PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC

En el presente artículo se aplican y ajustan algunas técnicas y metodologías para la detección de fallos en una planta de Cracking Catalítico Fluidizado (FCC) modelo UOP, inicialmente se realiza un análisis de confiabilidad que permite definir el nivel de criticidad de cada uno de los equipos e iden...

Full description

Autores:
Zambrano, Sandra
Higuera, Cristhiam
Villamizar Mejía, Rodolfo
Agudelo, Carlos
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2011
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/8929
Acceso en línea:
http://hdl.handle.net/20.500.12749/8929
Palabra clave:
Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de Fallos
Craqueo Catalítico Fluidizado (FCC)
Clustering basadas en Lógica Fuzzy (CLF)
Knowledge Discovery in Databases (KDD)
Principal component analysis (PCA)
Failure modes and effects analysis (FMEA)
Fault detection
Fluidized catalytic cracking (FCC)
Clustering based on logic fuzzy (CLF)
Knowledge discovery in databases (KDD)
Systems engineer
Technological innovations
Research
Technology of the information and communication
Ingeniería de sistemas
Innovaciones tecnológicas
Investigación
Tecnologías de la información y la comunicación
Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de fallos
Craqueo catalítico fluidizado (FCC)
Clustering basadas en lógica fuzzy (CLF)
Técnicas estadísticas multivariables (TEM)
Rights
License
Derechos de autor 2011 Revista Colombiana de Computación
id UNAB2_71d83c2cf2d15e02f8c31317d3c4d0e6
oai_identifier_str oai:repository.unab.edu.co:20.500.12749/8929
network_acronym_str UNAB2
network_name_str Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
dc.title.translated.eng.fl_str_mv PCA and fuzzy logic for the detection of abnormal operating events in an FCC fluidized catalytic cracking plant
title PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
spellingShingle PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de Fallos
Craqueo Catalítico Fluidizado (FCC)
Clustering basadas en Lógica Fuzzy (CLF)
Knowledge Discovery in Databases (KDD)
Principal component analysis (PCA)
Failure modes and effects analysis (FMEA)
Fault detection
Fluidized catalytic cracking (FCC)
Clustering based on logic fuzzy (CLF)
Knowledge discovery in databases (KDD)
Systems engineer
Technological innovations
Research
Technology of the information and communication
Ingeniería de sistemas
Innovaciones tecnológicas
Investigación
Tecnologías de la información y la comunicación
Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de fallos
Craqueo catalítico fluidizado (FCC)
Clustering basadas en lógica fuzzy (CLF)
Técnicas estadísticas multivariables (TEM)
title_short PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
title_full PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
title_fullStr PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
title_full_unstemmed PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
title_sort PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCC
dc.creator.fl_str_mv Zambrano, Sandra
Higuera, Cristhiam
Villamizar Mejía, Rodolfo
Agudelo, Carlos
dc.contributor.author.spa.fl_str_mv Zambrano, Sandra
Higuera, Cristhiam
Villamizar Mejía, Rodolfo
Agudelo, Carlos
dc.contributor.cvlac.spa.fl_str_mv Villamizar Mejía, Rodolfo [0000509906]
dc.contributor.orcid.eng.fl_str_mv Villamizar Mejía, Rodolfo [0000-0002-5817-069X]
dc.subject.none.fl_str_mv Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de Fallos
Craqueo Catalítico Fluidizado (FCC)
Clustering basadas en Lógica Fuzzy (CLF)
Knowledge Discovery in Databases (KDD)
topic Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de Fallos
Craqueo Catalítico Fluidizado (FCC)
Clustering basadas en Lógica Fuzzy (CLF)
Knowledge Discovery in Databases (KDD)
Principal component analysis (PCA)
Failure modes and effects analysis (FMEA)
Fault detection
Fluidized catalytic cracking (FCC)
Clustering based on logic fuzzy (CLF)
Knowledge discovery in databases (KDD)
Systems engineer
Technological innovations
Research
Technology of the information and communication
Ingeniería de sistemas
Innovaciones tecnológicas
Investigación
Tecnologías de la información y la comunicación
Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de fallos
Craqueo catalítico fluidizado (FCC)
Clustering basadas en lógica fuzzy (CLF)
Técnicas estadísticas multivariables (TEM)
dc.subject.keywords.eng.fl_str_mv Principal component analysis (PCA)
Failure modes and effects analysis (FMEA)
Fault detection
Fluidized catalytic cracking (FCC)
Clustering based on logic fuzzy (CLF)
Knowledge discovery in databases (KDD)
Systems engineer
Technological innovations
Research
Technology of the information and communication
dc.subject.lemb.spa.fl_str_mv Ingeniería de sistemas
Innovaciones tecnológicas
Investigación
Tecnologías de la información y la comunicación
dc.subject.proposal.spa.fl_str_mv Análisis de componentes principales (PCA)
Análisis de modos y efectos de falla (FMEA)
Detección de fallos
Craqueo catalítico fluidizado (FCC)
Clustering basadas en lógica fuzzy (CLF)
Técnicas estadísticas multivariables (TEM)
description En el presente artículo se aplican y ajustan algunas técnicas y metodologías para la detección de fallos en una planta de Cracking Catalítico Fluidizado (FCC) modelo UOP, inicialmente se realiza un análisis de confiabilidad que permite definir el nivel de criticidad de cada uno de los equipos e identificar modos de fallo potenciales y su efecto sobre la operación de la planta; con la información entregada por este análisis se establecen casos de estudio, como requerimientos para un sistema de supervisión, detección y clasificación de situaciones anómalas, que pueden llevar al proceso a una condición de fallo. Para estudiar los casos se simulan las condiciones con un modelo de operación de la unidad FCC y se detectan los fallos con una herramienta basada en PCA (Análisis de componentes principales) y Lógica Fuzzy; finalmente se ajusta la herramienta utilizando datos históricos del proceso en presencia del fallo.
publishDate 2011
dc.date.issued.none.fl_str_mv 2011-12-01
dc.date.accessioned.none.fl_str_mv 2020-10-27T00:20:33Z
dc.date.available.none.fl_str_mv 2020-10-27T00:20:33Z
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/article
dc.type.local.spa.fl_str_mv Artículo
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/CJournalArticle
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.issn.none.fl_str_mv 2539-2115
1657-2831
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12749/8929
dc.identifier.instname.spa.fl_str_mv instname:Universidad Autónoma de Bucaramanga UNAB
dc.identifier.repourl.none.fl_str_mv repourl:https://repository.unab.edu.co
identifier_str_mv 2539-2115
1657-2831
instname:Universidad Autónoma de Bucaramanga UNAB
repourl:https://repository.unab.edu.co
url http://hdl.handle.net/20.500.12749/8929
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.unab.edu.co/index.php/rcc/article/view/1799/1651
dc.relation.uri.none.fl_str_mv https://revistas.unab.edu.co/index.php/rcc/article/view/1799
dc.relation.references.none.fl_str_mv V. Venkatasubramanian, R. Rengaswamy, and S. Kavuri, “A review of process fault detection and diagnosis Part II: Quantitative model and search strategies,” COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 313–326, MAR 15 2003.
V. Venkatsubramanian, R. Rengaswamy, K. Yin, and S. Kavuri, “A review of process fault detection and diagnosis Part I: Quantitative model-based methods,”COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 293–311, MAR 15 2003.M. Misra, H. Yue, S. Qin, and C. Ling, “Multivariate process monitoring and fault diagnosis by multi-scale PCA,” COMPUTERS & CHEMICAL ENGINEERING, vol. 26, pp. 1281–1293, SEP15 2002V.
Sadeghbeigi, Reza. Fluid Catalytic Cracking Handbook Design, Operation and Troubleshouting of FCC facilities, 2Ed, Gulf Professional Publishing, Houston. 2000 2 Ed 234-275.
J. Acedo. Control de reactores. Repsol-YPF, S.A. Ingeniería Química., pages 168-187, octubre 2005.
Angulo, N. Aristizabal, L. Fase I Desarrollo de un modelo de simulación dinámico de la sección de reacción, regeneración y fraccionadora principal de una unidad de craqueo catalítico. Universidad Politécnica de Valencia-Universidad Santo Tomas, 2006.
MacGregor, J. F. Data-Based Latent Variable Methods for Process Analysis, Monitoring and Control, in European Symposium on Computer Aided Process Engineering - 14 (Barbosa Póvoa, A. y Matos, H. eds.). Elsevier, Lisbon, Portugal. 2004.
Han, J. y M. Kamber. Data mining: concepts and techniques. Morgan Kaufmann, San Francisco, CA, USA. 2001.
Jain, A. K., M. N. Murty y P. J. Flynn. Data Clustering: AReview. ACM Computing Surveys,31(3), pp.264-323. 1999.
V. Venkatasubramanian, R. Rengaswamy, S. Kavuri, and K. Yin, “A review of process fault detection and diagnosis Part III: Process history based methods,” COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 327–346, MAR 15 2003.
H. Aradhye, B. Bakshi, J. Davis, and S. Ahalt, “Clustering in wavelet domain: A multiresolution ART network for anomaly detection,” AICHE JOURNAL, vol. 50, pp. 2455–2466, OCT2004.
Krzanowski, W. J. Between-groups comparison of principal components. J. American Statistical Association, 74(367), pp.703-707. 1979.
Hwang, D. H. y C. Han. Real-time monitoring for a process with multiple operating modes. Control Engineering Practice., 7, pp.891-902. 1999.
Tona, R. V., Espuña, A., and Puigjaner, L. AHistorical Data Based Methodology to identify longer variations and optimal process operating conditions, in 51st Canadian Chemical Engineering Conference Halifax, Canada. pp.375. 2001.
Johannesmeyer, M. C., A. Singhal y D. E. Seborg. Pattern matching in historical data. AIChE Journal, 48(9), pp.2022-2038. 2002.
Wenfu Ku, Robert H. Storer, and Christos Georgakis. Disturbance detection and isolation by dynamic principal component analysis. Chemometrics and intelligent laboratory systems, 30:179-196, November 1995.
Jackson, J. E. A User's Guide to Principal Components. John Wiley&Sons, New York.1991.
Wise, B. M. y N. B. Gallagher. The process chemometrics approach to process monitoring and fault detection. Journal of Process Control, 6(6), pp.329-348. 1996.
Johannesmeyer, M. C., A. Singhal y D. E. Seborg. Pattern matching in historical data. AIChE Journal, 48(9), pp.2022-2038. 2002.
Z. Li, G. Liu, R. Zhang, and Z. Zhu, “Fault detection, Identification and reconstruction for gyroscope in satellite based on independent component analysis,” ACTAASTRONAUTICA, vol. 68, pp. 1015–1023, APR-MAY2011.
V. H. Nguyen and J.-C. Golinval, “Fault detection based on Kernel Principal Component Analysis,” ENGINEERING STRUCTURES, vol. 32, pp. 3683–3691, NOV2010.
M. Misra, H. Yue, S. Qin, and C. Ling, “Multivariate process monitoring and fault diagnosis by multi-scale PCA,” COMPUTERS & CHEMICAL ENGINEERING, vol. 26, pp. 1281–1293, SEP15 2002.
J. Acedo. Control de reactores. Repsol-YPF, S.A. Ingeniería Química, pages 168-187, octubre 2005.
Teppola, P. y P. Minkkinen. Possibilistic and Fuzzy C-means clustering for process monitoring in an activated sludge wastewater treatment plant. Journal of Chemometrics, 13(3-4), pp.445- 459. 1999.
Teppola, P., S. Mujunen y P. Minkkinen. Adaptive Fuzzy C-means Clustering in Process Monitoring. Chemometrics and Intelligence Laboratory System, 45, pp.23-38. 1999.
Bezdek, J. Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Publishing Corporation, New York, N.Y. (1981).
dc.rights.none.fl_str_mv Derechos de autor 2011 Revista Colombiana de Computación
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.creativecommons.*.fl_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
rights_invalid_str_mv Derechos de autor 2011 Revista Colombiana de Computación
http://creativecommons.org/licenses/by-nc-sa/4.0/
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Attribution-NonCommercial-ShareAlike 4.0 International
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
publisher.none.fl_str_mv Universidad Autónoma de Bucaramanga UNAB
dc.source.none.fl_str_mv Revista Colombiana de Computación; Vol. 12 Núm. 2 (2011): Revista Colombiana de Computación; 45-63
institution Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv https://repository.unab.edu.co/bitstream/20.500.12749/8929/1/2011_Articulo_Zambrano_Sandra.pdf
https://repository.unab.edu.co/bitstream/20.500.12749/8929/2/2011_Articulo_Zambrano_Sandra.pdf.jpg
bitstream.checksum.fl_str_mv 374c3d576fdfba2757bfca3ec7033d8d
29a253dd0dc360ef72ec81f3cfc44c0f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv repositorio@unab.edu.co
_version_ 1828219848870592512
spelling Zambrano, Sandra03b402d0-8bdf-47d7-9c32-9f3a2e1b95aeHiguera, Cristhiamca526601-0012-4934-949d-0e539922d6efVillamizar Mejía, Rodolfo8ffa4053-637e-4455-addc-9fb29dc196abAgudelo, Carlos8892e34e-4638-485f-8735-7861896ff990Villamizar Mejía, Rodolfo [0000509906]Villamizar Mejía, Rodolfo [0000-0002-5817-069X]2020-10-27T00:20:33Z2020-10-27T00:20:33Z2011-12-012539-21151657-2831http://hdl.handle.net/20.500.12749/8929instname:Universidad Autónoma de Bucaramanga UNABrepourl:https://repository.unab.edu.coEn el presente artículo se aplican y ajustan algunas técnicas y metodologías para la detección de fallos en una planta de Cracking Catalítico Fluidizado (FCC) modelo UOP, inicialmente se realiza un análisis de confiabilidad que permite definir el nivel de criticidad de cada uno de los equipos e identificar modos de fallo potenciales y su efecto sobre la operación de la planta; con la información entregada por este análisis se establecen casos de estudio, como requerimientos para un sistema de supervisión, detección y clasificación de situaciones anómalas, que pueden llevar al proceso a una condición de fallo. Para estudiar los casos se simulan las condiciones con un modelo de operación de la unidad FCC y se detectan los fallos con una herramienta basada en PCA (Análisis de componentes principales) y Lógica Fuzzy; finalmente se ajusta la herramienta utilizando datos históricos del proceso en presencia del fallo.In this article, some techniques and methodologies are applied and adjusted for the detection of faults in a Fluidized Catalytic Cracking (FCC) model UOP plant, initially a reliability analysis is carried out that allows defining the level of criticality of each of the equipment. and identify potential failure modes and their effect on plant operation; With the information provided by this analysis, case studies are established, such as requirements for a system of supervision, detection and classification of anomalous situations, which can lead the process to a fault condition. To study the cases, the conditions are simulated with an operating model of the FCC unit and faults are detected with a tool based on PCA (Principal Component Analysis) and Fuzzy Logic; Finally, the tool is adjusted using historical data of the process in the presence of the fault.application/pdfspaUniversidad Autónoma de Bucaramanga UNABhttps://revistas.unab.edu.co/index.php/rcc/article/view/1799/1651https://revistas.unab.edu.co/index.php/rcc/article/view/1799V. Venkatasubramanian, R. Rengaswamy, and S. Kavuri, “A review of process fault detection and diagnosis Part II: Quantitative model and search strategies,” COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 313–326, MAR 15 2003.V. Venkatsubramanian, R. Rengaswamy, K. Yin, and S. Kavuri, “A review of process fault detection and diagnosis Part I: Quantitative model-based methods,”COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 293–311, MAR 15 2003.M. Misra, H. Yue, S. Qin, and C. Ling, “Multivariate process monitoring and fault diagnosis by multi-scale PCA,” COMPUTERS & CHEMICAL ENGINEERING, vol. 26, pp. 1281–1293, SEP15 2002V.Sadeghbeigi, Reza. Fluid Catalytic Cracking Handbook Design, Operation and Troubleshouting of FCC facilities, 2Ed, Gulf Professional Publishing, Houston. 2000 2 Ed 234-275.J. Acedo. Control de reactores. Repsol-YPF, S.A. Ingeniería Química., pages 168-187, octubre 2005.Angulo, N. Aristizabal, L. Fase I Desarrollo de un modelo de simulación dinámico de la sección de reacción, regeneración y fraccionadora principal de una unidad de craqueo catalítico. Universidad Politécnica de Valencia-Universidad Santo Tomas, 2006.MacGregor, J. F. Data-Based Latent Variable Methods for Process Analysis, Monitoring and Control, in European Symposium on Computer Aided Process Engineering - 14 (Barbosa Póvoa, A. y Matos, H. eds.). Elsevier, Lisbon, Portugal. 2004.Han, J. y M. Kamber. Data mining: concepts and techniques. Morgan Kaufmann, San Francisco, CA, USA. 2001.Jain, A. K., M. N. Murty y P. J. Flynn. Data Clustering: AReview. ACM Computing Surveys,31(3), pp.264-323. 1999.V. Venkatasubramanian, R. Rengaswamy, S. Kavuri, and K. Yin, “A review of process fault detection and diagnosis Part III: Process history based methods,” COMPUTERS & CHEMICAL ENGINEERING, vol. 27, pp. 327–346, MAR 15 2003.H. Aradhye, B. Bakshi, J. Davis, and S. Ahalt, “Clustering in wavelet domain: A multiresolution ART network for anomaly detection,” AICHE JOURNAL, vol. 50, pp. 2455–2466, OCT2004.Krzanowski, W. J. Between-groups comparison of principal components. J. American Statistical Association, 74(367), pp.703-707. 1979.Hwang, D. H. y C. Han. Real-time monitoring for a process with multiple operating modes. Control Engineering Practice., 7, pp.891-902. 1999.Tona, R. V., Espuña, A., and Puigjaner, L. AHistorical Data Based Methodology to identify longer variations and optimal process operating conditions, in 51st Canadian Chemical Engineering Conference Halifax, Canada. pp.375. 2001.Johannesmeyer, M. C., A. Singhal y D. E. Seborg. Pattern matching in historical data. AIChE Journal, 48(9), pp.2022-2038. 2002.Wenfu Ku, Robert H. Storer, and Christos Georgakis. Disturbance detection and isolation by dynamic principal component analysis. Chemometrics and intelligent laboratory systems, 30:179-196, November 1995.Jackson, J. E. A User's Guide to Principal Components. John Wiley&Sons, New York.1991.Wise, B. M. y N. B. Gallagher. The process chemometrics approach to process monitoring and fault detection. Journal of Process Control, 6(6), pp.329-348. 1996.Johannesmeyer, M. C., A. Singhal y D. E. Seborg. Pattern matching in historical data. AIChE Journal, 48(9), pp.2022-2038. 2002.Z. Li, G. Liu, R. Zhang, and Z. Zhu, “Fault detection, Identification and reconstruction for gyroscope in satellite based on independent component analysis,” ACTAASTRONAUTICA, vol. 68, pp. 1015–1023, APR-MAY2011.V. H. Nguyen and J.-C. Golinval, “Fault detection based on Kernel Principal Component Analysis,” ENGINEERING STRUCTURES, vol. 32, pp. 3683–3691, NOV2010.M. Misra, H. Yue, S. Qin, and C. Ling, “Multivariate process monitoring and fault diagnosis by multi-scale PCA,” COMPUTERS & CHEMICAL ENGINEERING, vol. 26, pp. 1281–1293, SEP15 2002.J. Acedo. Control de reactores. Repsol-YPF, S.A. Ingeniería Química, pages 168-187, octubre 2005.Teppola, P. y P. Minkkinen. Possibilistic and Fuzzy C-means clustering for process monitoring in an activated sludge wastewater treatment plant. Journal of Chemometrics, 13(3-4), pp.445- 459. 1999.Teppola, P., S. Mujunen y P. Minkkinen. Adaptive Fuzzy C-means Clustering in Process Monitoring. Chemometrics and Intelligence Laboratory System, 45, pp.23-38. 1999.Bezdek, J. Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Publishing Corporation, New York, N.Y. (1981).Derechos de autor 2011 Revista Colombiana de Computaciónhttp://creativecommons.org/licenses/by-nc-sa/4.0/http://creativecommons.org/licenses/by-nc-nd/2.5/co/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Revista Colombiana de Computación; Vol. 12 Núm. 2 (2011): Revista Colombiana de Computación; 45-63Análisis de componentes principales (PCA)Análisis de modos y efectos de falla (FMEA)Detección de FallosCraqueo Catalítico Fluidizado (FCC)Clustering basadas en Lógica Fuzzy (CLF)Knowledge Discovery in Databases (KDD)Principal component analysis (PCA)Failure modes and effects analysis (FMEA)Fault detectionFluidized catalytic cracking (FCC)Clustering based on logic fuzzy (CLF)Knowledge discovery in databases (KDD)Systems engineerTechnological innovationsResearchTechnology of the information and communicationIngeniería de sistemasInnovaciones tecnológicasInvestigaciónTecnologías de la información y la comunicaciónAnálisis de componentes principales (PCA)Análisis de modos y efectos de falla (FMEA)Detección de fallosCraqueo catalítico fluidizado (FCC)Clustering basadas en lógica fuzzy (CLF)Técnicas estadísticas multivariables (TEM)PCA y lógica fuzzy para la detección de eventos anormales de operación, en una planta de craqueo catalítico fluidizado FCCPCA and fuzzy logic for the detection of abnormal operating events in an FCC fluidized catalytic cracking plantinfo:eu-repo/semantics/articleArtículohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/redcol/resource_type/CJournalArticlehttp://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINAL2011_Articulo_Zambrano_Sandra.pdf2011_Articulo_Zambrano_Sandra.pdfArtículoapplication/pdf972766https://repository.unab.edu.co/bitstream/20.500.12749/8929/1/2011_Articulo_Zambrano_Sandra.pdf374c3d576fdfba2757bfca3ec7033d8dMD51open accessTHUMBNAIL2011_Articulo_Zambrano_Sandra.pdf.jpg2011_Articulo_Zambrano_Sandra.pdf.jpgIM Thumbnailimage/jpeg10716https://repository.unab.edu.co/bitstream/20.500.12749/8929/2/2011_Articulo_Zambrano_Sandra.pdf.jpg29a253dd0dc360ef72ec81f3cfc44c0fMD52open access20.500.12749/8929oai:repository.unab.edu.co:20.500.12749/89292022-11-18 00:38:20.941open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.co