FRSF - INVESTIGACIÓN Y PRODUCCIÓN CIENTÍFICA

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/534

Encontrará los objetos que son resultados de las investigaciones

Browse

Author: search.filters.author.Vega, Jorge RubénSubject: search.filters.subject.Sensor inferencial

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Estrategia de control basada en modelo para la producción de caucho acrilonitrilo-butadieno (NBR) de alto contenido en acrilonitrilo
    (XL MECOM, 2024) Sanseverinatti, Carlos Ignacio; Clementi, Luis Alberto; Vega, Jorge Rubén
    El caucho Acrilonitrilo-Butadieno de alto contenido de A (NBR por sus siglas en inglés: nitrile-butadiene rubber) se obtiene generalmente por copolimerización en emulsión de acrilonitrilo (A) y butadieno (B). La producción se realiza operando por encima del “punto azeotrópico”, donde el proceso puede inestabilizarse, dificultando la uniformidad del producto. La limitación para medir en línea la composición del copolímero restringe estrategias de lazo cerrado para estabilizar el proceso. En este trabajo se propone una estrategia de control en lazo cerrado que ajusta la composición del copolímero operando por encima del punto azeotrópico. A partir de un modelo de primeros principios, se implementa un sensor inferencial basado en redes neuronales recurrentes para estimar en línea la composición y cerrar el lazo de control mediante la dosificación de B durante el proceso. Los resultados indican un desempeño aceptable de la metodología de control propuesta, asegurando condiciones estables y una composición uniforme, incluso con errores significativos de modelado.
  • Thumbnail Image
    Item
    Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
    (XL MECOM, 2024) Perdomo, Mariano Miguel; Clementi, Luis Alberto; Vega, Jorge Rubén
    En Argentina, el caucho nitrilo (NBR) se produce a partir de una polimerización en emulsión en un reactor batch. La medición de variables de calidad del polímero (por ejemplo, con analizadores en línea o en laboratorio) no asegura un monitoreo adecuado de la reacción. En este trabajo se desarrolla un soft-sensor (SS) para estimar en tiempo real algunas variables de calidad del producto. La complejidad reside en las dinámicas altamente no-lineales involucradas en el proceso. Por ello, el SS propuesto utiliza redes neuronales recurrentes. La evaluación de la herramienta de estimación se realiza a través de un simulador numérico del proceso NBR ajustado a la planta industrial. Las estimaciones obtenidas en distintos escenarios de operación del reactor son promisorias. El SS podría ser implementado en la planta industrial en forma sencilla.
  • Thumbnail Image
    Item
    Sensor Inferencial Multi-modelo aplicado a un proceso simulado para la producción continua de látex para caucho
    (VI ARGENCON, 2022-09) Perdomo, Mariano; Sanseverinatti, Carlos Ignacio; Clementi, Luis A.; Vega, Jorge Rubén
    En los procesos industriales, los sensores inferenciales son típicamente empleados para monitorear aquellas variables de interés no medibles en línea. Cuando existen múltiples estados operativos del proceso, los sensores inferenciales multi-modelo pueden tener un desempeño más adecuado. En el caso particular de los procesos de producción continua de caucho, un sensor inferencial multi-modelo resulta ser adecuado para el monitoreo de las principales variables de calidad del látex. En el presente trabajo, se desarrolla un sensor inferencial multi-modelo para monitorear tres variables de calidad de un proceso continuo para la producción de látex para caucho. Los sub-modelos del sensor inferencial son calibrados en base a la técnica de regresión por mínimos cuadrados parciales. Se selecciona, según conocimientos a priori sobre el proceso, una variable de programación que represente adecuadamente a los distintos estados de operación del proceso. En base a dicha variable, se adopta una técnica de ponderación de las predicciones de cada sub-modelo para obtener la predicción final del sensor inferencial multi-modelo. El sensor inferencial desarrollado se testea con tres casos de estudio, y se compara su desempeño con dos sensores inferenciales clásicos. En términos generales el modelo propuesto demuestra tener un desempeño ligeramente superior en comparación con los sensores clásicos implementados.