MONITOREO Y DIAGNÓSTICO DE LA OPERACIÓN DE UNA PLANTA DE PASTEURIZACIÓN PILOTO USANDO TÉCNICAS DE PROYECCIÓN

Abstract

El presente trabajo se ha centrado en la descripción de fallas de proceso, en la evaluación de la potencia de la detección de dichas fallas mediante técnicas estadísticas multivariables, y en la evaluación de la capacidad de diagnosticar la verdadera causa de las fallas en línea. Los ensayos han sido realizados en la planta piloto de pasteurización de leche PCT23, marca ARMFIELD, que se encuentra ubicada en el Departamento de Ingeniería de Sistemas y Automática de la Universidad Politécnica de Valencia. Para poder realizar un análisis de las fallas fue necesaria la construcción de un modelo PCA (siglas en inglés, Principal Components Analysis), analizando un conjunto de datos obtenidos en condiciones normales de operación en el programa SIMCA. Se decidió usar para la monitorización sólo 2 componentes principales de las 13 totales, lográndose explicar un 61 % de la variabilidad de los datos del conjunto de datos en operación normal. Estando el proceso bajo control, se han introducido una serie de fallas, cada una repetida 4 ó 5 veces, dependiendo de la rapidez que presentase el proceso en volver al estado estable; siendo estas fallas tanto de sensores como fallas de proceso. Se ha podido constatar que la respuesta del proceso tiene en todos los casos un buen grado de repetibilidad por lo que se ha considerado viable hacer una descripción de la respuesta típica del proceso frente a las fallas introducidos. Se ha considerado como respuesta típica de la falla, el gráfico de contribuciones al estadístico correspondiente que genere el primer punto de salida de control, de modo que para diagnosticar la falla se ve el grado de parecido del gráfico de contribuciones en línea de cada falla, con el que se encuentra en la base de datos. Las fallas de sensores no han presentado problemas, ya que son detectados con claridad y diagnosticados con suficiente precisión. En el caso de las fallas de proceso la detección es clara y oportuna, pero el diagnóstico no ha sido del todo satisfactorio, ya que la gráfica de contribuciones cambia con los cambios de temperatura del agua de entrada provocados por las distintas condiciones ambientales de las estaciones del ao. Esto hace pensar en la necesidad de obtener un modelo estadístico y comparar la respuesta del proceso frente a las mismas fallas para cada una de las estaciones del ao. Para evitar esta problemática, existe la posibilidad de medir la temperatura del producto de alimentación e incluida en el modelo para así neutralizar en un buen grado de los efectos de la estacionalidad anual, o en un caso extremo implementar un sistema de control automático para mantener una temperatura de entrada constante. Se concluye que las técnicas estadísticas multivariables son un buen método para detectar de manera pronta fallas de proceso, pero lo que tiene que ver la identificación de las causas de las fallas es un campo abierto a la investigación, en el cual hay mucho por hacer y que tiene un campo de aplicación prometedor si se llegan a encontrar métodos efectivos para el diagnóstico de las fallas.