文献

J-GLOBAL ID：202002269442530771   整理番号：20A0861065

機械学習による化学スルホン化プロセスの自動化に向けて【JST・京大機械翻訳】

Towards the Automation of a Chemical Sulphonation Process with Machine Learning

著者 (7件)： Garcia-Ceja Enrique (SINTEF Digital,Software and Service Innovation,Oslo,Norway) ,  Hugo Asmund (SINTEF Digital,Software and Service Innovation,Oslo,Norway) ,  Morin Brice (SINTEF Digital,Software and Service Innovation,Oslo,Norway) ,  Hansen Per Olav (Unger Fabrikker,Fredrikstad,Norway) ,  Martinsen Espen (Unger Fabrikker,Fredrikstad,Norway) ,  Lam An Ngoc (O/stfold University College,Department of Informatics,Halden,Norway) ,  Haugen Oystein (O/stfold University College,Department of Informatics,Halden,Norway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCMA  ページ： 352-357  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日,産業プロセスの連続的な改善と自動化は多くの分野で重要な要因になり,化学工業では例外ではない。これは,資源のより効率的な利用,生産時間の短縮,より高い品質の出力,および廃棄物の削減に変換する。今日の産業プロセスの複雑さを考えると,情報技術と分析の利用なしにそれらを監視し,最適化することは実行不可能になる。近年,機械学習法がプロセスを自動化し,意思決定支援を提供するために使用されている。これらの全ては,連続的に発生する大量のデータを分析することに基づいている。本論文では,現在人手で行われている製品品質分析の自動化を目的として,化学的スルホン化プロセスの間に機械学習法を適用した結果を示した。製品品質値を予測するために,ランダムフォレスト,ニューラルネットワークおよび線形回帰を含む異なるモデルを訓練するために,プロセスパラメータからのデータを用いた。著者らの実験は,それらの製品品質値を良好な精度で予測することが可能であり,従って,時間を短縮する可能性を有することを示した。特に,最良の結果はランダムフォレストで得られ,平均絶対誤差は0.089,相関は0.978であった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  情報技術 ,  プロセスパラメータ ,  *自動化 ,  *機械学習 ,  *スルホン化 ,  最適化 ,  製品品質 ,  廃棄物
準シソーラス用語： 平均絶対誤差 ,  線形回帰 ,  ランダムフォレスト ,  意思決定支援 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  化学 ,  スルホン化 ,  プロセス ,  自動化