MATLAB y Simulink para metales, materiales y minería

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 en minería 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
  • Adoptar la digitalización sin depender de científicos de datos o personal de IT

"MATLAB nos dio la capacidad de convertir datos que anteriormente eran ilegibles en datos con un formato utilizable, automatizar los pasos de filtrado, análisis espectral y transformada para varios camiones y regiones y, por último, aplicar técnicas de machine learning en tiempo real para predecir el momento ideal en que realizar el mantenimiento."

Gulshan Singh, Baker Hughes

Más información sobre el mantenimiento predictivo

Simulación de datos de fallos

Tradicionalmente, los ingenieros optimizaban las plantas y los procesos de minería en función de los datos recopilados mediante sensores.

No obstante, no siempre hay datos de sensores disponibles para los diversos modos de fallos posibles de una máquina. En su lugar, se pueden usar datos de simulación para representar fallos mediante la creación de un modelo de la máquina y la simulación de condiciones de funcionamiento con fallos.

Simulink y Simscape™ permiten crear un modelo de la máquina que puede describir su comportamiento en relación con sus componentes físicos y su dinámica. Es posible representar diferentes modos de fallos de la máquina mediante la modificación de los valores de los parámetros, la inyección de fallos y la modificación de la dinámica del modelo.

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 arquitectónico específico 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 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 equipo de extracción de gas y petróleo y redujo los costes generales en un 30 %-40 %.

Machine learning, deep 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 y desarrollar modelos de deep learning. 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 los procesos.

Mejora de los procesos con la modelización 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 modelizan con facilidad a partir de especificaciones o principios básicos. Esta toolbox también permite realizar interactivamente estimación online de parámetros y estados.

Big data y análisis predictivo en Shell (3:35) para desarrollar modelos y llevar a cabo la optimización en tiempo real en un proceso por lotes.

Desarrollo e implementación de estrategias de control de procesos

Los productos de control de MATLAB se pueden usar a fin de diseñar esquemas de controles y efectuar simulaciones dinámicas para un mejor análisis del comportamiento de la planta. Valide su diseño con pruebas hardware in-the-loop y creación rápida de prototipos.

Lea 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 el despliegue de los modelos a modo de aplicaciones para compartir con usuarios que no disponen de MATLAB. Descubra cómo hacer esto en la nube

Obtenga más información sobre cómo conectar directamente con sistemas PI System de OSIsoft.

Vea ahora cómo Shell adoptó la digitalización (29:14) mediante MATLAB Production Server™. Los ingenieros de Shell automatizaron sus procesos para integrar los datos de distintos orígenes, crear modelos e implementar los análisis en la nube y en sistemas empresariales.

Simplificación de las actividades de planificación y programación

Aumente la eficiencia en la producción y la planificación mediante la simulación de eventos discretos. Con SimEvents™, podrá estudiar los efectos de la coordinación 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 operativa para tomar decisiones relacionadas con la predicción, la planificación de capacidad 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.

“MATLAB nos permitió, como geólogos, utilizar nuestros conocimientos en marcos predictivos, análisis y coincidencia analógica a fin de implementar algoritmos exclusivos de nuestro sector. Con la ayuda de los consultores de MathWorks, a continuación desplegamos esos algoritmos a modo de aplicación fácil de usar para nuestros colegas de todo el mundo."

Nick Howes, Shell

Contacto

Póngase en contacto con nosotros para obtener una evaluación.