车辆维修异常检测数据

本数据集用于环卫作业车辆维修频次异常检测与预警。针对维修记录、车辆基础信息、油耗里程和使用时间数据，按车型建立维修频次基准，识别维修频次显著偏离同类型车辆的异常记录。该数据可服务于环卫作业公司，为保养计划制定、维修成本管控、使用状态评估和异常维修线索排查提供数据支撑；经脱敏后，也可复用于维保单位等外部场景，用于同车型维修频次对比、维修费用复核和保养策略优化。1、数据采集与预处理 基于企业车辆维修管理系统采集维修明细，保留车辆编号、部门、维修类型、维修时间、合计费用、地区、车辆类型、车辆注册年月、维修时公里数、维修时经历公里数、维修时经历时间_天、同车累计维修次数、同车近90天维修次数、日均维修频次等字段。维修时经历公里数和维修时经历时间_天分别为车辆自建档起累计的公里数和天数；原始记录经清洗、脱敏、格式统一和缺失剔除；车牌脱敏为车辆编号，维修时公里数按最近油耗里程回填，并过滤同车累计维修次数不足10次的车辆。 2、维修频次异常检测 按维修记录逐条计算日均维修频次=同车累计维修次数/维修时经历时间_天。按车辆类型分组计算同车型平均日均维修频次和同车型日均维修频次标准差；再计算Z-Score=(日均维修频次-同车型平均日均维修频次)/同车型日均维修频次标准差，衡量偏离程度。对全部车辆计算修正值：车龄修正值=(维修时间与车辆注册年月间隔天数/365.25-5)×0.03，里程修正值=维修时经历公里数/100000×0.08(上限0.20)，综合偏离度D=Z-Score-车龄修正值-里程修正值。 3、预警分级与结果输出 同车型百分位=综合偏离度D在同车型记录中的升序排名百分比(并列取平均)，据此划分预警等级：同时满足综合偏离度D>1.5且同车型百分位>90%的标记为“触发预警”，其余为“未触发”；维修频次异常提示与报警状态联动，分别对应“频次偏高”和“正常”。数据表记录处理结果：同车型平均日均维修频次、同车型日均维修频次标准差、Z-Score、车龄修正值、里程修正值、综合偏离度D体现基准计算与修正，同车型百分位、报警状态、维修频次异常提示体现预警分级，各项指标保留四位小数。

搜集汇总

背景与挑战

背景概述

车辆维修异常检测数据集包含1000条环卫作业车辆维修记录，涵盖车辆基础信息、维修明细及异常检测指标。通过计算日均维修频次、Z-Score和综合偏离度等指标，识别维修频次异常的车辆，并输出预警等级。该数据集可服务于环卫作业公司及维保单位，用于保养计划制定、成本管控和异常排查。