条件监视

本示例涉及了如何监视机器的状态信息以及在识别和预测故障状态时出现的问题。

其中的数据通过虚构模拟创建得到并包括大量按时间测量的连续序列。 每个记录都是与计算机的以下方面相关的快照报告：

• Time。 整数。
• Power。 整数。
• Temperature。 整数。
• Pressure. 0 (如果正常) ， 1 表示瞬时压力警告。
• Uptime。 自上次服务以来经过的时间。
• Status。 通常为 0，如果发生错误 (101， 202或 303) ，那么将更改为错误代码。
• Outcome。 此时间序列中显示的错误代码，如果未发生错误，那么为 0 。 （提供这些代码唯一的好处是可在事后了解出现的错误。）

此示例使用在 您先前导入的示例项目中提供的名为 Condition Monitoring的流。 数据文件为 cond1n.csv 和 cond2n.csv。

对于每个时间序列，从正常运行时间段到导致故障的时间段都有一系列记录，如下表所示：

通常，大多数数据挖掘工程都会经历以下过程：

• 检查数据以确定哪些属性可能与相关状态的预测或识别有关。
• 保留这些属性（如果已存在），或者在必要时导出这些属性并将其添加到数据中。
• 使用结果数据训练规则和神经网络。
• 使用独立测试数据测试经过训练的系统。