机器预测性维护故障分类数据集
数据来源：互联网公开数据
标签：机器维护,故障预测,工业,预测分析,机器学习,设备健康,时间序列,分类
数据概述：
本数据集是为反映工业中实际预测性维护场景而构建的合成数据集。数据集包含10000个数据点，每行代表一个数据点，共有14个特征字段。
字段说明：
UID：唯一标识符，范围从1到10000。
productID：产品ID，由字母L、M或H（分别代表低、中、高产品质量等级，占比分别为50%、30%和20%）和特定于该等级的序列号组成。
air temperature [K]：空气温度，使用随机游走过程生成，后标准化为围绕300 K的标准差为2 K。
process temperature [K]：过程温度，使用随机游走过程生成，标准化为标准差为1 K，并加上空气温度+10 K。
rotational speed [rpm]：转速，根据功率2860 W计算得出，叠加正态分布噪声。
torque [Nm]：扭矩值，围绕40 Nm正态分布，标准差为10 Nm，无负值。
tool wear [min]：工具磨损时间，质量等级H/M/L分别对过程中的工具磨损增加5/3/2分钟。
'machine failure'：机器故障标签，指示该数据点是否因以下任何故障模式而发生故障。
重要提示：有两个目标变量，请勿将其中的任何一个用作特征，否则会导致数据泄露。
Target：故障与否
Failure Type：故障类型
数据用途概述：
该数据集适用于预测性维护、设备故障预测、机器学习模型训练和评估等场景。可用于构建和测试故障预测模型，研究不同特征对故障发生的影响，以及探索各种机器学习算法在预测性维护中的应用。此数据集也适用于学术研究和教育，帮助学习者理解预测性维护的概念和实践。
