Industrial processes alarm prediction using non-supervised classification

Detalhes bibliográficos
Autor(a) principal: Braunstein, Sergio H.
Data de Publicação: 2010
Outros Autores: Lerm, Andre P., Lerm, Rafael A. R., Werhli, Adriano V., Botelho, Silvia Silva da Costa, Lippe, Edwaldo O.
Tipo de documento: Artigo
Idioma: por
Título da fonte: Vetor (Online)
Texto Completo: https://periodicos.furg.br/vetor/article/view/1706
Resumo: In this work an alarm prediction system is proposed. Its main aims are to contribute to the establishment of predictive industrial maintenance guidelines and to produce a management decision support tool. The proposed system obtains readings from many sensors that are installed in the industrial plant, extract its characteristics and evaluates the equipment’s health. The diagnosis and prognosis implies in a classification of the industrial plant’s operational condition. Classification and regression trees are applied in this paper. A measurement sample from 73 sensors installed in a hydroelectric power plant is utilized to test and validate the proposed methodology. The measurements were obtained in a 15 months period.
id FURG-7_7a589a3e5a35983984fd051f68651184
oai_identifier_str oai:periodicos.furg.br:article/1706
network_acronym_str FURG-7
network_name_str Vetor (Online)
repository_id_str
spelling Industrial processes alarm prediction using non-supervised classificationSistema de predição de alarmes em processos industriais por classificação não-supervisionadaÁrvores de regressãoClassificação não-supervisionadaManutenção preditivaSéries temporaisIn this work an alarm prediction system is proposed. Its main aims are to contribute to the establishment of predictive industrial maintenance guidelines and to produce a management decision support tool. The proposed system obtains readings from many sensors that are installed in the industrial plant, extract its characteristics and evaluates the equipment’s health. The diagnosis and prognosis implies in a classification of the industrial plant’s operational condition. Classification and regression trees are applied in this paper. A measurement sample from 73 sensors installed in a hydroelectric power plant is utilized to test and validate the proposed methodology. The measurements were obtained in a 15 months period.Um sistema de predição de alarmes com a finalidade de auxiliar a implantação de uma política de manutenção preditiva industrial e de constituir-se em uma ferramenta gerencial de apoio à tomada de decisão é proposto neste trabalho. O sistema adquire leituras de diversos sensores instalados na planta, extrai suas características e avalia a saúde do equipamento. O diagnóstico e prognóstico implica a classificação das condições de operação da planta. Técnicas de árvores de regressão e classificação não-supervisionada são utilizadas neste artigo. Uma amostra das medições de 73 variáveis feitas por sensores instalados em uma usina hidrelétrica foi utilizada para testar e validar a proposta. As medições foram amostradas em um período de 15 meses.Universidade Federal do Rio Grande2010-12-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://periodicos.furg.br/vetor/article/view/1706VETOR - Journal of Exact Sciences and Engineering; Vol. 19 No. 1 (2009); 37-48VETOR - Revista de Ciências Exatas e Engenharias; v. 19 n. 1 (2009); 37-482358-34520102-7352reponame:Vetor (Online)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGporhttps://periodicos.furg.br/vetor/article/view/1706/851Copyright (c) 2014 VETOR - Revista de Ciências Exatas e Engenhariasinfo:eu-repo/semantics/openAccessBraunstein, Sergio H.Lerm, Andre P.Lerm, Rafael A. R.Werhli, Adriano V.Botelho, Silvia Silva da CostaLippe, Edwaldo O.2023-03-22T15:42:40Zoai:periodicos.furg.br:article/1706Revistahttps://periodicos.furg.br/vetorPUBhttps://periodicos.furg.br/vetor/oaigmplatt@furg.br2358-34520102-7352opendoar:2023-03-22T15:42:40Vetor (Online) - Universidade Federal do Rio Grande (FURG)false
dc.title.none.fl_str_mv Industrial processes alarm prediction using non-supervised classification
Sistema de predição de alarmes em processos industriais por classificação não-supervisionada
title Industrial processes alarm prediction using non-supervised classification
spellingShingle Industrial processes alarm prediction using non-supervised classification
Braunstein, Sergio H.
Árvores de regressão
Classificação não-supervisionada
Manutenção preditiva
Séries temporais
title_short Industrial processes alarm prediction using non-supervised classification
title_full Industrial processes alarm prediction using non-supervised classification
title_fullStr Industrial processes alarm prediction using non-supervised classification
title_full_unstemmed Industrial processes alarm prediction using non-supervised classification
title_sort Industrial processes alarm prediction using non-supervised classification
author Braunstein, Sergio H.
author_facet Braunstein, Sergio H.
Lerm, Andre P.
Lerm, Rafael A. R.
Werhli, Adriano V.
Botelho, Silvia Silva da Costa
Lippe, Edwaldo O.
author_role author
author2 Lerm, Andre P.
Lerm, Rafael A. R.
Werhli, Adriano V.
Botelho, Silvia Silva da Costa
Lippe, Edwaldo O.
author2_role author
author
author
author
author
dc.contributor.author.fl_str_mv Braunstein, Sergio H.
Lerm, Andre P.
Lerm, Rafael A. R.
Werhli, Adriano V.
Botelho, Silvia Silva da Costa
Lippe, Edwaldo O.
dc.subject.por.fl_str_mv Árvores de regressão
Classificação não-supervisionada
Manutenção preditiva
Séries temporais
topic Árvores de regressão
Classificação não-supervisionada
Manutenção preditiva
Séries temporais
description In this work an alarm prediction system is proposed. Its main aims are to contribute to the establishment of predictive industrial maintenance guidelines and to produce a management decision support tool. The proposed system obtains readings from many sensors that are installed in the industrial plant, extract its characteristics and evaluates the equipment’s health. The diagnosis and prognosis implies in a classification of the industrial plant’s operational condition. Classification and regression trees are applied in this paper. A measurement sample from 73 sensors installed in a hydroelectric power plant is utilized to test and validate the proposed methodology. The measurements were obtained in a 15 months period.
publishDate 2010
dc.date.none.fl_str_mv 2010-12-10
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://periodicos.furg.br/vetor/article/view/1706
url https://periodicos.furg.br/vetor/article/view/1706
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://periodicos.furg.br/vetor/article/view/1706/851
dc.rights.driver.fl_str_mv Copyright (c) 2014 VETOR - Revista de Ciências Exatas e Engenharias
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2014 VETOR - Revista de Ciências Exatas e Engenharias
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande
publisher.none.fl_str_mv Universidade Federal do Rio Grande
dc.source.none.fl_str_mv VETOR - Journal of Exact Sciences and Engineering; Vol. 19 No. 1 (2009); 37-48
VETOR - Revista de Ciências Exatas e Engenharias; v. 19 n. 1 (2009); 37-48
2358-3452
0102-7352
reponame:Vetor (Online)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Vetor (Online)
collection Vetor (Online)
repository.name.fl_str_mv Vetor (Online) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv gmplatt@furg.br
_version_ 1797041761194868736

Registros relacionados