Select Language

Open Dataset

エネルギー最適化に使用する高容量ストレージシステムデータ

エネルギー最適化に使用する高容量ストレージシステムデータ

7.12M
432 hits
0 likes
0 downloads
0 discuss
Business,Deep Learning,Energy,Model Comparison,Optimization Classification

Data Structure ? 7.12M

    Data Structure ?

    *The above analysis is the result extracted and analyzed by the system, and the specific actual data shall prevail.

    README.md

    コンテキスト レムゴの[スマートファクトリー][1]には、高層保管システムのデモンストレータがあります。この高層保管システムは、以前の研究プロジェクト、例えば[IMPROVE][2]で構築され、使用されました。その焦点は、データ駆動型のエネルギー最適化にあります。また、タイムオートマトンを使用して異常検知を行うためにも利用されます。 内容 ![高層保管システムの可視化][3] 高層保管システムは、4本の短いコンベヤベルト(BLO、BHL、BHR、BRU)と2本のレール(HR、HL)で構成されています。中央の2本のコンベヤベルト(BHL、BHR)は、レールによって垂直方向に移動することができ、他のコンベヤベルトは固定されており、すべてのサイズは64cm x 8.5cm x 29.7cmです。各コンベヤベルトには3つの誘導センサーがあります。最初のセンサーは左端から3.6cmの位置に、2番目のセンサーは左端から26.6cmの位置に、最後のセンサーは右端から3.6cmの位置にあります。 このシステムは、Codesys V3を搭載したSPSを使用しており、これはIEC61131標準に対応しています。 高層保管システムは、2つの地点間で1つのパッケージを輸送します。[この動画][4]で確認できるように、最初の実行は最適化されていない実行です。中央の2本のコンベヤベルトは、パッケージを水平方向に移動させていないときにのみ垂直方向に移動します。2回目の実行は最適化された実行です。中央の2本のコンベヤベルトがパッケージを水平方向に移動させている間に、垂直方向にも移動します。 生成されたデータは4つのファイルに分割されています。HRSS_normal_standard.csvには、故障がなく最適化されていない通常の実行データが含まれています。 HRSS_normal_optimized.csvには、故障がなく最適化された実行データが含まれています。 HRSS_anomalous_standard.csvには、故障があり最適化されていない実行データが含まれています。 そして、HRSS_anomalous_optimized.csvには、故障があり最適化された実行データが含まれています。 各ファイルの*Label*列は、異常がある行をマークしています。これらのファイルを使用して、通常の最適化されていないファイルと通常の最適化されたファイルを用いて、エネルギーベースの最適化プロセスをテストすることができます。 さらに、通常のファイルと異常のあるファイルを用いて、異常検知をテストすることができます。 詳細な情報については、以下の論文を読んでください。 謝辞 ・著作権 | inIT - Institute Industrial IT ・著作権 | オストヴェストファーレン=リッペ応用科学大学 このデータセットは、[以下の条件][5]の下で誰でも公開的に使用することができます。 ヴォン・ビルゲレン、アレクサンダー;ニゲマン、オリバー:離散イベントがない状態で自己組織化マップを使用してハイブリッドタイムオートマトンを学習する。22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA 2017) 2017年9月。 https://www.hs-owl.de/init/veroeffentlichungen/publikationen/a/filteroff/3054/single.html ヴォン・ビルゲレン、アレクサンダー;ニゲマン、オリバー:自己組織化マップを通じて離散イベントがない状態でハイブリッドタイムオートマトンの学習を可能にする。S.: 37 - 54、Springer Vieweg、2018年8月。 https://www.hs-owl.de/init/veroeffentlichungen/publikationen/a/filteroff/3369/single.html ハラニサヴリエヴィッチ、ネマンヤ;ニゲマン、オリバー;マイアー、アレクサンダー:深層学習とタイムオートマトンに基づくハイブリッド生産システムの新しい異常検知アルゴリズム。International Workshop on the Principles of Diagnosis (DX) デンバー、2016年10月。 https://www.hs-owl.de/init/veroeffentlichungen/publikationen/a/filteroff/2881/single.html IMPROVEは、欧州連合のHorizon 2020研究・イノベーションプログラムから、助成契約番号678867で資金提供を受けています。 インスピレーション このデータセットはあなたにとって役に立ちますか? [1]: https://www.smartfactory-owl.de/index.php/en/ [2]: http://www.improve-vfof.eu/ [3]: https://ciit-cloud.init.hs-owl.de/index.php/apps/files_sharing/publicpreview/RswAe6fDJ6g8b9J?x=1903&y=576&a=true&file=HRSS.PNG&scalingup=0 [4]: https://www.youtube.com/watch?v=3o8PwyuwXXc [5]: https://creativecommons.org/licenses/by-nc-sa/4.0/
    ×

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    The dataset is currently being organized and other channels have been prepared for you. Please use them

    Note: Some data is currently being processed and cannot be directly downloaded. We kindly ask for your understanding and support.
    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:0 Go earn points?
    • 432
    • 0
    • 0
    • collect
    • Share