Diseño de un método híbrido de detección de fallas y reconocimiento de patrones para procesos industriales

Abstract

La automatización de los procesos industriales ha permitido explorar rutas para una mejor implementación del monitoreo de las operaciones. En el marco del enfoque tradicional de detección de fallas, las técnicas multivariadas basadas en datos analizan la variabilidad de los procesos de forma global. Cuando estas actividades son aplicadas a procesos con patrones de comportamiento se deja a un lado que su variabilidad puede ser analizada de manera independiente de acuerdo con los estados de operación. Este es el enfoque abordado en esta investigación. Mediante el uso conjunto de teoría de reconocimiento de patrones y detección de fallas se presenta un enfoque híbrido que busca mejorar la capacidad de detección y sensibilidad en las operaciones. Las Máquinas de Vectores de Soporte (SVM) son utilizadas para establecer el estado actual de operación del proceso y la técnica de Análisis de Componentes Principales (PCA) se utiliza para determinar la condición atípica o normal de operación en el estado especificado. Actividades que implican inspección visual de las variables monitoreadas así como aplicación de técnicas estadísticas y de reconocimiento de patrones no supervisado son realizadas para identificar el número de estados de operación presentes en el proceso. La aplicación del enfoque tradicional y el enfoque híbrido de detección de fallas sobre un proceso de caso de estudio demuestra la efectividad del método propuesto cuando se aplica a procesos con patrones de operación.