Desenvolupament d’un sistema de monitorització de planta per a la detecció de malfuncions amb eines automàtiques de reconeixement de patrons
Correu electrònic de l'autormtena99gmail.com
Tipus de documentTreball Final de Grau
Data2022-07-04
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement 4.0 Internacional
Abstract
Aquest projecte té com a objectiu la ideació d’un prototip de programa per a la creació d’un sistema d’entrenament i aplicació de models predictius per a plantes de producció, amb la intenció de crear un detector de fallades en controlador. Per aquest cas en concret, es va seleccionar el sistema de control anti-surge, ja que és un sistema utilitzat en moltes plantes químiques.
Aquest programa buscarà usar els nous mitjans que ofereixen els serveis integrats al núvol per a estudiar com aquestes aplicacions poden beneficiar a les fàbriques a gestionar de manera deslocalitzada les seves dades.
Després d’un estudi de les diferents tecnologies possibles amb les quals es podria realitzar aquesta tasca es va escollir utilitzar les eines d’Unisim per a la Simulació d’una planta, Python per a la gestió de les dades i el control dels diferents programes, Azure (Conjunt de serveis integrats al núvol creat per Microsoft) per l’emmagatzematge de dades, la creació del model, i la implementació d’aquest.
El programa ha estat ideat per a poder funcionar tant amb Unisim com amb una suposada planta real, ja que es farà servir el protocol MQTT (Message Queuing Telemetry Transport), un protocol de missatgeria que està sent utilitzat actualment en la indústria.
S’ha aconseguit generar un programa útil per a la detecció d’errors, amb el qual es demostra la capacitat de les tecnologies de Machine Learning per a la creació de plantes intel·ligents, amb poca intervenció humana. Este proyecto tiene como objetivo la ideación de un prototipo de programa para la creación de un sistema de entrenamiento y aplicación de modelos predictivos para plantas de producción, con la intención de crear un detector de fallos en controlador. Por este caso en concreto, se seleccionó el sistema de control anti-surge, puesto que se un sistema simple utilizado en muchas plantas químicas.
Este programa buscará utilizar los nuevos medios que ofrecen los servicios integrados en la nube para estudiar como estas aplicaciones pueden beneficiar a las fábricas a gestionar de manera deslocalizada sus datos.
Después de un estudio de las diferentes tecnologías posibles con las que se podría realizar esta tarea se escogió utilizar las herramientas de Unisim para la Simulación de una planta, Python para la gestión de los datos y el control de los diferentes programas, Azure (Conjunto de servicios integrados a la nube creada por Microsoft) por el almacenamiento de datos, la creación del modelo, y la implementación del mismo.
El programa ha sido ideado para poder funcionar tanto con Unisim como con una supuesta planta real, puesto que se utilizará el protocolo MQTT (Message Queuing Telemetry Transporte), un protocolo de mensajería que está siendo utilizado actualmente en la industria.
Se ha conseguido generar un programa útil para la detección de errores, con el cual se demuestra la capacidad de las tecnologías de Machine Learning para la creación de plantas inteligentes, con poca intervención humana. This project aims to develop a prototype program for the creation of a predictive model training and application system for production plants, with the intention of creating a controller fault detector. For this specific case, the anti-surge control system was selected, as it is a simple system used in many chemical plants.
This program will seek to use the new means offered by integrated cloud services to study how these applications can benefit the manufactures from relocating their data.
After a study of the different possible technologies with which this task could be performed, it was chosen to use the Unisim tools for the Simulation of a plant, Python for the management of data and control of the different programs, Azure (Common-integrated Cloud Services Set up by Microsoft) for data storage, model creation, and implementation of the data.
The program has been designed to be able to operate both with Unisim and with a supposed real plant, as the MQTT protocol (Message Queuing Telemetry Transport) will be used, a messaging protocol that is currently being used in the industry.
A useful program for error detection has been created, demonstrating the ability of Machine Learning technologies to create intelligent plants, with little human intervention.
MatèriesMachine learning, Chemical industry -- Production control, Aprenentatge automàtic, Indústria química -- Producció -- Control
TitulacióGRAU EN ENGINYERIA QUÍMICA (Pla 2009)
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
TFG Martí Tena.rar | 137,8Kb | application/x-rar-compressed | Visualitza/Obre | |
TFG Martí Tena.pdf | 1,065Mb | Visualitza/Obre |