Mostrar el registro sencillo del ítem

dc.contributor.author
Godoy, José Luis
dc.contributor.author
Zumoffen, David Alejandro Ramon
dc.contributor.author
Vega, Jorge Ruben
dc.contributor.author
Marchetti, Jacinto Luis
dc.date.available
2018-02-27T18:50:03Z
dc.date.issued
2014-07
dc.identifier.citation
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
dc.identifier.issn
0169-7439
dc.identifier.uri
http://hdl.handle.net/11336/37300
dc.description.abstract
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.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Elsevier Science
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Fault Detection
dc.subject
Fault Diagnosis
dc.subject
Kpls Modeling
dc.subject
Non-Linear Processes
dc.subject
Prediction Risk Assessment
dc.subject.classification
Ingeniería de Sistemas y Comunicaciones
dc.subject.classification
Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
dc.subject.classification
Otras Ingeniería Química
dc.subject.classification
Ingeniería Química
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
dc.title
New contributions to non-linear process monitoring through kernel partial least squares
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2018-02-27T14:21:04Z
dc.journal.volume
135
dc.journal.pagination
76-89
dc.journal.pais
Países Bajos
dc.journal.ciudad
Amsterdam
dc.description.fil
Fil: Godoy, José Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Desarrollo Tecnológico para la Industria Química. Universidad Nacional del Litoral. Instituto de Desarrollo Tecnológico para la Industria Química; Argentina
dc.description.fil
Fil: Zumoffen, David Alejandro Ramon. Universidad Tecnológica Nacional; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina
dc.description.fil
Fil: Vega, Jorge Ruben. Universidad Tecnológica Nacional; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Desarrollo Tecnológico para la Industria Química. Universidad Nacional del Litoral. Instituto de Desarrollo Tecnológico para la Industria Química; Argentina
dc.description.fil
Fil: Marchetti, Jacinto Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Desarrollo Tecnológico para la Industria Química. Universidad Nacional del Litoral. Instituto de Desarrollo Tecnológico para la Industria Química; Argentina
dc.journal.title
Chemometrics and Intelligent Laboratory Systems
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/http://www.sciencedirect.com/science/article/pii/S0169743914000707
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.chemolab.2014.04.001


Archivos asociados

Documento no disponible

Comunidades y colecciones

Mostrar el registro sencillo del ítem