设备故障预测

领域: 工业制造 | 模型类型: CLASSIFICATION | 版本: 1

关键指标

模型简介

基于温度、转速、扭矩、刀具磨损等读数,预测机器是否故障的二分类模型。

标签

模型介绍

## 模型解决什么问题 本模型面向「工业设备预测性维护」场景:基于气温、过程温度、转速、扭矩、刀具累计磨损等工艺与传感器特征,预测机器是否发生故障(Target=1);也可用 Failure Type 字段做 PWF/HDF/OSF/TWF/RNF 五类故障的多分类。可用于产线在故障发生前安排检修、减少非计划停机,替代事后维修和固定周期保养。 ## 预测结果与指标 - 任务类型:分类预测 - 模型版本:1 - 训练算法:LightGBM - 最佳指标:准确率 0.999 · AUC 0.989 ## 数据集介绍 > 数据来源于[kaggle](https://www.kaggle.com/datasets/shivamb/machine-predictive-maintenance-classification) - 样本量:7500 行 - 特征数:7 - 标签列:Target(分类)

常见问题

什么是设备故障预测?

基于温度、转速、扭矩、刀具磨损等读数,预测机器是否故障的二分类模型。

设备故障预测适用于哪些场景?

面向工业制造领域, 模型类型为CLASSIFICATION, 版本 1。

设备故障预测由谁发布?

逸思长天官方于 2026-11-17 发布。

设备故障预测有哪些标签?

LightGBM。

发布者: 逸思长天官方 | 发布时间: 2026-11-17

在 MLOps 平台查看完整详情