Principal‐component analysis of multiscale data for process monitoring and fault diagnosis
Notice bibliographique
Résumé
Abstract An approach is presented to multivariate statistical process control (MSPC) for process monitoring and fault diagnosis based on principal‐component analysis (PCA) models of multiscale data. Process measurements, representing the cumulative effects of many underlying process phenomena, are decomposed by applying multiresolution analysis (MRA) by wavelet transformations. The decomposed process measurements are rearranged according to their scales, and PCA is applied to these multiscale data to capture process variable correlations occurring at different scales. Choosing an orthonormal mother wavelet allows each principal component to be a function of the process variables at only one scale level. The proposed method is discussed in the context of other multiscale approaches, and illustrated in detail using simulated data from a continuous stirred tank reactor (CSTR) system. A major contribution of the paper is to extend fault isolation methods based on contribution plots to multiscale approaches. In particular, once a fault is detected, the contributions of the variations at each scale to the fault are computed. These scale contributions can be very helpful in isolating faults that occur mainly at a single scale. For those scales having large contributions to the fault, one can further compute the variable contributions to those scales, thereby making fault diagnosis much easier. A comparison study is done through Monte Carlo simulation. The proposed method can enhance fault detection and isolation (FDI) performance when the frequency content of a fault effect is confined to a narrow‐frequency band. However, when the fault frequency content is not localized, the multiscale approaches perform very comparably to the standard single‐scale approaches, and offer no real advantage. © 2004 American Institute of Chemical Engineers AIChE J, 50: 2891–2903, 2004
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».