钻孔工艺故障诊断XAI数据集-raphaelwallsberger
数据来源：互联网公开数据
标签：XAI, 可解释AI, 钻孔, 机械工程, 故障诊断, 机器学习, 工业数据, 加工工艺
数据概述：
本数据集专为可解释人工智能（XAI）算法的评估而设计，包含了20,000个钻孔操作的数据，是TransAI 2023会议论文“Explainable Artificial Intelligence in Mechanical Engineering: A Synthetic Dataset for Comprehensive Failure Mode Analysis”的研究成果。数据集结构清晰，包含10个特征、1个二元主故障标签和4个二元子故障模式。主故障发生率约为5.0%。
数据字段：
ID：钻孔操作的唯一标识符，用于追踪和引用具体钻孔场景。
Cutting speed vc (m/min)：切削速度，影响钻孔效率和质量。
Spindle speed n (1/min)：主轴或钻头的转速。
Feed f (mm/rev)：进给量，钻头每转进给的深度，影响孔的质量。
Feed rate vf (mm/min)：进给速度，材料向钻头进给的速度，影响钻孔时间。
Power Pc (kW)：钻孔过程中的功率消耗，指示过程效率和钻头磨损状态。
Cooling (%): 冷却水平，包括无冷却（0%）、部分冷却（25%和50%）和高/完全冷却（75%和100%）。
Material：钻孔材料类型，包括C45K热轧可淬火钢（EN 1.0503）、铸铁GJL（EN GJL-250）和铝硅（AlSi）合金（EN AC-42000）。分别用“P（钢）”、“K（铸铁）”和“N（有色金属）”表示。
Drill Bit Type：钻头类型，根据DIN 1836标准，包括针对C45K的“N”、针对铸铁的“H”和针对AlSi合金的“W”。
Process time t (s)：钻孔操作的完整持续时间。
Main failure：主故障，二元变量，指示钻孔过程中是否发生任何主要故障。1表示发生故障，0表示成功操作。
Subgroup failures (子故障模式)：
Build-up edge failure (215x)：积屑瘤故障，由于低切削速度和冷却不足导致，1表示发生，0表示未发生。
Compression chips failure (344x)：压缩切屑故障，由于高进给、冷却不足和使用不兼容的钻头导致，1表示发生，0表示未发生。
Flank wear failure (278x)：后刀面磨损故障，由于高进给和低切削速度导致，1表示发生，0表示未发生。
Wrong drill bit failure (300x)：错误钻头故障，使用不合适的钻头，1表示发生，0表示未发生。
数据用途概述：
该数据集主要用于XAI算法的开发和评估，尤其是在机械工程领域的故障诊断方面。研究人员可以使用此数据集来训练和测试可解释的机器学习模型，以预测钻孔过程中的故障，并理解这些模型做出决策的原因。此外，该数据集也适用于：
故障模式分析：深入研究不同故障模式的发生原因和影响因素。
特征重要性分析：确定对故障预测最重要的特征。
模型解释性研究：评估不同XAI方法对钻孔过程的解释能力。
教学与研究：为学生和研究人员提供一个用于学习和实践XAI技术的案例。
