案例名稱：飛機引擎健康監測

一家航空公司希望監測其飛機引擎的健康狀態，以提前發現可能出現的故障，並進行相應的維護。

• 解決方案：
  數據收集：安裝在飛機引擎上的傳感器收集引擎運行時的數據，如轉速、溫度、壓力等。
  數據處理：將從傳感器獲得的數據進行清理、特徵提取等操作。
  建立模型：使用機器學習模型（如支持向量機、深度學習模型等）來預測引擎的健康狀態。
  實時監測：將模型部署到實時監測系統中，持續監測引擎的狀態。
  維護計劃：根據預測結果和監測數據，制定相應的維護計劃，包括定期檢查、更換部件等。
  效果：
  通過引入PHM系統，航空公司能夠提前識別出可能出現故障的引擎，減少了不必要的維修成本，同時保證了飛行安全。

# 模擬飛機引擎數據
def generate_engine_data():
    rpm = random.randint(3000, 10000)  # 轉速在正常範圍內
    temperature = random.uniform(80, 120)  # 溫度在正常範圍內
    pressure = random.uniform(10, 30)  # 壓力在正常範圍內
    return {'RPM': rpm, 'Temperature': temperature, 'Pressure': pressure}

# 建立健康狀態模型（簡化示例）
def predict_health_status(data):
    if data['RPM'] > 9000:
        return '健康'
    else:
        return '需維護'

# 模擬飛機引擎數據產生
engine_data = generate_engine_data()

# 使用模型預測健康狀態
health_status = predict_health_status(engine_data)

# 根據預測結果制定維護計劃
if health_status == '需維護':
    print("需要進行維護。")
else:
    print("引擎狀態良好。")