Aplicación de técnicas de redes neuronales artificiales al diagnostico de procesos industriales

La tesis doctoral que aquí se presenta se enmarca dentro de las áreas de trabajo de
diagnóstico y mantenimiento de procesos industriales, y propone un nuevo sistema de
detección de anomalías incipientes basado en el modelado conexionista del
funcionamiento normal de los componentes. El sistema propuesto está especialmente
dirigido a resolver el problema de la detección de anomalías en aquellos casos en los
que no existe una completa base de datos de fallo, y en los que el modelado físico del
comportamiento de los componentes resulta inviable.
La solución propuesta consiste en caracterizar el comportamiento normal de los
componentes involucrados mediante la aplicación de técnicas de modelado de
procesos dinámicos no lineales con aproximadores funcionales. Como
aproximadores funcionales se propone utilizar Redes Neuronales Artificiales
supervisadas, tales como el Perceptrón Multicapa y la red PRBFN (aportación
original de esta tesis). Estas herramientas, además de ofrecer una elevada capacidad
de representación, poseen una estructura modular que las hacen altamente
paralelizables y realizables en “hardware”.
Una vez que el modelo de funcionamiento normal de cada componente ha sido
identificado y ajustado, la caracterización del comportamiento normal se consigue
delimitando la región del espacio de entrada “conocida” por cada modelo (región de
confianza) y estableciendo las cotas máximas admisibles de los residuos de la
estimación. Para delimitar la región de confianza de cada modelo, se propone utilizar
una red PRBFN para estimar la función de densidad probabilista según la cual se
distribuye el vector de regresores en el conjunto de entrenamiento utilizado para el
ajuste del modelo. Esta misma red puede ser utilizada posteriormente para estimar de
forma local la varianza de los residuos en condiciones de funcionamiento normal,
obteniendo de esta forma las cotas máximas admisibles de los errores de estimación,
y por consiguiente las bandas de funcionamiento normal.
El sistema de detección de anomalías resultante será por lo tanto capaz de identificar
por sí mismo aquellas condiciones de operación, que por su novedad, no pueden ser
tratadas con un grado de fiabilidad adecuado. La estimación de la cota máxima de los
residuos en función del punto de operación permite además ajustar la sensibilidad del
sistema de detección a las características propias de cada punto de operación. Estas
dos propiedades, unidas a la intrínseca capacidad de adaptación del sistema y a la
versatibilidad de los modelos de funcionamiento normal, constituyen las principales
prestaciones del sistema de detección de anomalías que se propone en esta tesis.