decision Support System efficiently schedules maintenance tasks while distributing workload where possible, improving the allocation of human resources. Moreover, the model’s adaptability to dynamic operational conditions underscores its potential as a scalable tool for modern airline maintenance planning. The thesis concludes with a discussion of model limitations and proposes avenues for future research, emphasizing the broader applicability of advanced optimization techniques in the field of aircraft maintenance.

Una pianificazione efficiente della manutenzione è fondamentale nel settore aeronautico per garantire sicurezza, affidabilità ed efficienza dei costi. Questa tesi affronta le sfide multiformi della manutenzione di linea degli aeromobili sviluppando un robusto Sistema di Supporto alle Decisioni basato su un modello di Programmazione Lineare a Numeri Interi Misti (MILP). Concentrandosi sul contesto operativo di una compagnia aerea di medie dimensioni che opera una flotta mista di aeromobili Boeing, il modello integra molteplici vincoli reali, inclusi le previsioni meteorologiche, i requisiti di certificazione dei tecnici e le complessità delle operazioni di manutenzione multi-stazione. L'approccio proposto mira a minimizzare la deviazione tra le date di manutenzione pianificate e la date di inizio ideali assegnate dal pianificatore, ottimizzando al contempo l'utilizzo delle risorse e garantendo l'aderenza alle scadenza delle attività—stabilite in giorni di calendario, ore di volo o cicli di volo. Gli input chiave del modello includono lo schedulato di volo, turni dei tecnici e un database completo delle attività di manutenzione con requisiti specifici di tempo e personale. Implementato in Python e risolto utilizzando il risolutore di ottimizzazione Gurobi, il modello viene validato con dati operativi rispetto a metriche chiave; inoltre vengono effettuate analisi di scenario come variazioni nella disponibilità dei tecnici e l'introduzione di nuovi aeromobili nella flotta. I risultati indicano che il Sistema di Supporto alle Decisioni basato su MILP pianifica efficientemente le attività di manutenzione distribuendo il carico di lavoro ove possibile, migliorando l'allocazione delle risorse umane. Inoltre, l'adattabilità del modello alle condizioni operative dinamiche sottolinea il suo potenziale come strumento scalabile per la moderna pianificazione della manutenzione aerea. La tesi si conclude con una discussione sui limiti del modello e propone percorsi per ricerche future, enfatizzando la più ampia applicabilità delle tecniche avanzate di ottimizzazione nel campo della manutenzione degli aeromobili.