Η παρούσα διπλωματική εργασία πραγματεύεται τη σημασία του Engine Condition and Trend Monitoring (ECTM) στη συντήρηση των αεροπορικών κινητήρων, με κύριο αντικείμενο μελέτης τον κινητήρα CFM56-7B. Αρχικά παρουσιάζεται η δομή και λειτουργία του συγκεκριμένου τύπου κινητήρα καθώς και οι σύγχρονες στρατηγικές συντήρησης, όπως η αντιδραστική, προληπτική και συντήρηση βάσει κατάστασης.

Η εργασία επικεντρώνεται στη στατιστική ανάλυση παραμέτρων όπως το Exhaust Gas Temperature (EGT), τις ταχύτητες περιστροφής Fan Speed (Ν1), Core Speed  (Ν2) και του Fuel Flow (FF), στην φάση πτήσης Cruise, ως ακατέργαστα δεδομένα, προκειμένου να εντοπιστούν πρώιμες ενδείξεις φθοράς. Αναπτύσσεται μια μεθοδολογία για τη σύγκριση της φυσιολογικής με την υπό εξέταση λειτουργία ενός κινητήρα, λαμβάνοντας υπόψη την παλαιότητα, τις εξωτερικές συνθήκες και τη στατιστική σημαντικότητα της απόκλισης τιμών μέσω κατάλληλων στατιστικών ελέγχων.

Η εφαρμογή της μεθοδολογίας σε πραγματικά δεδομένα πτήσης αποδεικνύει ότι η παρακολούθηση και ανάλυση ECTM μπορεί να προσφέρει έγκαιρη και αξιόπιστη ένδειξη φθοράς, οδηγώντας σε πιο στοχευμένες και αποτελεσματικές παρεμβάσεις συντήρησης. Τονίζεται ότι η ερμηνεία των αποτελεσμάτων απαιτεί την ταυτόχρονη αξιολόγηση πολλαπλών παραμέτρων ώστε να αποφεύγονται λανθασμένα συμπεράσματα λόγω λανθασμένων ενδείξεων ή αισθητήρων. Τελικά, η εργασία προτείνει ένα πρακτικό εργαλείο για μηχανικούς αξιοπλοΐας και αναλυτές ECTM, το οποίο προκύπτει από πολυπαραγοντική παλινδρόμηση, με στόχο τη βελτίωση της ασφάλειας και της επιχειρησιακής απόδοσης των κινητήρων.

This thesis investigates the significance of Engine Condition and Trend Monitoring (ECTM) in the maintenance of aircraft engines, focusing on the CFM56-7B engine. It begins with an overview of the structure and operation of this engine type, as well as modern maintenance strategies such as reactive, preventive, and condition-based maintenance.

The core of the study centers on the statistical analysis of raw data parameters such as Exhaust Gas Temperature (EGT), fan and core rotational speeds (N1 and N2) and fuel flow, in order to detect early signs of degradation. A methodology is developed to compare the normal and under-investigation performance of an engine, taking into account engine aging, external conditions, and the statistical significance of any deviations by utilizing statistical hypothesis tests.

The application of this methodology to real flight data demonstrates that engine condition and trend monitoring and analysis can provide timely and reliable indications of engine wear, enabling more targeted and efficient maintenance interventions. The findings highlight the importance of evaluating multiple parameters simultaneously to avoid misinterpretations caused by faulty readings or sensor inaccuracies. Ultimately, the thesis proposes a practical tool for airworthiness engineers and ECTM analysts, which comprises of a multivariable regression model, aiming to enhance engine safety and operational performance.