Desarrollo de sistemas para la monitorización, el análisis, diagnóstico de fallos y mejora de procesos continuos y por lotes

Mediante los sistemas de análisis, monitorización, diagnóstico de fallos y mejora de procesos continuos y por lotes, la información multivariante recogida en los procesos es analizada mediante técnicas estadísticas y presentada en forma de sencillos gráficos fáciles de usar e interpretar por personal no experto.

Estos sistemas permiten responder a preguntas del tipo: ¿Para qué se utiliza la enorme cantidad de datos que se registran diariamente en los procesos? ¿Cómo establecer un sistema que permita analizar un proceso, monitorizarlo en tiempo real y que alerte sobre posibles fallos en el mismo y ayude en el diagnóstico de las variables responsables de una forma eficiente, sencilla y fácil de implantar y entender por personal no experto? ¿Por qué no aprender de la experiencia pasada para evitar cometer los mismos fallos en el futuro? ¿Por qué no utilizar la información generada en los procesos para mejorarlos?

Todos los procesos en los que se registren multitud de datos son objeto de la implantación de estos sistemas de análisis, monitorización, detección y diagnóstico de fallos y mejora. Algunos ejemplos: fabricación de polietileno de alta densidad, industria química, petroquímica, farmacéutica, del acero (fabricación de bobinas de acero, de eslabones para grandes cadenas de amarre de plataformas petrolíferas y de barcos), inyección de plásticos, automoción...

Mediante técnicas estadísticas multivariantes se pueden desarrollar modelos predictivos que a partir de la información registrada en los procesos puedan predecir los valores de variables que suelen determinarse de forma infrecuente tras costosas determinaciones analíticas. Para ello se utilizan las técnicas estadísticas multivariantes de proyección sobre estructuras latentes.

Respecto a otras técnicas predictivas como los modelos de regresión lineal o las redes neuronales, las técnicas de proyección tienen la ventaja de poder ser utilizadas en procesos con más variables que observaciones, con presencia de datos faltantes y con variables altamente correlacionadas, situaciones muy frecuentes en los modernos procesos altamente automatizados.

Todos los procesos en los que se registren multitud de datos son objeto de la implantación de estos modelos predictivos. Sector alimentario, químico, petroquímico, del acero, automóvil...

Desarrollo de modelos predictivos multivariantes

Tratamiento digital de imágenes multivariantes 

El tratamiento digital de imágenes multivariantes mediante técnicas estadísticas de proyección sobre estructuras latentes permite extraer información útil para el control de procesos, monitorización, detección de fallos, construcción de modelos predictivos (soft sensors), así como para la clasificación automática.

La posibilidad de extraer información valiosa a partir de imágenes abre enormes perspectivas para el control y monitorización de procesos en tiempo real así como para la clasificación automática mediante técnicas no destructivas y sin necesidad de muestrear (inspección 100%).

A diferencia de las técnicas clásicas de procesado de imágenes, extremadamente eficientes para la reconstrucción y restauración de imágenes, el reconocimiento automático de formas, clasificación de texturas deterministas, eliminación del ruido, etc., las técnicas del MIA permiten extraer la información de la imagen relacionada con la estructura de correlación entre las variables lo que permite visualizar información no visible a simple vista en la propia imagen, así como trabajar con texturas aleatorias (que no siguen un patrón determinista).

Todos los procesos en los que se registren imágenes de piezas, muestras de lotes o del propio proceso, tanto en escala de grises, como en color (imágenes RGB), así como en formato multiespectral. Algunos ejemplos de aplicación son la clasificación de azulejos con texturas aleatorias, la detección de enfermedades en cítricos, la monitorización de procesos petroquímicos a partir de imágenes de la llama de las tuberías de combustión de los subproductos, la regulación de procesos a partir de imágenes del producto...

Desarrollo de sistemas que permitan controlar procesos multivariantes en dos niveles. En el primer nivel se desarrolla un sistema de control mediante el control predictivo basado en modelos que permite definir las acciones de control de las variables manipuladas para conseguir que las variables de salida sigan las trayectorias deseadas. Un segundo nivel desarrolla el sistema de monitorización del proceso regulado mediante gráficos de control permitiendo la detección de causas especiales de variabilidad provocadas por fuentes de variabilidad no predecible (que se manifiestan en forma de fallos en el proceso).

El sistema integrado permite monitorizar el propio sistema de control facilitando mediante herramientas gráficas sencillas de entender por personal no experto, la detección precoz de fallos que de otra manera quedarían absorbidos por el sistema de control, no sin antes provocar un deterioro transitorio del proceso o incluso una saturación del propio sistema de control provocando la desconexión del mismo y el consiguiente problema.

Procesos multivariantes con dinámica. Sector químico, petroquímico, farmacéutico...

Desarrollo de sistemas integrados de control y detección de fallos en procesos multivariantes

Asesoría estadística para la mejora de la calidad y productividad de procesos 

Cursos de formación a medida en técnicas estadísticas avanzadas para la mejora de la calidad y la productividad