Control Predictivo Multivariable.docx

grupo 8

Inteligencia Artificial

Concepto La inteligencia artificial, es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección. Las aplicaciones particulares de la AI incluyen sistemas expertos, reconocimiento de voz y visión artificial.

Inteligencia Artificial en Colombia La inteligencia artificial es la clave para que las empresas sobrevivan en un futuro digital, la inteligencia artificial a lo largo de los años mejora los procesos industriales, creando nuevas formas de trabajo, En Colombia el 1,8% de las empresas en Colombia utiliza inteligencia artificial. Particularmente, la inteligencia artificial ha tenido un crecimiento exponencial en los últimos cinco años por dos razones fundamentales: la capacidad para adaptarse a cualquier industria y la posibilidad de expandir los límites del conocimiento y la innovación entre las personas. En economías desarrolladas, la inteligencia artificial (IA) ya es una herramienta que está cambiando la forma cómo interactúan las empresas con sus consumidores. Para economías emergentes como la colombiana, el potencial de crecimiento es gigantesco. Expertos mundiales han coincidido y han definido esta tecnología como una forma de potencializar el trabajo humano. Para el contexto colombiano es bueno resaltar que, las empresas han entendido que deben subirse en este tren de oportunidades. El Ministerio de las TIC junto con la Cámara de Comercio de Bogotá desarrolló el Estudio de Digitalización realizado por el Observatorio de Economía Digital. El diagnóstico entregó datos relevantes sobre el uso y la apropiación que tienen las empresas colombianas en tecnologías maduras como la inteligencia artificial. Los resultados, según el MinTIC, dejaron ver cómo los empresarios han entendido, en los últimos años, la importancia de utilizar las TIC para mejorar sus procesos productivos. Es así como se pasó de un índice de uso de Tecnologías Maduras del 26%, en 2015, a un 55% en 2017.

El análisis reveló, puntualmente, reveló que un 28% de empresas han adoptado sistemas de ciberseguridad, 17% utilizan computación en la nube, 9% están utilizando el Internet de las Cosas, mientras que sólo el 1.8% aprovechan la inteligencia artificial. Aplicación en la empresa manufacturera-hotelera 





Implica el uso de una combinación de sistemas existentes y nuevas tecnologías para controlar la rentabilidad de la operación de la planta. Cuando los principios de control de ganancias se superponen con el control del proceso, surge una estrategia de eficiencia rentable. La contabilidad en tiempo real (RTA), que utiliza una combinación de datos basados en sensores del proceso y datos financieros para calcular el costo y los puntos de ganancia en todos los procesos industriales, es el motor que permite a los operadores obtener acceso a los datos de rentabilidad. Por lo tanto, los algoritmos ahora pueden ayudar a los operadores a tomar la mejor decisión desde una perspectiva de seguridad y rentabilidad”. el mantenimiento de activos es uno de los procesos industriales; Más específicamente, las organizaciones están comenzando a combinar el concepto de mantenimiento “predictivo” dentro de sus enfoques más tradicionales de mantenimiento “preventivo” y “romper/arreglar”. Implica aplicar técnicas de monitoreo basadas en condiciones para recopilar y analizar datos de activos para comprender mejor el rendimiento de los activos y realizar el mantenimiento adecuado antes de que problemas inminentes puedan afectar negativamente el rendimiento, la disponibilidad o la seguridad de la planta A generación emergente de robots autónomos inteligentes puede ver, tocar y colaborar de forma segura con los seres humanos, mientras realiza el trabajo pesado de ensamblaje, además de otras tareas rutinarias

Proveedores Inteligencia artificial Una de las grandes empresas que proveen el acceso a la inteligencia artificial es Oracle el cual brinda un portafolio de IA empresarial usando el principio central de la IA de replicar y superar la manera en la que los seres humanos perciben y reaccionan frente al mundo que nos rodea convirtiendo esto en un pilar de la innovación. Al contar con el apoyo de varias formas de machine learning que reconocen patrones en los datos para habilitar predicciones, la IA mejorará la interacción con la tecnología, comprenderá de manera más integral la abundancia de datos y confiará en las predicciones para automatizar tareas excesivamente complejas o rutinarias. No obstante, baso su desarrollo en tres factores fundamentales: 1. Calculo de alto rendimiento, asequible. 2. Los datos y la IA se necesitan mutuamente. 3. La IA aplicada brinda una ventaja competitiva.

Otra gran competidora y distribuidora de inteligencia artificial en Colombia es IBM Colombia S.A, la cual brinda un programa de inteligencia artificial para las empresas de diferentes sectores este producto lleva como nombre Watson Campaign Automation, la cual es una plataforma de automatización de marketing digital diseñada para poner el poder de

PÁGINA 1

los datos a disposición del profesional de marketing usando Inteligencia Artificial. Utiliza datos de comportamiento de cualquier fuente para crear campañas consistentes dondequiera que sus clientes se encuentren, a través de canales como correo electrónico, páginas web, aplicaciones móviles, SMS, redes sociales y mucho más.

Empresas Colombianas que implementan el IA Corona lanzo una campaña llamada Aceleradora Sodimac Corona. En dicha convocatoria se evaluaron más de 100 startups y se escogieron 4 para este nuevo proyecto las cuales son: 

Fourier: startup especializada en la utilización de modelos matemáticos e inteligencia artificial para la solución de problemas de negocio, que aplicará en el área de logística B2B de la compañía.



Things by Pragma: startup que utiliza tecnología de Internet de las Cosas y Machine Learning para mejorar las experiencias de pre-compra, compra y pos-compra de los clientes, razón por la cual estará trabajando en el área de experiencia de cliente.



Liftit: busca mejorar la experiencia de los clientes a través de servicios logísticos que brinden una oferta diferenciadora, confiable y de mayor relacionamiento. Se enfocará en trabajar con el área de Logística B2C.



Pitmmam: especializada en utilizar Internet de las Cosas, Big Data e Inteligencia Artificial, que nos permitirá conocer el comportamiento de consumo de los clientes en tiendas y en su viaje de compra omnicanal, identificar las experiencias que generen mayor satisfacción, profundizar en el relacionamiento con el cliente y desarrollar modelos predictivos que permitan aumentar la satisfacción de clientes.

Los emprendedores tendrán acceso a los mentores corporativos, las divisiones y a los amplios mercados de Corona y Sodimac Colombia, teniendo así la posibilidad de desarrollar pilotos para llevar sus productos, servicios y soluciones tecnológicas al siguiente nivel.

PÁGINA 2

CONTROL PREDICTIVO MULTIVARIABLE (MPC).

A. Concepto. Antecedentes El control de los procesos ha sido un gran tema de estudio durante varios años, hasta que alrededor de los años 50 se desarrolló una ecuación matemática la cual no se pudo implementar hasta que los avances electrónicos pudieran soportar la teoría. Eventualmente la teoría fue evolucionando y se modificó hasta tener la menor cantidad de errores posibles hasta que finalmente se implementó por primera vez en el año 1982, pero eso solo introdujo más problemas dentro del contexto, ya que aún durante su implementación la tecnología de la época era en cierta manera ineficiente para toda la que se requería, por ello hubieron varias fases de desarrollo donde los controles implementados buscaban ser cada vez más robustos y precisos, por lo que no solo dio como resultado que el CPM fuera mejor en todo sentido, si no que se crearan variaciones de la teoría y se especializara según su campo de acción. Estrategia El control predictivo basado en modelo (Model Based Predictive Control – MBPC o simplemente MPC) es una metodología de control que hace uso del modelo del proceso para predecir las salidas futuras de la planta y con base en ello optimizar las acciones de control futuras. De hecho, el control predictivo no se puede considerar como una estrategia de control independiente sino, que, por el contrario, integra toda una familia de métodos de control tales como, el control óptimo, el control de procesos con tiempos muertos, el control de procesos multivariables, etc. (Es decir, busca la predicción de salidas para que el control sea más preciso y eficaz).

Imagen 1. Estructura básica del MPC

PÁGINA 3

Lo que sucede dentro del controlador es que se muestrea las entradas y da unas variables predichas, las cuales se procesan junto a las variables que se recién se muestrean, manejando 2 tiempos, el proceso del presente, y un tiempo futuro predicho, donde se estima un valor futuro. B. APLICACIONES DE MPC.

1.

propuesta de controlador mpc para un reactor uasb

En MPC se habla de un proceso para pronosticar la salida de algún producto, en este caso llevar a cabo un proceso la descomposición de residuos sólidos y líquidos producidos por las actividades urbanas e industriales a medida que va llegando, separando y llevando a cabo la degradación de una corriente de lixiviado diluido los desechos a medida que va llegando al Relleno Sanitario La Esmeralda de la ciudad de Manizales (Colombia), para querer mitigar el problema ambiental. Esta propuesta presenta un diseño de un controlador predictivo lineal en la cual se basa en modelo para regularizar la remoción de materia orgánica en un reactor anaerobio de manto de lodos de flujo ascendente (UASB) a escala piloto. Se lleva cabo con simulaciones numéricas, con el ánimo de establecer la viabilidad de aplicar este tipo de control para el sistema de estudio. Fuente: http://www.redalyc.org/pdf/849/84920491053.pdf

2. Estudio del comportamiento de un Control MPC [Control Predictivo Basado en el Modelo] comparado con un Control PID en una Planta de Temperatura Presenta un estudio comparativo entre el Control Predictivo basado en el Modelo [MPC] y el control PID, en una planta piloto de temperatura. Se encontró que el control MPC presenta mejor comportamiento, con un tiempo de asentamiento de 1000 segundos y una sobre-elongación de 5 °C, y que el PID presenta un tiempo de asentamiento de 2000 segundos y una sobre-elongación de 40 °C. Esto quiere decir que la MPC es un proceso más rápido en procesar y reduce tiempo muerto en el proceso industrial frente el PID Para ver el proceso se presenta una forma alternativa para controlar y monitorear en tiempo real la variable temperatura por medio simulaciones y controladores numéricos (MATLAB). Fuente: http://www.redalyc.org/pdf/4139/413937008005.pdf

3. Implementación de un sistema de control predictivo multivariable en un horno En el artículo describe la aplicación de una estrategia de control predictivo basado en modelo (MPC), donde se diseñó el controlador y sintonizó a partir de información obtenida de una simulación dinámica rigurosa de un horno de precalentamiento de crudo

PÁGINA 4

ya existente. Se encontró que el esquema de control MPC es superior y comanda de mejor manera la operación del horno con respecto a la configuración de control básica constituida por PIDs. Por ultimo en las simulaciones se observó que el MPC garantiza además de que las variables controladas se encuentren dentro de los límites operacionales, que la planta siga un objetivo económico potencial dado por la maximización de la carga y la disminución del fenómeno de coquización, permitiendo así la implementación de la estrategia de control predictivo en el modelo, incrementar la eficiencia, mantener estable la operación, ampliar el tiempo de corrida de la unidad, aumentar la carga total y prolongar de esta manera la vida útil media de los tubos. Fuente: http://bdigital.unal.edu.co/15074/1/9566-16524-1-PB.pdf

___________________________________________ Anexo 1 Aplicaciones generales de MPC.         

AspenTech: Dynamic Matrix Control (DMC). Adersa: Identification and Command (ID-COM), Hierarchical Constraint Control (HIECON) y Predictive Functional Control (PFC). Honeywell Profimatics: Robust Model Predictive Control Technology (RMPCT) y Predictive Control Technology (PCT). Setpoint Inc.: Setpoint Multivariable Control Architecture (SMCA) y IDCOM-M (multivariable). Treiber Controls: Optimum Predictive Control (OPC) ABB: 3dMPC. Pavillion Technologies Inc.: Process Perfecter Simulation Sciences: Connoisseur.

Descripción, ventajas y desventajas

El control predictivo es un conjunto de métodos de control que se ha desarrollado alrededor de ciertos principios básicos comunes, tales como:  

El uso explícito de un modelo del proceso para pronosticar la salida del sistema en instantes futuros de tiempo. El cálculo de una acción de control óptima basado en la minimización de una o más funciones de costo, con la posibilidad de incluir restricciones sobre las variables del proceso.

Por lo tanto, los diferentes algoritmos miembros de la extensa familia MPC, difieren entre sí principalmente en:  

El tipo de modelo utilizado para representar el proceso y sus perturbaciones. La función de costo que ha de ser minimizada, con o sin restricciones.

PÁGINA 5

Existen en la literatura varias anotaciones acerca del control predictivo aplicado a diversos procesos, como, por ejemplo: generadores de vapor, aplicaciones en la industria de cemento, columnas de destilación, anestesia clínica y robots. El control predictivo presenta una serie de ventajas sobre otros métodos, entre las que se pueden citar las siguientes: 

 



  

Los principios de funcionamiento son intuitivos y los parámetros de diseño están orientados al desempeño, permitiendo que los conceptos puedan ser asimilados en un corto tiempo por los operarios de la planta, aun cuando se tengan pocos conocimientos en el área de control. Se pueden manejar problemas de control multivariable y no lineal de una manera sencilla. Actualmente, es la aproximación más natural al control restringido, un tema que cada día adquiere más importancia en el sector industrial (restricción de los actuadores, restricciones de seguridad, restricciones de calidad). Permite controlar procesos con comportamientos dinámicos poco usuales, tales como procesos de fase no-mínima, procesos altamente oscilatorios o procesos inestables. Su carácter predictivo lo hace compensar intrínsecamente los tiempos muertos. Introduce un control anticipativo, y de forma natural se compensan las perturbaciones medibles. Aunque se basa en ciertos principios básicos, es una metodología abierta que permite extensiones, contribuciones, alternativas y mejoras para el futuro.

Sin embargo, como es de esperarse, también presenta algunas desventajas:  

Pese a que su implementación no es compleja, resulta más difícil que la de los clásicos controladores PID. Si la dinámica del proceso es variable, la exigencia computacional para realizar los cálculos se incrementa; no obstante, con la potencia de los computadores actuales esta no es realmente una dificultad infranqueable.

Aplicaciones Industriales: 

El MPC gana rápidamente popularidad en el ambiente de control de procesos industriales, debido a la simplicidad del algoritmo y al uso de modelos basados en la respuesta al escalón, que a pesar de poseer más parámetros que la formulación en espacio de estados, termina siendo preferido por ser más intuitivo y por necesitar menos información “a priori” para el proceso de identificación. Existen diversas aplicaciones, estando las más conocidas en la industria petroquímica, sin embargo existen aplicaciones en la industria de celulosa y papel, del cemento, de PVC, en generadores de vapor y en una serie de aplicaciones industriales incluyendo hornos para vidrio, en manipuladores de robots, en sistema de tratamiento de aguas municipales, etc.

PÁGINA 6



La mayoría de estas aplicaciones son multivariables y poseen restricciones, presentando algunas de ellas no linealidades. Problemas de este tipo fueron los que incentivaron a la formulación de las diversas estrategias de control MPC.

Bibliografía: http://app.tecsup.edu.pe/file/sga/documentos/revistaIi/Ii_1/7.pdf http://hemeroteca.unad.edu.co/entrenamiento/index.php/pi/article/view/1106/1268

PÁGINA 7