din 83 Introducción El área de Supervisión de Procesos del Instituto de Investigaciones Eléctricas ha puesto en marcha una serie de pruebas en fábrica de un sistema de información encargado de supervisar y diagnosticar el estado de los equipos principales de centrales de generación termoeléctrica. Una parte de este sistema la compone un Sistema Experto que se encarga de ejecutar los algoritmos para diagnosticar el estado operativo de los principales equipos de los procesos en la central (Espinosa, 2005). La principal función del Sistema Experto es la de procesar y emitir un diagnóstico del estado de los equipos monitoreados en tiempo real, al igual que enunciar las recomendaciones de mantenimiento que correspondan a ese estado. El Sistema Experto recibe y procesa los resultados de un módulo de cálculo de indicadores de comportamiento del sistema de información. De igual modo, integra un módulo de validación donde se evalúan las condiciones operativas del proceso y las restricciones de cálculo definidas por normas internacionales para diagnóstico de equipos. El Sistema Experto está basado en la metodología de Razonamiento Basado en Casos (CBR, por sus siglas en inglés) e implementado mediante la herramienta comercial Induce-It; tanto la metodología CBR como la herramienta Induce-It fueron seleccionadas mediante una evaluación de diversas propuestas metodológicas para implementar Sistemas Expertos. Problema El sistema de información está desarrollado con la plataforma LabVIEW, versión 8.0 de la empresa National Instruments (NI), para la adquisición y el procesamiento de datos en tiempo real. Actualmente, esta plataforma no incluye funciones o esquemas nativos que faciliten el desarrollo de un Sistema Experto, por lo que es necesario desarrollar y validar de manera independiente un Sistema Experto para el diagnóstico, de forma que su arquitectura y tecnología permitan integrarlo fácilmente en el sistema de información y que, además, sea completamente compatible con la plataforma LabVIEW. Selección de la metodología del sistema experto Los Sistemas Expertos pertenecen a una rama de la Inteligencia Artificial (AI) que imita las actividades de un humano para resolver problemas, almacena conocimientos de expertos para un campo determinado y soluciona problemas mediante deducción lógica de conclusiones (Canca, 2003). Existen distintas metodologías que permiten el desarrollo de Sistemas Expertos, para seleccionar la más adecuada para el sistema de información en particular, se efectuó una evaluación formal. Sistema experto basado en casos para un sistema de diagnóstico en tiempo real Alfredo Espinosa R., Agustín Quintero R. y S. Venecia Zambrano D.
la diaria dedicación al quehacer científico. Con esta emisión se abordan diferentes tópicos para ofrecer a nuestros lectores la oportunidad de profundizar en los conocimientos sobre algún tema en especial o bien, enterarse de los desarrollos más recientes generados por el personal de intigación del Instituto de Investigaciones Eléctricas (IIE). Es conveniente señalar que los artículos contenidos en este Boletín IIE corresponden a diversas áreas de especialidad dentro de la estructura organizacional del Instituto: Supervisión de Procesos, Control e Instrumentación, Energías Convencionales y Turbomaquinaria, lo que permitirá al lector visualizar el amplio campo donde se genera el conocimiento en el IIE. De igual modo, contamos con la participación de Ángel Fierros Palacios, director del área de Energías Alternas. Su aportación es un artículo donde se reflexiosobre el origen y el destino del final de nuestro universo; en él describe la paradoja del universo al descubrir que éste tiene un principio y un final pero, al mismo tiempo, es eterno. Por su parte, en la aportación del área de Control e Instrumentación se revisan los mecanismos específicos a el diseño y desarrollo de un sistema de control activo tolerante a fallas, capaz de detectar y aislar fallas en línea de los turbogeneradores de gas y vapor de una central de generación eléctrica de ciclo combinado. Dos escritos más complementan esta edición, uno de ellos es producto de la aboración entre miembros de las áreas de Turbomaquinaria y Energías No Convencionales. Los temas tratados ofrecen, en primer lugar, una comparativa entre dos plataformas de programación en el contexto empresarial; y en segundo, los resultados de la simulación por Computing Fluid namics que se realizaron a la primera etapa de una turbina de gas GE Frame 7. Con el amplio abanico de temas que abordan los contenidos de este tercer número del Boletín IIE, estamos convencidos de satisfacer las expectativas de nuestros lectores con la calidad y dinamismo que se meen. Nuestro Boletín IIE es una publicación enfocada a informar con el mayor dinamismo posible y con el presente número llegamos a la tercera edición del año. En esta ocasión procuramos reunir una serie de artículos con temas diversos que reflejen las tendencias y avances técnicos que se ran con la diaria dedicación al quehacer científico. Con esta emisión se abordan diferentes tópicos para ofrecer a nuestros lectores la oportunidad de profundizar en los conocimientos sobre algún tema en especial o bien, enterarse de los desarrollos más recientes generados por el personal investigación del Instituto de Investigaciones Eléctricas (IIE). Es conveniente señalar que los artículos contenidos en este Boletín IIE corresponden a diversas áreas de especialidad dentro de la estructura organizacional del Instituto: Supervisión de Procesos, Control e Instrumentación, rgías No Convencionales y Turbomaquinaria, lo que permitirá al lector visualizar el amplio campo donde se genera el conocimiento en el IIE. De igual modo, contamos con la participación de Ángel Fierros Palacios, director del área de Energías Alternas. Su aportación es un artículo donde reflexiona sobre el origen y el destino del final de nuestro universo; en él describe la paradoja del universo al descubrir que éste tiene un principio y un final pero, al mismo tiempo, es eterno. Por su parte, en la aportación del área de Control e Instrumentación se revisan los mecanismos ecíficos para el diseño y desarrollo de un sistema de control activo tolerante a fallas, capaz de detectar y aislar fallas en línea de los turbogeneradores de gas y vapor de una central de generación eléctrica de ciclo combinado. Dos escritos más complementan esta edición, uno de ellos es ducto de la colaboración entre miembros de las áreas de Turbomaquinaria y Energías No Convencionales. Los temas tratados ofrecen, en primer lugar, una comparativa entre dos plataformas de programación en el contexto empresarial; y en segundo, los resultados de la simulación por mputing Fluid Dynamics que se realizaron a la primera etapa de una turbina de gas GE Frame 7. Con el amplio abanico de temas que abordan los contenidos de este tercer número del Boletín IIE, estamos convencidos de satisfacer las expectativas de nuestros lectores con la calidad y dinamo que se merecen. Nuestro Boletín IIE es una publicación enfocada a informar con el mayor dinamismo posible y con el presente número llegamos a la tercera edición del año. En esta ocasión procuramos reunir una serie de artículos con temas diversos que reflejen las tendencias y julio-septiembre del 2006 84 v D Algunas de las metodologías que mejor se adaptan al tipo de razonamiento requerido para el diagnóstico de equipos son: Lógica difusa Razonamiento basado en casos Razonamiento basado en reglas Redes bayesianas Sistemas híbridos El proceso de evaluación de estas metodologías consideró las siguientes características: Facilidad de desarrollo Facilidad de mantenimiento Uso de heurística Modularidad Curva de aprendizaje Facilidad de integración con otras tecnologías o programas Costo comercial Capacidad de aprendizaje autónomo de casos no previstos. El resultado obtenido en el proceso de evaluación arroja que el CBR es la metodología más adecuada para implementar el Sistema Experto para diagnóstico de equipos. También se identificó que el Razonamiento Basado en Reglas permite implementar, fácilmente, los algoritmos de evaluación de condiciones de cálculo; por lo que Sistema Experto finalmente es del tipo híbrido. Selección de la herramienta Como parte de la evaluación de las metodologías para Sistemas Expertos, se revisaron las herramientas especializadas que permiten implementarlos; se evaluaron de forma integral al calificar la metodología y la herramienta en conjunto (Althoff, 1995). Entre las herramientas que se consideraron en la evaluación están las siguientes: MATLAB de Mathworks Inc. INDUCE-IT de Inductive Solutions Inc. CLIPS de Software Technology Branch, NASA/ Lyndon B. Johnson Space Center FuzzyCLIPS de NRC Institute for Information Technology ELVIRA de la Universidad de Granada HUGUIN de Hugin Expert A/S. Figura 1. Ciclo de actividades del Razonamiento Basado en Casos (CBR). De esta forma, se seleccionó Induce-It que es una herramienta comercial que ofrece la implementación de Sistemas Expertos con Razonamiento Basado en Casos. Algunas características de Induce-It es que está desarrollada dentro de Microsoft Excel, donde las filas y las columnas de las hojas de cálculo se utilizan para definir los casos y sus cualidades. Adicionalmente, permite el uso de las herramientas propias de Excel como gráficas, fórmulas, funciones y macros y acepta configurar diversos esquemas de operación, como jerarquía, pesos, funciones de proximidad o similitud, lógica booleana, lógica difusa y las combinaciones entre estos (Freedman, 2000;.Xu, 1995). Razonamiento basado en casos El Razonamiento Basado en Casos es un campo de la Inteligencia Artificial que se basa en problemas similares ocurridos en el pasado casos para encontrar soluciones al problema existente o actual caso de referencia (Aammodt y Plaza, 1994). Consta de un motor de inferencia que modela el proceso del razonamiento humano y que a diferencia de otros campos de la Inteligencia Artificial los sistemas de Razonamiento Basado en Casos son capaces de utilizar conocimiento específico de experiencias previas para poder resolver un problema actual (Aammodt y Plaza, 1994). El Razonamiento Basado en Casos (ver Figura 1) se implementa mediante el siguiente ciclo de actividades (Aammodt y Plaza, 1994): Captura. Del problema o caso actual con sus características. Recupera. El motor de inferencia realiza una búsqueda de casos similares y se encuentra el más parecido al problema a solucionar ( vecino más cercano ). Reutiliza. Con base en el caso recuperado, se propone una solución al problema nuevo. Revisa. Se valida si la solución propuesta está considerada en la base de casos existentes. Retiene. Se aprende del problema actual para resolver problemas futuros. Arquitectura de software Para la arquitectura operativa del Sistema Experto se consideran dos etapas: primero, la evaluación de condiciones de cálculo; y posteriormente, el diagnóstico de los equipos.
din 85 Evaluación de condiciones La metodología para diagnóstico de equipos está basada en el cálculo de indicadores de comportamiento. Esta metodología establece ciertas condiciones de cálculo o restricción para la ejecución de los algoritmos. Por esta razón, el grupo de indicadores de cada equipo debe cumplir ciertas reglas establecidas que el Sistema Experto se encarga de evaluar (ver Figura 2). Durante la primera etapa, el Sistema de Información envía los datos almacenados cada minuto durante una hora y, el Sistema Experto (SE), lleva a cabo una validación del momento en ese lapso en que el equipo se encuentra en condiciones adecuadas para ejecutar los algoritmos de diagnóstico. Diagnóstico del estado La segunda etapa, avocada al diagnóstico del estado de los equipos, considera los datos del instante en que las condiciones han sido validadas; aplica el ciclo CBR y puede describirse con la siguiente secuencia (ver Figura 3): 1. El sistema de información envía los datos reales con las características del problema actual, este es el caso de referencia. 2. Por medio del Motor de Inferencia del se buscan los casos históricos con valores similares para las características del caso de referencia. 3. Se recupera el caso más próximo o vecino más cercano ; el nombre de este caso corresponde al diagnóstico del estado del equipo. 4. Se compara la información del caso de referencia con la del vecino más cercano ; si la comparación arroja una amplia diferencia, se reutiliza la información del caso de referencia enviándola a la base de Nuevos Casos que sirve para resolver problemas futuros. La base Nuevos Casos facilita el aprendizaje de casos no previstos, esta base de datos será evaluada fuera de línea por un experto humano, quien será el encargado de incorporar los casos no previstos en la base de casos del SE. 5. El motor de inferencia envía como resultado o solución el número de caso más similar. 6. El número del caso es interpretado dentro de un módulo que se conecta a una base de datos donde se encuentra almacenada la información sobre el diagnóstico y las recomendaciones correspondientes. 7. Toda la información del proceso de diagnóstico de los equipos es presentada dentro del Sistema de Información al usuario que la solicitó. Desarrollo La arquitectura de software del Sistema Experto fue desarrollada con Visual Basic y Visual Basic for Applications debido a las siguientes razones: Induce-It está desarrollada dentro de Microsoft Excel. La forma nativa para manipular información de manera programática en Excel es mediante Visual Basic for Applications (VBA). Visual Basic (VB) permite integrar muy fácilmente objetos de Excel mediante la referencia a sus clases, métodos y propiedades, por lo que cualquier hoja de cálculo puede ser manipulada mediante VB o VBA. VB permite compilar código en formato de controles DLL tipo ActiveX. LabVIEW acepta la llamada a controles DLL-ActiveX, de forma relativamente sencilla, y también el paso de parámetros por valor y por referencia. De esta forma, para la primera etapa de evaluación de condiciones de cálculo, la DLL correspondiente se conecta con archivos de Excel que contienen las bases de reglas de evaluación, les transfiere los datos actuales y toma el resultado de las reglas. Esta configuración permite una flexibilidad total en la definición Figura 2. Arquitectura de software para la evaluación de condiciones de diagnóstico. Figura 3. Proceso de diagnóstico del Sistema Experto.
la diaria dedicación al quehacer científico. Con esta emisión se abordan diferentes tópicos para ofrecer a nuestros lectores la oportunidad de profundizar en los conocimientos sobre algún tema en especial o bien, enterarse de los desarrollos más recientes generados por el personal de intigación del Instituto de Investigaciones Eléctricas (IIE). Es conveniente señalar que los artículos contenidos en este Boletín IIE corresponden a diversas áreas de especialidad dentro de la estructura organizacional del Instituto: Supervisión de Procesos, Control e Instrumentación, Energías Convencionales y Turbomaquinaria, lo que permitirá al lector visualizar el amplio campo donde se genera el conocimiento en el IIE. De igual modo, contamos con la participación de Ángel Fierros Palacios, director del área de Energías Alternas. Su aportación es un artículo donde se reflexiosobre el origen y el destino del final de nuestro universo; en él describe la paradoja del universo al descubrir que éste tiene un principio y un final pero, al mismo tiempo, es eterno. Por su parte, en la aportación del área de Control e Instrumentación se revisan los mecanismos específicos a el diseño y desarrollo de un sistema de control activo tolerante a fallas, capaz de detectar y aislar fallas en línea de los turbogeneradores de gas y vapor de una central de generación eléctrica de ciclo combinado. Dos escritos más complementan esta edición, uno de ellos es producto de la aboración entre miembros de las áreas de Turbomaquinaria y Energías No Convencionales. Los temas tratados ofrecen, en primer lugar, una comparativa entre dos plataformas de programación en el contexto empresarial; y en segundo, los resultados de la simulación por Computing Fluid namics que se realizaron a la primera etapa de una turbina de gas GE Frame 7. Con el amplio abanico de temas que abordan los contenidos de este tercer número del Boletín IIE, estamos convencidos de satisfacer las expectativas de nuestros lectores con la calidad y dinamismo que se meen. Nuestro Boletín IIE es una publicación enfocada a informar con el mayor dinamismo posible y con el presente número llegamos a la tercera edición del año. En esta ocasión procuramos reunir una serie de artículos con temas diversos que reflejen las tendencias y avances técnicos que se ran con la diaria dedicación al quehacer científico. Con esta emisión se abordan diferentes tópicos para ofrecer a nuestros lectores la oportunidad de profundizar en los conocimientos sobre algún tema en especial o bien, enterarse de los desarrollos más recientes generados por el personal investigación del Instituto de Investigaciones Eléctricas (IIE). Es conveniente señalar que los artículos contenidos en este Boletín IIE corresponden a diversas áreas de especialidad dentro de la estructura organizacional del Instituto: Supervisión de Procesos, Control e Instrumentación, rgías No Convencionales y Turbomaquinaria, lo que permitirá al lector visualizar el amplio campo donde se genera el conocimiento en el IIE. De igual modo, contamos con la participación de Ángel Fierros Palacios, director del área de Energías Alternas. Su aportación es un artículo donde reflexiona sobre el origen y el destino del final de nuestro universo; en él describe la paradoja del universo al descubrir que éste tiene un principio y un final pero, al mismo tiempo, es eterno. Por su parte, en la aportación del área de Control e Instrumentación se revisan los mecanismos ecíficos para el diseño y desarrollo de un sistema de control activo tolerante a fallas, capaz de detectar y aislar fallas en línea de los turbogeneradores de gas y vapor de una central de generación eléctrica de ciclo combinado. Dos escritos más complementan esta edición, uno de ellos es ducto de la colaboración entre miembros de las áreas de Turbomaquinaria y Energías No Convencionales. Los temas tratados ofrecen, en primer lugar, una comparativa entre dos plataformas de programación en el contexto empresarial; y en segundo, los resultados de la simulación por mputing Fluid Dynamics que se realizaron a la primera etapa de una turbina de gas GE Frame 7. Con el amplio abanico de temas que abordan los contenidos de este tercer número del Boletín IIE, estamos convencidos de satisfacer las expectativas de nuestros lectores con la calidad y dinamo que se merecen. Nuestro Boletín IIE es una publicación enfocada a informar con el mayor dinamismo posible y con el presente número llegamos a la tercera edición del año. En esta ocasión procuramos reunir una serie de artículos con temas diversos que reflejen las tendencias y julio-septiembre del 2006 86 v D de las reglas, ya que para ser cambiadas sólo en necesario modificar el archivo de Excel correspondiente, sin necesidad de recompilar código fuente. Para la segunda etapa de diagnóstico de equipos se utiliza otra DLL; dentro de ella, se implementa el proceso descrito en la Figura 3. Esta DLL integra módulos independientes para cada tipo de equipo (por ejemplo, condensador, calentador, bomba, motor, etc.), cada uno de éstos considera tres procedimientos similares: Inicia, Diagnóstico y Termina. Procedimiento Inicia Se encarga de abrir el motor de inferencia del Sistema Experto (ver Figura 4) basado en casos (Induce-It) y de abrir el archivo correspondiente a la base da casos de cada tipo de equipo. Figura 4. Pantalla principal del simulador del Sistema Experto. Figura 5. Integración del Sistema Experto en el código del sistema de información en LabVIEW. Ambos archivos se mantienen en modo oculto al usuario para procesamiento sin visualización. Un parámetro indica si el proceso se ejecutó correctamente. Procedimiento Diagnóstico En éste se encuentra la secuencia de diagnóstico. Recibe cuatro parámetros de entrada: Fecha, Hora, Arreglo, Ncaso. El primero y segundo parámetro indican la estampa de tiempo de los datos; el tercer parámetro es un arreglo de números flotantes que representa las características del equipo, es el caso de referencia ; y el cuarto parámetro es una variable de tipo entero para retornar el resultado del diagnóstico que indica el número de caso o vecino más cercano. Este procedimiento al recibir el arreglo de valores los envía adecuadamente al motor de inferencia de Induce-It, que se encarga de calificar cada caso de la base de casos para identificar cuál es el vecino más cercano. Posteriormente, se determina el caso que mejor califica y se retorna ese número de caso como respuesta de diagnóstico en la variable Ncaso. Procedimiento Termina Se encarga de cerrar los archivos que se utilizaron para el diagnóstico y liberar los recursos de memoria. Recibe un parámetro que sirve de indicador para confirmar que el cierre de archivos se realizó satisfactoriamente. Validación de resultados y manejo de errores Previo a la integración final con el sistema de información, es necesario validar el correcto funcionamiento del Sistema Experto. Para esta validación se desarrolló un simulador fuera de línea que permite emular entradas y recibir e interpretar resultados, también puede provocar errores para asegurar que las DLL desarrolladas tienen un adecuado manejo de errores, a fin de asegurar la confiabilidad de cada uno de los resultados de diagnóstico. La DLL del Sistema Experto incluye un amplio manejo de errores que mantiene informado al usuario en caso de que alguna situación imprevista se presente y evita que ocurra un fin inesperado del sistema de información. La integración del Sistema Experto en el sistema
din 87 de información se efectúa mediante la tecnología DLL ActiveX. Para hacerlo, solamente es necesario definir una referencia a la DLL y llamar a sus métodos como si se trataran de funciones propias de LabVIEW con la misma estructura y paso de parámetros definidos en la DLL (ver Figura 5). Conclusiones Se desarrolló y validó un Sistema Experto de forma independiente al sistema de información, pero con capacidad de ser integrado de forma transparente. Se evaluaron las alternativas para la implementación de Sistemas Expertos y se seleccionó la más adecuada al proyecto. Ésta es una combinación de Reglas, Razonamiento basado en casos, Lógica booleana y Lógica difusa. Se integró una arquitectura de software compatible entre programas y plataformas de desarrollo. Se desarrolló un simulador que permite realizar fuera de línea y de forma independiente las pruebas de validación y manejo de errores. Se integró en LabVIEW un Sistema Experto basado en la herramienta Induce- It, con lo que se demostró la factibilidad de utilizarlos en conjunto, de forma muy eficiente y transparente para los usuarios. Referencias Aamodt, Agnar y Enric Plaza. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches en: AI Communications, vol. 7, núm. 1, 1994, p. 39-59. Althoff, Klaus-Dieter et al. A review of industrial Case-Based Reasoning Tools en: AI Intelligence, ISBN 1 898804 01 X, Reino Unido, 1995. Canca Ortiz, José David. Sistemas expertos-razonamiento basado en casos [en línea], <www.esi2.us.es/~dco/sistemas.htm>. [Consulta: 04/09/2003.] Case Based Reasoning, [en línea], <http://www.case-based-reasoning.de>. [Consulta: 02/11/ 2006.] Espinosa R., Alfredo y Agustín Quintero R. Sistema de adquisición, procesamiento y presentación de datos, reporte técnico de la Gerencia de Supervisión de Procesos, México: IIE, 2005. Freedman, Roy S. Induce-It User Manual, EE UU: Inductive Solutions Inc., 2000. Xu, Shen. Case-based plant explosion advisory system using Induce-It en: Proceedings of SPIE - The International Society for Optical Engineering, EE UU: Elsevier Inc., 1995, p. 574-581. Agustín Quintero Reyes Ingeniero electrónico en instrumentación por el Instituto Tecnológico de Ciudad Guzmán (1987); Maestro en ciencias de la electrónica con especialidad en control, en el Centro Nacional de Investigación y Desarrollo Tecnológico (Cenidet) en 1990. En ese mismo año ingresó a la Gerencia de Supervisión de Procesos del IIE, donde es investigador y Jefe de Proyectos en el área de integración de sistemas para centrales generadoras de energía eléctrica. Ha dirigido proyectos como la Modernización del sistema de inventario de energéticos de la Central Termoeléctrica de Tula, Hidalgo y la implantación del sistema de vigilancia del régimen térmico en las Unidades 1 y 3 de la Central Termoeléctrica de Tula. Actualmente dirige el proyecto Evaluación del sistema de ayuda para el arranque del Generador de Vapor en el CAOI y en una Central Termoeléctrica (2002). aqr@iie.org.mx