Aplicación de un cuestionario diagnóstico- evaluativo para ...
Título: Aplicación inteligente para el diagnóstico ...
Transcript of Título: Aplicación inteligente para el diagnóstico ...
, junio 2019
Laboratorio de Inteligencia Artificial
Título: Aplicación inteligente para el diagnóstico
preventivo y correctivo de calderas.
Autora: María Karla Castillo Pérez
Tutores: Dra.C María Matilde García Lorenzo
MSc. Lázaro Jesús Pérez Lugo
Consultante: Dr.C Alejandro Duffus Scott
Z
, June, 2019
Artificial Intelligence Laboratory
Title: Smart application for the preventive and corrective diagnosis of boilers.
Author: María Karla Castillo Pérez
Thesis Director: Dra.C María Matilde García Lorenzo
MSc. Lázaro Jesús Pérez Lugo
Consultant: Dr.C Alejandro Duffus Scott
Este documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas, y
se encuentra depositado en los fondos de la Biblioteca Universitaria “Chiqui Gómez Lubian”
subordinada a la Dirección de Información Científico Técnica de la mencionada casa de altos
estudios.
Se autoriza su utilización bajo la licencia siguiente:
Atribución- No Comercial- Compartir Igual
Para cualquier información contacte con:
Dirección de Información Científico Técnica. Universidad Central “Marta Abreu” de Las Villas.
Carretera a Camajuaní. Km 5½. Santa Clara. Villa Clara. Cuba. CP. 54 830
Teléfonos.: +53 01 42281503-1419
DEDICATORIA
A mi papá, de quien recibí importantes lecciones de vida, por ser mi guía y mi luz, por todo
su cariño inmenso, su amor infinito y el gran ejemplo de su vida… gracias!!!
AGRADECIMIENTOS A mi mamá, quien con amor infinito, paciencia y esfuerzo me ha inspirado a cumplir un
sueño más, por ser el pilar fundamental de mi vida, por haberme dado tanto y por ser mi todo,
gracias!
A mis abuelitos por tanta ternura y amor incondicional, a mi tío Enrique por estar presente
cada segundo de mi vida a pesar de la distancia y por tanto amor infinito, a mi tío Tony por
su apoyo incondicional y su cariño inmenso y a mi tío Pío por tenerme siempre presente y
quererme tanto!
A mi familia toda… por su amor y apoyo sin límites.
A mis tutores Marylin y Lázaro, por su entrega absoluta, por su confianza y guiarme en todo
momento.
Al profe Mateo por ser un evangelio vivo y por su apoyo, mil gracias!
A Luis Quintero, por su ayuda en un momento crucial, a Duffus mi consultante por dedicarme
tanto tiempo.
A todos mis amigos que de una forma u otra me apoyaron inmensamente en la realización de
este proyecto.
A mi Universidad, y todos los profesores que contribuyeron en mi formación académica.
Gracias a todos!!!
RESUMEN El avance de la Inteligencia Artificial es sumamente vertiginoso, una enorme cantidad de
industrias se benefician de ella, lo cual permite completar numerosas actividades a una
velocidad y escala cuantiosa superando a cualquier ser humano.
En este proyecto se desarrolla una aplicación desktop, con base en sistemas expertos, que
facilita la prevención y corrección de daños en calderas acuotubulares industriales, equipos
sumamente voluminosos y de alta complejidad técnica. Implementándose tal aplicación, se
permite contrarrestar la inexperiencia existente del personal que labora estas y el déficit de
expertos con dominio en el tema en las industrias. Además, la interfaz diseñada, posibilita de
forma sencilla y ergonómica, realizar el proceso de diagnóstico.
ABSTRACT
The advance of Artificial Intelligence is extremely vertiginous, a huge amount of industries
benefits from it, which allows to complete numerous activities at a speed and scale exceeding
any human being.
In this project, a desktop application based on expert systems is developed, which facilitates
the prevention and correction of damages in industrial water tube boilers, extremely
voluminous equipment and of high technical complexity. Implementing such application, it
is possible to counteract the existing inexperience of the personnel that works these and the
deficit of experts with domain in the subject in the industries. In addition, the designed
interface makes it possible, in a simple and ergonomic way, to carry out the diagnostic
process.
TABLA DE CONTENIDOS
INTRODUCCIÓN ................................................................................................................ 1
Capítulo 1 APLICACIONES INTELIGENTES EN DIAGNÓSTICO DE
PROBLEMAS DE INGENIERÍA MECÁNICA. .............................................................. 4
1.1 Sistemas Basados en el Conocimiento .................................................................. 4
1.1.1. Tipos de Sistemas Basados en Conocimiento ............................................... 5
1.2 Ingeniería del Conocimiento ................................................................................. 7
1.3 Los Sistemas Basados en Conocimiento aplicados al diagnóstico ..................... 8
1.3.1 Sistemas Basados en Conocimiento con aplicación en Ingeniería
Mecánica ........................................................................................................................ 9
1.4 Interfaces Gráficas de Usuario ........................................................................... 10
1.5 Consideraciones finales ....................................................................................... 12
Capítulo 2 DISEÑO DE UN SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE
CALDERAS INDUSTRIALES ACUOTUBULARES .................................................... 13
2.1 Calderas Industriales ........................................................................................... 13
2.1.1 Calderas Industriales Acuotubulares. Características ................................... 13
2.2 Mecanismos de daño y componentes críticos ........................................................ 15
2.2.1 Choque Térmico ........................................................................................... 15
2.2.2 Termofluencia ............................................................................................... 16
2.2.3 Corrosión ....................................................................................................... 17
2.2.4 Grafitización ................................................................................................. 18
2.3 Entorno de desarrollo UCShell ........................................................................... 18
2.4 Bases de Conocimiento ........................................................................................ 19
2.4.1 La inferencia ................................................................................................. 24
2.5 Evaluación del prototipo ..................................................................................... 26
2.6 Consideraciones finales ....................................................................................... 29
Capítulo 3 IMPLEMENTACIÓN COMPUTACIONAL DEL SISTEMA EXPERTO
PARA EL DIAGNÓSTICO DE CALDERAS DE VAPOR ACUOTUBULARES ...... 31
3.1 Generalidades de la aplicación SECVA .................................................................. 31
3.2 Análisis de la interfaz gráfica. ................................................................................. 31
3.3 Implementación computacional de SECVA 1.0 ..................................................... 34
3.3.1 Requerimientos del sistema: .............................................................................. 34
3.3.2 Portabilidad del software .................................................................................. 35
3.4 Modelación del sistema ......................................................................................... 35
3.5 Facilidades y limitaciones del sistema ................................................................. 40
3.6 Consideraciones finales ......................................................................................... 41
CONCLUSIONES .............................................................................................................. 42
RECOMENDACIONES .................................................................................................... 43
REFERENCIAS BIBLIOGRÁFICAS ............................................................................. 44
LISTA DE FIGURAS
Figura 1.1 Esquema básico de un Sistema Experto ................................................... 5
Figura 1.2 Procedimiento en la construcción de un SBC .......................................... 6
Figura 2.1 Árbol de decisión corrosión ..................................................................... 21
Figura 2.2 Árbol de decisión choque térmico ........................................................... 22
Figura 2.3 Árbol de decisión grafitización ................................................................ 22
Figura 2.4 Árbol de decisión creep ............................................................................ 23
Figura 2.5 Descripción de la clase Inference del paquete Inference ....................... 25
Figura 3.1 Interfaz principal ...................................................................................... 32
Figura 3.2 Pregunta de captación de datos ............................................................... 32
Figura 3.3 Diagnóstico para el caso de corrosión ..................................................... 33
Figura 3.4 Método de tratamiento ............................................................................. 33
Figura 3.5 Crear un nuevo archivo. .......................................................................... 34
Figura 3.6 Diagrama de casos de uso ........................................................................ 36
Figura 3.7 Diagrama de componentes ....................................................................... 37
Figura 3.8 Diagrama de flujo ..................................................................................... 38
Figura 3.9 Diagrama fundamental de clases. ............................................................ 39
LISTA DE TABLAS
Tabla 2.1 Evaluación metalográfica y ángulo de doblado ....................................... 18
Tabla 2.2 Conceptualización derivada del diagnóstico de calderas ....................... 19
Tabla 2.3 Evaluación del prototipo en la UCLV (Corrosión) ................................ 27
Tabla 2.4 Evaluación del prototipo en Majibacoa (Corrosión) .............................. 27
Tabla 2.5 Evaluación del prototipo en Majibacoa (Creep) ..................................... 28
Tabla 2.6 Evaluación del prototipo en Central Unidad Proletaria (Corrosión) ... 28
Tabla 2.7 Evaluación del prototipo en Cienfuegos (Grafitización) ........................ 28
Tabla 2.8 Evaluación del prototipo en Cienfuegos (Creep) ..................................... 29
1
INTRODUCCIÓN La Inteligencia Artificial (IA) es una de las tendencias tecnológicas de mayor crecimiento y
vigencia en diversos y significativos campos. Es una de las ramas más fascinantes y con más
desafíos de la Ciencia de la Computación.
En el año 1956, durante un Congreso en Dartmouth (U.S.A.) se propuso el término de
Inteligencia Artificial para agrupar a todos los métodos, técnicas e intentos de simular el
intelecto humano en la computadora. Casi todos los especialistas están de acuerdo con esto,
y quien acuñó este término fue el matemático John McCarthy (J. A. Chávez-Hernández,
Recarey and García-Lorenzo, 2012)
La IA sintetiza y automatiza tareas intelectuales y es, por tanto, potencialmente relevante
para cualquier ámbito de la actividad intelectual humana. En este sentido, es un campo
genuinamente universal (Norvig Stuart, 2004).
Cerca de la década del 70, se reconoció que los métodos de solución de problemas generales,
eran insuficientes para resolver los problemas orientados a aplicaciones, algunos
investigadores determinaron que era necesario el conocimiento específico sobre el
problema, e intentar simular el razonamiento de un experto humano. En lugar de
dedicarse a computarizar la inteligencia general, se centraron en dominios de
conocimiento muy concretos. Este reconocimiento condujo al desarrollo de Sistemas
Basados en Conocimiento (SBC). (Montes, 2003)
Un SBC en términos generales, puede ser definido como un sistema informático que simula
el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción
de un experto humano en una determinada rama de la ciencia, suministrando, de esta forma,
un consultor que puede sustituirle con ciertas garantías de éxito (García Z, 2006). Los SBC
son sistemas computarizados, que simulan el intelecto y el comportamiento de un ser humano
experto en un campo en particular y emplea ese conocimiento para arribar a una solución de
un problema de ese dominio, intentando emular la solución que daría un humano experto, en
el campo del problema al enfrentarse al mismo (Kumar and Jain, 2012).
La adquisición del conocimiento, es la transferencia de la experticidad desde las fuentes de
conocimiento en el proceso de creación de la Base de Conocimiento. La experticidad es el
conocimiento de un experto en un dominio específico, puede ser de dos tipos: público y
privado. El conocimiento público incluye las definiciones, hechos, teorías publicadas y casos
resueltos. La experticidad usualmente incluye más que esta clase de conocimiento, es una
colección de hechos especializados, procedimientos y reglas, sobre el dominio estrecho en
lugar de conocimiento general sobre cualquier dominio (Bello, 2002).
Los SBC pueden solucionar problemas de control y monitoreo, planificación, predicción,
clasificación, diagnóstico, entre otras.
2
Según (Sigut, Marichal and Moreno, 2004) una tarea de diagnóstico, tiene como objetivo
encontrar la avería, o el defecto, que explique el mal funcionamiento de un sistema. Esta se
reduce a una tarea de clasificación, en la que los síntomas observados se asocian con
determinados fallos en el sistema. La industria azucarera no escapa a la solución de
problemas que involucran el diagnóstico de equipos, siendo difícil encontrar la causa
primaria de una anomalía en un proceso, lo que obstaculiza una toma de decisiones
apropiada.
En los procesos industriales, en el área de detección y diagnóstico de fallas, se desarrollan
diferentes técnicas para poder realizar las tareas propias del sistema. De forma general, se
pueden agrupar dichas técnicas en dos grupos fundamentales: las técnicas que emplean
métodos de estimación (la estimación de las variables de estado, la ecuación de paridad y la
estimación de parámetros), las cuales son técnicas basadas en un modelo cuantitativo; y las
técnicas que emplean métodos de reconocimiento de patrones (la lógica difusa, las redes
neuronales artificiales, los sistemas expertos y los métodos estadísticos) consideradas
técnicas basadas en antecedentes del proceso (Patan, 2008)
En los últimos años, ha surgido un nuevo campo relacionado con la extensión de la vida útil
de instalaciones industriales y la factibilidad de una explotación segura. Existen empresas
cuyos equipamientos y estructuras comienzan a acercarse al final de su vida útil, u operan
con riesgo de fallo. En estas, la implementación de programas de análisis de integridad
estructural y extensión de la vida útil, constituyen un método económico para satisfacer las
demandas de sus mercados en el futuro. En el caso particular de las calderas, trabajan
sometidas a temperatura y presión elevadas, por lo que están sujetas a distintos mecanismos
de acumulación de daños. Como consecuencia, estos equipamientos pueden perder su
funcionalidad durante el período de explotación económica, sin embargo, estos pueden ser
mantenidos en funcionamiento gracias a la acción del personal y de servicios de
mantenimiento (Duffus et al., 2011).
El vapor encuentra amplio uso en la industria azucarera, tanto en los procesos de manufactura
del azúcar, como en la generación de energía eléctrica, de aquí la necesidad de mantener en
muy buen estado técnico las calderas de vapor. El conocimiento de los daños y defectos, que
puedan poner en peligro el funcionamiento seguro de una caldera de vapor, así como la
localización de estos o las zonas donde están más propensos a desarrollarse es, sin dudas, de
gran utilidad para el personal tanto de mantenimiento como de explotación de las calderas y
a su vez garantía de seguridad tecnológica y medioambiental (Duffus and González, 2009).
Los procedimientos y técnicas a emplear para determinar el estado de los componentes de
una caldera y determinar un diagnóstico para estos, resulta engorroso debido a la carencia de
expertos en el tema en los lugares de proceso y el gran volumen que estos equipos poseen,
siendo, además, algunos de sus componentes de difícil acceso, por lo que urge un diagnóstico
riguroso para evitar posibles fallos. Por lo antes expuesto, se precisa el desarrollo de una
herramienta con la que dotar al personal que labora con calderas, y que este sea capaz de
3
identificar y proponer una solución viable ante los daños que se evidencien en sus
componentes. Se puede lograr el desarrollo de dicha herramienta, de forma que resulte
cómoda y que favorezca el trabajo de quienes la utilicen, además de que no requiere que haya
que trasladarse donde estén los expertos.
Problema de Investigación
La necesidad de identificación y diagnóstico de fallas en equipos altamente voluminosos, en
ausencia de expertos radicando en los lugares de proceso.
Objetivo General:
Desarrollar un sistema experto para diagnóstico de fallas en calderas de vapor acuotubulares
y su incorporación como una aplicación desktop.
Objetivos Específicos:
1. Realizar la Ingeniería del Conocimiento requerida para los componentes de las
calderas y los problemas referentes a daños o fallos en estas.
2. Crear las bases de conocimiento para problemas de diagnóstico en calderas.
3. Desarrollar una aplicación desktop sobre la base del sistema experto creado, que
permita realizar un mantenimiento sobre las calderas.
4. Validar la aplicación desktop a partir de pruebas de campo.
Hipótesis de investigación:
La implementación de una aplicación inteligente para el diagnóstico de fallas en calderas de
vapor acuotubulares, garantiza dicho proceso de forma eficaz y auxilia a los técnicos en
ausencia de expertos.
Estructura del documento:
El documento, luego de la introducción, está formado por tres capítulos. El primero de ellos,
menciona y describe las herramientas utilizadas y aborda de manera general, las distintas
etapas de la ingeniería del conocimiento, que propician el desarrollo del sistema experto. El
segundo capítulo, menciona el problema existente y se construyen las bases de conocimiento
para el desarrollo del sistema experto. En el tercero, se detalla la implementación de la
aplicación desktop y se propone un manual de usuario para facilitar el trabajo con esta. Para
finalizar, se enuncian las conclusiones, recomendaciones y referencias bibliográficas.
4
Capítulo 1 APLICACIONES INTELIGENTES EN
DIAGNÓSTICO DE PROBLEMAS DE INGENIERÍA
MECÁNICA. En este capítulo, se muestra un análisis detallado de los Sistemas Expertos, como una rama
sustancial dentro de la Inteligencia Artificial. Su importancia y uso dentro de diversas esferas
de la sociedad y en particular, sus aplicaciones para el diagnóstico. Se ilustra el proceso de
Ingeniería del Conocimiento, cuyo objetivo es extraer y elucidar el conocimiento de un
experto humano en un dominio específico.
1.1 Sistemas Basados en el Conocimiento Los Sistemas Basados en Conocimiento (SBC) surgen como una evolución de los paradigmas
de programación a lo largo de la historia de la computación, constituyen uno de los éxitos
comerciales más grandes de la IA (Villena, Crespo and García, 2011). Representan áreas con
un gran potencial de aplicación para la resolución de problemas donde la experiencia humana
desempeña un papel primordial. Igualmente, su solución algorítmica o no existe, o es
inadecuada, debido a que el razonamiento que se precisa no es directo y frecuentemente. Se
debe llegar a conclusiones en base a información incompleta, de discernimiento o difusa.
Pueden explicar y justificar sus respuestas. En forma general, son capaces de resolver
problemas cuya solución depende de reglas empíricas asimiladas por un humano a lo largo
de su experiencia en un campo determinado muy comunes en la tecnología, tanto en procesos
de análisis, diseño, y de fabricación o construcción, como en lo relacionado a la planificación
gestión, diagnóstico y toma de decisiones (Rosano, 1991).
Generalmente los términos SBC y sistemas expertos (SE) se usan indistintamente, aunque
algunos autores limitan el uso del término SE a aplicaciones donde el conocimiento al nivel
de expertos es requerido, y donde la explicación de las soluciones que se alcanzan constituyen
un módulo indispensable en la construcción de estos. Según (Feigenbaum, 1992) Un SBC es
un sistema cuya capacidad para resolver problemas no reside en la expresión formal ni en los
esquemas lógicos de inferencia que emplean, sino en el conocimiento que este posee.
La arquitectura de un SBC, de alguna manera, refleja la estructura cognoscitiva y los procesos
de razonamiento humanos. La primera parte es la memoria de largo plazo, en la que guarda
los hechos (Base de Hechos) y los conocimientos (Base de Conocimientos) acerca del
dominio en el que tiene experiencia. Se implementan con la utilización de una Base de
Conocimiento (BC) y un Motor de Inferencia (MI) para modelar el razonamiento del experto,
el conocimiento se encuentra separado, de modo que queda organizado en la estructura
denominada BC y el procedimiento implementado en el MI. (Peraza, 2019) Figura 1.1.
El conocimiento utilizado se adquiere a partir de uno o más expertos y de diversas fuentes
como documentos (Villegas, 2008).
5
Existen ciertas técnicas generales de resolución de problemas que se pueden aplicar a
diferentes tipos de dominios y tareas que debe realizar un SBC. La búsqueda es la base de
los métodos de solución de problemas de la IA, su estrategia define el criterio para seleccionar
el siguiente nodo a expandir.
FIGURA 1.1 ESQUEMA BÁSICO DE UN SISTEMA EXPERTO
Según (Rosano, 1991) las ventajas del uso de SBC radican en:
Autonomía.
Reproductibilidad.
Bajo costo de adquisición y operación.
Facilidad de distribución.
Mínimos requerimientos de hardware.
Flexibilidad para modificaciones y expansión.
1.1.1. Tipos de Sistemas Basados en Conocimiento
Según (Bello, 2002) existen diferentes tipos de SBC atendiendo al formalismo de
representación del conocimiento y al MI que se emplee. Aparecen distintas formas de
almacenar el Conocimiento entre las cuales se encuentran: símbolos (por ejemplo, reglas de
producción, frames, scripts, strips o redes semánticas); probabilidades o frecuencias que
modelan como se relacionan los valores de los diferentes rasgos que caracterizan el dominio,
pesos en una red neuronal y casos o ejemplos de problemas del dominio en cuestión.
6
Estos diferentes tipos de conocimiento dan lugar a diferentes tipos de SBC:
Sistemas Basados en Reglas
Sistemas Basados en Probabilidades
Sistemas Expertos Conexionistas o Redes Expertas
Sistemas Basados en Casos, etc.
Sin embargo, a pesar de los diferentes tipos es posible encontrar una serie de pasos comunes
a la mayoría para construirlos (Ortegón, 2016) Fig. 1.2
FIGURA 1.2 PROCEDIMIENTO EN LA CONSTRUCCIÓN DE UN SBC
Los sistemas que contienen el método de inferencia a emplear y que presuponen la creación
de la BC atendiendo a un formalismo determinado se conocen como sistemas Shell
(carcaza), o simplemente herramientas soporte de la IA. Por lo general, el desarrollo de los
SBC partiendo de un Shell se limita al proceso de ingeniería de conocimiento requerido para
la creación de la BC.
Aunque los shell simplifican la programación en general, no ayudan con la adquisición del
conocimiento. La adquisición del conocimiento refiere a la tarea de dotar los SBC con el
7
conocimiento requerido del dominio de la tarea; a mayor conocimiento en un sistema más
competente llega a ser. (Pignani, 2006)
1.2 Ingeniería del Conocimiento La Ingeniería del Conocimiento es la disciplina que permite construir sistemas inteligentes
mediante la deducción de conocimientos, teniendo como procesos centrales la adquisición,
representación, manipulación y validación de este. Está relacionada con la forma en que se
manejan los datos para formar la BC (Reyes, 2005) .
De acuerdo a (Feigenbaum, 1992) comprende la integración del conocimiento a los sistemas
de computación con el objetivo de resolver problemas que normalmente necesitarían de un
elevado nivel de experiencia humana.
La habilidad de expresar el conocimiento y utilizarlo en un sistema experto es compleja, pues
el lenguaje que utiliza un experto no es un lenguaje que la computadora pueda entender. Por
eso, es necesario que el Ingeniero del Conocimiento (IC), que es quien toma el conocimiento
de un especialista y de una forma sencilla y útil lo transmite a una BC establezca una
comprensión global del área, se forme un diccionario mental de los términos esenciales y
desarrolle una comprensión básica de los conceptos clave. (Palma et al., 2000) (ver
Figura.1.2).
El proceso de extracción, codificación y verificación del conocimiento de un experto
humano, llevado a cabo por el IC, se conoce como Adquisición del Conocimiento. Si se usan
Reglas de Producción como forma de representación del conocimiento, la extracción se
refiere a la formulación de las reglas, la codificación, a la escritura de las mismas en una
determinada sintaxis y la verificación al refinamiento de la BC. La adquisición del
conocimiento según (Jiménez et al., 2015) es el “Cuello de Botella” de las aplicaciones de
los SBC, es el punto que plantea una mayor dificultad a la hora de crear una base de
conocimiento.
Según (San Martín, 2012) existen tres procesos en la Ingeniería del Conocimiento:
1) Adquisición del conocimiento: fase en la cual se extrae el conocimiento de expertos
humanos en el dominio del tema.
2) Representación del conocimiento: interviene de manera fundamental el ingeniero del
conocimiento encargado de codificar y hacer explícitas las reglas u otros procedimientos,
todo esto para que los expertos humanos sean capaces de resolver problemas reales, en la
construcción de un SE dicha cooperación del experto humano con el Ingeniero de
Conocimiento.
3) Base de Conocimiento: última fase y es en la cual la información entra tal como llega, ya
que el orden no influye en los resultados obtenidos. Sucede así porque cada elemento de
conocimiento es comprensible por sí mismo, tomado de forma aislada y, por lo tanto, no es
necesario referirse al contexto en el cual está inserto. La información puede ser representada
8
mediante reglas de producción. Las cuales constituyen el método más utilizado para construir
bases de conocimientos, llamadas también implicaciones lógicas. Se estructuran acorde a
ciertas causas, determinados efectos; o, para determinadas condiciones, ciertas
consecuencias. Esto se define a menudo como programación orientada a las reglas.
Los SBC se aplican en diversos y a diferentes problemas entre los que destacan diseño,
planificación, control y monitoreo, entrenadores o tutores, pronósticos, diagnósticos entre
otros. A continuación, se profundiza en el desarrollo de SBC para el diagnóstico
1.3 Los Sistemas Basados en Conocimiento aplicados al diagnóstico Una de las subáreas de aplicación de la IA, es el diagnóstico en general. Este contempla la
tarea de analizar un sistema que funcione erróneamente e identificar las posibles causas que
lo provocan. Se puede formular como: "dado un conjunto de síntomas y la descripción de un
dispositivo, encontrar una explicación a esos síntomas", similar a un problema de
clasificación cuando existe un reducido número de posibles explicaciones (Sánchez, 2006).
Comúnmente, el proceso de diagnóstico encuentra las causas internas que explican los
síntomas observados.
Para (Abreu, Abreu and Morejón, 2017) las principales etapas para llevar a cabo el
diagnóstico son: detectar síntomas, generar hipótesis y discriminar hipótesis
En el campo del mantenimiento predictivo los SBC se utilizan fundamentalmente como
herramientas de diagnóstico. Se trata de que el programa pueda determinar en cada momento
el estado de funcionamiento de sistemas complejos, anticipándose a los posibles incidentes
que pudieran acontecer. Así, usando un modelo computacional del razonamiento de un
experto humano, proporciona los mismos resultados que alcanzaría dicho experto (León,
2007).
Los Sistemas Expertos son de interés en las áreas donde existan problemas que sólo pueden
resolver expertos, que requieren un proceso trabajoso de análisis, hasta cierto punto,
rutinario, dónde se pueda liberar, en parte, de su tarea a los expertos humanos. Estos sistemas
se vienen usando en diversos campos (Arrúa and Meza Fernández, 2003)
En la Medicina, estos tienen la tarea de realizar diagnósticos de enfermedades, y apoyar a los
doctores en la toma de decisiones. Entre algunos ejemplos de aplicaciones para la medicina,
se pueden citar, MYCIN para el diagnóstico de enfermedades infecciosas de la sangre
(Aguilar, 2012), PUFF para el diagnóstico de afecciones respiratorias.(Kumar and Jain,
2012), TROPICAID, permiten obtener información adicional sobre los medicamentos más
usados, selecciona un conjunto de posibles diagnósticos a partir del análisis del cuadro
médico, y propone un tratamiento óptimo para el caso concreto (Carlos, 2002), PLEXUS,
para asistir a neurólogos y neurocirujanos en el diagnóstico y la planificación del tratamiento
de los daños de la “bronchialplexus”(Carlos Soto, 2002)
Quimex es un SBC para el diagnóstico de los riesgos asociados con el uso de sustancias
químicas, constituye una herramienta de apoyo para los profesionales de la industria de
9
procesos químicos que requieren del uso de conocimientos de los riesgos asociados con el
uso de sustancias químicas (Navarro, 2011).
STEAMER es un SBC desarrollado por Navy Research Perssoner Development Center,
diseñado para enseñar a los oficiales de la armada de Estados Unidos sobre los problemas de
funcionamientos de una planta de propulsión a vapor como las utilizadas por buques
impulsados a vapor (Fuentes and Fuentes, 2013)
SISTEMA EXPERTO EoS desarrollado en Colombia, para la Gestión de fallas con
diagnóstico para turbocompresores utilizados en la extracción de petróleo. (Espinosa and
Pulido, 2004)
1.3.1 Sistemas Basados en Conocimiento con aplicación en Ingeniería
Mecánica
Con el devenir de los años los sistemas de control han ido evolucionando siendo cada vez
más complejos y sus algoritmos de control son sumamente sofisticados. Con las máquinas y
los procesos industriales, el diagnóstico ha tomado gran importancia pues se puede lograr
prevenir en gran medida la ocurrencia de posibles fallas los que de otra forma pudieran traer
consigo nefastas consecuencias en términos de vidas humanas, impacto medioambiental y
pérdidas económicas. (Torres et al., 2011)
El análisis de la integridad estructural resulta de la aplicación de técnicas y procedimientos
multidisciplinarios que procuran establecer el estado de daño acumulado en que se encuentra
una estructura y su tasa de crecimiento para así determinar el daño acumulado y prever o
calcular la vida útil de la estructura.(Duffus et al., 2011)
El primer problema a enfrentar en el diagnóstico de fallas en los sistemas industriales, es la
adquisición de la información, resultando complejo, ya sea el caso de información analítica
o heurística. En el caso de la información analítica o cuantitativa los instrumentos de
medición suelen proveer información que dependiendo de la calidad de los sensores
introducen mayor o menor grado de incertidumbre en las medidas. (Ramírez, 2007)
Numerosos son los casos en que se han empleado SBC en el área de la Ingeniería Mecánica,
para facilitar y apoyar el trabajo del personal encargado, a continuación, se detallan algunos
ejemplos en este campo:
SECALDE es un SE para ahorro energético en calderas. El cual analiza los síntomas que
presenta una caldera y sugiere medidas para mejorar su rendimiento energético.(Rosano,
1991)
Los sistemas basados en reglas pueden aplicarse con grandes ventajas al diseño de
transmisiones por engranajes cilíndricos de dientes interiores. En La Universidad Central de
Las Villas se desarrolló en el año 1995 una Máquina de Inferencia denominada Sistema
Inteligente de Ayuda al Diseñador (SIAD). Con la ayuda de este sistema, se han elaborado
numerosas bases de conocimientos para el diseño de engranajes en general y de
10
Transmisiones Cilíndricas de dientes interiores en particular. (Becerra, Chagoyén and Moya,
2007)
En (Ramírez, 2007) se presenta una metodología para el diagnóstico posibilístico borroso
visto como un problema de optimización lineal, la cual facilita el diagnóstico de fallos en
sistemas industriales basado en razonamiento borroso y posibilístico.
En (Donís, 2008) se realizó un estudio del comportamiento de varios modelos de estimación
de funciones contínuas en el pronóstico de la tensión de ruptura por termofluencia en aceros
ferríticos, cuestión fundamental para el diseño de nuevas aleaciones dentro de la Ciencia de
los Materiales. Se experimentó con varios modelos, desde las Regresiones Lineales pasando
por modelos bien establecidos como las Redes Neuronales hasta modelos como el caso de
las Máquinas de Soporte de Vectores para Regresión y los Procesos Gaussianos. También se
utilizaron variantes del algoritmo de Optimización basado en Enjambre de Partículas (PSO)
dentro de varios procesos de optimización implementados en dicha investigación.
La elaboración de un modelo experto para diagnóstico de fallas: caso Grúa Horquilla, con el
propósito de disminuir la carga de trabajo que presenta un mecánico experto en grúas
horquillas de la planta Talca de Coca-Cola Embonor S.A. (Bravo, 2010), es otro ejemplo de
utilización de los SBC.
Los Sistemas Basados en Casos pueden ser usados con éxito para el diseño de transmisiones
por tornillo sin fin. En La Universidad Central Marta Abreu de Las Villas se realizó una
comparación del uso de los Sistemas Basados en Regla y los Sistemas Basados en Casos para
el diseño de dichas transmisiones.(Laurencio, Becerra and Chagoyén, 2012)
Entre los sistemas expertos desarrollados para el diagnóstico de fallas mecánicas, se
encuentra DELTA, utilizado ampliamente para la reparación de locomotoras diesel y
eléctricas. Este sistema, además de dar consejos expertos, también facilita al usuario
información relevante por medio de un reproductor de video. (Fuentes and Fuentes, 2013)
El diagnóstico de fallas en las bombas de agua empleadas en la alimentación de calderas, es
fundamental para el aumento de la disponibilidad de estas; además de la consecuente
reducción de las pérdidas por energía indisponible. Con ese fin se desarrolló un SE en La
Universidad Central de Las Villas, cumpliendo las expectativas deseadas. (Morejón, 2015)
Todos estos SBC desarrollados constituyen una herramienta de ayuda a los especialistas,
técnicos y personal del campo de la Ingeniería Mecánica.
1.4 Interfaces Gráficas de Usuario Una interfaz gráfica de usuario (GUI), es un programa computacional que hace de
intermediario entre el usuario y la máquina. Un software que muestra las acciones posibles
sobre una plataforma, de forma que los usuarios puedan interactuar con mayor facilidad y sin
necesidad de disponer de profundos conocimientos de informática. La principal finalidad de
11
las GUI es simplificar y hacer mucho más cómoda la interacción entre una persona y un
dispositivo, haciendo mucho más accesible el aprovechamiento de las tecnologías.
Características básicas de una adecuada GUI según (Bevan, 1995):
Facilidad de comprensión, aprendizaje y uso.
Representación fija y permanente de un determinado contexto de acción (fondo).
El objeto de interés ha de ser de fácil identificación.
Diseño ergonómico mediante el establecimiento de menús, barras de acciones e
íconos de fácil acceso.
Las interacciones se basarán en acciones físicas sobre elementos de código visual o
auditivo (íconos, botones, imágenes, mensajes de texto o sonoros, barras de
desplazamiento y navegación...) y en selecciones de tipo menú con sintaxis y órdenes.
Las operaciones serán rápidas, incrementales y reversibles, con efectos inmediatos.
Existencia de herramientas de Ayuda y Consulta.
Al desarrollar una interfaz de usuario, se deben tener presentes una serie de principios básicos
para intentar alcanzar los niveles de calidad exigibles a las aplicaciones WIMP (Windows,
Icon, Menu, Pointer) actuales.
Usabilidad
La usabilidad es la capacidad inherente de un software de ser comprendido, aprendido y
usado, además de, lógicamente, resultar atractivo para un usuario, en condiciones específicas
de uso. (Granollers and Lorés, 2004). La usabilidad, es concretamente una medida de las
cualidades percibidas en un software por usuarios concretos en un contexto de uso localizado.
Ergonomía
La ergonomía según (Castillo and López, 1998) es un conjunto de estudios, métodos y
disposiciones para hacer el trabajo más humano en función de las capacidades fisiológicas y
psicológicas de un individuo.
Resultando fundamental en el desarrollo de las interfaces de usuario, debido a que algo tan
simple, como el empleo de fuentes gráficas, o colores uniformes, tiene un peso muy
importante en la productividad que el usuario final es capaz de alcanzar con las aplicaciones.
De forma similar que en mecánica se establece un convenio universal para el sentido de giro
de tornillos y tuercas, y en electrónica existen estándares de color para los cables. En la
12
computación existen numerosas guías de estilo que tratan de estandarizar aspectos de una
interfaz de usuario, a continuación se citan algunos ejemplos de dichas guías: (Access, 2007)
(Martínez and Cueva, 2001) (Wesley, 2001)
Imagen mental del usuario según (Moreno, 2003):
Reproducir la imagen mental del usuario facilita la interacción con el sistema, pues los
objetos con apariencia o comportamiento similar son interpretados de manera consistente,
logrando programas más predecibles, y una notable mejora de la curva de aprendizaje. El
principio de la familiaridad puede ser visto como la consistencia con el mundo real. Éste tipo
de imitación, ayuda a los usuarios a usar su conocimiento del mundo real para interactuar
con el sistema. El usuario no debe sentirse desbordado en ningún momento por los detalles.
Cuanto más simple es la interfaz, más fácil es que el modelo mental del usuario coincida con
el de la aplicación.
El diseño visual engloba la posición y la apariencia de los objetos. Las guías de estilo
favorecen la simplicidad y la claridad en detrimento de diseños recargados o barrocos con
vistosos efectos visuales. De este modo, la atención recae sobre la tarea que el usuario realiza,
evitando distracciones innecesarias sobre los detalles y adornos de la interfaz.
1.5 Consideraciones finales Los sistemas expertos constituyen una rama fundamental dentro de la Inteligencia Artificial,
son de gran aplicabilidad en diversos campos de la producción, los servicios y la vida diaria
en general y en disímiles tareas entre las que se encuentra el diagnóstico, control, monitoreo,
etc.
Un sistema experto aplicado al diagnóstico, infiere, a partir de los síntomas mostrados, las
posibles causas de fallas que justifiquen dichos síntomas y la interpretación de los datos
requeridos.
Las diferentes etapas de la Ingeniería del Conocimiento conducen al desarrollo de los
sistemas expertos siendo primordial la determinación de las fuentes de conocimiento para la
adquisición de este y su posterior formalización.
13
Capítulo 2 DISEÑO DE UN SISTEMA EXPERTO PARA EL
DIAGNÓSTICO DE CALDERAS INDUSTRIALES
ACUOTUBULARES En el presente capítulo, se describe el diseño del sistema experto desarrollado, para el diagnóstico
de fallas en los componentes de las calderas de vapor acuotubulares, se detallan conceptos vitales
relacionados con dichas calderas y los pormenores de la construcción de la base de conocimiento
utilizando UCShell 3.0.
2.1 Calderas Industriales La generación de vapor a escala industrial cuenta con más de 200 años de historia. Las
calderas industriales, aún en el siglo XXI siguen siendo el motor que potencia numerosas
industrias en todo el mundo.
Las calderas son instrumentos térmicos, cuyo propósito es convertir el agua en vapor, por
medio de la quema de diversos tipos de combustible a una temperatura superior al ambiente
y presión mayor que la atmosférica. (Abarca and Oswald, 2012)
Con el decursar de los años y acorde a las exigencias de los diversos procesos productivos,
se desarrollaron diversos tipos de calderas de vapor, las cuales según (The Babcock and
Wilcox Company, 2005) se clasifican en:
acuotubulares y pirotubulares, en función de la posición relativa de los gases calientes
y del agua;
verticales, horizontales e inclinadas, según la posición de los tubos en su interior;
de tubos rectos y de tubos curvados, de acuerdo a la forma de los tubos y
fijas, portátiles, locomóviles y marinas, por la naturaleza del servicio que
desempeñan.
Actualmente, las calderas de vapor son medios imprescindibles, empleados en diversos
procesos productivos que requieren de altas temperaturas particularmente coligados a la
industria energética, azucarera, textil, alimenticia, el sector de la salud entre otras muy
diversas, son máquinas ampliamente utilizadas en un sin número de procesos industriales
(López Ibarra, 2006).
2.1.1 Calderas Industriales Acuotubulares. Características En el año 1875, 106 años después de que James Watt creara la caldera y la máquina de vapor,
la empresa Steinmuller diseñó la primera caldera acuotubular. Desde entonces, el desarrollo
de las calderas acuotubulares ha sufrido un espectacular cambio de rumbo en lo que se refiere
a presión y capacidad y son las que más se usan. En este tipo de caldera, el agua fluye a través
de un conjunto de tubos que son calentados por gases producidos por el fuego. Aunque la
seguridad se incrementa, los accidentes pueden ocurrir, pues la presión a la que es sometida
14
esta máquina hace que siempre este latente el peligro de explosión, con consecuencias
nefastas. Por ello se precisa de un mantenimiento constante, donde cada uno de los
componentes de las calderas deben inspeccionarse periódicamente para evitar cualquier
anomalía a tiempo. (Franz, 2012)
En las calderas acuotubulares por el interior de los tubos circula agua o vapor mientras que
los gases calientes de la combustión se encuentran en contacto con la superficie externa de
aquellos. Estas calderas son empleadas por lo general cuando se requieren presiones
superiores a 1 MPa y capacidades de más de 6 804 kg/h de vapor, inclusive suelen alcanzar
presiones de trabajo hasta de 34 MPa. Una caldera acuotubular está constituida
fundamentalmente por el domo, los tubos, los cabezales y el economizador. (Duffus and
González, 2009)
Las calderas de vapor generalmente son fabricadas a partir de chapas de acero que usualmente
se conforman y se unen por soldadura. Existen en muchos países normas o códigos que
instauran los requerimientos de diseño, construcción e inspección de las calderas. Uno de los
de mayor cobertura y popularmente reconocido a nivel mundial es el denominado código
ASME para calderas y recipientes a presión, es un estándar de la Sociedad Americana de
Ingenieros Mecánicos, este es continuamente revisado y actualizado para incorporar los
nuevos requerimientos de diseño, de construcción, montaje, operación, inspección y
mantenimiento de las calderas de vapor (López Ibarra, 2006)
Se estima según (Rao, Hunt and Riccardella, 2006) que cerca del 85-90% de los materiales
utilizados en la fabricación de los componentes de las calderas de vapor acuotubulares,
corresponden a los aceros al carbono, C-0,5Mo, 1,25Cr-0,5Mo, 2,25Cr-1Mo y 18Cr-10Ni,
con sus respectivas temperaturas máximas de explotación, las cuales se encuentran por
debajo de las temperaturas permitidas en el código ASME. La aceptación de esas
temperaturas máximas por parte de los fabricantes de calderas resulta vital para prevenir
cambios en las propiedades de los aceros.
Las calderas de vapor tipo acuotubulares están conformadas por una gran cantidad de partes,
piezas y componentes. Teniendo en cuenta los reportes sobre incidentes proporcionados por
(National Board Bulletin, 2002) y según (Purgert and Rawls, 2017):
comprometen el proceso productivo por permanecer la caldera parada por largo
período;
colocan en riesgo la vida del personal o provocan un efecto social perjudicial;
generan tiempos y costos elevados de mantenimiento.
Por los criterios anteriores y tomando en cuenta además el incremento de incidentes de las
calderas de vapor con varios años en servicio reportados por (Holbrook and King, 1991) se
establece que los componentes críticos de las calderas de vapor son el domo, los tubos, los
colectores , el sobrecalentador.
15
Cada lugar específico de la caldera posee sus características distintivas, sus parámetros de
trabajo, sus especificidades en cuanto al flujo, la transferencia, la cantidad y forma en que
recibe el calor, estas “características distintivas” de cada zona conllevan a la aparición de
daños en los componentes de la caldera, como corrosión, termofluencia o creep, grafitización
y choque térmico. (Duffus and González, 2009)
2.2 Mecanismos de daño y componentes críticos Las calderas en diferentes etapas de su vida útil, pueden afectarse por diversos mecanismos
de daño, que resultan perjudiciales para su correcto funcionamiento. Desde el punto de vista
práctico, resulta fundamental conocer cómo evolucionan dichos daños con respecto al tiempo
(su cinética) debido a que este conocimiento permite, mediante la implementación de
acciones preventivas y/o correctivas evitar la ocurrencia de posibles fallas catastróficas.
(López Ibarra, 2006)
Para referirnos a las causas que originan modificaciones, en las características estructurales
y propiedades mecánicas iniciales de los componentes críticos, se emplearán los términos:
Daño: cambio progresivo y acumulativo que es introducido en un material que afecta
adversamente a su desempeño actual o posterior (Becker et al., 2002).
Mecanismo de daño: Serie específica de eventos que describen cómo estuvo incurriendo el
daño y que consecuencias resultaron.
De los principales daños asociados a las calderas de vapor, se pueden destacar la corrosión,
el choque térmico, la grafitización y la termofluencia (creep), todos ellos pueden afectar en
gran medida su correcto funcionamiento.
Los métodos para la identificación, caracterización y evaluación de los mecanismos de daño
están en función de los parámetros que intervienen en las propuestas de los modelos y
ecuaciones que describen su cinética.
Según (Roland and King, 1994) se establece que los componentes críticos de las calderas de
vapor son el domo, los tubos, los colectores y el sobrecalentador.
2.2.1 Choque Térmico El choque térmico es usual en las plantas que involucran agua y vapor (Materials, 1997). A
menudo ocurre este fenómeno cuando el fluido a baja temperatura golpea sobre una
superficie caliente, produciendo un nivel muy alto de tensiones cercano a la superficie
expuesta que ocasionalmente puede propiciar al desarrollo de grietas.
En (Price, Kerezsi and Chang, 2004) se presenta otra situación menos común en la que ocurre
el choque térmico, particularmente en donde ocurren repentinas despresurizaciones en
recipientes, para la iniciación de las grietas por choque térmico, se requieren
fundamentalmente los factores siguientes: una característica geométrica (concentración de
tensiones) y un número de ciclos de choque térmico de suficiente magnitud.
16
La iniciación de las grietas por choque térmico ocurre si la amplitud de la tensión teórica
máxima Sm excede la amplitud de la tensión de diseño permisible Sa. El valor de Sm puede
ser determinado por la ecuación 2.1 y Sa es tomado de las curvas de diseño S-N contenidas
en la sección VIII, División 2 del código ASME, para este caso en particular y según el
material de las calderas (acero al carbono de baja aleación), acorde a lo establecido en dicho
código se empleará el valor 214.
𝑆𝑚 =𝐸𝛼∆𝑇
2(1−𝜇)𝑘𝑓 (2.1)
Donde:
𝐸: módulo elástico (2*105 𝑀𝑃𝑎).
: coeficiente de dilatación lineal del material (12*10−6).
𝑇: variación de la temperatura.
µ: coeficiente de Poisson (2.25).
𝑘𝑓 : es el coeficiente de concentración de tensión cuyo valor oscila de 1,0 a 5,0; pero según
las propiedades del material y según lo establecido, en este caso se utilizará 2.
Con 𝐸, y µ siendo constantes en material, y conociendo el valor de 𝑘𝑓 para este tipo de
componentes, sólo 𝑇 es desconocido.
La magnitud de 𝑇 puede ser determinada de los datos de diseño basados sobre la condición
más baja posible del choque térmico (𝑇𝑎 – 𝑇𝑖), donde 𝑇𝑎 y 𝑇𝑖 corresponden a las
temperaturas máximas y mínimas respectivamente posibles del fluido pasando a través del
componente en operación.
Por lo cual si se despeja y simplifica en la ecuación se logra obtener:
𝑆𝑚 = 3.2 ∗ (𝑇𝑎 − 𝑇𝑖)
El crecimiento de las grietas bajo choques térmicos repetidos es un fenómeno muy complejo
debido a la transición de las altas tensiones térmicas no lineales y a la fuerte influencia del
medio y porque el crecimiento es influenciado por una combinación de varios factores que
incluye la geometría, la severidad del choque térmico, las cargas aplicadas y el medio (agua
y vapor).
2.2.2 Termofluencia La termofluencia (creep) es definida como una deformación dependiente del tiempo a
elevada temperatura y esfuerzo constante. La temperatura a la cual comienza el creep
depende de la composición química del acero. (French, 2005)
17
Uno de los factores más críticos que determinan la aptitud para el servicio de los componentes
de las calderas de vapor es su comportamiento frente al creep. Debido a la activación térmica,
los materiales pueden lenta y continuamente deformarse aún bajo esfuerzo constante y
ocasionalmente llegar a fallar.
El creep de los materiales es clásicamente asociado con la plasticidad dependiente del tiempo
bajo un esfuerzo fijo a una elevada temperatura, a menudo mayor a 0.5 Tm, donde Tm es la
temperatura absoluta de fusión. Acorde a los parámetros asociados y según un procedimiento
muy riguroso realizado en los laboratorios pertinentes, se logra determinar la fracción de vida
de un componente y con dicho valor es posible inferir la presencia o no de creep en un
componente específico y el nivel de daño que ha ocasionado en el material.
2.2.3 Corrosión La corrosión es el ataque destructivo de un metal por reacción química o electroquímica, por
parte del medio que lo rodea, produciéndose el consiguiente deterioro en sus propiedades
tanto físicas como químicas. (Hinds, 2015)
La mayor incidencia de los efectos de la corrosión en las calderas de vapor se presenta del
lado del agua de los tubos, en los tubos de agua por el lado del fuego, en el lado del fuego de
los tubos de los sobrecalentadores/recalentadores (SC/RC). Independiente a esto, su
presencia no se limita solamente en los tubos, puede afectaren el domo, los cabezales y el
economizador de las calderas. (Steve, Evy and Fabien, 2014) (Nakoneczny, 2000)
Las calderas de vapor acuotubulares están cubiertas por una fina capa de óxido de hierro
magnético, esta capa de óxido, debido al funcionamiento de la caldera, está siendo
constantemente retirada y restituida motivo por el cual se libera hidrógeno. Esta capa de
óxido de hierro magnético es la mejor protección para la caldera por hacer al acero menos
permeable al agua.
El medio corrosivo en las calderas es el agua (líquido y vapor) con una pureza que varía
desde la destilada, con una mínima conductividad eléctrica hasta la más completa solución
de sales altamente solubles. El comportamiento corrosivo del agua está mayormente
influenciado por los gases disueltos.
La temperatura a la cual puede presentarse la corrosión puede variar desde temperaturas
cercanas al punto de ebullición hasta temperaturas tan elevadas como los 700 o C.
Los mecanismos por los cuales los agentes químicos o físicos penetran o destruyen la capa
protectora de óxido sobre las superficies de las calderas de vapor son esencialmente los
mismos para los equipos que trabajan con bajos parámetros de servicio que para los que lo
hacen con elevados parámetros, pero las condiciones de corrosión se acentúan en el
equipamiento que trabaja con elevados parámetros de servicio (temperatura y presión).
18
2.2.4 Grafitización La grafitización consiste en la formación de carbón libre, C (grafito), en el hierro o en el
acero. Para el caso particular de los aceros, la grafitización es definida como el proceso de
formación de carbono libre (C-grafito) que da origen a la estructura estable Fe-grafito (Neri,
1993)
El grafito del acero es carbono libre, que, por la prolongada exposición a temperaturas que
exceden los 427 0C, se forman por la disociación de la cementita en hierro y carbono (Furtado
and May, 2004)
Mediante la evaluación metalográfica y las pruebas de doblado, resulta factible determinar
el grado de grafitización de los componentes de las calderas de vapor y se confirma al
establecer la correspondencia entre el análisis metalográfico y la pérdida de ductilidad del
material. La determinación del grado de grafitización es cualitativa, ya que se clasifica desde
nulo, muy ligero, moderado, fuerte, severo y muy severo en dependencia de la presencia del
grafito.(I Congreso Nacional de Fundicion, 1995). En la tabla 2.1 aparece la relación entre la
evaluación metalográfica y los resultados de las pruebas de doblado.
TABLA 2.1 EVALUACIÓN METALOGRÁFICA Y ÁNGULO DE DOBLADO
Evaluación metalográfica Ángulo de doblado
(grados)
Nula
Muy ligera
Ligera
Moderada
Fuerte
Severa
Muy severa
180
180
90 a 180
50 a 90
30 a 50
15 a 30
menor que 15
2.3 Entorno de desarrollo UCShell UCShell (Shell de la Universidad Central). Es un ambiente integrado para el desarrollo de
sistemas expertos (Lezcano, 1998). Cuenta con varios módulos, entre los que destacan: el
editor de bases de conocimientos, el compilador y la máquina de inferencia. Para
implementar un sistema experto sobre UCShell, se usa el editor como ambiente de
programación, sobre él se escribe el código que analizará el compilador para generar una
forma interna que posteriormente podrá ser interpretada por la máquina de inferencia.
(Salazar, 2012)
19
Con el transcurso de los años se han ido implementando disímiles versiones del sistema que
han incorporado nuevas funcionalidades y facilitan la interacción del usuario con el sistema,
hasta llegar a su versión más reciente, UCShell 3.0 se implementó según los aspectos
fundamentales del patrón de arquitectura MVC, lo cual posibilita el estudio del sistema por
dentro y facilita su posterior mantenimiento. (López, 2014). Dicha versión del programa, por
las facilidades que brinda, fue la empleada para la creación y compilación de las bases de
conocimiento con las que se trabaja en este proyecto.
2.4 Bases de Conocimiento El proceso de ingeniería del conocimiento realizado, fue ajustado a las etapas para la
confección de un SBC, el cual se inicia con la identificación del problema que nos ocupa y
la comprensión de este, explicado en los epígrafes anteriores. A continuación se pasa a la
formalización del conocimiento partiendo del criterio y la práctica de expertos con dominio
en el tema. El formalismo a emplear son las reglas por eso para evitar que se queden aspectos
sin tener en cuenta se construye un árbol de decisión para cada daño, donde partiendo del
nodo raíz y acorde a los parámetros adecuados se identifica la causa que origina un síntoma
en particular, las hojas del árbol revelan el fenómeno tras dicha causa.
Se describen, 16 conceptos que identifican posibles síntomas o anomalías y los atributos
preguntables empleados reconocen dos tipos de interrogantes, las preguntas de captación de
datos, y las de tipo 'sí o no’. En la tabla 2.2 se describen los principales conceptos que deben
analizarse en función de los distintos daños que aparecen en los componentes críticos de las
calderas.
TABLA 2.2 CONCEPTUALIZACIÓN DERIVADA DEL DIAGNÓSTICO DE CALDERAS
Concepto Atributo Dominio
Aspecto herrumbroso AH sí, no
Capas de producto de
corrosión
Cpc sí, no
Espesor inicial Ei valor numérico
Espesor final Ef valor numérico
Tiempo transcurrido Tt valor numérico
Velocidad de corrosión Vel_C = (Ei-Ef)/Tt valor numérico
Resistencia a la corrosión Corrosion corrosión general, sobresaliente
(S), excelente(E), buena(B),
regular(R), pobre(P),
inaceptable(I).
20
Ángulo de doblado AD valor numérico
Presencia de grafito Grafitizacion nula, muy ligera, ligera, moderada,
fuerte, severa, muy severa,
Fracción de vida FV valor numérico
0 < FV < 1
Defectos de creep Creep Sin cavidades, pequeñas
cavidades, coalescencia de
cavidades, microfisuras,
macrofisuras,
Temperatura máxima del
fluido
Ta Valor numérico
Temperatura mínima del
fluido
Ti Valor numérico
Valor máximo que puede
adquirir el choque térmico Sm =
𝐸𝛼∆𝑇
2(1−𝜇)𝑘𝑓 Valor numérico
Magnitud de diseño Sa 214
Choque térmico Choque_termico con grietas, sin grietas
Esta base de conocimientos (general.kbo) está conformada por 22 reglas, analiza los daños y
agiliza el diagnóstico. Además se decidió elaborar cuatro BC para cada daño, brindando así
la posibilidad de no tener que realizar un diagnóstico completo de todos los posibles daños
sino poder centrarse solo en el que se desea en un caso específico, pues si al realizar un
diagnóstico general solo se determina que la caldera tiene daños ocasionados por un
fenómeno en específico (ej.: corrosión), cuando se realice nuevamente el diagnóstico para
evaluar cómo ha evolucionado dicha anomalía, no hay necesidad de comprobar nuevamente
cada fallo sino solo del que ya se tiene conocimiento que está afectando a la caldera, y solo
hacer un análisis general, cuando sea preciso.
Estas BC, pueden ser utilizadas para evaluar cualquiera de los componentes de la caldera
(domos, tubos, colectores y sobrecalentadores), puesto que todos ellos están construidos con
aceros al carbono de baja aleación, por lo que el diagnóstico puede ser efectuado en
cualquiera de ellos con igual precisión.
A continuación, se muestran los árboles de decisión asociados a cada daño. Las figuras 2.1,
2.2, 2.3 y 2.4 se refieren a los árboles de decisión para determinar daño por corrosión, choque
térmico, grafitización y creep respectivamente.
21
FIGURA 2.1 ÁRBOL DE DECISIÓN CORROSIÓN
En este caso el aspecto herrumbroso (AH) y las Capas de producto de corrosión se detectan
mediante preguntas al usuario de las de tipo ‘si o no’ que vienen acompañadas de una imagen
sugerente de cómo podría lucir el componente en caso de presentar alguno de estos síntomas.
La velocidad de corrosión se determina por medio de preguntas de captación de datos, de
acuerdo al espesor inicial, el espesor actual de la pieza y el tiempo de explotación que ha
transcurrido desde la última revisión realizada, trabajando con estos valores se logra obtener
la resistencia a la corrosión (Rc) del componente, si es generalizada o no y un método de
tratamiento según sea el resultado obtenido.
22
FIGURA 2.2 ÁRBOL DE DECISIÓN CHOQUE TÉRMICO
En este caso el valor máximo que puede adquirir el choque térmico (Sm), cuyo valor es
obtenido por preguntas de captación de datos y utilizando la fórmula Sm = 𝐸𝛼∆𝑇
2(1−𝜇)𝑘𝑓 , luego
comparándolo con el valor de la magnitud de diseño (Sa), que es un valor fijo dependiendo
del tipo de componente con el que se trabaje, ver epígrafe 2.2.1, se puede determinar si
ocurrió o no choque térmico, y si este, en caso de ocurrir, fue con grietas o no y un método
te tratamiento o prevención idóneo para el caso.
FIGURA 2.3 ÁRBOL DE DECISIÓN GRAFITIZACIÓN
23
En este caso el valor del ángulo de doblado (AD) es obtenido por medio de una pregunta de
captación de datos, en la cual el usuario deberá realizar una prueba de doblado, que será de
tipo destructiva. Deberá extraer una pequeña porción del componente a la cual se le aplicará
esta prueba para obtener el valor necesario. Luego se debe reponer la porción extraída del
componente por medio de soldadura, obteniendo así el valor requerido con el cual se puede
determinar el nivel de grafitización presente en la pieza y un método te tratamiento o
prevención idóneo para el caso.
FIGURA 2.4 ÁRBOL DE DECISIÓN CREEP
El valor de la fracción de vida (FV) es obtenido por medio de una pregunta de captación de
datos, en la cual el usuario deberá realizar varias pruebas externas, obteniendo así el valor
requerido con el cual se puede determinar el nivel de grafitización presente en la pieza y un
método te tratamiento o prevención idóneo para el daño en cuestión.
En el futuro, en el caso del diagnóstico de grafitización y el de creep, pudiera considerarse la
construcción de una base de casos con una colección suficiente de imágenes, con la que
actualmente no se cuenta, y estando habilitados los lugares de proceso, con microscopios
especiales para poder obtener una imagen adecuada de la muestra. La construcción de dicha
base solamente implicaría cambiar la base en cuestión en el sistema desarrollado, lo cual
facilitaría aún más el trabajo a los técnicos que laboren con las calderas de vapor
acuotubulares.
Construcción de prototipo
En este trabajo fueron desarrolladas 5 bases de conocimiento, se creó la BC general.kbs, que
abarca el diagnóstico preventivo/correctivo, de los principales daños que pudieran afectar el
correcto desempeño de la caldera (corrosión, grafitización, creep, choque térmico).
Independientemente a esto se crearon las BC corrosion.kbs, grafitización.kbs, creep.kbs,
choqueTermico.kbs, para brindar la posibilidad de realizar los diagnósticos en forma
24
independiente, de esta forma si la caldera presenta un daño en específico, que haya sido
detectado previamente, no es necesario realizar un análisis completo de todos los daños, a no
ser que se desee, sino solo del que la afecta, para darle seguimiento.
Una vez creadas las BC para cada uno de los daños (fichero con extensión “.kbs”), se inicia
la compilación en UCShell 3.0 y se obtiene un archivo con la forma interna, el nombre del
archivo es igual que el de la BC pero con extensión “.kbo”.
Método de búsqueda
Se usa como método de solución de problemas, una búsqueda primero en profundidad (depth
- first). Se procede generando primeramente un sucesor del nodo raíz y luego un sucesor de
este, y continúa extendiendo este camino hasta que termina o se realiza un corte a alguna
profundidad, si no se ha alcanzado el objetivo, se realiza un retroceso al nivel anterior para
generar otro camino. La principal ventaja de este método es que sus requerimientos de
memoria son linealmente proporcionales a la profundidad del árbol (Salazar, 2012)
La dirección de la búsqueda es por objetivos (backward) la cual es apropiada emplear cuando
se maneja un número no muy elevado de conclusiones y los datos se obtienen de forma
progresiva, en dependencia de su necesidad y producto de la propia inferencia.(Bello, 2002)
Biblioteca empleada
Los Sistemas Expertos pueden ser aplicados en disímiles áreas del saber y la naturaleza de
los datos que contienen puede ser muy variada, por lo que de un sistema a otro varía
significativamente la forma óptima de interactuar visualmente con el usuario. (Fundora,
2007)
Se utiliza como biblioteca UCShell IDE 3.0.jar, logrando así incorporar el mecanismo de
inferencia de UCShell en la aplicación desktop desarrollada, con una interfaz visual propia.
Esta acción exige que la base de conocimiento se compile previamente y que se utilicen las
clases definidas en la biblioteca con el propósito de poner en marcha el motor de inferencia.
2.4.1 La inferencia Según (Fundora, 2007) para poder inferir es necesario usar el paquete inference, que contiene
la clase Inference que es la que implementa los métodos para inferir y además carga la forma
interna de la base de conocimiento.
La Figura 2.5 muestra una representación gráfica de la clase Inference y sus principales
atributos y métodos.
25
FIGURA 2.5 DESCRIPCIÓN DE LA CLASE INFERENCE DEL PAQUETE INFERENCE
Los atributos de la clase son los siguientes:
Atributos que toman los valores de la forma interna:
LinkedList<Tvar> externalVars. Variables externas al sistema.
LinkedList<Trules> rules. Reglas de la Base de Conocimiento.
LinkedList<Tasks> asks. Atributos interrogables.
LinkedList<Taccion> actions. Acciones.
SymTab table. Tabla de símbolos.
LinkedList<Fact> facts. Los hechos toman valores durante la inferencia.
String currprojectName. Nombre del proyecto actual.
QuestionMaker qm. Objeto que implementa la interfaz QuestionMaker. Define el
comportamiento de las ventanas con las interactúa el usuario cuando responde preguntas
y asigna valores de certidumbre.
El método a implementar en esta interfaz Fact makeQuestion (Ask ask) define la forma en
que se interrogará al usuario. El objeto, de tipo Ask, recibido contiene toda la información
relativa a la pregunta, el método devuelve un objeto de tipo Fact que contiene los detalles de
la respuesta dada por el usuario.
Displayer displayer. Objeto que implementa la interfaz Displayer. Define cómo mostrará
los datos al usuario, ya sean texto, imágenes o video. Los métodos a implementar son:
o void display (String cadena). Define cómo el sistema mostrará una cadena.
26
o void displayWithImage (String imageDir). Define cómo el sistema mostrará una
imagen, la dirección de la misma es imageDir.
o void displayWithVideo (String video). Define cómo el sistema mostrará un video.
La ubicación del video está contenida en la cadena video.
Los métodos de la clase son los siguientes:
void initInference (Displayer displayer, QuestionMaker qm). A este método es necesario
llamarlo antes de realizar la inferencia, el mismo le asigna a la clase Inference los objetos
que implementan la interfaz Displayer y QuestionMaker respectivamente.
boolean infer (String filename, String errorsFileName, String
standardOutInferenceFileName, String currProjectName). Este método es el que carga la
forma interna y realiza la inferencia, en caso de que no haya errores devolverá true, en
caso contrario false. Los parámetros que se le pasan al método son:
o String fileName. Nombre del archivo que contiene la forma interna de la base de
conocimiento.
o String errorsFileName. Nombre del archivo donde se guardarán los errores
detectados durante la inferencia.
o String standardOutInferenceFileName. Nombre del archivo donde se guardarán los
mensajes enviados por el sistema, en caso de que se envíe alguno.
o String currProjectName. La dirección del proyecto actual.
De manera general, para inferir debe crearse un objeto de la clase Inference, luego llamar al
método initInference pasándole por parámetros los objetos displayer y questionMaker.
Finalmente se llama al método infer con los parámetros requeridos. Una vez terminada la
inferencia los hechos probados se encontrarán en el atributo facts de la clase Inference.
2.5 Evaluación del prototipo Para evaluar el prototipo se consultó la opinión de expertos en la materia y se realizaron 14
inspecciones técnicas a componentes de calderas en diversos centros, a continuación, se
detallarán cada una de estas y los resultados obtenidos:
1-Tubo de fuego de la caldera del centralito de la Universidad Central.
27
Se realizaron pruebas en tres zonas de la caldera y se encontraron velocidades de corrosión
de 0.5 mm/año; 1 mm/año y 3.2 mm/año (evaluación de corrosión).
TABLA 2.3 EVALUACIÓN DEL PROTOTIPO EN LA UCLV (CORROSIÓN)
Velocidad
de corrosión
Análisis realizado Resultados
0.5 mm/año Corrosión en los
tubos de fuego
1. La resistencia que ofrece a la corrosión, según el
valor introducido, es regular, debe parar, reparar y
recalcular la presión según ASME, si es posible, y
aplicar un programa de monitoreo cada 2 años.
1 mm/año Corrosión en los
tubos de fuego
2. La resistencia que ofrece a la corrosión, según el
valor introducido, es pobre, debe sustituir y aplicar
un programa de monitoreo cada 3 años.
3.2 mm/año Corrosión en los
tubos de fuego
3. La resistencia que ofrece a la corrosión, según el
valor introducido, es pobre, debe sustituir y aplicar
un programa de monitoreo cada 3 años.
2-Caldera del Central Majibacoa en Las Tunas:
El espesor de diseño (inicial) de la pared del domo de una de estas calderas es de 36 mm y
en algunas zonas de la misma, se encontraron paños con valores de espesores de 28 y 16 mm
respectivamente, después de 10 años en servicio (evaluación de corrosión).
TABLA 2.4 EVALUACIÓN DEL PROTOTIPO EN MAJIBACOA (CORROSIÓN)
Espesor
actual
Análisis realizado Resultados
28 mm Corrosión en varios
paños de la caldera
4. La resistencia que ofrece a la corrosión es regular,
con una velocidad de corrosión de 0.8 mm/año, debe
parar, reparar y recalcular la presión según ASME, si
es posible, y aplicar un programa de monitoreo cada
2 años
16 mm Corrosión en varios
paños de la caldera
5. La resistencia a la corrosión es regular, debe parar,
reparar y recalcular la presión según ASME, si es
28
posible, y aplicar un programa de monitoreo cada 2
años
La fracción de vida estimada en un paño de la caldera es de 0,8mm, que es equivalente decir
que la caldera completa tiene una fracción de vida de 0,8mm (evaluación de creep)
TABLA 2.5 EVALUACIÓN DEL PROTOTIPO EN MAJIBACOA (CREEP)
Fracción de
vida
Análisis realizado Resultados
0,8mm Creep en varios paños
de la caldera
6. Presenta microfisuras generadas por Creep,
debe inmediatamente informar, parar el equipo y
sustituir.
3- Caldera del Central Unidad Proletaria:
La velocidad de corrosión en algunas zonas del domo principal de esta caldera es de 4,5
mm/año y en otras zonas es de 3,2 mm/año.
TABLA 2.6 EVALUACIÓN DEL PROTOTIPO EN CENTRAL UNIDAD PROLETARIA (CORROSIÓN)
Velocidad
de corrosión
Análisis realizado Resultados
4,5 mm/año Corrosión en zonas del
domo principal
7. La resistencia que ofrece a la corrosión, según
el valor introducido, es pobre, debe sustituir y
aplicar un programa de monitoreo cada 3 años
3.2mm/año Corrosión en zonas del
domo principal
8. La resistencia que ofrece a la corrosión, según
el valor introducido, es pobre, debe sustituir y
aplicar un programa de monitoreo cada 3 años.
4- Al domo de la caldera de una locomotora de vapor con más de 70 años en servicio, se le
tomaron muestras para la realización del ensayo de doblado con el objetivo de determinar la
grafitización de las probetas, los resultados de los ensayos fueron: 15, 70, 135 (prueba de
grafitización).
TABLA 2.7 EVALUACIÓN DEL PROTOTIPO EN CIENFUEGOS (GRAFITIZACIÓN)
Ángulo de
doblado
Análisis realizado Resultados
29
15 Grafitización en zonas
del domo de la caldera
9. La grafitización que presenta es severa, debe
parar y sustituir el componente, si la degradación
se manifiesta en toda la pieza y reparar si la
degradación se presenta en una zona dañada.
70
Grafitización en zonas
del domo de la caldera
10. La grafitización que presenta es moderada,
debe continuar bajo un programa de monitoreo
cada 0.5 años
135
Grafitización en zonas
del domo de la caldera
11. La grafitización que presenta es ligera, debe
continuar bajo un programa de monitoreo cada 1
año
5- Valoración de la degradación por Creep de los tubos de las calderas de la central
termoeléctrica “Carlos Manuel de Céspedes” de Cienfuegos. La estimación de la fracción de
vida remanente de varios tubos, fue de: 0.5, 0.8 y 0.15.
TABLA 2.8 EVALUACIÓN DEL PROTOTIPO EN CIENFUEGOS (CREEP)
Fracción
de vida
Análisis realizado Resultados
0.5
Creep en los tubos
de la caldera
12. Presenta coalescencia de cavidades, debe
reinspeccionar luego de 15000 horas de servicio.
0.8
Creep en los tubos
de la caldera
13. Presenta microfisuras generadas por Creep, debe
inmediatamente informar, parar el equipo y sustituir.
0.15
Creep en los tubos
de la caldera
14. No presenta defectos de Creep, se debe controlar
cada dos años, según ASME VIII.
2.6 Consideraciones finales
Se construyeron y fueron evaluados los cinco prototipos de Bases de Conocimientos (BC),
empleados para cada uno de los distintos daños que pudieran afectar el funcionamiento
idóneo de las calderas. Las bases creadas, para cada uno de los componentes críticos de las
calderas, facilitan la resolución de problemas por parte de los técnicos en ausencia de
expertos en los lugares de proceso.
30
Resultan satisfactorias las evaluaciones de los resultados que se obtienen por parte del
experto al consultar el sistema, así como por otros especialistas del Centro de Investigación
de Soldadura (CIS) de la UCLV.
31
Capítulo 3 IMPLEMENTACIÓN COMPUTACIONAL DEL
SISTEMA EXPERTO PARA EL DIAGNÓSTICO DE
CALDERAS DE VAPOR ACUOTUBULARES En este capítulo se aborda la interacción del usuario con la aplicación desktop implementada.
Por otra parte, se resaltan consideraciones generales sobre su implementación computacional.
Se propone un Manual de usuario de la aplicación que detalla todo su funcionamiento.
3.1 Generalidades de la aplicación SECVA
De forma preliminar a la descripción del funcionamiento de la aplicación desktop
desarrollada, es preciso abordar aspectos generales relacionados con el software, que deben
ser dominados por el usuario. El objetivo principal de ‘SECVA’ es facilitar la comunicación
entre el SE y los usuarios o técnicos que trabajen con calderas de vapor acuotubulares, y
servirles de apoyo profesional y de conocimientos; por ende, el sistema está destinado a un
grupo de usuarios que deben dominar los principales conceptos relacionados con el tema.
En el sistema implementado se trabaja sobre los cuatro problemas fundamentales que afectan
a los componentes de las calderas: corrosión, grafitización, creep y choque térmico,
facilitando un diagnóstico adecuado para cada uno de ellos y un método de tratamiento
idóneo para el caso en cuestión, además de permitir el almacenamiento de los resultados y
un sistema de notificaciones que nos alerte, previo a una revisión.
3.2 Análisis de la interfaz gráfica. La interfaz implementada, fue diseñada para el personal que labora con calderas
acuotubulares. Posee un diseño intuitivo, permite realizar un diagnóstico de fallas, brinda la
posibilidad al realizar el análisis de centrarse en un problema en específico o aplicar un
diagnóstico general de todos los principales problemas. Facilita para cada uno de ellos un
diagnóstico idóneo (ver figura 3.3) y una forma de tratar el problema (ver figura 3.4), así
como también se indica cuando debería realizarle el próximo diagnóstico al componente de
la caldera. En el caso de creep, brinda la opción de visualizar una gráfica que muestra los
posibles estados de este daño y señala en rojo, en el cual se encuentra el componente objeto
de diagnóstico. Adicionalmente guardará automáticamente en un archivo (casos.cva que se
encontrará dentro de la carpeta Other en la raíz del proyecto) todos los hechos que tomen
valor durante la inferencia de los análisis guardados por el usuario. Esto garantiza el acceso
a una vasta base de casos reales, cuyos datos no serán relevantes al usuario, pero si poseen
gran valor para que en un futuro si se desea se puedan vincular reglas y casos sin problema.
La interfaz se encuentra conformada por una ventana principal, desde la cual se pueden
realizar varias acciones y un conjunto de ventanas auxiliares utilizadas para la comunicación
con el usuario; dígase las preguntas de captación de datos (ver figura 3.2) y las de tipo ‘sí o
no’, vitales para el proceso de inferencia, además cuenta con mensajes de error, preguntas y
cuadros de diálogo. En la figura 3.1 se muestra la pantalla principal del sistema.
32
FIGURA 3.1 INTERFAZ PRINCIPAL
Desde esta interfaz a través del menú ‘Archivo’ se pueden activar o desactivar las
notificaciones con inicio automático y abrir o crear un nuevo archivo. El menú ‘Diagnóstico’
permite realizar todas las posibles revisiones que brinda el sistema, y desde el menú
‘Información’, se puede acceder entre otras opciones a una ayuda que detalla todo el
funcionamiento del mismo. La pestaña ‘Revisiones pendientes’ muestra todas las revisiones
que han sido almacenadas en la base de datos y la pestaña ‘Añadir revisión’ permite agregar
una nueva revisión al sistema.
FIGURA 3.2 PREGUNTA DE CAPTACIÓN DE DATOS
33
FIGURA 3.3 DIAGNÓSTICO PARA EL CASO DE CORROSIÓN
FIGURA 3.4 MÉTODO DE TRATAMIENTO
Esta ventana muestra la opción de exportar a un archivo el resultado de la revisión. Podrá ser
guardado en una archivo nuevo o agregado al final del contenido de uno ya existente.
34
FIGURA 3.5 CREAR UN NUEVO ARCHIVO.
De esta manera el usuario puede realizar el proceso de diagnóstico de forma sencilla y rápida.
En esta breve descripción de la interfaz se hizo alusión a algunas de las ventanas de la interfaz
gráfica y su funcionamiento de forma sintetizada. El contenido de la aplicación desktop es
detallado en profundidad en el manual de usuario ‘Manual SECVA.chm’ a disposición de los
usuarios como un archivo independiente y que además podrá ser accedido desde el submenú
ayuda de la aplicación.
3.3 Implementación computacional de SECVA 1.0 Para lograr un adecuado funcionamiento del software se precisa un mínimo de
requerimientos tanto de hardware como de software, al ser desarrollado en Java ofrece la
ventaja de ser multiplataforma.
3.3.1 Requerimientos del sistema: Al menos 64 MB de memoria RAM.
La instalación básica necesita de 10 MB de espacio disponible en disco más
205 MB para JAVA©-RunTimeEnviroment (JRE) Versión 8 update 211.
Computador Pentium de 266MHz o superior.
Sistema Operativo Windows 2000, XP, Vista (x86, x64), Windows 7 (x32,
x64), Windows 8 o Windows 10.
Sistema Operativo Linux que tenga instalado alguno de los siguientes
administradores gráficos de ventanas para X: Common Desktop Environment
(CDE), GNOME, The K Desktop Environment, Xfce Desktop Environment.
35
Máquina virtual de Java (JRE) en su versión 8 update 211, aunque este vendrá
implícito en SECVA.exe versión 1.0 y no será necesario instalarlo
previamente.
3.3.2 Portabilidad del software
No siempre se cuenta con un ordenador personal para trabajar, por lo que es conveniente el
uso de aplicaciones portables, llevarlas en una memoria externa y ejecutarlas en cualquier
ordenador.
Se ha querido que este software, luego de terminado, quede contenido en un archivo
portable. Lo que resulta útil para agilizar su distribución y permite un mayor acceso a la
información además de dar al usuario una mayor comodidad para trabajar con el sistema en
general.
El fichero portable ha sido generado utilizando la herramienta Launch4j en su versión
3.8, para crear ficheros portables a partir de aplicaciones Java.
Primeramente se indica el archivo de salida de la aplicación donde se creará en este caso
SECVA.exe, posteriormente le indicamos cual es el archivo .jar a convertir, los archivos
externos que empleará, las bases de conocimiento (.kbo) necesarias para realizar la
inferencia, el archivo de la base de datos (.db) que se desarrolló en sqlite para garantizar una
mayor independencia pues está incrustada en la propia aplicación y no requiere de un servidor
y el archivo de manual de usuario (Manual SECVA.chm), además de las librerías que
empleará el sistema. Posteriormente se indica la mínima versión del JRE que requerirá el
software y la carpeta en la cual estará contenido.
3.4 Modelación del sistema
El Lenguaje Unificado de Modelado (UML) es una herramienta que se basa en símbolos y
diagramas que permiten generar diseños que capturen la idea general de un sistema para
comunicarlo de una forma fácil de comprender. El UML está compuesto por diversos
elementos gráficos que se combinan para conformar diagramas cuya finalidad es presentar
diversas perspectivas de un sistema, a las cuales se les conoce como modelo el cual es una
forma de representación simplificada de la realidad.(Fowler, 2003)
Existen disímiles herramientas que permiten la realización de estos diagramas y su
integración en un modelo de diseño. Los más notables son Select Enterprise, Rational Rose
y Visual Paradigm que es el empleado en este proyecto, en su versión 10.0.
36
3.4.1 Diagrama de casos de uso
Un caso de uso es una descripción de las acciones de un sistema desde el punto de vista del
usuario. Es una herramienta valiosa, pues es una técnica de aciertos y errores para obtener
los requerimientos del sistema, desde el punto de vista del usuario.
Los diagramas de caso de uso modelan la funcionalidad del sistema usando actores y casos
de uso. Los casos de uso son servicios o funciones provistas por el sistema para sus usuarios.
Figura 3.6
FIGURA 3.6 DIAGRAMA DE CASOS DE USO
Para este diagrama intervienen los casos de uso:
Realizar diagnóstico: Corresponde a la acción de realizar cualquiera de los diagnósticos que
brinda el sistema y obtener los resultados y métodos de tratamiento idóneos para el caso en
cuestión.
Gestionar notificación: Es referente a la acción de activar o desactivar las notificaciones del
sistema, y además incluye el caso de uso de activar o desactivar el inicio automático del
sistema.
Gestionar archivos: Corresponde a todo el trabajo con archivos que se realiza para almacenar
información de las revisiones. Permite crear archivos nuevos o modificar el contenido de uno
37
previamente creado y adicionalmente brinda la opción de unificar el contenido de dos
archivos.
Gestionar revisiones: Hace alusión a la acción de añadir una nueva revisión de una caldera a
la tabla de revisiones pendientes, además de modificar datos de una previamente creada y de
eliminar revisiones de la tabla.
3.4.2 Diagrama de componentes
FIGURA 3.7 DIAGRAMA DE COMPONENTES
A continuación, se describen los componentes empleados:
Biblioteca: Se emplea UCShell IDE 3.0.jar como biblioteca lo que permite modificar la
interfaz del sistema acorde a las peculiaridades de los usuarios y permite incorporarle a este
los mecanismos de inferencia propios de UCShell. El funcionamiento de UCShell como
biblioteca fue detallado en el capítulo anterior.
Bases de Conocimiento: Todas las bases de conocimiento contienen el discernimiento
necesario, extraído al experto para realizar el análisis y obtener un diagnóstico apropiado
para cada uno de los posibles casos a evaluar (grafitización, corrosión, creep, choque térmico,
y el análisis general).
38
Base de datos: La base de datos Pendientes.db permite almacenar información útil sobre las
revisiones pendientes, las que posteriormente nos notificará el sistema, próximo a la fecha de
realización de estas.
3.4.3 Diagrama de flujo
FIGURA 3.8 DIAGRAMA DE FLUJO
39
3.4.4 Diagrama fundamental de clases
FIGURA 3.9 DIAGRAMA FUNDAMENTAL DE CLASES.
Inference implementa los métodos para inferir y además carga la forma interna de la base de
conocimiento.
ManejadorDePreguntas define la forma en que se interrogará al usuario, visualizando el
proceso de inferencia. El objeto, de tipo Ask, recibido contiene toda la información relativa
a la pregunta, el método devuelve un objeto de tipo Fact que contiene los detalles de la
respuesta dada por el usuario.
QuestionMakerqm:Objeto que implementa la interfaz QuestionMaker. Define el
comportamiento de las ventanas con las cuales interactúa el usuario para responder preguntas.
El método a implementar en esta interfaz es:
makeQuestion(Ask ask): En este método se define la forma en que se interrogará
al usuario. Al mismo se le pasa por parámetros un objeto de tipo Ask. Este contiene
toda la información relativa a la pregunta. Una vez contestada la misma, se
devuelve un objeto de tipo Fact que contiene los detalles de la respuesta dada por
el usuario.
40
ManejadorDeVistas: se encarga de visualizar todas las acciones de tipo display
pertenecientes a cada una de las bases de conocimiento. Esta define cómo serán mostrados
los datos al usuario, ya sean texto, imágenes o video, aunque en este proyecto solo se trabajó
con texto e imágenes.
Displayer displayer: Objeto que implementa la interfaz Displayer. Define cómo mostrará los
datos al usuario. Los métodos a implementar son:
voiddisplay(String cadena): se define cómo el sistema mostrará una cadena.
voiddisplayWithImage(StringimageDir): se define cómo el sistema mostrará una
imagen, la dirección de la misma es imageDir.
voiddisplayWithVideo(String video): se define cómo el sistema mostrará un video.
La ubicación del video está contenida en la cadena video.
3.5 Facilidades y limitaciones del sistema
Facilidades
La aplicación desarrollada posee un conjunto de beneficios que logran satisfacer de una
forma cómoda y sencilla los requerimientos de los usuarios, facilitándoles de esta forma el
trabajo con el sistema.
SECVA permite el intercambio de información entre el usuario y el sistema
experto implementado.
Contiene cada una de las BC para el diagnóstico preventivo o correctivo de fallas
para cada componente crítico de la caldera.
Uso optimizado de la memoria del dispositivo, no se cargan todas las BC, sino
sólo la que se necesita en el momento de realizar la inferencia.
Implementa una base de datos para almacenar las revisiones pendientes y
posibilita la edición de estas una vez añadidas a la base de datos.
Cuenta con un servicio automático de notificaciones con sonido, aunque la
aplicación no se encuentre abierta por el usuario, si hay una revisión programada
para la fecha en curso mostrará la notificación correspondiente, además de
señalarla en rojo en la tabla de revisiones pendientes.
En la tabla de revisiones que muestra el sistema nos resaltará en amarillo las
revisiones que correspondan al mes en curso, lo que permite que se puedan
41
preparar con un mes de antelación las condiciones necesarias para realizar el
diagnóstico.
Posibilita la creación de archivos (.cva), con los cuales resulta mucho más
cómodo llevar el historial de fallos de una caldera y las revisiones que se le han
realizado, además de facilitar el acceso a la información.
Al ser una aplicación desktop portable, se facilita notablemente el acceso a la
información y le brinda mayor comodidad al usuario para trabajar con el sistema.
Fácil reproductibilidad.
Facilidad de distribución.
Limitaciones
Producto a la carencia de imágenes microscópicas de componentes de las calderas, en el caso
de grafitización y creep, resulta imposible realizar un diagnóstico basado en casos, lo que
sería mucho más preciso, pues el resultado final estaría menos propenso a errores humanos.
3.6 Consideraciones finales
El sistema desarrollado (SECVA) es posible utilizarlo prácticamente en cualquier sistema
operativo, una vez que se cuente con el JRE que estará implícito dentro del ejecutable de la
aplicación desktop (SECVA.exe).
La interfaz se ajusta a las necesidades requeridas y facilita notablemente el trabajo con las
calderas de vapor acuotubulares.
42
CONCLUSIONES Se logró crear un sistema experto capaz de realizar el diagnóstico de fallas en
componentes de las calderas de vapor acuotubulares. El sistema implementado brinda
numerosas facilidades:
o Permite tener a disposición en todo momento el conocimiento de expertos con
años de práctica en el campo, cuando sea preciso y sin necesidad de trasladar
el experto de un sitio a otro cuando se requiera un diagnóstico.
o Incluye un sistema de notificaciones que alerta próximo a una revisión de una
caldera pendiente.
o Posibilita la creación de archivos para mantener un historial de las calderas y
facilitar la gestión de la información.
Tras el proceso de Ingeniería del Conocimiento realizado, quedaron identificadas las
principales fallas que pueden atentar contra el correcto funcionamiento de las calderas
y los componentes críticos que pueden afectarse.
Se crearon las bases de conocimiento requeridas para tratar de forma idónea cada una
de las posibles fallas (grafitización, corrosión, creep, choque térmico), para ello se
utilizó la herramienta USChell IDE 3.0.
Con la implementación de SECVA 1.0 se cubren los requerimientos esperados con
una interfaz intuitiva que facilita notoriamente el diagnóstico de las calderas de vapor
acuotubulares, posibilitándolo de forma totalmente independiente a la interfaz visual
de UCShell 3.0.
La aplicación desktop desarrollada fue validada satisfactoriamente, a partir de
pruebas de campo realizadas en diversas provincias del país.
43
RECOMENDACIONES Desarrollar una versión del sistema implementado para dispositivos móviles, independizando
la máquina de inferencia de la swing de java.
Trabajar con expertos para identificar la certeza de las reglas, así como los equipos que
puedan generar imprecisión en las respuestas.
Emplear el sistema no solo en la industria azucarera sino además en la hospitalaria, química,
alimenticia, hotelera, textil, petroquímica. Donde las calderas acuotubulares son utilizadas
con diversos fines.
44
REFERENCIAS BIBLIOGRÁFICAS Abarca, P. and Oswald, D. (2012) ‘Descripción de Calderas y Generadores de Vapor’.
Abreu, A., Abreu, R. and Morejón, A. (2017) ‘“ Sistema Experto para el diagnóstico de
fallos en bombas de agua de alimentar calderas ”’.
Access, C. U. (2007) ‘Estándares y guías de estilo’.
Aguilar, J. (2012) ‘Sistema Experto MYCIN’, pp. 123–125. Available at:
http://www.revistasbolivianas.org.bo/pdf/rits/n1/n1a31.pdf.
Arrúa, L. and Meza Fernández, E. (2003) ‘Inteligencia Artificial. Sistemas Expertos, Redes
Neuronales’.
Becerra, M., Chagoyén, C. and Moya, J. (2007) ‘Aplicaciones de los Sistemas Basados en
el Conocimiento al diseño y descifrado de reductores de ciclo para la industria azucarera’,
(June 2015).
Becker, W. T. et al. (2002) ‘ASM Handbook ா ’, 11.
Bello, R. (2002) ‘Aplicaciones de la Inteligencia Artificial, Capítulo 4’, in.
Bravo, J. (2010) Elaboración de un modelo experto para diagnóstico de fallas: caso grúa
horquilla.
Carlos, M. (2002) SISTEMA EXPERTO DE DIAGNOSTICO MEDICO DEL SÍNDROME
DE GUILLIAN BARRE MONOGRAFÍA.
Carlos Soto, M. (2002) ‘Sistema experto de diagnostico medico del Síndrome de Guillian
Barre.’ Available at:
http://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/carlos_sm/cap2.pdf.
Donís, C. (2008) ‘ESTUDIO COMPARATIVO DEL COMPORTAMIENTO DE
MÉTODOS DE ESTIMACIÓN DE FUNCIONES CONTINUAS EN EL PRONÓSTICO
DE LA TENSIÓN DE RUPTURA POR TERMOFLUENCIA EN ACEROS
FERRÍTICOS.’
Duffus, S. et al. (2011) ‘Reacondicionamiento de Calderas de Vapor de la Industria
Azucarera utilizando técnicas de Inspección Basada en Riesgo (IBR) y Análisis de
Integridad Estructural (AIE).’, pp. 1–13.
Duffus, S. and González, R. (2009) ‘Daños asociados a las tuberías de la zona del hogar de
las calderas de vapor acuotubulares utilizadas en la industria azucarera’, 36(2), pp. 63–68.
Espinosa, V. and Pulido, G. (2004) SISTEMA EXPERTO EoS : Gestión de fallas con
diagnóstico experto para turbocompresores utilizados en la extracción de petróleo.
Feigenbaum, E. A. (1992) ‘Expert Systems: Principles and Practice’, The Encyclopedia of
Computer Science and Engneering, 581, pp. 1–12. Available at:
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.34.9207.
Fowler, M. (2003) UML Distilled Third Edition.
Franz, E. (2012) ‘Informe técnico y caldera acuotubular’, Bosch Industriekessel GmbH.
French, D. (2005) ‘Penthouse Spring 2005.pdf’.
Fuentes, R. and Fuentes, G. (2013) ‘Desarrollo de un sistema experto para el diagnostico de
fallas automotrices’.
Fundora, L. (2007) UCSHELL 2.0: UN AMBIENTE PARA EL DESARROLLO DE
SISTEMAS EXPERTOS.
Furtado, H. C. and May, I. Le (2004) ‘High temperature degradation in power plants and
refineries’, Materials Research, 7(1), pp. 103–110. doi: 10.1590/s1516-
45
14392004000100015.
Hinds, G. (2015) ‘Beginners Guide to Corrosion This document has been prepared by Bill
Nimmo and Gareth Hinds of’, (March 2003).
Holbrook, B. P. and King, J. P. (1991) ‘Recent Experience in the Inspection and
Assessment of Boiler Header and Steam Drum Cracking by’.
I Congreso Nacional de Fundicion, M. (1995) ‘Actualización tecnológica en fundición’, ウ
イルス, pp. 1–5.
J. A. Chávez-Hernández, Recarey, C. A. and García-Lorenzo, M. M. (2012) ‘Utilización de
la Inteligencia Artificial en el diagnóstico patológico de edificaciones de valor patrimonial’,
64, pp. 297–305. doi: 10.3989/ic.11.036.
Jiménez, G. R. A. et al. (2015) ‘Componentes para la extracción de conocimiento de un
experto humano para el desarrollo de software basado en conocimiento’, Investigaciones
Europeas de Dirección y Economía de la Empresa, 22(April), pp. 127–158. doi:
10.1016/j.cya.2015.09.006.
Kumar, Y. and Jain, Y. (2012) ‘Research Aspects of Expert System’.
Laurencio, J., Becerra, A. and Chagoyén, C. (2012) ‘Utilización de Sistemas Basados en
Reglas y en Casos para diseñar transmisiones por tornillo sinfín Use of rules based systems
and cases based systems for worm gear design’, pp. 1–9.
León, T. (2007) Sistemas Expertos y sus Aplicaciones.
Lezcano, M. (1998) ‘Ambientes de aprendizaje por descubrimiento para la disciplina
Inteligencia Artificial’.
López, H. (2014) IMPLEMENTACIÓN DE LA VERSIÓN 3.0 DE LA HERRAMIENTA
UCSHELL.
López Ibarra, A. (2006) SISTEMA DE INSPECCIÓN EN SERVICIO PARA LA
EXPLOTACIÓN Y REPARACIÓN DE LOS COMPONENTES CRÍTICOS DE LAS
CALDERAS DE VAPOR.
Martínez, A. and Cueva, J. (2001) ‘Estándares y Guías’.
Materials, H. (1997) ‘levated-Temperature Characteristics of Engineering Materials’.
Montes, J. (2003) ‘Sistemas expertos ( SE )’.
Morejón, A. (2015) Sistema Experto para el diagnóstico de fallos en bombas de agua de
alimentar calderas.
Nakoneczny, G. J. (2000) ‘Standard Recommendations for Pressure Part Inspection During
a Boiler Life Extension Program’, pp. 1–7.
National Board Bulletin (2002) ‘Ten Years of Incident Reports Underscore Human Error as
Primary Cause of Accidents’, Biomedical Engineering.
Navarro, Y. (2011) SISTEMA BASADO EN CONOCIMIENTO PARA EL DIAGNÓSTICO
DE LOS RIESGOS ASOCIADOS CON EL USO DE SUSTANCIAS QUÍMICAS.
Universidad Central “Marta Abreu” de Las Villas.
Neri, M. (1993) Estudio de la cinética de grafitización en aceros de alto carbono.
Norvig Stuart, R. P. (2004) Inteligencia Artiicial, un enfoque moderno.
Ortegón, D. (2016) ‘DISEÑO Y DESARROLLO DE UN SISTEMA EXPERTO PARA EL
MONITOREO DE LA DIETA EN PACIENTES AMBULATORIOS CON
HIPERTENSIÓN Y PRE- HIPERTENSIÓN EMPLEANDO LÓGICA DIFUSA’, pp. 0–
134.
46
Palma, J. T. et al. (2000) ‘Ingeniería del Conocimiento. De la Extracción al Modelado de
Conocimiento’, Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial.
Patan, K. (2008) Artificial Neural Networks for the Modelling and Fault Diagnosis of
Technical Processes. doi: 10.1007/978-3-540-79872-9.
Peraza, F. (2019) ‘Inteligencia Artificial’, p. 20.
Pignani, J. (2006) Sistemas Expertos ( Expert System ) Orientación I : Informática aplicada
a la Ingeniería de Procesos.
Price, J. W. H., Kerezsi, B. and Chang, M. (2004) ‘Thermal shock cracking guidelines for
acceptance in service’, 11, pp. 267–277. doi: 10.1016/j.engfailanal.2003.05.001.
Purgert, R. and Rawls, P. (2017) ‘COAL-FIRED POWER MATERIALS PART’,
(January).
Ramírez, J. (2007) Tesis Doctoral Diagnóstico de fallos en sistemas industriales basado en
razonamiento borroso y posibilístico.
Rao, K. R., Hunt, S. and Riccardella, P. (2006) Companion guide to the ASME boiler and
pressure vessel code: criteria and commentary on select aspects of the boiler and pressure
vessel and piping codes, Guideline.
Reyes, C. (2005) ‘Análisis de la relación entre la ingeniería del conocimiento y la gestión
del conocimiento en base al modelo de Nonaka y Takeuchi .’, Intangible Capital, 1, pp. 1–
15.
Roland, R. L. and King, J. P. (1994) ‘Failure Analysis Study of a Cracked Superheater
Outlet Header by’.
Rosano, F. L. (1991) ‘Los Sistemas Expertos en la Tecnología’.
Salazar, I. (2012) UCShell versión 2.1, un ambiente para la construcción de Sistemas
Expertos.
San Martín, J. (2012) ‘Ingeniería de Conocimiento’, in.
Sánchez, A. (2006) ‘Análisis de la aplicabilidad de los métodos de solución de problemas
de la inteligencia artificial en el problema diagnóstico’.
Sigut, J. F., Marichal, R. L. and Moreno, L. (2004) ‘INTEGRACIÓN DE TÉCNICAS DE
ANÁLISIS Y CLASIFICACIÓN MEDIANTE UN SISTEMA BASADO EN EL
CONOCIMIENTO PARA PROBLEMAS DE DIAGNÓSTICO’.
Steve, N., Evy, D. B. and Fabien, T. (2014) ‘Evaluation of miniature creep testing
technique for remaining life assessment of power generation components’, Proc.: Creep
and Fracture in High Temperature Components: Design & Life Assessment Issues (ECCC),
(August 2018), pp. 26–31.
The Babcock and Wilcox Company (2005) Steam its generation and use. 41st edn.
Torres, M. et al. (2011) ‘Diagnóstico de fallos en el generador de vapor BKZ-340-140-
29M’, (September). doi: 10.1234/rielac.v32i2.80.
Villegas, D. E. (2008) DISEÑO DE UN SISTEMA EXPERTO EN MANTENIMIENTO E
IMPLEMENTACION EN UN SISTEMA DE INGENIERIA. UNIVERSIDAD EAFIT.
Villena, J., Crespo, R. and García, J. (2011) ‘Inteligencia en Redes de Comunicaciones.
Sistemas Basados en Conocimiento’.
Wesley, A. (2001) Java ( TM ) Look and Feel Design Guidelines ( 2nd Edition ).
47
ANEXOS
Anexo 1. Aval del Centro de Investigación de Soldadura de la UCLV (CIS)
Anexo 2. Base de conocimiento general.
ASKS
ASK AH:
'¿El componente posee aspecto herrumbroso?'
48
DOMAIN 'si', 'no'
ASK Cpc:
'¿El componente presenta capas de productos de corrosión?'
DOMAIN 'si', 'no'
ASK Ei:
'¿Cúal fue el espesor inicial del componente (milímetros)?'
ASK Ef:
'¿Cúal es el espesor actual del componente (milímetros)?'
ASK Tt:
'¿Qué tiempo ha transcurrido de explotación desde la última
revisión (años)?'
ASK AD:
'Tome una muestra del componente e indique el ángulo de doblado
de la probeta'
ASK FV:
'¿Cual es la fracción de vida del componente a analizar?'
ASK Ta:
'¿Cual es la temperatura máxima del fluido pasando a través del
componente a analizar?'
ASK Ti:
49
'¿Cual es la temperatura mínima del fluido pasando a través del
componente a analizar?'
RULES
RULE 1
IF (AH = 'si' AND Cpc ='si')
THEN
Corrosion:= 'Corrosión General'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'El componente presenta una corrosión general, con una
velocidad de corrosión de ',VC, 'mm/año, por lo que ',
' es necesario realizarle una limpieza y control para',
' garantizar su correcto funcionamiento. '
END;
RULE 2
IF (AH = 'si' AND Cpc ='no')
THEN
Corrosion:= 'Corrosión General'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'El componente presenta una corrosión general, con una
velocidad de corrosión de ',VC, 'mm/año, por lo que ',
' es necesario realizarle un mantenimiento ligero para',
' garantizar su correcto funcionamiento. '
50
END;
RULE 3
IF (AH = 'no' AND (((Ei-Ef)/Tt) < 0.02) )
THEN
Corrosion:= 'Sobresaliente'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es
sobresaliente,',
' con una velocidad de corrosión de ',VC, 'mm/año, puede
continuar bajo un programa de monitoreo cada 3 años.'
END;
RULE 4
IF (AH = 'no' AND (0.02 < ((Ei-Ef)/Tt)) AND (((Ei-Ef)/Tt)
<0.1) )
THEN
Corrosion:= 'Excelente'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es excelente,',
' con una velocidad de corrosión de ',VC, 'mm/año, puede
continuar bajo un programa de monitoreo cada 2 años.'
END;
51
RULE 5
IF (AH = 'no' AND (0.1 < ((Ei-Ef)/Tt)) AND (((Ei-Ef)/Tt) <
0.5))
THEN
Corrosion:= 'Buena'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es buena,',
' con una velocidad de corrosión de ',VC, 'mm/año, puede
continuar bajo un programa de monitoreo cada 1.5 años.'
END;
RULE 6
IF (AH = 'no' AND (0.5 < ((Ei-Ef)/Tt)) AND (((Ei-Ef)/Tt) < 1))
THEN
Corrosion:= 'Regular'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es regular,',
' con una velocidad de corrosión de ',VC, 'mm/año, debe
parar, reparar y recalcular la presión según ASME, si es',
' posible, y aplicar un programa de monitoreo cada 2 años'
END;
RULE 7
IF (AH = 'no' AND (1 < ((Ei-Ef)/Tt)) AND (((Ei-Ef)/Tt)<5))
52
THEN
Corrosion:= 'Pobre'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es pobre,',
' con una velocidad de corrosión de ',VC, 'mm/año, debe
sustituir y aplicar un programa de monitoreo cada 3 años'
END;
RULE 8
IF (AH = 'no' AND (((Ei-Ef)/Tt) >5))
THEN
Corrosion:= 'Inaceptable'
ACTIONS
ASSUME VC IS ((Ei-Ef)/Tt)
DISPLAY
'La resistencia que ofrece a la corrosión es
inaceptable,',
' con una velocidad de corrosión de ',VC, 'mm/año, debe
sustituir y aplicar un programa de monitoreo cada 3 años'
END;
RULE 9
IF (AD = 180)
THEN
Grafitizacion:= 'Nula'
ACTIONS
DISPLAY
53
'No presenta defectos de grafitización, es nula, se debe
continuar bajo',
'un programa de monitoreo cada 2 años, según ASME VIII.'
END;
RULE 10
IF ( (AD >= 177 ) AND (AD < 180) )
THEN
Grafitizacion:= 'Muy ligera'
ACTIONS
DISPLAY
'La grafitización que presenta es muy ligera, debe
continuar bajo un programa de',
'monitoreo cada 1,5 años'
END;
RULE 11
IF ((AD >= 90) AND (AD < 177))
THEN
Grafitizacion:= 'Ligera'
ACTIONS
DISPLAY
'La grafitización que presenta es ligera, debe continuar
bajo un programa de',
'monitoreo cada 1 año'
END;
RULE 12
54
IF ((AD >= 50) AND (AD < 90))
THEN
Grafitizacion:= 'Moderada'
ACTIONS
DISPLAY
'La grafitización que presenta es moderada, debe
continuar bajo un programa',
'de monitoreo cada 0.5 años'
END;
RULE 13
IF ((AD >=30) AND (AD < 50))
THEN
Grafitizacion:= 'Fuerte'
ACTIONS
DISPLAY
'La grafitización que presenta es fuerte, debe parar
inmediatamente y analizar',
'la posibilidad de tratamiento térmico'
END;
RULE 14
IF ((AD >=15) AND (AD < 30))
THEN
Grafitizacion:= 'Severa'
ACTIONS
DISPLAY
55
'La grafitización que presenta es severa , debe parar y
sustituir el componente, si',
'la degradación se manifiesta en toda la pieza y reparar
si la degradación se presenta',
'en una zona dañada.'
END;
RULE 15
IF ((AD < 15) )
THEN
Grafitizacion:= 'Muy Severa'
ACTIONS
DISPLAY
'La grafitización que presenta es muy severa, debe parar
y sustituir el componente, si la',
'degradación se manifiesta en toda la pieza y reparar si
la degradación se presenta en una',
'zona dañada.'
END;
RULE 16
IF (FV <= 0.2)
THEN
Creep:= 'No presenta defectos de Creep'
ACTIONS
DISPLAY
'No presenta defectos de Creep, se debe controlar cada dos
años, según ASME VIII.'
56
END;
RULE 17
IF ( (FV > 0.2 ) AND (FV <= 0.3) )
THEN
Creep:= 'Pequeña cantidad de cavidades'
ACTIONS
DISPLAY
'Presenta una pequeña cantidad de cavidades debe
reinspeccionar luego de 20000 horas de servicio (aproximadamente 2
años y 3 meses).'
END;
RULE 18
IF ((FV > 0.3) AND (FV <= 0.5))
THEN
Creep:= 'Coalescencia de cavidades'
ACTIONS
DISPLAY
'Presenta coalescencia de cavidades, debe reinspeccionar
luego de 15000 horas de servicio (aproximadamente 1 año y 9 meses).'
END;
RULE 19
IF ((FV > 0.5) AND (FV <= 0.7))
THEN
Creep:= 'Microfisuras generadas por Creep'
ACTIONS
57
DISPLAY
'Presenta microfisuras generadas por Creep, debe
reinspeccionar después de 10000 horas de servicio (aproximadamente
1 año y 2 meses).'
END;
RULE 20
IF ((FV > 0.7) AND (FV <= 0.99))
THEN
Creep:= 'Macrofisuras generadas por Creep'
ACTIONS
DISPLAY
'Presenta macrofisuras generadas por Creep, debe
inmediatamente informar, parar el equipo y sustituir '
END;
RULE 21
IF ((3.2 * (Ta-Ti)) >= 214)
THEN
Choque_termico:= 'con grietas'
ACTIONS
DISPLAY
'El componente está afectado por un choque térmico con
grietas,',
' debe reparar y aplicar un programa de monitoreo cada 2
años,',
' este criterio ha sido avalado según el código ASME VIII.'
END;
58
RULE 22
IF ((3.2 * (Ta-Ti)) <214)
THEN
Choque_termico:= 'sin grietas'
ACTIONS
DISPLAY
'El componente está afectado por un choque térmico sin
grietas,',
' debe aplicar un programa de monitoreo anual,',
' este criterio ha sido avalado según el código ASME VIII.'
END;
ACTIONS
RESET ALL
FIND Corrosion
FIND Grafitizacion
FIND Creep
FIND Choque_termico
END.