Phân tích và ứng dụng phương pháp học máy để chuẩn đoán lỗi cho chu trình sản xuất công nghiệp
Email tác giả liên hệ:
tnhoang@ute.udn.vnTừ khóa:
Điều khiển hệ thống sản xuất, Học mạng Bayes, Hệ thống sản xuất phức tạp, Chu trình chuẩn đoán, Bảo trì sữa chữaTóm tắt
Bài viết này đề xuất một giao thức ứng dụng của quá trình chuẩn đoán trong một máy phản ứng của một quy trình phức tạp. Bằng cách sử dụng Kỹ thuật học tập Bayes, giao thức này được đào tạo bằng cách học cơ sở dữ liệu sản xuất lịch sử để chuẩn đoán nguyên nhân thất bại của lò phản ứng này trong quá trình sản xuất. Ứng dụng trong lĩnh vực tự động hóa, mô hình đề xuất được cấu trúc tự động từ trích xuất dữ liệu được thu thập trực tiếp từ các cảm biến. Dựa trên thuật toán Tối đa hóa kỳ vọng trong học máy, chúng tôi cho thấy kết quả của mô hình này là phân loại và cũng để xác định nguyên nhân gốc rễ của vấn đề trôi dạt trong một mô phỏng kịch bản cụ thể. Do đó, đóng góp chính của chúng tôi để hỗ trợ máy công cụ bảo trì để tăng kỹ thuật vòng đời.
Tải xuống: 0
Tài liệu tham khảo
Kunio S., Mitsugu K., Yoshifumi K., An Advanced step in TPM Implementation. (pages 64-65). Paris, France, 1995.
Dreyfus, Gérard. Réseaux de neurones: méthodologie et applications. Eyrolles, 2004.
Jensen F.V,. Introduction to Bayesian networks, UCL Press, London, 1996.
Tran et al., Identification and classification protocol for complex systems. In: 2nd European Conference of the Prognostics and Health Management Society, PHME 2014. 2014. p. 58-65.
Philippe Leray. Réseaux bayésiens « apprentissage et modélisation de systèmes complexes ». 2006.
Sayad Mahmoud et Abbaris Amara. Modèle discriminant pour la classification de documents XML à l’aide des réseaux bayésiens et le noyau de Fisher. Ecole nationale Supérieure d’Informatique (ESI). Mémoire de fin d’études. 2010.
Feller, William. An introduction to probability theory and its applications. Vol. 1. John Wiley & Sons,, 1968.
Par Sylvain VERRON. Diagnostic et surveillance des processus complexes par réseaux Bayésiens. Thèse do[ctorale d’Angers. 2007.
Lau, C. K., et al. Fault diagnosis of Tennessee Eastman process with multi-scale PCA and ANFIS. Chemometrics and Intelligent Laboratory Systems 120 (2013): 1-14.
Wetzels, Ruud, and Eric-Jan Wagenmakers. A default Bayesian hypothesis test for correlations and partial correlations. Psychonomic bulletin & review 19.6 (2012): 1057-1064.
Murphy, K. The BayesNet Toolbox for Matlab. Computing Science and Statistics. Proceedings of Infence, vol.33.
Basha, Nour, et al. Multiclass Data Classification using Fault-Detection-based Techniques. Computers & Chemical Engineering (2020): 106786.
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Categories
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .
Bản quyền thuộc về JTE.
