Detección y Aislamiento de Fallas en una Red de Termopares Mediante Técnicas Basadas en Datos

Abstract

En el presente documento se explica el proceso de desarrollo de un modelo para detección y aislamiento de fallos (FDI ) en una red de termopares mediante técnicas basadas en datos. El documento inicia describiendo generalidades del funcionamiento de la planta, conceptos básicos sobre termopares, definición de FDI, su relevancia en la planta y el modo en que este se desarrolla actualmente, lo cual abre paso a la identificación del problema y el planteamiento de los objetivos. El desarrollo del proyecto se divide en 4 etapas, iniciando con el reconocimiento del conjunto de datos disponibles, seguido de un estudio de métricas obtenidas a partir del conjunto de datos y su relación con estados de fallo o normalidad en los termopares, establecimiento de una metodología para el entrenamiento de modelos basados en datos y los resultados obtenidos de su aplicación. El documento finaliza con la determinación de parámetros para la construcción un modelo basado en datos que muestra una precisión superior al 76 %, según pruebas de validación aplicadas, entre otras conclusiones obtenidas del desarrollo del presente proyecto. (Texto tomado de la fuente)

The present document explains the development process of a fault detection and isolation (FDI) model for a thermocouple network by data-driven techniques. The begins by describing plant’s functioning generals, thermocouples’ basic concepts, FDI definition, its relevance for the plant and how it is currently performed, which allows the problem’s identification and objectives definition. The project’s development divides into 4 stages, starting by a reconnaissance of available data, followed by a study of metrics obtained from the data set and their linkage to thermocouple’s in fail or normality statuses, establishment of a methodology for training data-driven models and its results. The document finalizes by determining the parameters for the constructions of a data-driven model showing an accuracy over 76 %, according to applied validation tests, among other conclusions from the development of the present project.