Dissertation/ Thesis
View in EDS

A data-driven intelligent decision support framework for process operation management. An application to gas turbine process

Bibliographic Details
Title: A data-driven intelligent decision support framework for process operation management. An application to gas turbine process
Authors: Bagherzade Ghazvini, Mina
Contributors: University/Department: Universitat Politècnica de Catalunya. Departament de Ciències de la Computació
Thesis Advisors: Sànchez-Marrè, Miquel, Angulo Bahón, Cecilio
Source: TDX (Tesis Doctorals en Xarxa)
Publisher Information: Universitat Politècnica de Catalunya, 2025.
Publication Year: 2025
Physical Description: 215 p.
Subject Terms: Industrial Process Management, Predictive Maintenance, Operational Data Preprocessing, DataDriven Decision Making, Clustering Techniques, Operational Mode Analysis, Transition Modelling, Machine Learning, Pattern Detection, Gas Turbines., Gestió de Processos Industrials, Manteniment Predictiu, Pre-processament de Dades Operatives, Presa de Decisions Basada en Dades, Tècniques de Clustering, Anàlisi de Mode d’Operació, Modelatge de Transicions, Aprenentatge Automàtic, Detecció de Patrons, Turbines de Gas, Gestión de Procesos Industriales, Mantenimiento Predictivo, Preprocesamiento de Datos de Operación, Toma de Decisiones Basada en Datos, Técnicas de Clustering, Análisis de Modos de Operación, Modelado de Transiciones, Aprendizaje Automático, Detección de Patrones, Turbinas de Gas, Àrees temàtiques de la UPC::Informàtica, Àrees temàtiques de la UPC::Enginyeria mecànica, 004 - Informàtica, 621 - Enginyeria mecànica en general. Tecnologia nuclear. Electrotècnia. Maquinària
Description: (English) This thesis presents a data-driven framework for enhancing the management and maintenance of industrial processes, exemplified through a case study involving gas turbines. The research focuses on several key areas: preprocessing operational data, identifying operational modes, analysing transitions between these modes, and detecting patterns for predictive maintenance. The research proposal begins with detailed data preprocessing to ensure the quality and usability of data. It then introduces methods for automatically recognising distinct operational modes using an ensemble of clustering techniques The research also explores the modelling of transitions between these operational states, capturing the dynamic nature of industrial processes. Furthermore, the Cluster-based Matrix Profile method is proposed to detect significant operational patterns that indicate potential issues or efficiencies, essential for developing predictive maintenance strategies. Overall, the framework developed in this thesis offers a systematic approach to improve decisionmaking, reliability, and efficiency in managing industrial processes. Although initially applied to gas turbines, this framework holds the potential for broader applications across various industrial systems.
Description (Translated): (Català) Aquesta tesi presenta un marc de treball basat en dades per millorar la gestió i el manteniment de processos industrials, exemplificat a través d’un cas d’estudi que involucra turbines de gas. La recerca se centra en diverses àrees clau: pre-processament de dades d’operació, identificació de modes d’operació, anàlisi de transicions entre aquests modes d’operació i detecció de patrons per manteniment predictiu. La proposta de recerca comença amb un pre-processament detallat de les dades per assegurar-ne la seva qualitat i usabilitat. A continuació, introdueix mètodes per reconèixer automàticament modes d’operació diferents utilitzant un conjunt de tècniques d’agrupament (“clustering”). La recerca també explora el modelatge de transicions entre aquests estats d’operació, tot i capturant la naturalesa dinàmica dels processos industrials. A més a més, es proposa el mètode del “Perfil de Matriu basat en Clústers” per detectar patrons d’operació significatius que indiquen problemes potencials o eficiències, essencial per desenvolupar estratègies de manteniment predictiu. En general, el marc desenvolupat en aquesta tesi ofereix un enfocament sistemàtic per millorar la presa de decisions, la fiabilitat i l’eficiència en la gestió de processos industrials. Encara que inicialment aplicat a turbines de gas, aquest marc té un ampli potencial d’aplicació a diversos sistemes industrials.
(Español) Esta tesis presenta un marco de trabajo basado en datos para mejorar la gestión y mantenimiento de procesos industriales, ejemplificado a través de un caso de estudio que involucra turbinas de gas. La investigación se centra en varias áreas clave: preprocesamiento de datos de operación, identificación de modos de operación, análisis de transiciones entre estos modos de operación y detección de patrones para mantenimiento predictivo. La propuesta de investigación comienza con un preprocesamiento detallado de los datos para asegurar su calidad y usabilidad. A continuación, presenta métodos para reconocer automáticamente modos de operación distintos utilizando un conjunto de técnicas de agrupación (“clustering”). La investigación también explora el modelado de transiciones entre estos estados de operación, capturando la naturaleza dinámica de los procesos industriales. Además, se propone el método del “Perfil de Matriz basado en Clústers” para detectar patrones de operación significativos que indican problemas potenciales o eficiencias, esencial para desarrollar estrategias de mantenimiento predictivo. En general, el marco desarrollado en esta tesis ofrece un enfoque sistemático para mejorar la toma de decisiones, la fiabilidad y la eficiencia en la gestión de procesos industriales. Aunque inicialmente aplicado a turbinas de gas, este marco tiene un amplio potencial de aplicación a diversos sistemas industriales.
DOCTORAT EN INTEL·LIGÈNCIA ARTIFICIAL (Pla 2012)
Document Type: Dissertation/Thesis
File Description: application/pdf
Language: English
DOI: 10.5821/dissertation-2117-449005
Access URL: http://hdl.handle.net/10803/696109
https://dx.doi.org/10.5821/dissertation-2117-449005
Rights: ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Accession Number: edstdx.10803.696109
Database: TDX
FullText Text:
  Availability: 0
CustomLinks:
  – Url: http://hdl.handle.net/10803/696109#
    Name: EDS - TDX (ns324271)
    Category: fullText
    Text: View record in TDX
Header DbId: edstdx
DbLabel: TDX
An: edstdx.10803.696109
RelevancyScore: 1423
AccessLevel: 3
PubType: Dissertation/ Thesis
PubTypeId: dissertation
PreciseRelevancyScore: 1423.46960449219
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: A data-driven intelligent decision support framework for process operation management. An application to gas turbine process
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Bagherzade+Ghazvini%2C+Mina%22">Bagherzade Ghazvini, Mina</searchLink>
– Name: Author
  Label: Contributors
  Group: Au
  Data: University/Department: Universitat Politècnica de Catalunya. Departament de Ciències de la Computació
– Name: Author
  Label: Thesis Advisors
  Group: Au
  Data: Sànchez-Marrè, Miquel<br />Angulo Bahón, Cecilio
– Name: TitleSource
  Label: Source
  Group: Src
  Data: TDX (Tesis Doctorals en Xarxa)
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Universitat Politècnica de Catalunya, 2025.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2025
– Name: PhysDesc
  Label: Physical Description
  Group: PhysDesc
  Data: 215 p.
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Industrial+Process+Management%22">Industrial Process Management</searchLink><br /><searchLink fieldCode="DE" term="%22Predictive+Maintenance%22">Predictive Maintenance</searchLink><br /><searchLink fieldCode="DE" term="%22Operational+Data+Preprocessing%22">Operational Data Preprocessing</searchLink><br /><searchLink fieldCode="DE" term="%22DataDriven+Decision+Making%22">DataDriven Decision Making</searchLink><br /><searchLink fieldCode="DE" term="%22Clustering+Techniques%22">Clustering Techniques</searchLink><br /><searchLink fieldCode="DE" term="%22Operational+Mode+Analysis%22">Operational Mode Analysis</searchLink><br /><searchLink fieldCode="DE" term="%22Transition+Modelling%22">Transition Modelling</searchLink><br /><searchLink fieldCode="DE" term="%22Machine+Learning%22">Machine Learning</searchLink><br /><searchLink fieldCode="DE" term="%22Pattern+Detection%22">Pattern Detection</searchLink><br /><searchLink fieldCode="DE" term="%22Gas+Turbines%2E%22">Gas Turbines.</searchLink><br /><searchLink fieldCode="DE" term="%22Gestió+de+Processos+Industrials%22">Gestió de Processos Industrials</searchLink><br /><searchLink fieldCode="DE" term="%22Manteniment+Predictiu%22">Manteniment Predictiu</searchLink><br /><searchLink fieldCode="DE" term="%22Pre-processament+de+Dades+Operatives%22">Pre-processament de Dades Operatives</searchLink><br /><searchLink fieldCode="DE" term="%22Presa+de+Decisions+Basada+en+Dades%22">Presa de Decisions Basada en Dades</searchLink><br /><searchLink fieldCode="DE" term="%22Tècniques+de+Clustering%22">Tècniques de Clustering</searchLink><br /><searchLink fieldCode="DE" term="%22Anàlisi+de+Mode+d%27Operació%22">Anàlisi de Mode d’Operació</searchLink><br /><searchLink fieldCode="DE" term="%22Modelatge+de+Transicions%22">Modelatge de Transicions</searchLink><br /><searchLink fieldCode="DE" term="%22Aprenentatge+Automàtic%22">Aprenentatge Automàtic</searchLink><br /><searchLink fieldCode="DE" term="%22Detecció+de+Patrons%22">Detecció de Patrons</searchLink><br /><searchLink fieldCode="DE" term="%22Turbines+de+Gas%22">Turbines de Gas</searchLink><br /><searchLink fieldCode="DE" term="%22Gestión+de+Procesos+Industriales%22">Gestión de Procesos Industriales</searchLink><br /><searchLink fieldCode="DE" term="%22Mantenimiento+Predictivo%22">Mantenimiento Predictivo</searchLink><br /><searchLink fieldCode="DE" term="%22Preprocesamiento+de+Datos+de+Operación%22">Preprocesamiento de Datos de Operación</searchLink><br /><searchLink fieldCode="DE" term="%22Toma+de+Decisiones+Basada+en+Datos%22">Toma de Decisiones Basada en Datos</searchLink><br /><searchLink fieldCode="DE" term="%22Técnicas+de+Clustering%22">Técnicas de Clustering</searchLink><br /><searchLink fieldCode="DE" term="%22Análisis+de+Modos+de+Operación%22">Análisis de Modos de Operación</searchLink><br /><searchLink fieldCode="DE" term="%22Modelado+de+Transiciones%22">Modelado de Transiciones</searchLink><br /><searchLink fieldCode="DE" term="%22Aprendizaje+Automático%22">Aprendizaje Automático</searchLink><br /><searchLink fieldCode="DE" term="%22Detección+de+Patrones%22">Detección de Patrones</searchLink><br /><searchLink fieldCode="DE" term="%22Turbinas+de+Gas%22">Turbinas de Gas</searchLink><br /><searchLink fieldCode="DE" term="%22Àrees+temàtiques+de+la+UPC%3A%3AInformàtica%22">Àrees temàtiques de la UPC::Informàtica</searchLink><br /><searchLink fieldCode="DE" term="%22Àrees+temàtiques+de+la+UPC%3A%3AEnginyeria+mecànica%22">Àrees temàtiques de la UPC::Enginyeria mecànica</searchLink><br /><searchLink fieldCode="DE" term="%22004+-+Informàtica%22">004 - Informàtica</searchLink><br /><searchLink fieldCode="DE" term="%22621+-+Enginyeria+mecànica+en+general%2E+Tecnologia+nuclear%2E+Electrotècnia%2E+Maquinària%22">621 - Enginyeria mecànica en general. Tecnologia nuclear. Electrotècnia. Maquinària</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: (English) This thesis presents a data-driven framework for enhancing the management and maintenance of industrial processes, exemplified through a case study involving gas turbines. The research focuses on several key areas: preprocessing operational data, identifying operational modes, analysing transitions between these modes, and detecting patterns for predictive maintenance. The research proposal begins with detailed data preprocessing to ensure the quality and usability of data. It then introduces methods for automatically recognising distinct operational modes using an ensemble of clustering techniques The research also explores the modelling of transitions between these operational states, capturing the dynamic nature of industrial processes. Furthermore, the Cluster-based Matrix Profile method is proposed to detect significant operational patterns that indicate potential issues or efficiencies, essential for developing predictive maintenance strategies. Overall, the framework developed in this thesis offers a systematic approach to improve decisionmaking, reliability, and efficiency in managing industrial processes. Although initially applied to gas turbines, this framework holds the potential for broader applications across various industrial systems.
– Name: Abstract
  Label: Description (Translated)
  Group: Ab
  Data: (Català) Aquesta tesi presenta un marc de treball basat en dades per millorar la gestió i el manteniment de processos industrials, exemplificat a través d’un cas d’estudi que involucra turbines de gas. La recerca se centra en diverses àrees clau: pre-processament de dades d’operació, identificació de modes d’operació, anàlisi de transicions entre aquests modes d’operació i detecció de patrons per manteniment predictiu. La proposta de recerca comença amb un pre-processament detallat de les dades per assegurar-ne la seva qualitat i usabilitat. A continuació, introdueix mètodes per reconèixer automàticament modes d’operació diferents utilitzant un conjunt de tècniques d’agrupament (“clustering”). La recerca també explora el modelatge de transicions entre aquests estats d’operació, tot i capturant la naturalesa dinàmica dels processos industrials. A més a més, es proposa el mètode del “Perfil de Matriu basat en Clústers” per detectar patrons d’operació significatius que indiquen problemes potencials o eficiències, essencial per desenvolupar estratègies de manteniment predictiu. En general, el marc desenvolupat en aquesta tesi ofereix un enfocament sistemàtic per millorar la presa de decisions, la fiabilitat i l’eficiència en la gestió de processos industrials. Encara que inicialment aplicat a turbines de gas, aquest marc té un ampli potencial d’aplicació a diversos sistemes industrials.<br />(Español) Esta tesis presenta un marco de trabajo basado en datos para mejorar la gestión y mantenimiento de procesos industriales, ejemplificado a través de un caso de estudio que involucra turbinas de gas. La investigación se centra en varias áreas clave: preprocesamiento de datos de operación, identificación de modos de operación, análisis de transiciones entre estos modos de operación y detección de patrones para mantenimiento predictivo. La propuesta de investigación comienza con un preprocesamiento detallado de los datos para asegurar su calidad y usabilidad. A continuación, presenta métodos para reconocer automáticamente modos de operación distintos utilizando un conjunto de técnicas de agrupación (“clustering”). La investigación también explora el modelado de transiciones entre estos estados de operación, capturando la naturaleza dinámica de los procesos industriales. Además, se propone el método del “Perfil de Matriz basado en Clústers” para detectar patrones de operación significativos que indican problemas potenciales o eficiencias, esencial para desarrollar estrategias de mantenimiento predictivo. En general, el marco desarrollado en esta tesis ofrece un enfoque sistemático para mejorar la toma de decisiones, la fiabilidad y la eficiencia en la gestión de procesos industriales. Aunque inicialmente aplicado a turbinas de gas, este marco tiene un amplio potencial de aplicación a diversos sistemas industriales.<br />DOCTORAT EN INTEL·LIGÈNCIA ARTIFICIAL (Pla 2012)
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Dissertation/Thesis
– Name: Format
  Label: File Description
  Group: SrcInfo
  Data: application/pdf
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.5821/dissertation-2117-449005
– Name: URL
  Label: Access URL
  Group: URL
  Data: <link linkTarget="URL" linkTerm="http://hdl.handle.net/10803/696109" linkWindow="_blank">http://hdl.handle.net/10803/696109</link><br /><link linkTarget="URL" linkTerm="https://dx.doi.org/10.5821/dissertation-2117-449005" linkWindow="_blank">https://dx.doi.org/10.5821/dissertation-2117-449005</link>
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edstdx.10803.696109
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edstdx&AN=edstdx.10803.696109
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.5821/dissertation-2117-449005
    Languages:
      – Text: English
    PhysicalDescription:
      Pagination:
        PageCount: 215
    Subjects:
      – SubjectFull: Industrial Process Management
        Type: general
      – SubjectFull: Predictive Maintenance
        Type: general
      – SubjectFull: Operational Data Preprocessing
        Type: general
      – SubjectFull: DataDriven Decision Making
        Type: general
      – SubjectFull: Clustering Techniques
        Type: general
      – SubjectFull: Operational Mode Analysis
        Type: general
      – SubjectFull: Transition Modelling
        Type: general
      – SubjectFull: Machine Learning
        Type: general
      – SubjectFull: Pattern Detection
        Type: general
      – SubjectFull: Gas Turbines.
        Type: general
      – SubjectFull: Gestió de Processos Industrials
        Type: general
      – SubjectFull: Manteniment Predictiu
        Type: general
      – SubjectFull: Pre-processament de Dades Operatives
        Type: general
      – SubjectFull: Presa de Decisions Basada en Dades
        Type: general
      – SubjectFull: Tècniques de Clustering
        Type: general
      – SubjectFull: Anàlisi de Mode d’Operació
        Type: general
      – SubjectFull: Modelatge de Transicions
        Type: general
      – SubjectFull: Aprenentatge Automàtic
        Type: general
      – SubjectFull: Detecció de Patrons
        Type: general
      – SubjectFull: Turbines de Gas
        Type: general
      – SubjectFull: Gestión de Procesos Industriales
        Type: general
      – SubjectFull: Mantenimiento Predictivo
        Type: general
      – SubjectFull: Preprocesamiento de Datos de Operación
        Type: general
      – SubjectFull: Toma de Decisiones Basada en Datos
        Type: general
      – SubjectFull: Técnicas de Clustering
        Type: general
      – SubjectFull: Análisis de Modos de Operación
        Type: general
      – SubjectFull: Modelado de Transiciones
        Type: general
      – SubjectFull: Aprendizaje Automático
        Type: general
      – SubjectFull: Detección de Patrones
        Type: general
      – SubjectFull: Turbinas de Gas
        Type: general
      – SubjectFull: Àrees temàtiques de la UPC::Informàtica
        Type: general
      – SubjectFull: Àrees temàtiques de la UPC::Enginyeria mecànica
        Type: general
      – SubjectFull: 004 - Informàtica
        Type: general
      – SubjectFull: 621 - Enginyeria mecànica en general. Tecnologia nuclear. Electrotècnia. Maquinària
        Type: general
    Titles:
      – TitleFull: A data-driven intelligent decision support framework for process operation management. An application to gas turbine process
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Bagherzade Ghazvini, Mina
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 04
              M: 11
              Type: published
              Y: 2025
ResultId 1