基于机器学习和 SHAP 分析的铣削机预测维护研究——智能制造环境中的应用
机器学习
2025-12-02 v1
摘要
在智能制造背景下，本文基于 AI4I 2020 数据集，对工业铣削机设备进行预测性维护实验研究。本文提出了结合人工智能技术的完整预测性维护实验流程，包括六个主要环节：数据预处理、模型训练、模型评估、模型选择、SHAP 分析和结果可视化。通过对八种机器学习模型的性能进行比较分析，发现集成学习方法如 XGBoost 和随机森林在铣削机故障预测任务中表现良好。此外，借助 SHAP 分析技术深入揭示了不同特征对设备故障影响机制，其中加工温度、扭矩和速度是影响故障的关键因素。该研究将人工智能与制造技术相结合，为智能制造环境下的预测性维护提供了方法学参考，对推动制造业数字化转型、提高生产效率和降低维护成本具有实际意义。
引用
@article{arxiv.2512.01205,
title = {Research on Milling Machine Predictive Maintenance Based on Machine Learning and SHAP Analysis in Intelligent Manufacturing Environment},
author = {Wen Zhao and Jiawen Ding and Xueting Huang and Yibo Zhang},
journal= {arXiv preprint arXiv:2512.01205},
year = {2025}
}
备注
5 pages, 5 figures. Accepted for publication at ICEIEC 2025 (not yet published)