MétaCan
Menu
Retour à la cohorte
Enregistrement W2139600851 · doi:10.1002/aic.14833

Integration of scheduling, design, and control of multiproduct chemical processes under uncertainty

2015· article· en· W2139600851 sur OpenAlexafffund
Bhushan Patil, Eduardo Habib Bechelane Maia, Luis Ricardez‐Sandoval

Notice bibliographique

RevueAIChE Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésScheduling (production processes)Computer scienceNonlinear systemIndustrial engineeringStability (learning theory)Chemical processOperations researchMathematical optimizationBiochemical engineeringEngineeringMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

The development of a methodology that addresses the simultaneous design, scheduling, and control of multiproduct processes is focused. The proposed methodology takes into account the influence of disturbances by the identification of their critical frequency, which is used to quantify the worst‐case variability in the controlled variables via frequency response analysis. The uncertainty in the demands of products has also been addressed by creating critical demand scenarios with different probabilities of occurrence, while the nominal stability of the system has been ensured. Two case studies have been developed as applications of the methodology. The first case study focuses on the comparison of classical semisequential approach against the simultaneous methodology developed, while the second case study demonstrates the capability of the methodology in application to a large‐scale nonlinear system. © 2015 American Institute of Chemical Engineers AIChE J, 61: 2456–2470, 2015

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,244
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations47
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetAdvanced Control Systems OptimizationTravaux en français237 207