Productos químicos y petroquímicos

 

MATLAB y Simulink para la industria de los productos químicos y petroquímicos

Los ingenieros de procesos utilizan MATLAB® y Simulink® para analizar datos de sensores en tiempo real, implementar estrategias de control y crear sistemas de mantenimiento predictivo basados en big data y machine learning.

MATLAB y Simulink ayudan a los ingenieros de procesos a:

  • Desarrollar sistemas de mantenimiento predictivo mediante la aplicación de técnicas numéricas a datos de sensores de alta velocidad
  • Utilizar machine learning con datos históricos para solucionar problemas de procesos
  • Usar la modelización de datos para mejorar el rendimiento de los procesos 
  • Desarrollar e implementar estrategias de control avanzado de procesos (APC)
  • Adoptar la digitalización sin depender de científicos de datos o personal de sistemas informáticos

"Como empresa de fabricación, no tenemos científicos de datos con experiencia en machine learning, pero MathWorks nos proporcionó herramientas y conocimientos técnicos que nos permitieron desarrollar un sistema de mantenimiento predictivo de producción en cuestión de meses."

Dr. Michael Kohlert, Mondi Gronau

Ver un ejemplo 

Shell detects events and abnormalities in chemical plants using predictive analytics with MATLAB .
Shell and the AACoE shows how to use MDCS to bring its engineers easy and painless AI tools to speed up processes while increasing their reliability.

Más allá de los simuladores de procesos

Los simuladores de procesos tradicionales suelen ser suficientes en situaciones de estado estacionario, pero no pueden gestionar la naturaleza dinámica de las señales con las que tratan las plantas de producción reales. Con MATLAB, puede escribir sus propias ecuaciones y algoritmos, lo cual le otorga el control total del modelo completo.

También es posible integrar MATLAB con simuladores de procesos tales como Aspen Plus y gPROMS para operaciones unitarias personalizadas, analítica avanzada, diseño de esquemas de control y aprovechamiento de rutinas de optimización, tales como los algoritmos genéticos.

Descubra por qué Johnson Matthey prefirió MATLAB a un simulador de procesos para modelizar un sistema de postratamiento de gases de escape de un motor.

Optimización de activos con mantenimiento predictivo y procesamiento de señales

MATLAB puede ayudarle a desarrollar algoritmos de mantenimiento predictivo personalizados según el perfil operativo y la arquitectura específica de su equipo. Utilice Predictive Maintenance Toolbox™ para diseñar indicadores de condición y calcular la vida útil restante de su maquinaria rotatoria.

Puede utilizar Signal Processing Toolbox™ para automatizar la supervisión del rendimiento de sus bucles de control, determinar de manera remota el alcance de la corrosión o las picaduras en los oleoductos y detectar la ubicación y la cantidad de fugas en ellos.

Descubra cómo Baker Hughes utilizó MATLAB para implementar una plataforma de mantenimiento predictivo para equipos de extracción de gas y petróleo que redujo los costes totales en un 30-40%.

Machine learning y big data

Las apps interactivas de Statistics and Machine Learning Toolbox™ permiten aplicar técnicas de machine learning sin necesidad de ser un experto en data analytics. MATLAB proporciona también un entorno único de alto rendimiento para trabajar con big data, tanto estructurados como no estructurados. Esto permite realizar la detección y el diagnóstico de fallos con mayor rapidez y mejorar la supervisión de los procesos.

Descubra cómo los investigadores de I2C2 analizaron millones de filas de datos de procesos y desarrollaron modelos de machine learning para predecir las propiedades funcionales de la leche en polvo.

Deep learning y procesamiento de imágenes

Basta con unas pocas líneas de código de MATLAB para crear modelos de deep learning que emplean los datos de procesos para predecir estados anormales. Utilice las apps de Image Processing Toolbox™ para automatizar procesos habituales, tales como la segmentación de datos de imágenes y el procesamiento por lotes de grandes conjuntos de datos de imágenes. Puede emplear MATLAB en aplicaciones de procesamiento de imágenes tales como la caracterización de llamas, las imágenes térmicas de maquinaria y la inspección de calidad del film de plástico. Con deep learning en MATLAB, es posible aprender representaciones de características directamente a partir de datos de imagen y vídeo.

Descubra cómo utiliza Dexerials Corporation la inteligencia artificial para detectar defectos en tiempo real en la fabricación de film.

Mejora de los procesos gracias a la modelización de datos

Utilice las herramientas de análisis multivariante de MATLAB para determinar las variables independientes que afectan al rendimiento de los procesos. System Identification Toolbox™ permite crear y utilizar modelos de sistemas dinámicos que no se modelizan con facilidad a partir de especificaciones o primeros principios. Esta toolbox también permite la estimación online de parámetros y estados de manera interactiva.

Watch how Shell used MATLAB (3:35) para desarrollar modelos y llevar a cabo la optimización en tiempo real de un proceso por lotes.

Desarrollo e implementación de estrategias de APC

Los productos de control de MATLAB permiten diseñar esquemas de control y efectuar simulaciones dinámicas para un mejor análisis del comportamiento de la planta. Diseñe, simule e implemente controladores predictivos de modelos lineales y no lineales para su planta mediante Model Predictive Control Toolbox.

Los ingenieros de control también pueden integrar modelos de procesos de Aspen Plus y gPROMS en Simulink. De esta forma, es posible volver a implementar modelos existentes para diseñar una estrategia de control en su entorno preferido.

Compruebe cómo Tata Steel ahorró un 40 % de energía en sus torres de refrigeración industrial gracias a la optimización de la estrategia de control a través de un gemelo digital.

Digitalización

MathWorks puede ayudarle a adoptar e implementar estrategias de big data específicas para las necesidades de su organización. Puede emplear las toolboxes y las arquitecturas de referencia prediseñadas de MATLAB para simplificar una amplia gama de aplicaciones: desde la integración con sistemas informáticos empresariales, la nube y la infraestructura de datos de producción hasta el escalado del cálculo a clusters o la implementación de los modelos a modo de aplicaciones para compartirlas con usuarios que no disponen de MATLAB.

Averigüe cómo conectar directamente con sistemas PI System de OSIsoft y habilitar la inteligencia operativa en tiempo real. 

Watch how Shell embraced digitization (29:14) mediante MATLAB Production Server™. Los ingenieros de Shell automatizaron sus procesos para integrar los datos de distintas fuentes, crear modelos e implementar los análisis en la nube y en sistemas de empresa.

Implementación de DCS para cerrar el bucle

Los algoritmos de MATLAB se pueden integrar con diversos sistemas DCS gracias a OPC Toolbox™. OPC Toolbox proporciona acceso a datos OPC en tiempo real e históricos directamente desde MATLAB y Simulink. Es posible leer, escribir y registrar datos OPC de dispositivos, como sistemas DCS, sistemas de control de supervisión y adquisición de datos y PLC. OPC Toolbox permite trabajar con datos de servidores en tiempo real e historiadores de datos que cumplen los estándares OPC DA, HDA y UA.

Descubra cómo utiliza Genentech MATLAB y OPC Toolbox para crear una plataforma de desarrollo de algoritmos de control de supervisión para biorreactores.

“Otra de las ventajas de desarrollar nuestro propio sistema en MATLAB y Simulink es que podemos capturar el conocimiento y la experiencia organizativos acumulados por los ingenieros de Johnson Matthey en vez de depender de una solución genérica de otra empresa.”

Tim Watling, Johnson Matthey

Díganos cómo podemos ayudarle.

Póngase en contacto con nosotros para obtener una evaluación personalizada y presupuestos acordes a sus necesidades.