Resumen de Uso de técnicas avanzadas para la modelización de la evolución de variables de proceso en una fábrica de cristal

José Valeriano Álvarez Cabal, Francisco Ortega Fernández, César Menéndez Fernández, Antonio Bello García

• español

  Este trabajo se enmarca dentro de los desarrollos de la European Network of Excellence on Intelligent Technologies for Smart Adaptive Systems (EUNITE). Con la colaboración de Schott Glass se propone en forma de concurso, la modelización de la variación de temperatura de un tanque de mezcla de cristal. El proceso parece responder a una serie temporal cuyos ciclos son desconocidos. El objetivo final es conseguir reunir las ideas acertadas sobre la selección y filtrado de variables y la modelización para aprovechar las sinergias de la red de excelencia.

  El grupo de investigación GAPI propone una solución basado en el filtrado de los datos a través de técnicas basadas en el cálculo de distancias entre datos y la selección de variables basada en el uso de APIMARS. La modelización se debe basar en una mezcla de la información extraída de los valores anteriores de las variables de salida y de la modelización a partir de las variables de entrada. Por ellos se desarrollaron tres modelos diferentes para predicciones a corto, medio y largo plazo. Cuando más corto es el plazo de la predicción mayor será la importancia de los valores anteriores de la variable de salida. Esta división permite mejorar el ajuste a corto plazo.

• English

  This work is enclosed in the developments achieved by the European Network of Excellence on Intelligent Technologies for Smart Adaptive Systems (EUNITE). It proposes the modeling of the evolution of a glass melting tank. This problem is especially complex because dependent variables must be considered as temporal series whose cycles, tendency and dependencies are unknown. The final mission is come together the conclusions of the different selection, filtering and modeling techniques. The advance in the solution takes advantage of synergy between the members of the excellence network.

  The GAPI team proposes a solution based on the data filter using projection techniques and relative distances between data, and a selection of the most relevant variables based on the APIMARS use. The estimation of the dependant variables future performance is made using a mix of the extracted information of the variable’s previous values and the static modeling using the independent variables. The solution includes three different models. For short term predictions, 8 hours (it must be considered a data was captured every quarter), the model gives much relevance to the previous values of the output variable. For predictions of medium range, 3 days, the model must give a greater relevance to the independent variables. And for predictions of long term, the model is based exclusively on independent variables.

  This approximation lets improve the short range fitting.