发表机构
Université de Sherbrooke（舍布鲁克大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
该研究构建了一个包含27台冰箱、706万行数据的合成多元时间序列数据集，用于支持故障预测、退化分析及跨配置学习。
AI 中文摘要
我们使用一个简化的物理启发式模拟器，以一分钟的分辨率生成了27台冰箱的合成多元时间序列。该模拟器包括环境温度变化、门的使用、恒温器和压缩机运行、热交换、除霜、电力消耗以及六种渐进式退化类型。每台冰箱根据其配置提供15到20个传感器输出。该数据集包含7,066,161行，分布在27个时间序列文件和27个故障日志中。发布内容还包括Python生成器、冰箱配置和文档。这些数据可以支持故障预测、退化分析以及在不同传感器输出集的冰箱之间进行学习。
英文摘要
We generated synthetic multivariate time series for 27 refrigerators with a simplified physicsinspired simulator at one-minute resolution. The simulator includes ambient-temperature variation, door use, thermostat and compressor operation, heat exchange, defrost, electrical consumption, and six progressive degradation types. Each refrigerator provides 15 to 20 sensor outputs according to its configuration. The dataset contains 7,066,161 rows in 27 time-series files and 27 failure logs. The release also includes the Python generator, refrigerator configurations, and documentation. The data can support failure prediction, degradation analysis, and learning across refrigerators with different sensor-output sets.
