Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/53122
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสุรเทพ เขียวหอม-
dc.contributor.authorเพ็ญรุ้ง กลิ่นลำดวน-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2017-06-24T10:14:24Z-
dc.date.available2017-06-24T10:14:24Z-
dc.date.issued2551-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/53122-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2551en_US
dc.description.abstractในการทำออนไลน์ออพติไมเซชัน แบบจำลองกระบวนการที่มีความแม่นยำและข้อมูลการวัดที่มีความเที่ยงตรงมีความสำคัญอย่างยิ่ง โดยค่าตัวแปรกระบวนการที่ได้จากการวัดจะถูกใช้ เพื่อหาค่าที่แท้จริงของตัวแปรกระบวนการ โดยการปรับให้สอดคล้องและการตรวจจับความผิดพลาดชักเจนของข้อมูล งานวิจัยนี้เรานำการปรับให้สอดคล้องของข้อมูลประยุกต์ใช้กับหออบแห้งแบบพ่นฝอยสำหรับกระบวนการผลิตผงซักฟอกที่สภาวะคงตัว ซึ่งจะศึกษาวิธีการปรับให้สอดคล้องของข้อมูล 4 วิธีคือ Weighted Least-Square, Contaminated Normal, Lorentzian distriution function และ Hampel's redescending M-estimator เพื่อเปรียบเทียบประสิทธิภาพ นอกจากนั้นยังศึกษาการสร้างปัญหาออพติไมเซชันของการปรับให้สอดคล้องของข้อมูลที่ใช้วิธีการแยกปัญหาการปรับให้สอดคล้อง โดยเปรียบเทียบผลที่ได้จากการสร้างปัญหาออพติไมเซชันของการปรับให้สอดคล้องของข้อมูลแบบดั้งเดิมด้วยสมการสมดุลมวลสารและพลังงาน กับผลที่ได้จากวิธีการลดความซับซ้อนของปัญหาโดยแยกปัญหาการปรับให้สอดคล้องแบบดั้งเดิมเป็นปัญหาการปรับให้สอดคล้องด้วยข้อจำกัดการอนุรักษ์มวลสาร และปัญญหาการปรับให้สอดคล้องด้วยข้อจำกัดการอนุรักษ์พลังงาน จากผลการทดลองพบว่าวิธีการลดความซับซ้อนของปัญหาให้ผลที่ดีกว่า นอกจากนั้นยังใช้เวลาในการแก้ปัญหาการปรับให้สอดคล้องของข้อมูลน้อยกว่าปัญหาการปรับให้สอดคล้องของข้อมูลแบบดั้งเดิมen_US
dc.description.abstractalternativeThe on-line optimization has relies on an accuracy of the process model and the quality of the measurement data. The measurement data are used to determine the real process variables by using data reconciliation and gross error detection. In this work, we apply data reconciliation in spray drying tower for detergent production process at steady state condition. Four data reconciliation algorithms: Weighted Least-Square, Contaminated Normal, Lorentzian distribution function and Hampel’s redescending M-estimator, are investigated to compare its efficiency. Moreover, We study the formulation of optimization problem of data reconciliation by using decomposition method. We compare the results obtained from original data reconciliation optimization problem with mass and energy conservation constraints with the results obtained from problem decomposition of the original problem into data reconciliation optimization problem with mass conservation constraints and data reconciliation optimization problem with energy conservation constraints. It was found that the problem decomposition method yields better results. Moreover, computational time required to solve the decomposed data reconciliation problem is smaller than that of the original problem.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2008.633-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectผงซักฟอก -- การผลิตen_US
dc.subjectอุตสาหกรรมผงซักฟอกen_US
dc.subjectการอบแห้งแบบพ่นกระจายen_US
dc.subjectWashing powders -- Manufactureen_US
dc.subjectSpray dryingen_US
dc.titleการประยุกต์ใช้การปรับให้สอดคล้องและการตรวจจับความผิดพลาดชัดเจนของข้อมูลสำหรับหออบแห้งแบบพ่นฝอยในกระบวนการผลิตผงซักฟอกen_US
dc.title.alternativeApplication of data reconciliaton and gross error detection for spray drying tower in detergent producton processen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมเคมีen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorsoorathep.k@eng.chula.ac.th-
dc.identifier.DOI10.14457/CU.the.2008.633-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
penrung_kl_front.pdf1.14 MBAdobe PDFView/Open
penrung_kl_ch1.pdf356.44 kBAdobe PDFView/Open
penrung_kl_ch2.pdf346.34 kBAdobe PDFView/Open
penrung_kl_ch3.pdf2.33 MBAdobe PDFView/Open
penrung_kl_ch4.pdf699.15 kBAdobe PDFView/Open
penrung_kl_ch5.pdf245.25 kBAdobe PDFView/Open
penrung_kl_back.pdf1.16 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.