面向预测性维护 AI 的传感器训练数据

将设备记录转化为经过审核的训练数据。标注振动模式、温度变化、运行状态和精确事件,同时完整保留测量上下文。
Industrial motor and bearing collage surrounding a vibration chart with a labeled high-vibration interval.

预测性维护数据整理与标注

构建将设备行为与一致标签关联的数据集。筛选相关记录,标注有意义的信号模式,并审核维护模型将用于学习的示例。
Motor vibration signal with a labeled High vibration interval.

振动状态标注

将持续振动变化和重复模式标为时间区间。跨所选通道比较已标注区间,同时保留各事件前后的信号。
Motor temperature curve with Warm-up and Stable operation ranges.

温度运行状态

标注预热阶段、稳定运行和异常温度区间。保留完整记录,供审核员结合上下文判断每个标签。
Motor current trace with an exact Load change point.

负载变化与周期事件

使用点标注标记单次负载转换和周期事件,为下游分析保留各事件的 X 轴值与通道身份。
Sensor interval with equipment and operating-mode properties and a review comment.

一致的设备上下文

使用共享类别和结构化属性记录设备上下文与状态标签。发布前,将不确定示例转交审核与返工。

AI 团队为何选择 Unitlab

从源数据到经审核的训练数据集,始终关联传感器记录、结构化标签和质量决策。
15X
更快完成设备数据标注
60%
释放 AI 工程师的时间
5X
降低 AI 开发成本

设备传感器数据的标注类型

用区间标注运行阶段,用点标注精确事件。共享类别和属性可让不同记录中的设备标签保持一致。
Sensor signal with an editable Active period range from three to seven seconds.

状态区间的范围标注

定义持续振动或温度运行状态等重要阶段的起止位置。标签可作用于单个通道或整段记录。

设备事件的点标注

为状态转换、尖峰或已知事件标记单个采样点。在标注和导出中保留原始 X 轴值与通道上下文。

Sensor signal with a Transition point marking a change at five seconds.

预测性维护常见问题

什么是预测性维护数据标注?

这是为设备测量数据添加标签,使模型能够学习运行状态和重要事件的过程。Unitlab 支持对 CSV 时序记录进行区间与点标注,并结合结构化属性和审核工作流。

可以标注哪些设备测量数据?

可标注包含振动、温度、压力或电流等数值通道的 CSV 记录。X 轴可使用数值或受支持的带时区时间戳。

可以同时标注正常运行和异常行为吗?

可以。运行状态和事件类别由本体定义。用区间标注重要阶段,用点标注单个采样位置,并保留周围信号上下文。

审核员可以比较多个传感器通道吗?

可以。在共享 X 轴窗口的独立图表中检查通道,或将所选通道合并显示。标签可描述单个通道或整段记录。

如何统一不同设备数据集的标签?

通过共享本体定义事件类别、标注属性、记录属性和关系。结构化选项及必需属性检查帮助团队遵循统一的标注方案。

如何审核标注质量?

工作项可经过标注、审核和返工阶段。审核员检查图表与定位评论;配置后,已批准的基准和共识评估也可用于质量检查。

可以在标注前筛选整理记录吗?

可以。使用数据集搜索、元数据、标签和筛选器选择相关资产。随着项目演进,数据集版本帮助追溯已准备的数据和经审核的发布版本。

传感器标注导出包含哪些内容?

JSONL 导出保留已标注区间和点、原始 X 轴值、通道上下文及受支持的属性。日期时间轴使用 UTC 纪元毫秒,数值轴保留源单位。

这些数据集如何支持预测性维护模型?

经审核的标签成为机器学习流程中的训练或评估目标。Unitlab 负责准备标注数据,设备预测和部署仍属于下游模型工作流。

需要协助设计预测性维护数据工作流?联系 Unitlab