論文の概要: PyScrew: A Comprehensive Dataset Collection from Industrial Screw Driving Experiments

• arxiv url: http://arxiv.org/abs/2505.11925v1
• Date: Sat, 17 May 2025 09:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.942151
• Title: PyScrew: A Comprehensive Dataset Collection from Industrial Screw Driving Experiments
• Title（参考訳）: PyScrew: 産業用スクリュー運転実験から収集した総合データセット
• Authors: Nikolai West, Jochen Deuse,
• Abstract要約: このコレクションは6つの異なるデータセットから構成され、34,000以上の個別のスクリュー駆動操作が二重条件下で実行される。 ハードウェア仕様、プロセスフェーズ、データ取得方法を含む、すべてのデータセットで使用される標準化された実験セットアップについて詳述する。 データモデルは、スクリュー駆動プロセスの時間的および運用的構造を保持し、探索解析と機械学習モデルの開発を容易にする。
• 参考スコア（独自算出の注目度）: 0.8287206589886881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a comprehensive collection of industrial screw driving datasets designed to advance research in manufacturing process monitoring and quality control. The collection comprises six distinct datasets with over 34,000 individual screw driving operations conducted under controlled experimental conditions, capturing the multifaceted nature of screw driving processes in plastic components. Each dataset systematically investigates specific aspects: natural thread degradation patterns through repeated use (s01), variations in surface friction conditions including contamination and surface treatments (s02), diverse assembly faults with up to 27 error types (s03-s04), and fabrication parameter variations in both upper and lower workpieces through modified injection molding settings (s05-s06). We detail the standardized experimental setup used across all datasets, including hardware specifications, process phases, and data acquisition methods. The hierarchical data model preserves the temporal and operational structure of screw driving processes, facilitating both exploratory analysis and the development of machine learning models. To maximize accessibility, we provide dual access pathways: raw data through Zenodo with a persistent DOI, and a purpose-built Python library (PyScrew) that offers consistent interfaces for data loading, preprocessing, and integration with common analysis workflows. These datasets serve diverse research applications including anomaly detection, predictive maintenance, quality control system development, feature extraction methodology evaluation, and classification of specific error conditions. By addressing the scarcity of standardized, comprehensive datasets in industrial manufacturing, this collection enables reproducible research and fair comparison of analytical approaches in an area of growing importance for industrial automation.
• Abstract（参考訳）: 本稿では,製造工程の監視と品質管理の研究を推進すべく,産業用スクリュー駆動データセットの包括的収集について述べる。 このコレクションは6つの異なるデータセットから構成され、制御された実験条件下で34,000以上の個別のスクリュー駆動操作が行われ、プラスチック部品におけるスクリュー駆動プロセスの多面的な性質を捉えている。 各データセットは, 繰り返し使用による天然糸劣化パターン(s01), 汚染や表面処理を含む表面摩擦条件の変化(s02), 最大27種類のエラー型を有する多様な組立断層(s03-s04), 改良型射出成形設定による上・下双方の加工パラメータの変動(s05-s06)など, 具体的な側面を体系的に検討する。 ハードウェア仕様、プロセスフェーズ、データ取得方法を含む、すべてのデータセットで使用される標準化された実験セットアップについて詳述する。 階層型データモデルは、スクリュー駆動プロセスの時間的および運用的構造を保持し、探索解析と機械学習モデルの開発を容易にする。 アクセシビリティを最大化するために、Zenodoによる生データと永続的なDOI、データ読み込み、前処理、一般的な分析ワークフローとの統合のための一貫したインターフェースを提供するPythonライブラリ(PyScrew)の2つのアクセスパスを提供しています。 これらのデータセットは、異常検出、予測保守、品質管理システム開発、特徴抽出手法の評価、特定のエラー条件の分類など、さまざまな研究応用を提供する。 工業生産における標準化された包括的データセットの不足に対処することにより、産業自動化の重要性が高まっている分野における再現可能な研究と分析的アプローチの公正な比較を可能にする。

関連論文リスト

• Analog and Multi-modal Manufacturing Datasets Acquired on the Future Factories Platform V2 [0.0]
  本稿では,製造組立ラインの8時間連続運転中に得られた2つの産業グレードデータセットについて述べる。 データセットは、通信プロトコル、アクチュエータ、制御メカニズム、トランスデューサ、センサー、カメラをカバーする業界標準に準拠している。
  論文  参考訳（メタデータ） (2025-02-07T15:47:27Z)
• Zero-Shot Learning of Causal Models [17.427722515310606]
  ゼロショット方式で構造因果モデル(SCM)を推定できるモデルを学習する。 副産物として,本手法では新たなデータセットとインターベンションサンプルのゼロショット生成を行うことができる。 私たちの知る限りでは、SCMが観測からゼロショットで推論されるのはこれが初めてです。
  論文  参考訳（メタデータ） (2024-10-08T15:31:33Z)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• Analog and Multi-modal Manufacturing Datasets Acquired on the Future Factories Platform [0.0]
  本稿では,2つの業界グレードのデータセットについて述べる。 2023年12月11日と12日にサウスカロライナ大学のFuture Factories Labで収集された。
  論文  参考訳（メタデータ） (2024-01-28T02:26:58Z)
• Integration of Domain Expert-Centric Ontology Design into the CRISP-DM for Cyber-Physical Production Systems [45.05372822216111]
  機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。 しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。 このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
  論文  参考訳（メタデータ） (2023-07-21T15:04:00Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Synthesizing Rolling Bearing Fault Samples in New Conditions: A framework based on a modified CGAN [1.0569625612398386]
  多くの産業において, 故障診断と条件モニタリングは, 運用コストの削減とダウンタイムの削減に不可欠である。 本稿では, 条件付き生成逆数ネットワーク(CGAN)に基づく新しいアルゴリズムを, 実際の故障条件の正常データと故障データに基づいて訓練する。 提案手法は実世界のベアリングデータセット上で検証され, 異なる条件下で故障データを生成する。
  論文  参考訳（メタデータ） (2022-06-24T04:47:08Z)
• Detecting Faults during Automatic Screwdriving: A Dataset and Use Case of Anomaly Detection for Automatic Screwdriving [80.6725125503521]
  障害検出に機械学習(ML)を使用したデータ駆動型アプローチが最近注目されている。 本稿では,自動スクリュー運転時の故障検出にMLモデルを用いた場合について述べる。
  論文  参考訳（メタデータ） (2021-07-05T11:46:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。