Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos

Autores
Sanseverinatti, Carlos Ignacio; Perdomo, Mariano Miguel; Clementi, Luis Alberto; Vega, Jorge Rubén
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Un Sensor Inferencial (SI) es una herramienta utilizada para estimar variables de calidad no medibles a partir de la medición de variables medibles. Si bien existen muchas alternativas para la implementación de un SI, la combinación o ensamble de dos o más SIs puede conducir a un desempeño mejorado y a una mayor robustez. En el presente trabajo, se diseña e implementa un SI ensamblado adaptativo con el objetivo de monitorear en-línea la conversión de monómeros en un tren de reactores continuos utilizado para la producción de caucho Estireno-Butadieno (SBR). El SI ensamblado se construye combinando tres algoritmos de regresión de soporte vectorial (SVR), cada uno implementado mediante máquinas Kernel de diferente naturaleza. Cada SVR incluye un término de ajuste por sesgo como metodología de adaptación. En primer lugar, se implementaron y calibraron los SVR individuales mediante un conjunto de datos de entrenamiento. Luego, se plantearon dos SI ensamblados mediante diferentes metodologías de combinación. El desempeño de los SI ensamblados propuestos se estudió en términos de la capacidad para estimar en línea la conversión másica de polímero en una simulación del proceso continuo de producción de caucho SBR. La validación de ensamble se realizó para dos casos simulados: el proceso en estado estacionario y el proceso frente a una perturbación de offset en un sensor. Los resultados, basados en indicadores de error de predicción, error máximo, y desvío estándar del error, muestran que el ensamble es más robusto y exacto que cualquiera de los SI individuales.
Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano M. 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
Monitoreo
Sensores ensamblados adaptivos
Sesgo
Regresión de soporte vectorial
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:20.500.12272/12996
Acceder
id RIAUTN_e650a965f5cb8b34ddd59c8d70e09375
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/12996
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuosSanseverinatti, Carlos IgnacioPerdomo, Mariano MiguelClementi, Luis AlbertoVega, Jorge RubénMonitoreoSensores ensamblados adaptivosSesgoRegresión de soporte vectorialUn Sensor Inferencial (SI) es una herramienta utilizada para estimar variables de calidad no medibles a partir de la medición de variables medibles. Si bien existen muchas alternativas para la implementación de un SI, la combinación o ensamble de dos o más SIs puede conducir a un desempeño mejorado y a una mayor robustez. En el presente trabajo, se diseña e implementa un SI ensamblado adaptativo con el objetivo de monitorear en-línea la conversión de monómeros en un tren de reactores continuos utilizado para la producción de caucho Estireno-Butadieno (SBR). El SI ensamblado se construye combinando tres algoritmos de regresión de soporte vectorial (SVR), cada uno implementado mediante máquinas Kernel de diferente naturaleza. Cada SVR incluye un término de ajuste por sesgo como metodología de adaptación. En primer lugar, se implementaron y calibraron los SVR individuales mediante un conjunto de datos de entrenamiento. Luego, se plantearon dos SI ensamblados mediante diferentes metodologías de combinación. El desempeño de los SI ensamblados propuestos se estudió en términos de la capacidad para estimar en línea la conversión másica de polímero en una simulación del proceso continuo de producción de caucho SBR. La validación de ensamble se realizó para dos casos simulados: el proceso en estado estacionario y el proceso frente a una perturbación de offset en un sensor. Los resultados, basados en indicadores de error de predicción, error máximo, y desvío estándar del error, muestran que el ensamble es más robusto y exacto que cualquiera de los SI individuales.Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Perdomo, Mariano M. 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.AADECA - 28º Congreso Argentino de Control Automático2025-05-21T18:02:19Z2023info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfSanseverinatti, C. I.; Perdomo, M. M.; Clementi. L. A. & Vega, J. R. (16-18 de mayo de 2023). Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos. Asocicación Argentina de Control Automático. 28º Congreso Argentino de Control Automático (AADECA 2023). Universidad de Palermo, Buenos Aires, Argentina.https://hdl.handle.net/20.500.12272/12996spaASECAFE0008414MODELADO 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 autoresCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:46:13Zoai:ria.utn.edu.ar:20.500.12272/12996instacron: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 12:46:14.183Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
title Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
spellingShingle Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
Sanseverinatti, Carlos Ignacio
Monitoreo
Sensores ensamblados adaptivos
Sesgo
Regresión de soporte vectorial
title_short Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
title_full Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
title_fullStr Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
title_full_unstemmed Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
title_sort Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos
dc.creator.none.fl_str_mv Sanseverinatti, Carlos Ignacio
Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author Sanseverinatti, Carlos Ignacio
author_facet Sanseverinatti, Carlos Ignacio
Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author_role author
author2 Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author2_role author
author
author
dc.subject.none.fl_str_mv Monitoreo
Sensores ensamblados adaptivos
Sesgo
Regresión de soporte vectorial
topic Monitoreo
Sensores ensamblados adaptivos
Sesgo
Regresión de soporte vectorial
dc.description.none.fl_txt_mv Un Sensor Inferencial (SI) es una herramienta utilizada para estimar variables de calidad no medibles a partir de la medición de variables medibles. Si bien existen muchas alternativas para la implementación de un SI, la combinación o ensamble de dos o más SIs puede conducir a un desempeño mejorado y a una mayor robustez. En el presente trabajo, se diseña e implementa un SI ensamblado adaptativo con el objetivo de monitorear en-línea la conversión de monómeros en un tren de reactores continuos utilizado para la producción de caucho Estireno-Butadieno (SBR). El SI ensamblado se construye combinando tres algoritmos de regresión de soporte vectorial (SVR), cada uno implementado mediante máquinas Kernel de diferente naturaleza. Cada SVR incluye un término de ajuste por sesgo como metodología de adaptación. En primer lugar, se implementaron y calibraron los SVR individuales mediante un conjunto de datos de entrenamiento. Luego, se plantearon dos SI ensamblados mediante diferentes metodologías de combinación. El desempeño de los SI ensamblados propuestos se estudió en términos de la capacidad para estimar en línea la conversión másica de polímero en una simulación del proceso continuo de producción de caucho SBR. La validación de ensamble se realizó para dos casos simulados: el proceso en estado estacionario y el proceso frente a una perturbación de offset en un sensor. Los resultados, basados en indicadores de error de predicción, error máximo, y desvío estándar del error, muestran que el ensamble es más robusto y exacto que cualquiera de los SI individuales.
Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano M. 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 Un Sensor Inferencial (SI) es una herramienta utilizada para estimar variables de calidad no medibles a partir de la medición de variables medibles. Si bien existen muchas alternativas para la implementación de un SI, la combinación o ensamble de dos o más SIs puede conducir a un desempeño mejorado y a una mayor robustez. En el presente trabajo, se diseña e implementa un SI ensamblado adaptativo con el objetivo de monitorear en-línea la conversión de monómeros en un tren de reactores continuos utilizado para la producción de caucho Estireno-Butadieno (SBR). El SI ensamblado se construye combinando tres algoritmos de regresión de soporte vectorial (SVR), cada uno implementado mediante máquinas Kernel de diferente naturaleza. Cada SVR incluye un término de ajuste por sesgo como metodología de adaptación. En primer lugar, se implementaron y calibraron los SVR individuales mediante un conjunto de datos de entrenamiento. Luego, se plantearon dos SI ensamblados mediante diferentes metodologías de combinación. El desempeño de los SI ensamblados propuestos se estudió en términos de la capacidad para estimar en línea la conversión másica de polímero en una simulación del proceso continuo de producción de caucho SBR. La validación de ensamble se realizó para dos casos simulados: el proceso en estado estacionario y el proceso frente a una perturbación de offset en un sensor. Los resultados, basados en indicadores de error de predicción, error máximo, y desvío estándar del error, muestran que el ensamble es más robusto y exacto que cualquiera de los SI individuales.
publishDate 2023
dc.date.none.fl_str_mv 2023
2025-05-21T18:02:19Z
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 Sanseverinatti, C. I.; Perdomo, M. M.; Clementi. L. A. & Vega, J. R. (16-18 de mayo de 2023). Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos. Asocicación Argentina de Control Automático. 28º Congreso Argentino de Control Automático (AADECA 2023). Universidad de Palermo, Buenos Aires, Argentina.
https://hdl.handle.net/20.500.12272/12996
identifier_str_mv Sanseverinatti, C. I.; Perdomo, M. M.; Clementi. L. A. & Vega, J. R. (16-18 de mayo de 2023). Sensor inferencial ensamblado basado en máquina de soporte vectorial : monitoreo de la conversión en un tren de reactores continuos. Asocicación Argentina de Control Automático. 28º Congreso Argentino de Control Automático (AADECA 2023). Universidad de Palermo, Buenos Aires, Argentina.
url https://hdl.handle.net/20.500.12272/12996
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
eu_rights_str_mv openAccess
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Los autores
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv AADECA - 28º Congreso Argentino de Control Automático
publisher.none.fl_str_mv AADECA - 28º Congreso Argentino de Control Automático
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_ 1877230917626363904
score 13.24418

Publicaciones similares