Enfoque de Monte Carlo aplicado a la estimación de variables en el diseño de la red de sensores en plantas químicas
Conocer el estado real de una planta química tiene un impacto significativo en su eficiencia energética y en el cumplimiento de las normas medioambientales y de seguridad. Este conocimiento se puede obtener instalando una red de sensores adecuada en la fase de diseño de la planta y aplicando procedi...
Guardado en:
| Autores principales: | , , , , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/177745 |
| Aporte de: |
| Sumario: | Conocer el estado real de una planta química tiene un impacto significativo en su eficiencia energética y en el cumplimiento de las normas medioambientales y de seguridad. Este conocimiento se puede obtener instalando una red de sensores adecuada en la fase de diseño de la planta y aplicando procedimientos de tratamiento de datos durante su operación. De esta manera, los datos proporcionados por los sensores se transforman en información consistente para ser utilizada como in- sumo para una metodología de monitoreo, control y optimización en línea. La cantidad de sensores a instalar en la planta depende del conjunto de variables del proceso que se deben conocer de manera confiable para ejecutar los procedimientos antes mencionados. La selección óptima de instrumentación de plantas químicas se define como el problema de diseño de redes de sensores (SNDP).
Esta línea de investigación considera la propuesta del SNDP para el monitoreo del desempeño de procesos. El funcionamiento de la planta está re- presentado por un sistema no lineal de ecuaciones algebraicas. El diseño minimiza el costo de instrumentación y también satisface la observabilidad de un conjunto requerido de variables de proceso y la precisión de algunas de ellas. La precisión se evalúa en términos de la desviación estándar de las estimaciones de variables calculadas utilizando el enfoque de Monte Carlo. |
|---|