Constant component separation for nonlinear time‐varying process monitoring based on stationary subspace analysis and one‐class <scp>SVM</scp>
Notice bibliographique
Résumé
Abstract Chemical processes often exhibit non‐stationary characteristics, making traditional multivariate statistical methods unsuitable. Stationary subspace analysis (SSA) is an effective approach for handling non‐stationary variables by decomposing multivariate non‐stationary time series to identify stationary components. Additionally, the complexity of modern industrial processes introduces nonlinear relationships among variables. One‐class support vector machine (OCSVM) uses kernel tricks to map low‐dimensional nonlinear data into high‐dimensional space for linear separability and employs hyperplanes in high‐dimensional space for anomaly detection. Industrial data typically possess both non‐stationary and nonlinear characteristics; however, most existing methods, including SSA and OCSVM, address only one aspect, failing to comprehensively extract features and resulting in suboptimal monitoring performance. This study proposes an SSA‐OCSVM collaborative monitoring strategy for non‐stationary processes. By extracting stationary components with SSA and capturing nonlinear features with OCSVM, a monitoring statistic (MS) is constructed to enhance process monitoring. The proposed strategy effectively integrates the synergistic effects of both models on monitoring performance. Two case studies were conducted to validate the strategy and compare it with other methods. The results show that this method can comprehensively extract non‐stationary and nonlinear features, making it suitable for monitoring non‐stationary processes. Moreover, the monitoring results outperform those of single‐objective methods, enhancing the robustness and accuracy of the monitoring performance.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».