## معرفی داده‌ها داده‌های این مسابقه مربوط به مجموعه‌ای از **حسگرهای صنعتی** هستند که بر روی تجهیزات بزرگ مانند پمپ‌ها، توربین‌ها و کمپرسورها نصب شده‌اند. این حسگرها کمیت‌هایی نظیر **دما، فشار، ارتعاش، جریان و ولتاژ** را در طول زمان ثبت می‌کنند تا امکان پایش سلامت و عملکرد تجهیزات فراهم شود. هدف کلی مسابقه، طراحی مدل‌ها و الگوریتم‌هایی است که بتوانند بر اساس این داده‌ها، خطاها را تشخیص دهند، الگوهای غیرعادی را بیابند یا عمر باقی‌مانده تجهیزات را پیش‌بینی کنند. ## ساختار کلی داده‌ها اطلاعات هر حسگر برای هر سوال در فایل مربوطه با نام حسگر ارائه شده است: ویژگی‌های کلیدی داده‌ها: + ستون **`timestamp`** نشان‌دهنده‌ی زمان ثبت داده است (مرتب‌شده به صورت صعودی). + ستون دوم مقدار همان حسگر را در هر لحظه ذخیره می‌کند. + در نسخه‌ی **train**، در صورتی که برچسب وجود داشته باشد، تنها در سنسوری ذخیره شده که **بیشترین نرخ نمونه‌برداری** را دارد. + نسخه‌ی **test** فاقد برچسب است. + زمان در کل داده‌ها تغییر کرده اما **ترتیب زمانی حفظ شده است**. ### نرخ نمونه‌برداری حسگرها هر حسگر با **نرخ نمونه‌برداری (Sampling Rate)** متفاوتی داده تولید می‌کند. این نرخ نشان می‌دهد که هر چند ثانیه یک بار مقدار حسگر ثبت می‌شود. | نام حسگر | واحد اندازه‌گیری | نرخ نمونه‌برداری (هر چند ثانیه یکبار) | توضیحات | | ---------------- | ---------------- | ------------------------------------- | ---------------- | | Temperature_C | °C | 1 | دمای تجهیز | | Pressure_kPa | kPa | 2 | فشار سیال | | VibAccel_m_s2 | m/s² | 10 | شتاب ارتعاش | | VibVelocity_mm_s | mm/s | 5 | سرعت ارتعاش | | BearingTemp_C | °C | 10 | دمای یاتاقان | | FlowRate_L_min | L/min | 15 | نرخ جریان سیال | | Humidity_pct | % | 5 | رطوبت محیط | | OilLevel_cm | cm | 15 | سطح روغن | | pH_units | – | 10 | اسیدیته سیال | | Power_kW | kW | 1 | توان الکتریکی | | Speed_RPM | RPM | 2 | سرعت دورانی | | Torque_Nm | N·m | 5 | گشتاور محور | | VibDisp_mm | mm | 15 | جابه‌جایی ارتعاش | | Voltage_V | V | 2 | ولتاژ تغذیه | ## ⚠️ نکات مهم + خروجی هر مسئله باید با ساختار داده منطبق باشد؛ به‌طور خاص، برای فایل‌های **test**، خروجی باید به اندازه‌ی تعداد ردیف‌های حسگری باشد که بالاترین نرخ نمونه‌برداری را دارد، چراکه برچسب‌ها در همان نقاط زمانی تعریف می‌شوند. + به دلیل متفاوت بودن نرخ نمونه‌برداری، داده‌های سنسورها به‌صورت طبیعی هم‌تراز نیستند. هنگام ادغام، باید همگام‌سازی بر اساس `timestamp` انجام شود. + وجود مقادیر گمشده (`NaN`) در برخی حسگرها طبیعی است و باید در پیش‌پردازش مدیریت شوند. + به دلیل تغییر نرخ و بازه‌های زمانی، چالش قابل توجه در این داده‌ها **یکپارچه‌سازی زمانی** و مدیریت اختلاف نرخ نمونه‌برداری است.