Engine health monitoring dashboard - a practical approach

This thesis presents the development and implementation of an Engine Health Monitoring (EHM) Dashboard aimed to evaluate the performance and condition of a fleet of jet engines. The objective is to enable proactive and preventive maintenance actions by providing users with an automated, data-driven, and visually accessible platform. The EHM Dashboard which facilitates performance monitoring through trend analysis and decision support is structured into three main areas. This implementation involves data preprocessing with MatLab, structured storage using Parquet files, and interactive visualization through Power BI. Key engine parameters, such as EGT Hot Day Margin, Core Speed, Fuel Flow, and Vibration, are analyzed and weighted to compute a grading system for each engine cycle. The present work presents the practical challenges and technical strategies for transforming large scale engine data into insights, ultimately supporting condition-based maintenance decisions in the aviation industry.

Questa tesi presenta lo sviluppo e l'implementazione di una Dashboard per il Monitoraggio dello Stato dei Motori (Engine Health Monitoring, EHM), finalizzata a valutare le prestazioni e le condizioni di una flotta di motori a reazione. L'obiettivo è abilitare azioni di manutenzione proattive e preventive, fornendo agli utenti una piattaforma automatizzata, basata sui dati e visivamente accessibile. La Dashboard EHM, che facilita il monitoraggio delle prestazioni attraverso l'analisi delle tendenze e il supporto alle decisioni, è strutturata in tre aree principali. L’implementazione prevede la pre-elaborazione dei dati con MatLab, l’archiviazione strutturata tramite file Parquet e la visualizzazione interattiva attraverso Power BI. Parametri chiave del motore, come il Margine EGT in Condizioni di Caldo, la Velocità del Core, il Flusso di Carburante e le Vibrazioni, sono analizzati e ponderati per calcolare un sistema di valutazione per ciascun ciclo motore. Il presente lavoro illustra le sfide pratiche e le strategie tecniche per trasformare grandi quantità di dati dei motori in informazioni utili, supportando in ultima analisi le decisioni di manutenzione basate sulle condizioni nel settore aeronautico.