Data Mining and Knowledge Discovery for Process Monitoring and Control

سیستم‌های کنترل مبتنی بر رایانه مدرن قادر به جمع‌آوری حجم زیادی از اطلاعات، نمایش آن‌ها به اپراتورها و ذخیره آن در پایگاه‌های اطلاعاتی هستند، اما تفسیر داده‌ها و تصمیم‌گیری‌های بعدی عمدتاً به اپراتورهایی با پشتیبانی کامپیوتری کمی بستگی دارد. . این کتاب پیشرفت‌هایی را در تجزیه و تحلیل خودکار و تفسیر داده‌های عملیاتی فرآیند در زمان واقعی و در طول تاریخ عملیاتی معرفی می‌کند و مفاهیم و روش‌های جدیدی را برای توسعه سیستم‌های هوشمند مبتنی بر فضای حالت برای نظارت، کنترل و تشخیص فرآیند توضیح می‌دهد. /P>

این کتاب روش‌ها و الگوریتم‌های جدیدی از نظارت و کنترل فرآیند، داده‌کاوی و کشف دانش، هوش مصنوعی، تشخیص الگو، و کشف رابطه علی و همچنین پردازش سیگنال را گرد هم آورده است. همچنین چارچوبی برای ادغام اپراتورها و ناظران کارخانه در طراحی سیستم های نظارت و کنترل فرآیند ارائه می دهد.

موضوعات تحت پوشش شامل

• نگاهی تازه است. در سیستم های فعلی برای نظارت، کنترل و تشخیص فرآیند

• چارچوبی برای توسعه سیستم های هوشمند مبتنی بر فضای حالت

• بررسی داده کاوی و کشف دانش

• پیش پردازش داده ها برای استخراج ویژگی، کاهش ابعاد، حذف نویز و شکل گیری مفهوم

• تجزیه و تحلیل آماری چند متغیره برای نظارت و کنترل فرآیند

• روش های نظارت شده و بدون نظارت برای شناسایی وضعیت عملیاتی

• کشف رابطه علی متغیر در مدل های گرافیکی و قوانین تولید

• طراحی حسگر نرم افزار

• تجزیه و تحلیل داده های تاریخی

داده کاوی و کشف دانش برای نظارت و کنترل فرآیند خواندنی مهم برای محققان و دانشجویان فارغ التحصیل در کنترل فرآیند و داده ها و مهندسی دانش است. مهندسان کنترل و فرآیند نیز باید این کتاب ارزش را پیدا کنند.

Modern computer-based control systems are able to collect a large amount of information, display it to operators and store it in databases but the interpretation of the data and the subsequent decision making relies mainly on operators with little computer support. This book introduces developments in automatic analysis and interpretation of process-operational data both in real-time and over the operational history, and describes new concepts and methodologies for developing intelligent, state-space-based systems for process monitoring, control and diagnosis.

The book brings together new methods and algorithms from process monitoring and control, data mining and knowledge discovery, artificial intelligence, pattern recognition, and causal relationship discovery, as well as signal processing. It also provides a framework for integrating plant operators and supervisors into the design of process monitoring and control systems.

The topics covered include

• a fresh look at current systems for process monitoring, control and diagnosis

• a framework for developing intelligent, state-space-based systems

• a review of data mining and knowledge discovery

• data preprocessing for feature extraction, dimension reduction, noise removal and concept formation

• multivariate statistical analysis for process monitoring and control

• supervised and unsupervised methods for operational state identification

• variable causal relationship discovery in graphical models and production rules

• software sensor design

• historical data analysis

Data Mining and Knowledge Discovery for Process Monitoring and Control is important reading for researchers and graduate students in process control and data and knowledge engineering. Control and process engineers should also find this book of value.