Determinación de la instrumentación óptima para un sistema

Abstract

En la operación de plantas químicas, es de fundamental importancia tener un conocimiento lo más completo y exacto posible del estado del proceso que se está supervisando; para ello, se instalan sensores en puntos específicos de la planta. La calidad de los datos así recolectados no tiene la exactitud ni la precisión requeridas para utilizarlos directamente; por ese motivo, se emplean diversas técnicas de procesamiento con el fin de lograr una estimación correcta del estado del proceso. En este trabajo, se presenta un método para determinar la cantidad y localización de sensores en un sistema para estimar con la máxima precisión las variables y los parámetros del mismo, manteniendo al mínimo el costo total de la instrumentación. El método propuesto emplea dos modelos de optimización anidados. Además, se presenta también un modelo simplificado que es válido bajo condiciones que normalmente se cumplen. Este modelo simplificado es aplicado en un ejemplo. Los resultados obtenidos muestran el gran impacto que el método propuesto puede tener en la calidad de la estimación producida, como así también en la reducción del costo de la instrumentación requerida.In the operation of chemical plants, it is of fundamental importance to have a knowledge as complete and accurate as possible of the process state being monitored; For this purpose, sensors are installed at specific points in the plant. The quality of the data thus collected does not have the accuracy nor precision required to use them directly; for this reason, various processing techniques are used in order to achieve a correct estimation of the process state. In this paper, we present a method to determine the amount and location of sensors in a system to estimate their variables and parameters with maximum precision, keeping the total cost of the instrumentation to a minimum. The proposed method employs two nested optimization models. In addition, a simplified model is also presented that is valid under conditions that are normally met. This simplified model is applied in an example. The results obtained show the great impact that the proposed method can have on the quality of the estimation produced, as well as on the reduction of the cost of the required instrumentation.