MétaCan
Menu
Retour à la cohorte
Enregistrement W2314475734 · doi:10.3808/jei.201100201

Development of an Intelligent System for Monitoring and Diagnosis of the Carbon Dioxide Capture Process

2011· article· en· W2314475734 sur OpenAlexafffund
Qiang Zhou

Notice bibliographique

RevueJournal of Environmental Informatics · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProcess (computing)DowntimeModular designProcess engineeringExpert systemEngineeringComputer scienceProcess controlReliability engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The technology of amine-based carbon dioxide (CO2) capture has been widely adopted for reducing CO2 emissions and mitigating global warming. The primary research objective in the field of post-combustion CO2 capture process system is to improve effectiveness and efficiency of the process. Extensive literature review of the research showed that the dominant approach was to investigate the behaviors of the aqueous amine solvents for enchancing CO2 capture efficiency. As the operation of an amine-based CO2 capture system is complicated and involves monitoring over one hundred process parameters and careful manipulation of numerous valves and pumps, automated monitoring and process control can be a fruitful approach to enhance efficiency of the CO2 capture process system. In this study, artificial intelligence techniques were applied for development of a knowledge-based expert system that effectively monitors and controls the CO2 capture process system so as to enhance CO2 capture efficiency. The Knowledge-Based System for Carbon Dioxide Capture (KBSCDC) was implemented with DeltaV Simulate (trademark of Emerson Corp., USA). DeltaV Simulate provides control utilities and algorithms which support the configuration of control strategies in modular components. The KBSCDC can conduct real-time monitoring and diagnosis, as well as suggest remedies for any abnormality detected. Also, the control strategies applied to the control devices of the process are simulated in KBSCDC. The expert system enhances performance and efficiency of the CO2 capture process system because it supports automated diagnosis of the system should any abnormal conditions occur. In this way, costly downtime and maintenance are avoided.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,202
Écart entre enseignants0,187 · 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

Citations12
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental InformaticsMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207