CiP-DMD（Cutting in Production – Discrete Manufacturing Dataset）由 TU Darmstadt 生产技术与机床研究所（PTW）于 2024 年发布，是首个覆盖完整多工序加工流程的开源离散制造数据集。采集对象为 847 件气动气缸，经历多道 CNC 金属切削工序（车削、钻削、铣削等），每道工序均采集主轴电流、进给力、振动等传感器时序，同时记录工序级尺寸与表面质量检测结果，并通过唯一工件 ID 实现全流程端到端可追溯对齐。任务涵盖工序级质量预测（合格 / 不合格分类）、过程监控、跨工序可追溯质量溯因分析。数据集以 CC BY 许可证发布，附完整分析代码（GitHub nicolasj92/industrial-ml-datasets）。典型预处理建议：时序特征工程（时域统计量 + 频域特征）+ 工件级多工序特征拼接；少样本设定下建议迁移预训练特征。该数据集于 2024 年发布，目前社区下游引用尚少，引用主要来自 Procedia CIRP 制造工程领域，深度学习顶会引用尚待积累。
| 行业 | 离散制造，CNC 金属切削 |
|---|---|
| 任务 | quality_prediction，process_monitoring，classification |
| 模态 | current，force，vibration |
| 频率档 | — |
| 采样率 | — |
| 真实度 | real_production |
| 访问门槛 | open |
| 质量评分 | ★★★★★ |
| 采用度 | new |
| 数据形态 | batch_run |
| 是否多模态 | 是 |
| 规模 | 847 件气动气缸，多工序产线记录 |
| License | open |
罕见的工序信号与质检结果端到端可追溯设计。
847 件对深度学习偏少；单一产品族泛化未验证。