AI時代的工業管理趨勢和挑戰

引擎是飛機一個非常重要的設備，若是採用定期維護的方式，當引擎提前損壞，造成的不僅僅是有飛機無法運行的影響，更是會造成難以估計的人員傷亡與財損，因此如何準確地預測引擎的剩餘使用壽命(RUL)以提前進行維護是相當重要的，本研究以NASA所提供的C-MAPSS資料集作為應用，其訓練集為紀錄航空引擎從正常到損壞的完整數據，由於訓練集並未提供引擎的RUL，因此使用分段線性剩餘使用壽命目標函數來對RUL進行標記，接著對感測器訊號進行去噪及特徵選擇後，再進行Z-Score標準化，最後利用Informer模型預測每個引擎的RUL，並以均方根誤差(RMSE)及評分函數(Score)做為評估績效指標，最終研究結果FD002及FD004資料集優於其他文獻。