MétaCan
Menu
Retour à la cohorte
Enregistrement W4392485970 · doi:10.18280/ijsse.140106

Spurious Trip Rate Optimization Using Particle Swarm Optimization Algorithm

2024· article· en· W4392485970 sur OpenAlexvenueno aff
Boukrouma Houcem Eddine, Riad Bendib

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Parking Systems Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpurious relationshipParticle swarm optimizationMulti-swarm optimizationAlgorithmComputer scienceMetaheuristicMathematical optimizationOptimization algorithmMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to enhance the reliability of emergency shutdown systems in the electric production industry by addressing spurious activations.Such activations may lead to production losses, stress on affected components and systems, and increase hazards during the restoration process of the system and losing the trust in safety system.This can lead to ignorance of serious detections of dangerous situations.Hence, the optimization and control of spurious activations becomes imperative for ensuring both efficiency and cost-effectiveness of any industrial plant.In the last few decays, several optimization meta-heuristic techniques are developed in literature.Particle swarm optimization is power and robust tool dedicated to solve complex problems.This paper presents a comprehensive review of the application of particle swarm optimization to minimize spurious trip rate by the optimization of performance parameters of emergency shutdown system installed in a combined cycle power plant.The results show that the obtained spurious activations rate is minimum.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,936
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetSmart Parking Systems ResearchTravaux en français237 207