Análisis del desempeño de las redes bayesianas en el diagnóstico de fallos del proceso Tennessee-Eastman

Abstract

Este proyecto tuvo como finalidad realizar un análisis del desempeño de las redes neuronales tipo bayesianas para el diagnóstico de fallos en el proceso Tennessee-Eastman (TEP), esta red es un modelo matemático ampliamente utilizado en el aprendizaje causal. En primer lugar, se hizo una revisión bibliográfica de los indicadores operativos y de seguridad para identificar las dos fallas más críticas de la planta, seleccionando la falla 2 (composición de B con proporción de A/C constante) y la falla 12 (temperatura del agua de enfriamiento a la entrada del condensador). El pretratamiento de los datos se hizo mediante z-score para normalizarlos. Se probaron diferentes estructuras de la red variando parámetros como la cantidad de epoch, el número de neuronas, la función de activación y drouput, además de utilizar un modelo de optimización bayesiana para ajustar estos parámetros, esto con el fin de encontrar la mejor estructura de red bayesiana en el programa de MATLAB, se alcanzó una precisión de 87.707% usando 15, 13 y 11 neuronas para la capa 1, 2 y 3 respectivamente, y combinando las funciones de activación ReLU y leaky ReLU. Además, se evidencio que a partir de la neurona 10 usando una estructura sencilla la precisión se mantenía constante.