Modelos especializados en la detección incipiente de fallos

Una de las mejores técnicas de detección incipiente
de fallos en sistemas industriales es la
utilización de modelos de comportamiento normal
del proceso monitorizado. La utilización de
estos modelos tiene por objeto aumentar la robustez
del sistema de detección disminuyendo la
existencia de falsas alarmas.

Estos modelos de comportamiento normal suelen
ajustarse por el método de mínimos cuadrados,
que es adecuado para obtener modelos que reproduzcan
fielmente la dinámica del comportamiento
del sistema. Sin embargo la tesis demuestra que
los modelos obtenidos de esta manera no son los
más apropiados para detección incipiente de fallos.

El comportamiento de un sistema de detección
indipiente de fallos depende tanto del modelo
utilizado como del análisis que se haga a partir de
los valores estimados por el mismo. Por lo tanto
esta tesis propone una metodología de ajuste global
de todos los parámetros que intervienen en el
sistema de detección (parámetros del modelo y
parámetros de los algoritmos de detección).

Además, para realizar el ajuste es importante analizar
el comportamiento del sistema de detección
tanto en situación de funcionamiento normal como
durante los procesos de degradación, ya que es
la única manera de comprobar si es sensible a los
distintos modos de fallo.

La tesis define una estructura modular de sistema
de detección de fallos aplicable para métodos
basados en el análisis de los residuos del modelo
y a métodos basados en el análisis de la evolución
de los parámetros de modelos adaptativos. También
define criterios para valorar la calidad del
sistema de detección y una metodología de ajuste
basada en optimización multi-objetivo.

El ejemplo principal de aplicación es la detección incipiente de un fallo
en el sistema de suspensión
de un tren.