[論文レビュー] Analog and Multi-modal Manufacturing Datasets Acquired on the Future Factories Platform

Ramy Harik, Fadi El Kalach+9 more|arXiv (Cornell University)|Jan 28, 2024

Manufacturing Process and Optimization被引用数 9

ひとこと要約

本論文は、Future Factories Labのラインから30時間にわたって収集された2つの産業グレードの製造データセット（アナログとマルチモーダル）を提示し、製造業におけるAI研究を支援するために人工的に導入された欠陥を含む。

ABSTRACT

Two industry-grade datasets are presented in this paper that were collected at the Future Factories Lab at the University of South Carolina on December 11th and 12th of 2023. These datasets are generated by a manufacturing assembly line that utilizes industrial standards with respect to actuators, control mechanisms, and transducers. The two datasets were both generated simultaneously by operating the assembly line for 30 consecutive hours (with minor filtering) and collecting data from sensors equipped throughout the system. During operation, defects were also introduced into the assembly operation by manually removing parts needed for the final assembly. The datasets generated include a time series analog dataset and the other is a time series multi-modal dataset which includes images of the system alongside the analog data. These datasets were generated with the objective of providing tools to further the research towards enhancing intelligence in manufacturing. Real manufacturing datasets can be scarce let alone datasets with anomalies or defects. As such these datasets hope to address this gap and provide researchers with a foundation to build and train Artificial Intelligence models applicable for the manufacturing industry. Finally, these datasets are the first iteration of published data from the future Factories lab and can be further adjusted to fit more researchers needs moving forward.

研究の動機と目的

• 標準に基づくアセンブリラインから収集された2つの産業グレード製造データセットを提供する。
• 特に異常や欠陥を含む実製造データの不足を解消する。
• 研究者がインテリジェント製造のためのAIモデルを訓練・評価できるようにする。
• さまざまな研究ニーズに合わせて調整可能な公開データの初回イテレーションを提供する。

提案手法

• システム全体にセンサーを備えた産業標準の製造アセンブリラインからデータを収集。
• システム画像を含む時系列アナログデータセットと時系列マルチモーダルデータセットを同時に生成。
• 欠陥は組み立て中に部品を手動で取り除くことで異常を作り出す。
• データ収集は連続した30時間にわたり、軽微なフィルタリングを適用。
• データセットはFuture Factories Labの初期イテレーション出力として記述され、今後の研究のために適用・調整可能。

実験結果

リサーチクエスチョン

• RQ1 Future Factories Platform研究で導入されるデータセットは何か？
• RQ2 アナログおよびマルチモーダル製造データセットはどのように収集・同期されたか？
• RQ3 データセットに含まれる異常/欠陥シナリオは何か？
• RQ4 これらのデータセットは製造のAIモデルの訓練・評価をどのように支援できるか？
• RQ5 これらのデータセットの制限と将来の拡張の可能性は何か？

主な発見

• 2つのデータセットが同時に生成された：時系列アナログデータセットと画像を含む時系列マルチモーダルデータセット。
• データ収集は連続した30時間に及び、軽微なフィルタリングを適用。
• 欠陥は最終組立に必要な部品を手動で取り除くことで異常を作り出した。
• マルチモーダルデータセットにはアナログデータとともにシステムの画像が含まれている。
• 本研究はFuture Factories labから公開されたデータの初回イテレーションを示しており、研究者のニーズに応じて調整可能。