Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
The CMS experiment has 1054 RPCs in its muon system. Monitoring their currents is the first essential step towards maintaining the stability of the CMS RPC detector performance. The current depends on several parameters such as applied voltage, luminosity, environmental conditions, etc. Knowing the influence of these parameters on the RPC current is essential for the correct interpretation of its instabilities as they can be caused either by changes in external conditions or by malfunctioning of the detector in the ideal case. We propose a Machine Learning(ML) based approach to be used for monitoring the CMS RPC currents. The approach is crucial for the development of an automated monitoring system capable of warning for possible hardware problems at a very early stage, which will contribute further to the stable operation of the CMS RPC detector.
A new approach for CMS RPC current monitoring using Machine Learning techniques / Samalan, A., Tytgat, M., Zaganidis, N., Alves, G.A., Marujo, F., Torres Da Silva De Araujo, F., da Costa, E.M., de Jesus Damiao, D., Nogima, H., Santoro, A., Fonseca De Souza, S., Aleksandrov, A., Hadjiiska, R., Iaydjiev, P., Rodozov, M., Shopova, M., Sultanov, G., Bonchev, M., Dimitrov, A., Litov, L., et al.. - In: JOURNAL OF INSTRUMENTATION. - ISSN 1748-0221. - 15:10(2020). [10.1088/1748-0221/15/10/C10009]
A new approach for CMS RPC current monitoring using Machine Learning techniques
Samalan, A.;Tytgat, M.;Zaganidis, N.;Alves, G. A.;Marujo, F.;Torres Da Silva De Araujo, F.;da Costa, E. M.;de Jesus Damiao, D.;Nogima, H.;Santoro, A.;Fonseca De Souza, S.;Aleksandrov, A.;Hadjiiska, R.;Iaydjiev, P.;Rodozov, M.;Shopova, M.;Sultanov, G.;Bonchev, M.;Dimitrov, A.;Litov, L.;Pavlov, B.;Petkov, P.;Petrov, A.;Qian, S. J.;Bernal, C.;Cabrera, A.;Fraga, J.;Sarkar, A.;Elsayed, S.;Assran, Y.;El Sawy, M.;Mahmoud, M. A.;Mohammed, Y.;Combaret, C.;Gouzevitch, M.;Grenier, G.;Laktineh, I.;Mirabito, L.;Shchablo, K.;Bagaturia, I.;Lomidze, D.;Lomidze, I.;Bhatnagar, V.;Gupta, R.;Kumari, P.;Singh, J.;Amoozegar, V.;Boghrati, B.;Ebraimi, M.;Ghasemi, R.;Mohammadi Najafabadi, M.;Zareian, E.;Abbrescia, M.;Aly, R.;Elmetenawee, W.;Filippis, N.;Gelmi, A.;Iaselli, G.;Leszki, S.;Loddo, F.;Margjeka, I.;Pugliese, G.;Ramos, D.;Benussi, L.;Bianco, S.;Piccolo, D.;Buontempo, S.;Di Crescenzo, A.;Fienga, F.;de Lellis, G.;Lista, L.;Meola, S.;Paolucci, P.;Braghieri, A.;Salvini, P.;Montagna, P.;Riccardi, C.;Vitulo, P.;Francois, B.;Kim, T. J.;Park, J.;Choi, S. Y.;Hong, B.;Lee, K. S.;Goh, J.;Lee, H.;Eysermans, J.;Uribe Estrada, C.;Pedraza, I.;Castilla-Valdez, H.;Sanchez-Hernandez, A.;Mondragon Herrera, C. A.;Perez Navarro, D. A.;Ayala Sanchez, G. A.;Carrillo, S.;Vazquez, E.;Radi, A.;Ahmad, A.;Asghar, I.;Hoorani, H.;Muhammad, S.;Shah, M. A.;Crotty, I.
2020
Abstract
The CMS experiment has 1054 RPCs in its muon system. Monitoring their currents is the first essential step towards maintaining the stability of the CMS RPC detector performance. The current depends on several parameters such as applied voltage, luminosity, environmental conditions, etc. Knowing the influence of these parameters on the RPC current is essential for the correct interpretation of its instabilities as they can be caused either by changes in external conditions or by malfunctioning of the detector in the ideal case. We propose a Machine Learning(ML) based approach to be used for monitoring the CMS RPC currents. The approach is crucial for the development of an automated monitoring system capable of warning for possible hardware problems at a very early stage, which will contribute further to the stable operation of the CMS RPC detector.
A new approach for CMS RPC current monitoring using Machine Learning techniques / Samalan, A., Tytgat, M., Zaganidis, N., Alves, G.A., Marujo, F., Torres Da Silva De Araujo, F., da Costa, E.M., de Jesus Damiao, D., Nogima, H., Santoro, A., Fonseca De Souza, S., Aleksandrov, A., Hadjiiska, R., Iaydjiev, P., Rodozov, M., Shopova, M., Sultanov, G., Bonchev, M., Dimitrov, A., Litov, L., et al.. - In: JOURNAL OF INSTRUMENTATION. - ISSN 1748-0221. - 15:10(2020). [10.1088/1748-0221/15/10/C10009]
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11588/907611
Citazioni
ND
1
1
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
