II Jornada Interinstitucional de Extensión Facultad de Ingeniería-Facultad de Ciencias Veterinarias-UNLPam y V Jornada Interinstitucional de Ciencia y Técnica Facultad de Ingeniería-Facultad de Ciencias Veterinarias-UNLPam - Dic. 2022
Estimación de Confiabilidad para Redes de Sensores en Plantas Químicas
Minetti, G.F.; Salto, C.; Alfonso, H.A.; Bermúdez, C.A.; Hernandez, J.L.; Carnero, M.
e-mail: saltoc@ing.unlpam.edu.ar
Resumen
El objetivo de esta línea de investigación es analizar y determinar una metodología de resolución eficiente y flexible para abordar el diseño de una red de instrumentos de mínimo costo sujeta a restricciones sobre un conjunto de variables clave. En este sentido, se propone un método de Simulación Monte Carlo para evaluar la confiabilidad de la red definida como la probabilidad de continuar observando las variables clave cuando falla el instrumento de acuerdo a un modelo de falla dado. Esta es una técnica poderosa para modelar este comportamiento estocástico de sistemas y componentes. El motor de optimización escogido es un Simulated Annealing heurístico, el cual ha demostrado tener un buen desempeño para este tipo de problemas. Se proporcionan ejemplos industriales de complejidad creciente para mostrar la eficiencia de los algoritmos.
Palabras clave: red de sensores; optimización combinatoria; fiabilidad; metaheurísticas.
Reliability Estimation for Sensor Networks in Chemical Plants
Abstract
The aim of this research line is to analyze and determine an efficient and flexible resolution
methodology to address the design of a minimum cost instrument network subject to
restrictions over a set of key variables. In this sense, a Monte Carlo Simulation method is
proposes to evaluate the reliability of the network defined as the probability of continuing to
observe the keys variables when the instruments fails according to a given failure model. This
is a powerful technique to model this stochastic behavior of systems and components. The
optimization engine chosen is a heuristic, Simulated Annealing, which has shown to have a
good performance for this kind of problems. Industrial examples of increasing complexity are
provided to show the efficiency of the algorithms.
Keywords: sensor network; combinatorial optimization; reliability; metaheuristics