MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313309548 · doi:10.1002/9783527689620.ch6

Multivariate Modeling of a Chemical Toner Manufacturing Process

2022· other· en· W4313309548 sur OpenAlexfundno aff
Ali Elkamel, Hesham Alhumade, Navid Omidbakhsh, Keyvan Nowruzi, Thomas A. Duever

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Waterloo
Mots-clésMultivariate statisticsLatent variablePrincipal component analysisProcess (computing)Computer scienceIdentification (biology)Data miningUnivariateLatent variable modelFeature (linguistics)Unit operationSet (abstract data type)Artificial intelligenceMachine learningEngineering

Résumé

récupéré en direct d'OpenAlex

The study focuses on the utilization of multi-way principal component analysis (MPCA) and multi-way partial least square method (MPLS) to facilitate modeling, optimization, process control, and product development in toner processes. Previously collected process measurements and values of product qualities from satisfactory batches were consumed in a matrix of data, preprocessed using time alignment, centering, and scaling. The collected preprocessed results were manifested in lower dimensions to prepare latent variables and their magnitudes during successful batches. After the identification of latent variables, an empirical model was constructed using a fourfold cross-validation, which correspond to the operation of a successful batch. A significant feature of this study is the utilization of k -fold cross-validation technique to validate the multivariate model. The proposed model in this study delivers a realistic prediction of process behavior, and in addition, the model may represent realistically the operation of the industrial unit. Moreover, the prepared model was simple enough to be consumed in direct optimization and instinctive control strategies to a range of abnormal batches. The theory of operational boundaries were implemented based on minimum and maximum acknowledged magnitudes of latent variables to create a range that may detect the abnormal batches on the MPLS space. Upon identification of abnormal batches, the responsible data set can be folded back to formal dimensions and form a diagnosing track for both time of abnormality and process variables contributing in the abnormality. The study was published in “Chemical Engineering Technology” and included with license number 4738100002993.

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 enseignants0,025
Score d'incertitude au seuil0,049

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFault Detection and Control Systems→Travaux en français237 207→