MétaCan
Menu
Retour à la cohorte
Enregistrement W2015589096 · doi:10.1002/prs.11609

Dynamic risk assessment and fault detection using a multivariate technique

2013· article· en· W2015589096 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProcess Safety Progress · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFault detection and isolationContext (archaeology)Process (computing)Kalman filterResidualMultivariate statisticsFault (geology)Reliability engineeringComputer scienceEngineeringMultivariable calculusRisk analysis (engineering)Data miningArtificial intelligenceMachine learningAlgorithmControl engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

In the context of process safety, significant improvements are needed in fault detection methods, especially, in the areas of early detection and warning. In this article, a multivariate risk‐based fault detection and diagnosis technique is proposed. The key elements of this technique are to eliminate faults that are not serious and to provide a dynamic process risk indication at each sampling instant. A multivariable residual generation process based on the Kalman filter has been combined with a risk assessment procedure. The use of the Kalman filter makes the method more robust to false alarms, which is an important aspect of any fault detection algorithm that targets the safety of a process. In addition, we consider significant differences in the severity of the faults associated with different process variables. We also take into account the varying intensity of damage caused by the increasing and decreasing rates of fault and the need to treat those cases differently. © 2013 American Institute of Chemical Engineers Process Saf Prog 32: 365–375, 2013

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,269
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle