Llanes Santiago, O., Rivero Benedico, B. C., Gálvez Viera, S. C., Rodríguez Morant, E. F., Torrez Cabeza, R. e Silva Neto, A. J., A Fault Diagnosis Proposal with Online Imputation to Incomplete Observations in Industrial Plants, Revista Mexicana de Ingeniería Química, Vol. 18, No. 01, pp. 83-98, 2019
Neste artigo, o problema de diagnóstico de falhas em sistemas industriais complexos na presença de dados faltantes é abordado. Primeiramente, é apresentado como realizar a imputação online quando há valores faltantes nas observações obtidas pelo sistema de aquisição de dados. Posteriormente, é apresentada a possibilidade de aplicar técnicas estatísticas avançadas como Regressão Sequencial Imputação Múltipla, Decomposição de Valores Singulares, Imputação de Mínimos Quadrados Locais e k- Vizinhos Mais Próximos como exemplos de possíveis ferramentas a serem utilizadas na imputação online. Além disso, são analisados os efeitos no processo de diagnóstico de falhas, ao usar essas ferramentas estatísticas para estimar os dados perdidos. Foi utilizado Neural Network Multi-layer Perceptron para o sistema de diagnóstico de falhas. O estudo foi feito usando o processo de benchmark Tennessee Eastman.
DOI: https://doi.org/10.24275/uam/izt/dcbi/revmexingquim/2019v18n1/Llanes