摘要。不同行业数字化的最新趋势导致了大量数据的产生。自然而然地，大量高级机器学习技术被应用于这种大数据。同时，对提高运营可靠性、降低维护成本和提高安全性的需求也日益增长，因此预测性维护正迅速成为许多行业（尤其是航空航天业）最重要的战略。随着新型飞机配备更多传感器，与开发预测性维护解决方案的传统方法相比，基于机器学习的诊断和预测技术正变得越来越流行。构建基于机器学习的诊断和预测模型需要大量的运行到故障传感器数据，但与其他领域相比，在高度可靠和安全至关重要的飞机平台上捕获这些在役故障相关数据的机会非常有限。为了应对缺乏足够和适当的在役故障数据的挑战，空中客车 DS 在 ISHM 和预测性维护的技术开发路线图中开发了一个模拟框架。为了加速开发各种飞机系统的预测性维护解决方案，我们开发了数据驱动的诊断和预测框架。本文概述了这一独特的框架及其使用 ISHM Simu 生成的数据进行的验证