Development of a vibration model for a particle separator using Random Forest Algorithm: A case study of beverage factory

Abstract

This thesis presents the development of a vibration prediction model for a separator machine using a random forest algorithm. The model is intended to be applied to separator machines in the manufacturing process. For training the model, 16 datasets were prepared and 4 datasets were used for testing. The model incorporates four input variables 1.Separator revolutions before the end of the production process 2.Separator vibration before the end of the production process 3.Internal cleaning process of the separator 4.Separator revolutions during the initial start-up. These variables affect the performance of the vibration prediction model during the initial start-up of the separator. The experimental results showed that the best model was the one that used all four input variables and a random forest algorithm with 150 data samples. This model achieved the following performance metrics RMSE = 0.2531, MSE = 0.0662 and MAE = 0.1731

วิทยานิพนธ์เล่มนี้นำเสนอการพัฒนาแบบจำลองพยากรณ์การสั่นของเครื่องแยกสสาร โดยใช้อัลกอริทึมป่าสุ่ม เพื่อประยุกต์ใช้กับเครื่องแยกสสาร โดยมีการจัดข้อมูลสำหรับการฝึกฝนแบบจำลอง 16 ชุด และทดสอบแบบจำลอง 4 ชุด ที่ประกอบด้วยตัวแปรต้น 4 ตัวแปรที่แตกต่างกันดังนี้ 1) รอบหมุนเครื่องแยกสสารก่อนจบกระบวนการผลิต 2) การสั่นของเครื่องแยกสสารก่อนจบกระบวนการผลิต 3) กระบวนการทำความสะอาดภายในเครื่องแยกสสาร 4) รอบหมุนเครื่องแยกสสารช่วงเริ่มสตาร์ทใหม่ ซึ่งจะส่งผลต่อประสิทธิภาพของแบบจำจองการพยากรณ์การสั่นของเครื่องแยกสสารช่วงเริ่มสตาร์ทใหม่ จากการทดลองสร้างแบบจำลองทำให้ได้ผลที่ดีที่สุด คือแบบจำลองที่มีการใช้ตัวแปรต้นทั้งหมด 4 ตัวแปรต้น และการสุ่มตัวอย่างข้อมูลของอัลกอริทึมป่าสุ่มที่ 150 ข้อมูล โดยมีประสิทธิภาพของแบบจำลอง RMSE = 0.2531, MSE = 0.0662 และ MAE = 0.1731