MétaCan
Menu
Retour à la cohorte
Enregistrement W4395071873 · doi:10.1016/j.compchemeng.2024.108711

Minimizing total annualized cost per tonne of feed processed of a semicontinuous distillation process utilizing data-driven model predictive control

2024· article· en· W4395071873 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

RevueComputers & Chemical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensMcMaster University
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of Canada
Mots-clésModel predictive controlDistillationProcess (computing)ThroughputProcess engineeringMetric (unit)Subspace topologyTonneEngineeringComputer scienceControl (management)Waste managementChemistryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Semicontinuous distillation is a separation technique used to purify multicomponent mixtures with low to medium throughput. This research addresses the problem of designing a Data-driven Model Predictive Control (MPC) approach that enables minimizing the Total Annualized Cost (TAC) of the semicontinuous process per tonne of feed processed while maintaining the required product purity. In lieu of typically unavailable first principles models, the manuscript demonstrates the implementation of data-driven technique using data collected from an Aspen Plus Dynamics simulation as a test bed. A subspace model identification technique is adapted to develop a multi-model framework to capture the dynamic behavior of the process and then utilized within a Shrinking Horizon MPC (SHMPC) scheme, to achieve the required objective. The simulation results demonstrate a lowering of the TAC/tonne of feed by 11.4% compared to the traditional PI setup used in the previous studies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,222 · 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