PyScrew：基于工业螺钉驱动实验的全面数据集收集

本文提出了一套全面的工业螺钉驱动数据集，旨在推动制造过程监控和质量控制研究的发展。该数据集合包括六个数据集，包含超过34,000次单个螺钉驱动操作，这些操作在受控实验条件下进行，捕捉了螺钉驱动过程在塑料组件中的多面性。每个数据集系统性地探讨特定方面：通过重复使用来考察天然螺纹退化模式(s01)、考察表面摩擦条件的变化，包括污染和表面处理(s02)、以及考察多达27种装配故障(s03-s04)，以及通过修改注塑机设置来考察上下工件的制造参数差异(s05-s06)。我们详细描述了跨所有数据集使用的标准化实验 setup，包括硬件规格、工艺阶段和数据采集方法。层次化数据模型保留了螺钉驱动过程的时序和操作结构，便于探索性分析和开发机器学习模型。为最大化可访问性，我们提供了两种访问途径：通过Zenodo获取原始数据并附有永久DOI，以及提供一个专为数据加载、预处理和集成到常见分析工作流程而构建的Python库(PyScrew)。这些数据集支持多种研究应用，包括异常检测、预测性维护、质量控制系统开发、特征提取方法评估以及特定错误条件的分类。通过解决工业制造领域标准化、全面数据集的稀缺问题，此数据集合为可重复研究和公正比较分析方法提供了支持，旨在推动工业自动化领域的发展。