Entraîner un modèle de prédiction des pannes aéronautiques

• Préparer les données de maintenance utiles à la prédiction
• Entraîner et comparer des modèles de prédiction des pannes
• Évaluer la fiabilité des alertes avant mise en exploitation

Data scientists, ingénieurs maintenance, ingénieurs fiabilité

Notions de statistiques et de programmation orientée données

• Définir le problème de prédiction de pannes aéronautiques
• Collecter les données de capteurs, de vols et de maintenance
• Nettoyer et étiqueter les historiques de pannes et de dépose
• Construire les variables utiles à la détection de dégradation
• Séparer les jeux d’entraînement, de validation et de test
• Entraîner plusieurs modèles de classification et de régression
• Gérer le déséquilibre entre données normales et pannes rares
• Mesurer précision, rappel et délai d’anticipation des alertes
• Interpréter les prédictions pour les équipes de maintenance
• Documenter le modèle et planifier son suivi en exploitation

• Préparer un jeu de données de capteurs de moteur fictif
• Comparer deux modèles de prédiction sur un même jeu de test
• Régler le seuil d’alerte pour limiter les fausses alarmes

• Méthodologie de construction d’un modèle de maintenance prédictive
• Check list de préparation des données de pannes et de capteurs
• Modèle de rapport d’évaluation d’un modèle de prédiction