加利福尼亚物流车辆维护历史数据集1963-2021
数据来源：互联网公开数据
标签：物流,车辆维护,IoT,预测分析,性能评估,环境条件,车队管理
数据概述：
本数据集包含92,000条与加利福尼亚物流运营中车辆维护预测相关的记录，特别关注物联网（IoT）应用。数据集涵盖了各种车辆的详细信息，包括车辆操作条件、维护历史和性能指标，是进行预测性维护分析的宝贵资源。
数据用途概述：
该数据集适用于开发基于机器学习和深度学习技术的预测性维护模型、分析车辆在不同环境条件下的性能以及通过集成IoT数据提升车队管理策略等多种场景。
举例：
- 车辆_ID：每个车辆的唯一标识符。
- 制造商和型号：车辆的制造商和型号。
- 制造年份：车辆的制造年份。
- 车辆类型：车辆类型（如卡车、厢式货车）。
- 使用小时数：车辆的总运营小时数。
- 路线信息：车辆通常行驶的路线类型（如乡村、城市）。
- 载重能力：车辆的最大载重量。
- 实际载重：运营期间的实际载重量。
- 上次维护日期：车辆上次维护活动的日期。
- 维护类型：执行的维护类型（如换油、轮胎旋转）。
- 维护成本：上次维护的成本。
- 发动机温度：发动机在运行期间的温度。
- 轮胎压力：轮胎的压力（单位：PSI）。
- 燃油消耗：燃油消耗量（单位：加仑）。
- 电池状态：车辆电池的当前状况。
- 振动水平：车辆测量到的振动水平。
- 润滑油质量：发动机润滑油的质量，分为良好、一般或较差。
- 刹车状况：车辆刹车的状况。
- 故障历史：指示车辆是否有故障历史（1=有，0=无）。
- 检测到的异常：监测过程中检测到的异常数量。
- 预测分数：基于预测分析的维护需求可能性分数。
- 是否需要维护：指示是否需要维护（1=需要，0=不需要）。
- 天气条件：车辆运行期间的天气状况（如晴天、 rainy）。
- 路况：车辆经历的道路类型（如高速公路、城市）。
- 平均交货时间：车辆的平均交货时间。
- 维护停机时间：用于维护活动的时间。
- 对效率的影响：衡量维护活动对运营效率的影响的指标。
