SCANIA Component X 数据集：一个用于预测性维护的真实世界多元时间序列数据集
机器学习
2025-03-11 v2 人工智能
摘要
由于全面的真实世界数据集的稀缺性，预测性维护中的故障和维护时间预测具有挑战性，而在可用的数据集中，很少有是时间序列格式的。本文介绍了一个真实世界的多元时间序列数据集，该数据集专门从 SCANIA 卡车车队中的一个匿名化发动机部件（Component X）收集。该数据集包括与 Component X 相关的运行数据、维修记录和规格说明，同时通过匿名化保持机密性。它非常适合一系列机器学习应用，包括分类、回归、生存分析和异常检测，特别是在预测性维护场景中。该数据集的大样本量、多样化的特征（以直方图和数值计数器的形式）以及时间信息使其成为该领域独特的资源。发布此数据集的目的是让广泛的研究人员有机会使用来自国际知名公司的真实世界数据，并为预测性维护领域引入一个标准基准，以促进可重复的研究。
引用
@article{arxiv.2401.15199,
title = {SCANIA Component X Dataset: A Real-World Multivariate Time Series Dataset for Predictive Maintenance},
author = {Zahra Kharazian and Tony Lindgren and Sindri Magnússon and Olof Steinert and Oskar Andersson Reyna},
journal= {arXiv preprint arXiv:2401.15199},
year = {2025}
}
备注
12 pages, 8 figures