Resumen

Dado su enorme riesgo potencial, la monitorización de procesos y el diagnóstico de fallos en plantas químicas han sido objeto de numerosos estudios en los últimos tiempos. Basándose en el análisis de peligros y operabilidad (HAZOP), el análisis de componentes principales kernel (KPCA), la red neuronal wavelet (WNN) y el análisis de árbol de fallos (FTA), en este estudio se propone un enfoque híbrido de monitorización de procesos y diagnóstico de fallos. El análisis HAZOP ayuda a identificar los modos de fallo y a determinar las variables de proceso monitorizadas. A continuación, se construye el modelo KPCA para reducir la dimensionalidad de las variables de monitorización. Mientras tanto, se extraen las características de fallo de las variables de monitorización, de modo que la monitorización del proceso puede realizarse con las estadísticas de error cuadrático de predicción (SPE) de KPCA. A continuación, se diseñan múltiples modelos WNN mediante el uso de datos de muestra de baja dimensión preprocesados por KPCA como muestras de entrenamiento y prueba para detectar el modo de fallo en línea. Por último, se introduce el enfoque FTA para localizar las causas raíz del fallo. El enfoque propuesto se aplica a la monitorización del proceso y al diagnóstico de fallos en una unidad despropanizadora. Los resultados del estudio de caso indican que este enfoque puede aplicarse a la monitorización y diagnóstico de procesos en plantas químicas a gran escala. En consecuencia, el enfoque puede servir de base temprana y fiable para la toma de decisiones de gestión de la seguridad por parte de técnicos y operarios.

• Materias:Catálisis Cinética química Reacciones químicas Cinética Tratamiento de gases
• Subjects:Catalysis Chemical kinetics Chemical reactions Kinetics Gases treatment
• Palabras claves:monitorización de procesos, KPCA, enfoque, diagnóstico de fallos, modo de fallo, resultados de un estudio de caso, datos de muestra dimensionales, enfoque de diagnóstico de fallos, causas raíz de fallos, monitorización híbrida de procesos.
• Keywords:process monitoring, KPCA, approach, fault diagnosis, fault mode, Case study results, dimensional sample data, fault diagnosis approach, fault root causes, hybrid process monitoring