Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización

Autores
Perdomo, Mariano Miguel; Clementi, Luis Alberto; Vega, Jorge Rubén
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La tarea de detectar, identificar y diagnosticar fallas en procesos industriales es de vital importancia para evitar un control deficiente del proceso, desperdicios de materia prima, pérdidas económicas por problemas de calidad en el producto final, etc. En consecuencia, la detección temprana y el diagnóstico preciso de las fallas resultan cruciales para reencausar el proceso y minimizar el impacto de las mismas. En este trabajo se desarrolla un módulo de detección de fallas, que incluye una interpretación de las fallas para facilitar su identificación y diagnóstico. El módulo se desarrolla en particular para un proceso de producción de látex para caucho estireno-butadieno, obtenido mediante un proceso continuo, el cual es susceptible de sufrir una amplia diversidad de fallas de distintas características. La metodología propuesta requiere para el ajuste del modelo únicamente datos del proceso en estado normal de operación, evitando así la compleja tarea de obtener un conjunto de datos representativo de todas las posibles fallas del proceso. Al tratarse de un proceso complejo, dinámico, no lineal y con muchas variables medidas, se adopta una metodología basada en autocodificadores recurrentes. Los resultados muestran en general un desempeño aceptable del modelo obtenido. Aquellas fallas que difieren significativamente de la distribución de probabilidades del estado normal de operación de la planta son detectadas eficazmente. Por otra parte, en algunos casos se observa un retardo u omisión temporal en la detección de las fallas. Esto se atribuye a la pequeña magnitud de algunas fallas, las cuales no se diferencian significativamente respecto a un estado normal de operación.
Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina
Materia
Autocodificador
Detección de anomalías
Series temporales
Proceso industrial
Redes neuronales recurrentes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
CC0 1.0 Universal
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13009
Acceder
id RIAUTN_d7320ca891e2c590df1986c647ea5a62
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13009
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Autocodificador recurrente para detectar fallas en un tren de reactores de polimerizaciónPerdomo, Mariano MiguelClementi, Luis AlbertoVega, Jorge RubénAutocodificadorDetección de anomalíasSeries temporalesProceso industrialRedes neuronales recurrentesLa tarea de detectar, identificar y diagnosticar fallas en procesos industriales es de vital importancia para evitar un control deficiente del proceso, desperdicios de materia prima, pérdidas económicas por problemas de calidad en el producto final, etc. En consecuencia, la detección temprana y el diagnóstico preciso de las fallas resultan cruciales para reencausar el proceso y minimizar el impacto de las mismas. En este trabajo se desarrolla un módulo de detección de fallas, que incluye una interpretación de las fallas para facilitar su identificación y diagnóstico. El módulo se desarrolla en particular para un proceso de producción de látex para caucho estireno-butadieno, obtenido mediante un proceso continuo, el cual es susceptible de sufrir una amplia diversidad de fallas de distintas características. La metodología propuesta requiere para el ajuste del modelo únicamente datos del proceso en estado normal de operación, evitando así la compleja tarea de obtener un conjunto de datos representativo de todas las posibles fallas del proceso. Al tratarse de un proceso complejo, dinámico, no lineal y con muchas variables medidas, se adopta una metodología basada en autocodificadores recurrentes. Los resultados muestran en general un desempeño aceptable del modelo obtenido. Aquellas fallas que difieren significativamente de la distribución de probabilidades del estado normal de operación de la planta son detectadas eficazmente. Por otra parte, en algunos casos se observa un retardo u omisión temporal en la detección de las fallas. Esto se atribuye a la pequeña magnitud de algunas fallas, las cuales no se diferencian significativamente respecto a un estado normal de operación.Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); ArgentinaVII ARGENCON2025-05-21T21:46:17Z2024info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfPerdomo, M. M.; Clementi, L. A. &Vega, J. R. (18-20 de setiembre de 2024). Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización. IEEE Biennial Congress of Argentina (VII ARGENCON 2024), San Nicolás de los Arroyos, Argentina, 2024. DOI: 10.1109/ARGENCON62399.2024.10735855.https://hdl.handle.net/20.500.12272/1300910.1109/ARGENCON62399.2024.10735855spaASECAFE0008414MODELADO Y MONITOREO DE PROCESOS INDUSTRIALES CONTINUOS Y SEMICONTINUOS. ALGORITMOS BASADOS EN INFERENCIA BAYESIANA Y APRENDIZAJE MAQUINALinfo:eu-repo/semantics/openAccessCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/Los autoresCreativeCommons2024reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:41Zoai:ria.utn.edu.ar:20.500.12272/13009instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:41.82Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
title Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
spellingShingle Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
Perdomo, Mariano Miguel
Autocodificador
Detección de anomalías
Series temporales
Proceso industrial
Redes neuronales recurrentes
title_short Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
title_full Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
title_fullStr Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
title_full_unstemmed Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
title_sort Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización
dc.creator.none.fl_str_mv Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author Perdomo, Mariano Miguel
author_facet Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author_role author
author2 Clementi, Luis Alberto
Vega, Jorge Rubén
author2_role author
author
dc.subject.none.fl_str_mv Autocodificador
Detección de anomalías
Series temporales
Proceso industrial
Redes neuronales recurrentes
topic Autocodificador
Detección de anomalías
Series temporales
Proceso industrial
Redes neuronales recurrentes
dc.description.none.fl_txt_mv La tarea de detectar, identificar y diagnosticar fallas en procesos industriales es de vital importancia para evitar un control deficiente del proceso, desperdicios de materia prima, pérdidas económicas por problemas de calidad en el producto final, etc. En consecuencia, la detección temprana y el diagnóstico preciso de las fallas resultan cruciales para reencausar el proceso y minimizar el impacto de las mismas. En este trabajo se desarrolla un módulo de detección de fallas, que incluye una interpretación de las fallas para facilitar su identificación y diagnóstico. El módulo se desarrolla en particular para un proceso de producción de látex para caucho estireno-butadieno, obtenido mediante un proceso continuo, el cual es susceptible de sufrir una amplia diversidad de fallas de distintas características. La metodología propuesta requiere para el ajuste del modelo únicamente datos del proceso en estado normal de operación, evitando así la compleja tarea de obtener un conjunto de datos representativo de todas las posibles fallas del proceso. Al tratarse de un proceso complejo, dinámico, no lineal y con muchas variables medidas, se adopta una metodología basada en autocodificadores recurrentes. Los resultados muestran en general un desempeño aceptable del modelo obtenido. Aquellas fallas que difieren significativamente de la distribución de probabilidades del estado normal de operación de la planta son detectadas eficazmente. Por otra parte, en algunos casos se observa un retardo u omisión temporal en la detección de las fallas. Esto se atribuye a la pequeña magnitud de algunas fallas, las cuales no se diferencian significativamente respecto a un estado normal de operación.
Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina
description La tarea de detectar, identificar y diagnosticar fallas en procesos industriales es de vital importancia para evitar un control deficiente del proceso, desperdicios de materia prima, pérdidas económicas por problemas de calidad en el producto final, etc. En consecuencia, la detección temprana y el diagnóstico preciso de las fallas resultan cruciales para reencausar el proceso y minimizar el impacto de las mismas. En este trabajo se desarrolla un módulo de detección de fallas, que incluye una interpretación de las fallas para facilitar su identificación y diagnóstico. El módulo se desarrolla en particular para un proceso de producción de látex para caucho estireno-butadieno, obtenido mediante un proceso continuo, el cual es susceptible de sufrir una amplia diversidad de fallas de distintas características. La metodología propuesta requiere para el ajuste del modelo únicamente datos del proceso en estado normal de operación, evitando así la compleja tarea de obtener un conjunto de datos representativo de todas las posibles fallas del proceso. Al tratarse de un proceso complejo, dinámico, no lineal y con muchas variables medidas, se adopta una metodología basada en autocodificadores recurrentes. Los resultados muestran en general un desempeño aceptable del modelo obtenido. Aquellas fallas que difieren significativamente de la distribución de probabilidades del estado normal de operación de la planta son detectadas eficazmente. Por otra parte, en algunos casos se observa un retardo u omisión temporal en la detección de las fallas. Esto se atribuye a la pequeña magnitud de algunas fallas, las cuales no se diferencian significativamente respecto a un estado normal de operación.
publishDate 2024
dc.date.none.fl_str_mv 2024
2025-05-21T21:46:17Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Perdomo, M. M.; Clementi, L. A. &Vega, J. R. (18-20 de setiembre de 2024). Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización. IEEE Biennial Congress of Argentina (VII ARGENCON 2024), San Nicolás de los Arroyos, Argentina, 2024. DOI: 10.1109/ARGENCON62399.2024.10735855.
https://hdl.handle.net/20.500.12272/13009
10.1109/ARGENCON62399.2024.10735855
identifier_str_mv Perdomo, M. M.; Clementi, L. A. &Vega, J. R. (18-20 de setiembre de 2024). Autocodificador recurrente para detectar fallas en un tren de reactores de polimerización. IEEE Biennial Congress of Argentina (VII ARGENCON 2024), San Nicolás de los Arroyos, Argentina, 2024. DOI: 10.1109/ARGENCON62399.2024.10735855.
10.1109/ARGENCON62399.2024.10735855
url https://hdl.handle.net/20.500.12272/13009
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv ASECAFE0008414
MODELADO Y MONITOREO DE PROCESOS INDUSTRIALES CONTINUOS Y SEMICONTINUOS. ALGORITMOS BASADOS EN INFERENCIA BAYESIANA Y APRENDIZAJE MAQUINAL
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Los autores
CreativeCommons
2024
eu_rights_str_mv openAccess
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Los autores
CreativeCommons
2024
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv VII ARGENCON
publisher.none.fl_str_mv VII ARGENCON
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230885901697024
score 13.24418

Publicaciones similares