工业互联网方向赛题二赛题名称：混凝土泵车砼活塞故障预警

赛题背景

对生产设备的维护，传统的做法主要有两种：一种是等故障发生后再维修，但这会导致非计划性的停产，经济损失大;第二种是按固定计划进行维护，但维修成本高，停机时间长。预测性维护，则通过分析故障历史数据和实时监测数据，对设备关键部件的剩余寿命或故障进行提前预测预警，并据此进行维护维修，从而减少设备非计划停机时间、降低维护成本。

砼活塞是混凝土泵车的关键部件，也是消耗性部件，砼活塞故障将导致泵车无法正常工作，同时可能导致整個工地其他配套设备无法正常施工，从而带来相当大的经济损失。砼活塞寿命与设备的具体工况等密切相关，通过物联网将泵车的实时工况数据等上传至工业互联网云平台，基于积累的数据建立合适的模型，有望对砼活塞在未来一定工作任务期间内可能出现的故障做出有效的预测预警，从而提醒作业人员在施工前进行必要的维护，避免因计划外停机而带来的经济损失。

任务描述

本赛题由中科云谷提供某类混凝土泵车砼活塞故障有关的数据，包括工作时间、发动机转速、油温、压力等多类工况数据，以及对应情况下，在未来完成给定工作量（混凝土泵送方量）的过程中，砼活塞是否故障的标识信息。希望参赛者利用大数据分析、机器学习、深度学习等方法，提取合适的特征、建立合适的故障预测模型，再根据测试数据预测该活塞在未来给定工作量内（泵送方量），是否会发生故障。

赛题内容和方向

大多数参赛选手可能对混凝土泵车这种工程机械不太了解，砼活塞就可能更陌生了。混凝土泵车的作用，主要是将混凝土泵送到工地的具体施工点，比如在框架结构的楼房施工过程中，支模板、绑钢筋后，浇筑混凝土就主要是由混凝土泵车完成的。砼缸则是泵车将混凝土泵送到高处施工点进行浇筑的动作主体，砼缸里面的活塞就是砼活塞。主油泵的动力传送到砼活塞上，活塞推动混凝土通过输送管到达浇筑位置。

因此，可以说，砼活塞是在泵车第一线干着最苦最脏的粗活，其寿命总是有限的，还可能由于其他复杂的原因出现异常的故障。

中科云谷是工程机械行业最早开展物联网应用研究实践的团队之一，基于中联重科十余年的探索与积累，中科云谷工业互联网平台已经连接超过20万套价值千亿元级别的设备资产，采集超过9000余种数据参数，存量数据已达PB级别。

赛题价值

砼活塞看起来不起眼，却是混凝土泵车的关键部件，也是消耗性部件。砼活塞故障不仅将导致泵车无法正常工作，由于在工地施工过程中，通常都会有多台搅拌运输车等多种施工设备配套以及多类施工人员共同工作配合，因为一个小小的砼活塞故障，可能导致整个工地临时停止运转，无法正常施工，从而带来相当大的经济损失。

本赛题是将大数据分析、机器学习技术应用到工程机械实际业务场景中的一次尝试，赛题本身具有很好的实际应用价值，同时，对于探索成熟算法在复杂的实际场景中如何应用落地具有很好的启示作用。

赛题难点

本赛题的特征数据字段包括：活塞工作时长、发动机转速、油泵转速、泵送压力、液压油温、流量档位、分配压力、排量电流、低压开关、高压开关、搅拌超压信号、正泵、反泵、设备类型。其中，活塞工作时长指的是新换活塞后的累积工作时长，属于数值型。发动机转速、油泵转速、泵送压力、液压油温、流量档位、分配压力、排量电流，均为泵车的对应工况值，也属于数值型。低压开关、高压开关、搅拌超压信号、正泵、反泵，都是开关量。设备类型指的是，该泵车的类型，属于类别型。

这道题目的难点主要有：

1.特征字段原始数据存在缺失，为简化赛题，数据在预处理的时候进行了填充，但某种程度的信息缺失仍然是实际存在的。

2.不同类型的设备，其工况不同，活塞寿命损耗情况可能不同，因此可能需要针对不同类型的设备分别建立模型。

3.测试数据中有一部分新的设备，其数据从来没有在训练数据中出现过（设备类型出现过），因此如果从训练集随机切分一部分样本作为验证集，验证集效果可能不错，但是在测试集上效果可能不如验证集。本赛题这么设计，是因为在实际应用中就包含这样的场景，新投入工作的设备，从来没有过活塞故障记录，但仍然希望对其可能的故障进行预测。是否可以将某些迁移学习的思想应用到本题中，需要选手们进行探索。

4.是否是原装的砼活塞，其工作寿命和故障概率可能会不同。不排除某些混凝土泵车车主，在超过保修期后，更换时采用了非原厂出品的砼活塞，从而表现出不同的寿命。因此，仅仅根据累积工作时间来预测其故障，预测效果可能不会太高。

此外，由于工况数据的具体值都经过了一定的脱敏处理，即不完全是实际测量值，虽然尽量保留特征的相对关系，但不可避免地会有某些信息丢失。