A full‐condition monitoring method for nonstationary dynamic chemical processes with cointegration and slow feature analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chemical processes are in general subject to time variant conditions because of load changes, product grade transitions, or other causes, resulting in typical nonstationary dynamic characteristic. It is of a considerable challenge for process monitoring to consider all possible operation conditions simultaneously including multifarious steady states and dynamic switchings. In this work, a novel full‐condition monitoring strategy is proposed based on both cointegration analysis (CA) and slow feature analysis (SFA) with the following considerations: (1) Despite that the operation conditions may vary over time, they may follow certain equilibrium relations that extend beyond the current time, and (2) there may exist certain dynamic relations that stay invariant under normal process operation despite process may operate at different operating conditions. To monitor both equilibrium and dynamic relations, in the proposed method, nonstationary variables are separated from stationary variables first. Then by CA and SFA, the long‐term equilibrium relation is distinguished from the specific relation held by the current conditions from both static and dynamic aspects. Various monitoring statistics are designed with clear physical interpretation. It can distinguish between the changes of operation conditions and real faults by checking deviations from equilibrium relation and deviations from the specific relation. Case study on a chemical industrial scale multiphase flow experimental rig shows the validity of the proposed full‐condition monitoring method. © 2017 American Institute of Chemical Engineers AIChE J , 64: 1662–1681, 2018
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle