Dataset Concerning the Process Monitoring and Condition Monitoring Data of a Bearing Ring Grinder

I publikationen (Ahmer, M., Sandin, F., Marklund, P. et al., 2022) har vi undersökt användningen av sensorer i en lagerringsslipmaskin för felklassificering och tillståndsövervakning. Föreslagen metod kombinerar domänkunskap om processövervakning och tillståndsövervakning för att framgångsrikt uppnå fellägesförutsägelse med hög noggrannhet med endast ett fåtal nyckelsensorer. Denna forskning visar att tillverkningsutrustning kan dra fördel av avancerad databehandling och maskininlärningsteknik. Slipmaskinen är av typ SGB55 från Lidköping Machine Tools och används i detta fall för att slipa löpbanor på lagerinnerringar av typ SKF-6210 spårkullager. Sensorer för vibration, akustisk emission, kraft och temperatur är installerade för att övervaka maskinens tillstånd under slipning och olika driftsförhållanden. Data insamlas från sensorerna samt maskinens numeriska styrenhet under drift. Utvalda producerade kvalitetsparametrar mäts efter slipoperationen. Ahmer, M., Sandin, F., Marklund, P., Gustafsson, M., & Berglund, K. (2022). Failure mode classification for condition-based maintenance in a bearing ring grinding machine. In The International Journal of Advanced Manufacturing Technology (Vol. 122, pp. 1479–1495). https://doi.org/10.1007/s00170-022-09930-6 Filerna är grupperade i mappar i zip-filer. Pdf-filen "readme_data_description.pdf" beskriver innehållet i filerna i mapparna. "lib" innehåller information om bibliotek som kan användas för att läsa .tdms-datafilerna i Matlab eller Python. Se den engelska beskrivningen för mer information.