کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7104261 1460337 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Novel common and special features extraction for monitoring multi-grade processes
ترجمه فارسی عنوان
رونق گرفتن ویژگی های مشترک و ویژه برای نظارت بر فرایندهای چند درجه ای
کلمات کلیدی
فرآیندهای چند درجه ای، نظارت بر فرآیند، نمونه های محدود، استخراج ویژگی، تقسیم زیر فضای،
ترجمه چکیده
از آنجایی که کارخانه های صنعتی تولید مشخصات متفاوتی از محصولات را در همان خط تولید با تغییر دادن دستور العمل ها یا عملیات برای دیدار با تقاضاهای مختلف در بازار، اغلب اتفاق می افتد که نمونه های بسیار محدودی را می توان برای هر درجه محصولات اندازه گیری کرد، بنابراین ناکافی برای ایجاد مدل برای نظارت بر روند مربوطه. برای مقابله با مشکل نظارت بر چنین فرآیندهای چند درجه ای، روش استخراج ویژگی جدید در این مقاله پیشنهاد شده است تا مدل های فرایندی را براساس داده های موجود برای هر درجه تعیین کند. اولا، یک الگوریتم استخراج ویژگی مشترک برای تعیین مسیرهای مشترک به دست آمده توسط نمرات مختلف این فرآیند پیشنهاد شده است. بر اساس ویژگی های مشترک استخراج شده، سپس تجزیه و تحلیل مولفه اصلی به منظور استخراج جهت ویژه برای هر درجه به ترتیب استفاده می شود. درنتیجه، هر درجه از این فرآیندها به سه بخش تقسیم می شود: قسمت مشترک، بخش خاص و بخش باقیمانده. به ترتیب سه شاخص برای نظارت بر خط در هر بخش معرفی می شوند. برای نشان دادن اثربخشی روش پیشنهادی، یک مورد عددی و یک فرآیند پلی اتیلن صنعتی استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی تکنولوژی و شیمی فرآیندی
پیش نمایش مقاله
رونق گرفتن ویژگی های مشترک و ویژه برای نظارت بر فرایندهای چند درجه ای
چکیده انگلیسی
Since industrial plants manufacture different specifications of products in the same production line by simply changing the recipes or operations to meet with diversified market demands, it often happens that very limited samples could be measured for each grade of products, thus inadequate to establish a model for monitoring the corresponding process. To cope with the difficulty for monitoring such multi-grade processes, a novel feature extraction method is proposed in this paper to establish process models based on the available data for each grade, respectively. Firstly, a common feature extraction algorithm is proposed to determine the common directions shared by different grades of these processes. Based on the extracted common features, the principal component analysis is then used to extract the special directions for each grade, respectively. Consequently, each grade of these processes is divided into three parts, namely common part, special part, and residual part. Three indices are correspondingly introduced for on-line monitoring of each part, respectively. A numerical case and an industrial polyethylene process are used to demonstrate the effectiveness of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Process Control - Volume 66, June 2018, Pages 98-107
نویسندگان
, , , ,