Aplicación del método de análisis de componentes principales (PCA) para la detección de fallas en plantas químicas
DOI:
https://doi.org/10.33448/rsd-v9i8.6335Palabras clave:
Supervisión; Detección de fallas; PCA.Resumen
Los sistemas de control se utilizan en las industrias químicas para reducir el valor de las desviaciones variables del proceso del valor deseado conocido como punto de ajuste. Incluso si los controladores convencionales contribuyen a reducir esos errores, existe la posibilidad de que ocurran fallas del sistema, que son una desviación no permitida debido a algunas propiedades características o parámetros del sistema. El desarrollo de nuevas técnicas de detección de fallas es la clave para satisfacer la creciente demanda de la complejidad de los sistemas industriales y sus rendimientos que apuntan a lograr una mayor eficiencia. Este trabajo tiene como objetivo aplicar el método de Análisis de Componentes Principales o PCA (Principal Component Analysis) para detectar fallas en plantas químicas. PCA recopila datos de procesos históricos y construye un modelo estadístico a partir de ellos, además de permitir la reducción del orden de modelos multivariables para facilitar su implementación. Se realizaron dos estudios de caso que involucraron CSTR con camisa de calentamiento y un CSTR no isotérmico para verificar la eficiencia del método propuesto en la detección de fallas en los sistemas de control monitoreados. Ambas fallas en sensores y sistemas sometidos a perturbaciones escalonadas se evaluaron utilizando PCA y T2 de las estadísticas de Hotelling y Q. El PCA demostró ser un método eficiente en la detección de fallas que involucra los estudios de caso presentados, lo que indica su potencial para ser aplicado en los controladores de la industria química.
Citas
Alvarez, G. D. (2009). Fault detection using principle component analysis (PCA) in a wastewater treatment plant (WWTP). In: Proceedings Of The 62nd International Student’s Scientific Conference - St Petersburg, Russia.
Alkaya, A. & Eker, I. (2011). Variance sensitive adaptive threshold-based PCA method for fault detection with experimental application. ISA Transactions, v.50, 287p.
Awhangbo, L., Bendoula, R., Roger, J. M. & Béline, F. (2020). Fault detection with moving window PCA using NIRS spectra for the monitoring of anaerobic digestion process. Water Science & Technology. v.81. 367p.
Bastidas, M. E. H. (2018). Detecção e diagnóstico de falhas baseado em modelos empíricos no subespaço das variáveis de processo (EMPVSUB). Dissertação de Mestrado – Universidade Federal do Rio Grande do Sul – Porto Alegre.
Bequette, B.W. (1998). Process Dynamics – Modeling, Analysis and Simulation. New Jersey: Prentice Hall, 471p.
Bin Shams, M.A.; Budman, H.M. & Duever, T.A. (2011). Fault detection, identification and diagnosis using CUSUM based PCA. Chemical Engineering Science. v. 66, 4488p.
Britto, R.S. (2014). Detecção de falhas com pca e pls aplicados a uma planta didática. Dissertação de Mestrado - Universidade Federal de Sergipe – UFS. São Cristovão.
Chiang, L. H.; Russel, E. L. & Braatz, R. D. (2001). Fault Detection and Diagnosis in Industrial Systems. Springer: London.
Isermann, R. (1997). Supervision, fault-detection and fault-diagnosis methods: An introduction. Control Engineering Practice. v. 15, n. 5, 639p.
Jing, C. & Hou, J. (2015). SVM and PCA based fault classification approaches for complicated industrial process. Neurocomputing. v.167. 636p.
Li, W., Peng, M., Wang, Q. (2018). Improved PCA method for sensor fault detection and isolation in a nuclear power plant. Nuclear Engineering and Technology. v.51. 146p.
Pereira A.S. et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.
Reis, L. L. G. (2008). Controle Tolerante com Reconfiguração Estrutural Acoplado a Sistemas de Diagnóstico de Falhas. Dissertação de Mestrado. Universidade Federal de Uberlândia-UFU. Uberlândia.
Sánchez-Fernández, A., Baldán, F. J., Sainz-Palmero, G. I., Benítez, J. M. & Fuente, M. J. (2018). Fault detection based on time series modeling and multivariante statistical process control. Chemometrics and Intelligent Laboratory Sistems. v.182, 57p.
Souza, D. L. (2011). Metodologia para o Monitoramento de Sistemas de Controle na Indústria Química. Tese de Doutorado. Universidade Federal de Uberlândia. Uberlândia.
Souza, D. L., Granzotto, M. H., Almeida, G. M. & Lopes, L. C. O. (2014). Fault detection and diagnosis using support vector machines: A SVC and SVR comparison. Journal of Safety Engineering. v.3, 18p.
Tidriri, K., Chatti, N., Verron, S. & Tiplica, T. (2016). Bridging data-driven and model-based approaches for process fault diagnosis and health monitoring: A review of researches and future challenges. Annual Reviews in Control. v.42, 63p.
Venkatasubramanian, V., Rengaswamy, R., Yin, K. & Kavuri, S. N. (2003). A review of process fault detection and diagnosis Part I: Quantitative model-based methods. Computers and Chemical Engineering. v.27, 293p.
Venkatasubramanian, V. Rengaswamy, R., Kavuri, S. N. & Yin, K. (2003). A review of process fault detection and diagnosis Part III: Process history based methods. Computers and Chemical Engineering. v.27, 327p.
Yang, X. B.; Jin, X. Q.; Du, Z. M. & Zhu, Y. H. (2011). A novel model-based fault detection method for temperature sensor using fractal correlation dimension. Building and Environment. v.46, 970p.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Thessa Fuzaro Corrêa, Davi Leonardo de Souza
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
