亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Machine Learning based Digital Twin Framework for Production Optimization in Petrochemical Industry

石油化工 大数据 制造工程 工厂(面向对象编程) 工业工程 生产(经济) 工程类 控制(管理) 过程(计算) 制造业 人工智能 计算机科学 数据挖掘 业务 操作系统 宏观经济学 经济 营销 环境工程 程序设计语言
作者
Qingfei Min,Yangguang Lu,Yangguang Lu,Chao Su,Bo Wang
出处
期刊:International Journal of Information Management [Elsevier]
卷期号:49: 502-519 被引量:294
标识
DOI:10.1016/j.ijinfomgt.2019.05.020
摘要

Digital twins, along with the internet of things (IoT), data mining, and machine learning technologies, offer great potential in the transformation of today’s manufacturing paradigm toward intelligent manufacturing. Production control in petrochemical industry involves complex circumstances and a high demand for timeliness; therefore, agile and smart controls are important components of intelligent manufacturing in the petrochemical industry. This paper proposes a framework and approaches for constructing a digital twin based on the petrochemical industrial IoT, machine learning and a practice loop for information exchange between the physical factory and a virtual digital twin model to realize production control optimization. Unlike traditional production control approaches, this novel approach integrates machine learning and real-time industrial big data to train and optimize digital twin models. It can support petrochemical and other process manufacturing industries to dynamically adapt to the changing environment, respond in a timely manner to changes in the market due to production optimization, and improve economic benefits. Accounting for environmental characteristics, this paper provides concrete solutions for machine learning difficulties in the petrochemical industry, e.g., high data dimensions, time lags and alignment between time series data, and high demand for immediacy. The approaches were evaluated by applying them in the production unit of a petrochemical factory, and a model was trained via industrial IoT data and used to realize intelligent production control based on real-time data. A case study shows the effectiveness of this approach in the petrochemical industry.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
赘婿应助yangguang2000采纳,获得10
16秒前
慕青应助miyavi采纳,获得30
20秒前
非洲大象发布了新的文献求助10
35秒前
汤汤完成签到 ,获得积分10
37秒前
to完成签到 ,获得积分10
38秒前
45秒前
非洲大象完成签到,获得积分10
47秒前
helpmepaper发布了新的文献求助10
48秒前
50秒前
yangguang2000发布了新的文献求助10
55秒前
Jasper应助科研通管家采纳,获得10
1分钟前
Roxy驳回了orixero应助
1分钟前
冷淡芝麻完成签到 ,获得积分10
1分钟前
1111完成签到 ,获得积分10
2分钟前
2分钟前
乐乐应助Ice采纳,获得10
2分钟前
2分钟前
inRe发布了新的文献求助10
2分钟前
2分钟前
2分钟前
兴奋元冬发布了新的文献求助10
2分钟前
Roxy发布了新的文献求助10
2分钟前
yangguang2000关注了科研通微信公众号
2分钟前
2分钟前
coco发布了新的文献求助30
2分钟前
coldstork完成签到,获得积分10
2分钟前
123稻稻人完成签到,获得积分10
2分钟前
Roxy完成签到,获得积分20
3分钟前
脑洞疼应助科研通管家采纳,获得10
3分钟前
3分钟前
helpmepaper发布了新的文献求助10
3分钟前
3分钟前
3分钟前
coco发布了新的文献求助30
3分钟前
斯文败类应助yangguang2000采纳,获得10
3分钟前
helpmepaper完成签到,获得积分10
3分钟前
小龙完成签到,获得积分10
3分钟前
coco完成签到,获得积分10
4分钟前
4分钟前
yangguang2000发布了新的文献求助10
4分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256896
求助须知:如何正确求助?哪些是违规求助? 2899004
关于积分的说明 8303211
捐赠科研通 2568222
什么是DOI,文献DOI怎么找? 1394953
科研通“疑难数据库(出版商)”最低求助积分说明 652925
邀请新用户注册赠送积分活动 630662