Notice bibliographique
Résumé
Nowadays, large-scale datasets are generated in industrial processes as varieties of digital instruments, analytical sensors and data devices are utilized. The data does not transfer to useful knowledge automatically. In the current age of big data, it is critically important to develop data-driven techniques to harness industrial data to make better decisions. Statistical methods can help to make sense of the variety of data from industrial processes. Specifically, this thesis addresses three applications of statistical methods in process engineering in order to obtain different kinds of process knowledge. With the high-dimensional and correlated process data, multivariate statistical process monitoring methods have been developed to extract useful information from a large amount of process data and detect various types of process faults. Specifically, an independent component analysis (ICA) mixture model based local dissimilarity method is developed for performance monitoring of multimode dynamic processes with non-Gaussian features in each operating mode. Then, two video analysis based pellet sizing methods are proposed for measuring the pellet size distributions without any off-line and intrusive tests. The videos of free-falling pellets are first taken and then the free-falling tracks of pellets in video frames are analyzed through the two video analysis based pellet sizing approaches. The utility of these two video analysis based pellet sizing methods is demonstrated through the online measurement and estimation of free-falling nickel pellets in two test videos. Moreover, a subspace projection based model-plant mismatch detection and isolation method is developed for the closed-loop MPC systems within state-space framework. The model quality indices are developed through subspace projection in order to eliminate the effects of system feedback. The paper machine headbox process with MIMO MPC controller is used to demonstrate the effectiveness of the proposed approach in detecting and isolating different kinds of model-plant mismatches.
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 | 0,040 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,095 | 0,016 |
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 ».