Phase separation and coacervation techniques

Una de las primeras aplicaciones de agentes a control de procesos reales fue el sistema ARCHON (Architecture for Cooperative Heterogeneous ON-line Systems) [120]. Este sistema se utiliza como interfaz de comunicación entre diferentes tipos de sistemas de control. Cada sistema es cubierto por un agente que actúa como traductor de protocolos de comunicación, así los agentes se comunican entre sí permitiendo la integración de sistemas de diferentes proveedores y distintos principios de funcionamiento. El sistema ARCHON se ha empleado en aplicaciones reales, la principal es la administración de una red de distribución eléctrica en España.

Por diversas razones, la energía eléctrica se produce en lugares distintos a donde se consume. Por lo que debe ser transportada desde el sitio donde se genera a donde se consume mediante una red de distribución eléctrica. El funcionamiento de la red es monitoreada continuamente mediante sensores y sistemas de adquisición de datos. El problema surge cuando una falla o una condición inesperada ocurre, debido a que los sensores generan cientos de alarmas por lo que se requiere un sistema de respaldo en la toma de decisiones para atenuar la carga mental de los operarios del sistema ante

1 _{En la literatura en español frecuentemente se encuentra el término “Preemptivo”, pero ninguno de}

los dos es aceptado por la Real Academia Española. El término apropiativo se emplea en la versión en español de [119]

22

circunstancias inesperadas o de peligro. El sistema ARCHON ha sido empleado en España desde 1994 para interconectar diferentes sistemas de soporte en toma de decisiones, generalmente sistemas expertos que no funcionan bajo el modelo de agentes.

Aunque la conexión de sistemas expertos con agentes aumenta la precisión y la certeza del diagnóstico de la red de distribución eléctrica, surgen algunos aspectos importantes. Los sistemas expertos controlan toda la red, por lo que todos necesitan información de topología de la red eléctrica. Esto hace a los agentes difíciles de mantener además de que necesitan una considerable cantidad de recursos de cómputo cuando se ejecutan. Por otro lado, los agentes en esta aplicación no toman en cuenta el hecho que un hardware es inherentemente más seguro que otro ya que consta de partes de diferentes proveedores. Esto deja por lección que en el futuro los agentes deberán ser más pequeños y especializados, además de su desarrollo basado en módulos.

En Chiu [72], se presenta una aplicación en la que el principal objetivo es el trabajo cooperativo y autónomo entre los subsistemas altamente distribuidos que controlan las unidades de enfriamiento en un barco de combate. En conjunto con la Marina Armada de EUA, Rockwell Automation [6] desarrolla un sistema de control para el sistema de enfriamiento de la embarcación. La idea básica es dar a cada dispositivo (refrigerador, compresor, carga, válvula) su propio controlador situándolo físicamente al lado del dispositivo. Se trata de un sistema multiagente capaz de reconfigurar estas unidades de acuerdo con diversas situaciones que la nave puede encontrar.

Los controladores se construyen para ser autónomos y responsables de sus acciones locales, pero todavía coordinados por otros controladores con funciones de alto nivel. Dada la redundancia en la infraestructura física del sistema de enfriamiento de agua, un acorazado con esta clase de sistema de control holgadamente acoplado como este debe ser funcional, al menos en parte, aún cuando la nave esté dañada gravemente.

La similitud con una aplicación industrial reside en que los controladores de los sistemas de ingeniería en la nave son muy similares a aquellos utilizados en una planta de procesos. En ambos casos, los agentes son distribuidos y la red de comunicaciones así como los protocolos son los mismos.

En Tatara et al. [68] se presenta la aplicación de un sistema multiagente jerárquico al control de una red de cinco reactores continuamente agitados en serie. Los agentes de esta aplicación emplean métodos para planear sus estrategias de control que incluyen modelos heurísticos basados en reglas, modelos basados en primeros principios, así como exploración del espacio de parámetros. El modelo heurístico en esta aplicación consiste de reglas que describen el efecto de las variables manipuladas sobre la conducta del proceso. También se permite a los agentes realizar ciertas pruebas sobre las variables

23

manipuladas para aprender de la respuesta dinámica del proceso. La plataforma de software empleada para estos agentes es 23 [121], asimismo, el software de simulación

del proceso es “CVODE” [122].

Una aplicación del área de arquitectura pero semejante al área industrial por el tipo de problema que enfrenta es la de agentes para edificios inteligentes [123]. En esta aplicación es necesario controlar los sistemas y subsistemas que forman el edificio como cámaras, aire acondicionado, elevadores, seguros en puertas de áreas restringidas, luces, etcétera, donde los agentes se coordinan para mantener en operación óptima al edificio.

En Hadeli et al. [116] se presenta un esquema de coordinación de agentes aplicado al prototipo de un proceso de manufactura. La coordinación de las acciones de control se basa en que las hormigas informan a la colonia la localización de una fuente de alimentos depositando feromonas sobre la ruta (el fenómeno de stigmergia). En esta aplicación los agentes se coordinan para optimizar la producción seleccionando la línea de producción más adecuada en función de la carga y el tipo de producto. El software en el que se implementa el sistema multiagente es “PROSA” [105] (Product Resource Order Staff Architecture). El sistema también se encuentra dividido en grupos o capas de acuerdo con sus funciones. La aplicación tiene semejanza con la administración de cadenas de suministro debido a que en los procesos de manufactura se maneja la logística de los productos y de los sistemas subyacentes de producción. En los procesos de manufactura el sistema de control se emplea para decidir la ruta de los productos la asignación de los empleados, las materias primas, los componentes y el inicio de las operaciones sobre productos semiterminados. Por su naturaleza el proceso de manufactura es extremadamente dinámico debido a que los factores y las condiciones que pueden influir en su operación son muy diversos y rápidamente cambiantes. En la distribución de los agentes algunos de ellos se utilizan como representantes virtuales de entidades físicas en el sistema subyacente, esto permite estudiar cómo se comportará un flujo de partículas por ejemplo, donde los choques elásticos son la forma en que los agentes interactúan. En la aplicación descrita la forma en que los agentes se coordinan es mediante “campos disipativos”, no mediante comunicaciones directas. La razón por la que algunos agentes representan elementos del entorno es la división que hay entre el mundo real y el virtual, por ello es necesario crear el entorno para que refleje las propiedades del mundo real.

Por otro lado, los sistemas multiagente para la extracción y administración del conocimiento sobre un dominio de ingeniería de procesos son detallados en los trabajos de Bañares-Alcantara [124] y Lababidi [125], donde se presenta un sistema para diseño concurrente de planificación del ACS en procesos químicos. En Batres [62], se describe una herramienta útil en la configuración de equipos de trabajo en la industria.

24

Aplicaciones más relacionadas con la industria de la refinación y petroquímica se han presentado en Julka [59] y Chacón [67], donde un modelo basado en agentes se utiliza para administrar la cadena de suministro para una instalación de refinación. En estas aplicaciones la tarea de los agentes es simular los principales eslabones de la cadena para analizar, organizar y optimizar las operaciones logísticas, lo cual garantiza la continuidad en el procesamiento.

Así mismo, existen aplicaciones para diagnóstico de fallas y solución de problemas en plantas de manufactura descritas en Eo et al. [126], donde las operaciones de la planta son modeladas para detectar cualquier desviación de la respuesta habitual. Muchos otros reportes presentan básicamente aplicaciones para diseño de procesos y equipo, así como de ingeniería concurrente [62]. Los problemas que se presentan más frecuentemente en las cadenas de suministro, las transiciones en las operaciones y el diseño concurrente de procesos se tratan en Srinivasan [16], donde además se esbozan los campos de aplicación para esta tecnología.