Key points are not available for this paper at this time.
In der petrochemischen Industrie spiegelt die Produktqualität die kommerzielle und operative Leistung eines Herstellungsprozesses wider. Die Echtzeitmessung der Produktqualität ist jedoch allgemein schwierig. Die Online-Vorhersage der Qualität durch leicht verfügbare, häufige Prozessmessungen wäre in Bezug auf Betrieb und Qualitätskontrolle von Vorteil. In diesem Papier wird eine neuartige Soft-Sensor-Technologie, basierend auf der partiellen kleinsten Quadrate (PLS) Regression, entwickelt und auf einen Raffinationsprozess zur Qualitätsvorhersage angewendet. Der Modellierungsprozess wird beschrieben, mit Schwerpunkt auf Datenvorverarbeitung, multivariater Ausreißererkennung und Variablenauswahl. Die Verbesserung der PLS-Strategie wird ebenfalls diskutiert, um die Dynamik der Prozessdaten zu berücksichtigen. Der vorgeschlagene Ansatz wird auf Daten aus einem Raffinationsprozess angewendet, und die Leistung des resultierenden Soft-Sensors wird im Vergleich zu Labor- und Analysedaten bewertet.
Wang et al. (Mittw,) haben diese Frage untersucht.