Datensätze für Verschraubungsprozesse auf Zenodo veröffentlicht

Im Rahmen des ProData-Projekts wurden umfangreiche Datensätze zu industriellen Verschraubungsprozessen auf der wissenschaftlichen Plattform Zenodo veröffentlicht. Die Sammlung „Industrial screw driving dataset collection: Time series data for process monitoring and anomaly detection“ stellt einen wertvollen Beitrag zur Forschung in den Bereichen Prozessüberwachung, Anomalieerkennung und Qualitätskontrolle dar.

Umfang und Inhalt der Datensätze

Die veröffentlichte Sammlung umfasst über 34.000 individuelle Verschraubungsoperationen in sechs verschiedenen Szenarien. Jedes Szenario untersucht spezifische Aspekte des Verschraubungsprozesses – von natürlichen Verschleißmustern bis hin zu kontrollierten Materialvariationen:

1. Gewindedegradation (5.000 Datenpunkte): Untersuchung natürlicher Abnutzungsmuster von Kunststoffgewinden bei wiederholter Nutzung
2. Oberflächenreibung (12.500 Datenpunkte): Analyse verschiedener Oberflächenzustände wie Schmiermittel, Oberflächenbehandlungen und Verunreinigungen
3. Montagebedingungen 1 (1.800 Datenpunkte): Untersuchung verschiedener Komponenten- und Montagefehler, einschließlich Unterlegscheibenmodifikationen und Gewindeverformungen
4. Montagebedingungen 2 (5.000 Datenpunkte): Systematisch angeordnete Montagefehler in 5 verschiedenen Fehlergruppen
5. Oberwerkstück-Fertigung (2.400 Datenpunkte): Analyse des Einflusses von Spritzgussparametervariationen auf die Verschraubungsmetriken
6. Unterwerkstück-Fertigung (7.482 Datenpunkte): Untersuchung der Auswirkungen von Fertigungsparametern auf die Befestigungsqualität

Die Daten wurden mit einer automatischen Verschraubungsstation (EV-Motorsteuergerätemontage) unter Verwendung von Delta PT 40×12 Schrauben, die für Thermoplaste optimiert sind, erfasst. Die Zeitreihen wurden mit einer Abtastrate von 833,33 Hz aufgezeichnet und umfassen Drehmoment-, Winkel-, Gradienten- und Zeitwerte.

Anwendungsbereiche

Die Datensätze eignen sich für verschiedene Forschungszwecke:

• Entwicklung von Machine-Learning-Modellen zur Anomalieerkennung
• Prozessüberwachung und Qualitätskontrollsystementwicklung
• Fertigungsanalyse und Parameteroptimierung
• Entwicklung digitaler Zwillinge für Verschraubungsvorgänge
• Untersuchung von Materialeigenschaftseinflüssen auf Montageprozesse

Zugänglichkeit und Nutzung

Die Datensätze sind auf Zenodo unter der permanenten DOI 10.5281/zenodo.14729547 frei zugänglich und stehen unter der Creative Commons Attribution 4.0 International Lizenz. Jeder ZIP-Datei enthält:

• Vollständige Rohdaten im JSON-Format für maximale Flexibilität
• Standardisierte labels.csv-Dateien für Metadaten und Klassifikation
• Umfassende README.md-Dokumentation für jedes Szenario
• Verschiedene Fehlerklassen mit unterschiedlichen Schweregraden
• Zeitreihendaten für den gesamten Verschraubungsprozess

Für die Datenhandhabung empfehlen wir unser PyScrew Python-Paket, obwohl dies optional ist: Die Daten sind leicht zugänglich mit Standard-JSON- und CSV-Verarbeitungstools.

Beteiligte Institutionen

Die Datensätze wurden vom RIF Institut für Forschung und Transfer e.V. sowie vom Institut für Produktionssysteme der Technischen Universität Dortmund gesammelt und aufbereitet. Die Sammlung und Bereitstellung der Daten wurde vom Bundesministerium für Bildung und Forschung (BMBF) und dem „NextGenerationEU“-Programm der Europäischen Union im Rahmen des Förderprogramms „Datenkompetenzen in der Wissenschaft“ unterstützt.

Bedeutung für die Forschungsgemeinschaft

Mit der Veröffentlichung dieser umfangreichen und gut dokumentierten Datensätze leistet das ProData-Projekt einen wichtigen Beitrag zur wissenschaftlichen Gemeinschaft. Die Daten ermöglichen es Forschenden weltweit, neue Algorithmen zur Prozessüberwachung und Anomalieerkennung zu entwickeln und zu testen, ohne selbst aufwändige Experimente durchführen zu müssen.

Wir laden Forscher und Praktiker ein, diese Datensätze für ihre Arbeit zu nutzen und freuen uns über Rückmeldungen und potenzielle Kooperationen. Bei Fragen oder Anregungen können Sie entweder ein Issue in unserem GitHub-Repository eröffnen oder uns direkt per E-Mail kontaktieren.