• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Предсказание разладки в ходе химического процесса

ФИО студента: Ломов Ильдар Филиппович

Руководитель: Макаров Илья Андреевич

Кампус/факультет: Факультет компьютерных наук

Программа: Науки о данных (Магистратура)

Год защиты: 2020

Recently, the advent of a new simulated Tennessee Eastman Process (TEP) dataset made it possible to use deep learning techniques for fault detection in chemical processes, which had previously been unavailable. In this thesis we apply a set of models, which are typically associated with time-series data, such as recurrent neural networks, attention and transformer mechanisms, or computer vision, as convolutional neural networks. Another deep learning architecture that could be applied to this problem is a generative adversarial network, which can enrich training data for better performance and detect faults independently. Given sensory data is a long time series that could lead to typical problems of applying recurrent networks, therefore we propose two CNN architectures to solve them. We compare all models in terms of true positive rate (TPR), false-positive rate (FPR), and detection delay, the most crucial metrics in fault detection studies. And proposed models over-perform most previous studies. The dataset we used is publicly available. Key words: industrial machine learning, fault detection, tennessee eastman process, chemical processes, deep learning, generative adversarial networks

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ