Spatial and Temporal Resolution in Data-Driven Process Modeling of an Integrated Newsprint Mill
Notice bibliographique
Résumé
Like many globalized industries, the pulp and paper sector finds itself with an increasingly demanding clientele, who continually expect a better and cheaper product. An important design strategy being employed to address this objective is through an analysis of the vast quantity of process and product data accumulated in plant-wide data historians, in order to improve operations. Mill processes are multivariate, meaning that the interactions between the variables are as important as the variables themselves. Process relationships must therefore be modeled as a group, using an appropriate simulation technique like Multivariate Analysis (MVA), with suitable data pre-processing to account for process upsets and other disturbances. In a previous paper, using an Eastern Canadian newsprint mill as an industrial case study, we showed that it was possible to find statistically significant correlations between wood chip refiner operation, intermediate pulp quality, and final paper quality using data-driven models. This was true even though some important process parameters went unmeasured, process lags changed with time, and the operation of key equipment items changed gradually with use. The present study compares the use of different timescales and combinations of unit operations to determine which ones yield the best MVA simulations. Because plant operating data were used, and experimental design was not practical, it is possible that some of the correlations found could be attributable to coincidence. We therefore added and removed variables and time periods to explore the validity of the models. The best MVA models were obtained by using a shorter (1-hour) data timescale, although use of a weighted-average filter helped to bridge the gap between these faster readings and the slower paper quality trends.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».