Ndryshime

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "Stephan Matzka",
2
  "author": "Stephan Matzka",
            
3
  "author_email": "",
3
  "author_email": "",
            
4
  "creator_user_id": "fe29d92f-4473-4767-8e12-4429678cd91e",
4
  "creator_user_id": "fe29d92f-4473-4767-8e12-4429678cd91e",
            
5
  "extras": [],
5
  "extras": [],
            
6
  "groups": [],
6
  "groups": [],
            
7
  "id": "730c1340-96f7-4ea8-a540-33e4b8b16c86",
7
  "id": "730c1340-96f7-4ea8-a540-33e4b8b16c86",
            
8
  "isopen": true,
8
  "isopen": true,
            
9
  "license_id": "gfdl",
9
  "license_id": "gfdl",
            
10
  "license_title": "GNU Free Documentation License",
10
  "license_title": "GNU Free Documentation License",
            
11
  "license_url": "http://www.opendefinition.org/licenses/gfdl",
11
  "license_url": "http://www.opendefinition.org/licenses/gfdl",
            
12
  "maintainer": "",
12
  "maintainer": "",
            
13
  "maintainer_email": "",
13
  "maintainer_email": "",
            
14
  "metadata_created": "2023-03-06T14:07:57.719002",
14
  "metadata_created": "2023-03-06T14:07:57.719002",
            
n
15
  "metadata_modified": "2023-03-06T14:09:11.397440",
n
15
  "metadata_modified": "2023-03-13T12:55:05.761446",
            
16
  "name": "predictive-maintenance",
16
  "name": "predictive-maintenance",
            
17
  "notes": "This synthetic dataset is modeled after an existing 
17
  "notes": "This synthetic dataset is modeled after an existing 
            
18
milling machine and consists of 10 000 data points from a stored as 
18
milling machine and consists of 10 000 data points from a stored as 
            
19
rows with 14 features in columns\r\n\r\n",
19
rows with 14 features in columns\r\n\r\n",
            
n
20
  "num_resources": 1,
n
20
  "num_resources": 2,
            
21
  "num_tags": 0,
21
  "num_tags": 0,
            
22
  "organization": {
22
  "organization": {
            
23
    "approval_status": "approved",
23
    "approval_status": "approved",
            
24
    "created": "2023-03-06T14:06:37.804321",
24
    "created": "2023-03-06T14:06:37.804321",
            
25
    "description": "Scotland's innovation centre for data science and 
25
    "description": "Scotland's innovation centre for data science and 
            
26
AI. Our purpose is to change lives by transforming the way we use 
26
AI. Our purpose is to change lives by transforming the way we use 
            
27
data",
27
data",
            
28
    "id": "9d5ac28f-59cb-41f3-8378-c2e2f43617b5",
28
    "id": "9d5ac28f-59cb-41f3-8378-c2e2f43617b5",
            
29
    "image_url": "2023-03-06-140637.788856TDL-logo.jpg",
29
    "image_url": "2023-03-06-140637.788856TDL-logo.jpg",
            
30
    "is_organization": true,
30
    "is_organization": true,
            
31
    "name": "the-data-lab",
31
    "name": "the-data-lab",
            
32
    "state": "active",
32
    "state": "active",
            
33
    "title": "The Data Lab",
33
    "title": "The Data Lab",
            
34
    "type": "organization"
34
    "type": "organization"
            
35
  },
35
  },
            
36
  "owner_org": "9d5ac28f-59cb-41f3-8378-c2e2f43617b5",
36
  "owner_org": "9d5ac28f-59cb-41f3-8378-c2e2f43617b5",
            
37
  "private": false,
37
  "private": false,
            
38
  "relationships_as_object": [],
38
  "relationships_as_object": [],
            
39
  "relationships_as_subject": [],
39
  "relationships_as_subject": [],
            
40
  "resources": [
40
  "resources": [
            
41
    {
41
    {
            
42
      "cache_last_updated": null,
42
      "cache_last_updated": null,
            
43
      "cache_url": null,
43
      "cache_url": null,
            
44
      "created": "2023-03-06T14:09:10.156826",
44
      "created": "2023-03-06T14:09:10.156826",
            
45
      "datastore_active": false,
45
      "datastore_active": false,
            
46
      "description": "UID: unique identifier ranging from 1 to 
46
      "description": "UID: unique identifier ranging from 1 to 
            
47
10000\r\nproduct ID: consisting of a letter L, M, or H for low (50% of 
47
10000\r\nproduct ID: consisting of a letter L, M, or H for low (50% of 
            
48
all products), medium (30%) and high (20%) as product quality variants 
48
all products), medium (30%) and high (20%) as product quality variants 
            
49
and a variant-specific serial number\r\ntype: just the product type L, 
49
and a variant-specific serial number\r\ntype: just the product type L, 
            
50
M or H from column 2\r\nair temperature [K]: generated using a random 
50
M or H from column 2\r\nair temperature [K]: generated using a random 
            
51
walk process later normalized to a standard deviation of 2 K around 
51
walk process later normalized to a standard deviation of 2 K around 
            
52
300 K\r\nprocess temperature [K]: generated using a random walk 
52
300 K\r\nprocess temperature [K]: generated using a random walk 
            
53
process normalized to a standard deviation of 1 K, added to the air 
53
process normalized to a standard deviation of 1 K, added to the air 
            
54
temperature plus 10 K.\r\nrotational speed [rpm]: calculated from a 
54
temperature plus 10 K.\r\nrotational speed [rpm]: calculated from a 
            
55
power of 2860 W, overlaid with a normally distributed noise\r\ntorque 
55
power of 2860 W, overlaid with a normally distributed noise\r\ntorque 
            
56
[Nm]: torque values are normally distributed around 40 Nm with a SD = 
56
[Nm]: torque values are normally distributed around 40 Nm with a SD = 
            
57
10 Nm and no negative values.\r\ntool wear [min]: The quality variants 
57
10 Nm and no negative values.\r\ntool wear [min]: The quality variants 
            
58
H/M/L add 5/3/2 minutes of tool wear to the used tool in the 
58
H/M/L add 5/3/2 minutes of tool wear to the used tool in the 
            
59
process.\r\na 'machine failure' label that indicates, whether the 
59
process.\r\na 'machine failure' label that indicates, whether the 
            
60
machine has failed in this particular datapoint for any of the 
60
machine has failed in this particular datapoint for any of the 
            
61
following failure modes are true.\r\nThe machine failure consists of 
61
following failure modes are true.\r\nThe machine failure consists of 
            
62
five independent failure modes\r\n\r\ntool wear failure (TWF): the 
62
five independent failure modes\r\n\r\ntool wear failure (TWF): the 
            
63
tool will be replaced of fail at a randomly selected tool wear time 
63
tool will be replaced of fail at a randomly selected tool wear time 
            
64
between 200 - 240 mins (120 times in our dataset). At this point in 
64
between 200 - 240 mins (120 times in our dataset). At this point in 
            
65
time, the tool is replaced 69 times, and fails 51 times (randomly 
65
time, the tool is replaced 69 times, and fails 51 times (randomly 
            
66
assigned).\r\nheat dissipation failure (HDF): heat dissipation causes 
66
assigned).\r\nheat dissipation failure (HDF): heat dissipation causes 
            
67
a process failure, if the difference between air- and process 
67
a process failure, if the difference between air- and process 
            
68
temperature is below 8.6 K and the tools rotational speed is below 
68
temperature is below 8.6 K and the tools rotational speed is below 
            
69
1380 rpm. This is the case for 115 data points.\r\npower failure 
69
1380 rpm. This is the case for 115 data points.\r\npower failure 
            
70
(PWF): the product of torque and rotational speed (in rad/s) equals 
70
(PWF): the product of torque and rotational speed (in rad/s) equals 
            
71
the power required for the process. If this power is below 3500 W or 
71
the power required for the process. If this power is below 3500 W or 
            
72
above 9000 W, the process fails, which is the case 95 times in our 
72
above 9000 W, the process fails, which is the case 95 times in our 
            
73
dataset.\r\noverstrain failure (OSF): if the product of tool wear and 
73
dataset.\r\noverstrain failure (OSF): if the product of tool wear and 
            
74
torque exceeds 11,000 minNm for the L product variant (12,000 M, 
74
torque exceeds 11,000 minNm for the L product variant (12,000 M, 
            
75
13,000 H), the process fails due to overstrain. This is true for 98 
75
13,000 H), the process fails due to overstrain. This is true for 98 
            
76
datapoints.\r\nrandom failures (RNF): each process has a chance of 0,1 
76
datapoints.\r\nrandom failures (RNF): each process has a chance of 0,1 
            
77
% to fail regardless of its process parameters. This is the case for 
77
% to fail regardless of its process parameters. This is the case for 
            
78
only 5 datapoints, less than could be expected for 10,000 datapoints 
78
only 5 datapoints, less than could be expected for 10,000 datapoints 
            
79
in our dataset.\r\nIf at least one of the above failure modes is true, 
79
in our dataset.\r\nIf at least one of the above failure modes is true, 
            
80
the process fails and the 'machine failure' label is set to 1. It is 
80
the process fails and the 'machine failure' label is set to 1. It is 
            
81
therefore not transparent to the machine learning method, which of the 
81
therefore not transparent to the machine learning method, which of the 
            
82
failure modes has caused the process to fail.",
82
failure modes has caused the process to fail.",
            
83
      "format": "CSV",
83
      "format": "CSV",
            
84
      "hash": "",
84
      "hash": "",
            
85
      "id": "5e5d639f-143c-46af-a881-37c30cc90147",
85
      "id": "5e5d639f-143c-46af-a881-37c30cc90147",
            
86
      "last_modified": null,
86
      "last_modified": null,
            
87
      "metadata_modified": "2023-03-06T14:09:10.886814",
87
      "metadata_modified": "2023-03-06T14:09:10.886814",
            
88
      "mimetype": null,
88
      "mimetype": null,
            
89
      "mimetype_inner": null,
89
      "mimetype_inner": null,
            
90
      "name": " AI4I 2020 Predictive Maintenance Dataset",
90
      "name": " AI4I 2020 Predictive Maintenance Dataset",
            
91
      "package_id": "730c1340-96f7-4ea8-a540-33e4b8b16c86",
91
      "package_id": "730c1340-96f7-4ea8-a540-33e4b8b16c86",
            
92
      "position": 0,
92
      "position": 0,
            
93
      "resource_type": null,
93
      "resource_type": null,
            
94
      "size": null,
94
      "size": null,
            
95
      "state": "active",
95
      "state": "active",
            
96
      "url": "",
96
      "url": "",
            
97
      "url_type": null
97
      "url_type": null
            
t
t
98
    },
            
99
    {
            
100
      "cache_last_updated": null,
            
101
      "cache_url": null,
            
102
      "created": "2023-03-13T12:55:05.778612",
            
103
      "datastore_active": false,
            
104
      "description": "",
            
105
      "format": "PDF",
            
106
      "hash": "",
            
107
      "id": "ef07d14a-fc27-4090-b7ac-c455865b4ca7",
            
108
      "last_modified": "2023-03-13T12:55:05.753419",
            
109
      "metadata_modified": "2023-03-13T12:55:05.766866",
            
110
      "mimetype": "application/pdf",
            
111
      "mimetype_inner": null,
            
112
      "name": "Predictive Maintenance Analytics Report",
            
113
      "package_id": "730c1340-96f7-4ea8-a540-33e4b8b16c86",
            
114
      "position": 1,
            
115
      "resource_type": null,
            
116
      "size": 545710,
            
117
      "state": "active",
            
118
      "url": 
            
119
27-4090-b7ac-c455865b4ca7/download/predictive_maintenance_report.pdf",
            
120
      "url_type": "upload"
            
98
    }
121
    }
            
99
  ],
122
  ],
            
100
  "state": "active",
123
  "state": "active",
            
101
  "tags": [],
124
  "tags": [],
            
102
  "title": "Predictive Maintenance",
125
  "title": "Predictive Maintenance",
            
103
  "type": "dataset",
126
  "type": "dataset",
            
104
  "url": 
127
  "url": 
            
105
ive.ics.uci.edu/ml/datasets/AI4I+2020+Predictive+Maintenance+Dataset",
128
ive.ics.uci.edu/ml/datasets/AI4I+2020+Predictive+Maintenance+Dataset",
            
106
  "version": ""
129
  "version": ""
            
107
}
130
}