Evolution of Surface Defects on Ball Screw Drive Spindles for intelligent Prognostics and Health Management Systems
| Autor bzw. Ersteller | Schlagenhauf, Tobias |
|---|---|
| Schlagwörter | Ball Screw Drives, Condition Monitoring, Prognostics and Health Management (PHM), Machine Learning, Intelligent Manufacturing, |
| Klassifizierungen |
|
| Art der Forschungsdaten | Dataset |
| Erstellungsjahr | 2022 |
| Herausgeber | KIT-Bibliothek |
| Jahr der Veröffentlichung | 2022 |
| DOI | 10.5445/IR/1000148057 |
| Abstract |
The dataset shows the development of 82 surface defects (pits) over the operating time of Ball Screw Drives. The name of the images is structured as follows: XX_XX_YYMMDDHHMMSS_XX_XX. Here X is some identifier, which is not important in this context. The dataset is especially suited to investigate the development of surface defects on ball screw drive spindles. The dataset mainly addresses the machine learning research community for engineering and computer science to build intelligent models for surface defect detection and forecasting in the context of prognostics and health management (PHM). Each folder consists the evolution of one pit. The dataset shows the development of 82 surface defects (pits) over the operating time of Ball Screw Drives. The name of the images is structured as follows: XX_XX_YYMMDDHHMMSS_XX_XX. Here X is some identifier, which is not important in this context. The dataset is especially suited to investigate the development of surface defects on ball screw drive spindles. The dataset mainly addresses the machine learning research community for engineering and computer science to build intelligent models for surface defect detection and forecasting in the context of prognostics and health management (PHM). Each folder consists the evolution of one pit.
|
| Lizenz | CC BY-NC 4.0
|
| Liesmich |
The dataset shows the development of 82 surface defects (pits) over the operating time of Ball Screw Drives. The name of the images is structured as follows: XX_XX_YYMMDDHHMMSS_XX_XX. Here X is some identifier, which is not important in this context. The dataset is especially suited to investigate the development of surface defects on ball screw drive spindles. The dataset mainly addresses the machine learning research community for engineering and computer science to build intelligent models for surface defect detection and forecasting in the context of prognostics and health management (PHM). Each folder consists the evolution of one pit.
|
| Zugriffszähler | 664 |
|---|---|
| Downloadzähler | 15 |
Dateien
Die Forschungsdaten sind sicher im Archiv aufbewahrt und könnten sich auf Speicherbändern befinden. Ein direkter Zugriff könnte momentan nicht möglich sein. Um die Daten herunterzuladen haben Sie die folgenden Möglichkeiten:
- : Sie können (trotzdem) versuchen die Daten direkt aus dem Archiv zu beziehen ohne diese durch KITopenData zwischenspeichern zu lassen. Dies könnte nicht funktionieren!
- + : KITopenData wird die Dateien aus dem Archiv abrufen und diese dann zum Download bereitstellen.
- + : KITopenData wird die Dateien aus dem Archiv abrufen und diese dann zum Download als Zip Archiv bereitstellen.
+ Daten aus dem Archiv transferieren und dann herunterladen
Klicken Sie bitte auf den Button und wir werden die Dateien für Sie aus dem Archiv holen.In diesem Abschnitt können BagIT Dateien heruntergeladen werden. Es ist zu beachten, dass die Dateien aus dem Archiv abgerufen werden müssen und dies möglicherweise lange dauern kann. Die Dateien können aber vorab gecached werden. Mehr Informationen zu BagIT sind unter nachfolgendem Link verfügbar (The BagIt File Packaging Format).:
- : Versuche BagIt Manifest MD5 Datei direkt herunterzuladen manifest-md5.txt
- : Versuche BagIt Info Datei direkt herunterzuladen bag-info.txt
- : Versuche BagIt Datei direkt herunterzuladen bagit.txt
+ Daten aus dem Archiv transferieren und dann als Zip herunterladen
Klicken Sie bitte auf den Button und wir werden die Dateien aus dem Archiv holen und in einer Zip-Datei bündeln.