MétaCan
Menu
Retour à la cohorte
Enregistrement W2271320187 · doi:10.1002/ceat.201400433

Multivariate Modeling of a Chemical Toner Manufacturing Process

2016· article· en· W2271320187 sur OpenAlexaff
Hassan Khorami, Hedia Fgaier, Ali Elkamel, Mazda Biglari, Baoling Chen

Notice bibliographique

RevueChemical Engineering & Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPrincipal component analysisProcess (computing)Multivariate statisticsLatent variableProcess engineeringProcess controlComputer scienceProcess modelingPartial least squares regressionIdentification (biology)Product (mathematics)Matrix (chemical analysis)Batch processingProcess analytical technologyUnit operationProcess optimizationWork in processEngineeringArtificial intelligenceMachine learningMathematicsChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract Modeling, optimization, process monitoring, and product development in a toner process using multiway principal component analysis and multiway partial least square method is described. Process measurements and product quality values of past successful batches were collected in a data matrix and preprocessed through time alignment, centering, and scaling. Following the identification of latent variables, an empirical model was built through a fourfold cross validation that can represent the operation of a successful batch. The prepared model provided a realistic prediction of process behavior, realistically represented the operation of the industrial unit, and is mathematically simple enough to be used in online optimization and for automatic control strategies of selected abnormal batches.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,192 · 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
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical Engineering & TechnologyMême sujetFault Detection and Control SystemsTravaux en français237 207