本論文では、多様な故障の原因を持つ航空機エンジン群の残り有効寿命（RUL）を予測するために使用されるデータ駆動型の手法と方法論について述べています。提案された解決策は、2つのレベルに積み重ねられた2つのディープ畳み込みニューラルネットワーク（DCNN）に基づいています。最初のDCNNは、正規化された生データを入力として低次元の特徴ベクトルを抽出するために使用されます。2番目のDCNNは、前段のDCNNから得られたベクトルリストを取り込み、RULを推定します。モデル選択は、繰り返しランダムサブサンプリング検証アプローチを使用したベイズ最適化によって行われました。提案された方法論は、2021年PHMカンファレンス・データチャレンジで3位にランクされました。