000			07152namaa22004211i 4500
003			OSt
005			20250519102204.0
008			250423s2024 |||a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _beng
049			_aDeposit
082	0	4	_a006.31
092			_a006.31 _221
097			_aPh.D
099			_aCai01.18.07.Ph.D.2024.Mo.U
100	0		_aMostafa Ahmed Ibrahim Ammar, _epreparation.
245	1	0	_aUsing modern machine learning techniques in industrial quality : _bAn applied study on petrochemical industry / _cby Mostafa Ahmed Ibrahim Ammar ; Supervision Prof. Mohamed Reda Abonazel, Prof. Mahmoud Abdel-Hamid Abdel-Fattah.
246	1	5	_aاستخدام التقنيات الحديثة لتعلم الآلة في الجودة الصناعية : _bدراسة تطبيقية على صناعة البتروكيماويات /
264		0	_c2024.
300			_a96 leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2024.
504			_aBibliography: pages 88-96.
520			_aMachine learning has a significant role in the petrochemical’s industrial quality, whether for process control or infrastructure maintenance, so in this thesis we present two case studies for the role of machine learning techniques in industrial quality. In the first one, we proposed alternatives for determining the phosphate content in boiler water by using statistical and machine learning techniques instead of the traditional chemical analysis by using chemicals. We conducted five models based on ordinary least square (OLS) regression, robust regression (M, S, MM), and neural network (NN) methods. We found that the robust regression methods are more efficient than the OLS and NN methods because they had a minimum error in the estimation. Moreover, we found that the main variables that predict the concentration of phosphate in boiler water are 1) conductivity of boiler steam condensate, 2) conductivity of boiler blow down, and 3) PH of boiler blow down. In the second one, we developed prediction models based on random forest regression, support vector regression, and linear regression algorithms for estimating the refractive index (n) and energy gap (E) of a polyvinyl alcohol nano doping. The random forest regression model, which can predict the refractive index of a polyvinyl alcohol nano doping using the energy gap as a regressor, showed better performance than the support vector regression model and linear regression model in terms of the accuracy, mean absolute error (MAE) and root mean square error (RMSE) metrics. The results were very good compared to the measured values. The accuracy demonstrated by these predictive models will provide more enhancement for the optical properties of polyvinyl alcohol nano doping for the desirable applications. Also, the costs and experimental obstacles will be minimized.
520			_aتعد صناعة البتروكيماويات وخاصة كحول البولي فينيل (PVA) كأحد المنتجات البتروكيماوية محركًا رئيسيًا للنمو الاقتصادي وخلق فرص العمل. وهي مسؤولة عن إنتاج مجموعة واسعة من المنتجات الأساسية، من البوليمرات والبلاستيك والأسمدة إلى الأدوية. تلعب هذه الصناعة أيضًا دورًا حيويًا في تطوير التقنيات والابتكارات الجديدة. وتأتي أهمية صناعة البولي فينيل من تنوع تطبيقاتها في الصناعات البتروكيماوية، وتعتبر الغلايات من المعدات الهامة جداً في إنتاج البخار سواء لعملية الإنتاج أو توليد الكهرباء، لذا فإن صيانة الغلايات كبنية تحتية، وخاصة المعدن الداخلي للغلاية، أمر بالغ الأهمية لاستمرارية صناعة البتروكيماويات والكحول البولي فينيل، ويعتبر الـ /PH الفوسفات أحد برامج المعالجة الكيميائية لسطح الغلاية الداخلي، لذلك، يتعين على المُختبَر في الصناعات البتروكيماوية مراقبة تركيز الفوسفات بشكل دوري عن طريق التحليل الكيميائي لضمان ومراقبة الفوسفات عند مستوى معين. وكنتيجة لأزمة سلسلة التوريد بسبب فيروس كورونا والحرب الروسية الأوكرانية أصبح توفير الكواشف للتحاليل الكيميائية أمرًا صعبًا للغاية، مما يؤثر بشكل سيء على كفاءة برنامج معالجة الغلاية. لذلك، تأتي تقنيات التعلم العميق والانحدار الحصين للتخفيف من هذا الخطر، من خلال التنبؤ بنتيجة الفوسفات في عملية تفريغ الغلاية عن طريق الأس الهيدروجيني لتفريغ الغلاية (PH boiler blowdown) ، والتوصيلية الكهربائية لمكثفات بخار الغلاية، والتوصيلية الكهربائية لتفريغ الغلاية، وأظهرت النتائج أن طريقة تقدير S الحصينة هي أفضل نموذج له أقل أخطاء (RSE) وأعلى جودة (R^2). وأيضًا، بالنسبة لجودة كحول البولي فينيل، يعد تحسين المنتج جزءًا من نظام إدارة الجودة في أي صناعة، لذلك، يعد تطوير مُعامِل الانكسار لكحول البولي فينيل أمرًا حيويًا للغاية بالنسبة للميزة التنافسية في سوق PVA، حيث أن فحص العديد من المواد النانوية التي يتم تطعيمها بكحول البولي فينيل سوف يستهلك التكلفة والوقت، لذا فتم استخدام أساليب تعلم الآلة لحل مشكلة التكلفة والوقت من خلال تطوير نماذج التنبؤ من خلال خوارزميات تعلم الآلة للتنبؤ بمعامل الانكسار من خلال فجوة الطاقة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		7	_aMachine Learning _2qrmak
653		0	_aMachine Learningsion _aPetrochemicals _aIndustrial quality _aProcess Control _aBoilers _aChemical analysis _aSupply chain _a Ordinary least square (OLS) regression
700	0		_aMohamed Reda Abonazel _ethesis advisor.
700	0		_aMahmoud Abdel-Hamid Abdel-Fattah _ethesis advisor.
900			_b01-01-2024 _cMohamed Reda Abonazel _cMahmoud Abdel-Hamid Abdel-Fattah _UCairo University _FFaculty of Graduate Studies for Statistical Research _DDepartment of Data Analysis
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c171672