Predicción de la penetración del asfalto generado en la T205 de la GRB a través de un sensor virtual

Abstract

En la GRB, el asfalto se prepara con proporciones de fondos de vacío ajustadas utilizando un procedimiento de prueba y error, para conseguir un valor de penetración entre 60 y 70 mm/10. La preparación puede ser mejorada con la aplicación de un sensor virtual en línea. En el presente documento se describen los resultados del desarrollo de un sensor virtual utilizando redes neuronales artificiales a partir de datos de proceso de la unidad U200, recolectados entre enero de 2012 hasta febrero de 2016. La arquitectura feedforwardbackpropagation fue utilizada para las redes, según el anntool de MATLAB; asimismo, las funciones de transferencia ensayadas fueron Logsig y Tansig. Según los resultados, los valores de R2 corresponden a 0.875 para la arquitectura 47:60:1Tansig, y 0.826 para la arquitectura 47:80:1Logsig. También, las redes muestran resiliencia respecto a datos atípicos. Por otra parte, el procedimiento input perturbation aplicado a la red 47:60:1Tansig mostró que las variables con mayor influencia corresponden al flujo del reflujo inferior de la T-205 y a su vapor de despojo. Con lo anterior, el protocolo de entrenamiento de las redes aplicado en el presente documento constituye una herramienta para la predicción semicuantitativa de la penetración del asfalto producido en la U200.