000			03021nmc a2200205 4500
005			20260520010155.0
008			260224s xxu
245	0	0	_aTécnicas estadísticas multivariantes en análisis operacional, monitorización y diagnóstico en la industria de procesos _bEstado del arte, aplicaciones y prospectivas
270			_a2011-04-18 ; 04/04/2011
300			_a10 p.
520			_aTranscripción del resumen del autor. En muchas plantas industriales se miden, en forma continua centenares de variables de proceso y sus valores se almacenan en voluminosas bases de datos. Estas bases de datos, que contienen la historia y la experiencia del proceso, pueden ser una fuente de información muy rica para mejorar la operación, la calidad del producto y el consumo de energía en la operación. Sin embargo, hallar la información relevante del proceso sin el uso de herramientas de análisis apropiadas, resulta una tarea muy difícil, si no imposible. De esta manera, los datos históricos del proceso, que representan un enorme depósito de la experiencia operativa de las unidades, a menudo obtenidos con costos significativos, se convierten en un recurso escasamente aprovechado. Estas nuevas realidades derivadas de la era digital, han provocado un renovado interés por el uso de herramientas estadísticas multivariables (MSPC) que permitan descubrir y extraer el conocimiento implícito residente en esos repositorios de datos, de modo de aplicarlos a la gestión eficiente de los procesos industriales. La cantidad y diversidad de aplicaciones de las técnicas estadísticas multivariantes en el ámbito industrial y en particular en el área de refino han aumentado significativamente en los últimos años y es de esperar que esta tendencia se incremente ya que permite resolver problemas muy diversos: · Mejorar la comprensión general del proceso y simplificar su interpretación mediante herramientas gráficas. Sentar las bases de conocimiento necesario para establecer modelos operativos óptimos derivados de la propia historia operacional de la unidad. · Facilitar la prevención y el diagnóstico de fallos y perturbaciones en el proceso, identificando sus causas. · Identificar las variables de proceso significativas y su correlación y efectos sobre la calidad del producto. Generar modelos predictivos basados en el comportamiento real del proceso, optimizando la operación y asegurando especificaciones de productos sin regalos de calidad. En este trabajo se mostrará una aplicación de estas herramientas a la monitorización en línea de las operaciones de preparación de gasolinas.
773			_g
942			_cCONGTP
100	1		_aMarkiewicz, Laura _945094
100	1		_aMenez, Héctor _945095
100	1		_aLago, Carlos _96191
111	2		_aCongreso Latinoamericano de Refinación (2 do. : 2009 nov. 1-4 : Mendoza, Argentina) _944897
999			_c174425 _d174425
856			_uhttps://biblioteca.iapg.org.ar/ArchivosAdjuntos/2doCongresoLatRefinacion/44.pdf