EL CONTROL DETRS DE LA

AUTOMATIZACIN
Alejandro Pin Rubio
Agenda
3
AUTOMATIZACION
SISTEMAS CONTROL
CONTROL PID
CONTROL PREDICTIVO
CONTROL DES
SISTEMAS HIBRIDOS
SISTEMAS SCADA
4
OBJ ETIVO
- Simplificar Tareas
- Realizar Tareas Peligrosas y/o Imposibles
- Mejorar la disponibilidad de los productos
- Simplificar el mantenimiento de forma que el operario no
requiera grandes conocimientos para la manipulacin del
proceso productivo
- Reduccin de Mano de Obra
- Mejorar la Eficiencia del Proceso
5
Automatizacin cont.
AUTOMATIZACION
Operativa
Sensores
Actuadores
Control
Dispositivo
Programable
6
Automatizacin cont.
Actuadores Sensores Proceso
Estrategia de
Control
Variable
medida
Seal
control
Ruido
Reperesentacin de un sistema en LAZO CERRADO
7
Automatizacin cont.
8
Automatizacin (2)
AUTOMATIZACION
Operativa
Sensores
Actuadores
Control
Dispositivo
Programable
CONTROL
TIME DRIVEN
CLASIC CONTOL PID
ADVANCED
CONTROL
Predictive,Adaptive,
Expert
EVENT DRIVEN
DISCRETE EVENT
SYSTEMS
Automata
Petri Nets
9
CONTROL
TIME DRIVEN
CONTROL CLASICO PID
CONTROL
AVANZADO
Predictive,Adaptive,
Expert
EVENT DRIVEN
DISCRETE EVENT
SYSTEMS
Automata
Petri Nets
HYBRID CONTROL
10
TIME DRIVEN
TIME
DRIVEN
CLASIC
CONTROL
PID
ADVANCED
CONTROL
Predictive
Control
Adaptive
Control
Expert
Control
-
Control.PID
PID = PROPORCIONAL+INTEGRAL + DERIVATIVO
Representante por excelencia del control clsico
11
PID
P
I
D
Proceso
Ref
Error
Salida
Control.PID
12
PID
Ventajas Desventajas
Formulacin matemtica sencilla-
Facil Implementacin
No Apto para procesos con alto
Ajuste sencillo de parmetros
Reglas de sintona
Mal desempeo en sistemas no
Lineales*
Adaptable- Autosintona Sistemas variantes en el tiempo*
Amplia Documentacin y Aplicacin Inestable por Naturaleza de diseo*
Immplementacin nativa en
Hardware Industrial (PLC)
13
TIME
DRIVEN
CLASIC
CONTROL
PID
ADVANCED
CONTROL
Predictive
Control
Adaptive
Control
Expert
Control
Control.Predictivo
14
Predictive
Control
MPC= MODEL PREDICTIVE CONTROL
MODELOS NO PARAMETRICOS (Dynamic Matrix Control DMC)
Impulse Respons
Step Response
MODELOS PARAMETRICOS (Generalized Predictive ControlGPC)
Control.Predictivo
15
Predictive
Control
Ejemplo
time
T
e
m
p

(

c
)
(-5)
Past
(0)
Current
(+5)
Future
18
20
t(+5)
t(+5)=t(0)+[t(0)-t(-5)]=2t(0)-t(-5)=22
22
Control.Predictivo
16
Predictive
Control
COMO FUNCIONA
* Control ante alimentado de
manera natural
* Manejo sencillo de sistemas
Multivariables
* Manejo de referencias futuras
17
18
19
20
CONTROL
TIME DRIVEN
CONTROL CLASICO PID
CONTROL
AVANZADO
Predictive,Adaptive,
Expert
EVENT DRIVEN
DISCRETE EVENT
SYSTEMS
Automata
Petri Nets
HYBRID CONTROL
DES
21
DISCRETE EVENT
SYSTEMS
DES
22
DISCRETE EVENT
SYSTEMS
MODELAR SISTEMAS SECUENCIALES COMPLEJ OS
CONTROLAR OPERACIONES A PARTIR DE LA MODELACIN DE
UNA PLANTA EN EVENTOS DISCRETOS
DIAGNSTICO DE TRAYECTORIAS ERRNEAS (DIAGNOSTICO
DE FALLAS)
DISEO DE LGICA DE CONTROL A PARTIR DEL DESARROLLO
FORMAL DE LA MODELACIN DEL SISTEMA
GRAFCET ES RESULTADOS DE LA REPRESENTACIN POR
MEDIO DE MQUINAS DE ESTADOS FINITAS
DETERMINISTICAS Y PN.
DES
23
DISCRETE EVENT
SYSTEMS
DES
24
DISCRETE EVENT
SYSTEMS
DES
25
DISCRETE EVENT
SYSTEMS
26
CONTROL
TIME DRIVEN
CONTROL CLASICO PID
CONTROL
AVANZADO
Predictive,Adaptive,
Expert
EVENT DRIVEN
DISCRETE EVENT
SYSTEMS
Automata
Petri Nets
HYBRID CONTROL
27
HYBRID CONTROL
Sistemas de control hbridos
Sistemas de control hbridos
28
HYBRID CONTROL
PERMITE MODELAR CUALQUIER SISTEMA DONDE SE INVOLUCREN VARIABLES DISCRETAS Y
VARIABLES EN TIEMPO CONTINUO/DISCRETO
LOS SISTEMAS PUEDEN SER MODELADOS COMO SWS, PWA, MLD Y HA.
HERRAMIENTAS EN MATLAB COMO HYSDDEL (BEMPORAD) PUEDEN SER UTILIZADOS PARA
MODELACION DE SISTEMAS PWA Y MLD
DIVERSAS ESTRATEGIAS DE CONTROL PUEDEN SER APLICADOS A LOS HS. *MPC PUEDE SER
IMPLEMENTADO A TRAVES DE LA ESTIMACION DEL HORIZONTE DE PREDICCION (SIMILAR AL
CASO CONTINUO)
ES POSIBLE REPRESENTAR SISTEMAS NO LINEALES O VARIANTES EN EL TIEMPO* COMO UN
CONJUNTO DE SISTEMAS LINEALES PARTICIONADOS.
MPAC PUEDE SER UTILIZADO PARA SISTEMAS NO LINEALES Y VARIANTES EN EL TIEMPO.
CONTROL EXPERTO (ADEX)
Sistemas de control hbridos
29
HYBRID CONTROL
SCADA-fully automation
30
SCADA= Supervisory Control and Data Acquisition
Permite realizar control, monitoreo y adquisicin de datos en tiempo real.
SCADA-fully automation
31
SCADA-fully automation
32
COMUNICACIN PROPIETARIA
OPC
SCADA-fully automation
33
OPC Client OPC Client OPC Client
HMI
Quality
Internet
Fieldbus
System
Distributed I/O
N N N N
N N N N
N N N N
DCS & PLC Systems
OPC Data Access Client
OPC Data Access Server
OPC Data Access Client
OPC Data Access Client
OPC Data eXchange Server
OPC Data eXchange Server
34
CONCLUSION?
Coordinador
Dr. Luis E. Garza Castan
Departamento de Mecatrnica y Automatizacin (DMA)
Aulas 7-322
email: legarza@itesm.mx
Tel. 83582000 ext. 5486
Carreras a las que se dirige
Ingeniera en Mecatrnica
Ingeniera en Electrnica
Ingeniera Mecnica y Elctrica
Ingeniera en Automatizacin
Ingeniero Fsico,
Otras ingenieras (Qumica, Mantenimiento, etc.)
Desarrollo de Modelos y Esquemas de
Control para SMART GRIDS (LEGC)
Modelacin y Control de Vehculos Areos
no Tripulados (RSR,LEGC)
Modelacin y Control con Autmatas,
Grafos y Redes de Petri (FPP)
Aplicaciones de Control y Automatizacin
para la Industria (AFC, FPP, LRC, ENJ)
Control de Turbinas Elicas (LEGC)
**
Proyecto de investigacin prxima a abrirse
Proyectos de Investigacin (II)
Vinculacin
Universidad Nacional de Educacin a Distancia, Madrid, Espaa
Grupo de Sistemas Avanzados de Control, UPC, Barcelona,
Espaa
GIPSA-Lab Instituto Nacional Politcnico de Grenoble, Francia
Diagnosis, Flight Control and Simulation Lab., Universidad de
Concordia, Montreal, Canad
Instituto de Ingeniera (UNAM)
Facultad de Ingeniera Mecnica y Elctrica (UANL)
Corporacin ADEX, Madrid, Espaa
METALSA, Monterrey, NL
Refinera Cadereyta (PEMEX), NL
Ctedra de Supervisn y Control Avanzado
Ctedra de Autotrnica
Ctedra de Maquinas Inteligentes
GRACIAS
39