Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "Schlagenhauf, Tobias",
2
  "author": "Schlagenhauf, Tobias",
            
3
  "author_email": "",
3
  "author_email": "",
            
n
n
4
  "citation": [],
            
4
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
5
  "creator_user_id": "17755db4-395a-4b3b-ac09-e8e3484ca700",
            
5
  "doi": "10.35097/1398",
6
  "doi": "10.35097/1398",
            
6
  "doi_date_published": "2023",
7
  "doi_date_published": "2023",
            
7
  "doi_publisher": "",
8
  "doi_publisher": "",
            
8
  "doi_status": "True",
9
  "doi_status": "True",
            
9
  "extra_authors": [
10
  "extra_authors": [
            
10
    {
11
    {
            
11
      "extra_author": "Wolf, Jan",
12
      "extra_author": "Wolf, Jan",
            
n
n
13
      "familyName": "Wolf",
            
14
      "givenName": "Jan",
            
12
      "orcid": ""
15
      "orcid": ""
            
13
    },
16
    },
            
14
    {
17
    {
            
15
      "extra_author": "Puchta, Alexander",
18
      "extra_author": "Puchta, Alexander",
            
n
n
19
      "familyName": "Puchta",
            
20
      "givenName": "Alexander",
            
16
      "orcid": ""
21
      "orcid": ""
            
17
    }
22
    }
            
18
  ],
23
  ],
            
n
n
24
  "familyName": "Schlagenhauf",
            
25
  "givenName": "Tobias",
            
19
  "groups": [],
26
  "groups": [],
            
20
  "id": "908ac5fc-1c48-44a9-9a84-0aeb817c6de2",
27
  "id": "908ac5fc-1c48-44a9-9a84-0aeb817c6de2",
            
21
  "isopen": false,
28
  "isopen": false,
            
22
  "license_id": "CC BY 4.0 Attribution",
29
  "license_id": "CC BY 4.0 Attribution",
            
23
  "license_title": "CC BY 4.0 Attribution",
30
  "license_title": "CC BY 4.0 Attribution",
            
24
  "metadata_created": "2023-08-04T08:50:42.398629",
31
  "metadata_created": "2023-08-04T08:50:42.398629",
            
t
25
  "metadata_modified": "2023-08-04T09:31:20.925171",
t
32
  "metadata_modified": "2024-11-28T13:15:46.382536",
            
26
  "name": "rdr-doi-10-35097-1398",
33
  "name": "rdr-doi-10-35097-1398",
            
27
  "notes": "Abstract: The dataset was recorded during milling of 
34
  "notes": "Abstract: The dataset was recorded during milling of 
            
28
16MnCr5. Due to artificially introduced, though realistic anoma-lies 
35
16MnCr5. Due to artificially introduced, though realistic anoma-lies 
            
29
in the workpiece the dataset can be applied for anomaly detection. 
36
in the workpiece the dataset can be applied for anomaly detection. 
            
30
Furthermore, milling tools with two different diameters where used 
37
Furthermore, milling tools with two different diameters where used 
            
31
which led to a dataset eligible for transfer 
38
which led to a dataset eligible for transfer 
            
32
learning.\r\nTechnicalRemarks: The dataset consists of seven folders. 
39
learning.\r\nTechnicalRemarks: The dataset consists of seven folders. 
            
33
Each folder represents one milling run. In each milling run the depth 
40
Each folder represents one milling run. In each milling run the depth 
            
34
of cut was set to 3 mm. A folder contains a maximum of three json 
41
of cut was set to 3 mm. A folder contains a maximum of three json 
            
35
files. The number of files depends on the time needed for each run 
42
files. The number of files depends on the time needed for each run 
            
36
which is a function of milling tool diameter and feed rate. Files in 
43
which is a function of milling tool diameter and feed rate. Files in 
            
37
each folder were numerated in sequence. For example, folder 
44
each folder were numerated in sequence. For example, folder 
            
38
\u201crun1\u201d contains the files \u201crun1_1\u201d and 
45
\u201crun1\u201d contains the files \u201crun1_1\u201d and 
            
39
\u201crun1_2\u201d with the last number indicating the order in which 
46
\u201crun1_2\u201d with the last number indicating the order in which 
            
40
the files were generated. The frequency of recording datapoints was 
47
the files were generated. The frequency of recording datapoints was 
            
41
set to 500 Hz. \r\nDuring each milling run the milling tool moved 
48
set to 500 Hz. \r\nDuring each milling run the milling tool moved 
            
42
along the longitudinal side and then was moved back alongside the 
49
along the longitudinal side and then was moved back alongside the 
            
43
workpiece. This way machining started always on the same side of the 
50
workpiece. This way machining started always on the same side of the 
            
44
workpiece. \r\nTable 1 provides an overview of the milling runs. Run 1 
51
workpiece. \r\nTable 1 provides an overview of the milling runs. Run 1 
            
45
to 4 were performed with a HSS tool with a diameter of 10 mm. The tool 
52
to 4 were performed with a HSS tool with a diameter of 10 mm. The tool 
            
46
in use was an end mill (HSS-E-SPM HPC 10 mm) developed by Hoffmann 
53
in use was an end mill (HSS-E-SPM HPC 10 mm) developed by Hoffmann 
            
47
Group. During the first three runs with this end mill no tool breakage 
54
Group. During the first three runs with this end mill no tool breakage 
            
48
occurred. However, in run 4 the tool broke. Runs 5 and 6 were 
55
occurred. However, in run 4 the tool broke. Runs 5 and 6 were 
            
49
performed by milling with an end mill of the same tool series 
56
performed by milling with an end mill of the same tool series 
            
50
(HSS-E-SPM HPC 8 mm) that just differs in tool diameter. In contrast 
57
(HSS-E-SPM HPC 8 mm) that just differs in tool diameter. In contrast 
            
51
to this run 7 was performed by using a solid carbid tool (Solid 
58
to this run 7 was performed by using a solid carbid tool (Solid 
            
52
carbide roughing end mill HPC 8 mm). Cutting with SC tools provides 
59
carbide roughing end mill HPC 8 mm). Cutting with SC tools provides 
            
53
much higher productivity with the downside being higher tool price. In 
60
much higher productivity with the downside being higher tool price. In 
            
54
our case the SC end mill performed cuts with a feed rate of 1150 
61
our case the SC end mill performed cuts with a feed rate of 1150 
            
55
mm/min compared to 191 mm/min achieved by a HSS end mill of the same 
62
mm/min compared to 191 mm/min achieved by a HSS end mill of the same 
            
56
diameter. Tool breakages were recorded on all runs with end mills of 
63
diameter. Tool breakages were recorded on all runs with end mills of 
            
57
diameter 8 mm. \r\nTable 1. overview of the data folders 
64
diameter 8 mm. \r\nTable 1. overview of the data folders 
            
58
\r\n\r\nfolder name | number of json files | tool diameter | tool 
65
\r\n\r\nfolder name | number of json files | tool diameter | tool 
            
59
breakage | tool type\r\nrun 1  2 10 mm No HSS\r\nrun 2 2 10 mm No 
66
breakage | tool type\r\nrun 1  2 10 mm No HSS\r\nrun 2 2 10 mm No 
            
60
HSS\r\nrun 3 2 10 mm No HSS\r\nrun 4 2 10 mm Yes HSS\r\nrun 5 2 8 mm 
67
HSS\r\nrun 3 2 10 mm No HSS\r\nrun 4 2 10 mm Yes HSS\r\nrun 5 2 8 mm 
            
61
Yes HSS\r\nrun 6 3 8 mm Yes HSS\r\nrun 7  1 8 mm Yes SC\r\n\r\nEach 
68
Yes HSS\r\nrun 6 3 8 mm Yes HSS\r\nrun 7  1 8 mm Yes SC\r\n\r\nEach 
            
62
json file consists of a header and a payload. The header lists all 
69
json file consists of a header and a payload. The header lists all 
            
63
parameters that were recorded such as position, motor torque and motor 
70
parameters that were recorded such as position, motor torque and motor 
            
64
current of each of a maximum of five axes of a milling machine. 
71
current of each of a maximum of five axes of a milling machine. 
            
65
However, the machine used in our experiments is a 3-axis machining 
72
However, the machine used in our experiments is a 3-axis machining 
            
66
center which leaves the payload of 2 possible additional axes to be 
73
center which leaves the payload of 2 possible additional axes to be 
            
67
empty. In the payload the sequential data for each parameter can be 
74
empty. In the payload the sequential data for each parameter can be 
            
68
found. A list of recorded signals can be found in Table 
75
found. A list of recorded signals can be found in Table 
            
69
2.\r\n\r\nTable 2. recorded signals during milling\r\n\r\nSignal index 
76
2.\r\n\r\nTable 2. recorded signals during milling\r\n\r\nSignal index 
            
70
in payload | Signal name | Signal Address |Type\r\n13-18 
77
in payload | Signal name | Signal Address |Type\r\n13-18 
            
71
VelocityFeedForward VEL_FFW|1* double\r\n19-24 Power POWER|1* 
78
VelocityFeedForward VEL_FFW|1* double\r\n19-24 Power POWER|1* 
            
72
string\r\n25-30 CountourDeviation CONT_DEV|1* double\r\n38-43 
79
string\r\n25-30 CountourDeviation CONT_DEV|1* double\r\n38-43 
            
73
TorqueFeedForward TORQUE_FFW|1* double\r\n44-49 Encoder1Position 
80
TorqueFeedForward TORQUE_FFW|1* double\r\n44-49 Encoder1Position 
            
74
ENC1_POS|1* double\r\n56-61 Load LOAD|1* double\r\n68-73 Torque 
81
ENC1_POS|1* double\r\n56-61 Load LOAD|1* double\r\n68-73 Torque 
            
75
TORQUE|1* double\r\n68-91 Current CURRENT|1* double\r\n     \r\n* 1 
82
TORQUE|1* double\r\n68-91 Current CURRENT|1* double\r\n     \r\n* 1 
            
76
represents x-axis, 2 represents y-axis, 3 represents z-axis and 6 
83
represents x-axis, 2 represents y-axis, 3 represents z-axis and 6 
            
77
represents spindle-axis.\r\nNote that our milling center has 3 axis 
84
represents spindle-axis.\r\nNote that our milling center has 3 axis 
            
78
and therefore values for axes 4 and 5 are null.",
85
and therefore values for axes 4 and 5 are null.",
            
79
  "num_resources": 0,
86
  "num_resources": 0,
            
80
  "num_tags": 4,
87
  "num_tags": 4,
            
81
  "orcid": "",
88
  "orcid": "",
            
82
  "organization": {
89
  "organization": {
            
83
    "approval_status": "approved",
90
    "approval_status": "approved",
            
84
    "created": "2023-01-12T13:30:23.238233",
91
    "created": "2023-01-12T13:30:23.238233",
            
85
    "description": "RADAR (Research Data Repository) is a 
92
    "description": "RADAR (Research Data Repository) is a 
            
86
cross-disciplinary repository for archiving and publishing research 
93
cross-disciplinary repository for archiving and publishing research 
            
87
data from completed scientific studies and projects. The focus is on 
94
data from completed scientific studies and projects. The focus is on 
            
88
research data from subjects that do not yet have their own 
95
research data from subjects that do not yet have their own 
            
89
discipline-specific infrastructures for research data management. ",
96
discipline-specific infrastructures for research data management. ",
            
90
    "id": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
97
    "id": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
            
91
    "image_url": "radar-logo.svg",
98
    "image_url": "radar-logo.svg",
            
92
    "is_organization": true,
99
    "is_organization": true,
            
93
    "name": "radar",
100
    "name": "radar",
            
94
    "state": "active",
101
    "state": "active",
            
95
    "title": "RADAR",
102
    "title": "RADAR",
            
96
    "type": "organization"
103
    "type": "organization"
            
97
  },
104
  },
            
98
  "owner_org": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
105
  "owner_org": "013c89a9-383c-4200-8baa-0f78bf1d91f9",
            
99
  "private": false,
106
  "private": false,
            
100
  "production_year": "2022",
107
  "production_year": "2022",
            
101
  "publication_year": "2023",
108
  "publication_year": "2023",
            
102
  "publishers": [
109
  "publishers": [
            
103
    {
110
    {
            
104
      "publisher": "Karlsruhe Institute of Technology"
111
      "publisher": "Karlsruhe Institute of Technology"
            
105
    }
112
    }
            
106
  ],
113
  ],
            
107
  "relationships_as_object": [],
114
  "relationships_as_object": [],
            
108
  "relationships_as_subject": [],
115
  "relationships_as_subject": [],
            
109
  "repository_name": "RADAR (Research Data Repository)",
116
  "repository_name": "RADAR (Research Data Repository)",
            
110
  "resources": [],
117
  "resources": [],
            
111
  "services_used_list": "",
118
  "services_used_list": "",
            
112
  "source_metadata_created": "2023",
119
  "source_metadata_created": "2023",
            
113
  "source_metadata_modified": "",
120
  "source_metadata_modified": "",
            
114
  "state": "active",
121
  "state": "active",
            
115
  "subject_areas": [
122
  "subject_areas": [
            
116
    {
123
    {
            
117
      "subject_area_additional": "",
124
      "subject_area_additional": "",
            
118
      "subject_area_name": "Engineering"
125
      "subject_area_name": "Engineering"
            
119
    }
126
    }
            
120
  ],
127
  ],
            
121
  "tags": [
128
  "tags": [
            
122
    {
129
    {
            
123
      "display_name": "Anomaly Detection",
130
      "display_name": "Anomaly Detection",
            
124
      "id": "772b074e-4795-4f11-80b4-362b2f8a0dca",
131
      "id": "772b074e-4795-4f11-80b4-362b2f8a0dca",
            
125
      "name": "Anomaly Detection",
132
      "name": "Anomaly Detection",
            
126
      "state": "active",
133
      "state": "active",
            
127
      "vocabulary_id": null
134
      "vocabulary_id": null
            
128
    },
135
    },
            
129
    {
136
    {
            
130
      "display_name": "Machine Learning",
137
      "display_name": "Machine Learning",
            
131
      "id": "c4f3defc-ca48-45a9-9217-ce35bd3ed73c",
138
      "id": "c4f3defc-ca48-45a9-9217-ce35bd3ed73c",
            
132
      "name": "Machine Learning",
139
      "name": "Machine Learning",
            
133
      "state": "active",
140
      "state": "active",
            
134
      "vocabulary_id": null
141
      "vocabulary_id": null
            
135
    },
142
    },
            
136
    {
143
    {
            
137
      "display_name": "Production Science",
144
      "display_name": "Production Science",
            
138
      "id": "063124a6-3750-4d15-816f-3ca083bfb257",
145
      "id": "063124a6-3750-4d15-816f-3ca083bfb257",
            
139
      "name": "Production Science",
146
      "name": "Production Science",
            
140
      "state": "active",
147
      "state": "active",
            
141
      "vocabulary_id": null
148
      "vocabulary_id": null
            
142
    },
149
    },
            
143
    {
150
    {
            
144
      "display_name": "Transfer Learning",
151
      "display_name": "Transfer Learning",
            
145
      "id": "b9a857f2-561d-4153-a58c-b2ba7d7ae58f",
152
      "id": "b9a857f2-561d-4153-a58c-b2ba7d7ae58f",
            
146
      "name": "Transfer Learning",
153
      "name": "Transfer Learning",
            
147
      "state": "active",
154
      "state": "active",
            
148
      "vocabulary_id": null
155
      "vocabulary_id": null
            
149
    }
156
    }
            
150
  ],
157
  ],
            
151
  "title": "Multivariate time series dataset of milling 16mncr5 for 
158
  "title": "Multivariate time series dataset of milling 16mncr5 for 
            
152
anomaly detection",
159
anomaly detection",
            
153
  "type": "vdataset",
160
  "type": "vdataset",
            
154
  "url": "https://doi.org/10.35097/1398"
161
  "url": "https://doi.org/10.35097/1398"
            
155
}
162
}