Analog and Multi-modal Manufacturing Datasets

该数据集由南卡罗来纳大学机械工程系创建，包含模拟和多媒体时间序列数据，记录了制造装配线在8小时连续运行期间的操作。数据集遵循行业标准，覆盖了通信协议、执行器、控制机制、传感器等。数据采集利用实验室内部和外部的传感器，以及高性能相机捕获关键操作。数据集旨在为智能制造研究提供平台，包含时间序列数据和同步图像，共178000条数据，用于测试新算法，无需重建物理制造环境。

This dataset was developed by the Department of Mechanical Engineering at the University of South Carolina. It contains simulated and multimedia time-series data that records the operational processes of a manufacturing assembly line over 8 consecutive hours of uninterrupted operation. The dataset complies with industry standards, covering communication protocols, actuators, control mechanisms, sensors and other relevant aspects. Data collection was conducted using both internal and external laboratory sensors, as well as high-performance cameras to capture key operational steps. Aimed at providing a platform for intelligent manufacturing research, this dataset includes time-series data and synchronized images, with a total of 178,000 data entries, and can be used to test new algorithms without the need to reconstruct a physical manufacturing environment.

搜集汇总

数据集介绍

构建方式

Analog and Multi-modal Manufacturing Datasets是由南卡罗来纳大学未来工厂实验室构建的两个工业级数据集，通过在2024年8月13日对制造装配线进行8小时连续运行捕获。该数据集遵循行业标准，覆盖了通信协议、执行器、控制机制、传感器等，利用集成和外部传感器收集数据，并通过高性能相机捕获关键操作方面。

使用方法

用户可以通过访问提供的下载链接来获取数据集。模拟数据集以CSV文件格式存储，多模态数据集则以文件夹形式组织图像，并伴有相应的JSON文件存储元数据。用户在使用数据集时，应遵循Creative Commons Attribution-ShareAlike 4.0国际公共许可证的规定，共享数据或基于数据的出版物时需引用数据提供者。

背景与挑战

背景概述

Analog and Multi-modal Manufacturing Datasets是一组在2024年8月13日南卡罗来纳大学未来工厂实验室的制造装配线连续8小时运作期间收集的工业级数据集。该数据集由Ramy Harik等人创建，旨在支持智能制造领域的研究，通过提供无需重建物理制造环境的测试平台来促进新算法的测试。数据集遵循行业标准，涵盖了通信协议、执行器、控制机制、传感器等，并采用内置和外部传感器收集数据，同时利用高性能摄像头捕捉操作的关键方面。这些数据集不仅开放源代码，而且旨在方便人工智能模型的训练，从而简化各种应用和项目的研究流程。

当前挑战

该数据集在解决制造领域问题如图像分类方面具有挑战性，主要挑战包括：一是构建可靠的网络物理基础设施，需要利用数据洞察制造过程的过去、现在和未来状态，并基于此做出明智决策；二是集成高级传感器以生成必要的数据，并有效利用这些数据提取可操作的洞察并训练模型以增强操作；三是由于制造数据的专有性质，开放源代码的制造数据仍然是一个重大挑战；四是制造过程中数据的巨大规模需要高性能计算资源进行分析，这增加了数据收集、处理和共享的难度。此外，数据集中传感器故障和数据处理的问题也是构建过程中遇到的挑战之一。

常用场景

经典使用场景

Analog and Multi-modal Manufacturing Datasets的典型应用场景在于模拟和分析制造业中的组装与拆卸流程。该数据集通过记录机器人动作、传感器读数以及同步图像，为研究人员提供了一个无需重建物理制造环境的测试平台，从而可以在此平台上测试创新算法，优化制造流程。

解决学术问题

该数据集解决了制造业中缺乏开源数据的问题，特别是在Industry 4.0框架下，为研究智能制造和物理信息系统提供了宝贵资源。它帮助研究人员理解和预测制造过程中的异常和故障，进而提高制造系统的可靠性和效率。

实际应用

在实际应用中，该数据集可用于训练人工智能模型，以识别和预测制造过程中的缺陷，优化生产线操作，同时也可以用于提升工厂环境中的工人安全监测系统，确保工人正确佩戴安全装备。

数据集最近研究

最新研究方向

Analog and Multi-modal Manufacturing Datasets近期研究聚焦于利用该数据集推动智能制造领域的发展，特别是在工业4.0框架下的智能制造流程优化。该数据集通过记录和分析制造过程中的时间序列数据及同步图像，旨在为研究人员提供一个能够测试新算法的平台，而无需重建物理制造环境。当前研究方向的亮点包括对制造过程中引入的故意异常进行检测，以及利用高级传感器和视觉技术提升制造系统的智能监控与自主决策能力。此外，数据集对工人安全的关注，为计算机视觉模型训练提供了新资源，有助于提高工厂环境中的安全监控水平。

相关研究论文

• Analog and Multi-modal Manufacturing Datasets Acquired on the Future Factories Platform V2

  南卡罗来纳大学机械工程系 · 2025年