Image based Modeling and Control for Batch Processes
Notice bibliographique
Résumé
This manuscript addresses the problem of leveraging thermal images for modeling and feedback control, specifically tailored for terminal quality control of batch processes. The primary objective, common in many batch processes, is to produce products with quality variables aligning with user specifications, available for measurement only at batch termination, precluding the direct use of classical control strategies. Furthermore, in many instances, traditional online sensors such as thermocouples may not be available, but instead spectral inputs like thermal images or acoustic data may be more readily available for feedback control. The challenge is to not only use the non-traditional sensor data for building a dynamic model but also to use that model for terminal quality control. The proposed approach involves a multi-layered modeling strategy. Initially, a dimensionality reduction technique is employed to condense the high-dimensional image into a set of representative outputs. Subsequently, subspace identification (SSID) is applied to develop a Linear Time-Invariant (LTI) State Space (SS) model between the inputs and the reduced outputs. Finally, a Partial Least Squares (PLS) model is constructed linking the terminal states of a batch (identified using SSID) with the product qualities obtained for that specific batch. This model is then incorporated into a Model Predictive Control (MPC) formulation. The effectiveness of the MPC is illustrated by showcasing its capability to generate products of high quality by deploying the MPC on a bi-axial lab-scale rotational molding setup. • Handling high dimensional output feedback in quality control for batch processes • Implemented on pilot-scale biaxial rotational molding process • Output feedback is in the form of thermal images in the current application • Neural Networks and Dimensionality reduction used to reduce the images first • Achieved quality control in a closed loop setting on an actual process
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».