Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Contexto
Un incremento considerable en la complejidad de los sistemas industriales modernos requiere de un desarrollo continuo de
mtodos para deteccin de fallas. El monitoreo de la condicin operativa en mquinas
adquiere gran importancia en la industria por
la necesidad de incrementar la confiabilidad
y disminuir prdidas de produccin por fallas
en los equipos.
La adquisicin de conocimiento en sistemas expertos es exhaustiva y demasiado
costosa en tiempo; la simulacin mediante
modelos usualmente es demasiado lenta como para operar en tiempo real. Esto explicara razonablemente el motivo por el que las
tcnicas de computacin en software, tales
como los algoritmos evolutivos y las redes
neuronales son tan populares en aplicaciones
industriales para la identificacin y aislacin
de fallas.
Los mtodos ms apropiados para el desarrollo de sistemas de diagnstico de fallas
tienden a aplicar heursticas que reflejan el
razonamiento humano e involucren tcnicas
de resolucin de problemas complejos inspiradas en procesos de la naturaleza. En ese
sentido, la propuesta de este proyecto es justamente adoptar esos criterios para desarrollar un sistema de diagnstico eficiente capaz
de operar en tiempo real, utilizando informacin capturada directamente de los dispositivos a monitorear, para afrontar adaptivamente las condiciones cambiantes que ocurren en
los procesos bajo supervisin.
Introduccin
Pueden identificarse dos enfoques principales para el desarrollo de sistemas de diagnstico de fallas: la aplicacin de la redundancia de hardware o la aplicacin de la
redundancia analtica. La redundancia de
hardware utiliza la multiplicidad de dispositivos fsicos y, por lo general, un sistema de
votacin para detectar la aparicin de una
anomala y su ubicacin en el sistema. El
principal problema de este enfoque es el
costo significativo del equipamiento adicional necesario.
La redundancia analtica utiliza relaciones funcionales redundantes entre las variables del sistema. La principal ventaja de este
enfoque frente a la redundancia de hardware
Tcnicas de adquisicin de datos: Estudio de procesos y sistemas tpicos. Identificacin de equipos y mquinas principales. Anlisis de sensores y produccin de
datos. Utilizacin de placas DSP (Digital
Signal Processor). Toma de muestras bajo condiciones normales y bajo condiciones de fallas. Anlisis de registros histricos disponibles.
Procesamiento de datos: Deteccin de
sensores fallados. Eliminacin de ruidos.
Conciliacin de lecturas. Procesamiento
estadstico.
Anlisis y procesamiento de seales:
Herramientas de anlisis: Investigacin y
desarrollo de mtodos y procedimientos
eficientes para anlisis y caracterizacin
de secuencias de datos. Aplicacin de
herramientas especficas para procesamiento de seales: transformada de Fourier, transformada wavelet, anlisis multiresolucin. Mtodos ICA (Independent
Components Analysis) y PCA (Principal
Components Analysis).
Sistemas de diagnstico inteligentes:
Anlisis de sistemas candidatos basados
en IA. Sistemas tpicos: Redes Neuronales (ANN), Sistemas de Control Fuzzy
(FCS), sistemas hbridos neurofuzzy y
neurowavelet. Determinacin de propiedades, alcances y limitaciones. Implementacin sobre entorno de procesamiento y simulacin matemtico.
Diagnstico de fallas: Reconocimiento
de patrones. Monitoreo e identificacin
de fallas. Verificacin de respuestas sin
ruido y con ruido. Anlisis de tolerancias
para variables de proceso.
Objetivos y Resultados
Este proyecto se ha planificado en cuatro
aos de duracin (2010-2013) para el desarrollo de los siguientes objetivos:
Objetivo General
Desarrollar un sistema de diagnstico de
fallas para equipos de procesos, basado en
estados anormales caracterizados. La implementacin del sistema se realizar con la
Referencias
Angeli C., Chatzinikolaou, A. On-Line
Fault Detection Techniques for Technical
Systems: A Survey. International Journal of