SCANIA Component X 数据集：开启重型卡车预测性维护新征程

《Scientific Data》：SCANIA Component X dataset: a real-world multivariate time series dataset for predictive maintenance

为解决预测性维护（PdM）领域真实世界数据集稀缺问题，研究人员开展 SCANIA Component X 数据集研究，得到可用于多种任务的数据集，推动 PdM 发展。

　　在科技飞速发展、数据驱动决策的时代，汽车行业正经历深刻变革，预测性维护（Predictive Maintenance，PdM）成为优化车辆性能、降低成本的关键手段。PdM 借助先进分析、传感器技术和机器学习，预测车辆部件的故障时间，以便及时进行维护。然而，该领域面临一个严峻的挑战 —— 公共真实世界数据集匮乏。原始设备制造商（Original Equipment Manufacturers，OEMs）出于数据敏感、商业机密等因素考虑，通常不愿分享数据，导致研究人员只能依赖模拟数据集开展研究。但模拟数据集无法完全模拟真实世界数据的复杂性，难以反映信号间复杂关系等实际问题，这使得开发能准确预测真实工业设备故障的稳健模型困难重重。

为打破这一困境，来自瑞典斯德哥尔摩大学（Stockholm University）和斯堪尼亚（Scania CV）的研究人员展开合作，开展了一项意义重大的研究。他们收集并发布了 SCANIA Component X 数据集，这一成果发表在《Scientific Data》上，为预测性维护领域带来了新的曙光。

在研究中，研究人员运用了多种关键技术方法。数据收集方面，从卡车的车载传感器获取运行数据，从车间获取维修记录，从生产系统获取卡车规格信息。针对数据隐私保护，采取相对时间表示、修改变量名、随机选取车辆子集等匿名化处理措施。为评估模型性能，设计了特定的成本函数。

研究结果主要围绕数据集的构成展开：

• 训练集：“train_operational_readouts.csv” 包含 23550 辆独特车辆的 1122452 条观测数据，涉及 14 个匿名化变量，其中 6 个变量以直方图形式呈现，8 个为数值计数器，缺失值率低于 1%。“train_tte.csv” 记录了 23550 辆车的 Component X 维修记录，标签 0 和 1 分别表示无故障和故障维修，数据不平衡，倾向于标签 0。“train_specifications.csv” 涵盖 23550 条车辆规格信息，8 个分类特征无缺失值。
• 验证集：“validation_operational_readouts.csv” 数据不完整，模拟实际预测场景，有 196227 条观测数据，缺失值少。“validation_labels.csv” 为 5046 辆车的最后一次读数分类，分为 5 个类别，数据不平衡，倾向于类别 0。“validation_specification.csv” 结构与训练集规格文件类似，数据来自 5046 辆车。
• 测试集：“test_operational_readouts.csv” 随机选取车辆最后读数，有 198140 条读数。“test_labels.csv” 为 5045 辆车分类，数据不平衡。“test_specifications.csv” 包含 5045 辆车的规格信息，8 个分类特征无缺失值。

研究结论表明，SCANIA Component X 数据集具有多方面重要意义。它是一个真实世界的多变量时间序列数据集，为机器学习在预测性维护中的应用提供了丰富资源，可用于分类、回归、生存分析、异常检测等多种任务。其独特的时间序列结构和大量数据，有助于研究人员开发更准确的预测模型，推动预测性维护领域的发展。此外，该数据集作为一个标准基准，方便研究人员比较不同方法的性能，促进该领域研究的可重复性。

这项研究的意义不仅在于为预测性维护提供了有价值的数据资源，还为该领域的研究开辟了新的方向。它鼓励更多研究人员基于真实数据开展研究，推动预测性维护技术的进步，进而提高工业设备的可靠性和效率，降低维护成本，在汽车行业乃至更广泛的工业领域都具有广阔的应用前景。