Year: 2016
Type: dissertation
Abstract: Los métodos estadísticos multivariantes son herramientas muy poderosas capaces de manejar una gran cantidad de datos, altamente correlacionados y con comportamiento variable además de poco predecible. El análisis de componentes principales es utilizado para detectar y diagnosticas fallas en un biorreactor batch. La detección de una falla consiste en saber que esta existe y el diagnostico se basa en saber cuál es la variable que se encuentra por fuera del rango normal de operación. Debido a la naturaleza dinámica de los procesos batch, aproximaciones multivariantes tienen que ser utilizadas, en donde únicamente es necesario conocer datos históricos del proceso, dichos datos deben describir el comportamiento normal del batch. Los componentes principales son retenidos para mantener la mayoría de la varianza y reducir las dimensiones del conjunto de datos iniciales, esto permite detectar la falla fácilmente y facilita el análisis. Tan pronto la falla es detectada un análisis de graficas de contribución permite el diagnóstico de la falla. Experimentos fueron realizados para la validar los resultados del modelo, los datos experimentales se obtienen de la fermentación aeróbica para la producción de -caroteno utilizando Saccharomyces cerevisiae SM14 cepa modificada genéticamente y como sustrato 20 g/L de glucosa inicial, entre los datos se analiza el consumo de glucosa, la formación y posterior consumo de los subproductos como el etanol y ácido acético, además de la formación de biomasa y carotenoides
Author: Angarita Gomez, Maria Stefany
Institution: Universidad Industrial de Santander
Language: Spanish
Subfield: Control and Systems Engineering
Field: Engineering
Domain: Physical Sciences
Keywords: batch processes, fault detection, fault diagnosis, principal component analysis, statistical process control, multivariate statistical methods, bioreactors, aerobic fermentation, β-carotene production, Saccharomyces cerevisiae, contribution plots, dimensionality reduction, glucose utilization, biomass production
Open Access status: green
OpenAlex ID: W7133414743
