3D打印数据集

本数据集由AGH科技大学创建，专注于3D打印中的异常检测。数据集包含来自3D打印机的多种数据流，如打印头加速度、侵入功率和打印元素温度等。创建过程中，通过引入多种打印故障来丰富数据集，以支持异常检测研究。数据集适用于智能工业4.0系统中的异常检测算法开发和比较，旨在解决3D打印过程中的故障预测和检测问题。

This dataset was developed by AGH University of Science and Technology, focusing on anomaly detection in 3D printing. It includes various data streams from 3D printers, such as print head acceleration, intrusion power, temperature of printing elements, and so on. During the dataset creation process, diverse printing faults were introduced to enrich the dataset, so as to support anomaly detection research. This dataset is suitable for the development and comparison of anomaly detection algorithms in intelligent Industry 4.0 systems, aiming to address the issues of fault prediction and detection during 3D printing processes.

搜集汇总

数据集介绍

构建方式

本数据集由波兰克拉科夫AGH科技大学计算机科学系的Joanna Sendorek等研究者构建，旨在为智能工业4.0系统中的异常检测提供数据支持。数据集来源于一台Monkeyfab Spire型3D打印机，研究人员通过在打印过程中引入多种故障，如材料耗尽、打印头脱落、Bowden管脱落等，收集了打印头加速度、侵入力以及打印机部件温度等数据。数据采集主要依靠内置电子设备和额外安装的传感器，包括加速度计、力传感器等。所有数据均以CSV和JSON格式存储，并通过GitHub平台公开共享。

特点

该数据集的特点在于其全面性和实用性。它不仅包含了3D打印机在正常工作状态下的各项数据，还包含了多种故障状态下的数据，这为研究者提供了丰富的异常检测和预测样本。此外，数据集采用了标准的CSV和JSON格式，易于处理和分析，并且遵循Creative Commons Attribution 4.0国际许可协议，方便学术研究和技术开发。

使用方法

使用本数据集时，研究者可以首先从GitHub下载数据集，然后根据需要选择CSV或JSON格式的数据进行分析。对于CSV格式数据，可以使用Python的pandas库进行读取和处理；对于JSON格式数据，同样可以使用pandas库中的json_normalize函数进行读取，并将其转换为扁平化的表格结构。通过分析不同故障类型下的数据特征，研究者可以开发出更加精准的异常检测算法，为工业4.0中的智能监控和故障预测提供有力支持。

背景与挑战

背景概述

3D打印技术作为智能制造的重要组成部分，正日益受到关注。为了提升3D打印机的智能化水平，研究学者们致力于开发异常检测系统，以实时监控打印过程并识别潜在问题。Joanna Sendorek等人于2020年发布的3D打印数据集，为这一领域的研究提供了宝贵的资源。该数据集收集了3D打印机在打印过程中产生的多种数据流，包括打印头加速度计数据、侵入力以及打印机部件的温度等。为了验证数据集的有效性，研究者在打印过程中模拟了多种故障，使得数据集可用于异常检测研究。该数据集的发布为智能工业4.0系统中的异常检测提供了实例，并对相关领域的研究产生了积极影响。

当前挑战

3D打印数据集在推动异常检测技术发展的同时，也面临一系列挑战。首先，在解决领域问题方面，数据集需要能够准确识别各种打印故障，如材料耗尽、部件脱离等，这对于构建智能化的异常检测系统至关重要。其次，在构建过程中，研究者面临着数据采集、处理和分析的挑战。例如，如何有效地从多个传感器收集数据，以及如何从复杂的数据中提取有意义的特征，都是需要解决的问题。此外，随着3D打印技术的不断发展，新的打印故障可能会出现，这要求数据集能够不断更新和扩展，以适应新的研究需求。

常用场景

经典使用场景

3D打印数据集的建立，旨在通过收集3D打印过程中的传感器数据，为异常检测提供数据支持。该数据集包含来自打印机头部的加速度计数据、打印机元件的侵入功率和温度等数据。该数据集的经典使用场景包括对3D打印过程中的异常行为进行检测和分析，以便及时发现和解决打印过程中的问题，提高打印质量和效率。

衍生相关工作

3D打印数据集衍生了多种相关的经典工作，如基于图像分析和基于惯性传感器数据分析的3D打印异常检测系统。这些工作利用3D打印数据集中的数据，开发出了多种新的算法和模型，以实现更准确、更有效的异常检测。这些工作对于推动3D打印技术的发展具有重要意义。

数据集最近研究

最新研究方向

随着物联网在众多领域的应用日益广泛，特别是工业4.0对智能传感器和大数据分析等概念的运用，3D打印数据集在异常检测领域的应用愈发受到重视。该数据集包含了3D打印机工作过程中的各种数据流，如打印头加速度计数据、入侵功率以及打印机元件的温度等。研究团队通过模拟多种打印故障，使得该数据集能够用于异常检测，为智能工业4.0系统提供数据支持。此外，该数据集还可以用于开发新的算法，以检测和预测3D打印过程中的异常，为3D打印技术的发展提供有力支撑。

相关研究论文

• Dataset for anomalies detection in 3D printing

  AGH科技大学 · 2020年