Localización óptima de sensores para diagnóstico de fallas en procesos industriales

• Autores: Rodriguez Aguilar, Leandro Pedro Faustino
• Año de publicación: 2015
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Sánchez, Mabel Cristina
• Materia: Ingeniería química; Redes de sensores; Diagnóstico de fallas; Optimización
• Institución: Universidad Nacional del Sur

En una planta química ocurren situaciones anormales cuando el proceso se desvía del régimen normal de manera significativa durante su operación. La Detección (D) temprana y el diagnóstico de fallas, mientras la planta se encuentra todavía operando en una región controlable, ayuda a evitar que la situación anormal progrese y reduce el impacto de la posible ocurrencia de accidentes industriales mayores y menores. Todos los enfoques propuestos para resolver el problema de D y Aislamiento de Fallas (AFs), de alguna manera, comparan el comportamiento observado del proceso con un modelo de referencia. Dicho comportamiento se infiere en función de las mediciones proporcionadas por los sensores instalados en el proceso. Si bien, el desempeño de la estrategia de monitoreo depende fuertemente de la selección de las variables observadas, se ha puesto mucho énfasis en el desarrollo de metodologías de diagnóstico dado un conjunto predefinido de sensores, y se ha prestado escasa atención al Diseño de Redes de Sensores (DRS) que permitan una eficiente D y AFs. Por tal motivo, el objetivo de esta tesis es abordar el desarrollo e implementación de nuevas metodologías para DRS con propósitos de Diagnóstico de Fallas. En primer término se presenta una estrategia de diseño, formulada como un problema de optimización, que permite obtener una Red de Sensores (RS) que satisface la Observabilidad (O) y la Resolución (R) de todas las fallas del proceso, con el menor costo, si todos los sensores funcionan correctamente, y además verifica la O y R de un conjunto de fallas claves, si algunos instrumentos, afectados por la ocurrencia de dichas fallas, no están disponibles. Para ello se define el Grado de Resolución de una falla clave y se lo incorpora utilizando desigualdades lineales. El diseño se resuelve empleando códigos de Programación Mezcla Entera Lineal. A continuación se aborda el problema de DRS utilizadas para monitorear procesos con la técnica Análisis de Componentes Principales (PCA), uno de los métodos de Control Estadístico Multivariable más usados en la industria. En relación con la capacidad de la RS para detectar todas las fallas, se propone un nuevo enfoque para evaluar las restricciones de D, basado en el cálculo de los estadísticos de Hotelling y el Error Cuadrático de Predicción, y se formulan diseños robustos. A fin que el sistema de control sea capaz de diagnosticar la causa de una falla detectada usando PCA, primero es necesario que todas las mediciones afectadas por su ocurrencia sean identificadas como variables sospechosas. Esta condición se verifica examinando las restricciones de Identificación de Variables Sospechosas (IVS), que se formulan en términos de las contribuciones de las variables a los estadísticos empleados por el método PCA. Las restricciones de AFs se definen en función de los vectores de identificación de las fallas, los cuales deben ser diferentes para que éstas sean distinguibles. Se proponen nuevas formulaciones para el DRS que satisfacen restricciones de O y R (lineales), y condiciones de D, IVS y AFs (no lineales). Dado que la R es una condición necesaria para el AFs, inicialmente se obtiene la RS de mínimo costo que verifica las restricciones lineales de O y R. La cantidad de sensores que forman parte de la solución de este problema da el nivel inicial a partir del cual se inicia la búsqueda transversal, utilizada para resolver el diseño que cumple con todas las restricciones. Durante la ejecución de la búsqueda transversal, para cada nodo se evalúan primero las restricciones lineales, ya que consumen un tiempo de cómputo significativamente menor que las no lineales. Se han obtenidos muy buenos resultados al aplicar las nuevas estrategias para el DRS del conocido proceso Tennesse Eastman.
Fil: Rodriguez Aguilar, Leandro Pedro Faustino. Universidad Nacional del Sur. Departamento de Ingeniería Química; Argentina