Modelos especializados en la detección incipiente de fallos

Abstract

Una de las mejores técnicas de detección incipiente de fallos en sistemas industriales es la utilización de modelos de comportamiento normal del proceso monitorizado. La utilización de estos modelos tiene por objeto aumentar la robustez del sistema de detección disminuyendo la existencia de falsas alarmas.

Estos modelos de comportamiento normal suelen ajustarse por el método de mínimos cuadrados, que es adecuado para obtener modelos que reproduzcan fielmente la dinámica del comportamiento del sistema. Sin embargo la tesis demuestra que los modelos obtenidos de esta manera no son los más apropiados para detección incipiente de fallos.

El comportamiento de un sistema de detección indipiente de fallos depende tanto del modelo utilizado como del análisis que se haga a partir de los valores estimados por el mismo. Por lo tanto esta tesis propone una metodología de ajuste global de todos los parámetros que intervienen en el sistema de detección (parámetros del modelo y parámetros de los algoritmos de detección).

Además, para realizar el ajuste es importante analizar el comportamiento del sistema de detección tanto en situación de funcionamiento normal como durante los procesos de degradación, ya que es la única manera de comprobar si es sensible a los distintos modos de fallo.

La tesis define una estructura modular de sistema de detección de fallos aplicable para métodos basados en el análisis de los residuos del modelo y a métodos basados en el análisis de la evolución de los parámetros de modelos adaptativos. También define criterios para valorar la calidad del sistema de detección y una metodología de ajuste basada en optimización multi-objetivo.

El ejemplo principal de aplicación es la detección incipiente de un fallo en el sistema de suspensión de un tren.