Wahiba Bounoua har vært knyttet til ph.d.-programmet ved Teknologi og realfag, med spesialisering i ingeniørvitenskap, fagområde mekatronikk.
- Prøveforelesning starter kl. 10.15
- Disputas starter kl. 12.15
Tema for prøveforelesningen: "Hybrid semi-empirical modelling: combining physics-inspired/phenomenological and data-driven modelling: Approaches and potential industrial application"
Disputasleder: Jan Henriksen
Evalueringskomite:
- Første opponent: Professor Adil Rasheed, NTNU
- Andre opponent: Dr. Lidia Auret, Stone Three Digital, Stellenbosch University, Sør-Afrika
- Komiteadministrator: Professor Souman Rudra, Universitetet i Agder
Veiledere i doktorgradsarbeidet:
- Hovedveileder: Førsteamanuensis Muhammad Faisal Aftab, Universitetet i Agder
- Biveileder: Professor Christian Omlin, Universitetet i Agder
Sammendrag
I Industri 4.0-æraen, hvor automatisering og digitalisering forvandler industrielle landskap, er det avgjørende å opprettholde optimal styringsytelse i industrielle styringssystemer. Disse systemene er ryggraden i effektiv, pålitelig og sikker drift, og påvirker direkte anleggslønnsomhet, produksjonskvalitet og miljømessig bærekraft.
Den økende kompleksiteten i industrielle styringssystemer og inkonsekvente installasjonspraksiser for regulatorer fører imidlertid ofte til forverring av kontrollsløyfeytelsen, som manifesterer seg som oscillasjoner, avvik fra settpunkt og unormale responser. Dette nødvendiggjør utvikling og implementering av robuste strategier for overvåking av regulator-ytelse.
Denne studien undersøker grundig utfordringene og løsningene knyttet til forverring av kontrollsløyfe-ytelse, med spesiell vekt på deteksjon og analyse av oscillasjoner. Det understrekes spesielt viktigheten av å bruke avanserte signalbehandlingsteknikker for å oppnå effektiv støyreduksjon og trekke ut kjennetegn. Blant disse teknikkene har online detrended fluctuation analysis og forbedret empirisk wavelet transform, inkludert dens multivariate variant kjent som forbedret utvidet empirisk wavelet transform, spesiell betydning. Videre fremhever studien betydningen av datadrevet overvåking med maskinlæring og dataanalyse for å oppdage avvik i sanntid og muliggjøre rask respons.
Med blikk mot fremtiden identifiserer arbeidet viktige områder for videre forskning og utvikling. Dette inkluderer utvikling av mer sofistikerte algoritmer for nøyaktig og rettidig deteksjon av ytelsesproblemer, integrering av ulike datadrevne tilnærminger for forbedret feildeteksjonsanalyse uavhengig av skiftende prosessdynamikk, og utvikling av standardiserte metoder for implementering av avanserte overvåkingsteknikker i ulike industrielle omgivelser.
Ved å ta tak i utfordringene med forverring av kontrollsløyfer og implementere avanserte overvåkingsteknikker kan industrien oppnå betydelige forbedringer i produktivitet, sikkerhet og bærekraft. Dette vil gjøre at industrielle styringssystemer kan forbli drivkraften bak effektiv og pålitelig drift i det stadig skiftende landskapet til Industri 4.0.
Slik følger du disputasen digitalt
Disputasen er åpen for alle. Meld deg på via denne Zoom-lenken.
Du logger deg på tidligst 10 minutter før oppgitt tid. Etter dette kan du når som helst forlate og komme inn igjen i disputasen.
Opponent ex auditorio:
Tidsfrist for å stille spørsmål er senest i løpet av pausen mellom opponentene. Spørsmål ex auditorio fra publikum kan sendes til Emma Elisabeth Horneman.