Aircraft Numerical "Twin": A Time Series Regression Competition - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Aircraft Numerical "Twin": A Time Series Regression Competition

Adrien Pavao
Nachar Stéphane
Fabrice Lebeau
  • Fonction : Auteur
Martin Ghienne
  • Fonction : Auteur
Ludovic Platon
  • Fonction : Auteur
Tristan Barbagelata
  • Fonction : Auteur
Pierre Escamilla
  • Fonction : Auteur
  • PersonId : 1077303
Sana Mzali
  • Fonction : Auteur
Meng Liao
  • Fonction : Auteur
Sylvain Lassonde
  • Fonction : Auteur
Antonin Braun
  • Fonction : Auteur
Slim Ben Amor
  • Fonction : Auteur
Liliana Cucu-Grosjean
  • Fonction : Auteur
Marwan Wehaiba
  • Fonction : Auteur
Avner Bar-Hen
  • Fonction : Auteur
Adriana Gogonel
  • Fonction : Auteur
Alaeddine Ben Cheikh
  • Fonction : Auteur
Marc Duda
  • Fonction : Auteur
Julien Laugel
  • Fonction : Auteur
Mathieu Marauri
  • Fonction : Auteur
Mhamed Souissi
  • Fonction : Auteur
Théo Lecerf
  • Fonction : Auteur
Mehdi Elion
  • Fonction : Auteur
Sonia Tabti
  • Fonction : Auteur
Julien Budynek
  • Fonction : Auteur
Pauline Le Bouteiller
  • Fonction : Auteur
Antonin Penon
  • Fonction : Auteur
Raphaël-David Lasseri
  • Fonction : Auteur
Julien Ripoche
  • Fonction : Auteur
Thomas Epalle
  • Fonction : Auteur

Résumé

This paper presents the design and analysis of a data science competition on a problem of time series regression from aeronautics data. For the purpose of performing predictive maintenance, aviation companies seek to create aircraft "numerical twins", which are programs capable of accurately predicting strains at strategic positions in various body parts of the aircraft. Given a number of input parameters (sensor data) recorded in sequence during the flight, the competition participants had to predict output values (gauges), also recorded sequentially during test flights, but not recorded during regular flights. The competition data included hundreds of complete flights. It was a code submission competition with complete blind testing of algorithms. The results indicate that such a problem can be effectively solved with gradient boosted trees, after preprocessing and feature engineering. Deep learning methods did not prove as efficient.
Fichier principal
Vignette du fichier
Airplane_Numerical_Twin_with_Supplemental.pdf (2.42 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03463307 , version 1 (02-12-2021)
hal-03463307 , version 2 (16-12-2021)
hal-03463307 , version 3 (06-01-2022)

Identifiants

  • HAL Id : hal-03463307 , version 2

Citer

Adrien Pavao, Isabelle Guyon, Nachar Stéphane, Fabrice Lebeau, Martin Ghienne, et al.. Aircraft Numerical "Twin": A Time Series Regression Competition. International Conference on Machine Learning and Applications, Dec 2021, Pasadena, United States. ⟨hal-03463307v2⟩
424 Consultations
287 Téléchargements

Partager

Gmail Facebook X LinkedIn More