MétaCan
Menu
Retour à la cohorte
Enregistrement W2172144860 · doi:10.1002/cjce.21833

Soft sensor solutions for control of oil sands processes

2013· article· en· W2172144860 sur OpenAlexafffundvenue
Shima Khatibisepehr, Biao Huang, Elom Ayih Domlan, Elham Naghoosi, Yu Zhao, Yu Miao, Xinguang Shao, Swanand Khare, Marziyeh Keshavarz, Enbo Feng, Fangwei Xu, Aris Espejo, Ramesh Kadali

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensSyncrude (Canada)Suncor Energy (Canada)University of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOil sandsEnvironmental scienceControl (management)Petroleum engineeringProcess engineeringGeologyComputer scienceMaterials scienceEngineeringAsphaltArtificial intelligenceComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Oil sands development is both a costly and technically complex business with potential concerns in land use, water consumption and greenhouse gas emissions. Therefore, it is of practical interest to further investigate novel techniques to improve profitability while diligently maintaining environmental compliance. Our approach for finding solutions to achieve this objective is to develop innovative strategies for advanced monitoring, optimisation and control of plant operations. Development of reliable process models is a key requirement for investigating the behaviour of complex systems. Such descriptive models can help to improve analysis, simulation, optimisation, design, control and operation of process systems at both micro and macro levels. This paper presents a summary of some of the successful applications focussed on development and implementation of inferential process models, also known as soft sensors for oil sands processes.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,427
Score d'incertitude au seuil0,290

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

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