基于柜机节点的异常出货率统计分析数据集

计算公式： 各柜机异常率= 该柜机在统计周期内的销售订单总数 该柜机在统计周期内的异常出货订单数 ​ ×100% 异常订单判定标准： 用户付款后柜机未弹出商品（未出货）； 用户付款后弹出的商品与所选商品不一致（错误出货）； 商品弹出过程中发生卡货，用户未实际取走商品； 因柜机通信故障导致订单状态不明，经人工核实确认为异常。 数据清洗与预处理： 剔除测试订单、内部维护订单及系统自动生成的模拟订单； 对同一异常事件引发的多次重复上报（如用户多次点击补货按钮）进行去重，仅保留首次异常记录； 排除因用户自身原因（如未在规定时间内取货）导致的异常，仅统计设备端责任范围内的异常； 对因网络波动导致的临时性异常，若后续自动恢复且无实际损失，不计入异常订单。 聚合方式： 按柜机ID为最小粒度，支持按日、周、月、季度等时间窗口分别计算异常率，并可进一步按柜机型号、部署区域、运维团队等维度进行下钻分析，形成多层次的设备健康度监控视图。 脱敏说明： 本数据集仅包含柜机编码、销售订单总数及异常订单数等业务指标，不涉及任何消费者个人身份信息（如姓名、手机号、支付账户）、交易明细

搜集汇总

背景与挑战

背景概述

该数据集聚焦于自动售货柜机的异常出货率统计，通过计算各柜机在指定周期内异常订单数占销售订单总数的比例，并基于设备责任范围内的异常事件（如未出货、错误出货等）进行清洗与聚合，形成按柜机ID、时间窗口等多维度分析的设备健康度监控视图。数据集仅包含业务指标，不涉及消费者个人信息，主要用于支持智能运维调度、设备预测性维护及供应链质量追溯等精细化运营场景。