这个数据集在以前的研究项目中使用过，例如在[ IMPROVE ][1]中。内容用例的重点是预测生产线中一个重要组件的状态。该组件的条件是重要的功能，工厂和由此产生的产品质量。提供了8个运行到失败的实验数据，并选择了8个与组件相关的特征。训练数据和预测数据采用留一遗漏的方法: 从被测构件中选取数据作为预测的目标。所有其他组件的一组数据被选择并组合起来作为“新”条件的训练数据。SOM 在训练数据上进行训练，以代表“新的”条件。计算并显示了试验组分的降解过程。对所有8个数据集重复这个过程，以得到所有组分的退化预测。该预测适用于所有被专家贴上某种磨损标签的情况。此外，据专家说，其中一个部件没有显示磨损迹象，这也得到了模型的证实。鸣谢这个数据集是公开的，任何人都可以根据[以下条款][2]使用。Von Birgelen，Alexander; Buratti，Davide; Mager，Jens; Niggemann，Oliver: 网络物理生产系统中异常定位和预测维护的自组织映射。参加: 2018年5月第51届 CIRP 制造系统会议(CIRP CMS 2018)。开放获取的论文: https://authors.elsevier.com/sd/article/s221282711830307x IMPROVE 已经获得了欧盟的“地平线2020”研究和创新项目的资助，该项目是根据第678867号赠款协议[1] : http://IMPROVE-vfof.eu/[2] : https://creativecommons.org/licenses/by-sa/3.0/