طراحی حسگر نرم داده محور به منظور پیش بینی کیفیت در فرآیند ناپیوسته صنعتی تولید رزین پلی استر

در این پژوهش، حسگر نرم داده محور بر مبنای روش مدل سازی پارامتر وابسته به متغیر حالت با استفاده از روش متغیر سودمند محلی (LIV) برای یک فرآیند ناپیوسته تولید رزین پلی استر طراحی شده است. برای مدل سازی حسگر نرم از داده های یک فرآیند صنعتی استفاده شده است. به منظور طراحی یک حسگر نرم دقیق، با در نظر گرفتن متغیر خروجی لحظه قبل در مجموعه متغیرهای ورودی، ماهیت پویای فرآیند در محاسبات لحاظ شده است. تعداد متغیرهای ورودی مدل نهایی از 23 متغیر تعیین شده توسط دانش فرآیندی به تنها 4 متغیر برای ویسکوزیته و 3 متغیر برای عدد اسیدیته در این مطالعه کاهش یافت. مدل نهایی حسگر نرم با داده های یک نوبت آموزش داده شد، در نتیجه زمان و میزان محاسبات به شکل قابل توجهی کاهش یافت. با به کارگیری روش LIV در فرآیند ناپیوسته تولید رزین پلی استر، مقادیر شاخص های عملکردی MAE، RMSE و R2 برای پیش بینی ویسکوزیته به ترتیب 0015/0، 0022/0 و 9999/0 و برای پیش بینی عدد اسیدیته به ترتیب 0030/0، 0094/0 و 9995/0 حاصل گردید. در مقایسه با سایر روش های مدل سازی حسگر نرم، مدل LIV متغیرهای شاخص کیفیت محصول را با تعداد نوبت ها و متغیرهای ورودی کم تر برای آموزش مدل اما با دقت بیشتر پیش بینی می نماید.