INTRODUCCION MATLAB.

MatLab es un programa interactivo para el análisis, diseño, cálculo numérico y

tratamiento de datos. Contine muchas herramientas y utilidades que permiten

además diversas funcionalidades, como resolver problemas en matemática

aplicada,

física, química, ingeniería, finanzas y muchas otras aplicaciones. Está basado en

un

sofisticado software de matrices para el análisis de sistemas de ecuaciones como

integrar en análisis numérico, cálculo matricial, proceso de señal y

visualización

gráfica en un entorno completo, su elemento básico de trabajo son las matrices.

El

nombre de MATLAB proviene de la contracción de los términos MATrix

LABoratory y fue inicialmente concebido para proporcionar fácil acceso a las

librerías LINPACK y EISPACK.

Dentro de las caracteristicas de matlab encontramos:

 Es un lenguaje sencillo pero potente y rápido. En una sesión de trabajo

típica, no hay que compilar o crear ejecutables y los ficheros son de
texto, por lo que ocupan poca memoria.
 Muchas de las funciones matemáticas y de aplicación (análisis
estadístico, optimización, diseño en ingeniería) están predefinidas y
agrupadas en librerías comerciales (llamadas toolboxes). El usuario
puede acceder a la mayor parte de estas funciones para modificarlas y/o
crear las suyas propias.
 Presenta una gran capacidad para generar gráficos, en dos y tres
dimensiones, y permite incorporar efectos y animaciones.
  Permite el desarrollo de aplicaciones complejas con ayuda del editor de
ventanas, menús y controles de la utilidad GUI (Graphics User
Interface).
 Puede intercambiar datos con otros lenguajes y entornos. Puede
acceder a distintos dispositivos de hardware tales como tarjetas de
sonido, tarjetas de adquisición de datos y DSPs (Digital Signal
Processors).

El programa matlab se constituye por:

 El entorno.

 Los objetos gráficos.

 Un lenguaje propio de programación.

En esta exposicion se tocara mas a fondo el tema de matlab.

RELACION CON LAS SIMULACIONES DE PROCESOS QUIMICOS.

Los ingenieros de procesos utilizan MATLAB para analizar datos de sensores en

tiempo real, implementar estrategias de control y crear sistemas de mantenimiento
predictivo basados en big data y machine learning.
MATLAB ayuda a los ingenieros de procesos a:
 Desarrollar sistemas de mantenimiento predictivo mediante la aplicación de
técnicas numéricas a datos de sensores de alta velocidad.

 Utilizar machine learning con datos históricos para solucionar problemas de

procesos.

 Usar la modelización de datos para mejorar el rendimiento de los procesos. 

 Desarrollar e implementar estrategias de control avanzado de procesos

(APC).
  Adoptar la digitalización sin depender de científicos de datos o personal de
sistemas informáticos.

Los simuladores de procesos tradicionales suelen ser suficientes en

situaciones de estado estacionario, pero no pueden gestionar la naturaleza
dinámica de las señales con las que tratan las plantas de producción reales.
Con MATLAB, puede escribir sus propias ecuaciones y algoritmos, lo cual le
otorga el control total del modelo completo.

También es posible integrar MATLAB con simuladores de procesos tales como

Aspen Plus y gPROMS para operaciones unitarias personalizadas, analítica
avanzada, diseño de esquemas de control y aprovechamiento de rutinas de
optimización, tales como los algoritmos genéticos.

Optimización de activos con mantenimiento predictivo y procesamiento de

señales.

MATLAB puede ayudarle a desarrollar algoritmos de mantenimiento predictivo

personalizados según el perfil operativo y la arquitectura específica de su equipo.
Utilice Predictive Maintenance Toolbox para diseñar indicadores de condición y
calcular la vida útil restante de su maquinaria rotatoria.

Puede utilizar Signal Processing Toolbox para automatizar la supervisión del

rendimiento de sus bucles de control, determinar de manera remota el alcance de
la corrosión o las picaduras en los oleoductos y detectar la ubicación y la cantidad
de fugas en ellos.

Machine learning y big data.

Las apps interactivas de Statistics and Machine Learning Toolbox permiten aplicar
técnicas de machine learning sin necesidad de ser un experto en data analytics.
MATLAB proporciona también un entorno único de alto rendimiento para trabajar
con big data, tanto estructurados como no estructurados. Esto permite realizar la
detección y el diagnóstico de fallos con mayor rapidez y mejorar la supervisión de
los procesos.

Deep learning y procesamiento de imágenes

Basta con unas pocas líneas de código de MATLAB para crear modelos de deep
learning que emplean los datos de procesos para predecir estados anormales.
Utilice las apps de Image Processing Toolbox para automatizar procesos
habituales, tales como la segmentación de datos de imágenes y el procesamiento
por lotes de grandes conjuntos de datos de imágenes. Puede emplear MATLAB en
aplicaciones de procesamiento de imágenes tales como la caracterización de
llamas, las imágenes térmicas de maquinaria y la inspección de calidad del film de
plástico. Con deep learning en MATLAB, es posible aprender representaciones de
características directamente a partir de datos de imagen y vídeo.

Mejora de los procesos gracias a la modelización de datos

Utilice las herramientas de análisis multivariante de MATLAB para determinar las

variables independientes que afectan al rendimiento de los procesos. System
Identification Toolbox permite crear y utilizar modelos de sistemas dinámicos que
no se modelizan con facilidad a partir de especificaciones o primeros principios.
Esta toolbox también permite la estimación online de parámetros y estados de
manera interactiva.

Desarrollo e implementación de estrategias de APC.

Los productos de control de MATLAB permiten diseñar esquemas de control y

efectuar simulaciones dinámicas para un mejor análisis del comportamiento de la
planta. Diseñe, simule e implemente controladores predictivos de modelos lineales
y no lineales para su planta mediante Model Predictive Control Toolbox.
Los ingenieros de control también pueden integrar modelos de procesos de Aspen
Plus y gPROMS en Simulink. De esta forma, es posible volver a implementar
modelos existentes para diseñar una estrategia de control en su entorno preferido.

Digitalización.

MathWorks puede ayudarle a adoptar e implementar estrategias de big data

específicas para las necesidades de su organización. Puede emplear las
toolboxes y las arquitecturas de referencia prediseñadas de MATLAB para
simplificar una amplia gama de aplicaciones: desde la integración con sistemas
informáticos empresariales, la nube y la infraestructura de datos de producción
hasta el escalado del cálculo a clusters o la implementación de los modelos a
modo de aplicaciones para compartirlas con usuarios que no disponen de
MATLAB.

Implementación de DCS para cerrar el bucle.

Los algoritmos de MATLAB se pueden integrar con diversos sistemas DCS gracias
a OPC Toolbox™. OPC Toolbox proporciona acceso a datos OPC en tiempo real
e históricos directamente desde MATLAB y Simulink. Es posible leer, escribir y
registrar datos OPC de dispositivos, como sistemas DCS, sistemas de control de
supervisión y adquisición de datos y PLC. OPC Toolbox permite trabajar con datos
de servidores en tiempo real e historiadores de datos que cumplen los estándares
OPC DA, HDA y UA.

Fuentes bibliograficas.
Tim Watling, Jhonson Mathew. (2012). matworks. procesos de extracción y refino..
2021., de productos químicos y petroquímicos. Sitio web:
https://la.mathworks.com/solutions/chemicals-and-petrochemicals.html.