Contexte
Les moteurs de la même catégorie sont produits en grande quantité. Ils ont tous la même structure et la même durée de vie théorique, cependant, lors de l’utilisation, chaque moteur est utilisé dans des contextes différents et sa durée de vie réelle restante est différente des autres.
Besoin
Prédiction de la durée de vie restante des turboréacteurs à double flux basée sur les données d’apprentissage de 218 unités (NASA Open Data) afin d’alerter avant défaillance, de réduire les erreurs d’estimation et d’optimiser la planification de la maintenance.
Solution
Le modèle que nous avons développé, basé sur l’apprentissage progressif des pannes successives d’équipements, a permis de surveiller un grand nombre de moteurs similaires et a fourni une prédiction fiable de la durée de vie utile restante au fur et à mesure de l’apprentissage des données collectées après chaque cycle de vol.
Résultats
Une fois que 30% de la flotte atteint son point de fin de vie, la prédiction de la date de fin de vie pour les autres moteurs est assez précise et l’erreur de prédiction diminue au fur et à mesure que de nouvelles données arrivent.
