Diseño de sistemas de instrumentación para plantas químicas
En lo últimos años se han producido numerosos avances en la industria química en áreas tales como: monitoreo de procesos, control basado en modelos, control estadístico multivariable, optimización en tiempo real, diagnóstico de fallas, etc. Sin embargo, existen aún varios tópicos claves que deben...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | tesis doctoral |
| Lenguaje: | Español |
| Publicado: |
2016
|
| Materias: | |
| Acceso en línea: | http://repositoriodigital.uns.edu.ar/handle/123456789/2656 |
| Aporte de: |
| Sumario: | En lo últimos años se han producido numerosos avances en la industria química en
áreas tales como: monitoreo de procesos, control basado en modelos, control estadístico
multivariable, optimización en tiempo real, diagnóstico de fallas, etc. Sin embargo,
existen aún varios tópicos claves que deben resolverse, entre ellos, el diseño de la red de
instrumentación de una planta química. Ésta proporciona un conocimiento integral del
estado actual de proceso que resulta indispensable para la toma de decisiones. En este
contexto aparece la necesidad de desarrollar estrategias sistemáticas que permitan
determinar para cada variable de proceso si será medida, y en tal caso, indicar cuántos
sensores la medirán y cuáles serán sus características, a la vez que se optimiza un criterio
de desempeño preestablecido. Este problema se conoce como Problema de Diseño de
Redes de Sensores, PDRS.
Frecuentemente es necesario satisfacer restricciones en la calidad de las
estimaciones sólo para un conjunto de variables claves. En este caso, se diseña una red de
sensores llamada General, sin conocer a priori la cardinalidad del conjunto óptimo de
instrumentos. Si bien se han utilizado diferentes modelos de selección óptima de sensores,
siempre resulta un problema de optimización combinatorial sujeto a restricciones.
En esta tesis se han desarrollado e implementado metodologías de resolución del
PDRS para plantas de proceso cuya operación se representa mediante sistemas
linealizados de ecuaciones algebraicas. Las estrategias propuestas emplean motores de
optimización híbridos con el fin de explotar las ventajas de los algoritmos estocásticos
de búsqueda global y local. Dichas metodologías, si bien no garantizan optimalidad,
ofrecen buenas soluciones en tiempos que no crecen exponencialmente con el tamaño de la entrada. Además son lo suficientemente flexibles como para ser adaptadas a otras
formulaciones del PDRS.
Inicialmente se investiga la resolución del diseño empleando nuevos algoritmos de
búsqueda local inspirados en la heurística Búsqueda Tabú (BT). Los resultados
alcanzados indican que éstos son menos robustos cuando la complejidad de las
restricciones aumenta. También se estudia el comportamiento de un algoritmo ad-hoc
híbrido basado en Búsqueda Dispersa, que combina una búsqueda global con técnicas de
inspección por entornos diferentes a las empleadas en la BT, obteniéndose una mejor
reproducibilidad de los resultados.
Además se analiza la aplicabilidad de los Algoritmos de Estimación de
Distribuciones (AEDs), de orden creciente, para la resolución del PDRS. Si bien todos
son capaces de hallar buenas soluciones, la complejidad adicional que implica considerar
un modelo gráfico probabilístico de mayor orden no produce una mejora importante en
la calidad y repetitividad de las mejores soluciones.
Por último se desarrolla una nueva metodología, denominada pPBIL-OS (Parallel
Population Based Incremental Learning – Strategic Oscillations). Ésta consiste en un
esquema de resolución híbrido que combina las ventajas del algoritmo poblacional PBIL,
de orden uno, con la técnica de búsqueda local Oscilaciones Estratégicas, que trabaja en
el marco de la BT. El procedimiento emplea un cierto número de subpoblaciones que
evolucionan de manera independiente, pudiendo intercambiar información entre ellas con
cierta probabilidad. Su desempeño, medido en función de: la calidad y reproducibilidad
de las soluciones, la capacidad de resolver problemas de tamaño incremental y los
requerimientos de cómputo, resulta muy satisfactorio. |
|---|