文献

J-GLOBAL ID：201802285347564563   整理番号：18A1588579

共通特徴と特殊特徴の統合によるジャストインタイム潜在変数モデリングによるマルチグレードプロセスの品質予測【JST・京大機械翻訳】

Quality prediction for multi-grade processes by just-in-time latent variable modeling with integration of common and special features

著者 (3件)： Liu Jingxiang (Institute of Advanced Control Technology, Dalian University of Technology, Dalian 116024, PR China) ,  Liu Tao (Institute of Advanced Control Technology, Dalian University of Technology, Dalian 116024, PR China) ,  Chen Junghui (Department of Chemical Engineering, Chung-Yuan Christian University, Chung-Li District, Taoyuan 32023, Taiwan)
資料名： Chemical Engineering Science  (Chemical Engineering Science)
巻： 191  ページ： 31-41  発行年： 2018年 
JST資料番号： B0254A  ISSN： 0009-2509  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： プロセス産業で広く操作されているマルチグレードプロセスに対するオンライン品質予測の困難さに対処するために,多段階プロセスの一般的で特別な特徴を抽出することに基づいて,時間内潜在的可変モデリング法を提案した。工学応用で遭遇するマルチグレードプロセスの複雑な非線形特性を考慮して,質問サンプルに関して異なるグレードから関連サンプルを選択するために,時間内学習(JITL)戦略を開発した。新しい共通特徴抽出アルゴリズムを提案し,異なる段階のプロセスにより共有される共通方向を決定した。一般的特徴を抽出した後に,部分最小二乗モデリングアルゴリズムを用いて,それぞれのグレードに対する特別な方向を抽出した。したがって,製品品質予測は,JITL戦略の観点からモデル構築のための各グレードの一般的および特別な部分を統合することによって簡単に実施できる。数値事例と工業的ポリエチレンプロセスを用いて,提案した方法の有効性と利点を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  部分最小二乗法 ,  *モデリング ,  アルゴリズム ,  学習 ,  特徴抽出 ,  *かんばん方式 ,  製品品質
準シソーラス用語： 工学応用 ,  オンライン ,  *品質予測 ,  *潜在変数 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチグレードプロセス ,  品質予測 ,  ジャストインタイム学習 ,  共通特徴抽出 ,  部分最小二乗

分類 (1件)： 化学プロセスの解析  (XC01030R)

タイトルに関連する用語 (5件)： 統合 ,  ジャストインタイム ,  潜在変数 ,  モデリング ,  品質予測