La detección de anomalías en procesos industriales es un tema de alto impacto que ha sido analizado y estudiado en diversas áreas de la ingeniería e investigación. La mayor parte de los métodos de detección actualmente disponibles posibilitan el estudio de las irregularidades encontradas en el historial de un proceso, ayudando a extraer información significativa (y a veces crítica) en una amplia variedad de aplicaciones, y convirtiéndose de este modo en parta fundamental e integral de esquemas de reducción de costos tanto humanos como económicos en la industria contemporánea. El objetivo general de este trabajo es desarrollar e implementar un enfoque modular de detección de anomalías, aplicable a procesos industriales multivariados y fundado en el análisis de residuos generados a partir de modelos no paramétricos basados en similitud (similarity-based modeling, SBM). La herramienta consiste principalmente de un sistema de generación automática de modelos SBM, una metodología de estudio de eventos y un algoritmo estadístico de detección. El trabajo realizado se enmarca en un proyecto de colaboración conjunta entre las empresas CONTAC, INGENIEROS LTDA. y ENDESA-CHILE. Gracias a esto, ha sido posible evaluar el sistema propuesto utilizando datos de operación correspondientes a una central termoeléctrica de ciclo combinado perteneciente a la segunda empresa ya mencionada. Las comparaciones en cuanto al desempeño del sistema de modelación implementado permiten concluir que el algoritmo es capaz de generar una representación más apropiada del proceso, basado en el error obtenido con la técnica de modelación SBM, la cual es cercana al 25% del error obtenido con la técnica de modelación lineal en los parámetros. Además, la metodología de estudio de eventos permite detectar correctamente las variables que no aportan al objetivo de detección de un evento en particular, así como también identifica las variables más significativas para lograr tal propósito, reduciendo el número de variables analizadas y con esto, los requerimientos de cómputo de operación en línea. La validación de los resultados entregados por el método de detección de anomalías desarrollado, permite aseverar que la utilización de modelos no-paramétricos tipo SBM, en combinación con la metodología de estudio de eventos y el algoritmo estadístico de detección, resultan eficaces a la hora de generar alarmas y detectar las anomalías estudiadas.

Ingeniero Civil Electricista / La industria de la minería se ha visto expuesta a un mercado cada vez más exigente, factor que ha hecho necesario establecer estrategias claras de mejoramiento de sus políticas de producción con el fin de satisfacer los desafíos que se le presentan. Es por ello que una de las áreas que ha debido reforzar es la del mantenimiento, donde juegan un rol importante los sistemas que se puedan implementar para optimizar tareas tales como la detección y/o predicción de fallas/anomalías, dentro de estrategias de mantenimiento predictivo. Es en este punto donde se centra el aporte de la presente Memoria de Título, ya que su objetivo principal es el de desarrollar una herramienta para poder llevar a cabo la tarea de detección de anomalías para el caso de los molinos de bolas, los que forman parte importante en el proceso de molienda del material particulado. En este estudio se aborda el caso de un molino de bolas con potencia y velocidades nominales de 12 MW y 100 rpm respectivamente, siendo una de sus principales características su accionamiento (gearless) que opera como un motor síncrono de gran escala. Ello tiene algunas desventajas, como el presentar fallas que otros molinos no tienen; considérese por ejemplo un mayor riesgo de que sus polos magnéticos resulten quemados. Precisamente este modo de falla motiva el trabajo desarrollado en esta Memoria de Título, que se centra en la detección de la mencionada anomalía a través de la generación de modelos del proceso y análisis de residuos. Para la generación de residuos se utilizaron Modelos Basados en Similitud (SBM de sus siglas en inglés). Fue implementado un procedimiento para llevar a cabo esta tarea utilizando herramientas estadísticas multivariables, como es el caso del análisis en componentes principales (PCA por sus siglas en inglés) obteniéndose errores relativos (en sus estimaciones) con respecto al conjunto de datos medidos del 0,88% en promedio, lo que resulta menor en comparación con un modelo de regresión lineal, que tuvo un 3,69% mayor error relativo medio. En cuanto al método de detección de anomalías, se hizo uso de un sistema basado en histogramas del error, que compara el vector residual obtenido de un conjunto de datos etiquetado como normal con posibles anomalías. Utiliza como pilar el estudio de funciones de distribución (Chi-Cuadrado), para una significancia del 95%, obteniendo una efectividad del 100%, puesto que cada uno de los datos etiquetados como anómalos fueron detectados. El presente documento pretende ser una base para estudios futuros, asociados a la búsqueda de anomalías en otras maquinarias y análisis de otros modos de fallas.