Diseño de sensores software con técnicas basadas en inteligencia computacional y estadística.

Abstract

El objetivo principal de este trabajo consiste en el diseño de sensores software para la estimación de variables de calidad de un proceso y al mismo tiempo para la detección y diagnóstico de fallos en procesos continuos mediante el uso de la regresión por mínimos cuadrados parciales y las redes neuronales artificiales.La planta en la que se van a probar y utilizar estos métodos, concretamente en su sección de evaporación, es una planta azucarera real. En primer lugar, se desarrollará un programa basado en el método PLS (Partial Least Squares) para la estimación de la variable de calidad y para la detección de fallos que se producen en la sección de evaporación de la planta azucarera, de forma que, en el momento en el que se produzca un error en alguna de las secciones del proceso, el sistema de detección de fallos detectará que se está trabajando en una situación anómala, e indicará al operario que se ha producido un fallo. Cuando esto ocurra, el programa indicará además en que instante se produjo el fallo y cuál es la variable que está provocando el fallo, la cual estará relacionada con un dispositivo específico, lo que facilitará la tarea de reparación al operador encargado del funcionamiento del proceso, y que haga que el proceso vuelva a funcionar bajo control estadístico, es decir, que siga funcionando en la zona de operación que asegura la calidad del producto obtenido. Después se harán modificaciones sobre el método PLS clásico, añadiéndole dinámica, haciéndole no lineal, etc. para ver su comportamiento en ambos aspectos: estimación de la variable de calidad y detección y diagnóstico de fallos. Posteriormente, los resultados obtenidos con PLS para la estimación de la calidad en el proceso, se compararán con los resultados obtenidos tras utilizar redes neuronales artificiales para tal fin, explicando las ventajas y/o puntos débiles de cada uno.