Training and validation dataset 3 of milling processes for time series prediction

Ströbel, Robin; Mau, Marcus; Kader, Hafez; Erd, Dominik; Bless, Dominik; Deucker, Samuel; Puchta, Alexander; Fleischer, Jürgen; Noack, Benjamin

doi:10.35097/feFwILjideOropmh

Training and validation dataset 3 of milling processes for time series prediction

¹; Mau, Marcus ¹; Kader, Hafez; Erd, Dominik ¹; Bless, Dominik ¹; Deucker, Samuel ¹; Puchta, Alexander ¹; Fleischer, Jürgen ¹; Noack, Benjamin
¹ Institut für Produktionstechnik (WBK), Karlsruher Institut für Technologie (KIT)

Abstract:

Der vorliegende Datensatz soll als Grundlage für die Entwicklung von Modellen zur Vorhersage von Zeitreihen für Fräsprozesse dienen. Dazu wurden Fräsprozesse mit einer Abtastrate von 500 Hz auf einer DMG CMX 600 V (DOI: 10.5445/IR/1000157789) und einer DMC 60H (DOI: 10.35097/1738) mit einer Siemens Industrial Edge aufgenommen. Es wurde ein Bauteil für das Modelltraining (Bauteil 1) und ein Bauteil für die Validierung (Bauteil 2) gefertigt. Beide wurden sowohl für die Bearbeitung von Stahl als auch von Aluminium verwendet. Es wurden mehrere Aufnahmen mit und ohne Werkstück (Aircut) gemacht, um unterschiedliche Komplexitäten abbilden zu können. ... mehr

Abstract (englisch):

The present dataset is intended to serve as a basis for developing time series prediction models for milling machines. For this purpose, milling processes were recorded with a sampling rate of 500 Hz on a DMG CMX 600 V (DOI: 10.5445/IR/1000157789) and a DMC 60H (DOI: 10.35097/1738) with a Siemens Industrial Edge. A model training component (workpiece 1) and a validation component (workpiece 2) were milled. Both were used to machine steel and aluminum. Several records were taken with and without the workpiece (aircut) to represent different levels of complexity. The datasets have been prepared as a standardized CSV file for ease of use. ... mehr

Externe Links

Download (RADAR4KIT)

Export

Statistiken

Seitenaufrufe: 19
seit 18.06.2024

Zugehörige Institution(en) am KIT	Institut für Produktionstechnik (WBK)
Publikationstyp	Forschungsdaten
Publikationsdatum	18.06.2024
Erstellungsdatum	03.06.2024 - 13.06.2024
Identifikator	DOI: 10.35097/feFwILjideOropmh KITopen-ID: 1000171639
Lizenz	Creative Commons Namensnennung – Nicht kommerziell – Keine Bearbeitungen 4.0 International
Schlagwörter	Machine tool, Time series prediction, Machine Learning, Milling, CNC
Liesmich	Documents: -Design of Experiments: Path information and technological values of the experiments -Data: All dataframes organized by milling machine, material, workpiece and process. -NC Code: NC programs executed on the machines Experimental data: -Machine: Retrofitted DMC 60H and DMG CMX 600 V -Material: S235JR, 2007 T4 -Tools: -VHM-Fräser HPC, TiSi, ⌀ f8 DC: 5mm -VHM-Fräser HPC, TiSi, ⌀ f8 DC: 10mm -VHM-Fräser HPC, TiSi, ⌀ f8 DC: 20mm -Schaftfräser HSS-Co8, TiAlN, ⌀ k10 DC: 5mm -Schaftfräser HSS-Co8, TiAlN, ⌀ k10 DC: 10mm -Schaftfräser HSS-Co8, TiAlN, ⌀ k10 DC: 5mm -Workpiece blank dimensions: 150x75x50mm License: This work is licensed under a Creative Commons Attribution 4.0 International License. Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).
Art der Forschungsdaten	Dataset
Relationen in KITopen	Verweist auf Training and validation dataset of milling processes for time series prediction. Ströbel, Robin; Probst, Yannik; Fleischer, Jürgen (2023) Forschungsdaten (1000157789) Training and validation dataset 2 of milling processes for time series prediction. Ströbel, Robin; Mau, Marcus; Deucker, Samuel; Fleischer, Jürgen (2023) Forschungsdaten (1000162142) Time Series Prediction for Energy Consumption of Computer Numerical Control Axes Using Hybrid Machine Learning Models. Ströbel, Robin; Probst, Yannik; Deucker, Samuel; Fleischer, Jürgen (2023) Zeitschriftenaufsatz (1000165753)

Repository KITopen

Training and validation dataset 3 of milling processes for time series prediction

Abstract:

Abstract (englisch):