Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Industrie › predictive-maintenance
✦ Libre & open sourceIndustrie

predictive-maintenance

Une boîte à outils Python pour télécharger, charger et visualiser des jeux de données de maintenance prédictive.

Jeux de données de maintenance prédictive

Boîte à outils Python standardisée pour la recherche en PHM industriel et le chargement de données

Gratuit pour toujours · open source · MIT
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
7.4
ZEKAI
Boîte à outils pratique pour jeux de données industriels
Libre & open source · Industrie
Facilité d'installation7
Utilité8
Maintenance9.5
Communauté5
★ 174
GITHUB
Oct 2026
MIS À JOUR
MIT
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

Cette boîte à outils fournit une API partagée et des chargeurs spécifiques aux jeux de données pour la recherche en maintenance prédictive. Elle s'adresse aux data scientists industriels et aux chercheurs travaillant sur la détection d'anomalies et les données de dégradation.

Fonctionne sur
Cross-platform
Hébergement
Desktop
Langues
Jupyter Notebook
Licence
MIT

Qu'est-ce que c'est

Le dépôt permet de télécharger, charger et visualiser par programmation des jeux de données industriels comme CMAPSS à l'aide d'une API Python unifiée. Il renvoie des DataFrames ou LazyFrames Polars selon le jeu de données et inclut une visualisation intégrée des trajectoires de capteurs.

Pour qui

Il convient aux ingénieurs en apprentissage automatique et aux chercheurs évaluant des algorithmes de pronostic et de gestion de la santé. Il ne convient pas aux praticiens recherchant un service clé en main de détection d'anomalies en production.

Fonctionnalités clés

API Python partagée

Accédez à plusieurs jeux de données de maintenance prédictive via une interface de chargement cohérente.

Intégration Polars

Les chargeurs de données renvoient des Polars DataFrames ou LazyFrames haute performance.

Visualisation intégrée

Générez des graphiques de trajectoire de capteur directement à partir des data frames chargés.

Téléchargements explicites

L'importation ou le chargement ne déclenchent jamais de téléchargements, ce qui vous permet de récupérer uniquement ce dont vous avez besoin.

Comment démarrer

Opérationnel en 3 étapes

1
Exécutez ./scripts/bootstrap.sh depuis la racine du dépôt pour créer l'environnement Python 3.11.
2
Lancez Jupyter Lab avec uv run --locked jupyter lab et sélectionnez le noyau pdmdata.
3
Importez pdmdata, téléchargez le jeu de données de votre choix et chargez-le dans un DataFrame.
Franchement

Notre verdict honnête

Ses atouts

  • Fournit une API partagée pour des jeux de données de maintenance prédictive hétérogènes
  • Renvoie des Polars DataFrames et LazyFrames économes en mémoire
  • Comprend des fonctions de tracé intégrées pour les trajectoires de capteurs
  • Sépare le chargement des données du téléchargement pour contrôler le stockage local

Ses limites

  • Nécessite l'exécution manuelle des commandes de téléchargement des jeux de données
  • Les licences et conditions d'utilisation des jeux de données s'appliquent indépendamment
  • Nécessite la configuration d'un environnement Python à l'aide de uv et Jupyter Lab
Coût

Tarifs & licence

Le code du dépôt et la documentation sont gratuits sous licence MIT, bien que les jeux de données individuels restent soumis à leurs propres conditions et licences sources. Le seul coût est celui de l'exécution par vos propres moyens.

Travail rémunéré

Missions pour francophones

877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : predictive-maintenance pour Industrie
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons predictive-maintenance pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

L'importation de la bibliothèque télécharge-t-elle automatiquement les jeux de données ?

Non, l'importation ou le chargement ne télécharge jamais de données ; vous devez appeler explicitement la fonction de téléchargement.

Quelles structures de données les chargeurs renvoient-ils ?

Les chargeurs renvoient des Polars DataFrames ou LazyFrames selon le jeu de données spécifique.

Comment configurer l'authentification Kaggle ?

Consultez le guide d'utilisation dans le répertoire des docs pour la configuration des chemins et de l'authentification Kaggle.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Industrie — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google