MétaCan
Menu
Retour à la cohorte
Enregistrement W4390048541 · doi:10.3390/pr12010026

Industrial Data-Driven Processing Framework Combining Process Knowledge for Improved Decision-Making—Part 2: Framework Application Considering Activity-Based Costing Concepts

2023· article· en· W4390048541 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueProcesses · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueModeling, Simulation, and Optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésActivity-based costingComputer scienceProcess (computing)Operating costCost driverCost accountingTarget costingIndustrial engineeringOperations researchEngineering

Résumé

récupéré en direct d'OpenAlex

Operating time series data collected and stored in historian must be managed to extract their full potential. Part 1 of this paper proposed a structured way (a sophisticated approach) to process industrial data; this first part explains in detail the data processing framework used as the basis for the costing analysis present in the second part of this series. The framework considers the analysis scope definition, data management steps, and operating regimes detection and identification. The added value of this proposed framework is demonstrated in Part 2 via the use of cost accounting for operational problem-solving (debottlenecking), i.e., its practicality is validated via its application alongside a cost analysis on the brownstock washing department of a kraft pulp mill. The traditional debottlenecking approach assumes a single operating condition considering that operating regimes allow for a much more sophisticated debottlenecking study of the washing department. With the use of operations-driven cost modeling (contingent on activity-based costing concepts) and processed time series data corresponding to steady-state operation, incremental profit can be assigned to each operating regime in order to identify the most cost-efficient one. The overall objective of this two-part series is to convert processed industrial steady-state data and cost information into knowledge that can be used to optimize the washing department of a chemical pulp mill. More specifically, different operating regimes are assessed, and the most suitable operating strategy is defined. The application of activity-based costing on a large amount of historically processed industrial data led to the improvement in the operation. The identified optimal way to operate (pulp throughput, pulp conductivity, defoamer and bleaching chemical quantity, etc.) led to a profit of CAD 49 M per year. Lastly, a contribution analysis of the regimes based on PCA highlighted how the process was operated when the preferred performances happened.

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)0,030
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,175
Tête enseignante GPT0,443
Écart entre enseignants0,268 · 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