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
Estado
versión aceptada
Colaborador/a o director/a de tesis
Sánchez, Mabel Cristina
Descripción
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
Materia
Ingeniería química
Redes de sensores
Diagnóstico de fallas
Optimización
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio
Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
Institución
Universidad Nacional del Sur
OAI Identificador
oai:repositorio.bc.uns.edu.ar:123456789/2412

id RID-UNS_a45c3dc7940de6e67095adc8d7f295dd
oai_identifier_str oai:repositorio.bc.uns.edu.ar:123456789/2412
network_acronym_str RID-UNS
repository_id_str
network_name_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
spelling Localización óptima de sensores para diagnóstico de fallas en procesos industrialesRodriguez Aguilar, Leandro Pedro FaustinoIngeniería químicaRedes de sensoresDiagnóstico de fallasOptimizaciónEn 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; ArgentinaSánchez, Mabel Cristina2015-03-17info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://repositoriodigital.uns.edu.ar/handle/123456789/2412spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)instname:Universidad Nacional del Sur2025-09-29T13:42:12Zoai:repositorio.bc.uns.edu.ar:123456789/2412instacron:UNSInstitucionalhttp://repositoriodigital.uns.edu.ar/Universidad públicaNo correspondehttp://repositoriodigital.uns.edu.ar/oaimesnaola@uns.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:2025-09-29 13:42:12.864Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Surfalse
dc.title.none.fl_str_mv Localización óptima de sensores para diagnóstico de fallas en procesos industriales
title Localización óptima de sensores para diagnóstico de fallas en procesos industriales
spellingShingle Localización óptima de sensores para diagnóstico de fallas en procesos industriales
Rodriguez Aguilar, Leandro Pedro Faustino
Ingeniería química
Redes de sensores
Diagnóstico de fallas
Optimización
title_short Localización óptima de sensores para diagnóstico de fallas en procesos industriales
title_full Localización óptima de sensores para diagnóstico de fallas en procesos industriales
title_fullStr Localización óptima de sensores para diagnóstico de fallas en procesos industriales
title_full_unstemmed Localización óptima de sensores para diagnóstico de fallas en procesos industriales
title_sort Localización óptima de sensores para diagnóstico de fallas en procesos industriales
dc.creator.none.fl_str_mv Rodriguez Aguilar, Leandro Pedro Faustino
author Rodriguez Aguilar, Leandro Pedro Faustino
author_facet Rodriguez Aguilar, Leandro Pedro Faustino
author_role author
dc.contributor.none.fl_str_mv Sánchez, Mabel Cristina
dc.subject.none.fl_str_mv Ingeniería química
Redes de sensores
Diagnóstico de fallas
Optimización
topic Ingeniería química
Redes de sensores
Diagnóstico de fallas
Optimización
dc.description.none.fl_txt_mv 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
description 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.
publishDate 2015
dc.date.none.fl_str_mv 2015-03-17
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://repositoriodigital.uns.edu.ar/handle/123456789/2412
url http://repositoriodigital.uns.edu.ar/handle/123456789/2412
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname:Universidad Nacional del Sur
reponame_str Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
collection Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS)
instname_str Universidad Nacional del Sur
repository.name.fl_str_mv Repositorio Institucional Digital de la Universidad Nacional del Sur (RID-UNS) - Universidad Nacional del Sur
repository.mail.fl_str_mv mesnaola@uns.edu.ar
_version_ 1844619088504029184
score 12.559606