Show simple item record

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
dc.conicet.fuente unificacion


Archivos asociados

Icon
Blocked Acceso no disponible

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/restrictedAccess 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)