Chulalongkorn University Theses and Dissertations (Chula ETD)

การปรับให้สอดคล้องพร้อมกับการค้นหาความผิดพลาดอย่างเห็นได้ชัดของข้อมูล โดยใช้วิธีโรบัสฟังก์ชั่นสำหรับมาตรวัดปริมาณการซื้อ-ขายก๊าซเอทิลีน

Other Title (Parallel Title in Other Language of ETD)

Simultaneous data reconciliation and gross error detection using robust function method for vapor ehtylene custody meter

Year (A.D.)

2009

Document Type

Thesis

First Advisor

สุรเทพ เขียวหอม

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมเคมี

DOI

10.58837/CHULA.THE.2009.1368

Abstract

การวัดและข้อมูลที่ได้จากเครื่องมือวัดในโรงงานอุตสาหกรรม โดยปกติจะมีความคลาดเคลื่อนแฝงอยู่เสมอ ซึ่งความคลาดเคลื่อนนั้นเป็นผลมาจาก ความผิดพลาดชัดเจน (Gross errors) และความผิดพลาดแบบสุ่ม (Random errors) ดังนั้นการปรับให้สอดคล้องของข้อมูล (Data reconciliation) จึงเป็นขั้นตอนที่สำคัญ ก่อนที่จะนำข้อมูลที่วัดได้ไปตั้งเป็นค่าเป้าหมายในการควบคุม หรืออ้างอิงพฤติกรรมของระบบ งานวิจัยนี้มุ่งเน้นให้เห็นถึงประโยชน์ของการประยุกต์ใช้ การปรับให้สอดคล้องของข้อมูลเพื่อลดความคลาดเคลื่อน และค้นหาตัวแทนของข้อมูลที่ดีที่สุดในภาวะคงตัว (Steady state) ของมาตรวัดอัตราการไหลเชิงมวล ด้วยวิธีการแบบคงทน (Robust function method) โดยระเบียบวิธี(algorithm) ที่ถูกนำมาใช้การประมาณค่าควรจะเป็นสูงสุด (maximum likelihood estimated) ได้แก่ วิธีการกระจายแบบปกติ(normal distribution) วิธีการกระจายแบบ Contaminated normal วิธีการกระจายแบบ Lorentzian และ วิธี Hampel’s redescending M-estimator จากขนาดข้อมูลจำนวน 60, 120, 240 และ 360 ข้อมูล จากผลการทดลองพบว่า การปรับให้สอดคล้องด้วยวิธีการกระจายแบบปกติ จะให้ค่าความคลาดเคลื่อนสูงที่ขนาดข้อมูลจำนวน 60 ข้อมูลและดีขึ้นตามลำดับเมื่อขนาดข้อมูลจำนวนเพิ่มมากขึ้น ในขณะที่การปรับให้สอดคล้องด้วยวิธีการกระจายแบบ Contaminated normal วิธีการกระจายแบบ Lorentzian และ วิธี Hampel’s redescending M-estimator ให้ค่าความคลาดเคลื่อนน้อยและใกล้เคียงกัน

Other Abstract (Other language abstract of ETD)

Measurement and data from instrument measured in industry normally got errors contaminated as the error was a result of gross errors and random errors thus data reconciliation would be very important step before the measured data was used as control set point or system reference. In this research, the benefits of data reconciliation applied to reduce error and search an optimum data in steady state of mass flow rate meter as robust function method. The algorithm, such as normal distribution, contaminated normal distribution function, Lorentzian distribution function and Hampel’s redescending M-estimator, were used to maximize likelihood from the size of 60, 120,240 and 360 data. The research showed that high errors was found when use normal distribution algorithm in the 60 data size then decrease when more data size. While the errors from others algorithm in every researched data size are less and stable.

Link to Full Text

Share

COinS