Conclusiones y comentarios generales

En el desarrollo de esta tesis se comprobó como los sistemas inteligentes se aplican al desarrollo de aplicaciones a una central de ciclo combinado, tanto en modelación y simulación como en la detección y diagnóstico de fallas.

La creciente complejidad de los procesos industriales dejan en clara desventaja los en- foques clásicos basados en modelación lineal para el desarrollo de aplicaciones de monito- rización y diagnóstico. En el capítulo 4 quedó de manifiesto la importante diferencia de casi 6 puntos porcentuales en promedio entre los enfoques lineales y las técnicas inteligentes. Sin embargo, esta mejora tiene un costo que es el esfuerzo computacional que requiere el entrenamiento e identificación de estructura y parámetros de los modelos basados en in- teligencia artificial. Las redes neuronales, cuya principal desventaja es que son modelos de caja negra en que sus parámetros no son interpretables de forma intuitiva, requieren un considerable esfuerzo de cómputo para su entrenamiento, el que puede realizarse sólo por algoritmos numéricos debido a la incapacidad de obtener una solución analítica cerrada para un conjunto óptimo de parámetros.

Acá surge la ventaja de los modelos difusos de Takagi-Sugeno, en los cuales se puede fijar de los parámetros de las funciones de pertenencia de forma manual, obteniendo una solución cerrada (en base a mínimos cuadrados) para los parámetros en las funciones de salida. Esta fijación de parámetros se realiza en base al sentido común y la incorporación de la experiencia de los operadores, debido a que representan puntos de operación del proceso general. El modelo obtenido por esta vía, a pesar de tener un carácter subóptimo, logró índices de ajuste incluso superiores a los conseguidos por el mismo tipo de modelo con estimación óptima de parámetros o por los modelos en redes neuronales, con un esfuerzo computacional notablemente inferior (por ejemplo, 5 minutos para estimar estructura y pa- rámetros contra más de 100 horas en el caso de una red neuronal tipo perceptrón multicapa).

En este caso, el tiempo de cómputo no es una desventaja de la modelación inteligente en comparación a las técnicas clásicas.

La versatilidad de los modelos difusos de Takagi-Sugeno queda de manifiesto en los capítulos 5 y 6, en donde se aplican como estimadores de falla para el sistema de detección y diagnóstico de fallas en sensores. En este caso, el ajuste proporcionado por este tipo de modelo es suficientemente bueno como para realizar la reconstrucción de señales luego de ser detectada una falla. Acá es clave la aplicación de la modelación inteligente para lograr los resultados esperados.

El sistema de medición tolerante a fallas propuesto en el capítulo 6 completa una de las líneas propuestas por Silvio Simani en su tesis de doctorado, base para el libro (Simani et al., 2000). Tanto en este libro como en la mayoría de la literatura disponible sobre de- tección y diagnóstico de fallas en sensores se utilizan modelos linealizados del proceso, y se trabaja sobre los resultados obtenidos del modelo y no sobre los datos reales del pro- ceso. El desarrollo realizado suple esta falencia proponiendo una estructura que se aplica directamente sobre el proceso sin realizar mayores suposiciones. Otro punto importante es que los desarrollos disponibles en la literatura sobre FDD en sensores (tanto de plantas de ciclo combinado como otros procesos) solo tratan en general la detección de la falla y no la reparación de ésta. El diseño realizado proporciona un esquema robusto de reparación de fallas, siendo una contribución real e importante al estado del arte de sistemas de detección y diagnóstico.

En el caso del sistema de detección y diagnóstico de fallas, los sistemas inteligentes in- troducidos en la forma de un sistema difuso de Takagi-Sugeno, aparecen complementados por la aplicación del análisis estadístico mediante descomposición en componentes princi- pales. La combinación de las ventajas de cada enfoque dan origen a buenos resultados para la monitorización de las mediciones.

Tanto los algoritmos de modelación y simulación empleados como los del sistema de medición tolerante a fallas, fueron desarrollados sobre el sistema MATLAB. Sin embargo, fueron pensados y estructurados de forma estándar, sin recurrir a comandos propietarios del

software, de forma que pueden ser fácilmente adaptados a otros lenguajes de programación como C++ o los empleados por los módulos de desarrollo de los sistemas SCADA de las plantas. El esfuerzo computacional empleado siempre fue considerado, de forma que los desarrollos planteados en esta tesis están pensados para ser aplicados en línea y en tiempo real a los procesos.

Otro comentario importante es que el conjunto de datos con que se trabajó fue muy rico, al contener una partida del sistema y recorrer así diversos puntos de operación. De todas formas, el desempeño de los desarrollos realizados es mejorable considerando un conjunto de datos elegido más cuidadosamente y que abarque absolutamente todos los es- tados de operación del proceso. Esto no fue posible realizarlo en la práctica, pero es posible realizarlo en una futura implementación de estos desarrollos gracias a las capacidades de entrenamiento de los sistemas inteligentes empleados.

Una de las potencialidades mayores de este trabajo es que no se realizan supuestos mayores sobre el proceso en estudio, por lo que los resultados aquí obtenidos pueden ex- tenderse a otros procesos industriales.

Respecto a la aplicabilidad de los desarrollos realizados en esta tesis, es importante mencionar que todas las técnicas y los algoritmos involucrados fueron desarrollados pen- sando en una fácil migración a un lenguaje adecuado y en una implementación en tiempo real. Actualmente, la central San Isidro es monitorizada desde el CMD de Endesa Chile, bajo el software PI de OSISOFT. Este software permite el desarrollo de aplicaciones a través de sus módulos de expansión. Tanto el modelo generado como el sistema de de- tección y diagnóstico de fallas en sensores de la turbina de gas pueden implementarse en módulos anexos para ser visualizados desde el CMD, y ser finalmente validados. Con respecto a eso último, y pese a los buenos resultados obtenidos, debe realizarse una ex- tensa validación, utilizando nuevos datos disponibles, sobre los desarrollos realizados al momento de su implementación, de forma de generar la confianza necesaria en el sistema como para ser un apoyo en la toma de decisiones futuras.

Como conclusión general, la aplicación de los sistemas inteligentes resultó decisiva en el éxito de los desarrollos de esta tésis. Como puede verse, el grueso de los resultados dependen de las ventajas ofrecidas por los métodos englobados en esta denominación.