Estimación de variables en el diseño de la red de sensores en plantas químicas.

Resumen

La determinación precisa del estado operativo de una planta química es un factor crucial para maximizar su eficiencia energética y garantizar el cumplimiento de las normativas ambientales y de seguridad. Esta información se obtiene mediante la integración de una red de sensores adecuada en la etapa de diseño y la aplicación de técnicas avanzadas de procesamiento de datos durante la operación de la planta. Los datos generados por los sensores se transforman en información estructurada, que constituye la base para estrategias de monitoreo, control y optimización en tiempo real. La cantidad de sensores a instalar depende de las variables del proceso que deben medirse con precisión para implementar dichas estrategias de manera efectiva. La selección óptima de la instrumentación se aborda mediante el Sensor Network Design Problem (SNDP), que se enfoca en el diseño de redes de sensores para asegurar la disponibilidad y confiabilidad de los datos necesarios para la operación eficiente del sistema. Debido a que la estimación de las variables requeridas se puede lograr ubicando diversos tipos de sensores para medir diferentes variables del proceso, surge un enorme problema de optimización combinatoria incluso para plantas de pequeña escala. Su solución determina el conjunto de variables del proceso a medir que optimiza los criterios seleccionados y cumple un conjunto de restricciones. En general, el número de variables que intervienen en estos problemas para un escenario de trabajo real es bastante grande y la formulación puede ser más o menos compleja dependiendo de los criterios de actuación y del conjunto de restricciones utilizadas. El objetivo de esta línea de trabajo es proporcionar una herramienta para evaluar la precisión de las estimaciones de variables del proceso en el contexto del diseño óptimo de una red de sensores en plantas químicas. Una de las posibles formulaciones para el diseño óptimo de un sistema de instrumentación para tareas de monitoreo es la solución de problemas de optimización no lineal con restricciones, donde la función objetivo es el costo del instrumento y las restricciones son la observabilidad y precisión global asociada a la colocación de un sensor. Cuando se utiliza un enfoque metaheurístico para resolver este problema, se necesita una metodología para calcular las restricciones para evaluar la calidad de una solución propuesta. Se ha seleccionado una técnica de simulación para resolver la precisión asociada a un conjunto de medidas basada en el algoritmo de Monte Carlo. El simulador requiere de una metodología de clasificación de variables y una función de conciliación de datos que consiste en resolver otra optimización no lineal. El caso de estudio es un reactor de tanque agitado continuo (CSTR), cuyo modelo comprende 13 variables (caudales totales, composiciones y temperaturas) con 5 balances de masa y energía. Para este caso de estudio, la convergencia de la media muestral de los valores conciliados con los verdaderos se logra más rápido que la estabilización de la desviación estándar muestral alrededor de un cierto valor.