Industria de procesos de extracción, refino, petroquímica y química

 

MATLAB y Simulink para la industria proceso de producción, refino, petroquímica y química

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 - Advanced Process Control)
  • Adoptar la digitalización sin depender de analistas de datos o personal de IT 

"Como empresa de fabricación, no tenemos analistas 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 .

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 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 uso de rutinas de optimización, tales como los algoritmos genéticos.

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

Optimización de equipos usando procesamiento de señal y mantenimiento predictivo

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

Puede utilizar Signal Processing Toolbox™ para automatizar la supervisión del rendimiento de sus lazos 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 los mismos.

Descubra cómo Baker Hughes utilizó MATLAB a fin de 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.

Averigüe cómo los ingenieros de Ruukki redujeron el tiempo de análisis de varios días a menos de un minuto gracias a la integración de diversas bases de datos y al uso de machine learning para la optimización de procesos

Procesamiento de imágenes y PDEs

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 equipos y la inspección de calidad del film de plástico. Con deep learning en MATLAB, es posible el aprendizaje de representaciones de características directamente a partir de datos de imagen y vídeo.

Use las funciones de Partial Differential Equation Toolbox™ para resolver con rapidez ecuaciones de transferencia de calor y masa y ecuaciones diferenciales parciales (PDEs) mediante el análisis de elementos finitos. Esta toolbox acelera los análisis, ya que permite resolver PDEs con tan solo unas pocas líneas de código.

Descubra cómo DuPont automatizó la cuantificación del crecimiento de moho y la composición de la colonia mediante el análisis de imágenes multiespectrales en MATLAB.

Mejora de los procesos gracias a la Modelado de datos

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

Big data y análisis predictivo en Shell (3:35) para desarrollar modelos y llevar a cabo la optimización de 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. Valide su diseño con pruebas hardware in-the-loop y prototipado rápido.

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 empresariales de IT, 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 negocio.

Simplificación de las actividades de planificación y programación

Aumente la eficiencia en la planificación de la producción mediante la simulación de eventos discretos. Con SimEvents™, podrá estudiar los efectos del scheduling de tareas y el uso de recursos en un proceso de producción por lotes. Los productos de MATLAB y Simulink también le permitirán realizar una investigación operacional para tomar decisiones relacionadas con el forecasting, la planificación de la capacidad de producción y la gestión de la cadena de suministro.

Averigüe cómo SK Innovation desarrolló una estrategia de selección de crudo óptima en su refinería mediante el uso de optimizadores en MATLAB.

“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 lugar de depender de una solución general de otra empresa.”

Tim Watling, Johnson Matthey

Consiga una prueba gratuita

Treinta días de exploración a su alcance.

¿Tiene preguntas?

Póngase en contacto con un experto de la industria.