工业设备运行状态与警示故障数据集

本数据集基于机联网警示、停机时序数据加工生成，核心用于注塑车间设备故障模式识别、故障根因追溯、运维方案优化、备件需求预测四大业务场景。设备维修工程师可根据每条记录的警示总时长、停机时长、设备状态，区分短时告警、持续性故障、停机故障三类异常，统计高频故障机台，梳理故障发生规律。备件管理专员依托故障频次数据预判轴承、油路、伺服等易损件更换周期，优化备件库存，减少缺货停机损失。设备管理部门可按月汇总全车间故障数据，形成故障分析报告，优化设备日常保养周期，从源头降低告警故障发生率。数据集可接入设备故障预警平台，作为 AI 故障识别模型标注训练数据，同时支撑工厂安全生产巡检工作，量化设备故障停机造成的产能损失，适配运维部、生产调度、备件仓储、设备管理多岗位数字化管理需求，为设备全生命周期健康管理提供故障维度标准化数据支撑。同行业企业可复用这套故障时序统计规则与异常分类标准，快速搭建设备故障数字化分析体系；积累的故障样本可为注塑装备厂商优化硬件设计提供现场依据；统一的数据规范能够降低行业故障预警 AI 模型的训练成本，助力中小工厂快速落地预测性维护方案。（一）、加工前的数据说明：本次加工前的原始数据为泰瑞机器工业机联网系统采集的注塑机设备运行全量数据，字段包含机台编号、设备类型、设备警示总时长(秒)等核心信息。 （二）、处理规则： 1、以机台编号作为唯一主键，过滤主键为空的无效记录，对机台编号进行标准化去空格处理，确保每一条数据都可关联到唯一设备； 2、去重，删除全字段完全重复的冗余记录，消除数据采集过程中的重复上报问题； 3、缺失值处理：数值型字段缺失值统一填充为0，文本型字段去除首尾空格并将空值统一标记为未知，确保数据完整性； 4、格式标准化规则，将带单位的时长字段统一转换为以秒为单位的数值格式，日期字段全量统一为标准时间格式，消除数据格式不统一问题； 5、算法构建： 故障告警占比=设备警示总时长(秒)/设备可运行总时长(秒)*100%； 故障停机占比=设备停机总时长(秒)/设备可运行总时长(秒)*100%； 故障严重度FSS=0.35*故障告警占比+0.4*故障停机占比+0.25*(3*故障告警占比*故障停机占比+1)/(故障告警占比*故障停机占比+3)； 故障频次估算=FLOOR(LN(1+设备警示总时长(秒)/600)*1.5,1)； 故障风险指数FRI=1-exp(-故障严重度FSS*2.5)。 （三）、内容简述 若故障风险指数FRI小于等于0.2，则判定为轻微告警；若故障风险指数FRI大于0.2且小于等于0.5，则判定为一般故障；若故障风险指数FRI大于0.5且小于等于0.8，则判定为严重故障；若故障风险指数FRI大于0.8，则判定为危急故障。

搜集汇总

背景与挑战

背景概述

工业设备运行状态与警示故障数据集由泰瑞机器股份有限公司登记，来源于工业机联网采集的注塑机运行数据，经去重、缺失值处理、格式标准化及故障指标算法加工后，形成1126条xlsx数据，每年更新。其字段涵盖机台编号、设备类型、统计日期、设备可运行/警示/停机总时长、故障告警占比、故障停机占比、FSS、故障频次估算、FRI和故障风险分级，并按FRI划分为轻微告警、一般故障、严重故障和危急故障。该数据集主要服务于注塑车间故障模式识别、根因追溯、运维优化、备件需求预测、AI故障识别模型训练、安全生产巡检及设备全生命周期健康管理等多岗位数字化场景。