The childcare model 42

En esta fase tiene lugar el tratamiento de datos. El análisis de datos es esencial pero a menudo no se le da la prioridad apropiada. El hecho de llevar acabo un pobre análisis de datos puede ocasionar resultados engañosos.

El análisis de datos incluye todos los posibles factores influyentes en los objetivos del proyecto. Estos registros deben de ser recogidos con la más alta frecuencia posible para detectar cualquier variación en el proceso. El objetivo del análisis de datos es comprender mejor el efecto de las variables sobre la operación y la propia influencia entre ellas, calcular los objetivos y generar modelos que los definan.

El diagrama mostrado en la figura 25 presenta de manera resumida, los temas que se tratarán en esta sección.

4.3.1.

¿Cuál es el dato?

Los datos de este proyecto incluyen:

 Variables medidas de forma directa (temperaturas, presiones, caudales,…)

 Variables calculadas a partir de las medidas de forma directa (KPI, ∆T,…)

 Variables de la zona de reacción

 Variables de operación de las diferentes columnas

Es esencial tener datos de las variables influyentes para poder:

 Comprender las causas de las posibles variaciones en el proceso  Establecer objetivos que pueden darse con la situación actual de la

planta

 Modelar los objetivos

4.3.2.

¿Cuáles son las variables a analizar?

 Preparación de datos

 Recopilación de datos

En primer lugar, se debe hacer constar aquellos registros del proceso de los cuales se tiene información almacenada (fig. 26).

56

Fig. 25. Diagrama de bloques del análisis de datos Análisis de datos

¿Cuál es el dato? necesario el ¿Porqué es

análisis de datos? ¿Cuáles son los

datos a analizar? Preparación de datos Recopilación de datos Planta Generación Base de Datos Visual Basic

(MACRO) Filtrado de datos Cálculo de los índices de eficiencia Índice de rendimiento (KPI rendimiento) Índice de consumo (KPI consumo) Comprensión de la variabilidad Gráficos de dispersión Gráficos de matriz Regresión paso a paso Regresión multivariable

Para la obtención de dichos registros se recurre al Planta, un complemento de Excel a partir del cual se deriva cualquier dato medido y almacenado en cualquier periodo de tiempo solicitado (VER ANEXO I).

Para la recopilación de datos se generan previamente las denominadas „hojas de datos‟. Estas hojas presentan la siguiente estructura:

FECHA NOMBRE DE LAS VARIABLES QUE SE SOLICITEN

Periodo de

tiempo CÓDIGOS TAGS DE IDENTIFICACIÓN DE CADA VARIABLE

datos datos

Fig.27. Estructura de una hoja de datos

La estructura que presenta esta hoja la hace adecuada para introducir en el complemento Excel y obtener de manera automática los datos que en ellas se solicitan.

Recopilada esta información, es necesario generar una base de datos apta para el desarrollo del estudio.

 Generación de la base de datos

La generación de una base de datos es de vital importancia debido a la diferencia de registros existentes entre diversos archivos recibidos del „Planta‟. Estos archivos deben ser unificados, al trabajar de manera conjunta con los datos que en ellos se recogen.

Por ello, se hace imprescindible elaborar una hoja donde se reflejen los datos correspondientes tanto a variables de influencia como a datos de composición de los diferentes efluentes de las columnas.

Visual Basic

La creación de la base de datos se lleva acabo desarrollando, en Visual Basic, un programa que permita leer registros de fechas y horas en los archivos correspondientes a „datos de variables de influencia‟ y a „datos de composición‟, de tal forma que, para cada registro de fecha y hora semejantes en ambos archivos, se tome el dato de composición de la hoja de „datos de composición‟ correspondiente a la que la macro esté leyendo en ese momento. Este valor será seleccionado y copiado en la hoja de

58

„variables de influencia‟, generándose de este modo, una base de datos con registros tanto de variables como de composiciones. Ello permitirá hacer sucesivos filtrados para cumplir con especificaciones en las corrientes de cabeza y fondo de las diferentes columnas.

Filtrado de datos

Una condición necesaria para la obtención de los modelos de rendimientos de las columnas es que los datos utilizados para generarlos cumplan especificaciones. Estas restricciones, especificadas por el cliente, se muestran en la tabla 20.

Columnas Corriente de cabeza Corriente de fondo

Desbutanizadora LPGL < 1% p/p C5 < 1% p/p C4

Desbencenizadora < 10% Tolueno < 1% C6H6

Despentanizadora < 1% C6H6 < 1% C5

Tabla 20. Especificaciones de los efluentes de las columnas

Por ello, es necesario llevar acabo un filtrado de la base de datos generada, con el fin de obtener una serie de registros para cada una de las columnas, que cumplan especificaciones tanto de cabeza como de fondo.

En cambio, para los modelos de consumos se hará uso de todos los registros almacenados en la base de datos anteriormente generada, cumpliendo o no especificaciones.

Señalar la ausencia de algunos registros de composición en ciertos días del año en algunas de las corrientes de cabeza o fondo de las torres. Estos registros se han considerado como valores dentro de los límites de especificación.

 Cálculo de los índices de eficiencia

Generada la base de datos, ya se dispone de los recursos suficientes para trabajar con las propias variables. De esta manera, se calcularán aquellas variables que resultan combinaciones de las variables disponibles de forma directa por el „Planta‟, así como los índices de eficiencia, objetivos del proyecto:

Tabla 21. Índices de eficiencia

 Comprensión de la variabilidad

Hay una serie de técnicas que pueden ser usadas para estudiar la variabilidad de los datos. A continuación, se enumeran y desarrollan las utilizadas en este análisis:

 Análisis multivariable

El objetivo de este estudio es la determinación de posibles relaciones entre variables influyentes y la consecuente posibilidad de sustituir unas por otras a la hora de generar los modelos. De igual forma, la elaboración de este estudio permitirá eliminar de aquellas variables que en un principio se consideraron, las que claramente no muestren ninguna tendencia cuando se enfrentan a las variables objetivos: rendimientos y consumos.

Este estudio está basado en gráficos de matriz, apoyados por la regresión paso a paso (véase Cap.2) para llevar acabo un estudio de la tendencia tanto de forma cualitativa como cuantitativamente. De la regresión paso a paso o Stepwise, se obtendrán las variables de influencia claves (VIC‟s). La realización de esta fase conllevará una reducción de variables de influencias bastante considerable. Serán estas variables, resultado del estudio de regresión paso a paso, las que se considerarán a la hora de generar los modelos.

Para el estudio basado en gráficos de matriz se ha llevado acabo un análisis por fases, es decir, se han analizado las diferentes variables de influencia por pasos:

 Gráficos de matriz de variables de temperatura.

 Gráficos de matriz de variables de influencia.

 Gráficos de matriz de variables de operación de las columnas.

Columna Rendimientos Consumos

Desbutanizadora Desbencenizadora

60

 Gráfico de matriz de variables tanto de la zona de reacción de

Platforming (variables influyentes) como de operación de las columnas.

Los resultados de cada uno de los pasos anteriores se muestran en el Anexo II, al final del proyecto.

Las mismas variables representadas en los gráficos de matriz se han analizado mediante una regresión paso a paso para ver de forma cuantitativa la posible relación entre las mismas.

Los resultados obtenidos de la aplicación de los dos métodos han de ser semejantes, pues este tipo de regresión se ha llevado acabo con el fin de poder aclarar aquellas tendencias que cualitativamente no muestran claridad.

 Regresión lineal multivariable

Se hace uso de esta herramienta estadística para la generación de los modelos de los índices definidos anteriormente.

Fig. 28. Elaboración de los modelos

Modelos de Rendimiento

Para la elaboración de los modelos de rendimiento se partirá de datos que cumplan las especificaciones de corrientes de cabeza y fondo de la columna para la cual se esté realizando dicho modelo.

Elaborada la base de datos cumpliendo especificaciones, se lleva acabo la regresión, utilizando para ello Minitab 15 Statistical Software, un paquete estadístico que permite además de esta opción, realizar los gráficos de matriz y la regresión paso a paso que se desarrollaron en etapas anteriores.

Los modelos se ajustan teniendo en cuenta los parámetros más relevantes en este tipo de regresión (véase aptdo.3.4).

•Errores de modelado •Errores de validación

Procediendo de esta forma, se obtendrán modelos de KPI‟s de rendimientos para cada una de las columnas, con la siguiente estructura:

(ec.3)

Modelos de Consumo

Para los modelos de consumo se hace uso de la base de datos generada inicialmente (sin cumplimiento de especificaciones). Se procederá a la obtención de los modelos del mismo modo que para la generación de los modelos de rendimiento.

Para este caso, cabe destacar la inclusión de las variables de operación de las columnas en el desarrollo de estos modelos, a petición del cliente, pues no hay que olvidar la aplicabilidad práctica de éstos en planta. De esta forma, se evitan que los modelos obtenidos sean puramente estadísticos, perdiéndose, por tanto, el sentido físico del proceso.

Los modelos de consumos obtenidos, presentan la siguiente estructura:

(ec.4)

o Errores del modelo

Una vez realizados los modelos de rendimientos y consumos, el cálculo del error relativo de modelado resulta de interés.

Este cálculo se lleva acabo introduciendo, en el propio modelo, los datos a partir de los cuales éstos se obtuvieron y comparándolos con los datos reales de planta.

El error relativo queda definido como:

62

o Validación de los modelos

Posterior a la generación de los modelos tiene lugar el proceso de validación. Para ello, se dispone de datos correspondientes a un ciclo anterior de la planta (entiéndase por ciclo, al periodo de tiempo desde que se regenera el catalizador hasta que se agota) y datos correspondientes al ciclo actual.

Para llevar acabo la validación se realiza, previamente, un tratamiento de datos semejante al que se llevó acabo para la generación de la base de datos con la que se ha estado trabajando hasta el momento. Se generarán nuevas bases de datos contando con los registros correspondientes a cada uno de los diferentes periodos de los que se dispone para realizar este trabajo de validación. Cada una de ellas contará, igualmente, con registros que cumplen o no especificaciones.

Generada la base de datos para cada uno de los periodos anteriores, se lleva acabo un gráfico de control con el fin de eliminar aquellos puntos que salen fuera de la evolución normal del proceso, y que, por tanto, serán causa de errores en la validación.

Eliminados estos registros se procede al cálculo del error del modelo con datos correspondientes a periodos independientes al utilizado para su generación.

Las figuras 29 y 30, muestran de manera esquemática el desarrollo de los modelos:

Fig. 29. Esquema de elaboración de modelos de rendimiento

• Validación del modelo en ciclo anterior de operación (anterior a regeneración del catalizador)

Datos de ciclo anterior que cumplen especificación

•Datos cumplen especificaciones •Errores del modelo

Modelo

rendimiento

_{•Validación del}

modelo en ciclo actual de operación

Datos actuales de validación que cumplen

Fig.30. Esquema de elaboración de modelos de consumo

Cabe destacar que el periodo de ciclo anterior se divide, a su vez, en dos periodos, debido a que al comienzo de este ciclo la planta no operaba tal cual lo hace en la actualidad. Una de las columnas estaba fuera de servicio realizando la desbencenizadora la función de la despentanizadora, actuando como una despentanizadora.

•Gráficos de control de datos

•Validación del modelo en ciclo anterior de operación (anterior a regeneración del catalizador)

Datos de ciclo anterior que cumplen

o no especificación •Datos que cumplen o no especificación •Errores del modelo

Modelo

consumo

•Gráfico de control de

datos

•Validación del modelo en ciclo actual de operación Datos actuales de validación que cumplen o no especificaciones

64

In document One Child Policy and Women's Challenging Social Situation in China (Page 45-49)