KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Industrie › predictive-maintenance
✦ Frei & Open SourceIndustrie

predictive-maintenance

Ein Python-Toolkit zum Herunterladen, Laden und Visualisieren von Datensätzen für die vorausschauende Wartung (predictive maintenance).

Datensätze für Predictive Maintenance

Standardisiertes Python-Toolkit für industrielle PHM-Forschung und das Laden von Daten

Für immer kostenlos · Open Source · MIT
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.4
ZEKAI
Praktisches Toolkit für industrielle Datensätze
Frei & Open Source · Industrie
Einfache Einrichtung7
Nützlichkeit8
Wartung9.5
Community5
★ 174
GITHUB
Oct 2026
AKTUALISIERT
MIT
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

Dieses Toolkit bietet eine gemeinsame API und datensatzspezifische Loader für die Forschung im Bereich predictive maintenance. Es eignet sich für industrielle Data Scientists und Forscher, die mit Anomalieerkennung und Degenerationsdaten arbeiten.

Läuft auf
Cross-platform
Hosting
Desktop
Sprachen
Jupyter Notebook
Lizenz
MIT

Was es ist

Das Repository ermöglicht es Ihnen, industrielle Datensätze wie CMAPSS über eine einheitliche Python-API programmatisch herunterzuladen, zu laden und zu visualizarisieren. Es gibt Polars DataFrames oder LazyFrames je nach Datensatz zurück und enthält eine integrierte Visualisierung von Sensortrajektorien.

Für wen

Es eignet sich für Machine-Learning-Ingenieure und Forscher, die Algorithmen für Prognostik und Zustandsüberwachung (Prognostics and Health Management) bewerten. Es ist nicht geeignet für Praktiker, die einen schlüsselfertigen Produktionsdienst zur Anomalieerkennung suchen.

Wichtige Funktionen

Gemeinsame Python-API

Greifen Sie über eine einheitliche Ladeschnittstelle auf mehrere predictive-maintenance-Datensätze zu.

Polars-Integration

Daten-Loader geben hochperformante Polars DataFrames oder LazyFrames zurück.

Integrierte Visualisierung

Generieren Sie Sensortrajektorien-Diagramme direkt aus geladenen DataFrames.

Explizite Downloads

Das Importieren oder Laden löst niemals Downloads aus, sodass Sie nur das abrufen können, was Sie benötigen.

Erste Schritte

Startklar in 3 Schritten

1
Führen Sie ./scripts/bootstrap.sh im Wurzelverzeichnis des Repositorys aus, um die Python 3.11-Umgebung zu erstellen.
2
Starten Sie Jupyter Lab mit uv run --locked jupyter lab und wählen Sie den pdmdata-Kernel aus.
3
Importieren Sie pdmdata, laden Sie Ihren gewählten Datensatz herunter und laden Sie ihn in ein DataFrame.
Klartext

Unser ehrliches Fazit

Stärken

  • Bietet eine gemeinsame API für unterschiedliche predictive-maintenance-Datensätze
  • Gibt speichereffiziente Polars DataFrames und LazyFrames zurück
  • Enthält integrierte Plotting-Funktionen für Sensortrajektorien
  • Trennt das Laden von Daten vom Herunterladen zur Kontrolle des lokalen Speichers

Schwächen

  • Erfordert die manuelle Ausführung von Datensatz-Download-Befehlen
  • Datensatzlizenzen und Nutzungsbedingungen gelten unabhängig
  • Erfordert die Einrichtung der Python-Umgebung mit uv und Jupyter Lab
Kosten

Preise & Lizenz

Der Code und die Dokumentation des Repositorys sind unter der MIT License kostenlos, wobei für einzelne Datensätze weiterhin deren eigene Bedingungen und Quelllizenzen gelten. Die einzigen Kosten entstehen durch den eigenen Betrieb.

Bezahlte Arbeit

Stellen für Deutschsprachige

877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen

Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: predictive-maintenance für Industrie
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren predictive-maintenance für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Lädt das Importieren der Bibliothek Datensätze automatisch herunter?

Nein, das Importieren oder Laden lädt niemals Daten herunter; Sie müssen die Download-Funktion explizit aufrufen.

Welche Datenstrukturen geben die Loader zurück?

Loader geben je nach spezifischem Datensatz Polars DataFrames oder LazyFrames zurück.

Wie konfiguriere ich die Kaggle-Authentifizierung?

Konsultieren Sie die Nutzungsanleitung im Dokumentationsverzeichnis für die Pfadkonfiguration und das Setup der Kaggle-Authentifizierung.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Industrie — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen