Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/43490 |
Resumo: | Neste trabalho é proposto um método de seleção de variáveis denominado MOEADD-KNN-M, que é baseado no algoritmo genético MOEADD (Evolutionary Many-Objective Optimization Algorithm Based on Dominance and De- composition), no algoritmo de classificação KNN (K-nearest neighbors), e em operadores genéticos adaptados. A abordagem adotada no algoritmo proposto é bi-objetivo, onde um objetivo é minimizar a quantidade de variáveis da solução e outro objetivo é minimizar a taxa de erro de classificação de falhas. Foram realizados experimentos com o método proposto empregando dados de um processo industrial petroquímico real, denominado Tennessee Eastman para classificação de falhas, e os resultados obtidos foram comparados com outros algoritmos. Os resultados demonstraram que o método proposto leva a soluções com baixo erro de classificação e pouca quantidade de sensores, que são as quantidades procuradas para serem minimizadas. Sendo assim, essa abordagem se mostrou promissora para a aplicação na seleção de variáveis em problemas de classificação de falhas em processos industriais. |
id |
UFMG_a7889234fc094982e9aa69b8d5a28ab8 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/43490 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
2022-07-20T19:33:29Z2022-07-20T19:33:29Z2019111610.35699/2447-6218.2019.153572447-6218http://hdl.handle.net/1843/43490Neste trabalho é proposto um método de seleção de variáveis denominado MOEADD-KNN-M, que é baseado no algoritmo genético MOEADD (Evolutionary Many-Objective Optimization Algorithm Based on Dominance and De- composition), no algoritmo de classificação KNN (K-nearest neighbors), e em operadores genéticos adaptados. A abordagem adotada no algoritmo proposto é bi-objetivo, onde um objetivo é minimizar a quantidade de variáveis da solução e outro objetivo é minimizar a taxa de erro de classificação de falhas. Foram realizados experimentos com o método proposto empregando dados de um processo industrial petroquímico real, denominado Tennessee Eastman para classificação de falhas, e os resultados obtidos foram comparados com outros algoritmos. Os resultados demonstraram que o método proposto leva a soluções com baixo erro de classificação e pouca quantidade de sensores, que são as quantidades procuradas para serem minimizadas. Sendo assim, essa abordagem se mostrou promissora para a aplicação na seleção de variáveis em problemas de classificação de falhas em processos industriais.In this work we propose a method of variable selection called MOEADD-KNN-M, which is based on the genetic algorithm MOEADD (Evolutionary Many-Objective Optimization Algorithm Based on Dominance and Decomposition), on the classification algorithm KNN (K-nearest neighbors), and in adapted genetic operators. The approach adopted in the proposed algorithm is bi-objective, where one objective is to minimize the amount of solution variables and another objective is to minimize the failure classification error rate. Experiments were performed with the proposed method using data from a real petrochemical industrial process, called Tennessee Eastman for failure classification, and the results were compared with other algorithms. The results showed that the proposed method leads to solutions with low classification error and low number of sensors, which are the quantities sought to be minimized. Thus, this approach has shown promise for application in the selection of variables in fault classification problems in industrial processes.porUniversidade Federal de Minas GeraisUFMGBrasilICA - INSTITUTO DE CIÊNCIAS AGRÁRIASCaderno de Ciências AgráriasInteligência computacionalVariáveis instrumentais (Estatística)Operadores GenéticosKNNSeleção de variáveisIndústriaInteligência ComputacionalTécnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADDVariable selection technique in fault classification problems applied in industrial process using the MOEADD genetic algorithminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articlehttps://periodicos.ufmg.br/index.php/ccaufmg/article/view/15357Marcos Flávio Silveira Vasconcelos D´AngeloLuiz Carlos Gabriel FilhoRosivaldo Antônio GonçalvesLuana Michelly Aparecida da CostaLeonardo Macedo FreireMaurílio José Inácioinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGLICENSELicense.txtLicense.txttext/plain; charset=utf-82042https://repositorio.ufmg.br/bitstream/1843/43490/1/License.txtfa505098d172de0bc8864fc1287ffe22MD51ORIGINALTécnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético moeadd_Luiz Carlos Gabriel Filho.pdfTécnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético moeadd_Luiz Carlos Gabriel Filho.pdfapplication/pdf493002https://repositorio.ufmg.br/bitstream/1843/43490/2/T%c3%a9cnica%20de%20sele%c3%a7%c3%a3o%20de%20vari%c3%a1veis%20em%20problemas%20de%20classifica%c3%a7%c3%a3o%20de%20falhas%20aplicada%20em%20processo%20industrial%20usando%20o%20algoritmo%20gen%c3%a9tico%20moeadd_Luiz%20Carlos%20Gabriel%20Filho.pdf441214bbe41f0122b83cc5c71074954bMD521843/434902022-07-20 16:33:30.145oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2022-07-20T19:33:30Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
dc.title.alternative.pt_BR.fl_str_mv |
Variable selection technique in fault classification problems applied in industrial process using the MOEADD genetic algorithm |
title |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
spellingShingle |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD Marcos Flávio Silveira Vasconcelos D´Angelo Operadores Genéticos KNN Seleção de variáveis Indústria Inteligência Computacional Inteligência computacional Variáveis instrumentais (Estatística) |
title_short |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
title_full |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
title_fullStr |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
title_full_unstemmed |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
title_sort |
Técnica de seleção de variáveis em problemas de classificação de falhas aplicada em processo industrial usando o algoritmo genético MOEADD |
author |
Marcos Flávio Silveira Vasconcelos D´Angelo |
author_facet |
Marcos Flávio Silveira Vasconcelos D´Angelo Luiz Carlos Gabriel Filho Rosivaldo Antônio Gonçalves Luana Michelly Aparecida da Costa Leonardo Macedo Freire Maurílio José Inácio |
author_role |
author |
author2 |
Luiz Carlos Gabriel Filho Rosivaldo Antônio Gonçalves Luana Michelly Aparecida da Costa Leonardo Macedo Freire Maurílio José Inácio |
author2_role |
author author author author author |
dc.contributor.author.fl_str_mv |
Marcos Flávio Silveira Vasconcelos D´Angelo Luiz Carlos Gabriel Filho Rosivaldo Antônio Gonçalves Luana Michelly Aparecida da Costa Leonardo Macedo Freire Maurílio José Inácio |
dc.subject.por.fl_str_mv |
Operadores Genéticos KNN Seleção de variáveis Indústria Inteligência Computacional |
topic |
Operadores Genéticos KNN Seleção de variáveis Indústria Inteligência Computacional Inteligência computacional Variáveis instrumentais (Estatística) |
dc.subject.other.pt_BR.fl_str_mv |
Inteligência computacional Variáveis instrumentais (Estatística) |
description |
Neste trabalho é proposto um método de seleção de variáveis denominado MOEADD-KNN-M, que é baseado no algoritmo genético MOEADD (Evolutionary Many-Objective Optimization Algorithm Based on Dominance and De- composition), no algoritmo de classificação KNN (K-nearest neighbors), e em operadores genéticos adaptados. A abordagem adotada no algoritmo proposto é bi-objetivo, onde um objetivo é minimizar a quantidade de variáveis da solução e outro objetivo é minimizar a taxa de erro de classificação de falhas. Foram realizados experimentos com o método proposto empregando dados de um processo industrial petroquímico real, denominado Tennessee Eastman para classificação de falhas, e os resultados obtidos foram comparados com outros algoritmos. Os resultados demonstraram que o método proposto leva a soluções com baixo erro de classificação e pouca quantidade de sensores, que são as quantidades procuradas para serem minimizadas. Sendo assim, essa abordagem se mostrou promissora para a aplicação na seleção de variáveis em problemas de classificação de falhas em processos industriais. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019 |
dc.date.accessioned.fl_str_mv |
2022-07-20T19:33:29Z |
dc.date.available.fl_str_mv |
2022-07-20T19:33:29Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/43490 |
dc.identifier.doi.pt_BR.fl_str_mv |
10.35699/2447-6218.2019.15357 |
dc.identifier.issn.pt_BR.fl_str_mv |
2447-6218 |
identifier_str_mv |
10.35699/2447-6218.2019.15357 2447-6218 |
url |
http://hdl.handle.net/1843/43490 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.ispartof.pt_BR.fl_str_mv |
Caderno de Ciências Agrárias |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/43490/1/License.txt https://repositorio.ufmg.br/bitstream/1843/43490/2/T%c3%a9cnica%20de%20sele%c3%a7%c3%a3o%20de%20vari%c3%a1veis%20em%20problemas%20de%20classifica%c3%a7%c3%a3o%20de%20falhas%20aplicada%20em%20processo%20industrial%20usando%20o%20algoritmo%20gen%c3%a9tico%20moeadd_Luiz%20Carlos%20Gabriel%20Filho.pdf |
bitstream.checksum.fl_str_mv |
fa505098d172de0bc8864fc1287ffe22 441214bbe41f0122b83cc5c71074954b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589283634741248 |