A multipurpose framework for heterogeneous sensor data fusion in industrial environments

Abstract

Data have always been pivotal to the development, management, and optimization of processes and products within the Chemical Processing Industry (CPI). The intrinsic heterogeneity of data, along with the computational technologies for transforming those into valuable insights, have evolved significantly over time. In the domain of Process Systems Engineering (PSE), devoted to the design, planning, and operation of industrial processes, data fusion emerges as an important component for handling data intensive environments. It enables the integration of heterogeneous sources, enhancing information quality and leading to more comprehensive, accurate, and insightful analyses of the systems under examination, and consequently more efficient decision-making processes. Thus, the primary objective of this thesis is to develop and explore data fusion methodologies within the PSE domain and put forward a robust and integrated heterogeneous data fusion pipeline.The integration of multiple sources within a data fusion approach can significantly improve the quality of the extracted information. This work address various dimensions of industrial data heterogeneity, focusing on pervasive aspects such as multimodality, different information quality, disparate and irregular acquisition frequencies, non-linearity, and non-stationarity. The proposed methods address these issues, culminating in a systematized modular approach for heterogeneous data fusion for redundant sources, including information quality tracking methods.During the progress of the research work, new research directions have emerged. One such direction involves exploring effective strategies for integrating cooperative and complementary data sources. Additionally, there is an open challenge regarding consistent information quality monitoring in such complex scenarios. These directions are opportunities for further exploration and progress in the PSE field.

Os dados desempenham um papel fundamental no desenvolvimento, gestão e otimização de processos e produtos nas indústrias de processamento químico. A complexidade intrínseca dos dados tal como as tecnologias computacionais necessárias para a sua transformação evoluíram consideravelmente ao longo do tempo. No âmbito da engenharia de processos e sistemas, dedicada ao projeto, planeamento e operação de processos industriais, a fusão de dados emerge como uma componente importante para extração de informação em ambientes com uso intensivo de dados. A fusão de dados permite a integração de fontes de dados heterogéneas, melhorando a qualidade da informação e proporcionando estimativas mais completas, precisas e criteriosas dos sistemas considerados, e consequentemente um melhor processo de tomada de decisão. Assim, os objetivos principais desta tese consistem em explorar aspetos fundamentais para a fusão de dados e desenvolver uma pipeline robusta de fusão de dados heterogéneos no contexto das indústrias de processamento químico.A integração de múltiplas fontes num algoritmo de fusão de dados resulta numa melhoria significativa na qualidade da informação extraída. Esta tese aborda diversas dimensões da heterogeneidade dos dados, necessárias para a fusão de dados, concentrando-se em aspetos cada vez mais comuns na industria, tais como a multimodalidade, diversidade na qualidade da informação, frequências de aquisição díspares e irregulares, bem como a não-linearidade e não-estacionariedade dos processos. Os métodos propostos procuram solucionar as questões encontradas, culminando numa abordagem compreensiva e sistemática de fusão de dados heterogéneos para fontes redundantes, incluindo métodos assosicados de monitorização da qualidade de informação.Durante a realização das atividades de investigação, surgiram também novas direções de investigação. Uma dessas direções envolve a exploração de estratégias eficazes para a integração de fontes de dados cooperativas e complementares. Por outro lado, a monitorização da qualidade da informação em cenários complexos constitui outro tópico a considerar. Estas direções proporcionam novas oportunidades de progresso científico e tecnológico a explorar no campo da engenharia de processos e sistemas.