案例14｜預測維護代理：感測器資料、隨機森林與程式屬性錯誤

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。檢查原書預測維護程式是否能按文字說明執行。

本案例取自原書正式製造業實作案例的預測維護代理。

二、學習目標

辨識訓練資料與標籤。
指出程式屬性名稱前後不一致。
區分畫面結果與可重現計算。

三、案例情境

原書使用隨機森林分類器，以三筆感測器資料 [70,30,50]、[60,25,45]、[80,35,55]，標籤為 0、0、1，其中 0 表示無故障、1 表示故障。程式先建立 self.model，卻在訓練時呼叫 self.models.fit。畫面另顯示輸入 [75,28,97] 或完整提問中的 [75,28,52] 時，不需要維護。

四、開始資料

項目	原書內容
訓練資料	[70,30,50]；[60,25,45]；[80,35,55]
標籤	0、0、1
模型	隨機森林分類器
程式屬性	建立 self.model；訓練卻呼叫 self.models.fit
畫面輸出	needs_maintenance = 0
可重現限制	程式按原樣會遇到屬性名稱不一致

五、Excel／AI 分析方法

在 Excel 保存感測器資料、標籤、畫面輸入與畫面輸出，另設「程式可執行性」欄。AI 可指出錯誤位置，但不得靜默修正後把新結果冒充原書。

六、計算結果

原書畫面結果為 0，表示不需維護；但因程式屬性名稱不一致，無法把該畫面值視為由目前可見程式成功重現的結果。

七、結果分析與管理解讀

此處必須把「原書畫面說什麼」與「程式按原樣是否能執行」分開。即使修正名稱，原書也沒有固定隨機種子與完整評估，因此教材不自行產生新預測。

八、AI 提問詞

請檢查程式中的模型屬性名稱，列出原書畫面結果與可重現性限制。除非明確標示，不得修正程式或產生新預測。