기계의 잔여 수명(RUL)을 정확하게 예측하면 유지보수 비용을 줄이고, 장비 가동 시간을 늘리며, 부정적인 결과를 완화할 수 있다. 데이터 기반 RUL 예측 기술은 좋은 성능을 보였지만, 훈련 및 테스트 데이터가 동일한 분포에서 나온다는 가정을 하는 경우가 많아 실제 산업 환경에서는 유효하지 않다. 이러한 도메인 불일치 문제를 해결하기 위해, TACDA라는 새로운 교차 도메인 RUL 예측을 위한 도메인 적응 방법을 제안한다. 특히, 적대적 적응 과정 내에서 대상 도메인 재구성 전략을 제안하여 대상별 정보를 유지하면서 도메인 불변 특징을 학습한다. 또한, 유사한 저하 단계를 일관되게 정렬하기 위해 새로운 클러스터링 및 페어링 전략을 개발했다. 실험 결과, 제안된 TACDA 방법이 두 가지 평가 지표에서 최첨단 접근 방식을 능가하는 뛰어난 성능을 보였다.
