MétaCan
Menu
Retour à la cohorte
Enregistrement W2066909380 · doi:10.1002/cjce.20096

The integration of spectroscopic and process data for enhanced process performance monitoring

2008· article· en· W2066909380 sur OpenAlexvenueno aff
Chris W. L. Wong, Richard E. A. Escott, Elaine Martin, Julian Morris

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésProcess (computing)Computer scienceProcess analytical technologyWork in processData analysisAnalyticsData miningFault (geology)Fault detection and isolationProcess engineeringData scienceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Batch process performance monitoring has been achieved primarily using process measurements with the extracted information being associated with the physical parameters of the process. With increasing attention now being paid to the application of on‐line real‐time process analytics through spectrometry, together with the FDA Process Analytical Technologies (PAT) initiative, the use of spectroscopic information for enhanced monitoring of reactions is gaining impetus. The harmonious integration of process data and spectroscopic data then becomes a major challenge. By integrating the process and spectroscopic measurements for multivariate statistical data modelling and analysis, it is conjectured that improved process understanding and fault diagnosis can be achieved. An investigation into combining process and spectral data using multiblock and multiresolution analysis is proposed and the results from the analysis of experimental data from two industrial application studies are presented to demonstrate the improvements achievable in terms of process performance monitoring and fault diagnosis.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,193

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 Opus0,015
Tête enseignante GPT0,230
Écart entre enseignants0,215 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetFault Detection and Control SystemsTravaux en français237 207