Résumé 248 :
Application de techniques de réduction de la dimensionnalité à la maintenance prédictive de turbomachines aéronautiques
Loyer, Jean-Loup
Instituto Superior Tecnico
Le suivi de turbines à gaz peut permettre d’optimiser leur performance, améliorer la sécurité aérienne et diminuer les coûts opérationnels à travers une meilleure maintenance prédictive. A cette fin, jusqu’à plusieurs centaines de variables internes et externes au moteur sont mesurées en temps réel afin de mettre au point des modèles statistiques de maintenance prédictive. La plupart de ces paramètres sont des séries temporelles multivariées comportant des motifs très complexes, à partir desquels de l’information doit être extraite par un premier ensemble de techniques de réduction de la dimensionnalité dites de « Features Extraction ». Cette première phase génère des variables explicatives pour les modèles statistiques. Toutefois, de telles variables explicatives peuvent se compter par centaines et un second ensemble de techniques de réduction de la dimensionnalité, connues dans la littérature comme « Feature Subset Selection », doit être mis en ?"uvre afin de sélectionner les 10 variables explicatives les plus appropriées. La communication présente une revue des techniques disponibles pour chacune des deux phases de la réduction de la dimensionnalité et compare leur performance sur un jeu de données en grandes dimensions comprenant des données industrielles réelles provenant d’un fabricant de moteurs d’avion.