Detección y diagnóstico de fallas utilizando técnicas estadísticas multivariables a partir de data histórica

Abstract

En este trabajo se aplican algunas técnicas estadísticas multivariables para realizar la detección, identificación y diagnóstico de fallas en procesos industriales. A partir de dos procesos simulados, el proceso de un tanque de reacción no isotérmico agitado continuamente (CSTR) y el Proceso Tennessee Eastman (TEP), se obtiene la data histórica en presencia de fallas típicas, de donde se genera un patrón que luego permite identificar una falla similar a este. El Análisis de Componentes Principales (PCA), el Análisis Discriminante de Fisher (FDA) y el Análisis Discriminante Generalizado (GDA) son algunas de las técnicas estadísticas que se emplean en este trabajo. Se demostró la aplicabilidad del GDA para clasificar fallas donde la data requiere de un clasificador no lineal. Por último, se propone un nuevo procedimiento completo para el estudio de las fallas que incluye, para la etapa de detección de fallas, el estadístico Hotelling y el método DISSIM en paralelo. Luego en la etapa de extracción de características, se propone el uso del Análisis Wavelet. La identificación de fallas se realiza por medio del Análisis de pares FDA, que permite seleccionar las variables más relacionadas con la falla. En la etapa del diagnóstico de fallas se propone el FDA donde la data requiere de un clasificador lineal y el GDA donde la data requiere de un clasificador no lineal.