MIDAS: A Modular Ice Cream Factory Dataset on Anomalies in Sensors

The dataset is generated from the ice-cream factory simulation environmen that is composed of six modules (Mixer, Pasteurizer, Homogenizer, Aeging Cooling, Dynamic Freezer, and Hardening). The values of analog sensors for level and temperature are modified using three anomaly injection options: freezing value, step change and ramp change. The dataset is composed of 1000 runs, out of which 258 were executed without anomalies.Link to github: https://github.com/vujicictijana/MIDAS本数据集源自由六大模块搭建的冰淇淋工厂仿真环境，六大模块依次为混合机（Mixer）、巴氏杀菌机（Pasteurizer）、均质机（Homogenizer）、陈化冷却单元（Aeging Cooling）、动态冻结机（Dynamic Freezer）与硬化单元（Hardening）。针对液位与温度两类模拟传感器的测量值，本数据集通过三种异常注入方式进行扰动：数值冻结（freezing value）、阶跃变化（step change）与斜坡变化（ramp change）。本数据集共计包含1000组仿真运行样本，其中258组未注入任何异常。数据集GitHub链接：https://github.com/vujicictijana/MIDAS

搜集汇总

背景与挑战

背景概述

MIDAS数据集是一个模拟冰淇淋工厂环境的大规模传感器异常检测数据集，包含六个模块（如混合器、巴氏杀菌器等）的传感器数据，通过冻结值、阶跃变化和斜坡变化三种方式注入异常。数据集包含1000次运行，总实例超过3600万，异常与正常实例比例均衡，适用于机器学习中的异常检测模型训练和评估。