设备故障预测
领域: 工业制造 | 模型类型: CLASSIFICATION | 版本: 1
关键指标
- 训练任务: 设备故障预测
- 训练算法: lgbm
- 准确率: 0.999
- AUC: 0.989
- F1: 0.999
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
- LightGBM
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