В докладе представлена технология прогнозирования оставшегося срока службы авиационных двигателей для их прогнозируемого технического обслуживания. Рассмотрен метод обнаружения редких отказов с использованием подхода глубокого гибридного обучения на основе несбалансированного набора данных. Представлен метод глубокого обучения с подкреплением для оптимального планирования замены двигателей, для того чтобы избежать отказов и свести к минимуму потерянный срок службы двигателей. Оптимальное планирование замены двигателей использует распределение вероятностей оставшегося полезного срока службы авиационных двигателей, рассчитываемое на основе сверточных нейронных сетей и метода исключения Монте-Карло.