预测性维护工业设备故障预测数据集-rashaali2003
数据来源：互联网公开数据
标签：预测性维护,工业设备,故障预测,数据,机器学习,维护,故障模式,教育,分析
数据概述：
本数据集包含10,000个数据点，每个数据点存储为一行，包含14个特征列。数据集用于预测性维护，通过分析设备运行数据来检测潜在故障，从而在设备发生故障前进行维修。数据集的关键字段包括：
UID：唯一标识符，范围从1到10,000
productID：产品标识符，由一个字母L、M或H组成，分别表示低（50%）、中（30%）和高（20%）质量变体，后面加上特定变体的序列号
空气温度 [K]：使用随机游走过程生成，后标准化为以300K为中心、标准差为2K的分布
工艺温度 [K]：使用随机游走过程生成，标准化为以空气温度加10K为中心、标准差为1K的分布
旋转速度 [rpm]：根据2860W的功率计算得出，并叠加正态分布噪声
扭矩 [Nm]：扭矩值围绕40Nm正态分布，标准差为10Nm，无负值
工具磨损 [分钟]：质量变体H/M/L分别增加5/3/2分钟的工具磨损
数据集还包括一个“机器故障”标签，用于指示在该数据点上机器是否发生故障及其故障类型。
重要提示：
数据集中有两个目标变量——“故障或未故障”和“故障类型”。请勿将任一目标变量用作特征，否则会导致数据泄漏。
数据用途概述：
该数据集适用于预测性维护系统的开发、设备故障模式分析、机器学习模型训练、工业维护策略优化等多种场景。研究人员和工程师可利用此数据集进行故障预测模型的建立和验证，帮助企业提前发现潜在故障，降低维护成本，提高生产效率。此外，数据集也适合用于教育和培训，帮助学习者掌握预测性维护的相关知识和技能。
