Multivariate statistical analysis of mineral processing plant data

"RésuméDe nouvelles méthodes efficaces sont maintenant devenues nécessaires pour traiter les quantités massives de données en temps-réel que collectent les ordinateurs industriels modemes. Les méthodes statistiques multi variables comme l'analyse en composantes principales et la projection sur des structures latentes sont des méthodes analytiques bien adaptées aux données industrielles bruitées et mal conditionnées. L'efficacité de ces méthodes est illustrée sur des données historiques collectées dans une usine de broyage et de flottation. Trois cent cinquante observations de quarante quatre variables de procède ont été utilisées pour démontrer les aptitudes de ces méthodes pour l'analyse préliminaire de données, la classification des régimes opératoires, le contrôle de qualité et la modélisation empirique des precedes.AbstractBecause of the availability of powerful industrial computers which collect huge amounts of real-time data in mineral processing plants, there is a need for efficient methods to extract relevant information from them. Multivariate statistical techniques, such as principal components analysis (PCA) and projection to latent structures (PLS), are well suited to analyze these large sets of noisy and ill-conditioned data. The power of PCA and PLS is illustrated on historical data from a grinding and flotation plant. Three hundred and fifty observations of forty-four process variables are used to show the capacity of these techniques for preliminary data analysis, classification of operating regimes, process monitoring, and process empirical modelling."