FactoryNet：面向工业时间序列基础模型的大规模数据集
机器学习
2026-05-26 v3 人工智能
摘要
我们介绍了首个面向工业时间序列数据的通用预训练语料库：FactoryNet。该数据集覆盖 5100 万个数据点，涵盖 23000 组端到端任务执行（其中 13000 组为真实数据，9800 组为合成数据），涉及六种机械装置，统一的 schema 使其能够实现稳健的零样本跨装置迁移和高参数效率的异常检测。我们提出了一种新型 schema：Setpoint、Effort、Feedback、Context（即 S-E-F-C），构成整个管道的底层框架，将任何受驱动系统映射到统一的表示框架中。该语料库包含 27 种已标注的异常类型，以及健康基线和跨机器人操纵与加工领域的反事实配对。跨装置迁移实验结果良好：在我们提出的偏见敏感指标下，该模型在评估的源-目标配对上展现出公平的跨装置迁移能力，而 24 个与 schema 对齐的信号实现了与高维基线相当的异常检测性能。我们将 FactoryNet 作为一个不断扩充的、多装置数据集发布，以推动工业基础模型的发展进展。
引用
@article{arxiv.2605.09081,
title = {FactoryNet: A Large-Scale Dataset toward Industrial Time-Series Foundation Models},
author = {Karim Othman and Jonas Petersen and Matei Ignuta-Ciuncanu and Camilla Mazzoleni and Federico Martelli and Alessandro Lombardi and Riccardo Maggioni and Philipp Petersen},
journal= {arXiv preprint arXiv:2605.09081},
year = {2026}
}
备注
8 pages, 4 figures, 5 tables