Aplicación de redes neuronales artificiales en la aparición de fallas en una unidad de destilación de petróleo

Acevedo Hernández, Juan Camilo; Ramírez Monsalve, David Stiven

Aplicación de redes neuronales artificiales en la aparición de fallas en una unidad de destilación de petróleo

dc.contributor.advisor	Morales Medina, Giovanni
dc.contributor.author	Acevedo Hernández, Juan Camilo
dc.contributor.author	Ramírez Monsalve, David Stiven
dc.contributor.evaluator	Barajas Ferreira, Crisostomo
dc.contributor.evaluator	Ramírez Caballero, Gustavo Emilio
dc.date.accessioned	2023-03-08T15:28:11Z
dc.date.available	2023-03-08T15:28:11Z
dc.date.created	2023-03-07
dc.date.embargoEnd	2028-03-07
dc.date.issued	2023-03-07
dc.description.abstract	Este trabajo implementó un modelo computacional de redes neuronales artificiales en la predicción de fallas en la operación de una unidad de destilación de petróleo. Para el desarrollo de la red neuronal se utilizó el programa de uso libre Python. Una base de datos de operación para una unidad de destilación industrial fue recopilada durante una ventana de tiempo. Se realizó una depuración de la base de datos analizando valores atípicos y variables colineales; se analizaron los comportamientos de las variables no colineales en estado normal y en estado con fallas. Con los datos ya consolidados se realizó la codificación, el entrenamiento y la validación de diferentes estructuras de redes neuronales artificiales; se analizaron los comportamientos de cada red entrenada mediante el cálculo de los desempeños MSE y R2 para la selección de las arquitecturas de red neuronal artificial con mejores desempeños de detección y diagnóstico de fallas de la unidad. Según los resultados, la red de mejor desempeño fue la red neuronal entrenada para diagnóstico de fallos, con una arquitectura 15:12:1 para la cual se definió la función de activación tangente hiperbólica.
dc.description.abstractenglish	The purpose of this degree paper is to implement a computational model of optimal artificial neural networks for the prediction of failures in the operation of an oil distillation unit. For the development of the neural network, the free-use programming language Python was used. In order to consolidate the training information of the network, a review of a distillation unit operation database was carried out. A debugging of the database was carried out, analyzing outliers and collinear variables, the behavior of the non-collinear variables in normal state and in faulty state were analyzed. With the already consolidated data, the coding, training and validation of different structures of artificial neural networks was carried out; The behaviors of each trained network were analyzed by calculating the MSE and R2 performances to select the artificial neural network architectures that offered the best performance for the detection and diagnosis of unit failures, resulting in the network with the best precision was the neural network trained for fault diagnosis, with a 15:12:1 architecture complemented with the hyperbolic tangent activation function.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Químico
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/12447
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Ingeniería Química
dc.publisher.program	Ingeniería Química
dc.publisher.school	Escuela de Ingeniería Química
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Detección de fallas
dc.subject	redes neuronales
dc.subject	destilación
dc.subject.keyword	Failure prediction
dc.subject.keyword	Neural networks
dc.subject.keyword	distillation
dc.title	Aplicación de redes neuronales artificiales en la aparición de fallas en una unidad de destilación de petróleo
dc.title.english	Application of artificial neural networks for failure appearances in a petroleum distillation column
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type