Revista de ingeniería química y tecnología de procesos
Acceso abierto

abstracto

Detección estadística de fallas de procesos químicos: estudios comparativos

Majdi Mansouri, Mohammed ZS, Raoudha Baklouti, Mohamed Nounou, Hazem Nounou, Ahmed Ben Hamida y Nazmul Karim

Este documento aborda el monitoreo estadístico de procesos químicos mediante el análisis mejorado de componentes principales (PCA). La técnica de detección de fallas basada en PCA se ha utilizado con éxito para monitorear sistemas con variables altamente correlacionadas. Sin embargo, los gráficos de detección estándar basados en PCA, como la estadística de Hotelling, T² y la suma de residuos cuadrados, SPE o la estadística Q, no pueden detectar eventos pequeños o moderados ya que solo usan datos de las mediciones más recientes. Se ha demostrado que diferentes gráficos de detección de fallas (FD), a saber, la prueba de relación de probabilidad generalizada (GLRT), el gráfico de control de Shewhart y el gráfico de control de gráfico de promedio móvil ponderado exponencialmente (EWMA), se encuentran entre los métodos de detección de fallas univariados más efectivos y más adecuados para la detección de pequeños fallas El objetivo de este trabajo es mejorar la detección de fallas basada en PCA mediante el uso de gráficos FD más sofisticados para lograr mejoras adicionales y ampliar la aplicabilidad de las técnicas de monitoreo de procesos en la práctica. El PCA presentado aquí se investiga como algoritmo de modelado en la fase de detección de fallas. El problema de detección de fallas se aborda de modo que los datos se modelen primero usando el algoritmo PCA y luego las fallas se detecten usando el gráfico FD. La etapa de detección está relacionada con la evaluación de los gráficos de detección, que son los que declaran la presencia de la falla. Esos gráficos se calculan utilizando el residual basado en PCA. El rendimiento de la detección de fallas se ilustra a través de datos simulados de un reactor de tanque agitado continuamente (CSTR). Los resultados demuestran la efectividad de los métodos de gráficos FD basados en PCA para detectar fallas de sensores individuales y múltiples.