工业生产系统异常检测与定位数据集2018
数据来源：互联网公开数据
标签：工业生产,异常检测,自组织映射,预测维护,机器学习,PLC,气动抓取,传感器
数据概述：
该数据集来源于OPAK项目，并在欧洲IMPROVE项目中进一步修订。数据集包含一个可移动的拣选放置演示器，使用气罐作为所有抓取和存储单元的气源。记录了5个连续信号（另加4个备用）、13个离散信号和1个Unix时间戳。部分数据集包含标签信息。演示器能够对不同类型的材料（木材和金属）进行分类并放置到相应的目标位置。四个模块（存储模块、传感器、金属存储、木材存储）可以放置在四个位置中的任意一个，而PLC程序会自动适应位置变化。记录的数据通过OPC DA服务器每50毫秒采集一次，共16,220个观测点。数据集中已去除缺失值和零方差列。
数据用途概述：
该数据集适用于工业生产系统的异常检测与定位研究，预测维护及机器学习模型训练。研究人员可以利用此数据进行机器学习模型的开发和评估，包括自组织映射、异常检测算法的优化等。工业生产系统的维护人员能够借助此数据进行故障诊断与预防性维护，提高系统的稳定性和可靠性。此外，数据集也适合用于教育培训，帮助学习者理解工业生产系统的操作流程和技术原理。
举例：
数据集包括两个主要部分：Genesis_StateMachineLabels.csv和Genesis_AnomalyLabels.csv，记录了演示器的操作状态和异常情况。Genesis_normal.csv、Genesis_lineardrive.csv、Genesis_pressure.csv分别记录了正常运行、线性驱动故障及气压下降情况下的数据。用户可以通过分析这些数据来训练异常检测模型，并评估模型的准确性和鲁棒性。
