Un nuevo método de detección suave basado en GRU paralela en serie con mecanismo de autoatención para procesos...

Área de la Ciencia:

• Optimización del proceso de fabricación
• La inteligencia artificial en la industria
• Tecnología de sensores blandos

Sus antecedentes:

• Las pruebas tradicionales de los indicadores clave de rendimiento (IPC) requieren mucho tiempo y son costosas.
• La transformación digital requiere una predicción oportuna y precisa de los KPI para la fabricación.
• Los métodos existentes no proporcionan una orientación efectiva de la producción en tiempo real.

Objetivo del estudio:

• Desarrollar un modelo avanzado de sensores blandos para la predicción de KPI en línea.
• Abordar las limitaciones de los métodos de ensayo destructivo tradicionales.
• Mejorar la eficiencia y la precisión del seguimiento de los IPC en los procesos industriales.

Principales métodos:

• Propuso un nuevo modelo de sensor suave de unidad recurrente con puerta paralela en serie con autoatención (SPGRU-SA).
• Utilizó SPGRU para extraer características dinámicas de procesos de varias unidades.
• Utilizó un mecanismo de auto-atención para sopesar las características estáticas y dinámicas para el análisis de correlación.

Principales resultados:

• El modelo SPGRU-SA demostró una predicción en línea precisa de los KPI.
• Captura eficazmente las características dinámicas y estáticas del proceso.
• El rendimiento validado en el laminado en caliente y los procesos de Tennessee Eastman.

Conclusiones:

• SPGRU-SA predice con precisión los KPI en entornos industriales complejos y de varias unidades.
• El modelo ofrece una alternativa viable a las costosas y lentas pruebas tradicionales.
• Mejora la toma de decisiones en tiempo real y reduce las pérdidas de fabricación.