Seminario de investigación en métodos de diagnóstico de fallas de sistemas complejos

Abstract

Este documento presenta las técnicas utilizadas y los actuales avances, en la detección y diagnóstico de fallas para procesos industriales, que cuentan con un alto volumen de datos disponibles, grado de instrumentación y complejidad; al inicio se realiza una clasificación global de los métodos en dos grandes enfoques: FDD basado en modelos y FDD basado en data-driven, haciendo énfasis en los métodos de estadística multivariante de reducción dimensional de datos (data-driven), junto a un análisis comparativo de estos dos enfoques. Dentro de las técnicas expuestas sobresalen PCA, PLS, redes neuronales, lógica fuzzy y clasificadores estadísticos. Mediante este documento se pretende dar una introducción a técnicas alternativas para la industria en el campo del diagnóstico y detección de fallas, mediante direccionamiento de datos (datadriven), que aún están en fase de desarrollo e implementación. En estas últimas décadas, los métodos de detección y diagnóstico de fallas se han convertido en un tópico de considerable interés dentro de la comunidad de investigadores pertenecientes al área de control, esto es debido a los crecientes requerimientos de operaciones confiables en los sistemas de control, las cuales se encuentran, la mayor parte de los casos, sujetos a un determinado número de fallas internas en lazos cerrados (closed loops) o fallas generadas por factores ambientales. Es por ello que la detección y diagnóstico de fallas (FDD de sus siglas en inglés Fault Detection and Diagnosis) es de vital importancia para la operación segura de las plantas industriales.