Maintenance prédictive des moteurs d'avion
Prévoir combien de vols il reste à un moteur avant la panne, et décider quand l'inspecter.
Le problème
Une panne moteur ratée coûte bien plus cher qu'une inspection en trop. L'enjeu n'est donc pas seulement de prévoir, mais de décider au bon moment.
Les données
Le jeu de données C-MAPSS de la NASA, qui simule des turboréacteurs suivis par de nombreux capteurs, de leur premier vol jusqu'à la panne.
La démarche
- Préparer les séries temporelles des capteurs pour chaque moteur.
- Prévoir le nombre de vols restants avec XGBoost.
- Choisir le seuil d'inspection qui minimise le coût total, en comparant une panne ratée et une inspection en trop.
Les résultats
Une erreur moyenne de 11 vols, proche des résultats publiés dans des articles de recherche qui utilisent des réseaux de neurones. Avec un seuil de 42 cycles, les 25 pannes imminentes sont détectées, pour seulement 5 fausses alertes sur 75 moteurs sains.
Limites et suites
Les données sont simulées, il faudrait donc valider le modèle sur des données réelles d'exploitation. Les coûts d'une panne et d'une inspection sont à fixer avec les équipes de maintenance. Une prévision accompagnée d'un intervalle d'incertitude rendrait la décision encore plus simple.
On en parle ?
Le code complet et l'analyse sont sur GitHub.