論文の概要: Predicting pigging operations in oil pipelines
- arxiv url: http://arxiv.org/abs/2109.11812v1
- Date: Fri, 24 Sep 2021 08:49:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-27 23:18:59.321310
- Title: Predicting pigging operations in oil pipelines
- Title（参考訳）: 石油パイプラインにおける養豚活動の予測
- Authors: Riccardo Angelo Giro, Giancarlo Bernasconi, Giuseppe Giunta, Simone
Cesari
- Abstract要約: 本稿では,石油トランクラインにおける養豚作業の自動予測を行うための,革新的な機械学習手法を提案する。
歴史的圧力信号は、北イタリアにある石油パイプライン(長さ100km、直径16インチのパイプ)に沿って、エニによって2年間収集されてきた。
ライン上で実行された履歴的な豚の操作を自動的にハイライトするために、ツールが実装されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an innovative machine learning methodology that leverages
on long-term vibroacoustic measurements to perform automated predictions of the
needed pigging operations in crude oil trunklines. Historical pressure signals
have been collected by Eni (e-vpms monitoring system) for two years on discrete
points at a relative distance of 30-35 km along an oil pipeline (100 km length,
16 inch diameter pipes) located in Northern Italy. In order to speed up the
activity and to check the operation logs, a tool has been implemented to
automatically highlight the historical pig operations performed on the line.
Such a tool is capable of detecting, in the observed pressure measurements, the
acoustic noise generated by the travelling pig. All the data sets have been
reanalyzed and exploited by using field data validations to guide a decision
tree regressor (DTR). Several statistical indicators, computed from pressure
head loss between line segments, are fed to the DTR, which automatically
outputs probability values indicating the possible need for pigging the
pipeline. The procedure is applied to the vibroacoustic signals of each pair of
consecutive monitoring stations, such that the proposed predictive maintenance
strategy is capable of tracking the conditions of individual pipeline sections,
thus determining which portion of the conduit is subject to the highest
occlusion levels in order to optimize the clean-up operations. Prediction
accuracy is assessed by evaluating the typical metrics used in statistical
analysis of regression problems, such as the Root Mean Squared Error (RMSE).
- Abstract（参考訳）: 本稿では,原油のトランクラインで必要な養豚作業の自動予測を行うために,長期の振動測定を活用した革新的な機械学習手法を提案する。
歴史的圧力信号は、北イタリアにある石油パイプライン(長さ100km、直径16インチのパイプ)に沿って、相対距離30-35kmの離散点において、エニによって2年間収集されてきた。
アクティビティをスピードアップし、操作ログをチェックするために、ライン上で実行される履歴ピッグ操作を自動的にハイライトするツールが実装されている。
このようなツールは、観測された圧力測定において、走行豚によって発生する音響ノイズを検出することができる。
すべてのデータセットは、フィールドデータ検証を使用して決定ツリーレグレッサ(dtr)をガイドすることで再分析され、悪用されている。
ラインセグメント間の圧力ヘッド損失から計算されたいくつかの統計指標がDTRに供給され、パイプラインの肥大化の必要性を示す確率値を自動出力する。
本手法は, 各連続監視局の振動音響信号に適用され, 提案した予測保守戦略が個々のパイプライン区間の状態を追尾し, コンジットのどの部分が最大閉塞レベルであるかを判定し, クリーンアップ操作を最適化する。
予測精度は、回帰問題(例えば根平均二乗誤差(rmse))の統計解析で使われる典型的な指標を評価することによって評価される。
関連論文リスト
- Learning with Noisy Foundation Models [95.50968225050012]
本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。
雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
論文 参考訳（メタデータ） (2024-03-11T16:22:41Z) - Hyperspectral Remote Sensing Benchmark Database for Oil Spill Detection
with an Isolation Forest-Guided Unsupervised Detector [13.739881592455044]
近年、海洋石油流出事故が環境、天然資源、沿岸住民の生活に深刻な影響を与えているため、石油流出の検出が注目されている。
既存のアプローチのほとんどは、ハイパースペクトル画像(HSI)からのオイル流出を検出するための教師付きおよび半教師付きフレームワークに基づいている。
本研究では,HSIの孤立林を基盤とした非監督型油流出検出手法の開発を初めて試みる。
論文 参考訳（メタデータ） (2022-09-28T02:26:42Z) - Time-to-Green predictions for fully-actuated signal control systems with
supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。
我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。
スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-08-24T07:50:43Z) - Tiny-HR: Towards an interpretable machine learning pipeline for heart
rate estimation on edge devices [6.59529078336196]
本稿では,低消費電力エッジデバイスで取得した圧力センサデータから心拍数を抽出する機械学習(ML)パイプラインの概念実証を行う。
このパイプラインは、アップサンプラーニューラルネットワーク、信号品質分類器、効率的かつ正確な心拍数推定に最適化された1D畳み込みニューラルネットワークで構成されている。
その結果,提案したMLパイプラインとハイブリッドパイプラインは,従来のアルゴリズムに比べて82%と28%のエネルギーと時間を削減できることがわかった。
論文 参考訳（メタデータ） (2022-08-16T22:38:10Z) - Sound Event Classification in an Industrial Environment: Pipe Leakage
Detection Use Case [3.9414768019101682]
産業環境におけるパイプ漏れ検出のための多段階機械学習パイプラインを提案する。
提案されたパイプラインは複数のステップを適用し、それぞれが環境の課題に対処する。
その結果, 精度99%, F1スコア0.93, 0.9の優れた結果が得られた。
論文 参考訳（メタデータ） (2022-05-05T15:26:22Z) - Noise-Resistant Deep Metric Learning with Probabilistic Instance
Filtering [59.286567680389766]
ノイズラベルは現実世界のデータによく見られ、ディープニューラルネットワークの性能劣化を引き起こす。
DMLのための確率的ランク付けに基づくメモリを用いたインスタンス選択(PRISM)手法を提案する。
PRISMはラベルがクリーンである確率を計算し、潜在的にノイズの多いサンプルをフィルタリングする。
論文 参考訳（メタデータ） (2021-08-03T12:15:25Z) - Physics and Computing Performance of the Exa.TrkX TrackML Pipeline [0.0]
本論文では、Exa.TrkXパイプラインの物理性能と計算性能を研究するために必要な開発を文書化する。
パイプラインは、生産追跡アルゴリズムに似たトラッキング効率と純度を実現します。
論文 参考訳（メタデータ） (2021-03-11T23:10:18Z) - Deep reinforcement learning for smart calibration of radio telescopes [3.655021726150368]
本稿では,データ校正パイプラインの微調整を行う自律エージェントの訓練に強化学習を導入する。
我々は、パイプラインを、エージェントがパイプラインの解釈状態のみを使用するブラックボックスシステムとみなす。
この方法で訓練された自律エージェントは、多様な観察のための最適な設定を決定でき、従って、人間の介入の必要性を最小限に抑える「マート」キャリブレーションを実行することができる。
論文 参考訳（メタデータ） (2021-02-05T14:35:28Z) - Forensicability of Deep Neural Network Inference Pipelines [68.8204255655161]
本研究では,観測可能な出力に特徴的な数値偏差をトレースすることで,機械学習パイプラインの実行環境の特性を推定する手法を提案する。
一連の概念実証実験の結果は、ディープニューラルネットワーク予測を生成するために使用されるハードウェアプラットフォームの識別など、法医学的な応用をもたらす。
論文 参考訳（メタデータ） (2021-02-01T15:41:49Z) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳（メタデータ） (2020-12-25T01:40:29Z) - PyODDS: An End-to-end Outlier Detection System with Automated Machine
Learning [55.32009000204512]
PyODDSは、データベースサポート付きアウトレイラ検出のための、エンドツーエンドのPythonシステムである。
具体的には,探索空間を外乱検出パイプラインで定義し,与えられた探索空間内で探索戦略を作成する。
また、データサイエンスや機械学習のバックグラウンドの有無に関わらず、統一されたインターフェイスと視覚化を提供する。
論文 参考訳（メタデータ） (2020-03-12T03:30:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。