> For the complete documentation index, see [llms.txt](https://doc.duaer.com/zh/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doc.duaer.com/zh/guides/predictive-maintenance-dataset.md).

# 预测性维护数据集怎么建？2027年别让数据先拖垮试点

本文整理自 Duaer 文档站，围绕预测性维护数据集的建设难点，说明如何统一标签定义、时间窗口与数据对齐，并给出判断数据集是否可用的检查方法。

## 为什么这件事比想象中难

预测性维护的模型往往不是最先卡住的地方。很多团队拿到一批振动、温度、电流数据后就急着训练，结果在验证阶段发现：同一台设备的故障记录对不上传感器时间，“故障”的定义在三个班组里各不相同，正样本只有寥寥几条。数据集没有准备好，再强的算法也只能给出看似漂亮、实际不可用的结果。所以“预测性维护数据集”真正要解决的问题，是把散落在 SCADA、点检表、维修工单和设备台账里的信息，整理成一份既能让模型学习、又能让业务信任的数据集。

第一，源数据来自不同系统，口径各异。传感器数据是高频时序，工单是人工填写的文本，台账里的设备编号可能还沿用了两次改造前的旧编码。把它们拼在一起，第一道难关就是实体对齐：这条振动数据到底属于哪台泵，这张工单对应的是哪一次停机。

第二，故障样本天然稀缺。设备大部分时间运行正常，真正的故障事件一年可能只有几次。正负样本比例悬殊，如果不做专门处理，模型很容易学会“一律判为正常”。准确率看起来很高，实际上毫无预警能力。

第三，标签本身不可靠。维修人员记下的“轴承异常”，可能是真实故障，也可能只是一次例行更换。标签定义模糊，数据集再大也只是噪声的堆积。

## 常见误区

误区一：先把所有数据导出来，再考虑怎么用。这样得到的往往是一个又大又乱的仓库，既没有统一的时间窗口，也没有明确的预警提前量。

误区二：用“故障发生后”的数据做特征。工单通常在停机后才补录，如果特征里混入了维修后的参数变化，模型在验证时会虚高，上线后很快失效。这就是典型的数据泄漏。读者可以对照 [2027 年企业 AI 数据就绪度](https://doc.duaer.com/zh/guides/data-readiness-ai/) 里的基础检查项，先确认数据在时间上是否可用。

误区三：随机切分训练集和测试集。同一台设备的相邻时段高度相似，随机切分会让测试集“见过”训练数据，评估结果明显失真。更稳妥的做法是按设备或按时间段切分。

## 怎么做才对：先定标签，再定窗口

建议先写一份标签定义表，把“什么算一次故障”“故障前多久算可预警”“哪些停机属于计划内”逐条写清楚，并由设备工程师和维修主管共同确认。然后根据预警提前量确定数据窗口，例如用故障前 N 天的特征对应“即将故障”的标签。

定义好之后，再做数据对齐。统一时间戳（时区、采样间隔、缺失补齐规则），统一设备主键，并为每条记录保留来源与版本。这一步看起来枯燥，却是后面所有指标可信的前提。

## 怎么衡量数据集是否可用

与其盯着模型准确率，不如先检查数据集本身。以下几个指标可以直接量化：

标签覆盖率：有明确故障标签的设备台数和故障事件数，是否足以支撑训练和验证。

时间对齐误差：同一事件在不同来源中的时间差，是否在可接受范围内。

设备层面的多样性：样本是否覆盖不同型号、工况和使用年限，而不是只来自一两台设备。

泄漏检查：特征的时间戳是否全部早于预警时刻。

回放验证：抽取历史上的几次真实故障，让业务专家判断当时的数据能否给出有用信号。

这些指标不需要复杂工具，一张表加几次人工抽查就能开始。模型层面的选择思路可以参考 [预测性维护 AI 模型 2027：按数据匹配度选择](https://doc.duaer.com/zh/guides/predictive-maintenance-ai-models/)，先让数据说话，再决定用什么模型。

## 数据权限与合规别忘了

设备运行数据往往涉及产能和工艺参数，有些还与客户或供应商信息相关。在数据集建设阶段就应明确：谁能访问原始数据，哪些字段需要脱敏或聚合，数据能否流出厂区。把合规问题留到模型上线前再处理，通常意味着返工。

## 本周可以做的一件事

选一台故障记录最完整的设备，花半天时间写出它的标签定义表：列出近两年每一次非计划停机，标注对应的传感器数据时段，并标记哪些记录缺失或相互矛盾。这张小表格通常能暴露出数据集的大部分问题，也是后续扩展到整条产线的起点。

数据集的质量决定了试点能走多远。把标签、窗口和对齐规则定清楚，比追逐最新算法更能让预测性维护真正产生价值。如果你们正准备启动试点，欢迎到 https://www.duaer.com 注册试用，把数据集搭建、标签管理和切分检查放在同一套流程里跑一遍，看看哪些环节最需要人工确认。

我们可以免费给你一份这个场景的落地路线。告诉我们你的设备类型和现有数据来源，我们会据此整理一份书面的落地路线图。

https://api.duaer.com/form/1fea7709-3f8a-47f7-b4e3-eb5fb90e3213

## 常见问题

### 预测性维护数据集通常需要整合哪些数据源？

一般需要整合三类数据：SCADA 或传感器的高频时序数据、点检表等运行记录，以及维修工单和设备台账。关键在于统一设备主键和时间戳，确保同一事件在不同来源中能够对齐。

### 如何定义预测性维护中的故障标签？

建议先写一份标签定义表，明确什么算一次故障、故障前多久算可预警、哪些停机属于计划内，并由设备工程师和维修主管共同确认。标签定义清楚之后，再根据预警提前量设定数据窗口。

### 为什么预测性维护的训练集和测试集不能随机切分？

同一台设备相邻时段的数据高度相似，随机切分会让测试集中包含与训练集几乎相同的样本，导致评估结果虚高。更稳妥的做法是按设备或按时间段切分，使测试结果更接近上线后的真实表现。

