Dette projekt handlede om at bruge deep learning til skadeprognose på flymotorer. Projektet var en del af et datalogisk kursus kaldet kunstig intelligens og deep learning, som jeg tog i forbindelse min master i datalogi og informatik på Roskilde Universitet.

Målet med projektet var at finde ud af, hvornår flymotorer er ved at gå i stykker, så de kan blive repareret i tide før yderligere nedbrud for at reducere omkostningerne.

Jeg brugte deep learning til at give indsigt i fremtidsforudsigelser ved at analysere data fra fortiden. Datasættet brugt i dette projekt bestod af Turbofan Engine Degradation Simulation Data Set fra Nasa, der inkluderede tidsserie-data fra simulerede flymotorer. Billederne nedenfor viser nogle af sensor aflæsningerne fra datasættet.