SCANIA Component X 数据集由 SCANIA CV 提供，面向 IDA 2024 工业挑战赛发布，正式论文刊于 Scientific Data 2025。数据来自 33,641 辆重型卡车的真实运营 ECU 记录，覆盖某匿名部件（Component X）的多时间步直方图特征（6 类）+ 累计计数器（8 类）+ 8 个匿名规格类别变量，共 107 列、1.65 GB。时间戳替换为相对 time_step，采样间隔不规则，缺失率 < 1%，正样本严重不均（训练集故障车辆约占 10%）。任务多样：二分类（近期故障）、5 级时间窗口分类、Time-to-Event 回归、生存分析、异常检测。评价采用基于误报成本与漏报成本的 Total_cost 框架。典型预处理建议：直方图特征展平 + 累计计数器差分；不规则时间步插值；过采样/代价敏感学习处理不均衡。可与 SWaT/WADI 组合构建工业场景异常检测基准。社区使用情况：IDA 2024 竞赛前三名均发表于 Springer LNCS 论文集，Scientific Data 正式版发布后引用增长显著。
| 行业 | 重型卡车，车队预测性运维 |
|---|---|
| 任务 | fault_detection，classification，survival_analysis，regression，anomaly_detection |
| 模态 | histogram_features，engineering_parameters |
| 频率档 | low |
| 采样率 | — |
| 真实度 | real_production |
| 访问门槛 | open |
| 质量评分 | ★★★★☆ |
| 采用度 | medium |
| 数据形态 | discrete_event |
| 是否多模态 | 否 |
| 规模 | 33,641 辆卡车，107 列，1.65 GB |
| License | CC BY 4.0 |
少数车队级公开真实故障数据，同时支持分类/回归/生存分析。
深度脱敏，物理可解释性受限；扰动幅度未公开。