工业物联网设备和应用性能与功耗数据集

本研究创建了一个名为“工业物联网设备和应用性能与功耗数据集”的数据集，该数据集用于分析工业物联网（IIoT）设备和应用在工业自动化系统中的能耗情况。数据集由一个工业物联网系统组成，包括教育机器人手臂、传送带、智能相机和计算节点。通过创建微基准测试和端到端应用程序，研究者收集了广泛的性能和功耗数据，用于训练和分析机器学习模型，以预测应用程序和物联网系统的能耗。数据集的创建过程包括构建一个软件控制层、工作负载生成器、执行控制器、指令翻译器和传感器及执行器适配器等。该数据集旨在解决工业物联网系统中的能耗预测问题，为提高物联网系统的效率和可持续性提供实用依据。This study constructs a dataset titled "Industrial Internet of Things (IIoT) Device and Application Performance and Power Consumption Dataset", which is designed to analyze the energy consumption of IIoT devices and applications within industrial automation systems. The dataset is collected based on an IIoT testbed comprising educational robotic arms, conveyor belts, smart cameras, and computing nodes. By developing microbenchmarks and end-to-end applications, researchers have gathered comprehensive performance and power consumption data for training and analyzing machine learning models to predict the energy consumption of applications and IoT systems. The dataset development process involved building a software control layer, workload generator, execution controller, instruction translator, and adapters for sensors and actuators, among other core components. This dataset aims to address the energy consumption prediction challenge in IIoT systems, providing practical evidence for improving the efficiency and sustainability of IoT systems.

搜集汇总

数据集介绍

构建方式

该数据集通过构建一个工业物联网（IIoT）测试平台来收集设备和应用的性能与功耗数据。测试平台包括教育型机械臂、传送带、智能摄像头和计算节点等组件。通过开发微基准测试和端到端应用（如基于视觉属性的物体分类任务），系统在运行时记录每个组件的功耗、状态及操作参数。数据采集利用智能插座API实时监测功耗，并通过消息队列异步传输至数据导出模块，最终形成包含时间戳、组件状态和功耗指标的CSV格式数据集。

使用方法

该数据集适用于工业物联网能效分析与预测模型的开发。研究人员可通过时间序列分析探究不同操作参数与功耗的关联规律，或构建机器学习模型预测特定任务能耗。典型应用流程包括：1）数据预处理（归一化、特征工程）；2）基于随机森林等算法训练功耗预测模型（实测MAPE达3.6%）；3）利用特征重要性分析识别关键能耗因素（如机械臂加速度对任务时长影响权重达60%）。数据集特别适合优化分类、装配等工业场景的能源配置方案。

背景与挑战

背景概述

工业物联网设备和应用性能与功耗数据集由塞浦路斯大学计算机科学系的Dimitris Kallis、Moysis Symeonides和Marios D. Dikaiakos等研究人员于2025年创建。该数据集旨在解决工业物联网（IIoT）系统中能源消耗建模与预测的核心问题，特别是在自动化制造过程中，如何准确评估和优化设备与应用的能源效率。随着工业物联网的广泛应用，能源消耗成为影响运营成本和环境可持续性的关键因素。该数据集通过整合机器人手臂、传送带、智能相机等工业设备的性能与功耗数据，为研究人员和从业者提供了宝贵的资源，推动了工业自动化领域的能源优化研究。

当前挑战

该数据集面临的挑战主要包括两个方面：首先，在领域问题方面，工业物联网设备的能源消耗受多种动态因素影响，如设备运行速度、加速度和负载变化，这使得准确建模和预测能源需求变得复杂。其次，在构建过程中，研究人员需要克服设备异构性带来的数据采集难题，例如如何同步不同设备的功耗数据以及如何处理智能相机等低功耗设备的能源测量问题。此外，数据集还需解决实际工业场景中设备协同工作的复杂性能与功耗关系，这对数据采集的精度和全面性提出了更高要求。

常用场景

经典使用场景

工业物联网设备和应用性能与功耗数据集在工业自动化领域具有广泛的应用价值，尤其在智能制造和机器人控制系统中表现突出。该数据集通过记录机器人手臂、传送带和智能相机等设备的实时功耗数据，为研究人员提供了丰富的实验基础。其经典使用场景包括工业机器人的能耗优化、自动化生产线的能效评估以及智能传感器的功耗分析。通过分析这些数据，研究人员能够深入理解不同工业设备在运行过程中的能耗特性，为后续的节能优化提供数据支持。

解决学术问题

该数据集有效解决了工业物联网领域多个关键学术问题，包括复杂工业环境中设备能耗的精确建模与预测、多设备协同工作时的能效优化策略以及基于机器学习的能耗分析方法的验证。传统方法往往难以全面捕捉工业设备的动态能耗特征，而该数据集通过提供详细的实时监测数据，填补了这一空白。其意义在于为工业物联网系统的能效研究提供了可靠的数据基础，推动了绿色制造和可持续发展相关技术的进步。

实际应用

在实际工业场景中，该数据集为生产线的能耗管理提供了重要参考。例如，制造企业可以利用数据集中的功耗模型优化机器人手臂的运动轨迹，降低生产过程中的能源消耗。智能相机的功耗数据则有助于设计更高效的视觉检测系统。此外，该数据集还能支持工业物联网平台的能效评估工具开发，帮助企业实现生产过程的碳足迹追踪和节能减排目标。这些应用显著提升了工业自动化系统的经济性和环境友好性。

数据集最近研究

最新研究方向

工业物联网设备和应用性能与功耗数据集的最新研究方向主要集中在能源消耗的精准建模与预测，特别是在工业自动化系统中。随着工业物联网（IIoT）技术的广泛应用，能源效率成为关键挑战之一。前沿研究通过构建微基准测试和端到端应用，收集详尽的性能与功耗数据，利用机器学习模型预测能源需求。热点事件包括智能机器人臂、传送带和智能摄像头的协同工作，这些设备在自动化制造过程中表现出复杂的能源动态。该数据集的意义在于为研究人员和从业者提供了优化IIoT系统能源效率的实用工具，推动工业自动化的可持续发展。

相关研究论文

• Data-Driven Energy Modeling of Industrial IoT Systems: A Benchmarking Approach

  塞浦路斯大学计算机科学系 · 2025年