IVL Swedish Environmental Research Institute

ivl.se
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Datadrivna metoder för att detektera avvikande mätvärden inom dammsäkerhet
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
IVL Swedish Environmental Research Institute.
Show others and affiliations
2020 (Swedish)Report (Other academic)
Abstract [sv]

Vi gör en litteraturstudie av state of the art i dammsäkerhet och tar reda på vad som har gjorts i andra länder. Vi tittar även på teorier och metoder som inte ännu har använts i dammsäkerhet.

Det är lätt att komma igång med datadriven analys med hjälp av färdiga verktygslådor som finns öppet tillgängliga. Vi diskuterar därför kring vanliga fallgropar vid dataanalys och hur man undviker dem.

Mycket av den vetenskapliga litteraturen inom datadriven dammsäkerhet handlar om tillämpning av maskininlärningsmetoder. Den struntar ofta i förbehandling och antar att alla sensorer fungerar. Vi summerar resultat om förbehandling av sensordata och hur avvikelser kan detekteras, och ser att här finns ett gap i dammsäkerhetslitteraturen.

Vi ser att väl förstådda och utredda metoder som PCA och PLS, tidsseriemodellering, SPC/MSPC och neurala nätverk är lämpliga för vidare studier.

Med stöd av tiotals års erfarenhet av forskning och utveckling i datadrivna metoder ger vi rekommendationer för hur ett arbete för att implementera datadrivna metoder för att höja dammsäkerheten i Sverige skulle kunna utformas.

Vi ser att datadrivna metoder för dammsäkerhet är redo att implementeras i Sverige, och bedömer att i kombination med väl utformad instrumentering och rätt givarplacering kan de bidra till väsentligt höjd dammsäkerhet.

Abstract [sv]

Rapporten handlar om hur sensorer och datadrivna metoder för analys av sensordata kan användas för att höja säkerheten på svenska dammar. Detta genom att fånga upp avvikande tillstånd hos dammar eller värden från givare monterade vid/intill dammar. Vi ser att datadrivna metoder för dammsäkerhet är redo att implementeras i Sverige, och bedömer att i kombination med väl utformad instrumentering och rätt givarplacering kan de bidra till väsentligt höjd dammsäkerhet.

Place, publisher, year, edition, pages
IVL Svenska Miljöinstitutet, 2020.
Series
B report ; B2375
Keywords [sv]
Dammsäkerhet
Identifiers
URN: urn:nbn:se:ivl:diva-2803ISBN: 978-91-7883-149-4 OAI: oai:DiVA.org:ivl-2803DiVA, id: diva2:1552249
Available from: 2021-05-05 Created: 2021-05-05 Last updated: 2021-05-05Bibliographically approved

Open Access in DiVA

fulltext(4536 kB)204 downloads
File information
File name FULLTEXT01.pdfFile size 4536 kBChecksum SHA-512
176fd8725e2e7115a5a3b25903669772410d04b1d2760eb6a917efd8e6e7c255affca368e0a69c4be19d795e065d2ecf1779938ead760193f6936fa509b93d1e
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Johansson, TorbjörnFridén, HåkanSamuelsson, OscarBjörk, Anders
By organisation
IVL Swedish Environmental Research Institute

Search outside of DiVA

GoogleGoogle Scholar
Total: 204 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 54 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf