システム残存寿命予測のための深層学習

製造システムのパフォーマンス低下の予測は、運用の安全性と効率性に不可欠であり、予知保全のスケジューリングの基礎を提供します。機械の操作に基づく複雑な物理的メカニズムは、健康状態評価の正確さに対してしばしば課題を課します。本論文では、Long Short-Term Memory（LSTM）ネットワークに基づいて、システム状態の劣化を追跡し、その結果、残存有用寿命を予測するためのデータ駆動型アプローチを示します。航空機エンジンのフリートを応用コンテキストとして使用し、開発した方法は、エンジン劣化予測の基礎としてセンサーデータストリームに埋め込まれた時間依存性を明らかにします。エンジン残存有用寿命予測において優れた性能が示されています。