Monitoreo, Deteccion de Fallas y Control de
Procesos Industriales
Dr. David Zumofen y Dra. Marta Basualdo
INDICE
Prologo III
Glosario IX
Variables XIII
- 1. Introduccion 1
- 1.1. Manejo de situaciones anormales . . . . . . . . . . . . . . . . . 2
- 1.1.1. Fuentes o causas . . . . . . . . . . . . . . . . . . . . . . 2
- 1.1.2. Desafíos . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
- 1.1.3. Impacto . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
- 1.2. Monitoreo de procesos . . . . . . . . . . . . . . . . . . . . . . . 8
- 1.3. Control de procesos . . . . . . . . . . . . . . . . . . . . . . . . . 10
- 2. Estado del arte 13
- 2.1. Deteccion y diagnostico de fallas . . . . . . . . . . . . . . . . . . 14
- 2.1.1. Características de un sistema de diagnostico . . . . . . . 15
- 2.1.2. Metodos basados en modelos cuantitativos . . . . . . . . 17
- 2.1.3. Metodos basados en modelos cualitativos . . . . . . . . . 20
- 2.1.4. Metodos basados en datos historicos . . . . . . . . . . . 23
- 2.1.5. Comparaciones . . . . . . . . . . . . . . . . . . . . . . . 26
- 2.1.6. Sistemas híbridos . . . . . . . . . . . . . . . . . . . . . . 27
- 2.1.7. DDF y el diseño de otras operaciones de proceso . . . . . 28
- 2.2. Control tolerante a fallos . . . . . . . . . . . . . . . . . . . . . . 30
- 2.2.1. Estructura de un sistema de CTF . . . . . . . . . . . . . 31
- 2.2.2. Metodos clasicos . . . . . . . . . . . . . . . . . . . . . . 34
- 2.2.3. Aspectos temporales . . . . . . . . . . . . . . . . . . . . 35
- 2.3. Analisis de operabilidad y riesgos . . . . . . . . . . . . . . . . . 36
- 2.3.1. AOR para un proceso continuo . . . . . . . . . . . . . . 36
- 2.4. Monitoreo en procesos industriales . . . . . . . . . . . . . . . . 37
- 2.4.1. La naturaleza multivariada en la deteccion de fallas . . . 38
- 2.4.2. Control estadístico de procesos vs. control estadístico de
calidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
- 2.4.3. Aplicacion industrial . . . . . . . . . . . . . . . . . . . . 39
- 2.4.4. Utilizando el conocimiento teorico y del proceso . . . . . 40
- 2.4.5. Productos comerciales existentes . . . . . . . . . . . . . . 41
- 2.5. Control de plantas completas . . . . . . . . . . . . . . . . . . . 41
- 2.5.1. Locacion optima de sensores . . . . . . . . . . . . . . . . 42
- 2.5.2. Control de procesos . . . . . . . . . . . . . . . . . . . . . 43
- 3. Herramientas y tecnicas 47
- 3.1. Analisis de componentes principales . . . . . . . . . . . . . . . . 47
- 3.1.1. Seleccion de los componentes principales . . . . . . . . . 48
- 3.1.2. Ejemplo No1 . . . . . . . . . . . . . . . . . . . . . . . . . 49
- 3.1.3. Estadísticos de control basados en ACP . . . . . . . . . . 49
- 3.1.4. Ejemplo No2 . . . . . . . . . . . . . . . . . . . . . . . . . 51
- 3.1.5. Diferentes estrategias de ACP . . . . . . . . . . . . . . . 53
- 3.2. Sistemas de logica difusa . . . . . . . . . . . . . . . . . . . . . . 54
- 3.2.1. Fuzzicacion de las entradas . . . . . . . . . . . . . . . . 55
- 3.2.2. Operaciones logicas y base de reglas . . . . . . . . . . . . 56
- 3.2.3. Defuzzicacion . . . . . . . . . . . . . . . . . . . . . . . 58
- 3.2.4. Tipos de SLD . . . . . . . . . . . . . . . . . . . . . . . . 59
- 3.2.5. Ejemplo No3 . . . . . . . . . . . . . . . . . . . . . . . . . 59
- 3.3. Transformada wavelet discreta . . . . . . . . . . . . . . . . . . . 61
- 3.3.1. Analisis wavelet . . . . . . . . . . . . . . . . . . . . . . . 62
- 3.3.2. Ejemplo No4 . . . . . . . . . . . . . . . . . . . . . . . . . 64
- 3.4. Redes neuronales articiales . . . . . . . . . . . . . . . . . . . . 66
- 3.4.1. La neurona . . . . . . . . . . . . . . . . . . . . . . . . . 66
- 3.4.2. Redes de multiples capas . . . . . . . . . . . . . . . . . . 66
- 3.4.3. Aprendizaje de la red . . . . . . . . . . . . . . . . . . . . 67
- 3.4.4. Ejemplo No5 . . . . . . . . . . . . . . . . . . . . . . . . . 68
- 3.5. Identicacion de sistemas . . . . . . . . . . . . . . . . . . . . . . 69
- 3.5.1. Procedimiento en IS . . . . . . . . . . . . . . . . . . . . 69
- 3.5.2. Problema clasico: Modelo ARX-Mínimos cuadrados lineales . . . . . . 70
- 3.5.3. Ejemplo No6 . . . . . . . . . . . . . . . . . . . . . . . . . 71
- 3.5.4. Mínimos cuadrados recursivos (MCR) . . . . . . . . . . . 74
- 3.5.5. Ejemplo No7 . . . . . . . . . . . . . . . . . . . . . . . . . 75
- 3.6. Control predictivo basado en modelos . . . . . . . . . . . . . . . 77
- 3.6.1. La idea basica . . . . . . . . . . . . . . . . . . . . . . . . 77
- 3.6.2. Modelo FIR . . . . . . . . . . . . . . . . . . . . . . . . . 79
- 3.6.3. Modelo en espacio de estados . . . . . . . . . . . . . . . 82
- 3.6.4. Efecto de las restricciones . . . . . . . . . . . . . . . . . 85
- 3.6.5. Ejemplo No8 . . . . . . . . . . . . . . . . . . . . . . . . . 85
- 3.7. Control adaptivo predictivo . . . . . . . . . . . . . . . . . . . . 93
- 3.8. Control con ltro robusto adaptivo predictivo . . . . . . . . . . 95
- 3.9. Diseño de estructuras de control multivariable . . . . . . . . . . 97
- 3.9.1. Matriz de ganancias relativas . . . . . . . . . . . . . . . 97
- 3.9.2. Ejemplo No9 . . . . . . . . . . . . . . . . . . . . . . . . . 98
- 3.9.3. Matriz de ganancias relativas normalizada . . . . . . . . 98
- 3.9.4. Ejemplo No10 . . . . . . . . . . . . . . . . . . . . . . . . 99
- 3.9.5. Matriz de ganancias relativas para procesos no cuadrados 100
- 3.9.6. Ejemplo No11 . . . . . . . . . . . . . . . . . . . . . . . . 101
- 3.9.7. Ganancia de perturbacion relativa generalizada . . . . . 102
- 3.9.8. Ejemplo No12 . . . . . . . . . . . . . . . . . . . . . . . . 104
- 3.10. Algoritmos geneticos . . . . . . . . . . . . . . . . . . . . . . . . 104
- 3.10.1. Ejemplo No13 . . . . . . . . . . . . . . . . . . . . . . . . 107
- 3.11. Estabilidad y rendimiento robusto en sistemas multivariables . . 109
- 3.11.1. Ejemplo No14 . . . . . . . . . . . . . . . . . . . . . . . . 111
- 3.11.2. Ejemplo No15 . . . . . . . . . . . . . . . . . . . . . . . . 115
- 4. Control adaptivo predictivo como CTF activo 119
- 4.1. Clasicacion de las fallas . . . . . . . . . . . . . . . . . . . . . . 119
- 4.2. Ejemplo No1: Caso academico . . . . . . . . . . . . . . . . . . . 121
- 4.2.1. Control adaptivo predictivo . . . . . . . . . . . . . . . . 126
- 4.2.2. Modicaciones en el proceso (CAP, CFRAP y CAPFRA) 131
- 4.2.3. Sinopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
- 4.3. Ejemplo No2: Reactor de tanque agitado continuo (RTAC) con
- camisa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
- 4.3.1. Diseño del SDEF . . . . . . . . . . . . . . . . . . . . . . 145
- 4.3.2. Sinopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
- 5. SDDEF híbrido integrado al CTF activo 157
- 5.1. Diseño del SDDEF . . . . . . . . . . . . . . . . . . . . . . . . . 158
- 5.1.1. Monitoreo y deteccion de fallas: ACP, ACP adaptivo y
- estadísticos combinados . . . . . . . . . . . . . . . . . . 158
- 5.1.2. Aislamiento: SLD y extraccion automatica de reglas (EAR)162
- 5.1.3. Estimacion de la falla: metodo RNA . . . . . . . . . . . 165
- 5.2. Indices de rendimiento . . . . . . . . . . . . . . . . . . . . . . . 168
- 5.3. Ejemplo No1: Planta de tratamiento de aguas residuales . . . . . 170
- 5.3.1. Ajustes de SDDEF . . . . . . . . . . . . . . . . . . . . . 173
- 5.3.2. Integracion al CTF . . . . . . . . . . . . . . . . . . . . . 177
- 5.3.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . 178
- 5.4. Ejemplo No2: Planta de pulpa y papel . . . . . . . . . . . . . . 192
- 5.4.1. Estrategia de control . . . . . . . . . . . . . . . . . . . . 195
- 5.4.2. Denicion de las fallas . . . . . . . . . . . . . . . . . . . 196
- 5.4.3. PPP con control descentralizado . . . . . . . . . . . . . . 197
- 5.4.4. PPP con control predictivo . . . . . . . . . . . . . . . . . 217
- 5.4.5. Sinopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
- 6. Control de plantas completas 239
- 6.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
- 6.2. Metodología sistematica y generalizada para el control de plantas
- completas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
- 6.2.1. Optimizacion, estabilizacion e identicacion . . . . . . . 242
- 6.2.2. Locacion optima de sensores - Seleccion de las VCs . . . 243
- 6.2.3. Diseño de la estructura de control . . . . . . . . . . . . . 246
- 6.2.4. Ajuste de los controladores . . . . . . . . . . . . . . . . . 249
- 6.3. Ejemplo No1: Columnas DL . . . . . . . . . . . . . . . . . . . . 250
- 6.4. Ejemplo No2: Columnas integradas CL . . . . . . . . . . . . . . 257
- 6.5. Ejemplo No3: Fraccionador Shell . . . . . . . . . . . . . . . . . . 262
- 6.6. Ejemplo No4: Columna Petlyuk . . . . . . . . . . . . . . . . . . 268
- 6.7. Ejemplo No5: Proceso Tennessee Eastman . . . . . . . . . . . . 285
- 6.7.1. Operacion en el caso base . . . . . . . . . . . . . . . . . 287
- 6.7.2. Operacion en el caso optimo . . . . . . . . . . . . . . . . 299
- 6.8. Analisis de la estabilidad y rendimiento robusto . . . . . . . . . 314
- 6.9. Sinopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
- 7. Diseño optimo de sistemas de supervision 323
- 7.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
- 7.2. Detectabilidad basado en T2 y Q . . . . . . . . . . . . . . . . . 325
- 7.3. Diseño optimo de sistemas de supervision . . . . . . . . . . . . . 327
- 7.3.1. Detectabilidad de fallas basada en z . . . . . . . . . . . . 327
- 7.3.2. Seleccion optima de señales maximizando detectabilidad 328
- 7.3.3. Solucion mediante AG . . . . . . . . . . . . . . . . . . . 328
- 7.4. Extraccion del subespacio de fallas . . . . . . . . . . . . . . . . 329
- 7.5. Ejemplo: Proceso Tennessee Eastman . . . . . . . . . . . . . . . 330
- 7.6. Sinopsis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
- 8. Direcciones futuras 343
- 9. Conclusiones 345
- Apendices 351
- A. MCR con factor de olvido 351
- B. Prediccion con modelo FIR 353
- C. Prediccion con modelo en ecuaciones de estado 355
- D. Algoritmo de factorizacion UD 357
- E. Control basado en modelo interno (CBMI) 359
- F. Control en avance (feedforward control) 363
- G. TFL y modelado de incertidumbres 365
- G.1. Incertidumbre parametrica y no parametrica . . . . . . . . . . . 365
- Bibliografía 367