Universidad De Oriente

Ncleo Monagas
Departamento de Ingeniera de Sistemas
Curso Especial de Grado
Automatizacin y Control de Procesos Industriales

Unidad IV: Sistemas de Supervisin y Control

Deteccin de Fallos

Profesor:
Ing. Reinoza, Henry

Bachilleres:
Bastardo, Reyna C.I.: 23535886
Figuera, Alexis

C.I.: 17624825

Villafranca, Stephany

C.I.: 25028728

Maturn, Diciembre 2016

Deteccin de Fallos

Definicin de Falla:
Chacn, L (2012) lo define como:
Una falla es la causa u evento que nos lleva a la finalizacin de la capacidad
de un equipo para realizar su funcin adecuadamente o para dejar de
realizarla en su totalidad. Un elemento sujeto a una falla muestra
propiedades que cambian gradualmente de un valor inicial a un lmite fatal
La falla es uno de los estados presentes o caractersticos de un proceso
capaz de ocasionar en este, interrupciones permanentes totales o parciales.
Lo fallos pueden ser un malfuncionamiento de un componente del sistema,
sea un sensor, un actuador, la planta, un cambio de un parmetro, etc. Un
fallo se define como una deviacin no permitida de al menos una propiedad
caracterstica de una variable a partir de un comportamiento aceptable. Por
lo tanto, el fallo es un estado que puede dar lugar a un mal funcionamiento o
fallo del sistema.
Deteccin de Fallos
La tarea de la deteccin de fallos consiste bsicamente en la obtencin de
indicadores de fallo y su elevacin continua, seguido de un proceso de
decisin.

Se

fundamenta,

por

tanto,

en

el

conocimiento

sobre

el

funcionamiento del proceso (modelo) y la utilizacin de este de forma

automtica y sistemtica para decidir sobre el correcto (o incorrecto)
funcionamiento de proceso de forma continua.
Para ilustrar de mejor manera como ejemplo se dice que se tiene un sistema
de regulacin de nivel que acta sobre la bomba que alimenta el suministro
de lquido. El propsito es mantener un caudal constante a la salida del
depsito. Si no se produce ningn cambio en el sistema, una desviacin
significativa en el valor del caudal de salida respecto el valor deseado ser

indicativo de algn falo. Por ejemplo una obstruccin en la bomba, o una

fuga en los conductos.
Sistemas SCADA y Deteccin de fallos
El papel de los sistemas SCADA en la deteccin de fallos puede ir desde el
simple disparo de alarma hasta la utilizacin de tcnicas ms sofisticadas ya
integradas o susceptibles de ser integradas. En este segundo caso existen en
el mercado numerosos paquetes que incorporan tanto facilidades de control
estadstico (SPC, Statistical Process Control) como tecnologa de sistemas
abiertos (DDE, OLE, COM/DCOM, ActiveX y OPC) que permite una fcil
integracin con otras aplicaciones.
Mtodos estadsticos de deteccin (SPC/SQC)
La utilizacin de tcnicas estadsticas para detectar variaciones de calidad o de
produccin data de principios del siglo XX. La evolucin de estos trabajos
iniciales ha evolucionado hacia el llamado Control Estadstico de Procesos y
de

calidad

(SPC, Statistical Process Control

y SQC, Statistical

Quality

Control). Diferentes herramientas han aparecido con el propsito de ayudar en

estas tareas como: grficos de Control (Control Charts), mtodos de
comparacin de trazas (Comparison Plot), tcnicas de dispersin (Scatter Plot)
o los histogramas.

Uno de los principales propsitos del SPC es el seguimiento de las variables de

proceso con el objetivo de diferenciar aquellas variaciones aleatorias, y por
tanto incontrolables, de las variaciones controlables, debidas a cambios en

el

proceso (maquinaria, personal, mtodos, entorno, sistema de medida) o en el

producto y que por tanto debern ser corregidas. Se trata de un mtodo de
deteccin de fallos basado en la combinacin de tcnicas estadsticas y
probabilsticas para establecer un modelo de comportamiento normal del
proceso caracterizado por las medidas disponibles.

Por otro lado el control estadstico de calidad (SQC), es definido como la

aplicacin de diferentes tcnicas estadsticas a procesos industriales (mano
de obra, materias primas medidas, mquinas y medio ambiente), procesos
administrativos y/o servicios con objeto de verificar si todas y cada una de
las partes del proceso y servicio cumplen con unas ciertas exigencias de
calidad y ayudar a cumplirlas, entendiendo por calidad la aptitud del
producto y/o servicio para su uso.
La base del control estadstico reside en la utilizacin de medidas pasadas
para determinar los lmites de variaciones futuras de nuestro proceso en
ausencia de anomalas. De esta forma, cuando las variaciones de las futuras
medidas caigan dentro de los lmites previstos se dice que el proceso est
controlado (o estadsticamente controlado), mientras que cuando

las

variaciones observadas salgan de los lmites establecidos ser sntoma de

anomala en el funcionamiento del proceso.
La metodologa a emplear consiste en caracterizar las variaciones presentes
en medidas en rgimen permanente a partir de dos parmetros bsicos; su
localizacin (media mediana) y su variacin (desviacin tpica, rango). La
aleatoriedad de dichas variaciones se asocia a funciones de distribucin de
probabilidad. En este sentido es habitual la caracterizacin de variaciones en
medidas de variables continuas en rgimen estacionario (temperaturas,
presiones) mediante una funcin de distribucin normal mientras que las
medidas sobre atributos (nmero de fallos en una pieza, piezas buenas sobre
una muestra, etc.) se caracterizan a partir de funciones binomiales o de
Poisson.
En el caso de una distribucin normal, la estimacin de la media (x) y la
desviacin tpica () a partir muestras pasadas de una variable permite
establecer que el 99.73% de la poblacin, en condiciones normales se
situar en una zona comprendida entre (x - 3, x + 3). Son estos lmites los

que

permiten

diferenciar

entre

variaciones

comunes

variaciones

especiales o asignables.

Grfico de Control (LabWindows SPS ToolKit)

Se conoce como grficos de control a las representaciones graficas de

nuevas medidas acompaadas de la media (x) y los limites superior (UCL, a x
+ 3) e inferior de control (LCL, a x 3). En la figura 1, se muestra un ejemplo

donde se muestran los puntos fuera de control. Existen mltiples variantes de

grficos de control para adecuarse a las condiciones de cada problema. De
forma similar pueden crearse diferentes grficos atendiendo al tipo de
distribucin

(P

Charts

por

ejemplo)

agrupando

muestras

caracterizndolas por su localizacin y/o variacin para su representacin (se

obtiene de esta forma los llamados Mean and Range Control Charts por
ejemplo)
Deteccin basada en mtodos analticos
La deteccin analtica de fallas es una metodologa la cual permite
maximizar los resultado mediante la obtencin y organizacin de informacin
pertinente, de tal modo que se reduce el tiempo de anlisis y se incrementa
la probabilidad de xito, en problemas tanto a nivel correctivo (soluciones

rpidas

eficaces),

como

preventivo

(minimizar

la

probabilidad

de

ocurrencia de fallas)
Los objetivos de la deteccin analtica de fallas son:

Mejorar la calidad mejorar la productividad

Reducir el desperdicio
Mejorar la seguridad
Reducir los costos
Facilita la integracin con otras propuestas de mejora

El objetivo de esta herramienta es el encontrar la causa que origina una falla

en un proceso y tomar una accin entre lo que hay que hacer para encontrar
la causa es reconocer el problema y describirlo, definir posibles causas que
lo originan, probarlas, verificarlas y analizarlas para as tomar la accin
adecuada que solucionara la falla.
Beneficios de la Deteccin Analtica de fallas:

Reduccin del tiempo de reparacin

Minimizacin de tiempo d preparacin y arranque de equipos
Disminucin de fallas repetitivas
Aumentar la disponibilidad de equipos
Reduccin de re trabajos y desperdicio
Educcin en la frecuencia de fallas
Mejora del mantenimiento preventivo
Reduccin de costos por fallas de calidad
Mayor eficiencia en el trabajo de equipo

La deteccin basada en mtodos analticos utiliza solamente herramientas

matemticas o analticas (procesado de seales, modelos matemticos
precisos etc.) para realizar su funciones. Dichos modelos matemticos
(lineales o no lineales) generaran las seales adicionales que se comparan
con las seales medidas. Estos mtodos analticos estn subdivididos a su
vez en:

Deteccin basada en seales: En este tipo de detecciones se trata de

extraer de las seales precedentes del proceso, la mxima informacin
posible sobre los fallos que deben detectarse. Para ello, se debe
conocer la relacin entre las seales (sntomas) y los posibles fallos
que pueden afectar al proceso. Entre las herramientas ms utilizadas
en

este

tipo

de

deteccin

destacan

las

tcnicas

estadsticas,

probabilidades, anlisis temporal y frecuencial o el reconocimiento de

patrones, tambin entra en accin el SPC.
La eleccin de la herramienta a utilizar depender lgicamente de las
caractersticas interesantes de cada seal para indicar la presencia de
determinados fallos. Estas caractersticas interesantes pueden ser tan
diversas como el propio valor de la seal, su derivada, su espectro
frecuencial o la similitud con un patrn previamente definido. La utilizacin
de relaciones directas entre las seales medidas(o funciones de estas) y los
fallos presentes en el proceso requiere un conocimiento del mismo que solo
puede adquirirse a travs de la experiencia, siendo esta la mayor dificultad
de estos mtodos.

Deteccin basada en modelos analticos: Estos mtodos se apoyan en

modelos matemticos (lineales o no lineales) para generar seales
adicionales que se comparan con las seales medidas, tambin se le
conoce como redundancia analtica.

Los mtodos basados en modelos, tienen como tarea principal la generacin

de residuos. Siendo estos, los que representan cambios o discrepancias en el
proceso y se obtienen a partir de variables o parmetros del mismo. Para
poder obtener dichos residuos, los datos medidos del proceso se comparan
con los obtenidos del modelo, considerando a los datos del modelo, como
aquellos que representan las condiciones normales de funcionamiento
considerando que las entradas conocidas son las mismas que en el proceso
real.

Deteccin basada en modelos analticos

Por su parte la obtencin de residuos, se puede llevar a cabo de dos formas:

La generacin de residuos basada en observadores, esta utiliza

observadores o filtros de kalman, algoritmo desarrollado por Rudolf
Kalman en 1960, que sirve para poder identificar el estado oculto (no
medible) de un sistema dinmico lineal, para estimar variables de
inters, a partir de las entradas y salidas medidas del proceso. Los
errores entre los datos reales y las estimaciones (o alguna funcin de
los mismos) sern los residuos buscados.

La estimacin de parmetros, esta se basa en la suposicin que los

fallos se producen en los parmetros fsicos del sistema (masa,
rozamiento, resistencia). Los parmetros matemticos del sistema, se

estiman en lnea utilizando un modelo del sistema. La correspondencia

entre los parmetros matemticos del modelo y los parmetros fsicos
del sistema permite estimar los segundos y compararlos con los de
referencia, obtenidos a partir del modelo en ausencia de fallos o
condiciones normales.

CONCLUSIN

Los procesos industriales, son da a da ms sofisticados y con mayores

necesidades de seguridad y fiabilidad, requiriendo acciones de inspeccin,
vigilancia y supervisin eficientes. Por consecuencia, dichos procesos exigen
el desarrollo de mtodos en lnea de automatizacin y de deteccin y
localizacin de fallas, que no afecten su eficiencia en materia de produccin
y de seguridad. Debido al incremento de los sistemas de produccin
automatizados, tambin se ha incrementado el inters en sistemas de
deteccin de fallas. Esto sucede principalmente al inters de tener un mejor
rendimiento, eficiencia, fiabilidad y seguridad en los procesos. Cualquier
elemento fallado ya sea un actuador o sensor, puede causar bajo
rendimiento, paro o accidentes fatales, es por ello que la rpida deteccin de
una falla ayudar a evitar eventos anormales en los procesos y mejorar su
rendimiento.

La deteccin de fallos es fundamental dentro del proceso de supervisin de

cualquier fbrica, ya que es capaz de permitir a industrias a la localizacin
de alguna anomala a presente en sus procesos lo que repercutira en la
rapidez de la toma de decisiones. Se puede sealar tambin, que existen
diferentes tipos de deteccin de fallas entre los cuales se estudiaron lo
basados en mtodos analticos los cuales se basan en criterios matemticos
para el clculo de las distintas seales que funcionaran como rango de
medida optima para comparar y detectar las fallas futuras en la industria.
Tambin se destaca el apoyo y beneficio que ofrecen los sistemas SCADA y
su adaptabilidad a fusionarse con herramientas dirigidos a apoyar de forma
an ms eficiente la supervisin y monitorizacin de procesos. As mismo,
resalta el uso de SPC, el cual segn criterios estadsticos y probabilsticos
sirve para llevar a cabo un seguimiento de las variables que forman parte de
los procesos, para de esta forma apoyar a la deteccin de fallas.

REFERENCIAS BIBLIOGRAFICAS

COLOMER, J. Sistemas de supervisin: Introduccin a la monitorizacin y

supervisin experta de procesos (en lnea). Consultado el: 2 de Diciembre de
2016. Disponible en:
http://www.ceautomatica.es/sites/default/files/upload/10/files/sistemas%20de
%20supervision.pdf
GARCIA, E. Detectando fallas mediante redundancia analtica (en lnea).
Consultado el 2 de Diciembre de 2016. Disponible en:

file:///C:/Users/steph_000/Downloads/11_Efrain_Alcorta_Detectando_Fallas
%20(1).pdf
TUMERO, I. Deteccin y anlisis de fallas (en lnea). Consultado el 2 de
Diciembre de 2016. Disponible en:
http://www.monografias.com/trabajos94/deteccion-modos-efectos-y-analisisfallas/deteccion-modos-efectos-y-analisis-fallas.shtml