ES2953869T3 - Método de monitorización de una planta de producción de cartón ondulado - Google Patents

Abstract

Los métodos prevén detectar al menos un parámetro operativo de una unidad funcional de la planta y calcular un valor actual de al menos una primera función estadística de dicho parámetro operativo en una ventana temporal actual, definiendo el valor actual de dicha primera función estadística una primera coordenada de un punto de operación actual de la unidad funcional. También se proporciona una etapa de verificar si el punto de operación actual está dentro de un rango de valores permitidos de la primera función estadística, correspondiendo los valores contenidos en dicho rango de valores permitidos a una operación correcta de la unidad funcional. En caso de que el punto de operación actual esté fuera del rango de valores permitidos, se determina la posición del punto de operación actual con respecto al rango de valores permitidos y se proporciona un diagnóstico estadístico de la causa de la desviación del valor actual de el rango de valores permitidos en función de dicha posición. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Método de monitorización de una planta de producción de cartón ondulado

CAMPO TÉCNICO

La presente invención se refiere a plantas de producción de cartón ondulado. Más en particular, la presente invención se refiere a métodos de diagnóstico predictivo para componentes o unidades funcionales de las plantas de producción de cartón ondulado.

ANTECEDENTES DE LA INVENCIÓN

El cartón ondulado se fabrica a partir de hojas de papel plano alimentadas por rollos maestros. El cartón ondulado se compone normalmente de al menos una hoja de papel ondulado y dos hojas de papel planas, las denominadas revestimientos, entre las que está dispuesta la hoja de papel ondulado. Los revestimientos se pegan a la hoja de papel ondulado en la parte superior o cresta de los canales. En términos generales, un cartón ondulado puede comprender más de una hoja de papel ondulado. Normalmente, se dispone una hoja de papel plana entre cada par de hojas de papel ondulado.

Una planta de producción de cartón ondulado comprende generalmente uno o más desenrolladores para desenrollar rollos de bandas u hojas continuas de papel plano, y una o más placas simples. Cada placa simple convierte una hoja de papel plano continuo en una hoja de papel ondulado continuo y une la hoja de papel ondulado continuo a una hoja de papel plano continuo, denominada revestimiento. La lámina continua compuesta que sale de la placa simple se alimenta a la placa doble, donde se pega un segundo revestimiento a la misma. En general, la planta puede comprender una o más placas simples para alimentar una o más hojas, que consisten en una hoja continua de papel ondulado y un revestimiento, a la placa doble. La planta comprende además una sección donde se procesa el cartón ondulado procedente de la placa doble, denominándose esta sección de extremo seco, para distinguirla de la sección (llamada de extremo húmedo) que comprende las máquinas desde las desbobinadoras hasta la placa doble. La sección de extremo seco comprende normalmente una estación de corte y plegado longitudinal, donde la lámina de cartón ondulado se corta en tiras longitudinales continuas.

Las tiras longitudinales continuas se procesan adicionalmente para producir una serie de hojas separadas, o lo que se conoce como plegado en abanico, es decir, una tira plegada en forma de zigzag según líneas de corte y plegado transversales.

Las instalaciones de este tipo comprenden varias unidades funcionales de diferente tipo. Se proporcionan, por ejemplo, motores eléctricos, bombas, sistemas de vapor, alimentadores de cola, sistemas de aire presurizado, etcétera.

Es probable que las unidades funcionales se vean afectadas por el desgaste y puedan romperse. Las intervenciones de mantenimiento, reparación o sustitución de las unidades funcionales de una línea pueden resultar muy costosas, ya que podría ser necesario detener la línea incluso durante un largo tiempo. Los tiempos de inactividad provocan pérdidas de producción que afectan a los costes generales de producción. Teniendo en cuenta que el margen de beneficio del material producido (cartón ondulado) es muy pequeño, un aumento de costes debido a pérdidas de producción derivadas de paradas de reparación o mantenimiento podría resultar muy oneroso para los usuarios. Además, detener la sección del extremo húmedo produce desechos importantes y tiempos de reinicio prolongados, ya que el cartón ondulado que aún está en la máquina debe descargarse y rechazarse por completo y las secciones calientes (placas simples, placa doble) deben llevarse nuevamente a la temperatura adecuada antes de comenzar de nuevo la producción.

El documento WO2019048437 divulga un nuevo método para monitorear el funcionamiento de una planta de producción de cartón ondulado. El método prevé detectar al menos un parámetro operativo de una unidad funcional de la instalación, por ejemplo, una corriente absorbida por un motor. Luego, se calcula el valor de corriente de una función estadística del parámetro operativo en una ventana temporal de corriente. El valor máximo y el valor mínimo de una misma función estadística se calculan a partir de datos históricos del parámetro operativo en cuestión. Comparando el valor actual de la función estadística y los valores máximo y mínimo, se obtiene una información de diagnóstico predictivo. Este método innovador representa un apoyo significativo para el usuario y el fabricante de la instalación, ya que permite intervenciones de mantenimiento específicas y oportunas.

El documento WO 2008/045190 A2 divulga un método para detectar operación anormal en una planta de proceso, en donde se analizan valores de una pluralidad de variables de proceso para determinar si existe cualquiera de una pluralidad de fallos asociados con la planta de proceso y si se detectan uno o más fallos, pueden generarse uno o más indicadores.

La búsqueda continua de mejoras en la gestión de las plantas sugiere buscar métodos aún más eficientes que hagan más eficaces los diagnósticos predictivos y las intervenciones de mantenimiento y/o reparación más oportunas y específicas.

SUMARIO

La presente invención se define en las reivindicaciones adjuntas y se basa en lo que se ha descubierto hoy en día, es decir, que las funciones estadísticas descritas y utilizadas en el método divulgado en el documento WO2019048437 puede proporcionar más información útil para el diagnóstico predictivo en plantas de producción de cartón ondulado.

Básicamente, se proporciona un método para monitorear el funcionamiento de una planta de producción de cartón ondulado que tiene una pluralidad de unidades funcionales. Se detecta al menos un parámetro operativo para una o más de las unidades funcionales. "Parámetro operativo" significa cualquier parámetro medible relacionado con el funcionamiento de la unidad funcional. Por ejemplo, un parámetro operativo de un actuador eléctrico puede ser la corriente absorbida o el par motor. Un parámetro operativo de un componente hidráulico o neumático puede ser un fluido de trabajo (líquido o gaseoso, respectivamente). El método comprende además la etapa de calcular un valor actual de al menos una primera función estadística del parámetro operativo en una ventana temporal actual. El valor actual de la primera función estadística define una primera coordenada de un punto de operación actual de la unidad funcional. El método también comprende la etapa de verificar si el punto de operación actual está dentro de un intervalo de valores permitidos de la primera función estadística. Los valores contenidos en este intervalo de valores permitidos corresponden al correcto funcionamiento de la unidad funcional.

En caso de que el punto de operación actual esté fuera del intervalo de valores permitidos, se determina la posición del punto de operación actual con respecto al intervalo de valores permitidos. A partir de esta posición, se proporciona un diagnóstico estadístico de la causa de la desviación del valor actual del intervalo de valores permitidos, es decir, de la causa del funcionamiento anómalo de la unidad funcional.

Por ejemplo, en el caso de un motor eléctrico, la función estadística puede ser representativa de un valor medio de la corriente absorbida. Un funcionamiento anómalo puede provocar un valor medio demasiado elevado de la corriente absorbida.

El método se basa en el sorprendente hallazgo de que la posición del punto de operación actual, es decir, sus coordenadas en un espacio unidimensional, bidimensional o multidimensional (cuyas coordenadas se pueden representar mediante funciones estadísticas correspondientes) con respecto a un intervalo de valores de corriente permitidos, no solo es indicativo de la inminencia de un fallo, sino que también proporciona una indicación sobre la naturaleza del fallo y, por lo tanto, sobre las posibles medidas a tomar, es decir, las soluciones a adoptar, para que la unidad funcional vuelva a funcionar correctamente, es decir, con el punto de funcionamiento actual dentro del intervalo de valores permitidos.

Incluso si, en principio, es posible utilizar solo una función estadística y, por lo tanto, se utiliza un intervalo unidimensional de valores permitidos, es preferible utilizar al menos dos funciones estadísticas, y por tanto detectar la posición del punto de operación en un espacio bidimensional. En este espacio, el intervalo de valores permitidos está definido por una superficie, por ejemplo, aunque no necesariamente, de forma rectangular.

También se pueden utilizar más de dos funciones estadísticas.

Otras realizaciones y características ventajosas del procedimiento según la invención se describirán a continuación y en las reivindicaciones adjuntas, que forman parte integrante de esta descripción.

BREVE DESCRIPCIÓN DEL DIBUJO

La invención se comprenderá mejor siguiendo la descripción siguiente y los dibujos adjuntos, que muestran una realización no limitativa de la invención. Más particularmente, en el dibujo:

Las figuras 1A, 1B, 1C y 1D muestran porciones de una planta de producción de cartón ondulado, estando dispuestas estas porciones en secuencia a lo largo de la trayectoria de alimentación del cartón;

Las figuras 2(A), 2(B), 2(C) y 2(D) muestran diagramas de ejemplo que ilustran el método de diagnóstico predictivo divulgado en el presente documento;

Las figuras 3(A) y 3(B) muestran un método para definir un intervalo de valores permitidos como una envolvente de una pluralidad de intervalos de valores permitidos calculados en una pluralidad de ciclos o fases de aprendizaje; La figura 4 muestra una ampliación de un área de alimentación del cartón ondulado de una sola cara en el puente, con el motor relacionado para accionar las correas de alimentación de cartón ondulado;

Las figuras 5 a 10 muestran diagramas de operaciones anómalas del motor de la figura 4;

La figura 11 muestra un diagrama del sistema de acceso a la base de datos que contiene información sobre las causas de operaciones anómalas de unidades funcionales de la planta; y

La figura 12 muestra un diagrama de bloques resumido.

DESCRIPCIÓN DETALLADA

En la realización ilustrada se describe una instalación para la producción de láminas de cartón ondulado de doble pared, es decir, con dos láminas de papel ondulado, el denominado papel acanalado, interpuestas entre dos láminas de papel planas, las denominadas revestimientos, y una hoja intermedia interpuesta entre las dos hojas de papel acanaladas. Además, la instalación está configurada para formar dos pilas de láminas de cartón sobre dos apiladores adyacentes.

Sin embargo, debe entenderse que las características descritas a continuación, relacionadas con el sistema y método de diagnóstico predictivo, también pueden usarse en plantas provistas de un número diferente de placas simples y, por lo tanto, adaptadas para producir una lámina de cartón ondulado que comprende una diferente número de hojas. Además, los sistemas de apilamiento pueden ser diferentes, por ejemplo, pueden adaptarse para formar sólo una única pila o más de dos pilas de láminas de cartón. En otras realizaciones, los sistemas de apilamiento pueden proporcionar medios para plegar en abanico la lámina de cartón ondulado sin cortarla en láminas individuales.

De manera análoga, la placa doble y la estación de corte y plegado longitudinal, que se describen a continuación sólo a modo de ejemplo, pueden configurarse de manera diferente a lo que se describe e ilustra en este documento.

Con referencia al dibujo adjunto, la planta comprende una primera sección 3 para producir una primera lámina de cartón ondulado de una sola cara, una segunda sección 5 para producir una segunda lámina de cartón ondulado de una sola cara, una tercera sección 7 para alimentar el dos hojas de cartón ondulado de una sola cara junto con una hoja de papel plana a una placa doble 8 de una sección 9 que comprende la placa doble 8 y los accesorios correspondientes. De la sección 9 sale una lámina compuesta de cartón ondulado, formada por el conjunto de las láminas de cartón ondulado de una cara y de la otra hoja de papel plana pegada a las mismas, formando esta hoja de papel plana un segundo revestimiento de la lámina compuesta de cartón ondulado.

Aguas abajo de la sección 9 está prevista una sección 11, en la que están dispuestos dispositivos para retirar recortes, y aguas abajo de la sección 11 está prevista una sección 13 para cortar y doblar longitudinalmente la lámina de cartón ondulado procedente de la sección 9 que contiene la placa doble 8, para cortar la lámina de cartón ondulado en una pluralidad de tiras longitudinales de cartón ondulado y para formar líneas de plegado a lo largo de la extensión longitudinal de las tiras longitudinales individuales de cartón ondulado continuo.

En la realización ilustrada, la planta 1 también comprende, solo a modo de ejemplo, una sección 15 para cortar transversalmente las tiras de cartón ondulado provenientes de la sección 13, un doble transportador 17, y dos áreas 19A y 19B para apilar las láminas de cartón cortadas en la sección 15 y alimentadas mediante el doble transportador 17.

En la sección 3, está dispuesta una primera placa simple 21. Se conocen placas simples que se pueden utilizar para producir una lámina de cartón ondulado de una sola cara. Solo se describirán a continuación los elementos principales del revestimiento de una placa simple, siendo la placa simple, por ejemplo, la que se describe en los documentos US 8.714.223 o EP 1362691, cuyo contenido se incluye en la presente descripción.

Brevemente, la placa simple 21 puede comprender un primer rodillo ondulado 23 que coopera con un segundo rodillo ondulado 25 y un rodillo de presión 27, u otro elemento de presión, para unir una hoja de papel plana y una hoja de cartón ondulado, como se describe a continuación. Una primera hoja de papel plana N1 se alimenta a la placa simple 21 desde un primer desenrollador 29. El desenrollador 29 puede configurarse de manera conocida, por lo que no se describirá en detalle. El desenrollador 29 puede comprender dos posiciones para una primera bobina desenrolladora B1, desde la cual se suministra la primera hoja de papel plana N1, y una segunda bobina en espera B1X, que se desenrollará cuando la bobina B1 esté terminada.

Una segunda hoja de papel plana N₂ se desenrolla de un segundo desenrollador 31, que puede ser sustancialmente igual al desenrollador 29, y sobre el cual se encuentra una primera bobina B2, de la que se desenrolla la hoja de papel N₂, y una segunda bobina de espera B2X están dispuestas, la bobina en espera B2X comienza a desenrollarse cuando la bobina B1 está terminada.

La primera hoja de papel plana N1 se alimenta al rodillo ondulador 23, después de haberla pasado alrededor de un rodillo calentador 33. El arco de contacto de la hoja de papel N1 alrededor del rodillo calentador 33 se puede modificar para transferir a la hoja de papel plana N1 una mayor o menor cantidad de calor procedente del interior del rodillo calentador 33, por ejemplo, calentado con vapor que circula en su interior.

La primera hoja de papel plana N1 se ondula pasando a través del espacio de contacto formado entre los rodillos onduladores 23 y 25. De esta manera, se obtiene una hoja de papel ondulado N1 a la salida del espacio de contacto entre los rodillos onduladores 23 y 25. Se aplica un pegamento adecuado pegando la unidad 35 a las crestas formadas en la hoja de papel ondulado, de modo que la hoja de papel ondulado N1 se pueda pegar sobre la hoja de papel plana N₂ alimentada, junto con la hoja de papel ondulado N1, a través del espacio de contacto formado entre el segundo rodillo ondulador 25 y el rodillo de presión 27.

La unidad de encolado 35 puede comprender un rodillo de aplicación 36, en contacto con las crestas de la hoja de papel ondulado N1 conducida alrededor del segundo rodillo ondulado 25. El rodillo de aplicación 36 recibe la cola de un rodillo distribuidor o rodillo de tamiz 38, que toma la cola de un depósito 40 o similar. La distancia entre los rodillos 36 y 38 se puede regular para ajustar la cantidad de pegamento aplicado a la hoja de papel ondulado N1.

En algunas realizaciones, la segunda hoja de papel plana N₂ puede alimentarse alrededor de uno o más rodillos 37, 39 dispuestos entre el desenrollador 31 y la placa simple 21, para calentarse. El arco de contacto entre la hoja de papel plano N₂ y uno cualquiera o ambos de los rodillos 37, 39 se puede modificar para variar la cantidad de calor transferido por el(los) rodillo(s) 37, 39 a la hoja de papel plano N₂ antes de que entre en contacto con el rodillo de presión 27. Además, el rodillo de presión 27 puede calentarse internamente para pegar las hojas de papel N1 y N₂ en condiciones de alta presión y alta temperatura.

A la salida de la placa simple 21, se obtiene una hoja de cartón ondulado NS de una sola cara, formada por la primera hoja de papel ondulado Ni y la segunda hoja de papel plano N₂, como se muestra en la ampliación de la figura 2. Los canales o crestas O formadas en la primera hoja de papel N i se pegan por medio de una cola C, aplicada por la unidad de encolado 35 a los canales O, sobre la superficie de la hoja de papel plana N₂ enfrentada a la hoja de papel ondulado N i.

Aguas abajo de la placa simple 21 está dispuesto un puente 41, que se extiende hacia la sección 5 y las siguientes secciones 7 y 9 de la planta 1. Sobre el puente 41, se puede formar una reserva S de láminas de cartón ondulado de una sola cara NS, con la formación de pliegues de acumulación adecuados, de modo que la velocidad de funcionamiento de la placa simple 21 se puede hacer, al menos parcialmente, independiente de la velocidad de funcionamiento de las secciones aguas abajo.

La placa de cartón ondulado de una cara NS se conduce a continuación a lo largo de una primera trayectoria que se desarrolla por encima del puente 41 hasta un rodillo calefactor 43, alrededor del cual se puede guiar la placa de cartón ondulado de una cara NS con un arco ajustable, para que se caliente adecuadamente antes de llegar a la placa doble 8 de la sección 9.

En la realización ilustrada, la planta 1 comprende una segunda sección 5 sustancialmente igual a la sección 3, donde se forma una segunda lámina de cartón ondulado de una sola cara, todavía indicada con NS, por medio de un par adicional de láminas de papel N4, N5 procedentes de desbobinadores similares a los desbobinadores 29 y 31, y una placa simple similar a la placa simple 21. Esta segunda lámina de cartón ondulado de una sola cara NS se alimenta al puente 41 para formar un material S y se alimenta hacia la placa doble 8 de la sección 9, guiándose alrededor de un rodillo calentador 45, sustancialmente equivalente al rodillo calentador 43.

En otras realizaciones, se pueden omitir la sección 5 así como la respectiva placa simple. Viceversa, en realizaciones adicionales, se pueden proporcionar más de dos secciones 3, 5, con la respectiva placa simple y desenrolladores de las hojas de papel para formar respectivas láminas de cartón ondulado de una sola cara NS, que luego se pegan entre sí por medio de la placa doble 8 de la sección 9.

Se desenrolla una hoja de papel plana N3 desde otro desenrollador 47 y se alimenta, preferiblemente pasando alrededor de un rodillo calentador 49, a la sección de placa doble 9. Las unidades de encolado 51, 53 aplican, de manera conocida, un pegamento a las crestas de la respectiva hoja de papel ondulado de las dos hojas de cartón ondulado de una sola cara NS, para pegarlas entre sí y con la hoja de papel plana N3, que formará la segundo revestimiento del cartón ondulado compuesto CC que sale de la sección 9, estando formado el primer revestimiento por la hoja de papel plana N₂.

La sección 9 que contiene la placa doble se puede configurar de una manera conocida y no se describirá en detalle en el presente documento. Se describen realizaciones de ejemplo de la placa simple en los documentos US 7.291.243 y US2012/0193026, cuyo contenido se incorpora a la presente descripción y al que se puede hacer referencia para mayores detalles de realización de esta sección de la planta.

En la sección 11, está dispuesta una cizalla giratoria transversal 61, que puede realizar cortes transversales para cortar, total o parcialmente, el cartón ondulado compuesto CC alimentado desde la sección 9. La cizalla giratoria transversal 61 puede configurarse, por ejemplo, como se describe en el documento US 6.722.243, cuyo contenido se incorpora a la presente descripción. Como se describirá con mayor detalle a continuación, la cizalla giratoria transversal 61 se puede utilizar, en particular, para eliminar porciones de cartón ondulado CC donde hay defectos de pegado u otros defectos.

El cartón ondulado compuesto CC, alimentado a través de la sección de corte y plegado 13, se divide en tiras que pueden desviarse a lo largo de dos trayectorias definidas por los dos transportadores 17A, 17B de la sección 17. La sección 13 se puede configurar de una manera conocida, por ejemplo, como se describe en los documentos US 5.951.454, US 6.165.117, US 6.092.452, US 6.684.749, US 8.342.068 o en otros documentos de la técnica anterior citados en los documentos de patente antes mencionados, cuyo contenido se incorpora en la presente descripción.

Los dos transportadores 17A, 17B transportan láminas de cartón ondulado obtenidas cortando transversalmente las tiras continuas de cartón ondulado compuesto en la sección 15, para formar pilas P1, P2 en los planos de apilamiento 63, 65, conocidos y configurados, por ejemplo, como se describe en los documentos EP 1710183, US 5.829.951, o en otros documentos de patente citados en estas patentes, cuyo contenido se incorpora en la presente descripción. El número de referencia 62 indica una estación para cortar transversalmente las tiras continuas de cartón ondulado compuesto procedentes de la sección longitudinal de corte y plegado 13. La estación 62 comprende unas cizallas transversales 62A, 62B, que cortan cada tira continua procedente de la sección 13 en láminas individuales de una longitud determinada. La línea puede comprender una cizalla transversal 62A, 62B para cada transportador 17A, 17B.

Cada sección o estación de la planta 1 descrita brevemente anteriormente comprende una o más unidades funcionales, cada una de las cuales puede recibir electricidad, aire presurizado, vapor, pegamento u otro material o fluido, o combinaciones de los mismos. Por ejemplo, cada placa simple comprende uno o más motores para controlar la rotación de los rodillos onduladores y del rodillo de presión, sistemas de suministro de vapor para calentar los rodillos y sistemas para suministrar el pegamento que se aplicará a las crestas de la hoja de papel ondulado. Además, cada sección de la línea o planta 1 comprende elementos de transmisión de movimiento, tales como correas, cadenas, ejes, juntas, además de cojinetes axiales o radiales. Algunas estaciones comprenden elementos giratorios que están sujetos a desgaste, como cuchillas en forma de disco, cuchillas rectilíneas o helicoidales, herramientas de plegado, etc.

Las unidades funcionales están sujetas a desgaste; por lo tanto, requieren, con el tiempo, mantenimiento, reparación o reemplazo. Según un aspecto descrito en el presente documento, para evitar o reducir fallos que pueden provocar largos tiempos de inactividad y/o para programar mejor las intervenciones de sustitución, mantenimiento y reparación, se proporciona un método para gestionar y controlar los parámetros operativos de la planta 1, permitiendo realizar diagnósticos predictivos sobre una o más unidades funcionales de la línea o planta 1. A continuación se describirá de forma general una realización de un método de diagnóstico predictivo y a continuación se proporcionarán ejemplos específicos (solo a modo de ejemplo no limitativo) del método aplicado a una serie de unidades funcionales de la planta 1.

Una o más unidades funcionales de la planta 1 pueden comprender uno o más sensores para detectar al menos un parámetro operativo, o una pluralidad de parámetros operativos, de la unidad funcional. Los sensores se utilizan para adquirir valores de los parámetros operativos durante una etapa de aprendizaje. Después de la etapa de aprendizaje inicial, los sensores se utilizan para adquirir valores actuales de los parámetros operativos con el fin de realizar una etapa de control y diagnóstico predictivo de la unidad funcional utilizando los valores actuales y los datos históricos relacionados con los valores del mismos parámetros, previamente adquiridos durante la etapa de aprendizaje. Como se explicará mejor a continuación, los datos históricos se actualizan continuamente, siempre que la etapa de aprendizaje no se realice sólo en un intervalo de tiempo inicial; por el contrario, se realiza de forma continua en una ventana temporal móvil, denominada en lo sucesivo ventana temporal de aprendizaje móvil At2. De esta manera, los valores históricos de los datos utilizados para el diagnóstico predictivo se actualizan continuamente.

En algunas realizaciones, se puede evitar la etapa de aprendizaje inicial y, como valores históricos, se pueden usar valores de los mismos parámetros relacionados con una planta que tiene características similares y que ya se ha puesto en funcionamiento. Esencialmente, como datos históricos para una segunda planta (al menos en un paso inicial de operación), se utilizan los valores de los parámetros relacionados con las mismas unidades funcionales de una planta similar previamente instalada y ya puesta en operación.

Por ejemplo, la unidad funcional puede comprender un motor eléctrico y uno o más sensores para detectar uno o más parámetros eléctricos, por ejemplo, tensión, corriente, potencia activa o reactiva, y/o uno o más parámetros relacionados con cantidades mecánicas tales como como par, vibración, etc.

Más en general, basándose en la unidad funcional, se pueden proporcionar uno o más de los siguientes sensores; sensores de corriente; sensores de voltaje; sensores de temperatura; sensores de vibración; sensores de velocidad; sensores de aceleración; sensores de caudal de aire; sensores de caudal de vapor; sensores de consumo de cola; sensores de presión; sensores o sistemas para medir el consumo de electricidad; sensores de par.

El método de diagnóstico predictivo puede proporcionar una etapa de aprendizaje, durante la cual se crea un conjunto de datos históricos relacionados con un parámetro operativo que caracteriza una unidad funcional dada. En el caso de un motor eléctrico, el parámetro operativo puede ser, por ejemplo, la corriente absorbida. Como se mencionó anteriormente, la etapa de aprendizaje también puede representarse, alternativamente o en combinación, mediante una etapa de adquisición de datos históricos de otra planta o sección de la misma igual o similar, que ya haya entrado en operación.

En general, algunos parámetros operativos se pueden adquirir a través de sensores, sondas o transductores adecuados. Por ejemplo, los parámetros de tensión y potencia se pueden adquirir a través de sensores de tensión y corriente. Los parámetros de par se pueden detectar a través de sensores de par o procesando señales eléctricas de un motor de accionamiento. Las temperaturas se pueden detectar mediante sensores de temperatura. Las fuerzas y presiones se pueden detectar mediante sensores o células de carga, presostatos y similares. En algunos casos, algunos parámetros operativos se pueden proporcionar accionando los respectivos actuadores. En algunos casos, los parámetros operativos pueden ya estar disponibles como parámetros de proceso, como presión, velocidad, etc.

Las figuras 2(A), 2(B), 2(C) y 2 (D) muestran esquemáticamente una realización del método descrito en el documento WO2019048437, que puede ser un punto de partida para el método mejorado descrito en el presente documento.

Más específicamente, la figura 2(A) muestra un diagrama genérico de un parámetro operativo genérico, por ejemplo, la corriente absorbida por un motor, en función del tiempo. El parámetro operativo se muestrea con un intervalo de muestreo indicado con At^muestra en la figura 2. En el eje horizontal se indica el tiempo, mientras que en el eje vertical se indica el parámetro operativo. El intervalo de muestreo puede ser, por ejemplo, de un segundo.

En algunas realizaciones, los parámetros operativos se pueden procesar previamente. Por ejemplo, pueden filtrarse, interpolarse o procesarse de otra manera.

Una ventana temporal de aprendizaje móvil, indicada con At², se identifica a lo largo del eje del tiempo. La ventana temporal de aprendizaje móvil puede durar, por ejemplo, algunos días o semanas. A modo de ejemplo, la ventana temporal de aprendizaje móvil (abajo también simplemente "ventana temporal de aprendizaje") puede durar 60 días. Los datos adquiridos por medio de un sistema de control durante la ventana temporal de aprendizaje móvil Atz se procesan y el resultado del procesamiento se almacena. Según algunas realizaciones, dentro de la ventana temporal de aprendizaje móvil se identifican ventanas de cálculo únicas, para calcular una función estadística relacionada con el parámetro operativo en cuestión At². En el diagrama de la figura 2, la ventana para calcular la función estadística se indica con Atⁱ . La ventana de cálculo es sustancialmente una ventana temporal, cuya duración es menor que la de la ventana temporal de aprendizaje At². En algunas realizaciones, la duración de la ventana de cálculo Atⁱ para calcular la función estadística es de algunos minutos.

El procesamiento de los datos históricos adquiridos dentro de la ventana temporal de aprendizaje móvil At² puede prever el cálculo de una primera función estadística y, si es necesario, una segunda función estadística dentro de cada ventana de cálculo de función estadística Atⁱ . En algunas realizaciones, la función estadística puede ser una densidad espectral de potencia, o una raíz cuadrática media, o simplemente un valor máximo y un valor mínimo, calculados sobre el conjunto de datos relacionados con el parámetro controlado y adquiridos dentro de la ventana temporal en cuestión. En realizaciones particularmente ventajosas, la función estadística puede ser una varianza (indicada con a en la figura 2) o una media (indicada con ^j en la figura 2) de los valores del parámetro operativo en cuestión. En realizaciones ventajosas, se calculan tanto la varianza como la media de los datos adquiridos en cada ventana de cálculo de función estadística única Atⁱ . También es posible calcular más de dos funciones estadísticas.

En la práctica, a lo largo de la ventana temporal de aprendizaje móvil Atz se encuentra una ventana de cálculo móvil Atⁱ puede moverse a intervalos regulares, por ejemplo 1 segundo, dentro de los cuales se calculan las funciones estadísticas relacionadas con los datos contenidos en esta ventana. De esta manera, las funciones estadísticas se calculan sobre todos los datos históricos adquiridos dentro del tiempo definido por la ventana temporal de aprendizaje móvil Atz.

Para cada posición de la ventana de cálculo Atⁱ es posible calcular, por ejemplo, la varianza y la media de los valores del parámetro operativo contenidos dentro de la ventana de cálculo. Por ejemplo, para una posición i-ésima genérica de la ventana de cálculo (Atⁱ )ⁱ, una varianza a ⁱ y una media j ⁱ se puede calcular de esta manera (donde i = i ... N). Los valores máximo y mínimo de la varianza y de la media, indicados a continuación en la figura 2, se pueden seleccionar entre todos los valores calculados para la media (^{| J i}, mⁱ, ^|Jn ) y entre todos los valores calculados para la varianza (a ⁱ , a ⁱ, a^N) para una ventana temporal de aprendizaje móvil dada At²:

valor máximo de la media: MAX(^j ),

valor mínimo de la media: m in(j)

valor máximo de la varianza: MAX(a)

valor mínimo de la varianza: min(a).

Los valores máximo y mínimo de las dos funciones estadísticas son almacenados por la unidad de control de la planta i. Como ventana temporal de aprendizaje móvil At² es una ventana móvil en el tiempo, como se describirá a continuación, los cuatro valores máximo y mínimo de varianza y media varían en el tiempo, mientras la planta está operando.

En algunas realizaciones, es posible detectar los valores MAX(j ), min(j), MAX(a) y min(a) utilizando un mayor número de muestras del parámetro operativo. Para ello, es posible hacer lo siguiente.

Se elige un intervalo de muestreo adecuado At^muestra. El intervalo de muestreo puede ser, por ejemplo, de algunos segundos. A modo de ejemplo no limitativo, es posible establecer un intervalo de muestreo At^muestra = i segundo. Cada segundo es posible calcular el valor de las dos funciones estadísticas, varianza y media, sobre los valores de los parámetros operativos adquiridos durante la ventana de cálculo recién pasada Atⁱ . En el segundo siguiente, la ventana de cálculo Atⁱ se mueve i segundo y la varianza y la media se calculan nuevamente sobre los valores del parámetro operativo en la ventana de cálculo Atⁱ traducido por 1 segundo. El proceso puede continuar, por ejemplo, durante todo el día. Para cada día es posible detectar y almacenar los valores máximo y mínimo de varianza y media calculados como se describe anteriormente. Los valores máximo y mínimo también se pueden calcular, en lugar de cada 24 horas, en un período de tiempo diferente, por ejemplo, cada hora o cada diez horas. El marco de 24 horas se elige simplemente por motivos prácticos. Prácticamente, en el caso de un intervalo de muestreo de 1 segundo, durante un día se recogen 24x60x60=86400 valores de varianza y el mismo número de valores de media. Cada valor se calcula en una ventana de cálculo Atⁱ . Basado en los 86400 valores recopilados todos los días para cada una de las dos funciones estadísticas, se determinan el valor máximo y el valor mínimo ^{o m a x ,} O^min, m^MAx, m^min. Al final del paso de aprendizaje, es decir, una vez que la ventana temporal At² finalizado, cuya duración genérica es G días, el sistema tendrá G valores máximos de varianza, G valores máximos de media, G valores mínimos de varianza y G valores mínimos de media. Si At²=60 días, estarán disponibles 60 valores máximos y mínimos para cada función estadística. En base a cada uno de estos cuatro conjuntos de elementos G=60, se detectan los valores MAX(^), min(^),MAX(a) y min(a).

En otras realizaciones, es posible identificar directamente el máximo y el mínimo entre todas las muestras recogidas. Una vez finalizado el paso de aprendizaje inicial, o una vez adquiridos los valores relacionados con una planta similar ya en funcionamiento, se continúan adquiriendo los valores del parámetro operativo en un intervalo de tiempo At³, cuya duración es preferentemente inferior a la anchura, es decir, la duración, de la ventana temporal de aprendizaje móvil At². Por ejemplo, el intervalo de tiempo At³ puede tener una duración de algunos días, por ejemplo, de 0 a 20 días, normalmente Í5 días. Debe entenderse que estos datos numéricos, así como los anteriores, se dan solo a título de ejemplo no limitativo.

Una vez transcurrido el intervalo de tiempo At³ siguiendo la ventana temporal de aprendizaje móvil At² (o cuyos datos se suman a los adquiridos mediante una toma de datos realizada para una planta similar), se inicia el proceso de diagnóstico predictivo para la unidad funcional a la que se refiere el parámetro operativo detectado y procesado. Este paso proporciona calcular la primera función estadística y la segunda función estadística (varianza y media en el ejemplo ilustrado) de los valores del parámetro operativo detectado durante una ventana temporal actual At^act. En algunas realizaciones, la duración de la ventana temporal actual puede ser la misma que la duración de la ventana Atⁱ para calcular la función estadística. Como se explicará mejor a continuación, esto es particularmente preferido ya que los datos adquiridos durante este paso en la ventana temporal actual At^act se utilizarán como datos históricos para el aprendizaje dinámico. Además, la ventana temporal actual At^act es móvil, es decir, se traduce en el tiempo de manera similar a la ventana temporal de aprendizaje móvil At². La ventana temporal actual permanece preferiblemente a una distancia temporal fija (intervalo At³) desde la ventana temporal de aprendizaje móvil.

En el diagrama de la figura 2, los valores de la varianza de la función estadística y de la media de la función estadística para el parámetro operativo, calculados en la ventana temporal actual At^act, se indican respectivamente con O^act y m^act. Estos valores también se indicarán como valores actuales de las dos funciones estadísticas: media y varianza. Los valores O^act y m^act calculados en la ventana temporal actual At^act se comparan con los valores MAX(^), min(^); MAX(a); min(a) definido anteriormente y calculado en la ventana temporal de aprendizaje móvil Atz. Si la unidad funcional a la que se refiere el parámetro operativo en cuestión opera correctamente, los valores estadísticos O^act y m^act estará comprendido entre los valores máximo y mínimo calculados en la ventana temporal de aprendizaje móvil. Si es necesario, es posible prever, para cada una de las dos funciones estadísticas, respectivos intervalos de tolerancia por encima y por debajo de los respectivos valores máximo y mínimo. Partiendo de los valores MAX(^), min(^); MAX(a); min(a), los intervalos extendidos que comprenden un margen de tolerancia se definen de la siguiente manera: intervalo de la primera función estadística (varianza): [min(a) - A; MAX(a) A]

intervalo de la segunda función estadística (media): [min(^) - A; MAX(^) A]

En realizaciones particularmente ventajosas, en cada intervalo definido anteriormente es posible definir un intervalo intermedio respectivo:

[min(o) - A’ ; MAX(o) A’]

[min(n) - A’ ; MAX(n) A’]

donde A'<A.

En la figura 2(B) se muestra un diagrama cartesiano; en el eje horizontal se indica la media, en el eje vertical se indica la varianza.

En el diagrama se muestran: un primer cuadrado interior, definido por los valores máximo y mínimo de varianza y media; un cuadrado intermedio, que contiene el cuadrado interior; y un cuadrado exterior, que contiene el cuadrado interior y el cuadrado intermedio, definido por los intervalos indicados anteriormente.

En el ejemplo ilustrado, se han utilizado los mismos valores A y A' para los intervalos de varianza y media, respectivamente. Sin embargo, esto no es estrictamente necesario. Debe entenderse que, por ejemplo, se pueden proporcionar diferentes márgenes para ampliar los intervalos de media y varianza.

Además, como se señaló, aunque en el ejemplo descrito se usan dos funciones estadísticas (varianza y media), debe entenderse que en otras realizaciones se pueden usar diferentes funciones estadísticas y/o un número diferente de funciones estadísticas.

Los valores actuales O^act y m^act de varianza y media calculadas en cada ventana temporal actual At^act defina sustancialmente las coordenadas de un punto en el diagrama de la figura 2(B). Este punto también se define como el punto de operación actual de la unidad funcional. La unidad funcional a la que se refiere el parámetro operativo, en la que se aplican los valores actuales O^act y m^act de varianza y media se calculan, funciona correctamente si este punto está dentro del cuadrado definido por MAX(^), min(^),MAX(a) y min(a).

Este cuadrado define un intervalo de valores permitidos de la primera y segunda funciones estadísticas. Este intervalo es bidimensional, ya que se han utilizado dos funciones estadísticas.

Como ya se mencionó, el método también se puede implementar usando un número diferente de funciones estadísticas, por ejemplo, tres o más funciones estadísticas, o incluso solo una función estadística, aunque actualmente se prefiere el uso de dos funciones estadísticas.

En el caso de tres funciones estadísticas, el intervalo de valores permitidos está definido por un volumen tridimensional. En el caso de N funciones estadísticas, el volumen de valores permitidos está definido por un espacio N-dimensional. En el caso de una sola función estadística, el intervalo de valores permitidos se reduce a una línea, es decir, a un espacio unidimensional.

De nuevo con referencia al ejemplo bidimensional de la figura 2, si el punto de operación actual de coordenadas O^act y m^act está en el cuadrado definido por:

[min(o) - A’ ; MAX(o) A’]

[min(n) - A’; MAX(n) A’]

no se proporcionará ninguna señal de alarma o prealarma, ya que A' puede considerarse como un valor de tolerancia en torno a un dato puntual. Si el punto está entre el cuadrado intermedio y el cuadrado exterior definido por [min((i) - A; MAX([i) A]

[min(o) - A; MAX(o) A]

Se genera una señal de prealarma, y si el punto está fuera del cuadrado más grande se genera una señal de alarma. En otras realizaciones, se genera una prealarma si el punto de operación actual está entre el cuadrado interior y el cuadrado intermedio, y se genera una señal de alarma si el punto está entre el cuadrado intermedio y el cuadrado exterior, o fuera de este último.

Estas situaciones anómalas de diferencia de las funciones estadísticas del cuadrado calculado durante la etapa de aprendizaje (o adquiridas a partir de datos históricos almacenados durante el funcionamiento de una planta análoga o de una unidad funcional análoga de otra planta) son indicativas de un fallo incipiente y, por lo tanto, la alarma respectiva representa una información útil para el diagnóstico predictivo.

Los datos anómalos son útiles para resaltar el comienzo de una condición de fallo, pero no se deben usar en el paso de adquisición de datos, es decir, en la etapa de aprendizaje del sistema, ya que esto podría causar errores. Por lo tanto, es posible prever la eliminación automática (por ejemplo, mediante un algoritmo) o la eliminación manual (por ejemplo, por un operador) de datos anómalos de la serie de datos útiles para la etapa de aprendizaje.

En algunas realizaciones, solo se puede utilizar un umbral de alarma, en lugar de dos umbrales de alarma (o prealarma y alarma) como se describe anteriormente.

En algunas realizaciones se puede proporcionar un umbral de tiempo para evitar falsas alarmas, por ejemplo, debidas a fluctuaciones temporales del parámetro operativo resultantes de factores no vinculados a una condición de falla incipiente. La alarma o prealarma solo se genera si el punto definido en el diagrama de la figura 2(B) por los valores O^act y m^act permanece fuera del cuadrado definido entre los valores MAX(^), min(^),MAX(a) y min(a) y los intervalos de tolerancia, si los hubiere, durante un tiempo superior a un umbral de tiempo preestablecido. Por el contrario, es decir, en caso de que la anomalía finalice después de un tiempo inferior al umbral temporal preestablecido, no se genera ninguna alarma.

Las operaciones anómalas que pueden provocar tales alteraciones en las funciones estadísticas utilizadas (por ejemplo, los valores de varianza y media) para disparar una prealarma o una señal de alarma, pueden deberse a diferentes causas externas, por ejemplo, un ajuste incorrecto. o un mal uso de la unidad funcional, un fallo incipiente 0 una degradación por desgaste, o cualquier otra causa.

El cuadrado representado en la figura 2(B) se puede utilizar en un monitor para dar una indicación visual inmediata que el operador pueda comprender rápidamente. Para brindar una representación aún más intuitiva, es posible cambiar las coordenadas para representar la misma situación de la figura 2(B) en un diagrama circular como se indica en la figura 2(C).

El método para controlar la unidad funcional, a la que se refiere el parámetro operativo detectado, puede prever el cálculo de los valores actuales O^act y m^act en la ventana temporal actual At^act con un intervalo de muestreo At^muestra de 1 segundo, por ejemplo. Cada segundo se mueve la ventana temporal actual y las coordenadas O^act y m^act del punto de operación real en el plano ^{o ,} p (figura 2(B) o figura 2(C)) se calcula nuevamente.

Como se indicó anteriormente, los valores actuales O^act y m^act de las funciones estadísticas ^o y p calculadas en la ventana temporal actual At^act se comparan con ^{M A X ( o ),} min(a), MAX(μ) y m in(j) identificados en la ventana temporal de aprendizaje móvil At², que está temporalmente distanciado por el intervalo At³ desde la ventana temporal actual At^act. De esta manera, es posible crear una discontinuidad entre el período de aprendizaje y el período actual. Esto puede resultar útil para tener en cuenta el hecho de que algunos parámetros operativos de determinadas unidades funcionales pueden estar sujetos a una lenta variación con el tiempo, por ejemplo, debido al envejecimiento de uno o más componentes. Tal deriva no puede detectarse si los valores O^act y m^act se comparan con los valores máximo y mínimo de las funciones estadísticas calculadas en una ventana temporal de aprendizaje Atz temporalmente contigua a la ventana temporal actual At^act. Viceversa, introduciendo el intervalo de tiempo At³, la deriva gradual del parámetro operativo detectado da como resultado una señal o una alarma, ya que uno u otro o ambos valores actuales O^act y m^act estará fuera del cuadrado identificado por los valores máximo y mínimo de las funciones estadísticas calculadas en la ventana temporal de aprendizaje móvil, debido a la deriva ocurrida en el intervalo de tiempo At³.

Como se mencionó anteriormente, la etapa de aprendizaje es continua y dinámica; esto significa que, una vez que la primera etapa de aprendizaje en la ventana temporal de aprendizaje At² ha finalizado, los datos relacionados con el parámetro operativo controlado continúan almacenándose y la ventana temporal de aprendizaje At² se moverá a lo largo del eje del tiempo (eje horizontal en la figura 2 (A)), de modo que esté constantemente a la misma distancia temporal At³ con respecto a la ventana temporal actual At^act.

La comparación entre las figuras 2(A) y 2(D) hacen claramente evidente este aspecto. En cada etapa temporal, correspondiente, por ejemplo, al ancho de tiempo de la ventana de cálculo Atⁱ , la ventana temporal de aprendizaje móvil Atz se mueve en una etapa igual al ancho de la ventana de cálculo At^muestra, siguiendo la ventana temporal actual At^act. Los valores de las funciones estadísticas calculados en la ventana de cálculo más antigua Atⁱ se descargan y rechazan, mientras que los valores de las funciones estadísticas se calculan a partir de los datos contenidos en la ventana de cálculo posterior Atⁱ ingrese a la ventana temporal de aprendizaje móvil Atz. Esencialmente, como resulta claramente evidente al comparar las figuras 2(A) y 2(D), la ventana temporal de aprendizaje móvil Atz es móvil en el tiempo y avanza permaneciendo a una distancia temporal At³ desde la ventana temporal actual At^act. En cada etapa hacia adelante, se hacen históricos los datos estadísticos más antiguos y se calculan los datos estadísticos más recientes.

Cada vez que la ventana temporal de aprendizaje móvil Atz avanza un paso Atⁱ el conjunto de los valores ( j ⁱ , ... pⁱ, .... ^{P n )} y (o ⁱ , ....Oⁱ, ^{....... o n ),} en el que se detectan los valores MAX(j), min(j),MAX(o), min(o), cambia y por lo tanto los valores máximo y mínimo de las funciones estadísticas calculadas pueden cambiar. Los cuadrados representados en las figuras 2(B) y 2(C) pueden moverse gradualmente con el tiempo. El aprendizaje es, por lo tanto, dinámico y continuo.

La ventana temporal de aprendizaje móvil Atz siempre permanece temporalmente espaciada por un intervalo de tiempo At³ con respecto a la ventana temporal actual At^act. Por tanto, a medida que pasa el tiempo, aunque se produzca una actualización de los valores máximos y mínimos de las funciones estadísticas y por tanto un posible movimiento del cuadrado dentro del cual (figuras 2(B) y 2(C)) el punto estará definido por los valores O^act, m^act, siempre existe la posibilidad de detectar cualquier desviación lenta del parámetro operativo. La duración del intervalo de tiempo At³ puede ser constante. Esto simplifica el proceso de procesamiento. Sin embargo, esto no es estrictamente necesario.

Incluso si se ha hecho referencia con anterioridad a una situación en la que se utilizan dos funciones estadísticas (media y varianza) para definir un diagrama bidimensional, donde se detecta un área cuadrada o circular, dentro de la cual estará el punto definido por los valores O^act, m^act, también es posible utilizar solo una función estadística, por ejemplo, solo varianza o solo media. En este caso se aplican todas las consideraciones anteriores, con la única diferencia de que la función estadística será una sola y el diagrama será unidimensional y no bidimensional.

En otras realizaciones, también es posible utilizar más de dos funciones estadísticas, con el mismo criterio descrito anteriormente. En este caso, desde un punto de vista gráfico, el punto de operación actual de la unidad funcional, o más exactamente el valor del parámetro operativo relacionado con esta unidad funcional, deberá permanecer dentro de un volumen cúbico (o esférico) definido por el máximo y el mínimo. valores determinados en la ventana temporal de aprendizaje móvil de las tres funciones estadísticas.

Incluso si en la presente descripción se hace referencia específica a la varianza y a una media genérica de los valores del parámetro operativo en cuestión, debe entenderse, sin embargo, que también se pueden utilizar otras funciones estadísticas. Además, la media puede ser una media aritmética, una media ponderada, una media geométrica, una media armónica, una media potencia, una media aritmético-geométrica, una media integral, una media temporal o cualquier otra función que defina una media de valores.

Lo descrito anteriormente es una realización del método de diagnóstico predictivo divulgado con mayor detalle en el documento WO2019048437, cuyo contenido queda íntegramente incorporado en el presente documento.

Incluso si se ha hecho referencia con anterioridad a un único intervalo de aprendizaje, también se pueden usar una pluralidad de intervalos de aprendizaje, lo que da como resultado intervalos no coincidentes de valores permitidos, por ejemplo, en intervalos parcialmente superpuestos. En este caso, se puede definir un intervalo de valores permisibles como la envolvente de los intervalos de valores permisibles adquiridos en las diferentes fases o ciclos de aprendizaje. La figura 3(A) muestra cuatro rectángulos Q1, Q2, Q3 y Q4, definidos por los valores máximo y mínimo de media y varianza calculados en cuatro intervalos de aprendizaje distintos. Cada uno de ellos representa un intervalo respectivo de valores permitidos relacionados con una fase de aprendizaje. La figura 3(B) muestra un rectángulo envolvente que contiene todos los rectángulos Q1, Q2, Q3, Q4 y que representa el intervalo de valores permitidos utilizados en el método de control descrito anteriormente.

Como se ha mencionado anteriormente, la presente invención se basa en haber descubierto sorprendentemente que el desplazamiento del punto de operación actual de coordenadas (a^{act |Jact}) y su desviación fuera del intervalo de valores permitidos definido por m Ax (^|j ), min(j), MAX(a) y min(a) no solo es indicativo de un fallo incipiente, y esto permite un diagnóstico predictivo del fallo. La posición que toma el punto de operación actual con respecto al intervalo de valores permitidos, fuera de este último, no es aleatoria, sino que está correlacionada con el tipo de fallo o mal funcionamiento que está sucediendo o está por suceder. En otras palabras, el hecho de que el punto de operación actual esté a la derecha, y no a la izquierda, del intervalo de valores permitidos no es casualidad; de hecho, el desplazamiento en una u otra dirección fuera del intervalo de valores permitidos es indicativo de un tipo de fallo más que de otro.

Por lo tanto, el método divulgado en el presente documento proporciona la etapa de detectar la posición del punto de operación actual fuera del intervalo de valores permitidos, y de usar esta posición para obtener información estadística sobre el tipo o naturaleza del mal funcionamiento o del fracaso incipiente, así como sugerir una posible solución, o una posible intervención restauradora.

Este concepto será más evidente siguiendo el ejemplo siguiente.

La figura 4 muestra con mayor detalle una parte de la línea de la figura 1. Más específicamente, la figura 4 muestra el área donde una lámina de cartón ondulado de una sola cara NS es arrastrada por la placa simple del puente 41. El número de referencia 101 indica un sistema de correas accionadas por un motor 103. Las correas 101 deberán ajustarse y/o reemplazarse periódicamente debido al desgaste. Un posible mal funcionamiento de la unidad funcional representada por el motor 103 puede ser una tensión excesiva o insuficiente de las correas, o un sobrecalentamiento del mismo motor. El parámetro operativo bajo control puede ser la corriente absorbida por el motor.

La figura 5 muestra un diagrama de tiempo de la tendencia de la corriente absorbida por el motor 103. El tiempo se muestra en el eje y y la corriente absorbida se muestra en el eje x. En el diagrama de la figura 5, las correas están demasiado tensas y, por lo tanto, la corriente absorbida por el motor 103 está por encima de la media, pero sustancialmente constante. Así, la varianza del parámetro operativo está entre los valores máximo y mínimo calculados durante la etapa de aprendizaje, o en base a datos históricos, mientras que la media es mayor que el valor máximo que define el intervalo de valores permitidos. El punto de operación actual, definido por las coordenadas constituidas por el valor actual de la varianza y el valor actual de la media (a^act e J^act) está por lo tanto a la derecha del intervalo de valores permitidos.

Esta situación se muestra en la figura 6, que muestra el intervalo de valores permitidos de varianza y media en base a un criterio similar al utilizado para la figura 2. El punto de operación actual está fuera del intervalo de valores permitidos, a la derecha del mismo (la media es mayor que el valor máximo permitido).

La figura 7 muestra un diagrama similar al de la figura 5, donde la corriente absorbida (en el eje x) en función del tiempo (en el eje y) es menor que el valor normal y fluctúa a lo largo del tiempo. Esta situación se produce, por ejemplo, cuando las correas 101 no están suficientemente tensadas. La corriente absorbida es inferior al valor normal y, cuando las correas se deslizan sobre la polea motriz impulsada por el motor 103, disminuye repentinamente.

Como consecuencia de esta anomalía, el valor medio del parámetro operativo detectado (corriente absorbida) de la unidad funcional monitorizada (motor 103 de las correas 101) es inferior al valor mínimo permitido. La variación es mayor que el valor máximo permitido, debido a las fluctuaciones causadas por las correas sueltas que se deslizan sobre la polea motriz 104.

El punto de operación actual está por lo tanto fuera del intervalo de valores permitidos, a la izquierda y encima de él, como se muestra en la figura 8.

Comparando las figuras 6 y 8 es posible observar así que diferentes fallos de funcionamiento, es decir anomalías, que afectan al mismo parámetro operativo (corriente absorbida) de la misma unidad funcional (motor 103) dan como resultado diferentes situaciones en el diagrama de las funciones estadísticas.

Recogiendo un número suficiente de eventos anómalos ocurridos en una o más plantas, es posible no sólo detectar una anomalía que podría resultar en un fallo y que requiere intervención, sino también correlacionar esta anomalía con la posición del punto de operación actual en el diagrama de las funciones estadísticas. Por el contrario, también es posible proporcionar información sobre el tipo de evento (mal funcionamiento, fallo o fallo incipiente), que provocó la señal de alarma generada por el hecho de que el punto de operación actual está fuera del intervalo de valores permitidos de las funciones estadísticas y, por lo tanto, sugerir una solución o intervención para eliminar la anomalía y restaurar la planta.

En algunas situaciones, el aumento gradual y constante de la corriente absorbida por el motor 103 puede deberse a una causa distinta a la tensión excesiva de las correas. Por ejemplo, un mal funcionamiento del ventilador de refrigeración del motor 103 puede provocar un aumento de la corriente absorbida. Esta situación se muestra en la figura 9. La figura 10 muestra el diagrama de las funciones estadísticas con la posición del punto de funcionamiento de la corriente fuera del intervalo de valores permitidos, a su derecha, debido al aumento del valor medio de la corriente absorbida.

La situación de las figuras 5, 6 y la de las figuras 9 y 10 son, por lo tanto, diferentes en cuanto al fallo o mal funcionamiento que provocó la señal de alarma, pero son iguales o aproximadamente iguales en cuanto a la posición anómala del punto de funcionamiento actual respecto al intervalo de valores permitidos.

La situación de las figuras 9 y 10 es estadísticamente mucho menos probable que la situación de las figuras 5 y 6.

Como se sabe a partir de una fase de aprendizaje que las causas del funcionamiento anómalo pueden ser dos, que eliminando estas causas es posible restaurar la planta, y que la primera causa es estadísticamente mucho más frecuente que la segunda causa, cuando una de las situaciones de alarma mostradas en las figuras 5, 6 o en las figuras 9, 10, es posible tener (a partir de los datos recopilados durante la fase de aprendizaje) una lista de posibles soluciones para la anomalía en cuestión. Estas soluciones se pueden enumerar proporcionalmente a la probabilidad de que sean la solución correcta. En el caso concreto, la solución consistente en aflojar los cinturones se clasifica como estadísticamente más exitosa; por lo tanto, aparece antes que la otra solución (sustitución del ventilador de refrigeración o correcto montaje del mismo).

A partir de los datos recopilados durante una fase de aprendizaje y, en general, durante el uso de una o más plantas idénticas o similares, es posible crear una base de datos donde cada situación anómala (punto de operación actual fuera del intervalo de valores permitidos) se vincula a la causa correspondiente o a una pluralidad de causas posibles, con sus respectivas soluciones. En el ejemplo de las figuras 5, 6, la causa es la tensión excesiva de las correas; en el ejemplo de las figuras 7 y 8 la causa es la tensión insuficiente de las correas; y en el ejemplo de las figuras 9 y 10 la causa (menos frecuente) es un mal funcionamiento del ventilador de refrigeración. Como en el primer y tercer caso la anomalía provoca el mismo posicionamiento del punto de funcionamiento actual respecto al intervalo, en ambos casos se indicarán las mismas causas (y soluciones).

Una vez creada la base de datos, correlacionando los valores de las funciones estadísticas actuales con las disfunciones, es posible utilizar esta base de datos para obtener una o más informaciones (al menos estadísticas, aunque no puntuales) sobre lo que está sucediendo. que sucede en una unidad funcional cuyo parámetro de operación actual está fuera del intervalo de valores permitidos y, por lo tanto, del tipo de intervención necesaria para resolver el problema.

La figura 11 muestra un diagrama de bloques donde el número de referencia 1 indica la planta de producción de cartón ondulado, el número 105 indica una unidad funcional genérica, por ejemplo, el motor 103 mencionado anteriormente, y el número 107 una unidad de control central. Este último recibe, desde el(los) sensor(es) de la unidad funcional 105, datos relacionados con el funcionamiento de la unidad funcional y puede determinar cualquier situación anómala, por ejemplo, valores de una o ambas funciones estadísticas que están fuera del intervalo de valores permitidos. La unidad de control central 107 se comunica con un servidor 109. El servidor 109 accede a una base de datos 111 que contiene información sobre las causas de mal funcionamiento asociadas con las diversas posiciones del punto de operación actual con respecto a un intervalo de valores permitidos para cada una de las unidades funcionales monitoreadas de la planta 1.

Cuando es consultado por la unidad de control 107, el servidor 109 proporciona la lista de las posibles causas de la anomalía detectada, así como una solución, o más exactamente una lista de soluciones para la recuperación de la planta. En la práctica, la anomalía puede detectarse generalmente por la tendencia de la señal que se desplaza hacia una zona de funcionamiento no óptima. La anomalía puede tener varias causas. Una causa de anomalía se puede resolver mediante una o más soluciones. El método también puede proporcionar un paso para sugerir una pluralidad de soluciones, enumeradas en orden decreciente según la probabilidad de éxito.

En el ejemplo ilustrado anteriormente de las correas 101 y el motor 103, en el caso de las figuras 5, 6 y 9, 10 el servidor 109 proporciona dos posibles causas de mal funcionamiento y dos soluciones correspondientes: correas demasiado tensas (solución: aflojar las correas); el ventilador de refrigeración del motor no funciona correctamente (solución: comprobar el funcionamiento del ventilador). La primera causa es estadísticamente más frecuente. El servidor puede proporcionar a la unidad de control 107 las causas ordenadas según su frecuencia estadística, de modo que permita al operador intervenir de forma racional, realizando controles e intervenciones a partir de la causa estadísticamente más probable.

El sistema descrito también puede permitir comunicar al servidor 109 la aparición de una causa diferente de las enumeradas en base al contenido de la base de datos 111. Por ejemplo, el operador puede verificar que no se ha producido ninguna de las causas de fallo enumeradas, y puede comunicar al servidor que las coordenadas anómalas del punto de operación actual corresponden, en este caso específico, a una causa diferente de las ya presentes en la base de datos. Esta nueva causa (y la solución correspondiente) podrá almacenarse en la base de datos. De esta manera es posible agregar contenidos a la base de datos 111 para usos futuros.

Además, el operador, que comprueba cuál de las causas supuestas a partir de los datos contenidos en la base de datos 111 es la causa realmente detectada, puede comunicar esta información al servidor 109, para modificar la "clasificación" de esa causa del fallo. Esto puede afectar el contenido real de la base de datos, es decir, la frecuencia de ocurrencia de una causa de fallo (y la solución relacionada) con respecto a otra puede variar con el tiempo, para tener en cuenta el número real de ocurrencias de esta causa.

Las operaciones anteriores pueden automatizarse total o parcialmente, o realizarse manualmente, con la intervención de un operador del lado de la planta y/o un operador del lado del servidor.

La conexión entre la planta 1 y el servidor 109 puede ser una conexión remota a través de Internet. En algunas realizaciones, el sistema puede implementarse a través de tecnología en la nube. El servidor 109 y la base de datos 111 también pueden instalarse directamente en el mismo lugar donde está ubicada la planta. Sin embargo, es preferible centralizar el servidor y la base de datos, por ejemplo, en el proveedor o vendedor de la planta, o en cualquier otro sujeto encargado de la supervisión y el servicio, para centralizar también la información recibida de las plantas individuales, que puede ser agregado al contenido existente de la base de datos.

La figura 12 muestra un diagrama resumido de una realización del método descrito en el presente documento. La parte izquierda del diagrama, indicada con (A), muestra las funciones que se realizan en la planta, por ejemplo, a través de una unidad de control. La parte derecha, indicada con (B), muestra las funciones que realiza un servidor. La unidad que controla la planta, o parte de ella, podrá estar conectada al servidor a través de Internet, o mediante cualquier otro canal adecuado.

El bloque 201 muestra la detección de una anomalía, representada por el hecho de que el punto P de operación actual de coordenadas (a,μ), que representa el parámetro operativo de una unidad funcional, está fuera del intervalo de valores permitidos. La anomalía se informa al servidor (bloque 202).

En base a los valores de las coordenadas (a, p), es decir, en base a la posición del punto de operación actual con respecto al intervalo de valores permitidos, el servidor consulta la base de datos (bloque 203) y recibe (bloque 204) una lista de posibles anomalías, y soluciones relacionadas, que pueden corresponder a las coordenadas detectadas. Cada anomalía (Anomalía_i) y su solución (Solución_i) pueden caracterizarse por un valor de probabilidad (Prob_i (%)), es decir, la probabilidad de que ocurra. La lista de posibles anomalías y soluciones, que contiene, en el ejemplo ilustrado, N anomalías y N soluciones, se envía a la unidad de control de la planta, esta última la recibe (bloque 205) y puede, por ejemplo, mostrarla en una interfaz de usuario, para permitir el operador realice las comprobaciones necesarias.

El operador de la planta podrá realizar las comprobaciones (bloque 206) a partir de la anomalía que, con mayor frecuencia, está asociada a las condiciones operativas anómalas detectadas (P(a,j)).

A través de la unidad de control 107 es posible comunicar al servidor 109 si la anomalía se ha encontrado entre las de la lista (bloque 207). En caso afirmativo, se informa al servidor 109 (bloque 208) cuál de las anomalías (y soluciones) enumeradas es la que realmente se encontró. El diagrama de bloques de la figura 12 muestra que la anomalía realmente detectada es la j-ésima anomalía (AnomalíaJ) y que ha sido resuelta según la j-ésima solución (SoluciónJ). De esta manera, el servidor 109 puede actualizar (bloque 209) el valor de la probabilidad de anomalía, basándose en los datos históricos más los datos relacionados con la anomalía recién resuelta.

Si en la unidad funcional no se produce ninguna de las anomalías enumeradas, y el operador identifica una causa de mal funcionamiento diferente no enumerada, prepara y aplica la solución correspondiente, si es necesario con la ayuda de un técnico de mantenimiento suministrado por la planta. empresa de fabricación. La nueva anomalía, indicada con Anomalía_N 1 en el bloque 210, se comunica al servidor 109, que la inserta entre las posibles asociadas a la condición P(a, μ) y actualiza la base de datos, ver bloque 211. Al hacerlo, no solo una posible (N 1)-ésima anomalía se añade entre las que pueden corresponder a las coordenadas de operación P(a, j) , pero también se calcula nuevamente la probabilidad de las posibles anomalías asociadas a esa posición dada del punto de operación, fuera del intervalo de valores permitidos.

Debe entenderse que, en general, no es posible identificar una anomalía (o una serie de anomalías) para cada punto específico de operación actual fuera del intervalo de valores permitidos para a y j . Por el contrario, habrá áreas más pequeñas o más grandes que contienen puntos correspondientes a una misma clase de causas y soluciones correspondientes que el servidor 109 puede identificar y proponer al operador de la planta.

Los intercambios de datos descritos con referencia a la figura 12 pueden tener lugar con un mayor o menor grado de automatización. En principio, todas las comunicaciones podrían realizarse a través de uno o más operadores humanos. En la práctica, las comunicaciones pueden tener lugar al menos parcialmente de forma automática o semiautomática, donde un operador abre un canal de transmisión entre la unidad de control (o un ordenador o un servidor, al que está asociada la unidad de control) y el servidor 109; a través de este canal se pueden intercambiar datos e información.

En una fase inicial de aprendizaje, las soluciones para los distintos fallos o condiciones de funcionamiento anómalas se pueden obtener a partir de tarjetas de mantenimiento realizadas a lo largo del tiempo, con un aumento gradual y continuo de la base de datos 111. De esta forma, un aprendizaje continuo permite dar soluciones cada vez más precisas a las anomalías que se pueden producir en las distintas unidades funcionales de la planta 1.

En el diagrama de las figuras 11 y 12, se ha ilustrado una solución en la que la planta está física y administrativamente separada e independiente del servidor que gestiona la base de datos que proporciona información sobre las causas y soluciones de las anomalías detectadas. Sin embargo, esta arquitectura no es la única posible. De hecho, la base de datos puede residir, por ejemplo, en un ordenador o servidor perteneciente a la planta, o en general propiedad del propietario de la planta, en lugar de en un servidor de un tercero. En este caso, las operaciones descritas anteriormente con referencia a la figura 12 se pueden realizar directamente desde la unidad de control de la planta 1 o desde un servidor conectado a la planta 1 y gestionado por el mismo sujeto que gestiona la planta. En este caso la base de datos se puede actualizar con los datos de una sola planta, pero, si es necesario, también con datos provenientes de otras plantas. Varias plantas pueden intercambiar datos entre sí para almacenarlos en bases de datos ubicadas en cada una de las plantas, por ejemplo, en los servidores de las empresas propietarias de las plantas.

Por ejemplo, en una configuración de este tipo, cada instalación puede contribuir a actualizar y aumentar la base de datos con anomalías/soluciones, para crear una especie de red global de máquinas.

Claims (4)

REIVINDICACIONES

1. Un método para monitorizar la operación de una planta de producción de cartón ondulado, que comprende las siguientes etapas:

detectar al menos un parámetro operativo de una unidad funcional de la planta y calcular un valor actual de al menos una primera función estadística de dicho parámetro operativo en una ventana temporal actual, definiendo el valor actual de dicha primera función estadística una primera coordenada de un punto del funcionamiento actual de la unidad funcional;

verificar si el punto de operación actual está dentro de un intervalo de valores permisibles de la primera función estadística, correspondiendo los valores contenidos en dicho intervalo de valores permisibles a una operación correcta de la unidad funcional;

caracterizado por

si el punto de operación actual está fuera del intervalo de valores permitidos, determinar la posición del punto de operación actual con respecto al intervalo de valores permitidos y proporcionar un diagnóstico estadístico de la causa de la desviación consultando una base de datos basada en las coordenadas del punto de operación actual; en el que para al menos algunas coordenadas del punto de operación actual que están fuera del intervalo de valores permitidos, la base de datos contiene una pluralidad de posibles causas de la desviación del punto de operación actual con respecto al intervalo de valores permitidos, y, para cada una de dichas posibles causas, una indicación sobre la mayor o menor probabilidad de ocurrencia de una de dichas posibles causas con respecto a las demás.

2. El método de la reivindicación 1, que comprende además la etapa de calcular un valor actual de una segunda función estadística de dicho parámetro operativo en dicha ventana temporal actual, definiendo respectivamente el valor actual de la primera función estadística y el de la segunda función estadística la primera coordenada y una segunda coordenada del punto de operación actual de la unidad funcional; y en el que dicho intervalo de valores permitidos se define como un intervalo bidimensional de valores permitidos de la primera función estadística y de la segunda función estadística.

3. El método de una o más de las reivindicaciones anteriores, en el que la base de datos contiene, para dichas coordenadas del punto de operación actual que están fuera del intervalo de valores permitidos, la indicación de al menos una posible solución para la causa de la desviación del punto de operación actual de la unidad funcional con respecto al intervalo de valores permitidos.

4. El método de la reivindicación 1 o 2, que comprende las siguientes etapas:

basándose en la posición del punto de operación actual con respecto al intervalo de valores permitidos, consultar la base de datos a través de un servidor y recibir una lista de posibles anomalías y soluciones relacionadas, que corresponden a la posición del punto de operación actual, en el que cada anomalía y su solución se caracterizan por un valor de probabilidad que indica la probabilidad de que ocurra dicha anomalía;

comunicar al servidor a través de una unidad de control qué anomalía de la lista de posibles anomalías provocó la desviación y, a través del servidor, actualizar el valor de la probabilidad de anomalía, basándose en datos históricos más los datos relacionados con la anomalía recién resuelta;

si una anomalía diferente, no contenida en la lista de posibles anomalías, causó la desviación, comunicar al servidor la anomalía diferente y agregar la anomalía diferente en la base de datos entre las posibles anomalías asociadas con las coordenadas correspondientes del punto de operación actual, y calcular de nuevo la probabilidad de las posibles anomalías asociadas a dichas coordenadas.