論文の概要: Scientific Machine Learning for Engine Health Management and Remaining Useful Life Prediction

• arxiv url: http://arxiv.org/abs/2605.30593v1
• Date: Thu, 28 May 2026 21:39:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.249502
• Title: Scientific Machine Learning for Engine Health Management and Remaining Useful Life Prediction
• Title（参考訳）: エンジンの健康管理と生活予測のための科学機械学習
• Authors: Jostein Barry-Straume, Changmin Son, Adrian Sandu, Gavan Burke, Rekha Sundararajan, Andrew Rimell, James G. Steinrock,
• Abstract要約: 本稿では,タービン診断のためのマルチタスク科学機械学習フレームワークを提案する。 TGTU、デルタタービンガス温度(DTGT)、Remaining Useful Life(RUL)を共同で予測する。 平均絶対誤差(MAE)、予測区間カバレッジ確率(PICP)、平均区間幅(MPIW)、カバレッジ幅基準(CWC)などの点と間隔の指標を用いて評価する。
• 参考スコア（独自算出の注目度）: 0.5621251909851629
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Engine Health Management (EHM) depends on reliable forecasting of Remaining Useful Life (RUL) and on tracking thermal indicators such as turbine gas temperature (TGT). In practice, real-world fleet data are heterogeneous and non-stationary, and point predictions alone are insufficient for risk-aware maintenance decisions. This paper presents a multi-task scientific machine learning framework for turbine prognostics that jointly predicts turbine gas temperature untrimmed (TGTU), Delta Turbine Gas Temperature (DTGT), and RUL, with quantified uncertainty in the form of prediction intervals whose empirical coverage is evaluated. A shared sequence encoder (convolutional front-end with residual bidirectional LSTM layers and attention pooling) feeds task-specific heads, including mean--variance estimation for probabilistic regression and, optionally, a survival head for threshold-based event modeling. The framework is designed to be tunable via a small set of practitioner-facing parameters (e.g., DTGT thresholding rules and RUL target construction) so that deployment can align with in-house policies and proprietary criteria. The predictive performance of the proposed framework is evaluated using both point and interval metrics, including mean absolute error (MAE), prediction interval coverage probability (PICP), mean prediction interval width (MPIW), and the coverage--width criterion (CWC). Results are reported both in aggregate and stratified by flight phase and maintenance segment to highlight operational-context effects and to support uncertainty-aware monitoring.
• Abstract（参考訳）: エンジン・ヘルス・マネジメント(EHM)は、Remaining Useful Life(RUL)の信頼性の予測とタービンガス温度(TGT)などの熱指標の追跡に依存する。 実際には、現実世界の艦隊データは異質で非定常的であり、ポイント予測だけでは、リスクを意識したメンテナンス決定には不十分である。 本稿では,TGTU,デルタタービンガス温度(DTGT),RULを併用して予測し,経験的カバレッジが評価された予測間隔の形で不確実性を定量的に予測する,タービン診断のためのマルチタスク科学機械学習フレームワークを提案する。 共有シーケンスエンコーダ(残留双方向LSTM層とアテンションプーリングを備えた畳み込みフロントエンド)は、確率回帰に対する平均分散推定や、しきい値に基づくイベントモデリングのためのサバイバルヘッドを含むタスク固有のヘッドを供給する。 このフレームワークは、実践者向けパラメータの小さなセット(DTGTしきい値ルールやRULターゲット構成など)でチューニング可能で、デプロイメントが社内のポリシーやプロプライエタリな基準に適合するように設計されている。 提案手法の予測性能は,平均絶対誤差(MAE),予測区間カバレッジ確率(PICP),平均区間幅幅(MPIW),カバレッジ幅基準(CWC)などの点と区間の指標を用いて評価する。 フライトフェーズとメンテナンスセグメントの両方で集計および成層化を行い,運用コンテキストの効果を強調し,不確実性を考慮した監視を支援する。

関連論文リスト

• Benchmarking Machine Learning Uncertainty Quantification Methodologies for Predicting Turbine Gas Temperature Degradation [0.5621251909851629]
  本稿では,予測区間を構築するための5つの主要なアプローチについて検討する。 それぞれのアプローチは、統一された実験フレームワークで実装される。 代表的タービンガス温度データセットで実施された試験は、明確なトレードオフを明らかにしている。
  論文  参考訳（メタデータ） (2026-05-28T21:25:47Z)
• Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
  我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。 ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
  論文  参考訳（メタデータ） (2026-05-07T20:25:28Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• RDIT: Residual-based Diffusion Implicit Models for Probabilistic Time Series Forecasting [4.140149411004857]
  RDITは、点推定と残差に基づく条件拡散と双方向のMambaネットワークを組み合わせたプラグアンドプレイフレームワークである。 RDITは, 強いベースラインに比べてCRPSの低下, 高速推論, カバレッジの向上を実現している。
  論文  参考訳（メタデータ） (2025-09-02T14:06:29Z)
• CCE: Confidence-Consistency Evaluation for Time Series Anomaly Detection [56.302586730134806]
  本稿では,新しい評価指標である信頼性・一貫性評価(CCE)を紹介する。 CCEは同時に、予測の信頼性と不確実性を測定する。 RankEvalは、さまざまなメトリクスのランキング機能を比較するためのベンチマークです。
  論文  参考訳（メタデータ） (2025-09-01T03:38:38Z)
• Locally Adaptive Conformal Inference for Operator Models [5.78532405664684]
  演算子モデルに対して関数値の局所適応予測セットを生成するための分散フリーフレームワークであるLocal Sliced Conformal Inference (LSCI)を紹介する。 我々は有限サンプルの有効性を証明し、局所交換性の下でのカバレッジギャップにデータ依存の上限を導出する。 偏りのある予測や分布外雑音に対する空間を実証的に実証する。
  論文  参考訳（メタデータ） (2025-07-28T16:37:56Z)
• Aerial Image Classification in Scarce and Unconstrained Environments via Conformal Prediction [2.77390041716769]
  本稿では,難易度の高い航空画像データセット上での共形予測手法の総合的な実験的検討を行う。 本研究では,データスカースと高度に可変な実環境設定の複雑さについて考察する。 その結果, 比較的小さなラベル付きサンプルと単純な非整合性スコアであっても, 共形予測が有意な不確実性推定を導出できることが示唆された。
  論文  参考訳（メタデータ） (2025-04-24T15:25:37Z)
• Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
  本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。 信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
  論文  参考訳（メタデータ） (2023-01-25T19:35:23Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。