A quality relevant non‐Gaussian latent subspace projection method for chemical process monitoring and fault detection
Notice bibliographique
Résumé
Partial least‐squares (PLS) method has been widely used in multivariate statistical process monitoring field. The goal of traditional PLS is to find the multidimensional directions in the measurement‐variable and quality‐variable spaces that have the maximum covariances. Therefore, PLS method relies on the second‐order statistics of covariance only but does not takes into account the higher‐order statistics that may involve certain key features of non‐Gaussian processes. Moreover, the derivations of control limits for T2 and squared prediction error (SPE) indices in PLS‐based monitoring method are based on the assumption that the process data follow a multivariate Gaussian distribution approximately. Meanwhile, independent component analysis (ICA) approach has recently been developed for process monitoring, where the goal is to find the independent components (ICs) that are assumed to be non‐Gaussian and mutually independent by means of maximizing the high‐order statistics such as negentropy instead of the second‐order statistics including variance and covariance. Nevertheless, the IC directions do not take into account the contributions from quality variables and, thus, ICA may not work well for process monitoring in the situations when the quality variables have strong influence on process operations. To capture the non‐Gaussian relationships between process measurement and quality variables, a novel projection‐based monitoring method termed as quality relevant non‐Gaussian latent subspace projection (QNGLSP) approach is proposed in this article. This new technique searches for the feature directions within the measurement‐variable and quality‐variable spaces concurrently so that the two sets of feature directions or subspaces have the maximized multidimensional mutual information. Further, the new monitoring indices including I2 and SPE statistics are developed for quality relevant fault detection of non‐Gaussian processes. The proposed QNGLSP approach is applied to the Tennessee Eastman Chemical process and the process monitoring results of the present method are demonstrated to be superior to those of the PLS‐based monitoring method. © 2013 American Institute of Chemical Engineers AIChE J 60: 485–499, 2014
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 0,001 |
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 ».