Machine learning based soft sensor design for optimization in realtime petrochemical processes
Gerçek zamanlı petrokimya proseslerinde optimizasyon için makine öğrenimi tabanlı soft-sensör tasarımı
- Tez No: 912842
- Danışmanlar: DOÇ. DR. SEVİM YOLCULAR KARAOĞLU, DOÇ. DR. BURAK ALAKENT
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kimya Mühendisliği Bilim Dalı
- Sayfa Sayısı: 118
Özet
Proses Endüstrisinde en önemli hedef, ürün kalitesini en üst düzeye çıkarmak ve enerji tüketimini en aza indirmek kadar kötü durumlarda hızlı aksiyon almaktır. Endüstriyel kontrol süreçlerinde, teknik ve/veya ekonomik sınırlamalar nedeniyle bazı özelliklerin fiziksel bir sensör tarafından ölçülmesi bazen zordur. Bu gerçek özellikle petrokimya endüstrisinde geçerlidir. Prosesten alınan numuneler ve laboratuarda analiz edilerek gerekli önlemler dolaylı olarak alınır, bu işlem zaman gerektirir (toplamadan ölçüme kadar saatler sürebilir) ve bu nedenle gerçek zamanlı izlemeyi çok zorlaştırır, bu da aslında ekonomik kayıplara neden olur. Son yıllarda, proses endüstrisinde ölçülen ve depolanan büyük miktarda veriyi kullanarak mühendisler algoritmalar geliştirmekte ve tahmine dayalı modeller tasarlamaktadır. Proses endüstrisi bağlamında, bu tahmine dayalı modellere Soft Sensörler denir. (İzaskun M. ve ark. 2022). Tezim, önemli bir uluslararası Petrokimya Fabrikasından alınan gerçek veriler üzerinde gerçek zamanlı izlemenin gücünü gösteren Makine Öğrenimi modüllerine dayalı bir prosedür tanımlar. Girdi olarak, akış hızı, besleme bileşimi, reaktör sıcaklığı ve basıncı gibi gerçek zamanlı olarak sağlanan kolayca ölçülen değerler kullanılır ve ürün kalitesi tahmini için farklı gerilemeli algoritmaların bir kıyaslaması sunulur. Değerlerin doğru çıkarımı için preprocessing tekniklerinin önemi vurgulanacaktır. Makine öğrenimi stratejilerinin uygulanması, bu soft sensörün ürünleştirilmesinde önemli ekonomik faydalar sağlayacaktır. Bu tezin amacı tamamen Python programlama dili ve makine öğrenimi kullanarak Petrokimyada soft sensörler tasarlamak ve değerlendirmektir.
Özet (Çeviri)
In the Process Industry, most important goal is to take quick action in the worse sceneries as well as to maximize the product quality and to minimize the energy consumption. In industrial control processes, certain characteristics are sometimes difficult to measure by a physical sensor due to technical and/or economic limitations. This fact is especially true in the petrochemical industry. The necessary measures are taken indirectly by samples from the process and analyzing them in the laboratory, this process implies time (can take hours from collection to measurement) and thus make it very difficult for real-time monitorization, which in fact results in security and economical losses. In recent years, by using of the large amounts of data being measured and stored in the process industry, engineers develop the algorithms and design predictive models. In the context of process industry, these predictive models are called Soft Sensors. (Izaskun M. et al 2022). My thesis defines a procedure based on Machine Learning modules that demonstrate the power of real-time monitorization over real data from an important international Petrochemical Plant. As input, easily measured values provided in real-time, such as flow rate, feed composition, reactor temperature and pressure are used and a benchmark of different regressive algorithms for product quality estimation is presented. The importance of reprocessing techniques for the correct inference of values will be highlighted. The implementation of machine learning strategies will achieve considerable economic benefits in the productization of this soft sensor. The aim of this thesis is entirely to design, and evaluate soft sensors in Petrochemistry by using Python programming language and machine learning.
Benzer Tezler
- Gesture recognition and customization on textile-based pressure sensor array
Tekstil tabanlı basınç sensörü dizisinde hareket algılama ve kişiselleştirme
İLKNUR ÇELİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Bir tümör protezi uzatma modülünün tasarımı, analizi ve zeki kontrolü
Design, analysis and intelligent control of a tumor prosthesis extension module
SITKI KOCAOĞLU
Doktora
Türkçe
2019
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERHAN AKDOĞAN
- Design of soft sensor based on machine learning and its industrialapplication
Makine öğrenmesi tabanlı soft sensör tasarımı ve endüstriyeluygulaması
FARID MUSTAFAYEV
Yüksek Lisans
İngilizce
2022
Kimya MühendisliğiEge ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEVİM YOLCULAR KARAOĞLU
- Vestibüler sistem kaynaklı rahatsızlıkların kuvvet algılayıcıları tabanlı analizi
Force sensor based analysis of vestibular system disorders
TUNAY ÇAKAR
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
- Deformation estimation of a tendon-driven elastic actuator with soft strain sensors
Yumuşak gerilme sensörleri ile tendon kontrollü esnek aktuatörün deformasyon tahmini
MILAD HAYATI
Yüksek Lisans
İngilizce
2023
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. MELİH TÜRKSEVEN