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...
- 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 |