06-12 M859.pdf

More documents

Recommendations

Info

clase) manejados en rampas pequeñas. La modelización orientada a objetos se está exten- 4 diendo a medida que se desarrollan las herramientas y lenguajes de programación adecuados. En un futuro próximo, la optimización dinámica de las condiciones transitorias en tiempo real, la creación de modelos híbridos de la dinámica de procesos y la programación de tipo mixto-entero formarán parte de los recursos disponibles para el ingeniero de procesos. Finalmente, la optimización económica del desarrollo de los procesos, inclusive los aspectos del ciclo de vida, será la solución preferida por los clientes industriales. Este kit de herramientas para un control óptimo tiene muchos componentes interactivos distintos 3 . Los modelos mismos varían durante el ciclo de vida del proceso y se actualizan permanentemente con los datos en tiempo real. Optimización económica Toda empresa, independientemente de si fabrica productos, presta servicios o distribuye electricidad por una red, ha de tener un interés fundamental en controlar sus 5 operaciones desde el punto de vista económico. Normalmente, esto consiste en minimizar la función ’coste menos ingresos’ 4 . Cuantos más elementos se tengan en cuenta tanto más realista será la estrategia de control. Sin embargo, esto se consigue a costa de aumentar exponencialmente la complejidad. La minimización a lo largo del tiempo de esta función, también llamada objetivo económico, está sujeta a las restricciones –tanto rigurosas como menos rígidas– descritas anteriormente, y también al comportamiento dinámico de los diferentes componentes, ya que varios de ellos cambian con el tiempo. Lo que a fin de cuen- Ciclo de vida de los activos: La implementación de un bucle externo de optimización económica proporciona valores de referencia operativa para el bucle de control interno. Sensing & Economic lifecycle Reference Actuation estimation cost estimate Control Asset costs Energy costs Process La función objetivo económico t N min ∑ [C A (t i )+C E (t i )+C M (t i )+C L (t i )–R(t i )] t i =t 0 tas desea la industria es tener capacidad para calcular on-line estas estrategias de control a partir de los datos en tiempo real. Un examen más minucioso de cada componente muestra de qué manera: Los costes del activo dependen de dos fases diferentes, el diseño y el ciclo de vida. Este último depende de la esperanza de vida residual y de los costes de mantenimiento e inspección, que podrían ser una función de las estrategias de operación. Los costes de energía comprenden un componente térmico y otro eléctrico. En ambos casos, las empresas pueden comprar la energía o generarla ellas mismas. Los costes varían con los precios de mercado y el tipo de combustible. En la fórmula se puede incluir la exportación del exceso de energía generada introduciendo un factor de coste negativo. Los costes de las materias primas dependen de los precios de mercado, de la cantidad y de las estrategias de descuentos. Se pueden añadir a la dinámica los costes de inventario, introduciendo factores como el almacenaje de productos intermedios en reguladores de stocks o el almacenaje final de productos terminados. Finalmente, los costes de mano de obra dependen de varios factores, los turnos de personal, la inspección y la frecuencia de mantenimiento entre otros. En la práctica, este componente de coste tiene una influencia significativa en el resultado de cualquier intento de optimización. Todos los costes anteriores se comparan con los ingresos debidos al producto, que varían de acuerdo con los precios cambiantes del mercado. Product revenues Labor costs Material costs La figura 5 muestra cómo, al implementar un bucle externo de optimización económica, se proporcionan valores de referencia operativa al bucle de control interno. Economic optimization Context information, eg spot market price, weather forecast Los límites del control avanzado A medida que aumente la demanda de creación de modelos matemáticos más refinados cabe esperar esfuerzos muy inten- Revista ABB 2/2004 11
sos de I+D en diversos campos. A la cabeza de la lista están la mayor facilidad de uso y la robustez de los algoritmos en una configuración en línea. Puesto que las fábricas se pueden considerar como entidades homogéneas, es de esperar que tengamos que afrontar problemas más complejos. Yendo más allá de una instalación única, abordaremos la fábrica virtual con varias cadenas de producción repartidas por todo el mundo. La investigación en el campo de las aplicaciones estudiará las formas de descomponer estas tareas de gran envergadura y aplicar técnicas de resolución de problemas de carácter distribuido, con un enfoque dirigido a los agentes, sin introducir la suboptimización. La no linealidad, las transiciones entre estados estacionarios, las limitaciones dinámicamente variables y el tratamiento de sucesos anormales son problemas bien conocidos por la industria, que desea solucionarlos on-line y en tiempo real. La predicción y la programación avanzadas deberán funcionar con horizontes tempo- rales mayores e intervalos de tiempo variables. Otro campo que habrá que investigar más es el de la consistencia y calidad de los datos. Las técnicas de balance de masa pueden compensar los errores de medición provocados por la ‘desviación’ o el fallo de los sensores garantizando cierto grado de consistencia, aunque en este campo hay muchas mejoras posibles. El mantenimiento preventivo es una forma fiable de eliminar las paradas imprevistas de la producción. La facilidad de uso tiene dos facetas. Por un lado, los modelos se han de diseñar de modo que interactúen fácilmente y sean comprensibles para los operadores. Por otro lado, se han de poder generar desde la topología de la fábrica, según se describe en los diagramas P&I (proceso e instrumentación). Es importante introducir los datos sólo una vez. Con los sistemas ERP deben generarse los datos económicos. Las dimensiones del ciclo de vida deberán integrarse en los modelos globales. Podemos decir, en resumen, que los aspectos de la productividad relativos a los activos y a la energía deberán poner mayor énfasis en el modelado, control y optimización. Los últimos avances de la automatización han simplificado la aplicación industrial del control y de la optimización, aunque siendo necesario mejorar la modelización y la ingeniería, así como la facilidad de uso de los modelos. Aún falta mucho para conseguir estas deseables características, pero incluso pequeños avances en esta dirección prometen tener un efecto importante, como muestran otros artículos de este número de Revista ABB. Nils Leffler Chief Editor ABB Review nils.leffler@ch.abb.com Peter Terwiesch Technology Manager ABB Automation Technologies peter.terwiesch@de.abb.com Bibliografía [1] P. Terwiesch: Frontiers in industrial process automation – a personal perspective. Invited plenary lecture, IFAC ADCHEM, Hong Kong, 2004. <strong>12</strong> Revista ABB 2/2004
Page 1 and 2: AspectosNils Leffler, Peter Terwies
Page 3 and 4: junto con nuevas tecnologías de se
Page 5: es necesario disponer de potentes o

06-12 M859.pdf

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?