Logo/Imagem do Projeto
MR2BEST
Estado do Projeto
Encerrado
Referência
PTDC/QEQ-EPS/1323/2014
Investigador Principal
Marco Paulo Seabra dos Reis
Financiamento (Entidade)
FCT - Fundação para a Ciência e a Tecnologia
Financiamento (Valor)
108.252 €
Duração
15/06/2016 a 15/12/2019

As Indústrias de Processo estão a gerar dados com uma variedade de estruturas que não são tratadas adequadamente pelas abordagens atuais de monitorização, controlo e otimização de processos. Em particular, as metodologias atuais dependem fortemente da disponibilidade de dados numa única resolução e, na maioria das vezes, também numa única cadência de aquisição. Em termos breves, a resolução é uma medida do grau de localização da informação sobre uma determinada quantidade, sobre um domínio das variáveis independentes relevantes (tempo ou espaço).

Por exemplo, algumas variáveis representam valores instantâneos do processo (i.e., médias num período de tempo muito curto), enquanto outras consistem em médias de vários minutos, horas ou mesmo dias; outras ainda podem ser medições representativas de um lote produzido durante a última hora, ou de matéria-prima fornecida ao processo por vezes durante mais de 20 dias (como as aparas de madeira na indústria da pasta e do papel). Estas variáveis transportam informação com diferentes localizações temporais, ou seja, em distintas resoluções no tempo.

No entanto, o pressuposto tácito comum é que todos os dados do processo estão disponíveis à mesma resolução, geralmente com elevada localização no domínio do tempo em torno dos instantes de amostragem (que deveriam, além disso, ser igualmente espaçados). Analisando as bases de dados de processos modernos, pode-se verificar facilmente que este pressuposto não é frequentemente cumprido, o que significa que estas bases de dados apresentam, em geral, uma estrutura de dados multirresolução. Contudo, tanto quanto é do nosso conhecimento atual, não existem soluções disponíveis para lidar com dados multirresolução, mesmo para tarefas críticas de baixo nível, como a monitorização e controlo de processos, sendo a única exceção uma metodologia proposta pelo IP em 2006 (Reis & Saraiva, 2006c).

Como referido nessa publicação, mesmo as chamadas abordagens multiescala assumem a presença de dados numa única resolução, um facto que é frequentemente ignorado. Uma situação semelhante é encontrada na tarefa estratégica de nível superior de otimização de processos. Portanto, neste projeto, estabelecemos o objetivo de desenvolver a base conceptual e a teoria para abordagens de multirresolução e de multidebito (multirate) no contexto das seguintes atividades de Engenharia de Sistemas de Processos (PSE): soft sensors para processos dinâmicos estacionários (contínuos) e não estacionários (lotes) (tarefa 1), monitorização de processos para sistemas não estacionários (lote) (tarefa 2) e, finalmente, modelação mecanística de processos com unidades de processamento multirresolução e o desenvolvimento de ferramentas de estimativa ótima adequadas (tarefa 3).

Instituições Parceiras
UC_resized
Universidade de Coimbra
https://www.uc.pt/
Resultados e Publicações

Artigos e Capítulos de Livro

  1. Rendall, R., B. Lu, I. Castillo, S.-T. Chin, L. H. Chiang, M.S. Reis, A Unifying and Integrated Framework for Feature Oriented Analysis of Batch Processes. Industrial & Engineering Chemistry Research. (2017). 56(30), p. 8590-8605.
  2. Reis, M.S., G. Gins, Industrial Process Monitoring in the Big Data/Industry 4.0 Era: From Detection, to Diagnosis, to Prognosis. Processes. 5(3), 35, (2017), p.1-16.
  3. Rato, T.J., M.S. Reis, Improved Fault Diagnosis in Online Process Monitoring of Complex Networked Processes: a Data-Driven Approach. in Computer Aided Chemical Engineering, A. Espuña, M. Graells, and L. Puigjaner, Editors. (2017), Elsevier. p. 1681-1686.
  4. Campos, M., R. Sousa, A.C. Pereira, M.S. Reis, Advanced Predictive Methods for Wine Age Prediction: Part II - A Comparison Study of Multiblock Regression Approaches. Talanta. 171 (2017), p. 132-142.
  5. Rendall, R., A.C. Pereira, M.S. Reis, Advanced Predictive Methods for Wine Age Prediction: Part I - A Comparison Study of Single-Block Regression Approaches based on Variable Selection, Penalized Regression, Latent Variables and Tree-based Ensemble Methods. Talanta. 171 (2017), p. 341-350. 
  6. Rato, T.J., M.S. Reis, Multiresolution Soft Sensors: A New Class of Model Structures for Handling Multiresolution Data. Industrial & Engineering Chemistry Research. 56(13) (2017), p. 3640-3654.
  7. Rato, T.J., M.S. Reis, Markovian and Non-Markovian Sensitivity Enhancing Transformations for Process Monitoring. Chemical Engineering Science. 163 (2017), p. 223-233.
  8. Rendall, R. and M.S. Reis, Which regression method to use? Making informed decisions in “data-rich/knowledge poor” scenarios – The Predictive Analytics Comparison framework (PAC). Chemometrics and Intelligent Laboratory Systems. 181 (2018), p. 52-63.
  9. Rato, T.J. and M.S. Reis, Optimal selection of time resolution for batch data analysis. Part I: Predictive modeling. AIChE Journal. 64 (2018), p. 3923-3933.
  10. Reis, M.S., R.S. Kenett, Assessing the Value of Information of Data-Centric Activities in the Chemical Processing Industry 4.0. AIChE Journal. 64 (2018), p. 3868-3881.
  11. Rato, T.J. and M.S. Reis, Building Optimal Multiresolution Soft Sensors for Continuous Processes. Industrial & Engineering Chemistry Research. 57 (2018), p. 9750-9765.
  12. Rato, T.J., R. Rendall, V. Gomes, P.M. Saraiva, and M.S. Reis, A Systematic Methodology for Comparing Batch Process Monitoring Methods: Part II—Assessing Detection Speed. Industrial & Engineering Chemistry Research. 57(15) (2018), p. 5338-5350.
  13. Campos, M.P., R. Sousa, M.S. Reis, Establishing the Optimal Blocks’ Order in SO-PLS: Stepwise SO-PLS and Alternative Formulations. Journal of Chemometrics. 32 (2018), p. e3032.
  14. Geert, G., J. Van Impe, M.S. Reis, Finding the optimal time resolution for batch-end quality prediction: MRQP – a framework for Multi-Resolution Quality Prediction. Chemometrics and Intelligent Laboratory Systems. 172 (2018), p. 150-158.
  15. Santos, C.P., T.J. Rato, and M.S. Reis, Design of Experiments: A Comparison Study from the Non-Expert User’s Perspective. Journal of Chemometrics. (2018), p. e3087.
  16. Rato, T.J. and M.S. Reis, Optimal fusion of industrial data streams with different granularities. Computers & Chemical Engineering. 130 (2019), p. 106564.
  17. Rato, T.J. and M.S. Reis, SS-DAC: A systematic framework for selecting the best modeling approach and pre-processing for spectroscopic data. Computers & Chemical Engineering. 128 (2019), p. 437-449.
  18. Rato, T.J. and M.S. Reis, Multiresolution interval partial least squares: A framework for waveband selection and resolution optimization. Chemometrics and Intelligent Laboratory Systems. 186 (2019), p. 41-54.
  19. Reis, M.S., Multiscale and Multi-granularity Process Analytics: A Review. Processes. 7 (2) (2019), p. 61
  20. Rendall, R., L.H. Chiang, M.S. Reis, Data-driven Methods for Batch Data Analysis – A Critical Overview and Mapping on the Complexity Scale. Computers & Chemical Engineering. 124 (2019), p. 1-13.
  21. Reis, M.S., G. Gins, and T.J. Rato, Incorporation of process-specific structure in statistical process monitoring: A review. Journal of Quality Technology. (2019), p. 1-15.
  22. Reis, M.S. and T.J. Rato, An Advanced Data-Centric Multi-Granularity Platform for Industrial Data Analysis, in Computer Aided Chemical Engineering, A.A. Kiss, et al., Editors. 2019, Elsevier. p. 1225-1230.

 

Comunicações em Conferências Internacionais

  1. Reis, M.S., Advances in Batch Data Analysis. Seminário apresentado na conferência “AIChE Spring Meeting”, realizada em San Antonio (EUA), entre 26 a 30 de março de 2017.
  2. Reis, M.S., Predictive Modeling with High-Dimensional Industrial Data, Apresentação oral em formato de seminário apresentada na conferência “JDS 2017 – 49èmes Journées de Statistique”, realizada em Avignon (França), entre 20 de maio e 2 de junho de 2017. 
  3. Reis, M.S., On the importance of residual analysis in the implementation of PCA and PLS, Comunicação apresentada no formato de poster no “JMP Discovery Summit”, realizado em Praga (República Checa), entre 21 e 23 de março de 2017.
  4. Gins, G.; J. Van Impe, M.S. Reis, M.R.Q.P.: Prediction of Final Batch Quality Using a Multi-Resolution Framework, Comunicação oral apresentada no congresso “2016 AICHE Annual Meeting”, realizado em San Franciso (CA, EUA), entre 13 e 18 de novembro de 2016.
  5. Rendall, R., B. Lu, I. Castillo, S.-T.-Chin, L.H. Chiang, M.S. Reis, Parsimonious Modeling Approaches for Batch Process Analysis, Comunicação oral apresentada no congresso “2016 AICHE Annual Meeting”, realizado em San Franciso (CA, EUA), entre 13 e 18 de novembro de 2016.
  6. Reis, M.S., Structured Approaches for High-Dimensional Predictive Modeling, Comunicação oral apresentada na conferência “SIS2017 - Statistics and Data Science: New Challenges, New Generations”, realizada em Florença (Itália), entre 28 e 30 de junho de 2017.
  7. Rendall, R., B. Lu, I. Castillo, S.-T.-Chin, L.H. Chiang, M.S. Reis, Profile-driven Features for Offline Quality Prediction in Batch Processes. Comunicação apresentada no formato de poster no congresso “ESCAPE-27, European Symposyum on Computer Aided Process Engineering”, realizado em Barcelona (Espanha), entre 1 e 5 de outubro de 2017.
  8. Reis, M.S., R.S. Kenett, On the Use of Simulators for Teaching Statistical Methods. Comunicação oral apresentada no congresso “ENBIS16 – 16th Annual ENBIS Conference”, realizado em Sheffield (UK), entre 11 e 15 de setembro de 2016.
  9. Rato, T.J., M.S. Reis, Markovian and Non-Markovian Sensitivity Enhancing Transformations for Process Monitoring. Comunicação oral apresentada no congresso “ENBIS16 – 16th Annual ENBIS Conference”, realizado em Sheffield (UK), entre 11 e 15 de setembro de 2016.
  10. Rato, T.J. and M.S. Reis. Improved Fault Diagnosis in Online Process Monitoring of Complex Networked Processes: a Data-Driven Approach. Comunicação oral apresentada no congresso “27th European Symposium on Computer Aided Process Engineering”, realizado em Barcelona (Espanha), entre 1 e 5 de Outubro de 2017.
  11. Rato, T.J. and M.S. Reis. A Multiresolution Framework for Building Industrial Soft Sensors. Comunicação oral apresentada no congresso “ENBIS18 – 18th Annual ENBIS Conference”, realizado em Nancy (França), entre 2 e 6 de setembro de 2018.
  12. Reis. M.S., A Systematic Framework for Assessing the Quality of Information in Data-Driven Applications for the Industry 4.0. Comunicação oral apresentada no congresso “ADCHEM 2018, 10th IFAC Sumposium on Advanced Control of Chemical Processes ”, realizado em Shenyang (China), entre 25 e 27 de julho de 2018. (Inclui artigo publicado nos proceedings do congresso).
  13. Reis. M.S., T.J. Rato, Multiresolution Analytics for Large Scale Industrial Processes. Comunicação oral apresentada no congresso “ADCHEM 2018, 10th IFAC Sumposium on Advanced Control of Chemical Processes ”, realizado em Shenyang (China), entre 25 e 27 de julho de 2018. (Inclui artigo publicado nos proceedings do congresso).
  14. Reis, M.S., Incorporating Systems Structure in Data-Driven High-Dimensional Predictive Modeling. Comunicação oral apresentada no congresso “ESCAPE-28, European Symposyum on Computer Aided Process Engineering”, realizado em Graz (Áustria), entre 10 e 13 de junho de 2018.
  15. Reis, M.S., Exploring the Latent Variable Space of a Multiresponse DOE to Optimize Solid Phase Microextraction (SPME): Case study - Quantification of Volatile Fatty Acids in Wines. Comunicação oral apresentada no congresso “ENBIS Spring Meeting on Design of Experiments for Quality of Products and Sustainability in Agri-Food Systems”, realizado em Florença (Itália), entre 4 e 6 de junho de 2018.
  16. Reis, M.S., Process Analytics for Quality Improvement. Palestra realizada por convite no congresso internacional da European Organization for Quality (EOQ) 2019, realizado em Lisboa, entre 23 e 24 de outubro de 2019.
  17. Reis, M.S., Industrial Data Science for Quality Improvement. Palestra realizada por convite na 17th Workshop on Quality Improvement Methods (Dortmund, Alemanha) entre 14 e 15 de junho de 2019.
  18. Reis, M.S., Modern Approaches to Industrial Process Monitoring. Comunicação oral apresentada no congresso “ENBIS19 – 19th Annual ENBIS Conference”, realizado em Budapeste (Hungria), entre 2 e 4 de setembro de 2019.
  19. Reis, M.S., T.J. Rato, An Advanced Data-Centric Multi-Granularity Platform for Industrial Data Analysis. Comunicação oral apresentada no congresso “ESCAPE-29, European Symposyum on Computer Aided Process Engineering”, realizado em Eindhoven (Holanda), entre 16 e 19 de junho de 2019.
  20. Reis, M.S., Structured data-driven approaches for process monitoring and predictive analytics. Palestra realizada por convite na Hybrid Modeling Summer School, que teve lugar na Universidade Nova de Lisboa, no dia 27 de setembro de 2019.

 

Software

  • Multiresolution Soft Sensors (MR-SS)
  • Multiresolution Kalman Filter (MR-KF)
  • Multiresolution Empirical Models for Continuous Processes (MR-EMC)
  • Multiresolution Models for Batch Processes (MR-PLS)
  • Multiresolution Batch Process Monitoring (MR-BPM)
  • Multiresolution interval Partial Least Squares (MR-iPLS)
  • Soft Sensor Development, Assessment and Comparison (SS-DAC)
  • Integrated package for Multiresolution Modelling

 

PT2020