Análisis de procesos de plantas químicas con modelos de redes aleatorias y de espacio estado
Professor Advisor
dc.contributor.advisor
Castro Rojas, Alberto
Author
dc.contributor.author
Paillacán Huaitro, Erwin Nicolás
Associate professor
dc.contributor.other
Azurdia Meza, César
Associate professor
dc.contributor.other
Palacios Játiva, Pablo
Admission date
dc.date.accessioned
2021-10-14T19:40:16Z
Available date
dc.date.available
2021-10-14T19:40:16Z
Publication date
dc.date.issued
2021
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/182281
Abstract
dc.description.abstract
SQM produce carbonato de litio en su planta Salar del Carmen, cerca de Antofagasta, Chile, a partir de soluciones con altas concentraciones de litio provenientes del Salar de Atacama. El carbonato de litio debido a su potencial electroquímico y su liviano peso es principalmente usado en la construcción de cátodos para baterías ion litio, las cuales han tenido una creciente demanda debido al uso en vehículos eléctricos, computadores portátiles, etc. En este trabajo se modela la etapa de micronizado - empaquetado de la producción de este elemento mediante modelos redes aleatorias y de espacio estado.
La metodología propuesta consta de una etapa de preprocesamiento de los datos, luego se genera la modelación del proceso mediante redes bayesianas gausianas dinámicas (DGBN)y modelos de espacio estado, donde se ponen a prueba el uso de conocimiento experto y ensambles para las variables de control, con lo que se generan 23 modelos distintos tanto multivariables como univariables para las variables objetivo. Posteriormente, se continúa el desarrollo de las herramientas para su despliegue en línea, llámese código fuente y aplicaciones web. Finalmente, las herramientas desarrolladas se actualizan de forma automatizada con lo cual los modelos y sus resultados se supervisan diariamente.
Con respecto a los resultados obtenidos basados en el modelamiento del proceso se verifica que los modelos de tipo espacio estado y su ajuste mediante filtro Kalman no resultan apropiados para el proceso estudiado, debido a que se cuenta con una baja frecuencia en la actualización de la base de datos, ocasionando que se requiera un horizonte de forecasting demasiado amplio. El modelo que obtuvo los mejores resultados fue DGBN sin restricciones, sin embargo, se opta por su versión con uso de arcos obligatorios para el estudio de la influencia de las variables de control. Los análisis muestran que la variación de las variables de control ocasiona comportamientos opuestos sobre las variables objetivo.
es_ES
Patrocinador
dc.description.sponsorship
Sociedad química y Minera de Chile S.A.
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States