Diagnóstico de procesos industriales basado en predicción de estados funcionales con inteligencia artificial para el control y la programación de mantenimiento

Abstract

RESUMEN: En este trabajo se presenta el diseño de una estrategia inteligente, para el diagnóstico automático de procesos industriales mediante la predicción con Redes Neuronales Artificiales (RNAs) y clasificación difusa. Para diseñar la estrategia de diagnóstico se utilizó información histórica del proceso. La clasificación fue implementada como herramienta para el agrupamiento difuso de patrones. Las clases fueron analizadas por el experto del proceso para generar estados funcionales. Las RNAs de configuración multicapa fueron entrenadas para predecir los estados funcionales del proceso. Las salidas en la etapa de predicción son las entradas del clasificador. En el esquema de diagnóstico propuesto los estados funcionales serán utilizados para generar las acciones preventivas antes de la transición hacia un estado de falla. La inteligencia artificial se presenta como una alternativa que al ser combinada con la ingeniería de mantenimiento permitirá el diseño de sistemas complejos y eficientes para programar acciones de tipo preventivas y predictivas sobre las máquinas en la industria. La estrategia propuesta fue implementada sobre un sistema de control convencional para la conmutación de los parámetros de control y la predicción de fallas; y sobre un sistema de producción de aire medicinal para la programación de acciones de manteniendo a partir de la predicción de estados funcionales.

ABSTRACT: In this work the design of an intelligent strategy for the automatic diagnosis of processes by means of Artificial Neural Networks (ANNs) prediction and diffuse classification is presented. To design the diagnosis strategy, historical information of the process is used. The classification is implemented as a tool for the diffuse grouping of patterns. Classes are analyzed by the process expert to generate functional states. The ANNs of multilayer configuration was trained to predict the functional states of the process. The outputs in the prediction stage are the entries of the classifier. In the proposed diagnostic scheme, the functional states will be used to generate the preventive actions before the transition to a fault state. Artificial intelligence is presented as an alternative that, when combined with maintenance engineering, will allow the design of complex and efficient systems to program preventive and predictive actions on machines in organizations. The proposed strategy was implemented on a conventional control system for the commutation of the control parameters and the prediction of faults; and on a medicinal air production system for programming maintenance actions based on the prediction of functional states.