近日，在备受瞩目的2025年故障预测与健康管理（Prognostics and Health Management,PHM）数据挑战赛中，中山大学先进制造学院由冯建设老师带领本硕博学生高鹏、齐钒羽、朱奕樟、张建宇、李文斐组成的SAM-IPA-1团队凭借其过硬的技术实力和创新的算法架构从众多国际参赛队伍中脱颖而出，荣获全球第一名。
PHM是衡量高端制造和航空航天领域核心竞争力的关键技术。PHM数据挑战赛则是全球PHM领域的顶级年度盛会——PHM Society年会的核心组成部分。自2008年第一届比赛举办至今，对业界产生了深远的影响。先后诞生了如2008年航空发动机寿命预测、2016年半导体CMP虚拟量测等被业界广为熟知的数据集，基于这些比赛数据集的科研论文已达数千篇，为先进制造领域智能算法的开发与落地做出巨大贡献。大赛旨在解决工业界最前沿、最棘手的真实挑战，是预测性维护与智能制造领域公认的最具影响力的国际性数据科学竞赛之一。历届比赛包括吸引了佐治亚理工学院、辛辛那提大学IMS中心、威斯康星大学麦迪逊分校、马里兰大学、挪威科技大学、清华大学、上海交通大学、哈尔滨工业大学等全球顶尖高校团队，以及Mathworks、字节跳动、现代汽车、日立高科等知名企业研究团队的广泛参与。
本届数据挑战赛任务极具挑战性，要求参赛者在“小故障样本”和“复杂时空数据结构”的共同约束下，实现对多台航空发动机剩余使用寿命的高精准与强泛化预测。赛题技术难度高、数据复杂，极度考验参赛者在数据处理、信息挖掘、AI建模及工程问题理解等方面的综合能力。
在这场汇集了全球智慧的顶尖数据对决中，先进制造学院师生表现卓越！由我院冯建设老师指导，2024级、2025级本硕博学生高鹏、齐钒羽、朱奕樟、张建宇、李文斐组成的SAM-IPA-1团队，与来自全球各地的数十支队伍展开激烈角逐。
针对竞赛中“数据繁杂”、“样本稀缺”、“多重任务”等棘手挑战，先进制造学院团队基于深厚的理论积累，在深入研究场景的基础上，开创了一条极具创新性的两阶段技术框架：首先，设计多重数据抽象算法，将原始的多维度、多时空、动态数据流提炼成标准化的核心状态指标，解决了数据冗杂与信息匮乏的矛盾；其次，构建了一个基于注意力机制的多任务协同学习架构，实现了对物理退化模式的跨时空普适化学习。该方法不仅实现了小样本下的精准预测，还表现出极强的泛化能力，最终在PHM 2025数据挑战赛中以绝对优势夺冠，证明了其在工业应用中的巨大潜力。
作为团队代表，我院2024级本科生李文斐同学在美国西雅图举行的PHM Society年会上，向全球专家学者分享了该获奖方案，出色地完成了现场汇报、答辩及海报展示，充分展现了中大学子的专业素养和昂扬风采。凭借团队扎实的理论功底、创新的算法设计、卓越的工程能力与出色的现场表现，以绝对优势一举夺得本届数据挑战赛冠军！此次夺冠充分证明了该技术框架的先进性与实用性。该方法不仅为航空、能源等高价值工业领域的预测性维护提供了创新的解决方案，也展现了中山大学先进制造学院在工业大数据与AI赋能先进制造领域的卓越科研实力与深厚技术储备。
学海无涯，探索不辍。此次获奖的经历必将激励更多先进制造学子投身前沿科学研究，勇于参与高水平学科竞赛，在对接国家重大需求、攻克行业关键难题的征程中锤炼过硬本领、激发创新潜能。展望未来，先进制造学院将继续以高水平学科竞赛为抓手，持续深化“科研驱动、产教融合 ”模式，全力培育更多具备国际视野和卓越创新能力的工程领军人才。