Process monitoring and predictive diagnostics

završni rad

• Naslov (hrvatski): Nadziranje i prediktivna dijagnostika procesa
• Autor: Adriana Brzović
• Mentor: Nenad Bolf (mentor)
• Član povjerenstva: Nenad Bolf (predsjednik povjerenstva)
• Član povjerenstva: Aleksandra Sander (član povjerenstva)
• Član povjerenstva: Željka Ujević Andrijić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet kemijskog inženjerstva i tehnologije; Zagreb
• Datum i država obrane: 2019-09-19, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Kemijsko inženjerstvo

Sažetak

As technology advances, particularly in the IT sector, more and more companies running large-scale industrial operations look to computer based solutions to replace expensive monitoring and maintenance methods. Machine learning is one such solution gaining popularity in the last couple of years. This paper explores how machine learning models can be used for preventative and predictive maintenance of an industrial heat exchanger by continuously detecting fouling formation. The results of the neural network model show successful prediction of fouling formation in the heat exchanger. Random forest model does not successfully predict fouling formation as it cannot extrapolate on new data. The results of this study show great potential in application of machine learning methods in the industry for improving production processes in terms of greater efficiency, energy and raw material saving.

Sažetak (hrvatski)

Uz napredak tehnologije, posebno IT sektora, javlja se sve veća potreba za računalnim rješenjima koja bi zamijenila skupe metode nadziranja i održavanja procesa u velikim proizvodnim pogonima. Jedno od takvih rješenja s rastućom popularnošću u zadnjih nekoliko godina je strojno učenje. Ovaj rad istražuje primjenu modela strojnog učenja za nadziranje i prediktivnu dijagnostiku industrijskog izmjenjivača topline pomoću kontinuiranog praćenja nastajanja naslaga. Razvijen je model neuronske mreže i model slučajnih šuma. Rezultati razvijenog modela neuronske mreže pokazuju uspješno predviđanje nastajanja naslaga u izmjenjivaču topline. Model slučajnih šuma ne predviđa uspješno nastajanje naslaga zbog nemogućnosti ekstrapoliranja na novim podatcima. Rezultati ostvareni u ovom radu pokazuju veliki potencijal primjene metoda strojnog učenja u industriji za poboljšanje proizvodnih procesa u pogledu veće učinkovitosti, uštede energije i sirovina.

• Ključne riječi: machine learning; heat exchanger; fouling; neural network; random forest
• Ključne riječi (hrvatski): strojno učenje; izmjenjivač topline; naslage; neuronska mreža; model slučajnih šuma
• Jezik: engleski
• URN:NBN: urn:nbn:hr:149:648802
• Studijski program: Naziv: Kemijsko inženjerstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka kemijskog inženjerstva (univ. bacc. ing. cheming.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-02-14 08:42:35