Sistema inteligente para el análisis predictivo de un proceso de tratamiento de aguas residuales industriales

Abstract

Teniendo en cuenta el crecimiento exponencial de la industria en la actualidad y las aguas residuales producto de sus procesos, resulta imprescindible para estas, un óptimo sistema de tratamiento de tales aguas efluentes con el fin de mitigar el impacto ambiental generado por sus vertimientos y cumplir con las normas regulatorias ambientales que cada vez aumentan su exigencia. Esto lleva a la necesidad de innovar en los sistemas de control y gestión de la información de los sistemas responsables del tratamiento de estas aguas residuales en búsqueda de mejoramiento. Para este fin, se propone el desarrollo de un sistema inteligente que utilice los datos provenientes del proceso y realice una predicción de su comportamiento de manera que proporcione soporte en la toma de decisiones relacionadas a la operación de la planta de tratamiento de aguas residuales. Para llevar a cabo el desarrollo de este sistema se han implementado una red neuronal que junto a técnicas de descomposición de series de tiempo, correlación y autocorrelación de variables del proceso es posible predecir la demanda química de oxigeno (COD) a la entrada del biorreactor con una ventana de un día y una alta precisión del modelo. Todo este sistema es desplegado desde una página web para monitorear las variables de este proceso y predecir el COD.

Considering the exponential growth of today’s industry and the wastewater results of their processes, it is essential for them to have an optimal treatment system for such effluent waters to mitigate the environmental impact generated by their discharges and comply with the environmental regulatory standards that are progressively increasing their demand. This leads to the need to innovate in the control and management information systems of the systems responsible to treat these residual waters in search of improvement. This project proposed the development of an intelligent system that uses the data from the process and makes a prediction of its behavior to provide support in decision-making related to the operation of the wastewater treatment plant (WWTP). To carry out the development of this system, a neural network is implemented that, together with process variables analysis, time series decomposition, correlation, and autocorrelation techniques, it is possible to predict the chemical oxygen demand (COD) at the input of the bioreactor with one day window and high model accuracy.This entire system is deployed from a web page to monitor the variables of this process and predict the COD.