nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

Clustering Aluminum Smelting Potlines Using Fuzzy C-Means and K-Means Algorithms

verfasst von : Flávia A. N. de Lima, Alan M. F. de Souza, Fábio M. Soares, Diego Lisboa Cardoso, Roberto C. L. de Oliveira

Erschienen in: Light Metals 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Aluminum smelting potlines usually have a big number of cells, producing aluminum in a continuous and complex process. Analytical monitoring is essential to increase the industries’ competitive advantage, however, during their operation, some cells share similar behaviors, therefore forming clusters of cells. These clusters rely on data patterns that are usually implicit or invisible to operation, but can be found by means data analysis. In this work we present two clustering techniques (Fuzzy C-Means and K-Means) to find and cluster the cells that present similar behaviors. The benefits of clustering are mainly in the simplification of potline analysis, since a large number of cells can be summarized in one single cluster, which can provide richer but compacted information for control and modelling.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Alternative Applications of SPL: Testing Ideas Through Experiments and Mathematical Modeling

Nächstes Kapitel Application of Multivariate Statistical Process Control with STARprobeTM Measurements in Aluminium Electrolysis Cells

S. Sumathi, S.N. Sivanandam, Introduction to Data Mining and its Applications (Springer, 2006), p. 2

J. Li, B. Yang, W. Song, A new data mining process model for aluminum electrolysis, in Proceedings of the International Symposium on Intelligent Information Systems and Applications (IISA’09), (Qingdao, P. R. China, 28–30 Oct 2009), pp. 193–195

M. Bramer, Undergraduate Topics in Computer Science—Principles of Data Mining (Springer, 2007), pp. 1–2

J. Han, M. Kamber, Data Mining: Concepts and Techniques, 3 edn. (Elsevier, 2012), p. 5

F.M. Soares, Neural dynamics modeling and fuzzy control electrolytic bath furnace of aluminum smelting. Doctoral qualification, Federal University of Pará, Belém-Pa, 2015

P.R.S. Chermont, F.M. Soares, R.C.L. Oliveira, Simulations on the bath chemistry variables using neural networks. TMS Light Met. 607–612 (2016)

C. Xiangtao, L. Jie, Z. Wengen, Z. Zhong, D. Fengqi, L. Yexiang, L. Qingyu, The development and application of data warehouse and data mining in aluminum electrolysis control systems. TMS Light Met. 515–519 (2006)

N.A.A. Majid, M.P. Taylor, J.J.J. Chen, M.A. Stam, A. Mulder, B.R. Young, Aluminium process fault detection by multiway principal component analysis. Control Eng. Pract. 19, 367–379 (2011)CrossRef

M. Horvath, E. Vircikova, Data mining model for quality control of primary aluminum production process. Manage. Prod. Eng. Rev. 3(4), 47–53 (2012)

10.

D.T. Larose, Discovering Knowledge in Data: An Introduction to Data Mining (Wiley, 2005)

11.

J.F. Hair Jr., R.E. Anderson, R.L. Tatham, W.C. Black, Multivariate Data Analysis, 5 edn. (Bookman, Porto Alegre, 2005), pp. 381–405

Titel: Clustering Aluminum Smelting Potlines Using Fuzzy C-Means and K-Means Algorithms
verfasst von: Flávia A. N. de Lima
Alan M. F. de Souza
Fábio M. Soares
Diego Lisboa Cardoso
Roberto C. L. de Oliveira
Verlag: Springer International Publishing
Buch: Light Metals 2017
Print ISBN: 978-3-319-51540-3

Electronic ISBN: 978-3-319-51541-0

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-51541-0_73

Premium Partner

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen.

Zur Marktübersicht