Catálogo de publicaciones - tesis
Título de Acceso Abierto
Metodologías Robustas de Reconciliación de Datos y Tratamiento de Errores Sistemáticos
Claudia Elizabeth Llanos Mabel Cristina Sanchez
publishedVersion.
Resumen/Descripción – provisto por el repositorio digital
La operación de las plantas químicas actuales se caracteriza por la necesidad de introducir cambios rápidos y de bajo costo con el fin de mejorar su rentabilidad, cumplir normas medioambientales y de seguridad, y obtener un producto final de una especificación dada. Con este propósito es esencial conocer el estado actual del proceso, el cual se infiere a partir de las mediciones y del modelo que lo representa. A pesar de los recientes avances en la fabricación de instrumentos, las mediciones siempre presentan errores aleatorios y en ocasiones también contienen errores sistemáticos. El empleo de los valores de las mediciones sin tratamiento puede ocasionar un deterioro significativo en el funcionamiento de la planta, de allí la importancia de aplicar metodologías que conviertan los datos obtenidos por los sensores en información confiable. La Reconciliación de Datos Clásica es una técnica probada que permite reducir los errores aleatorios de las mediciones. Con esta metodología se obtienen estimaciones más precisas de las observaciones, que son consistentes con el modelo. Sin embargo la presencia de errores sistemáticos invalida su base estadística, por lo que éstos deben ser detectados, identificados, y estimados o eliminados antes de aplicarla. Para evitar estos inconvenientes, se propusieron estrategias de Reconciliación de Datos Robusta (RDR) que son insensibles a una cantidad moderada de Errores Sistemáticos Esporádicos (ESE), dado que reemplazan la función Cuadrados Mínimos por un M-estimador. En esta tesis se presentan nuevas metodologías de RDR que combinan las bondades de los M-estimadores monótonos y redescendientes. Se desarrolla un Método Simple que proporciona buenas estimaciones para las mediciones reconciliadas, y su carga computacional es baja debido a que se lo inicializa con una mediana robusta de las observaciones. Por otra parte, se formula el Test Robusto de las Mediciones (TRM) que utiliza la redundancia temporal provista por un conjunto de observaciones, y consigue detectar e identificar mediciones atípicas en variables con redundancia espacial nula, y con un porcentaje de aciertos idéntico al de las variables medidas redundantes. Esto es un notable avance en las técnicas de Detección de ESE pues independiza la capacidad de detección de la redundancia espacial. Además, el TMR permite identificar las variables con ESE en sistemas complejos, como procesos con corriente paralelas o variables equivalentes. En los mismos se logran aislar variables problemáticas sin generar falsas alarmas o perder capacidad de detección. Con lo cual se aborda un problema cuya solución estaba pendiente hasta el momento. El efecto de la presencia de ESE puede ser contrarrestado por la RDR. No obstante, existen Errores Sistemáticos que Persisten en el Tiempo (ESPT), las estimaciones se ven deterioradas. En tal sentido, se presenta una nueva metodología para la detección y clasificación de ESPT basada en la técnica de Regresión Lineal Robusta y un procedimiento para el tratamiento integral de los errores sistemáticos que mejora significativamente la exactitud de las estimaciones de las variables. Las estrategias propuestas en esta tesis han sido probadas satisfactoriamente en un proceso de mayor escala correspondiente a una planta de biodiésel. Se concluye que la correcta aplicación de la Estadística Robusta al procesamiento de datos permite desarrollar estrategias que proveen estimaciones insesgadas de las variables de proceso, con resultados reproducibles y aplicables a otros sistemas.Palabras clave – provistas por el repositorio digital
Reconciliación de Datos Robusta; Detección de Errores Sistemáticos; Test Robusto de las Mediciones; Ingeniería de Procesos Químicos; Ingeniería Química; INGENIERÍAS Y TECNOLOGÍAS
Disponibilidad
| Institución detectada | Año de publicación | Navegá | Descargá | Solicitá |
|---|---|---|---|---|
| No requiere | 2018 | CONICET Digital (SNRD) |
|
Información
Tipo de recurso:
tesis
Idiomas de la publicación
- español castellano
País de edición
Argentina
Fecha de publicación
2018-03-23
Información sobre licencias CC
