Chemical Process Data Analytics via Text Mining and Machine Learning.
저자
발행사항
Ann Arbor : ProQuest Dissertations & Theses, 2019
학위수여대학
Carnegie Mellon University Chemical Engineering
수여연도
2019
작성언어
영어
주제어
학위
Ph.D.
페이지수
185 p.
지도교수/심사위원
Advisor: Sahinidis, Nikolaos V.
Today, chemical engineers have access to enormous amounts of data from a variety of sources. Decision makers are frequently tasked with manipulating and analyzing complex datasets. This data can be generated in different forms, such as numerical data, text data, and graphical data. Although numerous studies explore numerical data analysis, only a very small number explore text data and graphical data.In this dissertation, we develop different methodologies that integrate text mining techniques with optimization algorithms to automatically extract information from text and graphical data in chemical engineering applications. We use graphical data in Chapter 2, and text data in Chapters 3, 4, and 5.In Chapter 2, we address the problem of mining chemical flowsheets for process patterns. We propose a systematic methodology for mining structural patterns in chemical process flowsheets using sequence comparison algorithms. Our proposed methodology consists of three major steps. First, we generate graphical representations of general process flowsheets. Second, we use a depth-first search algorithm to traverse the graph of a flowsheet and convert it into a string. Finally, we use sequence alignment algorithms to mine flowsheet strings for process patterns. Depending on which alignment algorithm is used, the identified process patterns may or may not have inserted gaps. In addition, we conduct several case studies and present many resulting flowsheet patterns, which we are able to relate to heuristic rules in the literature.In Chapter 3, we address the problem of evaluating chemical patents. We propose the simultaneous use of eight criteria for patent ranking and evaluation. We also develop an intuitive linear optimization model that determines how to weigh different criteria. Our proposed methodology has been implemented in a web-based decision support system, and tested for its ability to identify the most important patents in the production of 22 chemicals.In Chapter 4, we analyze a collection of scientific literature using a technique in unsupervised data analytics, called "topic modeling." We use a state-of-the-art topic model to study the topic coverage in Computers & Chemical Engineering. This topic model uses the nonnegative matrix factorization technique to uncover the latent semantic structure (topics) in the documents of the journal. The results show that the journal has expanded its original four topics to 18 topics nowadays. Since 2000, the supply chain topic has grown rapidly and become a popular research area.In Chapter 5, we tackle a supervised learning task. We propose a modeling framework that uses derivative-free optimization to optimize document classification models with imbalanced datasets. Document classification models are considered to be black-box systems due to their hyperparameters. Derivative-free optimization is a well-suited technique for optimizing the performance of black-box systems. The nature of data imbalance affects a model's performance in two ways, both of which we address in our proposed modeling framework. To address the first effect, we maximize the smallest F1 prediction accuracy, and to address the second effect, we maximize the model prediction accuracy. Applied to a real dataset from Linde, our methodology resulted in up to 61% improvements of manual classification schemes.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)