SISTEMA DE CONTROL DE pH PARA LA ETAPA DE DOSIFICACIÓN DE LA

PLANTA PASTEURIZADORA UBICADA EN EL LABORATORIO DE INDUSTRIAL

LUIS ALEJANDRO PEREZ PRADA

Tesis de Ingeniería en Control

Director:
Ing. JORGE EDUARDO PORRAS BOHADA

Universidad Distrital “Francisco José De Caldas”

Facultad Tecnológica
Programa de Ingeniería en Control
Bogotá, Mayo de 2016.

1
 SISTEMA DE CONTROL DE pH PARA LA ETAPA DE DOSIFICACIÓN DE LA
PLANTA PASTEURIZADORA UBICADA EN EL LABORATORIO DE INDUSTRIAL

LUIS ALEJANDRO PEREZ PRADA

Tesis presentada al Programa de Ingeniería en Control de la Universidad

Distrital “Francisco José de Caldas” Facultad Tecnológica, para obtener el
título de Ingeniero en Control

Programa:
Ingeniería en Control

Director:
Ing. Jorge Eduardo Porras Bohada

Co-Director:
Ing. M.Sc. Andrés Escobar Díaz

Bogotá D.C., Colombia 2016

2
 HOJA DE ACEPTACIÓN

SISTEMA DE CONTROL DE pH PARA LA ETAPA DE DOSIFICACIÓN DE LA

PLANTA PASTEURIZADORA UBICADA EN EL LABORATORIO DE INDUSTRIAL

Observaciones:

_______________________________
Director del Proyecto
Ing. Jorge EduardoPorras Bohada

_______________________________
Codirector del Proyecto
Ing. Andres Escobar Diaz

_______________________________
Evaluador del Proyecto

3
 Agradecimientos

Con este trabajo le agradecemos

a nuestros familiares por
ayudarnos durante nuestra
estadía en la Universidad, a
nuestro tutor por ayudarnos a
desarrollar nuestro proyecto.
Y a la compañía para la cual
desarrollamos la práctica.

4
Resumen

El laboratorio de Industrial de la Universidad Distrital Francisco José de Caldas,

Facultad Tecnológica, no cuenta con equipos didácticos para realizar prácticas de
control de pH ya que en industria existe gran demanda en esta área por tal motivo, se
desarrolló un sistema de control de pH para etapa de dosificación de la planta
pasteurizadora ubicada en el laboratorio de industrial. Como parte fundamental se
desarrolló la utilización de una técnica de control moderna, optando por la aplicación
de un control Difuso. Para el diseño de la etapa de dosificación se utilizaron
instrumentos, materiales, equipos y dispositivos de recursos dados por el laboratorio
de industrial y también de los aportes dados por parte de los estudiantes de la materia
Instrumentación de Procesos 2.

El sistema de control de pH para la etapa de dosificación de la planta pasteurizadora

ubicada en el laboratorio de industrial se realizó bajo la inspección del director ing.
Jorge Eduardo Porras Bohada realizándose en 5 fases:

La primera fase se llevó a cabo el diseño estructural e instrumental electrónico de la

etapa de dosificación, segunda fase desarrollo de identificación del modelo matemático
de la planta, tercera fase el desarrollo de la programación del PLC, la aplicación del
algoritmo del control PID en tiempo discreto y el control Difuso, la cuarta fase es la
verificación del correcto desempeño del control difuso que cuenta con tres prácticas
de laboratorios y por último la implementación del sistema SCADA donde el usuario
visualice y manipule las variables del sistema por medio de una pantalla HMI.

En este proyecto se visualiza el diseño e implementación de un sistema de control

automático, mediante un sistema SCADA permite monitorear y controlar acciones
sobre la variable de proceso de pH.

Palabras clave: Dosificación, control de pH, PLC, control Difuso, sistema

SCADA, Pasteurizadora.

5
Abstract

The Laboratory of Industrial of the Universidad Distrital Francisco José de Caldas,

Faculty of Technology, not account with classroom equipment to perform practical pH
control as in industry there is a great demand in this area for this reason, a system was
developed to control pH for stage of dosage of the plant pasteurization located in the
laboratory of industrial. As an essential part was developed the use of a control
technique modern, opting for the implementation of a PID control. For the design of the
stage of metering instruments were used, materials, equipment and devices of
resources given by the laboratory of industrial and also of the contributions given by
the students of the subject Process Instrumentation 2.

The control system of pH for the stage of dosage of the plant pasteurization located in
the laboratory of industrial was carried out under the inspection of the director ing. Jorge
Eduardo Porras Bohada and the Co-Director Ing. Andres Escobar Díaz, being carried
out in 5 stages:

The first phase was carried out the structural design and electronic instruments on the
stage of dosing, second development phase of identification of the mathematical model
of the plant, third phase the development of the PLC programming and the
implementation of the algorithm of the PID control in discrete time, fourth phase the
verification of correct performance of the diffuse control with three practices of
laboratories and finally the implementation of the SCADA system where the user to
visualize and manipulate the variables of the system by means of a screen HMI.

In this project is displayed the design and implementation of a system of automatic

control, using a SCADA system allows you to monitor and control actions on the
process variable of pH.

Key words: Dosification, control of pH, PLC, Fuzzy control, SCADA system,
MATLAB.

6
Tabla de contenido
Resumen............................................................................................................................................. 5
1. Introducción .............................................................................................................................. 12
1.1 Planteamiento del problema ........................................................................................... 12
1.2. Objetivos .......................................................................................................................... 13
1.2.1. Objetivo General ...................................................................................................... 13
1.2.2. Objetivos Específicos .............................................................................................. 13
2. Marco de Referencia ................................................................................................................. 14
2.1 Antecedentes ................................................................................................................... 14
2.1.1 A Review of pH Neutralization Process Control ...................................................... 14
2.1.2 A Novel Controller Tuning of pH Neutralization Process ....................................... 14
2.1.3 Enhanced Fuzzy Control of pH Neutralization Processes...................................... 14
2.2 Marco Teórico .................................................................................................................. 15
2.2.2 Pasteurización.......................................................................................................... 15
2.2.3 Disoluciones............................................................................................................. 16
2.2.4 Sensor de pH ............................................................................................................ 18
2.2.5 Sensor de Temperatura Termistor .......................................................................... 19
2.2.6 Modelado de sistemas ............................................................................................. 20
2.2.6.1 Tipos de modelos ................................................................................................. 20
2.2.7 Identificación de Sistemas[13] ................................................................................. 21
2.2.8 Lógica Difusa ........................................................................................................... 26
2.2.9 Conjuntos Difusos ................................................................................................... 26
2.2.10 Funciones de Pertenencia. ...................................................................................... 27
2.2.11 Control Difuso .......................................................................................................... 29
2.2.12 Fuzzificacion ............................................................................................................ 30
2.2.13 Base de reglas o base de conocimiento. ................................................................ 31
2.2.14 Mecanismo de Inferencia. ........................................................................................ 32
2.2.15 Defuzzificación ......................................................................................................... 32
3. Metodología .............................................................................................................................. 33
4. Ingeniería Conceptual ............................................................................................................... 34
4.1. Requerimientos................................................................................................................ 34
4.2. Alcance ............................................................................................................................ 35
4.3. Descripción preliminar del proceso ................................................................................ 35
4.4. Normatividad.................................................................................................................... 35

7
5. Ingeniería Básica .......................................................................................................................... 37
5.1 Descripción de la planta .................................................................................................. 37
5.2 Descripción del proceso ................................................................................................. 38
5.3 Descripción de instrumentación y equipos .................................................................... 41
5.4 Descripción del sistema de control ................................................................................ 44
6 Ingeniería en Detalle ................................................................................................................. 45
6.1 Selección de Sensores .................................................................................................... 45
6.1.1 Sensor de Temperatura – Termistor ....................................................................... 46
6.1.1.2 Características estáticas sensor termistor ................................................................ 49
6.1.2 Sensores de Nivel .................................................................................................... 49
6.1.3 Sensor de pH ............................................................................................................ 50
6.2 Experimento de identificación ........................................................................................ 52
6.2.1 Identificación Acido ................................................................................................. 54
6.2.2 Identificación Base .................................................................................................. 56
6.3 Diseño del controlador PID por el lugar geométrico de las raíces (sisotool) ............... 57
6.3.1 LGR sistema-acido ................................................................................................... 58
6.3.2 LGR sistema-base .................................................................................................... 60
6.4 Simulación del sistema de control PID en lazo cerrado ..................................................... 61
6.4.1 Resultados controlador PID ........................................................................................ 64
6.5 Diseño del Control Difuso ............................................................................................... 65
6.5.1 Resultados controlador Difuso ................................................................................... 71
6.6 Arquitectura del sistema SCADA .................................................................................... 73
6.6.1 Creación de la red Ethernet ..................................................................................... 74
6.6.2 Programación en RSlogx 5000 ................................................................................ 77
6.6.3 Sistema SCADA en FactoryTalkView ...................................................................... 83
7 Conclusiones............................................................................................................................. 86
8 Bibliografía ................................................................................................................................ 87
9 ANEXOS ................................................................................................................................... 90

8
LISTA DE FIGURAS
Fig1. Principio de medida para la medida de pH [11] ......................................................................... 19
Fig2. Curva resistencia vs temperatura termistor NTC ....................................................................... 20
Fig3. Proceso de identificación [13] ................................................................................................... 23
Fig4. Diagrama de bloques de las estructuras de los modelos paramétricos...................................... 26
Fig5. Ejemplo de subconjuntos borrosos para el conjunto velocidad. [15] .......................................... 27
Fig6. Función Triangular [16]............................................................................................................. 27
Fig7. Función Trapezoidal[16] ........................................................................................................... 28
Fig8. Función Sigmoidal[16] .............................................................................................................. 28
Fig9. Diagrama de bloques de un sistema difuso............................................................................... 29
Fig10. Arquitectura de un control Difuso [18]. .................................................................................... 30
Fig11. Procedimiento de Fuzzificación.[19]........................................................................................ 30
Fig12. Fuzzificacion de un sistema de temperatura y humedad ......................................................... 31
Fig13. Estructura fundamental en proyectos de ingeniería ................................................................. 33
Fig14. Diagrama de flujo de proceso ................................................................................................. 36
Fig15. Diseño estructural de la etapa de dosificacion ........................................................................ 38
Fig16 Diagrama P&ID de la planta .................................................................................................... 39
Fig17. Modelo Fisico basado en la norma ISA88 ............................................................................... 40
Fig18. Diagrama de bloques del sistema de control de la planta ........................................................ 45
Fig19. Termistor NTC........................................................................................................................ 46
Fig20. Ecuación característica termistor ............................................................................................ 47
Fig21. Gráfica y ecuación del Termistor linealizado ........................................................................... 49
Fig22. Circuito acondicionamiento de la señal del sensor de nivel ON-Off ......................................... 49
Fig23. Sensor de pH (SKU: SEN016) ................................................................................................ 50
Fig24. Dimensiones Fisicas del sensor de pH ................................................................................... 50
Fig25. Regresión lineal de pH vs Voltaje ........................................................................................... 52
Fig26. Curva de reacción del sistema de Acido mediante una señal paso.......................................... 53
Fig27. Curva de reacción del sistema de base mediante una señal paso ........................................... 54
Fig28. Identificación (acido) por System Identification Tool de MATLAB® .......................................... 54
Fig29. Porcentaje de Aproximación de los diferentes modelos .......................................................... 55
Fig30. Identificación (Base) por System Identification Tool de MATLAB® .......................................... 56
Fig31. Porcentaje de Aproximación de los diferentes modelos .......................................................... 56
Fig32. Arquitecturas de control Sisotool ............................................................................................ 57
Fig33. LGR sistema-Acido en lazo cerrado........................................................................................ 58
Fig34. PID tuning Sisotool ................................................................................................................. 59
Fig35. Respuesta al paso del sistema de control en lazo cerrado ...................................................... 59
Fig36. Exportación del Compensador al workspace de Matlab .......................................................... 60
Fig37. LGR sistema-Base en lazo cerrado ........................................................................................ 60
Fig38. Respuesta al paso del sistema de control en lazo cerrado ...................................................... 61
Fig39. Simulación del modelo del sistema de control en lazo cerrado en simulink. ............................. 61
Fig40. Bloque Función de transferencia tiempo discreto .................................................................... 62
Fig41. Salida de la simulación del sistema de control en lazo cerrado ............................................... 63
Fig42. Simulación en Simulink del sistema de control en lazo cerrado ............................................... 63
Fig43. Salida de la simulación del sistema de control en lazo cerrado ............................................... 64
Fig44. Salida control PID.................................................................................................................. 64
Fig45. FuzzyDesigner ....................................................................................................................... 65

9
Fig46. Programación de diagrama de bloques para el control Difuso del sistema .............................. 65
Fig47. Funciones de Transferencia para las variables lingüísticas de entrada.................................... 66
Fig48. Configuración Bloque de variables lingüísticas de salida......................................................... 67
Fig49. Funciones de pertenencia del bloque de variables lingüísticas de salida Dbase. ..................... 67
Fig50. Configuración del bloque de variables lingüísticas de salida DAcido ....................................... 68
Fig51. Funciones de Pertenencia de la variable de lingüística de salida DAcido. ............................... 68
Fig52. Base de conocimiento ............................................................................................................ 69
Fig53 Simulador del controlador Difuso ............................................................................................. 69
Fig54. Representación 2D PWM (acido) vs Error............................................................................... 70
Fig55. Representación 2D de PWM (base) vs Error........................................................................... 70
Fig56. Generador de Instrucción Add-On .......................................................................................... 70
Fig57. Variable de proceso inicial pH (7.1) vs Set Point pH (6.4) ...................................................... 71
Fig58. Variable de proceso inicial pH (6.83) vs Set Point pH (7.1)..................................................... 71
Fig59 Salida del controlador Difuso (acido) SP (6.5) vs PV (6,54)...................................................... 72
Fig60. Salida del controlador Difuso (base) SP (7.3) vs PV (7.28) ..................................................... 72
Fig61. Arquitectura Sistema SCADA para la etapa de control de pH.................................................. 74
Fig62. Red de Comunicación del sistema Tipo Estrella ..................................................................... 74
Fig63.Configuración IP del computador ............................................................................................. 75
Fig64. Creación de Red Ethernet ...................................................................................................... 76
Fig65. Configuración de IPs RsLinx................................................................................................... 76
Fig66. Dispositivos en Red Ethernet .................................................................................................. 76
Fig67. Programa Principal. ................................................................................................................ 77
Fig68. Rutinas y Subrutinas del programa principal- .......................................................................... 78
Fig69. Subrutinas del programa principal........................................................................................... 78
Fig70. Programa Principal Rslogix5000 ............................................................................................. 78
Fig71. Programación en Texto estructurado del modo Manual ......................................................... 79
Fig72. Configuración del puerto y protocolo serial del PLC. ............................................................... 79
Fig73. Configuración del Evento de Comunicación Serial. ................................................................. 80
Fig74. Salidas del controlador, conversión a tipo String y concatenación. .......................................... 81
Fig75. Envió de Variables de salida por puerto RS-232 ..................................................................... 81
Fig76. Configuración del Evento del Sensor de pH y ecuación linealizada. ........................................ 82
Fig77. Add-on Control Difuso ............................................................................................................ 82
Fig78. Display´s SCADA FactoryTalkView. ........................................................................................ 83
Fig79. Pantalla Inicial del Sistema SCADA. ....................................................................................... 83
Fig80. Pantalla de la etapa manual del Sistema SCADA. .................................................................. 84
Fig81. Control Difuso y Control PID ................................................................................................... 85
Fig82. Cámara termográfica FLIR i7 .................................................................................................. 90
Fig83. Certificado de calibración cámara termográfica FLIR i7........................................................... 90
Fig84. Sensor de pH utilizado como patrón ....................................................................................... 92

10
LISTA DE TABLAS
Tabla 1. Diferentes estructuras de modelos paramétricos ......................................................... 25
Tabla 2. Equipos Iniciales.............................................................................................................. 34
Tabla 3. Equipos e instrumentos de la planta ............................................................................. 41
Tabla 4. Comportamiento característico termistor NTC LG ....................................................... 46
Tabla 5. Sensor linealizado ........................................................................................................... 48
Tabla 6. Salida de pH del electrodo a (25°C) .............................................................................. 50
Tabla 7. Datos pH patrón vs voltaje de salida sensor pH3550 ................................................. 51
Tabla 8. IPs de los dispositivos en la red Ethernet ..................................................................... 75
Tabla 9 Especificaciones Técnicas de la cámara FLIRi7 ........................................................... 91
Tabla 10, Características sensor de pH Schott ........................................................................... 92

11
1. Introducción

Debido a que en la actualidad los procesos industriales son ampliamente usados para
diversas aplicaciones, el programa ingeniería en control de la Universidad Distrital
Francisco José de Caldas, Facultad Tecnológica, de la materia instrumentación de
procesos decide empezar a crear un prototipo didáctico de una planta pasteurizadora
por lotes ubicada en el laboratorio de industrial. Con el fin de preparar a los estudiantes
de ingeniería en control e industrial para enfrentarse a sus problemas diarios como
futuros profesionales.

Este proyecto se enfoca en realizar control de pH en la etapa de dosificación, con el

fin de regular el pH del producto para su posterior pasteurización. Utilizando algoritmos
de identificación y de control diseñados para luego programarse desde un PLC (Allen
Brandley-Compactlogix-L23E), además se implementa un sistema SCADA a través de
una pantalla HMI que le permite al usuario la identificación y el control de los
elementos físicos del sistema.

Debido a que la planta presenta un comportamiento no lineal, fuera del algoritmo PID
también se abordan algoritmos de control moderno como es el control difuso.

1.1 Planteamiento del problema

En el Laboratorio de industrial de la Universidad Distrital Francisco José de Caldas de
la Facultad Tecnológica, los estudiantes de ingeniería en Control e industrial no tienen
equipos necesarios para realizar prácticas en el área de procesos industriales, ya sean
prácticas de instrumentación, control o producción debido a lo anterior, se crea un
prototipo de planta didáctica de un proceso de pasteurización, con instrumentos,
controladores aportados por la Universidad Distrital y los estudiantes de ingeniera en
control de la materia instrumentación de procesos 2. Esta planta está divida en tres
etapas; Dosificación, Caldera y Enfriamiento. En este proyecto se Implementa un
sistema de supervisión y control de pH para la etapa de dosificación, esta aplicación
permite el control de las variables del sistema de forma remota, además graficas en
tiempo real del estado de las variables, señales de alarmas, reportes de históricos, etc.

Sin embargo debido al presupuesto alcanzado por los estudiantes para la elaboración
de la planta se encontraron algunos limitantes mencionados a continuación;
Algunos materiales como la tubería, bombas, tanques, etc.; No son aptos para el
tratamiento de productos alimenticios en la industrial Colombiana, se propone a futuro

12
que la Universidad Distrital brinde más apoyo económico para una renovación
estructural de la planta.

Otros limitantes importantes en el desarrollo de proyecto fueron los reactivos, ya que

debido a las normas legales impuestas por el Ministerio de Salud y la Policía Nacional
Colombiana [1] , no se pueden adquirir Bases y Ácidos fuertes sin un permiso del
ministerio de educación por consecuente se opta por utilizar bases y ácidos débiles ya
que el proceso lo permite. Otra limitante es que los dosificadores son de baja
capacidad volumétrica se debe reducir rengo de operación de pH de la planta. Además
se debe tener en cuenta las normas de seguridad para el manejo de los ácidos y
bases,[2], [3] ya que pueden ser perjudiciales para la salud del operador al momento
de realizar las prácticas.

1.2. Objetivos

1.2.1. Objetivo General

 Diseño e Implementación de un sistema de control de pH, para la etapa de

dosificación de una planta pasteurizadora ubicada en el laboratorio de industrial.

1.2.2. Objetivos Específicos

 Desarrollar el modelo matemático para la etapa de control de pH del sistema de

dosificación de la planta pasteurizadora.

 Implementación de un sistema de control digital en un controlador lógico

programable.

 Implementar un sistema SCADA para la etapa de control de pH del sistema de

dosificación de la planta pasteurizadora.

 Elaboración de tres prácticas de laboratorio para la validación del modelo

planteado.

13
2. Marco de Referencia

2.1 Antecedentes

2.1.1 A Review of pH Neutralization Process Control

En este documento se realiza una revisión a fondo sobre el funcionamiento de control

de una planta de procesos de neutralización de pH, usadas principalmente en
tratamiento de aguas negras farmacéuticos y productos quimios, ya que debido a sus
características no lineales se debe abordar estrategias y metodologías diferentes de
control.
El objetivo genera de una planta de neutralización de pH es de neutralizar la solución
de residuo antes de descarga de ella al entorno. La exigencia en términos de potencial
de hidrogeno para ser descargado de una planta de tratamiento de aguas negras está
en el rango de 6 a 8. [4]

2.1.2 A Novel Controller Tuning of pH Neutralization Process

En este artículo nos dice que La sensibilidad y la Robustez son principales

características que se debe tener en cuenta al momento de diseñar el controlador de
sistemas no lineales. En el funcionamiento del diseño del controlador él debe guardar
el error entre la salida controlada y el set-point cuanto menos posible. La optimización
de colonia de Hormiga (ACO) y la Optimización de Enjambre de Partícula (PSO) son
métodos que ayudan a determinar varios parámetros del controlador para el regulador
que sintoniza con el proceso de neutralización de pH.
El proceso de pH es un sistema no lineal dinámico y un problema de control
sumamente complejo y desafiante en industrias de tratamiento de aguas negras.[4],
[5] El proporcional Integral derivador (PID) el regulador extensamente ha sido usado
en el proceso de pH muchos años. La sintonía de los parámetros de regulador PID es
necesaria para la operación satisfactoria del proceso. Tradicionalmente; los
parámetros de regulador de PI son evaluados usando métodos como Ziegler-Nichols
(ZN) y Culi de Cohen (CC).

2.1.3 Enhanced Fuzzy Control of pH Neutralization Processes

En el siguiente artículo presenta un controlador específico difuso el cual es

desarrollado para el controlador de un proceso de neutralización de pH. Este
controlador es principalmente él de la estructura de control difuso PD, pero
simultáneamente realzado por un integrador normal y un predictor de Smith. El modelo

14
del proceso de neutralización de pH considerado tiene características sumamente no
lineal con el retraso de tiempo. Las propiedades del sistema total son habladas en
términos de no linealidad y robustez. El diseño del regulador es realizado basado en
la teoría de juego difusa y el principio de control clásico. [6]

En los casos prácticos de ingeniería de producto químico, debido a su simplicidad, el

controlador de PI clásico es todavía un instrumento principal para el control de pH
aunque los controladores avanzados como autoadaptable y reguladores de estructura
variable hayan sido desarrollados.[7] Los controladores difusos son eficientes no
lineales y con la robustez buena, son opciones para sustituir a los controladores PI
clásicos. [6]

2.2 Marco Teórico

2.2.2 Pasteurización

La pasteurización es un proceso térmico realizado a los alimentos: los procesos

térmicos se pueden realizar con la intención de disminuir las poblaciones patógenas
de microorganismos o para desactivar las enzimas que modifican los sabores de
ciertos alimentos. No obstante el proceso de pasteurización se emplea generalmente
mayoría de los casos las temperaturas superiores a este valor afectan
irreversiblemente ciertas características físicas y químicas del producto alimenticio.[8]

En los procesos de pasteurización se somete el producto a una combinación de

temperatura-tiempo moderados para alterar en lo mínimo la composición nutricional
del producto. Las transformaciones físicas - químicas, bromatológicas y organolépticas
en el proceso depende principalmente de los siguientes factores: [9]

a) Relación tiempo-temperatura.

b) Cantidad inicial y tipo de gérmenes presentes.

c) Acidez de la leche.

d) Velocidad de flujo y de transmisión de calor en el pasteurizador.

La acidez de la leche se relaciona con el pH, al aumentar la acidez desciende el pH y

se incrementa el efecto germicida, al igual que la relación tiempo - temperatura. A pH
menor de 4.5 se consiguen efectos germicidas similares a aplicar una temperatura de
15
entre 60 y 65 °C que los obtenidos al aplicar entre 70 y 75°C con pH mayor de 4.5. El
pH normal de la leche en las plantas oscila entre 6.4 y 6.5, si ha sido contaminada y
acidificada por bacterias, este valor desciende a 6.25, lo cual reduce la estabilidad de
las proteínas al calor, o sea que éstas se precipitan, o coagulan, arrastrando muchos
gérmenes dentro del coágulo que no son atacados. Para solucionar este problema en
el producto se adicionan citratos y fosfatos restableciendo el equilibrio.[9]

2.2.3 Disoluciones

Se entiende por disolución toda mezcla homogénea de dos o más componentes en

proporción variable. Las disoluciones objeto de nuestro estudio serán binarias, en las
que un cuerpo (soluto) se dispersa de una manera homogénea en el seno de otro
componente (disolvente).[10]

 El disolvente (solv), es el componente mayoritario de la disolución, puede ser

un sólido, un líquido o un gas.

 El Soluto (sto): es el componente minoritario de la disolución o solución, es decir

el que se encuentra en menor cantidad (masa, moles etc.)

La suma del soluto y el disolvente o solvente es igual a la disolución (1):

𝐷𝑖𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 = 𝑠𝑜𝑙𝑢𝑡𝑜 + 𝑑𝑖𝑠𝑜𝑙𝑣𝑒𝑛𝑡𝑒 (1)

2.2.2.1 Concentración de una disolución [10]

La concentración de una disolución es la proporción o relación que hay entre la

cantidad de soluto y la cantidad de disolvente, donde el soluto es la sustancia que se
disuelve, el disolvente la sustancia que disuelve al soluto, y la disolución es el resultado
de la mezcla homogénea de las dos anteriores. A menor proporción de soluto disuelto
en el disolvente, menos concentrada está la disolución, y a mayor proporción más
concentrada ésta.

La concentración de una disolución viene dada por la proporción entre sus

componentes (soluto y disolvente) o entre el soluto y la disolución. Esta relación se
puede establecer desde el punto de vista cualitativo o cuantitativo y, dentro de esto
último tomar como base de referencia la masa o el volumen.

16
A diferencia de las concentraciones expresadas de una manera cualitativa o empírica,
las concentraciones expresadas en términos cuantitativos o valorativos toman en
cuenta de una manera muy precisa las proporciones entre las cantidades de soluto y
disolvente que se están utilizando en una disolución. Este tipo de clasificación de las
concentraciones es muy utilizada en la industria, los procedimientos químicos, en la
farmacia, la ciencia, etc. Ya que en todos ellos es necesario mediciones muy precisas
de las concentraciones de los productos.

Hay varias maneras de expresar la concentración cuantitativamente, basándose en la

masa, el volumen, o ambos. Según cómo se exprese, puede no ser trivial convertir de
una medida a la otra, pudiendo ser necesario conocer la densidad, la concentración
de la disolución puede expresarse como:

 Porcentaje masa-masa (% m/m)

 Porcentaje volumen-volumen (% V/V)
 Porcentaje masa-volumen (% m/V)
 Molaridad
 Normalidad
 Fracción molar

En concentraciones muy pequeñas[10]

 Partes por millón (ppm)

 Partes por billón (ppb)
 Partes por trillón (ppt)

2.2.2.2 Molaridad. [10]

La molaridad (M), o concentración molar, es el número de moles de soluto por cada

litro de disolución.
𝑀𝑜𝑙𝑒𝑠 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑜
𝑀 = 𝐿𝑖𝑡𝑟𝑜𝑠 𝑑𝑒 𝑑𝑖𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛 (2)

17
Es el método más común de expresar la concentración en química, sobre todo cuando
se trabaja con reacciones químicas y relaciones estequiometrias. Sin embargo, este
proceso tiene el inconveniente de que el volumen cambia con la temperatura.

Se representa también como: M = n / V, en donde "n" son los moles de soluto (n=gr
soluto/PM) y "V" es el volumen de la disolución expresado en litros.

2.2.4 Sensor de pH

Primero debemos definir la palabra potencial hidrógeno (pH) como el logaritmo

negativo de la concentración molar (más exactamente de la actividad molar) de los
iones hidrógeno expresada como (3):

𝑝𝐻 = −log[𝐻+] (3)

Existen sensores capaces de medir este potencial de hidrogeno y el principio de

medida de este sensor se basa en un vidrio sensible al pH. Cuando el vidrio sensible
al pH entra en contacto con un líquido, se forma en la superficie una capa delgada de
gel hidratado lo cual permite el intercambio de iones entre la superficie del vidrio y el
líquido. En la superficie del vidrio se forma el denominado potencial de Nernst. Si
ambas caras del vidrio están en contacto con los líquidos, puede detectarse una
tensión entre los potenciales de las dos superficies. Dicha tensión guarda correlación
con la diferencia en la concentración de iones H+ y, por consiguiente, con la diferencia
de los valores de pH en ambos líquidos. [11]

El electrodo que mide el pH contiene una solución amortiguadora interna que tiene un
valor de pH conocido. Si el valor de pH del producto de medida en el exterior del
electrodo es igual al valor de pH de la solución amortiguadora interna, la tensión
resultante es de 0 V. Si el valor de pH del producto difiere del valor de pH interno, se
puede medir una tensión entre la capa interna y externa. A partir de la tensión
resultante, se puede calcular la diferencia de pH entre los dos líquidos. [11]

18
 Fig1. Principio de medida para la medida de pH [11]

1. Electrodo de referencia.
2. Electrodo de medida.
3. Diafragma en contacto con la solución de KCl y con el producto de medida.
4. Solución amortiguadora interna con pH 7.
5. Potencial de la superficie en el interior (contacto con la solución amortiguadora).
6. Vidrio sensible al pH.
7. Potencial de la superficie en el exterior (contacto con el producto de medida).
8. Producto de medida.

2.2.5 Sensor de Temperatura Termistor

Los Termistores son resistores térmicamente sensibles, existen dos tipos de

termistores según la variación de la resistencia/coeficiente de temperatura, pueden ser
negativos (NTC) o positivos (PTC).

Esta resistencia se caracteriza por su disminución del valor óhmico a medida que
aumenta la temperatura, por tanto presenta un coeficiente de temperatura negativo.
En función de la intensidad de corriente que pasa por la NTC, ésta se calienta más o
menos y su valor óhmico varía. Así pues, basta con calibrar el elemento t para diversas
intensidades y la resistencia determinará la temperatura de funcionamiento.[12]

Las resistencias NTC suelen funcionar conforme a la figura 2:

19
 Fig2. Curva resistencia vs temperatura termistor NTC

2.2.6 Modelado de sistemas

Cuando se hace necesario conocer el comportamiento de un sistema en unas

determinadas condiciones y ante unas determinadas entradas, se puede recurrir a la
experimentación sobre dicho sistema y a la observación de sus salidas. Sin embargo,
en muchos casos la experimentación puede resultar compleja o incluso imposible de
llevar a cabo, lo que hace necesario trabajar con algún tipo de representación que se
aproxime a la realidad, y a la que se conoce como modelo. Básicamente, un modelo
es una herramienta que permite predecir el comportamiento de un sistema sin
necesidad de experimentar sobre él.[13]

2.2.6.1 Tipos de modelos

Los modelos de sistemas físicos pueden ser de muy diversos tipos. Una clasificación,
en función del grado de formalismo matemático que poseen, es la siguiente: [13]

 Modelos mentales, intuitivos o verbales: Estos modelos carecen de formalismo

matemático. Para conducir un coche, por ejemplo, se requiere un modelo mental o
intuitivo sobre el efecto que produce el movimiento del volante, pero no es
necesario caracterizar dicho efecto mediante ecuaciones matemáticas exactas.

 Modelos no paramétricos: Muchos sistemas quedan perfectamente

caracterizados mediante un gráfico o tabla que describa sus propiedades
dinámicas mediante un número no finito de parámetros. Por ejemplo, un sistema
lineal queda definido mediante su respuesta al impulso o al escalón, o bien
mediante su respuesta en frecuencia.

20
 Modelos paramétricos o matemáticos: Para aplicaciones más avanzadas, puede
ser necesario utilizar modelos que describan las relaciones entre las variables del
sistema mediante expresiones matemáticas como pueden ser ecuaciones
diferenciales (para sistemas continuos) o en diferencias (para sistemas discretos).

2.2.6.2 Métodos de obtención de modelos

Existen dos métodos principales para obtener el modelo de un sistema:

1. Modelado teórico. Se trata de un método analítico, en el que se recurre a leyes

básicas de la física para describir el comportamiento dinámico de un fenómeno o
proceso.

2. Identificación del sistema. Se trata de un método experimental que permite

obtener el modelo de un sistema a partir de datos reales recogidos de la planta bajo
estudio.

2.2.7 Identificación de Sistemas[13]

La identificación de sistemas es la teoría y el arte de construir modelos matemáticos

de sistemas dinámicos basándonos en las entradas y salidas observadas. Como
disciplina científica data de los primeros intentos de modelar series de tiempo usando
técnicas AR. Aunque una parte sustancial del desarrollo de las técnicas está ligado a
la Comunidad de Control, está básicamente construida a partir de técnicas
estadísticas, en particular en los métodos de regresión lineal y no-lineal. Construir
modelos para sistemas desconocidos es un objetivo importante de la Ingeniería de
control. Estos modelos necesitan simular el comportamiento real en los casos en que
existe un conocimiento previo limitado de la estructura del sistema.[14]

El proceso de identificación comprende los siguientes pasos:

 Obtención de datos de entrada - salida: Para ello se debe excitar el sistema

mediante la aplicación de una señal de entrada y registrar la evolución de sus
entradas y salidas durante un intervalo de tiempo.

 Tratamiento previo de los datos registrados: Los datos registrados están

generalmente acompañados de ruidos indeseados u otro tipo de imperfecciones
que puede ser necesario corregir antes de iniciar la identificación del modelo.
21
 Elección de la estructura del modelo: Si el modelo que se desea obtener es un
modelo paramétrico, el primer paso es determinar la estructura deseada para dicho
modelo.

 Obtención de los parámetros del modelo: Se procede a la estimación de los

parámetros de la estructura que mejor ajustan la respuesta del modelo a los datos
de entrada - salida obtenidos experimentalmente.

 Validación del modelo: El último paso consiste en determinar si el modelo

obtenido satisface el grado de exactitud requerido para la aplicación en cuestión.
Si se llega a la conclusión de que el modelo no es válido, se deben revisar los
siguientes aspectos como posibles causas:

a) El conjunto de datos de entrada-salida no proporciona suficiente información

sobre la dinámica del sistema.
b) La estructura escogida no es capaz de proporcionar una buena descripción del
modelo.
c) El criterio de ajuste de parámetros seleccionado no es el más adecuado.
Dependiendo de la causa estimada, deberá repetirse el proceso de
identificación desde el punto correspondiente. Por tanto, el proceso de
identificación es un proceso iterativo, cuyos pasos pueden observarse en el
organigrama de la figura 3.

22
 Fig3. Proceso de identificación [13]

2.2.7.1 Métodos de identificación [13]

Existen diversos métodos de identificación, que pueden clasificarse según distintos

criterios: · Dependiendo del tipo de modelo obtenido:

1. Métodos no paramétricos, que permiten obtener modelos no paramétricos del

sistema bajo estudio. Algunos de estos métodos son: análisis de la respuesta
transitoria, análisis de la respuesta en frecuencia, análisis de la correlación, análisis
espectral, análisis de Fourier, etc.

2. Métodos paramétricos, que permiten obtener modelos paramétricos. Estos métodos

requieren la elección de una posible estructura del modelo, de un criterio de ajuste de
parámetros, y por último de la estimación de los parámetros que mejor ajustan el
modelo a los datos experimentales.

23
2.2.7.2 Técnicas de identificación paramétrica [13]

Los modelos paramétricos, a diferencia de los anteriores, quedan descritos mediante

una estructura y un número finito de parámetros que relacionan las señales de interés
del sistema (entradas, salida y perturbaciones). En muchas ocasiones es necesario
realizar la identificación de un sistema del cual no se tiene ningún tipo de conocimiento
previo. En estos casos, se suele recurrir a modelos estándar, cuya validez para un
amplio rango de sistemas dinámicos ha sido comprobada experimentalmente.
Generalmente estos modelos permiten describir el comportamiento de cualquier
sistema lineal. La dificultad radica en la elección del tipo de modelo (orden del mismo,
número de parámetros, etc.) que se ajuste satisfactoriamente a los datos de entrada -
salida obtenidos experimentalmente. Generalmente estos modelos permiten describir
el comportamiento de cualquier sistema lineal.

2.2.7.3 Tipos de modelos paramétricos [13]

Generalmente los modelos paramétricos se describen en el dominio discreto, puesto

que los datos que sirven de base para la identificación se obtienen por muestreo. En
el caso de que se requiera un modelo continuo, siempre es posible realizar una
transformación del dominio discreto al continuo.

La expresión más general de un modelo discreto es del tipo (2):

𝑆(𝑡) = 𝜂 (𝑡) + 𝑊(𝑡) (4)

Donde 𝑊 (𝑡) es el término que modela la salida debida a las perturbaciones, 𝜂(𝑡) la
salida debida a la entrada, y 𝑠(𝑡) la salida medible del sistema. Cada uno de estos
términos puede desarrollarse de la siguiente forma:

𝜂 (𝑡) = 𝐺 (𝑞 −1 , 𝜃) ∗ 𝑢(𝑡) (5)

𝑊 (𝑡) = 𝐻 (𝑞 −1 , 𝜃) ∗ 𝑒(𝑡) (6)

𝑠(𝑡) = 𝐴(𝑞 −1 , 𝜃) ∗ 𝑦(𝑡) (7)

24
Donde 𝑞 −1 es el operador retardo, representa un vector de parámetros, 𝑢(𝑡) y 𝑒(𝑡) son
la entrada al sistema y el ruido de entrada al mismo respectivamente, 𝑦(𝑡) es la salida
de interés del sistema (que puede no coincidir con la salida medible).

Tanto 𝐺(𝑞 −1 , 𝜃) como 𝐻 (𝑞 −1 , 𝜃) son cocientes de polinomios del tipo:

𝐵(𝑞−1 ) 𝐴(𝑞−1 ,𝜃)∙ 𝑞−𝑛𝑘 +𝑏2 ∙ 𝑞−𝑛𝑘−1 + ⋯+𝑏𝑛𝑏 ∙ 𝑞 −𝑛𝑘−𝑛𝑏+1

𝐺 (𝑞 −1 , 𝜃) = = (8)
𝐹(𝑞−1 ) 1+ 𝑓1 ∙ 𝑞−1+ 𝑓𝑛𝑓 ∙ 𝑞−𝑛𝑓

𝐶(𝑞−1) 1+𝑐1 ∙ 𝑞 −1+ ⋯+𝐶𝑛𝑐 ∙ 𝑞−𝑛𝑐

𝐻 (𝑞 −1 , 𝜃) = = (9)
𝐷(𝑞−1 ) 1+ 𝑑1 ∙ 𝑞−1 + 𝑑𝑛𝑑 ∙ 𝑞−𝑛𝑑

Y 𝐴(𝑞 −1 , 𝜃) un polinomio del tipo:

(𝑞 −1 , 𝜃) = 1 + 𝑎1∙ 𝑞 −1 +. . . +𝑎𝑛𝑎∙ 𝑞 −𝑛𝑎 (10)

Para elegir la estructura de este tipo de modelos hay que determinar el orden de cada
uno de los polinomios anteriores, es decir na, nb, nc, nd, nf y el retardo entre la entrada
y la salida nk. Una vez elegidos estos valores, sólo queda determinar el vector de
coeficientes 𝜃(𝑎1, 𝑏1, 𝑐1, 𝑦 𝑓1, ) que hacen que el modelo se ajuste a los datos de entrada
- salida del sistema real.

En muchos casos, alguno de los polinomios anteriores no se incluye en la descripción

del modelo, dando lugar a los siguientes casos particulares entre otros:

Tabla 1. Diferentes estructuras de modelos paramétricos

Tipo de modelo Condición Estructura resultante
Modelo ARX 𝐹(𝑞 −1 ) = 𝐷(𝑞 −1 ) = 𝐶(𝑞 −1 ) = 1 𝐴(𝑞 −1 )𝑦(𝑡) = 𝐵(𝑞 −1 ) ∗ 𝑢(𝑡) + 𝑒(𝑡)
Modelo Output Error 𝐶(𝑞 −1 ) = 𝐷(𝑞 −1 ) = 𝐴(𝑞 −1 ) = 1 𝐵(𝑞 −1 )
𝑦(𝑡) = ∗ 𝑢(𝑡) + 𝑒(𝑡)
(OE) 𝐹(𝑞 −1 )
Modelo ARMAX 𝐹(𝑞 −1 ) = 𝐷(𝑞 −1 ) = 1 𝐴(𝑞 −1 )𝑦(𝑡) = 𝐵(𝑞 −1 ) ∗ 𝑢(𝑡) + 𝐶(𝑞 −1 ) ∗ 𝑒(𝑡)
Modelo Box 𝐴(𝑞 −1 ) = 1 𝐵(𝑞 −1 ) 𝐶(𝑞 −1 )
𝑦(𝑡) = ∗ 𝑢(𝑡) + ∗ 𝑒(𝑡)
Jenkins(BJ) 𝐹(𝑞 −1 ) 𝐷(𝑞 −1 )

25
En la Figura 4 se muestra el diagrama de bloques equivalente para cada uno de los
modelos anteriores.

Fig4. Diagrama de bloques de las estructuras de los modelos paramétricos

2.2.8 Lógica Difusa

La lógica Difusa proporciona un mecanismo de inferencia que permite simular los

procedimientos de razonamiento humano en sistemas basados en el conocimiento. La
teoría de la lógica difusa proporciona un marco matemático que permite modelar la
incertidumbre de los procesos cognitivos humanos de forma que pueda ser tratable
por un computador.

2.2.9 Conjuntos Difusos

Los conjuntos clásicos, tienen limitaciones, se define un universo de discurso que

contiene a conjuntos cuyos bordes están bien definidos, un elemento puede o no
pertenecer a cierto conjunto, algo es verdadero o falso, no se definen situaciones
intermedias. Los conjuntos borrosos son una extensión de los clásicos, donde se
añade una función de pertenencia, definida esta como un número real entre 0 y 1. Así
se introduce el concepto de conjunto o subconjunto borroso y se lo asocia a un
determinado valor lingüístico, definido por una palabra o etiqueta lingüística, donde
esta es el nombre del conjunto o subconjunto. Por cada conjunto se define una función
de pertenencia o membresía denominada μA(x), indica el grado en que la variable x
está incluida en el concepto representado por la etiqueta A (0≤μA(x)≤1), si esta función
toma el valor 0 significa que tal valor de x no está incluido en A y si toma el valor 1 el
correspondiente valor de x está absolutamente incluido en A. En la Figura 5 se puede
26
apreciar un ejemplo donde el conjunto velocidad (con variable x) está subdividido en 3
subconjuntos {Baja, Meda, Alta}, con sus respectivas funciones de membresía
{μBaja(x) μMedia(x) μAlta(x)}.[15]

Fig5. Ejemplo de subconjuntos borrosos para el conjunto velocidad. [15]

2.2.10 Funciones de Pertenencia.

Las funciones de membresía representan el grado de pertenencia de un elemento a

un subconjunto definido por una etiqueta.

Existe una gran variedad de formas para las funciones de membresía, las más
comunes son del tipo (trapezoidal, triangular, singleton, S.)

Función Triangular

En la Fig.6 se observa la función de pertenencia tipo triangular que está definida

mediante el límite inferior a, y el superior b y el valor modal m, tal que a<m<b. La
función no tiene por qué ser simétrica.[16]

Fig6. Función Triangular [16]

27
Función Trapezoidal

En la Fig. 7 se define la función de pertenencia tipo trapezoidal que se encuentra

definida por sus límites inferiores a. superior d y los limistes de soporte inferior b,
superior c, tal que a<b<d. [16]

Fig7. Función Trapezoidal[16]

Función Sigmoidal

Definida por sus limite a, superior b y el valor m o punto de inflexión, tales que a<m<b.
El crecimiento es más lento cuanto mayor sea la distancia a-b. Para el caso concreto
de m=(a+b)/2, que es lo usual, como se observa en la Fig. 8. [16]

Fig8. Función Sigmoidal[16]

28
2.2.11 Control Difuso

El control difuso representa actualmente una novedosa e importante rama de las

técnicas de control. Los procedimientos convencionales no se sustituyen, sino que se
complementan de forma considerable en función del campo de aplicación. Los
controladores difusos son controladores no-lineales. Por medio de la selección
adecuada de funciones de pertenencia y del establecimiento de una base de reglas se
pueden compensar no-linealidades en el sistema de regulación de procesos. Las
funciones de pertenencia son modelos matemáticos para los términos lingüísticos
(funciones de pertenencia triangulares, trapezoidales o gaussianas).[17]

Ventajas del controlador difuso son que las regulaciones multivariables se pueden
realizar de forma rápida, comprensible y orientada hacia problemas. Esto se aplica
sobre todo cuando no hay ningún modelo de sistema controlado o cuando el modelo
presenta una estructura no-lineal desfavorable. El comportamiento de un sistema se
describe con expresiones lingüísticas, por lo que es más sencillo que una descripción
matemática. La base de reglas y la definición de la cantidad difusa se pueden ampliar
o adaptar con posterioridad[17].

En la Fig.9 se muestra el diagrama de bloques de un sistema difuso.

Fig9. Diagrama de bloques de un sistema difuso

[Fuente Autor]

29
El control difuso cuenta con cuatro etapas:

 Fuzzificacion.
 Base de reglas o base de conocimiento.
 Mecanismo de Inferencia.
 Defuzzificacion.

En la Fig. 10 se muestra la Arquitectura de un controlador Difuso de un proceso en

lazo cerrado.

Fig10. Arquitectura de un control Difuso [18].

2.2.12 Fuzzificacion

La interfaz de Fuzzificación, convierte entradas de controlador en información que

fácilmente puede utilizar el mecanismo de inferencia para activar y aplicar reglas.
Calculando el grado de pertenencia que podría tener una entrada a uno o varias
funciones de pertenencia de una variable, en la Fig. 11 se observa la representación
del procedimiento de fuzzificación.

Fig11. Procedimiento de Fuzzificación.[19]

30
Para convertir las entradas del sistema en entradas Fuzzy se deben determinar las
diferentes funciones de pertenencia. Una vez realizado, la entrada es comparada con
la función de pertenencia correspondiente produciendo valores de entrada fuzzy.

Luego se define las etiquetas a cada variable de entrada sea por ejemplo de
temperatura (congelado, frio, normal, tibio, caliente) y por último se define una función
de pertenencia a cada etiqueta. En la Fig. 12 se muestra un ejemplo de la fuzzificacion
de un sistema de temperatura y humedad.[19]

Fig12. Fuzzificacion de un sistema de temperatura y humedad [19]

2.2.13 Base de reglas o base de conocimiento.

La base de conocimiento es un conjunto de reglas (If-Then) que contiene una

cuantificación lógica difusa de la descripción lingüística del experto de cómo lograr
buen control.

Los conjuntos difusos de entrada se asocian mediante operadores difusos. Al aplicar

un operador sobre los conjuntos difusos se obtiene otro conjunto borroso.

Reglas de tipo Mamdani

El formato de estas reglas es:

SI u1 es A1 Y u2 es A2 Y....Y un es An ENTONCES v es B (11)

Donde los ui y v son variables lingüísticas, y los Ai y B representan los valores

lingüísticos (términos lingüísticos asociados a conjuntos borrosos) que dichas
variables pueden asumir. Los sistemas que usan este tipo de reglas fueron propuestos
por Mamdani[20]

31
Cada una de las reglas tiene un lado izquierdo (LI) formado por uno o varios
antecedentes y un lado derecho (LD) (consecuente), por ejemplo “SI la temperatura es
alta y la presión es media ENTONCES bajar un poco el caudal de combustible”.
Ventajas del método Mamdani: Es más intuitivo, está ampliamente aceptado, se
adapta mejor al lenguaje humano.[21]

Reglas de tipo Sugeno

El formato para este tipo de reglas es:

SI u1 es A1 Y u2 es A2 Y....Y un es An ENTONCES v = f (u1, u2,... un) (12)

Donde los ui son las variables lingüísticas de entrada, los Ai son los valores lingüísticos
que dichas variables pueden asumir, v es la variable de salida y f representa una
función lineal de las entradas. Ventajas del método Sugeno: eficiente en términos de
computación, funciona bien con técnicas lineales, funciona bien con técnicas de
optimización y técnicas adaptativas, garantiza la continuidad en la superficie de salida
del sistema, se adapta mejor al análisis matemático. [21]

2.2.14 Mecanismo de Inferencia.

Mecanismo de inferencia (también llamado un "motor de inferencia" o "inferencia

fuzzy" módulo), que emula la decisión del experto en la interpretación y aplicación de
los conocimientos sobre la mejor forma de control de la planta. [18]

El mecanismo de inferencia representa el núcleo del SIB pues agrupa toda la lógica
de inferencia difusa del sistema, del barrido de las reglas durante ésta, la
determinación de las reglas activadas, etc. Cada regla tiene un nivel de disparo que
depende del grado de similitud que guarda, del estado actual de las variables de
entrada del sistema y la estructura de los antecedentes de cada regla. [21]
2

2.2.15 Defuzzificación

Una interfaz defuzzificación, que convierte las conclusiones del mecanismo de

inferencia en entradas reales para el proceso.

Algunos métodos empleados para encontrar el valor real a partir de valores difusos
son los siguientes:[22]

32
 Método del Centro Máximo

Es un método sencillo. Se usa para la mayoría de aplicaciones de lógica difusa. Debido

a que se puede evaluar más de un término de salida,

 Método de medio máximo

Este método calcula una salida del sistema solo para el término con el grado de validez
resultante más alta. Si este máximo no es único, por ejemplo en una función de
pertenecía tipo PI o trapezoidal, se computa el término medio del máximo intervalo.

 Método de centro de área o gravedad

El método del centro de área o centro de gravedad más usado y se puede representar
de dos formas

Discreta:

Σ𝑏
𝑥−𝑎𝑢(𝑥) ∗𝑋
𝑆𝑎𝑙𝑖𝑑𝑎 = (13)
Σ𝑏
𝑥−𝑎𝑢(𝑥)

O continúa:
𝑏
∫𝑎 𝑢(𝑥)∗𝑥𝑑𝑥
𝑆𝑎𝑙𝑖𝑑𝑎 = 𝑏 (14)
∫𝑎 𝑢(𝑥)∗𝑑𝑥

3. Metodología

Un proyecto de ingeniería es el planeamiento, organización, ejecución y control de

todas las actividades y recursos necesarios para el logro de un objetivo específico en
un tiempo determinado, mediante la aplicación de las ciencias fisicomatemáticas,
económicas y la técnica industrial. Se divide en tres fases:

Fig13. Estructura fundamental en proyectos de ingeniería

33
 [Fuente autor]

4. Ingeniería Conceptual

La ingeniería conceptual sirve para identificar la viabilidad técnica y económica del

proyecto y marcará la pauta para el desarrollo de la ingeniería básica y de detalle. Se
basa en un estudio previo (estudio de viabilidad) y en la definición de los
requerimientos del proyecto.

4.1. Requerimientos
Se debe crear la etapa de dosificación de una planta pasteurizadora didáctica en el
cual se integren los siguientes equipos que dispone el laboratorio de Industrial de la
Universidad Distrital, en la tabla 2 se observan los equipos iniciales que cuenta la
Universidad para el proyecto, que tiene como fin ser una herramienta de aprendizaje
de los estudiantes y docentes de la Facultad Tecnológica, de cualquiera área
relacionada con instrumentación, control e instrumentación de procesos.

Tabla 2. Equipos Iniciales

ntidad Equipos Descripción
1 PLC Allen Bradley – CompactLogix
No. 1769-L23E-QB1B
1 Módulo de entradas Compact I/O Module 1769-IF4
Análogas
1 Variador der Velocidad PowerFlex40 No. 22B-
V5P0N104
1 Fuente de Poder 24 VDC Power Supply 30W
No. IDEC PS5R-SC24
1 Pantalla HMI HMI Allen Bradley
No. 2711P-T6C20A8
1 Guarda Motor Contactor Allen Bradley
No. 140M-D8E-C20
1 Switch Ethernet Allen Bradley Stratix 2000
No. 1783-US05T

34
4.2. Alcance
Se deben seleccionar e instalar sensores para la medición de pH, temperatura y nivel.
A partir de un experimento de identificación establecer un modelo aproximado del
sistema y diseñar estrategias de control difuso y PID en el PLC, para la supervisión y
control pH en el tanque de agua fría de la planta por medio de la pantalla HMI,
finalmente generar una serie de prácticas de laboratorio que validen los objetivos
planteados al inicio del proyecto.

4.3. Descripción preliminar del proceso

La etapa de dosificación de la planta pasteurizadora contara con dos etapas
fundamentales:

1. Etapa de pH.
2. Etapa de Calentamiento.

Se seleccionara para cada etapa un tanque de almacenamiento para el producto, sus

correspondientes sensores de nivel y temperatura. En la primera etapa se selecciona
un sensor de pH, un mezclador y dosificadores para el suministro del ácido y base,
luego el producto pasara a la segunda etapa a través de tuberías mediante una bomba
y una electroválvula, por último el producto se calentara por medio de un
intercambiador y la salida del líquido se dará por una última bomba centrifuga.

4.4. Normatividad

La validación de los parámetros para el diseño, selección e instalación de equipos y

redes de comunicación etc. Son tomados de los principales estándares internacionales
y las normas utilizados en los sistemas de control. A continuación de muestran las
normas y estándares implementados en el diseño de la planta.

 ANSI/ISA–5.1–1984 (R1992) “Instrument Symbols and Identification”

 ISA–S5.3–1983 “Graphic Symbols for Distributed Control / Shared Display
Instrumentation, Logic and Computer Systems”
 ANSI/ISAS51.1–1979 (R1993) “Process Instrumentation Terminology”
 ANSI/ISA–S88.01–1995 “Batch Control Part 1: Models and Terminology”

35
  NEMA ICS 6–1993 (R2001, R2006) “Industrial Control and System Enclosures”
 IEC 60751 “Industrial Platinum Resistance Thermometers and Platinum
Temperature Sensors”
 ITS–90 “The International Temperature Scale of 1990”
 ISA–S5.5–1985 "Graphic Symbols for Process Displays"
 ANSI/ISA–101.01–2015 “Human Machine Interfaces for Process Automation
Systems”
 IEC 61131–3 “Programming Languages in Programmable Logic Controller
(PLC)”

4.5. Diagrama de flujo de proceso (PFD)

A partir de la descripción preliminar del proceso se plantea el diagrama de flujo de
proceso de la planta en la Fig.14, los actuadores y sensores serán explicados en la etapa
de ingeniería básica.

Fig14. Diagrama de flujo de proceso

[Fuente el Autor]

 D1: Dosificador1.
 D2: Dosificador2.
 T1: Tanque1.
 T2: Tanque2.
 V1: Valvula1.
 B1: Bomba1.
 B2: Bomba2.

36
  B3: Bomba3.
 I1: Intercambiador de Calor

5. Ingeniería Básica
En esta etapa se busca desarrollar en detalles el alcance y los planes de ejecución de
opción seleccionada para permitir la consecución de fondos u obtener el
financiamiento requerido para ejecutar del proyecto y preparar la documentación que
sirva de base para la ingeniería de detalle como los diseños finales de la planta, los
diagramas (P&ID) y los equipos finales.

5.1 Descripción de la planta

La etapa de dosificación de la planta pasteurizadora está conformada por una

estructura metálica y se divide de dos niveles que contiene un tanque para cada nivel
elaborados en acrílico trasparente con un espesor de 5mm de forma rectangular. El
primer nivel cuenta con sensores de nivel de alto y bajo junto con un sensor de
temperatura (termistor) y un sensor de pH, también cuenta con dos dosificadores para
el suministro de ácido-base al tanque1 y una bomba centrifuga que realiza el trabajo
de mezclador para homogenizar la disolución del ácido y la base con el producto. El
nivel1 y el nivel2 están conectados mediante tubería, una bomba centrifuga y una
electroválvula que restringe el paso del producto. En el nivel 2 contiene igualmente
sensores de nivel alto-bajo, sensores de temperatura y además posee un
intercambiador que realiza el trabajo de calentar el producto que será entregado por
una bomba de salida a la siguiente etapa.

La planta posee un tablero de conexiones eléctricas de los diferentes equipos

mencionados anteriormente y cuenta con sistemas de protección para los actuadores
(relés magnéticos) y una fuente de 24V. El tablero de control suministrado por la
Universidad Distrital contiene un controlador lógico programable (PLC) con un módulo
de entradas análogas, una pantalla HMI, un Switch Ethernet, una fuente de 24V y
borneras para la interconexión de las entradas /salidas digitales análogas con la planta.

En la Fig.15 se encuentra el diseño estructural final de la etapa de dosificacion de la

planta pasteurizadora.

37
 Fig15. Diseño estructural de la etapa de dosificacion
[Fuente Autor]

5.2 Descripción del proceso

El proyecto inicia con la identificación del modelo matemático aproximado del sistema
de pH del tanque1 (TK-103), la implementación de un controlador digital (PID, Difuso)
en el PLC para mantener el pH deseado mediante el suministro de Ácido y base por
medio de dos dosificadores, mediante el PLC y una pantalla HMI implementar un
sistema de supervisión y control de la variable de pH.

Para una descripción mejor del proceso se diseña el diagrama de instrumentación y

tubería (PI&D) de la planta basadas en las normas ISA-S5.3-1983 - ANSI/ISA-5.1-
1984(R1992)[9],[10] respectivamente en la Fig.16 se observa el diseño del diagrama
PI&D.

38
 Fig16 Diagrama P&ID de la planta
[Fuente autor]

La planta no está diseñada para ser una plataforma tipo batch, pero haciendo uso de
la norma ANSI/ISA–S88.01–1995 [25] referente a este tipo de procesos se puede
describir y relacionar la información del diagrama PI&D con el modelo físico que
propone el estándar para jerarquizar los equipos de la planta en términos de células,
unidades, módulos de equipos y módulos de control.

A continuación se presenta en la Fig.17 el modelo físico de la planta de procesos

análogos.

39
Fig17. Modelo Fisico basado en la norma ISA88
[Fuente autor]

40
5.3 Descripción de instrumentación y equipos

En la Tabla 3 se describen los equipos e instrumentos de la planta.

Tabla 3. Equipos e instrumentos de la planta

Nombre Fotografía Descripción Servicio

Tanque nivel 2 fabricado

Tanque 1 en acrílico de 5mm de pH
(tk-103) espesor, de color Blanco
con capacidad 20 Litros

Tanque 2 Tanque nivel 2 fabricado

en acrílico de 5mm de
(tk-104) espesor, de color Blanco Calentamiento
con capacidad 20 Litros

Dosificador eléctrico de
Dosificador1 – Acido 0 a 5v para el
pH
suministro de Ácido
(tk-180) Cítrico.

Dosificador eléctrico de
Dosificador2 – Base 0 a 5v para el pH
suministro de
(tk-181) Bicarbonato de Sodio.

Se utiliza para
homogenizar la mezcla,
Mezclador
es una bomba pH
(P-103-1) dispuesta para hacer
recirculación en el
tanque1 (tk-103), su
potencia nominal es de
32W.

Sensor de pH que
registra los valores de
Sensor de pH
pH del producto en el
(AE-103) tanque1(tk-103) pH

41
 Sensor que registra
temperatura del
Sensor de Temperatura tanque1 (tk-103) de ´
Termistor (TE – 103) calor. Rango: -20 ºC a pH
150 ºC

Sensor que registra

temperatura del
Sensor de Temperatura Calentamiento
tanque2 (tk-104) de
Termistor (TE – 104) calor. Rango: -20 ºC a
150 ºC

Sensor de tipo
interruptor ON-OFF,
Sensor de Nivel alto para indicar la pH
capacidad máxima de
(LSH-103) producto del tanque1.

Sensor de tipo
Sensor de Nivel bajo interruptor ON-OFF,
(LSL-103) para indicar la pH
capacidad mínima de
producto del tanque1.

Sensor de tipo
interruptor ON-OFF,
Sensor de Nivel alto para indicar la Calentamiento
capacidad máxima de
(LSH-104) producto del tanque2.

Sensor de tipo
Sensor de Nivel bajo interruptor ON-OFF,
(LSL-104) para indicar la Calentamiento
capacidad mínima de
producto del tanque2.

Ref. 2W040-10, Port

Size: ½ ’’ Standard
Válvula Solenoide Voltage: 110 VAC
(HV-102) Working Pressure pH
Water: 0-0,07Mpa
Ubicado a la salida del
tanque1 (TK-103).
Bomba Bomba de salida del
tanque1 (tk-103) que
(P-103-2) pH
suministra la entrada
del producto al tanque2
(tk-104). Su potencia
nominal es de 32W.

42
 A través de este circula
el vapor
Intercambiador
sobrecalentado que
(HE-103) proviene de la Etapa
Caldera, está fabricado Calentamiento
en aluminio y tiene
aletas que le permiten
el rápido intercambio
de calor.

Es la encargada de
entregar el producto a
la Etapa de
Bomba Salida Enfriamiento, esto lo Calentamiento
(P-104) realiza después que la
temperatura llegue a 70
grados centígrados en
el tanque 2, su potencia
nominal es de 85W.

Allen Bradley
PLC CompactLogix
Cat. No. 1769-L23E-
QB1B 16 Digital Inputs,
16 Digital Outputs,
Ethernet Port, 9-pin
isolated Serial port. [26]

Compact I/O Module

1769-IF4 Number
Inputs: 4 Differential or
single-ended Analog
Modulo Análogo Normal Operations
Range: Voltage: +-10V,
0-10 V, 0-5V, 1-5V
Current: 0-20 mA, 4-20
mA Resolution: 14 bits.
[27]

HMI Allen Bradley Cat.

No. 2711P-T6C20A8
Pantalla HMI Size Screen:5.7’’,
Display Type: Color
Communication Ports:
RS-232, Ethernet,
USB. [28]

43
 Allen Bradley Stratix
2000 Cat. No. 1783-
Switch Ethernet US05T Power Supply
voltage: 24 VDC
Ethernet Connections:
5 ports RJ45. [29]

Input Voltage: 100-240

VAC Output Voltage:
12 VDC, Output
Fuente Conmutada Current. 10A Utilizada
para alimentar el los
diferentes dispositivos.

Power Supply Cat. No.

1606-XLP50E
Fuente Input voltage: 100-240
VAC Output voltages:
24 VDC ,Output
Power: 50W
Output Current. 2,1 A.
[30]
Ref. JZX-22F-4Z-
24VDC Relés para
activación de
Relés actuadores (válvulas
solenoides, bombas,
mezclador) desde una
señal de salida digital
del PLC.

5.4 Descripción del sistema de control

Se diseñaron dos acciones de Control para el sistema, un controlador PID y un
controlador Difuso. El controlador PID igual que el Controlador Difuso permite regular
el pH del producto en el Tanque1 (TK-103), Los controladores de pH se realizan a
través de dosificadores que por medio de la acción del control en un motor eléctrico y
una polea hace circular el ácido y la base que permitirá subir o bajar el valor del pH del
producto deseado o el set point (SP) ingresado, este valor de set point será ingresado
por el usuario mediante la pantalla HMI o en el PLC. La variable de procesos (PV) es
el sensor de pH que se encuentra en el interior del tanque1 y registrara los valores de
pH en la Fig.18 se Observa el diagrama de bloques del sistema de Control.

44
 Fig18. Diagrama de bloques del sistema de control de la planta
[Fuente autor]

6 Ingeniería en Detalle

La ingeniería de detalle, consiste en interconectar cada uno de los equipos e

instrumentos de la ingeniería básica para que el proceso cumpla el objetivo,
desarrollando paso a paso la selección e instalación de sensores, experimento de
identificación, la implementación del sistema SCADA con el FactoryTalk View y la
pantalla HMI, la programación del PLC el diseño del control etc. Cumpliendo así los
objetivos propuestos al inicio del proyecto.

6.1 Selección de Sensores

Se seleccionan los sensores de Temperatura industriales en cada tanque del sistema

el sensor de Nivel para las alarmas correspondientes de cada tanque y por último el
sensor de pH implementado para el modelamiento y control de la planta, además sea
analizan las características estáticas, dinámicas de los sensores (error, precisión,
rango, exactitud, repetitividad, sensibilidad etc.) y por último el costo tamaño y
ubicación de cada uno.

45
 6.1.1 Sensor de Temperatura – Termistor

Se implementan dos Termistores para cada tanque de cada nivel, estos termistores
son tipo NTC de 50KΩ, registrando respectivamente los valores de temperatura de
cada tanque. En la Fig.19 se muestra una imagen del sensor implementado.

Fig19. Termistor NTC

[Fuente Autor]

Debido a que el tamaño del sensor es reducido brinda una gran facilidad para su
instalación, posee otras ventajas como el tiempo de respuesta rápida, medición a dos
hilos, no son costosos, buena estabilidad etc. Pero la variación de la resistencia con la
temperatura no es lineal, por tal motivo es necesario caracterizar el sensor y diseñar
un circuito que acondicione la señal.

En la tabla 4 encontramos los datos de temperatura versus resistencia entregada por

el fabricante.

Tabla 4. Comportamiento característico termistor NTC LG

ITEM ( K ) TEMPERATURA ( C O ) ( X K ) SENSOR NTC ( k )( RK )
1 22 50
2 30 39,5
3 40 26,1
4 60 12,1
5 70 8,5
6 95 3,8
7 105 2,8

En la Fig.20 se observa la ecuación característica del sensor NTC, generando un

comportamiento del termistor de tipo exponencial,

46
 TERMISTOR NTC
60

50 y = 107,25e-0,035x
R² = 0,9979
40

30

20

10

0
0 20 40 60 80 100 120

Fig20. Ecuación característica termistor

[Fuente autor]

6.1.1.1 Linealizacion y Diseño del transmisor de temperatura 0-10 VDC

Se utiliza como base para linealizar el termistor un documento donde se hace una
demostración, en dicho artículo se presenta un método sencillo para linealizar un
sensor. El método consiste en encontrar un valor fijo para una resistencia variable,
además para probar el método se muestra un ejemplo en el que se linealiza un
termistor (resistencia que varía con los cambios de temperatura), el cual es utilizado
para el diseño de un circuito de medición de voltaje, en donde se requiere que la salida
sea lineal.[31]

Las entradas análogas del PLC nos permiten valores de voltaje DC de 0 a 10 voltios y
de 0 a 40 miliamperios, conociendo esto se procedió a linealizar los sensores de
temperatura de 0 a 10 voltios DC, este procedimiento consiste en conocer qué tipo de
sensor es, caracterizarlo y posteriormente linealizarlo al rango requerido.

Para linealizar el sensor seguimos el procedimiento descrito en el documento guía,

entonces procedemos a calcular la resistencia RL , se requiere encontrar el valor de p
mediante la siguiente ecuación

b  xj
p (15)
ba

Donde j es cualquier valor entre 1 y 7, en este caso elegimos j  4 , es decir un valor

intermedio de temperatura x j  60 , así que

47
 105  60
p  0, 72 (16)
105  22

Para calcular RL utilizamos la formula

Ra ( Rb  R j )  pR j ( Rb  Ra )
RL  (17)
p( Rb  Ra )  Rb  RJ

Para todo j  1, 2,3..........., n  1 , reemplazando los valores obtenemos

50(2,8  12,1)  0, 72(2,8  50)

RL   17, 641K  (18)
0, 72(2,8  50)  2,8  12,1

Aproximadamente 18K , con este valor aplicamos la ecuación

Rk RL
rk  r ( xk )  (19)
Rk  RL

Así obtenemos la Tabla 5 y la Fig.21 donde vemos la gráfica del sensor linealizado
con su respectiva ecuación.

Tabla 5. Sensor linealizado

ITEM ( K ) TEMPERATURA ( C O ) ( X K ) SENSOR NTC ( K )( RK ) rk

1 22 50 13,0403597
2 30 39,5 12,1949053
3 40 26,1 10,5264069
4 60 12,1 7,1772243
5 70 8,5 5,73617957
6 95 3,8 3,12653497
7 105 2,8 2,41646371

48
 SENSOR LINEALIZADO
14
12 y = -0,1332x + 15,778
R² = 0,9864
10
8
6
4
2
0
0 20 40 60 80 100 120

Fig21. Gráfica y ecuación del Termistor linealizado

6.1.1.2 Características estáticas sensor termistor

Para realizar los cálculos de las especificaciones estáticas del termistor, se toman datos
en varios valores de temperatura y se usa como patrón de medición la cámara
termográfica FLIR i7 [28] (Ver Anexo 9.1),

6.1.2 Sensores de Nivel

Se utilizador sensores tipo flotador ON-OFF, los cuales nos indican el nivel bajo o alto
en cada uno de los tanques, básicamente se implementó el circuito que aparece en la
Fig.22 según sea la posición del sensor este entregara una salida lógica de 0 o 1.

Fig22. Circuito acondicionamiento de la señal del sensor de nivel ON-Off

49
 6.1.3 Sensor de pH

Se implementa un sensor de pH de bajo costo (SKU: SEN016) que tiene como función
registrar el valor de pH del producto del primer tanque. En la Fig. 24 se observa el
Sensor de pH.

Fig23. Sensor de pH (SKU: SEN016)

El proveedor nos entrega una tabla con las características del valor de salida de pH
del electrodo.

Tabla 6. Salida de pH del electrodo a (25°C)

Voltaje (mV) Valor de pH Voltaje(mV) Valor de pH
414.12 0.00. -414.12 14.00
354.96 1.00 -354.96 13.00
295.80 2.00 -295.80 12.00
236.54 3.00 -236.54 11.00
177.48 4.00 -177.48 10.00
118.32 5.00 -118.32 9.00
59.16 6.00 -59.16 8.00
0.00 7.00 0.00 7.00

En la Fig25 se observan las dimensiones físicas del sensor de pH entregada por el

proveedor.

Fig24. Dimensiones Fisicas del sensor de pH

50
El electrodo cuenta con una tarjeta de acondicionamiento de la señal con una salida
de 0 a 5 V respectivamente.

6.1.3.1 Linealizacion del sensor de pH 0-5 VDC

Para linealizar el sensor de pH se realizó una práctica de laboratorio obteniendo la

Tabla 9 que muestra los datos tomados con el sensor- patrón de pH del agua destilada
a 25° C en diferentes concentraciones de pH y la respectiva salida del adaptador del
sensor de pH a calibrar.

Tabla 7. Datos pH patrón vs voltaje de salida sensor pH3550

pH - SENSOR
PATRON
pH(V)

1.81 0.12

2.02 0.16

2.31 0.31

3.58 0.76

6.84 1.85

10.16 3.23

11.06 3.66

11.80 3.94

Para terminar la caracterización del sensor debemos realizar una regresión lineal de
los anteriores datos obtenidos, para encontrar una ecuación que sea equivalente entre
voltaje vs pH, la Fig. 25 muestra la gráfica correspondiente a los resultados y la
Ecuación (20) ya linealizada y ajustada.

51
 SALIDA SENSOR pH vs V
15

10

y = 2,6197x + 1,6032
0 R² = 0,9983
0 1 2 3 4

Fig25. Regresión lineal de pH vs Voltaje

[Fuente Autor]

pH  1.60315573708  2.6197258805*(Voltaje 1130) (20)

6.2 Experimento de identificación

1. Diseño experimento: Se usa una señal de entrada escalón o paso unitario, para
cada concentración (Acido-Base, ver anexo 9.3) generada desde RSLogix5000,
mediante la variable “u1 y u2” del PLC se envía por comunicación RS-232 al
microcontrolador que genera el PWM a los dosificadores (Acido-Base), por medio
del sensor de pH (AE-103) ubicado en el primer nivel y se observara una curva de
reacción de proceso para cada dosificador.

2. Selección de estructura: Se ingresan los datos de la curva de reacción de

proceso de ácido (dosificador1) en el toolbox de identificación de MATLAB®
(System Identification Toolbox), allí se generan diferentes aproximaciones a
arquitecturas de modelos continuos (primer orden, segundo orden, tercer orden) y
modelos discretos lineales (polinomios en ecuación en diferencias OE (Output-
Error), ARX (auto-regresivo con variable exógena), BJ (Box Jenkins), entre otros.
Se elegirá la estructura (modelo) que tenga un porcentaje alto de aproximación. El
proceso de base (dosificador2) se repetirá de igual manera.

3. Cálculo de parámetros: Después de escoger los modelos se describen las

funciones de transferencia que representa la respuesta dinámica de cada sistema
(Acido-base).

52
4. Validación: Se comprobara la respuesta de cada modelo hallado con el toolbox de
identificación y la respuesta de la curva de reacción de proceso experimental
(porcentaje de aproximación de los datos).

5. Modelo: Si las validaciones de cada modelo son correctas se representan las

funciones de transferencia de cada sistema de pH (Acido-básico) de la planta, si
el porcentaje de aproximación no es el correcto se debe iniciar el proceso en el
paso 2 y seleccionar otra estructura de un modelo continuo o discreto hasta
encontrar los resultados deseados.

Para realizar el experimento se debe garantizar un nivel de agua dentro del tanque1
de proceso (TK-103) mínimo de 5 litro, luego se activa la variable del PLC y es enviada
por medio de la comunicación Rs-232 al microcontrolador que accionara cada
dosificador y se gráfica por medio del “Trend” de RSLogix5000 la evolución en el
tiempo del pH del producto ingresado al tanque como se muestra en la Fig. 26 y Fig.
27 que muestra la curva de reacción en lazo abierto de cada sistema.

Fig26. Curva de reacción del sistema de Acido mediante una señal paso
[Fuente Autor]

53
 Fig27. Curva de reacción del sistema de base mediante una señal paso
[Fuente Autor]

6.2.1 Identificación Acido

Se importan los datos tomados del trend tomados del sistema acido a MATLAB ® y a
través del toolbox de identificación se generan aproximaciones a modelos continuos y
discretos, los cuales se muestran en la Fig. 28

Fig28. Identificación (acido) por System Identification Tool de MATLAB®

[Fuente el Autor]

54
Como se observa en la Fig. 29, se tienen buenas aproximaciones en los diferentes
modelos mayores a 80% pero la elección del mejor modelo se hace con base en el
porcentaje de aproximación y en el orden del polinomio.

Fig29. Porcentaje de Aproximación de los diferentes modelos

[Fuente Autor]

Se elige el modelo Bj33332 debido a que describe con una aproximación del (97.13%)
el comportamiento del sistema, suficiente para representar la dinámica del sistema
acido, la función de transferencia de la planta se expresa en (21)

0.0003788 𝑧^−1 + 4.746𝑒−05 𝑧^−2 − 0.0002566 𝑧^−3

𝐺1(𝑧) = 𝑧^(−1) ∗ (21)
1 − 0.8329 𝑧^−1 − 0.992 𝑧^−2 + 0.8249 𝑧^−3

55
6.2.2 Identificación Base

Se importan los datos tomados del trend tomados del sistema de Basico a MATLAB ®
y a través del toolbox de identificación se generan aproximaciones a modelos
continuos y discretos, los cuales se muestran en la Fig. 30

Fig30. Identificación (Base) por System Identification Tool de MATLAB®

[Fuente el Autor]

Como se observa en la Fig. 31, se tienen buenas aproximaciones en los diferentes

modelos mayores a 90%, con un tiempo de muestreo de 0.1s pero la elección del
mejor modelo se hace con base en el porcentaje de aproximación y en el orden del
polinomio.

Fig31. Porcentaje de Aproximación de los diferentes modelos

[Fuente Autor]

56
Se elige el modelo polinómico bj22221 debido a que describe con una aproximación
del (97.13%) el comportamiento del sistema, suficiente para representar la dinámica
del sistema básico, la función de transferencia de la planta se expresa de forma
discreta en (22).

0.0001706 𝑧 −1 +0.0001614𝑧 −2
𝐺2(𝑧) = (22)
1 −0.02252𝑧−1 −0.0881𝑧 −2

6.3 Diseño del controlador PID por el lugar geométrico

de las raíces (sisotool)
Con la herramienta (toolbox) sisotool de MATLAB® se realiza el diseño del controlador
o compensador para sistemas de una entrada y de una salida (sistemas SISO: Single
Input- single output) generando un controlador diferente para cada sistema de Ácido y
base. En la Fig. 32 se observan las diferentes arquitecturas que se pueden escoger en
el diseño.

Fig32. Arquitecturas de control Sisotool

Utilizamos la configuración No 1 mostrada en la Fig. 32 ya que cumple con la estructura

planteada para el controlador en lazo cerrado con un solo punto suma. Se importa
cada modelo (Ácido y base) “bj33331 y bj22221” en sisotool de MATLAB® para
realizar el diseño del controlador PID teniendo en cuenta la respuesta transitoria del
modelo de cada sistema por el método de lugar geométrico de las raíces (LGR).

57
6.3.1 LGR sistema-acido

Los criterios de diseño se definen sobre el lugar de las raíces de la planta y se busca
un sobre-impulso menor al 5%, y un tiempo de estabilización menor a 100. Se ingresan
estos parámetros al editor del lugar de las raíces (LGR) y se demarca la zona donde
deben quedar los polos y los ceros de la planta (Ver Fig. 32) para satisfacer los criterios
de diseño del controlador.

Fig33. LGR sistema-Acido en lazo cerrado

[Fuente Autor]

El controlador PID vamos a la pestaña de “automated Tuning” y seleccionamos la

opción “PID tuning” y con la función “updated Compensator” nos carga
automáticamente genera los polos y ceros para el controlador como se observa en la
Fig. 34.

58
 Fig34. PID tuning Sisotool
[Fuente Autor]

El compensador diseñado por el toolbox está dado por (23)

(𝑧−1)(𝑧−0.876)
13.611 ∗ (𝑧−1)(𝑧−0.969) (23)

En la Fig.35 se observa la respuesta al paso del sistema de control PID en lazo cerrado

Fig35. Respuesta al paso del sistema de control en lazo cerrado

[Fuente Autor]

Por ultimo exportamos el controlador/compensador al (Workspace) de Matlab e

implementamos la función (pid) que nos genera las constantes proporcional, integral y

59
derivativa (kp,ki,kd). En la Fig.36 se observa el procedimiento para exportar el
compensador al Workspace.

Fig36. Exportación del Compensador al workspace de Matlab

[Fuente Autor]

Y con la función (pid) generamos las constantes para el diseño del PID (24) con un
tiempo de muestreo de 0.1s.

𝑘𝑝 = 54 , 𝑘𝑖 = 0.106, 𝑘𝑑 = −130 𝑡𝑠 = 0.1 (24)

6.3.2 LGR sistema-base

El Diseño del controlador por el lugar geométrico de las raíces del sistema de base se
realiza de igual manera con el toolbox sisotool y el mismo procedimiento del Ácido.
Importando desde el Worksepace de Matlab la función de transferencia del sistema
base y agregando los requerimientos de diseño que son el sobre impulso menos al 5%
y el tiempo de estabilización menor a 100s. En la Fig. 37 se observan los polos y ceros
con los requerimientos ingresados.

Fig37. LGR sistema-Base en lazo cerrado

[Fuente Autor]

60
Luego agregamos el compensador diseñado con la función Automated tunning de
Sisotool, en la Fig. 38 se observa la respuesta al paso del controlador en lazo cerrado.

Fig38. Respuesta al paso del sistema de control en lazo cerrado

[Fuente Autor]

Por último se exporta el controlador al Workspace y con la función pid de Matlab se

obtienen las constantes del controlador PID (Kp,Ki,Kd) (25).

𝑘𝑝 = 1.45 , 𝑘𝑖 = 0.00446 , 𝑘𝑑 = −164 𝑡𝑠 = 0.1 (25)

6.4 Simulación del sistema de control PID en lazo cerrado

La simulación de cada sistema de control (Acido,Base) se realiza mediante el toolbox
de Matlab Simulink ya que es un entorno de diagrama de bloques que se utiliza para
la simulación multidominio y diseño basado en modelos.

 Simulación Simulink Acido

En la Fig. 39 Se encuentra la simulación del modelo del sistema de control en lazo

cerrado del sistema acido en tiempo discreto en simulink con un tiempo de muestreo
de 0.1s.

Fig39. Simulación del modelo del sistema de control en lazo cerrado en simulink.
[Fuente Autor]

61
En el bloque de función de transferencia discreta se reemplazan los valores de
numerador y denominador del bloque por los obtenidos de la identificación como se
observa en la Fig40.

Fig40. Bloque Función de transferencia tiempo discreto

[Fuente Autor]

Luego se ingresan los valores kp,ki,kd obtenidos con anteriormente en el bloque PID
como se observa en la Fig40.

Fig.40 Bloque PID de simulink en tiempo discreto

[Fuente Autor]

En la Fig. 41 se visualiza la salida de la simulación de control del sistema con valores

inicial de 0 a valor final 6.

62
 Fig41. Salida de la simulación del sistema de control en lazo cerrado
[Fuente Autor]

 Simulación Simulink Acido

Para el sistema Básico la simulación del sistema de control se realiza con el mismo
procedimiento anterior en simulink. En la Fig. 42 se muestra la estructura de la
simulación.

Fig42. Simulación en Simulink del sistema de control en lazo cerrado

[Fuente Autor]

Se realiza la misma acción de cambiar los valores (kp,ki,kd) del controlador PID y los
de la función de transferencia por los obtenidos anteriormente del sistema Acido y la
salida del sistema se observa en la Fig43.

63
 Fig43. Salida de la simulación del sistema de control en lazo cerrado
[Fuente Autor]

6.4.1 Resultados controlador PID

En la fig.44 se observa la salida del control PID en la pantalla HMI, obteniendo un sobre
impulso mayor al 4% y con un tiempo mayor a los 4 segundos sin lograr estabilizarse
por lo que no es viable el controlador en este caso debido a los requerimientos de la
planta, en este caso la cantidad de ácido y base se agotaron.

Fig 44. Salida control PID

𝟕. 𝟒𝟑 − 𝟕. 𝟏
|% 𝑴𝒑| = | | ∗ 𝟏𝟎𝟎% = 𝟒. 𝟔%
𝟕. 𝟏

64
6.5 Diseño del Control Difuso

Para el diseño del control difuso se utilizó como herramienta el programa

FuzzyDesigner ya que es un paquete de software para el diseño de componentes
inteligentes implementadas. El Diseñador difuso genera el código del sistema difuso,
que función en PCs y diversas plataformas de hardware industriales, principalmente
en los PLC de Rockwell Automation. FuzzyDesigner (ver Fig45) también genera
plataforma independiente C, C#, Java y Matlab código del sistema difuso y proporciona
medios para facilitar la comunicación con otras aplicaciones que usan el protocolo
estándar OPC industrial y protocolo DDE opcionalmente.[32]

Fig45. FuzzyDesigner
[Fuente Autor]

El primer paso para iniciar el diseño del control difuso es crear las variables de entrada
para la Fuzzificacion. Las variables de entrada se realizan en base al error entre el
valor de pH y el setpoint ingresado, luego se crean el bloque para las variables
lingüísticas de entrada, el bloque de reglas del conocimiento, el bloque de las variables
lingüísticas de salida y por ultimo las variables de salida, siguiendo el procedimiento
un sistema difuso. En la Fig46 se observan todos los bloques para la realización del
control Difuso

Fig46. Programación de diagrama de bloques para el control Difuso del sistema

[Fuente Autor]

65
Ya ingresada la variable lingüística de entrada se comienza a crear cada función de
pertenencia con su respectiva etiqueta, en la Fig. 47 se genera funciones trapezoidales
con parámetros tales que queden de forma trapezoidal o triangular dependiendo el
caso.

Fig47. Funciones de Transferencia para las variables lingüísticas de entrada

[Fuente Autor]

El rango es de -7 a +7 del error el cual no sobrepasa la región de trabajo, las etiquetas

de cada función de pertenencia de las variables lingüísticas de entrada están dadas
por:

 AEB: Alto error básico

 MEB: Medio Error básico
 BEB: Bajo Error Básico
 CEROE: Cero Error
 SBEA: Súper Bajo Error Acido
 BEA: Bajo Error Acido
 MEA: Medio Error Acido
 AEA: Alto error Acido

Al agregar le bloque de la salida de variables lingüísticas se asocian la variable

lingüística el método de defuzzificación, los tipos de funciones de transferencia usado,
los nombres y los rangos de operación como se observa en la Fig. 48

66
 Fig48. Configuración Bloque de variables lingüísticas de salida
[Fuente Autor]

Luego se crean las variables lingüísticas de salida y las funciones de pertenencia para
cada variable con su etiqueta. Para cada función de pertenencia es asociada a los
niveles de PWM ingresados al motor de cada dosificador (Dbase) de 0 a 165. Para el
PWM del sistema de base se crean 6 funciones de pertenencia como se observa en
la Fig. 49, cada función se asocia una etiqueta y un rango de operación.

Fig49. Funciones de pertenencia del bloque de variables lingüísticas de salida Dbase.

[Fuente Autor]

Las etiquetas para cada función de pertenencia de Dbase respecto cada etiqueta con
la región del PWM son:

 Bcero: Cero
 Blow: Muy bajo
 LOW: Bajo
 Medium_Low: Medio bajo
 Medium_high: Medio Alto
 High: alto

67
Ahora se crea de igual forma y se configura el bloque para las variable lingüística de
salida del dosificador Acido (Dacido) como se observa en la Fig50.

Fig50. Configuración del bloque de variables lingüísticas de salida DAcido

Luego de igual forma se crean las variables lingüísticas de salida y las funciones de
pertenencia para cada variable con su etiqueta como se ve en la Fig. 51.

Fig51. Funciones de Pertenencia de la variable de lingüística de salida DAcido.

[Fuente Autor]

Las etiquetas para cada función de pertenencia de DAcido respecto cada etiqueta con
la región del PWM son:

 Cero: cero
 Vlow: muy bajo
 Low: bajo
 Medium_Low: Medio bajo
 Medium_high: Medio Alto
 High: alto

68
Luego se configura el bloque de reglas de la base de conocimiento y se introducen
cada una de las reglas (If-then), en la Fig52 se observan cada regla relacionada con
las variables lingüísticas de entrada con las de salida.

Fig52. Base de conocimiento

[Fuente Autor]

El programa FuzzyDesigner cuenta con un simulador y un generador de graficas que

muestra la respuesta del controlador en 2D 3D. En la Fig53 se muestra la pantalla del
simulador que visualiza la entrada de error y su respectiva salida.

Fig53 Simulador del controlador Difuso

[Fuente Autor]

También en tools genera una gráfica en 2D o 3D que representa el PWM (acido) vs

error. En la Fig54 se muestra la salida en 2D del sistema acido.

69
 Fig54. Representación 2D PWM (acido) vs Error.
[Fuente Autor]

En la Fig55 se observa la salida en 2D que representa el PWM (base) vs el error.

.
Fig55. Representación 2D de PWM (base) vs Error.
[Fuente Autor]

También cuenta con una función para generar Instrucciones (Add-on) como se ve en
la Fig56 y es muy útil ya que el código que genera es compatible con el programa en
RsLogix 5000 del PLC.

Fig56. Generador de Instrucción Add-On

[Fuente Autor]]

70
6.5.1 Resultados controlador Difuso

Por medio de cada Dosificador se proporciona Acido o Base mediante el valor de salida
del controlador que es trasmitido desde el PLC al Microcontrolador que genera un
PWM para cada Dosificador que regula el flujo de Acido/Base y así permite subir o
bajar el pH dado por el valor entre pH actual y el Set point ingresado por el usuario en
la HMI o el PLC. La variable de procesos (PV) es el sensor de pH (SEN-061) que se
encuentra en el interior del tanque1 (tk-103) el cual registrara los valores de pH del
producto.

A continuación se presentan algunas gráficas de respuesta del sistema.

Fig57. Variable de proceso inicial pH (7.1) vs Set Point pH (6.4)

[Fuente el Autor]

𝟔. 𝟒𝟒 − 𝟔. 𝟒
|% 𝑴𝒑| = | | ∗ 𝟏𝟎𝟎% = 𝟎. 𝟔𝟐𝟓%
𝟔. 𝟒

Fig58. Variable de proceso inicial pH (6.83) vs Set Point pH (7.1)

[Fuente el Autor]

𝟕. 𝟏𝟑𝟓 − 𝟕. 𝟏
|% 𝑴𝒑| = | | ∗ 𝟏𝟎𝟎% = 𝟎. 𝟒%
𝟕. 𝟏
71
En la Fig59 y Fig60 se observa la pantalla HMI con dos setpoint diferentes uno para el
ingreso de ácido y otro de base, se observa la respuesta del sistema en cada caso.

Fig59 Salida del controlador Difuso (acido) SP (6.5) vs PV (6,54)

[Fuente autor]

Fig60. Salida del controlador Difuso (base) SP (7.3) vs PV (7.28)

[Fuente autor]

Claramente de observa que el tiempo de estabilización de cada uno es diferente ya

que cada una de las concentraciones usadas son diferentes.

72
6.6 Arquitectura del sistema SCADA

El sistema SCADA (Supervisory Control And Data Acquisition) utiliza una red de
comunicación industrial (Ethernet) para realizar un sistema de control de un proceso
de pH, la arquitectura del sistema está compuesta de cuatro elementos los cuales son:

1. La interfaz: Permite la creación de las pantallas de usuario con múltiples

combinaciones de imágenes, textos y botones sobre el sistema.

2. Las gráficas: Permiten representar la evolución en el tiempo de las variables que

intervienen en el sistema.

3. Las alarmas: Consiste en la vigilancia de parámetros de variables del sistema

cuando están en un valor no deseado que puede generar inconvenientes de
funcionamiento en el proceso, están dirigidas al operario del proceso.

4. Control / Supervisión: El sistema de control que lleva una variable del proceso a
un nivel deseado por el usuario.

Arquitectura del Sistema SCADA está conformada por la adquisición de datos con un
módulo análogo 1769-IF4 para el sensor de pH (SEN-061) conectado con el PLC
CompactLogix L23E-QB1B en donde se realiza la acción de control Difuso diseñado
en el programa FuzzyDesigner y control PID implementado mediante una ecuación en
diferencias, las alarmas son de nivel bajo y alto para cada tanque; el PLC la salida de
control mediante una comunicación Serial (RS-232) con un microcontrolador que
genera el PWM requerido a cada Dosificador.

En la Fig61 se observa el sistema de comunicación dado por una red industrial

Ethernet IP la cual enlaza el PLC, la pantalla HMI y la estación de programación (PC).

73
 Fig61. Arquitectura Sistema SCADA para la etapa de control de pH
[Fuente Autor]

6.6.1 Creación de la red Ethernet

 Configuración del computador

Para poder crear la red se debe tener instalados los siguientes programas de Rockwell
Automation en un computador:

 RSLogix 5000 V19

 RSLinx Enterprise
 RSLinx Classic
 Factory Talk View Site Edition V6.0

La red de comunicación es una red industrial Ethernet IP en topología tipo estrella (Ver
Fig. 62).

Fig62. Red de Comunicación del sistema Tipo Estrella

[Fuente Autor]

74
Lo primero que se debe tener en cuenta son las direcciones IP’s que tendrán los
equipos en la red de comunicación. (Ver Tabla 8)

Tabla 8. IPs de los dispositivos en la red Ethernet

Asignación de IPs
Computador 130.130.130.110
PLC 130.130.130.84
Pantalla HMI 130.130.73

En la Fig63 muestra la ruta y como configurar la IP del computador.

Fig63.Configuración IP del computador

[Fuente Autor]

 Configuración RsLinx Classic

RSLinx Classic para redes y dispositivos de Rockwell Automation es una solución

completa para comunicaciones industriales. Permite que el controlador programable
Allen-Bradley acceda a una amplia variedad de aplicaciones de Rockwell Software
y Allen-Bradley. Entre estas aplicaciones se incluyen desde aplicaciones de
configuración y programación tales como RSLogix y RSNetWorx.[33]

75
 Para la configuración de la comunicación de todos los dispositivos Allen Bradley
primero se debe abrir el RsLinx Classic luego en la pestaña de “comunicaciones”
en seleccionamos “configurar Driver” y en configura Driver Agregamos un driver tipo
AB_ETH-1 A-B Ethernet como se ve en la Fig64.

Fig64. Creación de Red Ethernet

[Fuente Autor]

Luego configuramos la IP de cada dispositivo (computador, Pantalla HMI y PLC) (ver

Figura 65).

Fig65. Configuración de IPs RsLinx.

[Fuente Autor]

Por último el RSLinx debe reconocer cada dispositivo en la Red Ethernet (ver Fig66)

Fig66. Dispositivos en Red Ethernet

[Fuente Autor]

76
6.6.2 Programación en RSlogx 5000

La programación de RSLogix5000 se realizó bajo el estándar IEC 61131-3 [34], ya que

esta norma usa diferentes lenguajes de programación ya definidos también define los
estándares de lenguajes gráficos y lenguajes textuales para el PLC:

 Diagrama de bloque de funciones (FBD - Function Block Diagram), gráfico

 Lenguaje escalera (LD - Ladder Diagram), gráfico.
 Texto estructurado (ST - Structured Text), textual.
 Bloques de función secuenciales (SFC - Sequential Function Chart), con elementos
para organizar programas de computación paralela y secuencial .
 Lista de instrucciones (IL - Instruction List).

El Programa está dividido por un MainProgram un evento para la comunicación RS232

y un evento para el sensor de pH y una instrucción Add-on que corresponde al
controlador Difuso diseñado en el programa FuzzyDesigner como se observa en la
Fig67.

Fig67. Programa Principal.

[Fuente Autor]

El programa Principal está dividido por una rutina principal (MainRoutine) y

subprogramas como se observa en la Fig68.

77
 Fig68. Rutinas y Subrutinas del programa principal-
[Fuente Autor]

En la Fig69 se visualizan tres subrutinas en serie las cuales genera un salto con la
función (JSR) a la subrutina seleccionada en este caso ejecuta las rutinas: principal,
sensores de temperatura y alarmas.

Fig69. Subrutinas del programa principal.

[Fuente Autor]

EL subprograma principal (Principal) está dividido en tres secciones, el modo manual

el control PID y el control Difuso como observa en la Fig70 donde se pregunta en cada
transición el estado de variables para entrar al subprograma correspondiente.

Fig70. Programa Principal Rslogix5000

[Fuente Autor]

78
En la primera etapa de manual cuenta con la declaración de todas las variables
relacionadas con los actuadores (bombas, válvulas, dosificadores, etc.) En la Fig71 se
observa la programación del modo manual.

Fig71. Programación en Texto estructurado del modo Manual

[Fuente Autor]

Para la activación de los dosificadores se realiza una comunicación serial RS-232 entre
el PLC y un microcontrolador 16f873a, en ambos casos se deben configurar la
velocidad del puerto de comunicación, la paridad de bits, bit de stop. En el caso del
PLC en propiedades del controlador se configura el puerto de comunicación y el
protocolo como se observa en la Fig72.

Fig72. Configuración del puerto y protocolo serial del PLC.

[Fuente Autor]

En el programa del Microcontrolador se debe configurar de igual manera la

comunicación serial, para la programación del microcontrolador se realizó con el

79
programa CCS de PIC C que recibe los datos del PLC y genera un PWM para cada
dosificador.

Para él envió de las variables desde el PLC el evento creado para la comunicación se
crea para que no se supere demasiado la velocidad de envío de datos del puerto ya
que es mayor al del microcontrolador genera errores de sincronía, así que se crea un
evento de 100ms como se observa en la Fig73.

Fig73. Configuración del Evento de Comunicación Serial.

[Fuente Autor]

Para él envió de las variables del PLC al microcontrolador se realiza antes operaciones
matemáticas para escarizar el rango de operación de los dosificadores de 0 a 165,
luego se convierte las variables Reales a tipo String, se concatenan en un vector final,
se habilita el puerto serie y se envía (Ver Fig74 y Fig75).

80
 Fig74. Salidas del controlador, conversión a tipo String y concatenación.
[Fuente Autor]

Fig75. Envió de Variables de salida por puerto RS-232

[Fuente Autor]

La variable de proceso de pH se crea de la misma forma, en la fig76 se crea otro evento

para el sensor de pH, en el que se implementa la ecuación de la Linealizacion obtenida
anteriormente.

81
 Fig76. Configuración del Evento del Sensor de pH y ecuación linealizada.
[Fuente Autor]

En el diseño del control difuso se importa un archivo tipo Add-on (.L5x) creado con el
programa FuzzyDesigner y se configuran sus parámetros como se observa en la
Fig77, además tiene un TON que realiza un “delay” de 5 segundos para que inicie el
mezclador y tome valores reales.

Fig77. Add-on Control Difuso

[Fuente Autor]

82
6.6.3 Sistema SCADA en FactoryTalkView

FactoryTalk View (FTV)[35] es el software de Rockwell para diseñar aplicaciones en

pantallas HMI, tiene la ventaja de crear compatibilidad directa con dispositivos ethernet
lo cual hace más simple la conexión con el PLC.

A través de la red Ethernet se pueden enlazar las variables del PLC con objetos,
figuras, cajas de texto, botones, tendencias, etc.; de las distintas pantallas de
visualización creadas en la HMI, se crearon varios displays que conforman el SCADA
del sistema (ver Fig78).

Fig78. Display´s SCADA FactoryTalkView.

[Fuente Autor]

Las pantalla inicial es Menú que cuenta con cuatro opciones que es Difuso, PID,
Manual y Apagar como se observa en la siguiente Fig79, además que visualiza el
nombre del proyecto el nombre del autor y el logo del escudo de la universidad.

Fig79. Pantalla Inicial del Sistema SCADA.

[Fuente Autor]

83
En la Pantalla de Manual cuenta con la visualización de la planta y el estado de los
sensores, actuadores del sistema y botones de activación de cada uno de los
actuadores, además de un botón de activación para el inicio del modo manual y un
botón de regreso al menú principal como se ve en la Fig80.

Fig80. Pantalla de la etapa manual del Sistema SCADA.

[Fuente Autor]

En la pantalla de Control Difuso y PID visualiza cada uno una gráfica (TREND) en
tiempo real del sistema con los valores del sensor de pH y el setpoint ingresado,
también cuenta con botones para pausar o mover en tiempo real. Cuenta con la
visualización del valor en número real del sensor de pH y el valor, un setpoint para que
el usuario ingrese un valor requerido y definido entre 5 y 9 y un botón de activación de
cada control junto con su botón de regreso al menú (ver Fig81).

84
Fig81. Control Difuso y Control PID
[Fuente Autor]

85
7 Conclusiones
Las características del sensor de pH como (rango, sensibilidad, repetibilidad, exactitud,
tiempo de respuesta, etc.), fueron suficiente para obtener un error de tiempo
estacionario menor al 0.07.

Al realizar el proceso de identificación con el toolbox sisotool de Matlab se pudo estimar

modelos paramétricos con aproximaciones mayores al 90%, teniendo grandes
probabilidades a que se acerque al modelo real.

Al realizar el proceso de identificación en un rango de 4 a 8 se pudo estimar modelos

de segundo y tercer orden, al tomar todo el rango de pH se generaban modelos
mayores al cuarto orden.

El sistema de control difuso resulto más eficiente que el control PID ya que su sobre
impulso fue mayor al 4%, y el controlador Difuso menor al 1% y el error de estado
estacionario mejoró en un 5%.

Debido a la presión hidrostática de los dosificadores no se logró eliminar esa

perturbación ya que los dosificadores no cuentan con sensores de flujo a la salida
necesarios para una corrección al modelo de cada dosificador.

El uso de ácido cítrico y bicarbonato de sodio determina la velocidad de control de

ajuste de pH ya que pertenecen al grupo de ácidos y bases débiles, su respuesta es
menor eficiente que la de los ácidos y bases fuertes.

Ya que el Controlador Difuso se integra como un tipo Add-on en el PLC diseñado con
el programa FuzzyDesigner, garantiza que el PLC siempre genere el control y no un
computador y gracias a esto no dependa de una comunicación.

86
8 Bibliografía
[1] proteccion social Ministerio de Salud, DECRETO NÚMERO 1033 DE 2014,
vol. 53. 2014, pp. 1–26.

[2] Andesia, “Hoja de seguridad Bicarbonato de sodio,” pp. 1–4, 2009.

[3] D. General and V. Útil, “Acido citrico anhidro 1.,” pp. 7–8, 2003.

[4] N. H. S. Abdullah, M. N. Karsiti, and R. Ibrahim, “A review of pH neutralization

process control,” ICIAS 2012 - 2012 4th Int. Conf. Intell. Adv. Syst. A Conf. World
Eng. Sci. Technol. Congr. - Conf. Proc., vol. 2, pp. 594–598, 2012.

[5] K. S. Saji and M. Sasi Kumar, “A novel controller tuning of pH neutralization

process,” 2011 - Int. Conf. Signal Process. Commun. Comput. Netw. Technol.
ICSCCN-2011, no. Icsccn, pp. 712–717, 2011.

[6] D. P. Kwok, P. Wang, H. K. Polytechnic, H. Hom, and H. Kong, “Enhanced

Fuzzy Control of,” no. 3, pp. 1–4.

[7] G. T. Austin, Schrieve ’s Chemical Processing Industries, McGraw-Hil. New

York, 1984.

[8] “Pasteurización,” 2106. [Online]. Available:

https://es.wikipedia.org/wiki/Pasteurización.

[9] UNAD, “proceso de pasteurizacion.” [Online]. Available:

http://datateca.unad.edu.co/contenidos/201509/Manejo y Procesamiento de
Lacteos II/proceso_de_pasteurizacin.html.

[10] J. A. Barrer, “Quimica,” 2011. [Online]. Available:

http://jabv0411quimicacienciaparatodos.blogspot.com.co/.

[11] T. D. O. Ph, “OPTISENS PH 8100.” 2012.

[12] “Termistor.” [Online]. Available: http://medirtemperatura.com/termistor.php.

[13] L. G. Elena, “Identificación de Sistemas. Aplicación al modelado de un motor

de continua.” .

[14] S. Garrido, “Identificación , Estimación y Control de Sistemas No-lineales

mediante RGO,” Control, p. 187, 1999.

[15] B. Udep, “Lógica Difusa Y Sistemas De Control,” p. 26.

[16] Á. Olmo Castillo, “Tutorial de Introducción de Lógica Borrosa,” 2008. [Online].

Available:

87
 http://www.dma.fi.upm.es/recursos/aplicaciones/logica_borrosa/web/tutorial_fuz
zy/contenido3.html.

[17] J. MONTBRUN DI FILIPPO, “Control Difuso,” p. 337, 2008.

[18] K. M. Passino, Fuzzy control for closed-loop, patient-specific hypnosis in

intraoperative patients: A simulation study. 2009.

[19] G. Tejada, “Tutorial de lógica fuzzy,” Electrónica - UNMSM, no. 5. pp. 18–29,
2000.

[20] E. H. Mamdani, “Application of fuzzy logic to approximate reasoning using

linguistic synthesis,” IEEE Trans. Comput., vol. C–26, no. 12, pp. 1182–1191,
1977.

[21] R. A. M. Perez, “Sistemas de Inferencia Basado en Logica Borrosa:

Fundamentos y casos de estudio,” Rev. Investig. Sist. e Inform., vol. 7, no. 1, pp.
91–104, 2010.

[22] E. C. Garcia Reséndiz, Eduardo; Méndez López, Oscar; Rodriguez Ramirez,

“Control Difuso de pH en un reactor quimico por lotes,” Inst. Politec. Nac., p. 120,
2012.

[23] Standards Department, “Graphic Symbols for Distributed Control / Shared

Display Instrumentation ,” Practice, 1983.

[24] A. N. Standard, AMERICAN NATIONAL STANDARD Instrumentation Symbols

and Identification, vol. 1984, no. July. 1992.

[25] I. S. A. D. Tr, “Using ISA-88 and ISA-95 Together,” Management, no.

December, 2007.

[26] Rockwell Automation Inc., “1769 CompactLogix Packaged Controllers - Quick

Start and User Manual,” p. 249, 2009.

[27] Rockwell Automation Inc., “Compact I/O Analog Modules - User Manual,” p.
184, 2005.

[28] C. Numbers, “PanelView Plus 6 Specifications,” pp. 1–20.

[29] Rockwell Automation Inc., “Stratix Ethernet Switch Specifications - Technical

Data,” p. 28, 2013.

[30] Rockwell Automation Inc., “Switched Mode Power Supply Specifications -

Technical Data,” p. 18, 2014.

[31] R. Quintero Camacho, “Método Para Linealizar La Salida De Un Sensor,” Rev.

Ing. - Univ. Dist. Fr. José Caldas, vol. 8, no. 1, pp. 82–85, 2003.
88
[32] ProThys, “FuzzyDesigner.” [Online]. Available:
http://www.protys.cz/fuzzyDesigner_features_about.php.

[33] M. O. Obtener, R. Con, and R. Classic, “rslinx classic,” no. August, 2008.

[34] K. H. John and M. Tiegelkamp, “IEC 61131-3: Programming industrial automation

systems: Concepts and programming languages, requirements for programming
systems, decision-making aids,” IEC 61131-3 Program. Ind. Autom. Syst.
Concepts Program. Lang. Requir. Program. Syst. Decis. Aids, pp. 1–390, 2010.

[35] R. Automation, “FactoryTalk View Machine Edition User’s Guide,” Man, no.
August, p. 636, 2014.

89
9 ANEXOS

9.1 Cámara Termográfica FLIR i7

Para la calibración de los dos sensores de temperatura presentes (termistores) se usó

como patrón de medida la cámara termográfica de la serie-i7 de FLIR [28] (Ver Fig. 116),
las especificaciones y el certificado de calibración del instrumento dadas por el fabricante
se encuentran en Fig. 77 y la Tabla 8 respectivamente.

Fig82. Cámara termográfica FLIR i7

Fig83. Certificado de calibración cámara termográfica FLIR i7

90
Tabla 9 Especificaciones Técnicas de la cámara FLIRi7

91
9.2 Sensor de pH (SCHOTT HANDYLAB pH 11 – 1)

Para la calibración del sensor de pH (SKU: SEN016) utilizado para el control de pH se

usó como patrón de calibración el sensor de pH (SCHOTT HANDYLAB pH 11 – 1)
como se observa en la Fig78, y las especificaciones del instrumento están dadas por
el fabricante en la tabla.

Fig84. Sensor de pH utilizado como patrón

Tabla 10, Características sensor de pH Schott

Sensor de pH Marca: SCHOTT Modelo: PH 11

• Medidor Portátil
• Exactitud (con sonda NTC 30): +0,1 K
• Rango de medición pH: -2,000…19,999 pH
• Calibración: 1, 2 y 3 puntos con soluciones DIN (1,68/ 4,01/ 9,18)
• Exactitud: +0.005 pH / + 0,01 pH
• TÉCNICAS (2,00/ 4,00/ 7,00/ 10,01)
• Resolución (pH): 0,001
• Visualización grafica del estado real del electrodo
• Rango de Medición mV: -1.999 mV…1.999 mV
• Indicación de la estabilidad de la medición
• Resolución: 0,1 mV
• Conexión para electrodo: DIN 19262
• Exactitud (+1 digito): 0,01 mV
• Conexión sensor de Temperatura: NTC 30/ Pt 1000,2 x 4 mm
• Rango de temperatura: -5,0 °C…105,0 °C
• Operación x batería: 4 x 1.5 V
• Resolución: 0,1K
• Tiempo de operación batería: Aprox. 5.000 h
• Apagado automático: Durante operación de la batería, después de 60 min.
• Condiciones ambientales de operación: -10…55 o C, Humedad relativa: <90%
• Dimensiones: 172 x 80 x 37 mm (alto x ancho x prof.)
• Peso: Aprox. 0,3 Kg
• Display: Multifuncional LCD 60 x 45 mm
• Clase de protección: 3, EN 61010-1 A2 Incluye: Maletín profesional, sonda de medición, soporte
STH320, tampones pH 4.00 y 7.00, Solución KCl 3.0 M.

92
9.3 Disoluciones

Objetivo

 El objetivo es preparar soluciones de concentración requerida, a partir de la

adquisición de especificación de reactivos de alta pureza.

Materiales utilizados

 Probeta 1000ml
 Beaker
 Termómetro
 Vidrio de reloj
 Mechero bunsen
 Trípode
 Gramera electrónica
 Agua
 Ácido cítrico en polvo
 Bicarbonato de sodio en polvo
 Tapa bocas
 Bata
 guantes

Ácido cítrico

Su fórmula molecular es C6H8O7m y su masa molecular es 193.13 g/mol, para

determinar la concentración de una solución la más utilizada es molaridad (M), el

La molaridad se define como la cantidad de sustancia de soluto, expresada en moles,

contenida en un cierto volumen de solución, expresado en litros, es decir M=n/V.

Procedimiento

1. llenar la probeta con un litro de agua y colocar 20 ml en el beaker.

2. Pesar 19,3 g de ácido cítrico.
3. Preparar el mechero bunsen con el trípode y colocar el beaker con los 20 ml de agua.
4. Calentar el agua hasta 40 grados Celsius, medir constantemente con el termómetro.
5. Diluir el ácido cítrico pesado en el agua caliente
6. Revolver por 5 minutos.
7. Adicionar en un recipiente el ácido diluido en agua y el agua restante de la probeta.

93
Manual de Practicas

PRÁCTICA 1: Reconocimiento de la etapa de dosificación

Objetivos:
 Reconocer el diagrama de instrumentación y tuberías (P&ID) de la planta.
 Reconocer los elementos que componen el panel frontal de la planta.
 Realizar el modelo físico de los componentes que integran la planta basados en
el estándar ISA88.

Materiales utilizados
 Etapa de dosificación de la planta pasteurizadora

Metodología

1. Mediante el diagrama P&ID de la planta, realizar una tabla de descripción de los

diferentes elementos compuestos por la planta, ser detallado en la descripción
dando características, dimensiones y funciones de cada elemento si es posible.

94
 Tag Elemento Descripción

2. Relacionando la información del diagrama PI&D elabore el modelo físico de la

planta que se propone el estándar ISA88 para jerarquizar los equipos de la planta
en términos de células, unidades, módulos de equipos y módulos de control.

95
Practica Numero2: Modelo Experimental

Objetivos:

 Realizar experimentos de identificación con señal paso por medio de un programa

realizado en RSLogix5000 para obtener un modelo matemático aproximado del
sistema.

 Obtener el modelo experimental del sistema de pH de la etapa de dosificación de

la planta pasteurizadora.

Materiales utilizados:

 Etapa de dosificación de la planta pasteurizadora

 Ácido Cítrico (0.05 M)
 Bicarbonato de sodio (0.3 M)
 Software RSLogix 5000
 Software RSLinx Classic
 Computador
 Software MATLAB®

Metodología

Para realizar el modelo experimental se debe familiarizar con la planta, analice el

diagrama de instrumentación y tuberías (P&ID) antes de realizar el experimento
(Practica No 1).

Identifique y verifique cada elemento del diagrama con el de la planta de dosificación,

conecte el sensor de pH y siga los siguientes pasos:

1. Conecte el cable Ethernet del PC al Switch Ethernet y configure las IP’s de los
dispositivos del tablero de control (PLC, PC, HMI) y conecte la planta
pasteurizadora al tablero de control.

2. Cree un nuevo proyecto en el programa RsLogix 5000 v19 y configure el módulo

de entradas análogas.

96
3. Cree una Tag de tipo REAL y asígnele la entrada análoga ya configurada.

4. Realice un evento periódico de 100 ms para el sensor de pH y un programa en

Texto estructurado donde implemente las siguientes ecuaciones.
97
SensorpH (sensoranaloga) es la variable que se le asignó a la entrada análoga del
sensor anteriormente.

5. Luego configure el puerto serial del PLC.

6. Para el manejo de datos en el puerto serial declarare un tipo de datos STRING de

256 caracteres. En el árbol de proyecto, en Data Types -> Strings, se crea el nuevo
formato STRING256:
7.

98
8. También se crea un dato en Data Types -> User-Defined para agrupar las variables
necesarias para acceder al puerto serie para la escritura.

9. Asígnele a una variable tipo dato (SERIE_PLC_ESCRITURA).

10. En Data Types -> Strings cree dos variables String de longitud 4.

11. Para el envió de la variable de salida de los dosificadores siempre tiene que
enviarse de una misma longitud ya que el rango es entre 0 y 155. Se debe realizar

99
 la escalizacion de la variable y poner una condición que cuando el valor sea 0
asígnele el valor 0.01.

12. Para el envío de datos por el puerto serie cree un evento periódico, programe en
lenguaje “Ladder” y convierta las variables Reales correspondientes al valor de
cada dosificador escalizadas en String usando la instrucción RTOS y concatene las
variables String con la función CONCAT para enviar las dos variables en un mismo
vector, con la instrucción AWA, que es la adecuada para enviar mensajes realice
la siguiente rutina.

100
13. Con la herramienta “Trend” de Rslogix cree y configure un nuevo con las variables
del sensor de pH y la del dosificador (acido).

14. Luego descargue el programa en el PLC y ponga en el máximo valor la salida del
dosificador de Acido (155) hasta llega a un valor de pH promedio de 4, ahora inicie
el modo Run de la herramienta “Trend” y asígnele a la variable del dosificador de
base (155) y observara en la gráfica como va subiendo el pH, al llegar a un valor
de pH de 8 ponga en 0 la variable del dosificador y pare la ejecución del “Trend” y
guarde los datos tomados (Log –> Save Trend) con formato tipo .CSV.

15. Abra los datos tomados con Excel de Microsoft y separe los datos tomados en
varias columnas (Datos-> Texto en columnas), se cambia el separador de
decimales coma por punto y finalice.

16. Guarde los cambios hechos y con la herramienta Matlab -> importa Data
seleccione el archivo .CSV anterior y genere un vector con los datos tomados en
el sensor de pH y otro con los datos de la variable del dosificador.

17. Con la herramienta”ident” de Matlab importe los vectores de entrada (dosificador)

y salida (sensor de pH) para la identificación de la planta.

101
18. Genere varias estimaciones de funciones de transferencia con (Transfer Function
Models, Process Model y Polynominal Models).

17. Para la validación del modelo seleccione la función de transferencia con mayor
rango porcentaje de similitud e impórtela a matlab.

102
Practica Numero3: Control Difuso

Objetivos:

 Identificar y verificar el funcionamiento de la etapa de dosificación utilizando la

pantalla HMI del tablero de control de la planta.

 Realizar la validación del control Difuso

Materiales utilizados:

 Etapa de dosificación de la planta pasteurizadora

 Tablero con control de la etapa de dosificación.
 Ácido cítrico (bas0.05 molar) y bicarbonato de sodio (0.3 molar)

Metodología

1. Conecte la etapa de dosificación de la planta pasteurizadora con el módulo de

control de la planta.

2. Inicie la pantalla HMI, ejecute el modo Manual y compruebe el funcionamiento de

los sensores y los actuadores.

3. Inhabilite el modo manual, vuelva al menú y entre al control Difuso (Nota: verificar
siempre en cada control que los dosificadores estén llenos con las disoluciones)

103
4. Inicie el proceso, Configure el primer set Point en 7.4, llene la tabla con los datos
de la salida del controlador visualizado en la pantalla HMI en cada proceso.

No Set -Point Sobre Tiempo de Error estado

impulso Establecimiento Estacionario
1 7.3
2 6.8
3 6.3
4 6.7
5 7.1

104