La ingeniería está cada vez más presente en nuestra vida cotidiana. Desde la producción de alimentos hasta el funcionamiento de los electrodomésticos, pasando por la generación y distribución de la energía o los automóviles, los sistemas de ingeniería impregnan todos los ámbitos de la sociedad. En esta tendencia hacia la automatización, la detección y el diagnóstico de fallos cobra una importancia vital, teniendo en cuenta además las exigentes normativas de seguridad tanto nacionales como internacionales.
En esta línea se ha enmarcado la tesis doctoral de Aníbal Bregón, investigador del Grupo de Sistemas Inteligentes de la Universidad de Valladolid, quien ha tratado de integrar las dos aproximaciones más comunes para abordar el diagnóstico de fallos en sistemas industriales. Una es la Inteligencia Artificial, cuyo conjunto de técnicas se conoce como DX, y la otra la Teoría de Control, denominada aproximación FDI.
“La tesis tiene como objetivo integrar técnicas de ambas comunidades para obtener lo mejor de cada una”, explica el investigador, quien ha contado en su trabajo con la dirección de los profesores Belarmino Pulido y Carlos Javier Alonso. La NASA se ha interesado por este trabajo.
De manera simplificada, el diagnóstico de fallos tiene tres etapas. “Partimos de la base de qué es un fallo. En la industria azucarera, por ejemplo, un fallo puede ser un conducto bloqueado o una fuga en un tanque. En nuestra investigación intentamos detectar, primero, si ha habido un fallo; después localizar en toda la instalación dónde se ha producido y, una vez conocido esto, determinar exactamente qué tipo de fallo es y su valor”, detalla.
La Inteligencia Artificial y el Control Automático abordan esta cuestión desde diferentes perspectivas. Ésta última, la aproximación FDI, “se centra más en la primera fase, la detección”; mientras que la primera, la DX, en la que el Grupo de Sistemas Inteligentes es experto, profundiza “en lo que llamamos el aislamiento, saber dónde está el fallo en concreto”. “Si combinamos ambas técnicas podemos realizar el diagnóstico de fallos aprovechando la robustez que nos proporcionada cada una en los distintos campos”, incide Bregón.
La aproximación se ha llevado a cabo a través de una técnica denominada Posibles Conflictos (PCs). El diagnóstico basado en modelos busca las redundancias en el sistema y comprobar que son iguales, esto es, estimar por dos vías un valor y comprobar que sea igual. Si son distintos, es el origen de una detección de un fallo. Los Posibles Conflictos buscan entonces las partes más pequeñas de un sistema que contengan esa redundancia.
Infinidad de aplicaciones
Al tratarse de una disciplina de estudio muy novedosa, los frentes abiertos son múltiples y diversos. Así, aunque la tesis doctoral se inició en 2005 y fue leída en mayo del pasado año, las demostraciones prácticas llevadas cabo no solo no han concluido, sino que se han ampliado. Las innovaciones introducidas en la tesis se han aplicado, por ejemplo, en un motor de camión de la firma sueca Scania AB. En concreto, los algoritmos para el cálculo de Posibles Conflictos se han utilizado sobre un modelo de motor diésel.
Durante el desarrollo de la tesis, el investigador ha colaborado con diversos grupos nacionales e internacionales y ha realizado cinco estancias en el Instituto de Sistemas de Software Integrado (ISIS) de la Universidad de Vanderbilt (Tennessee, Estados Unidos), en el Departamento de Ingeniería Eléctrica de la Universidad de Linköping (Suecia) y en el centro de investigación Ames de la NASA (California, Estados Unidos).
“Hay varias maneras de abordar la diagnosis y estamos trabajando en ellas”, asegura Bregón, quien apunta que uno de los campos en los que se están centrando es la diagnosis de sistemas híbridos, aquellos que tienen dinámicas continuas y discretas. “Por ejemplo, si tenemos dos tanques y el agua fluye entre ambos, eso es una dinámica continua. Sin embargo, si entre ellos se coloca una válvula que se abre y se cierra, entonces es una dinámica discreta”. En la actualidad, la mayor parte de los sistemas combinan dinámicas continuas y discretas. Se trata de sistemas complejos que encierran ciertas dificultades, y el grupo ha abierto una línea para trabajar sobre ellos.
Sistema de Ósmosis inversa
Uno de los casos de estudio más relevantes en los que se ha trabajado es el Sistema de Ósmosis Inversa que forma parte del Sistema Avanzado de Reciclaje de Agua (AWRS, por sus siglas en inglés) desarrollado por el Centro Espacial Johnson de la NASA. El sistema es capaz de transformar el agua residual en agua potable en condiciones de microgravedad, algo de suma importancia para garantizar el suministro en el espacio y reducir los enormer costes de reabastecimiento. El AWRS forma parte a su vez del Sistema de Soporte de Vida creado por la NASA para misiones tripuladas y se ha instalado en la Estación Espacial Internacional.
La detección de fallos en estos complejos y costosos sistemas debe ser rápida y fiable, y para ello se ha desarrollado, utilizando los Posibles Conflictos como base, una técnica para la identificación eficiente de fallos, que ha sido aplicada al Sistema de Ósmosis Inversa con unos resultados “altamente satisfactorios”.
La velocidad se incrementa a medida que el futbolista se acerca al balón, sin embargo, disminuye ligeramente al llegar a él. Los delanteros son los que corren más directamente hacia el esférico, mientras que los porteros lo hacen de una forma más paralela. Son algunos resultados de un estudio de investigadores españoles.
Investigadores de la compañía Google DeepMind han desarrollado Tactic AI, un asistente que podría ayudar a los entrenadores a elegir las mejores configuraciones de jugadores tras un saque de esquina. La herramienta se ha entrenado con datos de más de 7000 córneres de la Premier League y la han validado expertos del Liverpool FC.
