Catálogo de publicaciones - tesis
Título de Acceso Abierto
Métodos estadísticos multivariados para monitoreo y control de procesos: Aplicación a procesos de polimerización
José Luis Godoy Jacinto Luis Marchetti Mabel Cristina Sánchez Guillermo Enrique Eliçabe David Alejandro Ramón Zumoffen Jorge Rubén Vega
acceptedVersion.
Resumen/Descripción – provisto por el repositorio digital
En este trabajo se desarrollan y evalúan técnicas estadísticas multivariadas basadas en regresión por mínimos cuadrados parciales (PLSR) para monitoreo de procesos industriales. Inicialmente, se presenta una metodología para construir y evaluar un sensor algorítmico PLSR capaz de monitorear adecuadamente la producción industrial de caucho estireno-butadieno (SBR), ofreciendo una guía para desarrollos similares. A continuación, se extiende el modelado PLSR para obtener una descomposición en línea de las mediciones con estadísticos específicos y herramientas diagnósticas asociadas. Esto, a su vez, derivo en una técnica capaz de: i) detectar anomalías (mediante un índice global que combina estadísticos específicos sin solapar sus dominios de aplicación), ii) clasificarlas en una de seis clases, e iii) identificar las variables perturbadas. Esta técnica se validó simulando procesos estáticos y dinámicos, particularmente, simulando la operación de un reactor químico controlado. También se desarrollo una técnica de monitoreo inferencial de calidad multivariada no medible en línea, que incluye un límite de control multivariado modificado por las especificaciones. La misma detecta y diagnostica fallas (particularmente producción fuera de especificación), y reconstruye lecturas defectuosas para mejorar la predicción. Dicha técnica se aplico al proceso SBR industrial. Luego, se comparó analítica y numéricamente PLSR con análisis de componentes principales (PCA), describiéndose propiedades geométricas relacionadas. Principalmente, se presentan equivalencias entre sus modelos latentes, sus modelos predictivos, sus estadísticos y sus técnicas diagnosticas. También se definen y evalúan factores de similitud basados en PLSR y PCA. Finalmente, se derivó una técnica de monitoreo de procesos fuertemente no-lineales basada en Kernel-PLS.Palabras clave – provistas por el repositorio digital
Partial least squares; Multivariate statistical process control; Quality inferential control; Fault detection and diagnosis; Multivariate statistics; polymerization Processes; Mínimos cuadrados parciales; Monitoreo estadístico de procesos multivariados; Control inferencial de calidad; Detección y diagnóstico de fallas; Estadística multivariada; Procesos de polimerización
Disponibilidad
| Institución detectada | Año de publicación | Navegá | Descargá | Solicitá |
|---|---|---|---|---|
| No requiere | 2012 | Biblioteca Virtual de la Universidad Nacional del Litoral (SNRD) |
|
Información
Tipo de recurso:
tesis
Idiomas de la publicación
- español castellano
País de edición
Argentina
Fecha de publicación
2012-11-05
