Implementación de sensores inteligentes utilizando redes neuronales aplicados en procesos de refinación del petróleo

Abstract

En este trabajo se desarrolló un sensor virtual para predecir el índice de viscosidad de un proceso de la industria petroquímica denominado Extracción de Aceites Lubricantes con Fenol. Para ello se utiliza una red neuronal entrenada por el método de Activación de Pesos Aleatorios, técnica que a diferencia de otras no es iterativa y por ello resulta ser mucho más rápida que otros métodos tradicionales, alcanzando objetivos de error suficientemente bajos para reemplazar el sensor real. Como resultado, la herramienta de software elaborada para tal fin puede ser utilizada en el entrenamiento de cualquier sistema (entradas-salida) que se pretenda resolver aplicando redes neuronales de este tipo. Cuenta con todos los pasos intermedios requeridos como la asistencia en la selección de variables por métodos estadísticos que utilizan la matemática requerida para el tratamiento de esta clase de procesos estocásticos, pruebas de posible linealidad, tratamiento de señal para filtrar ruido y eliminar datos falsos, entrenamiento-validación y pruebas por simulación fuera de línea y en línea con el proceso real. Se utiliza la medición del Error RMS y el Máximo Error encontrado, principalmente en la fase de validación para ser usado como el parámetro de comparación que permita evaluar el desempeño del modelo obtenido. La técnica de entrenamiento utilizada es suficientemente rápida para implementar funciones de reentrenamiento en línea en caso de ser requerido por el sistema lo cual se registra gráficamente para atender este requerimiento.