MétaCan
Menu
Retour à la cohorte
Enregistrement W2983504627 · doi:10.1515/revce-2018-0067

Uncertainty in chemical process systems engineering: a critical review

2019· review· en· W2983504627 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueReviews in Chemical Engineering · 2019
Typereview
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUncertainty analysisMerge (version control)Process (computing)Propagation of uncertaintyMultidisciplinary approachIndustrial engineeringData miningUncertainty quantificationRisk analysis (engineering)Management scienceMachine learningAlgorithmEngineeringSimulationInformation retrieval

Résumé

récupéré en direct d'OpenAlex

Abstract Uncertainty or error occurs as a result of a lack or misuse of knowledge about specific topics or situations. In this review, we recall the differences between error and uncertainty briefly, first, and then their probable sources. Then, their identifications and management in chemical process design, optimization, control, and fault detection and diagnosis are illustrated. Furthermore, because of the large amount of information that can be obtained in modern plants, accurate analysis and evaluation of those pieces of information have undeniable effects on the uncertainty in the system. Moreover, the origins of uncertainty and error in simulation and modeling are also presented. We show that in a multidisciplinary modeling approach, every single step can be a potential source of uncertainty, which can merge into each other and generate unreliable results. In addition, some uncertainty analysis and evaluation methods are briefly presented. Finally, guidelines for future research are proposed based on existing research gaps, which we believe will pave the way to innovative process designs based on more reliable, efficient, and feasible optimum planning.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,049
Tête enseignante GPT0,327
Écart entre enseignants0,278 · 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