Repositorio Institucional
Repositorio Institucional
CONICET Digital
  • Inicio
  • EXPLORAR
    • AUTORES
    • DISCIPLINAS
    • COMUNIDADES
  • Estadísticas
  • Novedades
    • Noticias
    • Boletines
  • Ayuda
    • General
    • Datos de investigación
  • Acerca de
    • CONICET Digital
    • Equipo
    • Red Federal
  • Contacto
JavaScript is disabled for your browser. Some features of this site may not work without it.
  • INFORMACIÓN GENERAL
  • RESUMEN
  • ESTADISTICAS
 
Artículo

New contributions to non-linear process monitoring through kernel partial least squares

Godoy, José LuisIcon ; Zumoffen, David Alejandro RamonIcon ; Vega, Jorge RubenIcon ; Marchetti, Jacinto LuisIcon
Fecha de publicación: 07/2014
Editorial: Elsevier Science
Revista: Chemometrics and Intelligent Laboratory Systems
ISSN: 0169-7439
Idioma: Inglés
Tipo de recurso: Artículo publicado
Clasificación temática:
Ingeniería de Sistemas y Comunicaciones; Otras Ingeniería Química

Resumen

The kernel partial least squares (KPLS) method was originally focused on soft-sensor calibration for predicting online quality attributes. In this work, an analysis of the KPLS-based modeling technique and its application to non-linear process monitoring are presented. To this effect, the measurement decomposition, the development of new specific statistics acting on non-overlapped domains, and the contribution analysis are addressed for purposes of fault detection, diagnosis, and prediction risk assessment. Some practical insights for synthesizing the models are also given, which are related to an appropriate order selection and the adoption of the kernel function parameter. A proper combination of scaled statistics allows the definition of an efficient detection index for monitoring a non-linear process. The effectiveness of the proposed methods is confirmed by using simulation examples.
Palabras clave: Fault Detection , Fault Diagnosis , Kpls Modeling , Non-Linear Processes , Prediction Risk Assessment
Ver el registro completo
 
Archivos asociados
Thumbnail
 
Tamaño: 3.101Mb
Formato: PDF
.
Descargar
Licencia
info:eu-repo/semantics/openAccess Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)
Identificadores
URI: http://hdl.handle.net/11336/37300
URL: http://www.sciencedirect.com/science/article/pii/S0169743914000707
DOI: http://dx.doi.org/10.1016/j.chemolab.2014.04.001
Colecciones
Articulos(CIFASIS)
Articulos de CENTRO INT.FRANCO ARG.D/CS D/L/INF.Y SISTEM.
Articulos(INTEC)
Articulos de INST.DE DES.TECNOL.PARA LA IND.QUIMICA (I)
Citación
Godoy, José Luis; Zumoffen, David Alejandro Ramon; Vega, Jorge Ruben; Marchetti, Jacinto Luis; New contributions to non-linear process monitoring through kernel partial least squares; Elsevier Science; Chemometrics and Intelligent Laboratory Systems; 135; 7-2014; 76-89
Compartir
Altmétricas
 

Enviar por e-mail
Separar cada destinatario (hasta 5) con punto y coma.
  • Facebook
  • X Conicet Digital
  • Instagram
  • YouTube
  • Sound Cloud
  • LinkedIn

Los contenidos del CONICET están licenciados bajo Creative Commons Reconocimiento 2.5 Argentina License

https://www.conicet.gov.ar/ - CONICET

Inicio

Explorar

  • Autores
  • Disciplinas
  • Comunidades

Estadísticas

Novedades

  • Noticias
  • Boletines

Ayuda

Acerca de

  • CONICET Digital
  • Equipo
  • Red Federal

Contacto

Godoy Cruz 2290 (C1425FQB) CABA – República Argentina – Tel: +5411 4899-5400 repositorio@conicet.gov.ar
TÉRMINOS Y CONDICIONES