BUSCADOR RECOLECTA

Recercat. Dipósit de la Recerca de Catalunya

oai:recercat.cat:2072/199268

En aquest treball, es proposa un nou mètode per estimar en temps real la qualitat del producte final en processos per lot. Aquest mètode permet reduir el temps necessari per obtenir els resultats de qualitat de les anàlisi de laboratori. S'utiliza un model de anàlisi de componentes principals (PCA) construït amb dades històriques en condicions normals de funcionament per discernir si un lot finalizat és normal o no. Es calcula una signatura de falla pels lots anormals i es passa a través d'un model de classificació per la seva estimació. L'estudi proposa un mètode per utilitzar la informació de les gràfiques de contribució basat en les signatures de falla, on els indicadors representen el comportament de les variables al llarg del procés en les diferentes etapes. Un conjunt de dades compost per la signatura de falla dels lots anormals històrics es construeix per cercar els patrons i entrenar els models de classifcació per estimar els resultas dels lots futurs. La metodologia proposada s'ha aplicat a un reactor seqüencial per lots (SBR). Diversos algoritmes de classificació es proven per demostrar les possibilitats de la metodologia proposada., In this work, a new method to estimate in real-time the quality of final product in batch processes is proposed. This method allows reducing the required time to obtain the quality results by laboratory analysis. A Principal Component Analysis (PCA) model built with historical data in normal operation condition is used to discern if a released batch is normal or not. For abnormal batches, a fault signature is calculated and passes through a classification model for the estimation. The study proposes a method to use the information of the contribution plots as a fault signature, where indicators will represent the behavior of the process variables in the different stages. A fault signature dataset composed of historical abnormal batches is built to search for patterns and train classification models to estimate the results of future batches. The proposed methodology has been applied in a Sequencing Batch Reactor (SBR). Several classification algorithms are tested to prove the possibilities of the proposed methodology.