論文の概要: Identifying Best Practice Melting Patterns in Induction Furnaces: A
Data-Driven Approach Using Time Series KMeans Clustering and Multi-Criteria
Decision Making
- arxiv url: http://arxiv.org/abs/2401.04751v1
- Date: Tue, 9 Jan 2024 14:00:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-11 16:20:53.901630
- Title: Identifying Best Practice Melting Patterns in Induction Furnaces: A
Data-Driven Approach Using Time Series KMeans Clustering and Multi-Criteria
Decision Making
- Title(参考訳): 誘導炉におけるベストプラクティス融解パターンの同定:時系列KMeansクラスタリングとマルチクリトリア決定を用いたデータ駆動アプローチ
- Authors: Daniel Anthony Howard, Bo N{\o}rregaard J{\o}rgensen and Zheng Ma
- Abstract要約: 本稿では, 誘導炉における最適融解パターンを特定するためのデータ駆動手法を提案する。
エルボー法を用いて12個のクラスターを同定し, 融解パターンの範囲について検討した。
この研究は、クラスタを最高のパフォーマンスで識別することに成功しました。
- 参考スコア(独自算出の注目度): 1.6783315930924723
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Improving energy efficiency in industrial production processes is crucial for
competitiveness, and compliance with climate policies. This paper introduces a
data-driven approach to identify optimal melting patterns in induction
furnaces. Through time-series K-means clustering the melting patterns could be
classified into distinct clusters based on temperature profiles. Using the
elbow method, 12 clusters were identified, representing the range of melting
patterns. Performance parameters such as melting time, energy-specific
performance, and carbon cost were established for each cluster, indicating
furnace efficiency and environmental impact. Multiple criteria decision-making
methods including Simple Additive Weighting, Multiplicative Exponential
Weighting, Technique for Order of Preference by Similarity to Ideal Solution,
modified TOPSIS, and VlseKriterijumska Optimizacija I Kompromisno Resenje were
utilized to determine the best-practice cluster. The study successfully
identified the cluster with the best performance. Implementing the best
practice operation resulted in an 8.6 % reduction in electricity costs,
highlighting the potential energy savings in the foundry.
- Abstract(参考訳): 産業生産プロセスにおけるエネルギー効率の向上は、競争力と気候政策の遵守に不可欠である。
本稿では,誘導炉の最適融解パターンを特定するためのデータ駆動手法を提案する。
時間系列K平均のクラスタリングにより、融解パターンは温度プロファイルに基づいて異なるクラスタに分類できる。
肘法を用いて12個のクラスターを同定し,融解範囲を明らかにした。
各クラスタに融解時間, エネルギー特性, 炭素コストなどの性能パラメータが確立され, 炉の効率と環境への影響が示唆された。
簡便な加法重み付け,乗法指数重み付け,理想解との類似性による選好の順序付け,修正トポロジー,およびvlsekriterijumska optimizacija i kompromisno resenjeを含む複数の基準決定法を用いて最適な実践クラスタを決定する。
この研究は、クラスタを最高のパフォーマンスで識別することに成功した。
ベストプラクティスの実施により、電気コストは8.6%削減され、鋳造所の潜在的な省エネが強調された。
関連論文リスト
- An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
まず最適化モデルを構築し,非単調な選好をモデル化する。
本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。
2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
論文 参考訳(メタデータ) (2024-09-04T14:36:20Z) - GCC: Generative Calibration Clustering [55.44944397168619]
本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。
まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。
第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
論文 参考訳(メタデータ) (2024-04-14T01:51:11Z) - Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach [3.124884279860061]
大規模容量拡大問題(CEP)は、地域エネルギーシステムのコスト効率の高い脱炭の中心である。
本稿では,2段階のCEPを抽出する学習支援近似解法を提案する。
本手法では, 直列集約法と比較して最大3.8%のコスト削減効果が得られた。
論文 参考訳(メタデータ) (2024-01-19T01:40:58Z) - A Hybrid SOM and K-means Model for Time Series Energy Consumption
Clustering [0.0]
本稿では、自己組織化マップとK平均クラスタリングという2つの強力な手法を統合することにより、毎月のエネルギー消費パターンを効果的にクラスタリングする新しい手法を提案する。
本研究の主な焦点は、ロンドンにおけるスマートメーターの時系列エネルギー消費データの選択である。
論文 参考訳(メタデータ) (2023-11-25T16:55:19Z) - Targeted demand response for flexible energy communities using
clustering techniques [2.572906392867547]
目的は、イタリアの分散エネルギーコミュニティにおける消費者の消費行動を変えることである。
一般的な3つの機械学習アルゴリズム、すなわちk-means、k-medoids、集約クラスタリングが採用されている。
本研究で提案される新しい指標,すなわちピークパフォーマンススコア(PPS)を含む複数の指標を用いた手法の評価を行った。
論文 参考訳(メタデータ) (2023-03-01T02:29:30Z) - A One-shot Framework for Distributed Clustered Learning in Heterogeneous
Environments [54.172993875654015]
異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。
ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。
厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
論文 参考訳(メタデータ) (2022-09-22T09:04:10Z) - An interpretable machine learning approach for ferroalloys consumptions [0.0]
本稿では,センサからの履歴データの解析に基づいて,最適なプロセス制御パラメータを選択することの問題点を考察する。
化学反応の結果を予測し, フェロアロイ類の消費を推奨する手法を開発した。
論文 参考訳(メタデータ) (2022-04-15T11:20:19Z) - An Ensemble-based Multi-Criteria Decision Making Method for COVID-19
Cough Classification [2.1915057426589746]
新型コロナウイルスのコウ分類のためのトップパフォーマンス機械学習手法を選択するためのアンサンブルベースのマルチ基準決定法(MCDM)を提案する。
提案手法の検証には,ケンブリッジ,コスワラ,ヴィルフイ,NoCoCoDaの4つの粗いデータセットを用いる。
実験による評価の結果,提案手法は最先端モデルよりも優れていた。
論文 参考訳(メタデータ) (2021-10-01T16:19:50Z) - Decision-making Oriented Clustering: Application to Pricing and Power
Consumption Scheduling [61.062312682535755]
本稿では、意思決定指向クラスタリングの枠組みを定式化し、データ空間の判断に基づく分割と適切な代表決定を提供するアルゴリズムを提案する。
この新しいフレームワークとアルゴリズムを、リアルタイム価格と消費電力スケジューリングの典型的な問題に適用することにより、洞察に富んだ分析結果を得る。
論文 参考訳(メタデータ) (2021-06-02T08:41:04Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-15T10:08:39Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳(メタデータ) (2020-01-06T23:33:31Z)
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。