Uso de modelos de similitud para detección de anomalías y modelos de predicción en procesos de concentración de minerales
Professor Advisor
dc.contributor.advisor
Orchard Concha, Marcos
Author
dc.contributor.author
Eugenín Castillo, Matías Andrés
Staff editor
dc.contributor.editor
Facultad de Ciencias Físicas y Matemáticas
Staff editor
dc.contributor.editor
Departamento de Ingeniería Eléctrica
Associate professor
dc.contributor.other
Agusto Alegría, Héctor
Associate professor
dc.contributor.other
Silva Sánchez, Jorge
Admission date
dc.date.accessioned
2016-04-25T18:21:47Z
Available date
dc.date.available
2016-04-25T18:21:47Z
Publication date
dc.date.issued
2016
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/137946
General note
dc.description
Ingeniero Civil Eléctrico
Abstract
dc.description.abstract
En la actualidad, la supervisión de procesos necesita ser cada vez más eficiente. Hoy en día se cuenta con múltiples sensores en cada proceso, los cuales entregan información de algún estado/variable del mismo. Al analizar esta información, es posible encontrar relaciones entre variables y puntos de operación del proceso. Lo anterior posibilita la construcción de modelos de procesos en base solo a información recaudada de los estados/variables. Esta herramienta de modelación es muy útil cuando no se conoce de manera completa, a nivel fenomenológico, el proceso a estudiar.
El presente Trabajo de Titulo está centrado en la realización de modelos para un molino SAG (Semi-Autógeno) en base a estructuras no-paramétricas de similitud. En primer lugar, se desarrolla un algoritmo para la generación de modelos de similitud usando un enfoque basado en los residuos (diferencia entre el valor real y el valor estimado). Posteriormente, se desarrolla una metodología para estimar variables usando modelos de similitud, la predicción de ellas y un posterior análisis de escenario usando un modelo de predicción.
Al momento de generar un modelo para estimar las variables controladas usando datos históricos reales de un molino SAG, se observa que el modelo creado cumple con los criterios de validación. Posteriormente, usando los mismos datos, se procede a crear un modelo de predicción, con el fin de generar un análisis de posibles futuros escenarios. Los resultados muestran que en el nuevo escenario propuesto, se obtiene un mejor desempeño energético del molino SAG estudiado.
Por otro lado, se genera un modelo para la detección de anomalías usando una base de datos con una anomalía identificada. Los resultados de esta modelación muestran que se detecta exitosamente la anomalía en la base de datos. Se propone a futuro, desarrollar una herramienta que sea capaz de realizar un pronóstico, estimando las variables independientes para una mejor predicción de las variables controladas.