DISEO DE UN SISTEMA DE CONTROL, BASADO EN REDES NEURONALES Y LGICA DIFUSA PARA LA ESTIMACIN Y CONTROL DE LA DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA

DE TRATAMIENTO DE AGUA POTABLE DE EMDUPAR S.A. E.S.P.

ADELA BEATRIZ HERNNDEZ CUADRO JORGE MARIO VEGA IGLESIAS

UNIVERSIDAD SANTO TOMAS DIVISIN DE INGENIERAS FACULTAD DE INGENIERA MECATRNICA BUCARAMANGA 2006

DISEO DE UN SISTEMA DE CONTROL, BASADO EN REDES NEURONALES Y LGICA DIFUSA PARA LA ESTIMACIN Y CONTROL DE LA DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA DE TRATAMIENTO DE AGUA POTABLE DE EMDUPAR S.A. E.S.P.

ADELA BEATRIZ HERNNDEZ CUADRO JORGE MARIO VEGA IGLESIAS

Proyecto de grado presentado como requisito para optar al titulo de Ingeniero Mecatrnico

Director FREDDY RINCN OSORIO Ingeniero Mecnico

UNIVERSIDAD SANTO TOMAS DIVISIN DE INGENIERAS FACULTAD DE INGENIERA MECATRNICA BUCARAMANGA 2006

Nota de aceptacin:

____________________________ ____________________________ ____________________________ ____________________________

____________________________ Firma del presidente del jurado

____________________________ Firma del jurado

____________________________ Firma del jurado

Bucaramanga, Julio de 2006

CONTENIDO

Pg.

INTRODUCCIN.....16

1. DISEO DE UN SISTEMA DE CONTROL, BASADO EN REDES NEURONALES Y LGICA DIFUSA PARA LA ESTIMACIN Y CONTROL DE LA DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA DE TRATAMIENTO DE AGUA POTABLE DE EMDUPAR S.A. E.S.P...19

1.1

FORMULACIN DEL PROBLEMA......19

1.2

JUSTIFICACIN....19

1.3

0BJETIVOS....20

1.3.1 Objetivo general........20

1.3.2 Objetivos especficos....20

2.

FUNDAMENTOS TERICOS.21

2.1

PROCESO GENERAL PARA LA POTABILIZACIN DEL AGUA21

2.1.1 Tratamiento principal.21

2.1.2 Teora de la coagulacin..23

2.1.3 Descripcin general de las etapas de coagulacin y floculacin en la planta Gota Fra de EMDUPAR S.A. E.S.P..........25

2.2

CONTROL DEL PROCESO DE COAGULACIN27

2.2.1 Sistema de simulacin del proceso de coagulacin.28

2.2.2 Potencial de corriente32

2.3

REDES NEURONALES34

2.3.1 Redes neuronales..34

2.4

LGICA DIFUSA36

3.

DISEO DEL SISTEMA DE CONTROL....41

3.1 SISTEMA ACTUAL DE DOSIFICACION DE COAGULANTE EN EMDUPAR S.A. E.S.P.................42

3.1.1 Operacin del sistema actual de dosificacin...44

3.2

DESARROLLO DEL DISEO DEL SISTEMA DE CONTROL...45

3.2.1Diseo de la red neuronal para la estimacin de la dosis ptima de coagulante..........46

3.2.2 Diseo del controlador PI difuso para la regulacin de la dosificacin...50

3.2.3 Descripcin del sistema de control...57

3.2.4 Simulacin del sistema de control...59

4. AUTOMATIZACION DEL PROCESO DE DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA DE TRATAMIENTO EMDUPAR S.A. E.S.P78

4.1 SELECCION DE SENSORES PARA LOS DIFERENTES PARAMETROS DEL AGUA QUE INTERVIENEN EN EL CONTROL...78

4.1.1 Seleccin del sensor de Turbiedad.. ..........................................................78 4.1.2 Seleccin del sensor de ph. ........................................................................79 4.1.3 Seleccin del sensor de temperatura.. ........................................................80 4.1.4 Seleccin del sensor de carga superficial o SCD (Streaming Current Detector). . ............................................................................................................81 4.2 SELECCIN DE LOS SENSORES DE NIVEL. .............................................81 4.3 SELECCIN DE LA TARJETA DE ADQUISICIN DE DATOS. ...................83 4.3.1 Tarjeta de Adquisicin de datos NI PCIe-6259. ..........................................83

4.4 4.5

SOFWARE LabVIEW ..................................................................................83 COMPUTADOR INDUSTRIAL ....................................................................84

4.6 VARIADORES DE FRECUENCIA SIEMENS MICROMASTER 440 MODELO 6SE420- 2UC13- 7AA0..........................................................................................84 4.7 PRECIO TOTAL DE LOS INSTRUMENTOS SELECCIONADOS .................84

4.8 DIAGRAMA DEL CONTROL AUTOMTICO ...............................................85 5. CONCLUSIONES Y RECOMENDACIONES .................................................86

BIBLIOGRAFA ......................................................................................................87

ANEXOS ................................................................................................................89

LISTA DE TABLAS

Pg.

Tabla 1. Propiedades del agua cruda vs. Dosis ptima .........................................42 Tabla 2. Calibracin del dosificador 2 en la planta Gota Fra ................................45 Tabla 3. Parmetros de la red neuronal.................................................................49 Tabla 4. Dosis Red Neuronal vs. Prueba de jarras ................................................50 Tabla 5. Base de las reglas de inferencia ..............................................................55 Tabla 6. Seleccin del sensor de turbiedad ...........................................................79 Tabla 7. Seleccin del sensor de pH .....................................................................80 Tabla 8. Sensor de Temperatura ...........................................................................80 Tabla 9. Seleccin del sensor SCD ......................................................................81 Tabla 10. Seleccin del sensor de nivel.................................................................82 Tabla 11. Caractersticas principales del computador industrial seleccionado .....84 Tabla 12. Precio de los diferentes instrumentos seleccionados ............................84

LISTA DE FIGURAS

Pg.

Figura 1. Procesos para el tratamiento de agua ....................................................22 Figura 2. Zona de mezcla rpida ...........................................................................26 Figura 3. Dosificadores volumtricos ....................................................................26 Figura 4. Equipo de prueba de jarras de EMDUPAR............................................27 Figura 5. Floculadores ...........................................................................................27 Figura 6. Equipo de prueba de jarras.....................................................................29 Figura 7. Diagrama de flujo...................................................................................33 Figura 8. Neurona biolgica y neurona artificial .....................................................34 Figura 9. Funciones de pertenencia de e, ce y u; y las bases de reglas................38 Figura 10. Esquema del controlador difuso proporcional integral. .........................40 Figura 11. Dosificador............................................................................................43 Figura 12. Variador de frecuencia..........................................................................44 Figura 13. Esquema de la red neuronal.................................................................47 Figura 14. Validacin del modelo de la planta .......................................................52 Figura 15. Funciones de pertenencia de E-SCU....................................................54 Figura 16. Funciones de pertenencia de CE- SCU ................................................55 Figura 17. Funciones de pertenencia de la salida ajuste .......................................56 Figura 18. Superficie de control .............................................................................57 Figura 19. Esquema del sistema de control...........................................................58

Figura 20. Red neuronal artificial implementada en Simulink ................................60 Figura 21. Simulacin del sistema de control en Simulink ....................................60 Figura 22. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso........................................................................61 Figura 23. Comparacin de la seal de control entre el controlador PID y el controlador PI difuso ..............................................................................................62 Figura 24. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso, con un cambio en la temperatura..................63 Figura 25. Seal de control ante un cambio en la temperatura ............................63 Figura 26. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso, con un cambio en el set point. ......................64 Figura 27. Comparacin de la seal de control entre el controlador PID y el controlador PI difuso, ante un cambio de Set point................................................64 Figura 28. Configuracin del sistema de control con PI difuso y ruido...................65 Figura 29. Comparacin de la salida del controlador PID y el controlador PI difuso ante ruido ...............................................................................................................65 Figura 30. Partes de una aplicacin del modulo DSC............................................68 Figura 31. Diagrama de bloques de la interfaz grafica...........................................69 Figura 32. Panel frontal de la interfaz grafica........................................................69 Figura 33. Red Neuronal en LabView ...................................................................70 Figura 34. VIs para programar la lgica difusa y las funciones de transferencia discreta ..................................................................................................................71 Figura 35. Procedimiento para ingresar al Configure Tag .....................................71 Figura 36. Archivo emdupar.scf .............................................................................72 Figura 37. Procedimiento de conexin al modulo DSC..........................................73 Figura 38. Conexin por medio de DataSocket .....................................................73

Figura 39. Configuracin de alarmas .....................................................................74 Figura 40.Visualizacin de las alarmas..................................................................74 Figura 41. Tendencia de las variables ...................................................................75 Figura 42.Generacin de reporte ...........................................................................76 Figura 43. Informacin general ..............................................................................77 Figura 44. Diagrama del control automtico en la planta de EMDUPAR S.A. E.S.P......................................................................................................................85

LISTA DE ANEXOS

Pg.

Anexo A. Especificaciones del sensor de turbiedad 4670 de ABB ........................89 Anexo B. Especificaciones del sensor de ph ax460 de ABB .................................91 Anexo C. Especificaciones del sensor de temperatura TR 204 de ABB ................93 Anexo D. Especificaciones del sensor SCM2500XRD de Chemtrac. ....................95 Anexo E. Especificaciones del sensor de nivel 875C de Allen Bradley .............97 Anexo F. Especificaciones de la tarjeta de adquisicin NI PCIe-6259 DE National instruments. ...........................................................................................................99 Anexo G. Especificaciones de los variadores de frecuencia siemens micro master 440 modelo 6SE420- 2UC13- 7AA0. ..................................................................100 Anexo H. Datos del test de jarra utilizados para de entrenamiento de la red neuronal. ..............................................................................................................104

GLOSARIO

ACIDEZ: la capacidad cuantitativa del agua de neutralizar una base, expresada en equivalente de carbonato de calcio en PPM o del mg/l. El nmero de los tomos de hidrogeno que estn presente determina esto. Es medido generalmente por medio de una valoracin con una solucin de hidrxido sdico estndar. ADSORCIN: se llama adsorcin al fenmeno de acumulacin de partculas sobre una superficie. La sustancia que se adsorbe es el adsorbato y el material sobre el cual lo hace es el adsorbente. El nivel de actividad de la adsorcin depende de la concentracin de la sustancia en el agua, la temperatura y la polaridad de la sustancia. ABSORCIN: la absorcin es un proceso fsico o qumico en el cual tomos, molculas o iones pasan de una primera fase a otra incorporndose al volumen de la segunda fase. Esta segunda fase puede ser lquida, gaseosa o slida. AGLOMERACIN: proceso de unir partculas ms pequeas para formar una masa ms grande. AGUA POTABLE: agua que es segura para beber y para cocinar. ALCALINIDAD: es la capacidad cuantitativa del agua de una muestra de neutralizar un cido a un pH establecido. Esta medida es importante para determinar la capacidad corrosiva del agua debido al hidrxido, carbonato e iones de bicarbonato. La alcalinidad estabiliza el agua en los niveles del pH alrededor de 7. Sin embargo, cuando la acidez es alta en el agua la alcalinidad disminuye, puede causar condiciones dainas para la vida acutica. BACTERIAS: pequeos microorganismos unicelulares, que se reproducen por la fisin de esporas. BACTERIA COLIFORME: bacteria que sirve como indicador de contaminantes y patgenos. Estas son usualmente encontradas en el tracto intestinal de los seres humanos y otros animales de sangre caliente. BASE: una sustancia alcalina que tiene un pH que exceda de 7.5. CAL: tratamiento qumico del agua comn. La cal puede ser depositada sobre paredes de duchas y baos, despus de que la cal reaccione con el calcio para formar caliza.

CAUDAL: flujo de agua superficial en un ro o en un canal. COAGULACIN: desestabilizacin de partculas coloidales por la adicin de un reactivo qumico, llamado coagulante. Esto ocurre a travs de la neutralizacin de las cargas. COAGULANTES: partculas lquidas en suspensin que se unen para crear partculas con un volumen mayor. COLOIDES: suspensin de partculas diminutas de una sustancia (en el rango de 10-5 a 10-7 de dimetro), llamada fase dispersada, en otra fase, llamada fase continua, o medio de dispersin. Tanto la fase suspendida, o dispersada, como el medio de suspensin pueden ser slidos, lquidos o gaseosos. DECANTAR: retirar la capa superior de un lquido despus de que materiales pesados (un slido o cualquier otro lquido) se haya depositado. DENSIDAD: la densidad es la medida de cunta masa hay contenida en una unidad de volumen (densidad = masa/volumen). Usualmente se representa como kg/m3. Puesto de manera sencilla, si la masa es la medida de cunto material tiene un objeto, entonces la densidad es la medida de cun compactado est ese material.. DESINFECCIN: la descontaminacin de fluidos y superficies. Para desinfectar un fluido o una superficie una variedad de tcnica estn disponible, como desinfeccin por ozono. A menudo desinfeccin significa eliminacin de la presencia de microorganismo con un biocida. DISOLUCIN: mezcla homogneas de dos o ms sustancias, quiere decir que sus propiedades son siempre constantes en cualquier punto de la mezcla.. La sustancia presente en mayor cantidad recibe el nombre de disolvente, y a la de menor cantidad se le llama soluto y es la sustancia disuelta. ELECTROLITO: sustancia que se disocia en iones cuando se disuelve en agua. ESCHERICHIA COLI (E. COLI): bacteria coliforme que est a menudo asociada con el hombre y desechos a animales y es encontrada en el intestino. Es usada por los departamentos de salud y laboratorios privados para medir la calidad de las aguas. FILTRACIN: separacin de slidos y lquidos usando una sustancia porosa que solo permite pasar al lquido a travs de l. FLOCULACIN: acumulacin de partculas desestabilizadas y micro partculas, y posteriormente la formacin de copos de tamao deseado. Se debe aadir otra

sustancia qumica llamada floculante en orden de facilitar la formacin de copos llamados flculos. HIDRLISIS: tipo de reaccin qumica en la que una molcula de agua, con frmula H2O, reacciona con una molcula de una sustancia AB, en la que A y B representan tomos o grupos de tomos. En la reaccin, la molcula de agua se descompone en los fragmentos H+ y OH-, y la molcula AB se descompone en A+ y B-. ION: un tomo en solucin que est cargado, o sea positivamente (cationes) o negativamente (aniones). LABVIEW (LABORATORY VIRTUAL INSTRUMENT ENGINEERING WORKBENCH): laboratorio virtual de instrumentos de ingeniera. LabVIEW es un lenguaje de programacin grafica que utiliza iconos en vez de lneas de texto para crear programas. MEZCLA: agregacin de sustancias sin interaccin qumica entre ellas. Las propiedades de las mezclas varan segn su composicin y pueden depender del mtodo o la manera de preparacin de las mismas. NEUTRALIZACIN: la adicin de sustancias para neutralizar el agua, tal que no sea cida ni tampoco bsica. Neutralizacin no significa especialmente pH de 7.0, solamente significa el punto de equivalencia de una reaccin cido-base. PH: el valor que determina si una sustancia es cida, neutra o bsica, es calculado por el nmero de iones de hidrgeno presente. Es medido en una escala desde 0 a 14, en la cual 7 significa que la sustancia es neutra. Valores de pH por debajo de 7 indica que la sustancia es cida y valores por encima de 7 indican que la sustancia es bsica. POTENCIAL DE CORRIENTE: forma de medir las cargas de las partculas coloidales (positivas y negativas). SCD (STREAMING CURRENT DETECTOR). Sensor que mide las cargas de las partculas coloidales por medio del potencial de corriente. Es usado para el control del proceso de coagulacin en las plantas de tratamiento de aguas potables. SEDIMENTACIN: asentamiento de partculas slidas en un sistema lquido debido a la gravedad.

TEST DE LA JARRA: prueba de laboratorio con diferentes dosis qumicas, mezcla a velocidad, tiempo de asentamiento, para estimar el mnimo o la dosis ideal de coagulante requerida para alcanzar los objetivos de calidad en un agua.

TURBIDEZ: medida de la no transparencia del agua debida a la presencia de materia orgnica suspendida en ella. VI (VIRTUAL INSTRUMENT): programa en LabVIEW que modela la apariencia y funcin de un instrumento real. VIRUS: la ms pequea forma de vida conocida, que no es una clula de forma natural. Viven dentro de clulas de animales, plantas y bacterias y usualmente causan enfermedades. Estn formado por un cromosoma rodeado por una capa de protenas.

RESUMEN

Este proyecto presenta el diseo de un sistema de control para el proceso de coagulacin en la planta de tratamiento de agua potable de la empresa EMDUPAR S.A. E.S.P, ubicada en la ciudad de Valledupar. El sistema de control esta conformado principalmente por una red neuronal artificial y un controlador difuso realizados en matlab; el sistema se dise para controlar y regular la dosificacin de sulfato de aluminio, sustancia esencial en la coagulacin de las partculas causantes de las impurezas en el agua. El control diseado se simula con Simulink de matlab. Adicionalmente, se describe la realizacin en labview de otra simulacin que presenta una interfaz grafica, donde se puede apreciar el control del proceso con las herramientas inherentes a labVIEW. La simulacin presenta algunas de las caractersticas que hacen de labview un instrumento interesante para la automatizacin de procesos industriales, caractersticas como: el almacenamiento de datos, la generacin de reportes y una interfaz amigable para el usuario.

PALABRAS CLAVES INGENIERIA MECATRNICA -TESIS Y DISERTACIONES ACADEMICAS SISTEMAS DE CONTROL- DISEO - EMDUPAR (VALLEDUPAR, CESAR) REDES NEURONALES (COMPUTADORES) AUTOMATIZACIN INDUSTRIAL

INTRODUCCIN

Uno de los procesos ms importantes en el tratamiento de agua potable es la coagulacin; la cual consiste en adicionar una sustancia qumica llamada coagulante (sulfato de aluminio) para desestabilizar las partculas diminutas responsables de las impurezas, y as, lograr que se agrupen en pequeas masas ms pesadas que puedan ser decantadas o retenidas en los filtros. La dosificacin de la cantidad apropiada de sulfato de aluminio es fundamental en la calidad del agua tratada. Una cantidad deficiente de coagulante, producir a la salida de la planta un agua para consumo con una turbiedad superior a la recomendada. Mientras que una dosificacin excesiva dar como resultado la presencia de aluminio residual en el agua con consecuencias negativas para la salud humana. El control de esta dosificacin se realiza en muchas plantas en forma manual, apoyndose en pruebas de laboratorio realizadas peridicamente (prueba de jarra) y en la experiencia del operador que supervisa el proceso, como es el caso de la planta de tratamiento de la empresa EMDUPAR S.A. E.S.P. En la actualidad, la industria del agua ha centrado sus esfuerzos en producir la mejor calidad del agua a un menor costo. Teniendo en cuenta el gran consumo de sulfato de aluminio demandado por una planta de tratamiento de agua, se hace necesario crear una alternativa para la reduccin y optimizacin del proceso de coagulacin. En los ltimos aos, han aparecido en el mercado algunos sistemas para el control del proceso de coagulacin, tales como el detector de potencial de corriente o SCD (Streaming Current Detector) entre otros, pero no han podido establecerse como la opcin definitiva, gracias a su incapacidad de adaptarse a los cambios en la calidad del agua cruda.

16

Esta dificultad, ha motivado a ingenieros e investigadores a enfocar sus esfuerzos en la implementacin de nuevos sistemas de control que se adapten a las necesidades de procesos complejos como lo es la coagulacin en el tratamiento de aguas potables. En este proyecto se presenta el diseo de un control alternativo basado en un sistema experto implementado en Matlab, con el cual se pretende obtener y ajustar la dosis ptima de coagulante para la planta gota fra de la empresa EMDUPAR en Valledupar. El mejoramiento en el control de los procesos mediante la introduccin de nuevas tcnicas tales como las redes neuronales y la lgica difusa, abre una nueva ventana hacia el desarrollo de soluciones ptimas, para procesos cuyo control mediante el uso de tcnicas convencionales resulta muy complicado. Con el objetivo de facilitar la comprensin de este informe, se cree necesario dividirlo en tres grandes partes de la siguiente manera: Seccin I OBJETIVOS DEL PROYECTO Esta seccin consta de un capitulo donde se especifican los objetivos, se formula el problema y se justifica la realizacin de este proyecto. Seccin II FUNDAMENTOS TEORICOS Y REFERENCIAS Esta seccin est plasmada en el captulo 2. En l se realiz la investigacin y documentacin necesarias para la comprensin del proceso de tratamiento de aguas potables, as como de otros temas importantes en el desarrollo del proyecto, como lo son: las redes neuronales y los sistemas de control difuso. Seccin III DESARROLLO DEL PROYECTO Esta seccin contiene los captulos 3 y 4, donde se explican detalladamente las diferentes etapas seguidas en el desarrollo de los objetivos especficos del proyecto. El capitulo 3, se denomina DISEO DEL SISTEMA DE CONTROL. En este capitulo se desarrolla el sistema propuesto para el control de la coagulacin por medio de matlab.

17

Adems, se desarrolla la simulacin en matlab del control propuesto y se describe la realizacin de un programa en LabVIEW que proporciona otras funciones como el almacenamiento de datos y la visualizacin grafica de las variables. El capitulo 4, tiene el nombre de AUTOMATIZACION DEL PROCESO DE COAGULACION EN LA PLANTA DE TRATAMIENTO DE EMDUPAR S.A. E.S.P., aqu se presenta una descripcin de los diferentes sensores seleccionados para las diferentes variables que hacen parte del sistema de control. Finalmente, en el capitulo 5 se expresan las conclusiones y sugerencias de la realizacin de este proyecto.

18

1. DISEO DE UN SISTEMA DE CONTROL, BASADO EN REDES NEURONALES Y LGICA DIFUSA PARA LA ESTIMACIN Y CONTROL DE LA DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA DE TRATAMIENTO DE AGUA POTABLE DE EMDUPAR S.A. E.S.P.

1.1 FORMULACIN DEL PROBLEMA Dentro de los procesos que conllevan a la potabilizacin del agua, el proceso de coagulacin es el ms complejo, debido a la relacin no lineal entre la dosis ptima de coagulante y las propiedades fsico qumicas del agua cruda como turbiedad, color, ph, temperatura, entre otras. La relacin complicada entre las variables que hacen parte del proceso hace muy difcil la ejecucin de sistemas de control basados en mtodos tradicionales. Adems, la importancia de la coagulacin en la calidad de agua resultante y por consiguiente en la salud humana, exige una alternativa para un control moderno que permita dosificar la cantidad inmejorable de coagulante conforme al cambio en las caractersticas del agua cruda. En el caso particular de la empresa EMDUPAR S.A. E.S.P, el procedimiento de la dosificacin de sulfato de aluminio se hace de una manera muy elemental, donde no se realiza un monitoreo y control continuo de las variables. Automatizar el proceso de dosificacin de sulfato de aluminio, lograra que el procedimiento sea ms preciso y eficaz.

1.2

JUSTIFICACIN

Los altos costos de materia prima que se requieren en los procesos hacen que las empresas busquen nuevas alternativas tecnolgicas, aunque impliquen una inversin inicialmente alta, estas pueden lograr minimizar y optimizar a futuro el consumo del material. Los sistemas de control inteligentes basados en redes neuronales y lgica difusa cada da adquieren ms relevancia en la industria internacional. Software, como Matlab, han demostrado el potencial de estos mtodos alternativos de control, e incluso en Colombia se pueden apreciar algunos ejemplos, como la planta de aguas de Puerto Mallarino de las empresas municipales de Cali (Emcali). Donde se desarrollo un sistema de redes neuronales y lgica difusa que permite llevar a cabo tanto la estimacin como el control de la dosis de coagulante.

19

Si se implementa un control automtico del proceso de dosificacin de sulfato de aluminio en la planta de tratamiento de agua potable de la empresa EMDUPAR S.A. E.S.P., se suministrara la cantidad necesaria de manera continua y por el tiempo necesario. Esto traduce un ahorro de dinero y evitara el gasto intil de materia prima. De igual manera, se lograra un monitoreo constante de parmetros qumicos y fsicos importantes en el tratamiento de agua para consumo humano tales como turbiedad, PH, temperatura, entre otras. Gracias a esto la empresa contara con registros del comportamiento de cada una de estas variables, lo que representara en su momento un apoyo indispensable para decisiones que deben tomar los operarios en momentos crticos.

1.3

0BJETIVOS

1.3.1 Objetivo general. Disear un sistema de control, para la estimacin y regulacin de la dosificacin de sulfato de aluminio en la planta de tratamiento de agua potable de EMDUPAR S.A.

1.3.2

Objetivos especficos

1. Disear una red neuronal para calcular el nivel de dosificacin, tomando el test de jarras como base para el entrenamiento de la red. 2. Disear el controlador fuzzy que permita ajustar el nivel de dosificacin de sulfato de aluminio. 3. Implementar los algoritmos de control en una plataforma de simulacin y analizar el comportamiento del sistema propuesto. 4. Seleccionar los instrumentos necesarios para realizar la automatizacin del proceso.

20

2. FUNDAMENTOS TERICOS

2.1 PROCESO GENERAL PARA LA POTABILIZACIN DEL AGUA El proceso general de potabilizacin del agua, es bsicamente, el mismo para los diferentes tipos de plantas existentes. Est compuesto por subprocesos que en su orden se denominan: coagulacin, floculacin, sedimentacin, filtracin y desinfeccin. En la mayora de los casos, es preciso que el agua cruda pase por otras etapas antes del tratamiento principal, por que es necesario remover materiales suspendidos (hojas de rboles, algas, arcilla, etc.) que por su tamao puedan causar problemas posteriores en el tratamiento; esta instancia es conocida como etapa de pretatamiento [11].

2.1.1 Tratamiento principal. A pesar de aplicacin de los procesos de pretratamientos, el agua posee partculas muy pequeas que no pueden ser removidas tan fcilmente. Por ello se hace necesario emplear procesos que remuevan algunas sustancias que no se pueden observar a simple vista. Los procesos para el tratamiento de agua empleados en la planta de la empresa EMDUPAR S.A. E.S.P se pueden observar en la figura 1. Los procesos de coagulacin y floculacin provocan que las partculas se aglutinen en pequeas masas con peso especfico superior al del agua llamadas flocs. Estos procesos se usan para: Remocin de turbiedad orgnica o inorgnica que no puede sedimentar rpidamente. Remocin de color. Eliminacin de bacterias, virus y organismos patgenos susceptibles de ser separados por coagulacin. Destruccin de algas y plancton en general. Eliminacin de sustancias productoras de sabor y olor en algunos casos y de precipitados qumicos suspendidos o compuestos orgnicos entre otros.

21

Figura 1. Procesos para el tratamiento de agua

Fuente: Valledupar ecolgica y solidaria

La coagulacin, consiste en neutralizar la carga, generalmente electronegativa, de los coloides presentes en el agua, quedando estos en condiciones de formar flculos. Este proceso se consigue introduciendo en el agua un producto qumico denominado coagulante (sulfato de aluminio). La coagulacin dura solamente fracciones de segundo y se lleva a cabo en las cmaras de mezcla rpida en donde se provoca una turbulencia en el agua para agregarle el coagulante. Por lo general son canales que poseen una rampa por donde pasa el agua a gran velocidad para poder generar la turbulencia. La floculacin es el fenmeno por el cul las partculas ya desestabilizadas chocan unas con otras para formar cogulos mayores. La floculacin puede tener lugar en un aparato especialmente diseado para este fin (floculador). Los floculadores son depsitos o cubas provistas de sistemas de agitacin que giran con relativa lentitud o por un conjunto de palas estticas. Los floculadores son diseados de esta manera para no romper los flculos ya formados, al mismo tiempo, la velocidad de agitacin debe ser suficiente para

22

conseguir el engrosamiento progresivo del flculo e impedir que se formen sedimentos en el fondo. Luego de la floculacin, el siguiente paso es separar los slidos del lquido, es decir, las partculas coaguladas del agua; esto se logra con la sedimentacin y la filtracin. En la sedimentacin, se realiza la separacin de los slidos ms densos que el agua y tienen una velocidad de cada tal que puede llegar al fondo del tanque sedimentador en un tiempo econmicamente aceptable. La filtracin, en cambio, separa aquellos slidos que tienen una densidad muy cercana a la del agua, o que han sido resuspendidos por cualquier causa en el flujo, y que por lo tanto no quedan removidos en el proceso anterior. El medio filtrante usado en plantas de tratamiento de agua, est constituido por arena slice, antracita, granate o una combinacin de dichos materiales. Los filtros, por lo general, son piscinas que tiene en su fondo el medio filtrante por donde pasa el agua; de aqu en adelante el agua es transportada por canales subterrneos. La ltima etapa en el proceso de tratamiento es la desinfeccin, la cul, se refiere a la destruccin de los organismos causantes de enfermedades o patgenos presentes en ellas. Entre los principales encontramos bacterias como la Vibrio comma causante del clera y la E.coli causante de diarreas, tambin se encuentran los protozoarios como la Ameba causante de quistes; diversos virus como el Virus de la hepatitis infecciosa y el Virus de la poliomielitis. La etapa del tratamiento de inters para la realizacin del proyecto es la coagulacin, por lo tanto, a continuacin se profundiza un poco ms en el tema.

2.1.2 Teora de la coagulacin. La coagulacin, como se comento anteriormente, consiste en neutralizar la carga electronegativa de las partculas que producen impurezas en el agua, por medio de la adicin de sustancias qumicas electroposivas. Despus de la coagulacin estas partculas microscpicas estn listas para unirse unas con otras y formar cogulos de mayor tamao que pueden ser decantados con facilidad. Para poder comprender el proceso de coagulacin hay que conocer la naturaleza y caractersticas de las partculas a remover; estas partculas son llamadas coloides y forman en buena parte la turbiedad y el color ordinario del agua cruda. Se define como coloide a la dispersin de partculas diminutas de una sustancia, llamada fase dispersada, en otra, llamada fase continua o medio de dispersin. Por ejemplo, Un aerosol es una dispersin coloidal de un slido en un gas [11].

23

 Coloides. Los coloides son las partculas de muy bajo dimetro que son

responsables de la turbidez o del color del agua superficial. Debido a su muy baja sedimentacin la mejor manera de eliminarlos es por los procesos de coagulacin-floculacin. El objetivo de la coagulacin es desestabilizar la carga electrosttica para promover que los coloides se agrupen. El dimetro de los coloides est comprendido entre 1 m y 1nm. La proporcin superficie/volumen da muy buenas caractersticas de adsorcin de los coloides para los iones libres. Este fenmeno de la adsorcin del Ion implica la presencia de la carga electrnica en su superficie que da lugar a algunas fuerzas de repulsin. Este es el porqu de que los coloides son tan estables en la solucin [11]. Hay diversos orgenes: disolucin mineral de las sustancias, erosin, descomposicin de la materia orgnica, residuos de granjas y aguas residuales.

Impurezas del agua. El agua en su forma molecular pura no existe en la

naturaleza, por cuanto contiene substancias que puedan estar en suspensin o en solucin verdadera segn el tamao de disgregacin del material que acarrea. Por otra parte, de acuerdo con el tipo de impurezas presentes, el agua puede aparecer como turbia o coloreada, o ambas. La turbiedad, que no es ms que la capacidad de un liquido de diseminar un haz luminoso, puede deberse a partculas de arcilla provenientes de la erosin del suelo, o algas o a crecimiento bacterianos. El color est constituido por substancias qumicas, la mayora de las veces provenientes de la degradacin de la materia orgnica, tales como hojas y plantas acuticas con las cuales entran en contacto.

Influencias de las variables en la coagulacin. Cada una de las variables

que intervienen en el proceso del tratamiento para potabilizar el agua, presentan caractersticas propias que deben ser estudiadas con la finalidad de seleccionar el coagulante que mejor se adecue al proceso y as obtener un agua con una alta calidad para el consumo humano [5]. De las variables que hacen parte del proceso de coagulacin, el ph es la ms influyente, dado a que existe al menos una escala de pH, para un agua dada,

24

dentro de la cual se registra una buena coagulacin - floculacin en el tiempo ms corto. La amplitud de la escala del pH est influenciada por el tipo de coagulante empleado, la composicin qumica del agua y la dosis del coagulante. Si ello fuera posible, la coagulacin deber llevarse a cabo dentro de la zona ptima del pH, puesto que, en caso contrario se derrochar una cierta cantidad de productos qumicos y el agua tratada ser de menor calidad. Otra variable importante es la turbiedad. Mientras que aumenta la turbiedad es preciso aumentar la dosis de coagulante, sin embargo, en el caso de turbiedades muy elevadas, se requieren dosis de coagulante relativamente pequeas, y las turbiedades muy bajas suelen ser ms difciles de eliminar por coagulacin. Aunque se sabe que la disminucin de la temperatura reduce la velocidad de las reacciones qumicas, en lo que respecta a la coagulacin este efecto es demasiado pequeo para que sea significativo. Sin embargo, se ha observado que el valor ptimo del pH es funcin de la disminucin de temperatura y este desplazamiento es tanto ms importante cuanto menores son las dosis de coagulante.

2.1.3 Descripcin general de las etapas de coagulacin y floculacin en la planta Gota Fra de EMDUPAR S.A. E.S.P. La planta de tratamiento de agua potable Gota Fra de la empresa EMDUPAR se encuentra ubicada al norte de la ciudad de Valledupar y obtiene el agua del ro Guatapuri; la planta tiene una capacidad promedio de 600 lt. / Seg. [7]. Como unidad de pretratamiento, la planta posee unos desarenadores donde se elimina el exceso de material suspendido en el agua como el lodo y hojas de rboles. El agua continua su curso hacia la zona de mezcla rpida en donde se produce el proceso de coagulacin. En esta etapa, la sustancia qumica coagulante debe ser agregada a la masa de agua cruda en turbulencia para que se produzca una mezcla instantnea y uniforme y as se logre anular la carga elctrica de las partculas. El mezclador de la planta es de tipo hidrulico, lo que significa que solamente utiliza la energa del agua para realizar la mezcla con el coagulante. El coagulante (sulfato de aluminio) llega al mezclador por medio de tuberas que se puede observar en la parte superior de la figura 2.

25

Figura 2. Zona de mezcla rpida

Fuente: EMDUPAR S.A. E.S.P.

El sulfato de aluminio se aplica a la zona de mezcla rpida por medio de dos dosificadores volumtricos (figura 3) localizados en la zona de dosificacin de la planta; los dosificadores volumtricos son los ms usados en la industria. En estos, el coagulante granular es almacenado en una tolva alta, desde donde el material cae hasta un mecanismos de medida, consistente en un tornillo sin fin que se desplaza con una velocidad prefijada gracias al variador de velocidad que posee el motor del tornillo. La accin del tornillo arrastra un cierto volumen de slido y lo vierte en una cmara de solucin con agua, de donde parte hacia la mezcla rpida. En la misma edificacin se realizan las pruebas de jarras para controlar el proceso de coagulacin; en la figura 4 se observa el equipo utilizado en la planta.

Figura 3. Dosificadores volumtricos

Fuente: EMDUPAR S.A. E.S.P.

26

Figura 4. Equipo de prueba de jarras de EMDUPAR

Fuente: EMDUPAR S.A. E.S.P.

Inmediatamente despus de la mezcla rpida se ubican los floculadores (figura 5). Estos estn conformados por varios depsitos interconectados por donde circula el agua lentamente; en los floculadores se dan las condiciones para que inmediatamente despus de la coagulacin se conformen los flculos que posteriormente sern removidos. Figura 5. Floculadores

Fuente: EMDUPAR S.A. E.S.P.

2.2

CONTROL DEL PROCESO DE COAGULACIN

El proceso de coagulacin determina, en gran medida, la eficacia de los procesos siguientes en la potabilizacin del agua; una buena coagulacin garantiza, por ejemplo, una excelente remocin de impurezas en los sedimentadores y filtros. Por eso se afirma, que la calidad del agua que ofrece una planta de tratamiento depende principalmente del proceso de coagulacin [11]. Debido a su importancia, el control de la coagulacin es la operacin principal en una planta de tratamiento. En general los mtodos de control podran dividirse en dos grandes grupos:

27

Sistemas de simulacin del proceso de coagulacin (ejemplo, Prueba de Jarras). Sistema de medicin de las cargas electroestticas de las partculas (ejemplo, potencial de corriente). ltimamente se estn utilizan mtodos alternativos de control como redes neuronales y lgica difusa que han demostrado ser efectivos en el control de la coagulacin [6], [9], [12].

2.2.1 Sistema de simulacin del proceso de coagulacin. Estos sistemas, como las pruebas de jarras, consisten en simular en unos vasos de precipitado o jarras los procesos de coagulacin, floculacin y sedimentacin que se producen en la planta de tratamiento y evaluar distintos parmetros durante o al final de los ensayos para caracterizar su funcionamiento.

Con los sistemas de simulacin se pueden determinar los siguientes parmetros: 1. 1.1 Determinacin de dosis ptimas mediante la evaluacin de: Evaluaciones cualitativas: Tamao de floc producido Tiempo inicial de formacin del floc. 1.2 Evaluaciones cuantitativas: Determinaciones fsicas: Turbiedad y/o color residuales. Determinaciones qumicas: PH, alcalinidad, hierro y/o manganeso. 2. 3. 4. Determinacin de la velocidad de sedimentos en las jarras. Determinacin de la influencia del pH en la coagulacin. Determinacin de la influencia que la concentracin de los coagulantes tienen en la coagulacin.

Determinacin de la dosis ptima de coagulante.

El objetivo de este ensayo es poder determinar la dosis de coagulantes que produce la ms rpida desestabilizacin de las partculas coloidales en la planta y hace que se forme un floc pesado y compacto que quede fcilmente retenido en los sedimentos y no se rompa al pasar por el filtro. Debe observarse que no necesariamente el floc que sedimenta rpidamente es el que queda retenido en el filtro con ms facilidad. El

28

floc que se busca, por tanto, es aquel que da el mayor rendimiento en el conjunto de proceso de clarificacin. El equipo y los reactivos que se necesitan para ejecutar la prueba de jarras se describen a continuacin.

Aparato de prueba de jarras. En el laboratorio, uno de los equipos ms

usados en el tratamiento de las aguas como elemento de control de la coagulacin es el equipo de prueba de jarras. G. W. Fuller, J. Cairol y E. Theirault son precursores de la prueba de jarras como modelo predictivo [5].

Descripcin del equipo de prueba de jarras. Normalmente estos equipos constan de los siguientes elementos: Un agitador mecnico provisto con tres a seis paletas, capaz de operar a velocidades variables (de 0 a 100 revoluciones por minuto; actualmente pueden obtenerse equipos que operan con velocidades de hasta 400 revoluciones por minuto). Un iluminador de flculos localizado en la base del agitador del equipo. Vasos de precipitado de 2 litros de capacidad, de cristal refractario. En la figura 6 se observa el esquema de un equipo de prueba de jarras convencional.

Figura 6. Equipo de prueba de jarras

Fuente: Tratamiento de agua para consumo humano. www.cepis.ops-oms.or

29

 Turbidmetro. La medicin de la turbiedad se logra mediante el uso de un

turbidmetro convencional que mide la intensidad de la luz que pasa a travs de una muestra de agua o la intensidad de la luz que es dispersada por las partculas en suspensin que estn presentes en la muestra, generalmente desde una direccin situada a 90 de la direccin original del haz de luz.

Medidor de pH. El pH afecta directamente la efectividad de la coagulacin.

Debido a ello, la medicin de este parmetro antes y despus de la floculacin tiene gran importancia. El pH es un indicador de la concentracin de los iones de hidrgeno en solucin (pH = log10 [H+]). Para la medicin de aguas naturales y tratadas en plantas de potabilizacin, se requiere una precisin de 0.05 unidades.

Otros instrumentos. Tambin son necesarios un termmetro, un colormetro

y un medidor de alcalinidad.

Reactivo. El reactivo principal es la solucin de sulfato de aluminio, cloruro o

sulfato frrico. Se prepara agregando agua destilada a 100 g de coagulante hasta completar el volumen de 1.000 mL, con lo que se obtiene una solucin de 10% que se puede conservar como solucin patrn, por uno, dos o tres meses. El ensayo de prueba de jarras se hace diluyendo 20 mL de la solucin patrn hasta completar 100 mL con agua destilada. Queda una solucin al 2% que no se puede conservar por ms de 24 horas pues corre el riesgo de hidrolizarse y perder buena parte de su capacidad de coagulacin.

Procedimiento para la realizacin de las pruebas de jarras. El objetivo del

test de jarras es determinar la dosis de coagulante que produce la ms rpida desestabilizacin de las partculas coloidales, que permita la formacin de un flculo grande, compacto y pesado, que pueda ser fcilmente retenido en los sedimentadores y que no se rompa y traspase el filtro. Equipos, materiales y reactivos Equipo de prueba de jarras con 6 jarras de 2 litros, 6 deflectores, 6 tomadores de muestras y 6 jeringas hipodrmicas desechables de 10 cm3, con sus agujas.

30

Turbidmetro. Colormetro. Medidor de pH. Seis vasos de 50 y 100 mL, de vidrio o plstico. El coagulante seleccionado. Procedimiento 1) Determinar la temperatura, la turbiedad, el color, el pH y la alcalinidad del agua cruda con la que se va a trabajar. 2) Llenar las 6 jarras con dos litros de agua cruda cada una y colocarlas en su respectivo lugar en el equipo de test de jarras. Dentro de cada jarra debe quedar introducida una paleta del agitador. 3) Calcular la cantidad de coagulante que se va a aplicar a cada jarra mediante la ecuacin de balance de masas: P=DxQ=qxC Donde: P = Peso de coagulante por aplicar D = Dosis de coagulante en mg/L Q = Capacidad de la jarra en litros q = Volumen de solucin por aplicar (mL) C = Concentracin de la solucin en mg/L 4) Colocar las cantidades del coagulante que se va a aplicar a las jarras en cada vaso mediante una pipeta. Succionar el contenido del vaso con una jeringa hipodrmica con la aguja puesta, para extraer hasta la ltima gota. 5) Retirar la aguja y colocar la jeringa delante de la jarra correspondiente. 6) Iniciar el funcionamiento del equipo de prueba de jarra con la velocidad mxima, aplicando en forma simultnea e instantnea el coagulante a todas las jarras. Este procedimiento simula la mezcla rpida del coagulante con el agua cruda en la planta. El tiempo que duran los agitadores en mxima velocidad depende de cada planta en particular. En la planta de EMDUPAR se dejan por 1 minuto. (1)

31

7) Se disminuye la velocidad a 40 rpm, por 10 minutos para simular el proceso de floculacin. Finalmente, se apagan los agitadores y se dejan reposar las jarras por otros 10 minutos para simular el proceso de sedimentacin. 8) Se toman muestras de todas las jarras y se analiza la turbiedad. Se selecciona como dosis ptima aquella que produce la menor turbiedad.

Limitaciones.

Existen limitaciones de carcter fsico-qumicos en la realizacin de las pruebas de jarra, algunas de ellas son: 1) En los reactores existe un flujo continuo; en cambio, en las jarras no hay flujo. Esto hace que en los primeros la masa de agua sufra un tratamiento desigual, debido a que parte de ella queda retenida durante largo tiempo, mientras que otra parte pasa casi de inmediato. En cambio, en la prueba de jarras, el agua queda retenida durante todo el tiempo que dura el ensayo. 2) La escala de las jarras no guarda relacin con la escala del flculo, por cuanto este se produce a escala natural y, en cambio, las jarras son cientos de veces ms pequeas que los floculadores. Por tanto, la proporcin entre la escala de la turbulencia que se produce en uno y otro caso y el tamao del flculo es diferente, lo que afecta la velocidad de aglutinamiento de las partculas. 3) La dosificacin de los coagulantes y la agitacin de la masa de agua pueden ser mucho mejor controladas en la prueba de jarras que en la planta de tratamiento. No obstante estas deficiencias, la prueba de jarras sigue siendo el mtodo ms usual para controlar el proceso de coagulacin.

2.2.2 Potencial de corriente. El potencial de corriente es una forma de medir las cargas de las partculas coloidales (positivas y negativas), que se relacionan con el potencial zeta de la siguiente manera:

ZD P Potencial Zeta i: u 4K 0

(2) del coloide y Ko =

En donde: P= Diferencia de potencial, = Densidad Conductividad del electrolito.

32

El potencial zeta es la medida del potencial elctrico formado por el coloide cargado negativamente, y su atmsfera cargada positivamente; este potencial tiene un valor mximo en la superficie de las partculas, y disminuye gradualmente con la distancia. La cada del potencial y la distancia desde el coloide es un indicador de las fuerzas repulsivas de los coloides en funcin de la distancia a las cuales estas fuerzas entran en juego. El instrumento medidor del potencial de corriente genera una corriente alterna relativa a la carga de las partculas que se encuentran en el agua; la corriente es amplificada y medida por el equipo [11]. Los valores netos de carga que se obtienen con este mtodo no son iguales a los que se obtienen en las mediciones del potencial Zeta, pero el punto isoelctrico (potencial zeta = 0), en cambio, s coincide en ambos, de manera que se pueden usar indistintamente para determinar el Potencial Zeta cuando se neutraliza la carga. Con base en esta propiedad, se monitorea la coagulacin en la actualidad, manteniendo un control continuo sobre las cargas de partculas coaguladas, con el fin de ajustar la dosificacin automticamente. El diagrama de flujo de la siguiente figura muestra como se hace esta operacin. Figura 7. Diagrama de flujo
Bomba dosificadora
Set point

Mezcla Rpida

Floculador

Sedimentador Filtro

Toma de muestras Monitor del potencial de corriente

Fuente: teora y prctica de la purificacin del agua

Sensor remoto

Despus de la mezcla rpida, se toma una muestra que va a un sensor remoto, y de all, al monitor de potencial de corriente. Una vez determinadas las cargas de las partculas, el equipo las compara con un set point, esto es, con el valor de carga que el operador fija en el aparato; si son diferentes manda una seal a la bomba dosificadora para que aumente o disminuya la dosis de coagulante,

33

haciendo, mediante sucesivas correcciones, ms electronegativas o electropositivas dichas cargas, hasta ajustarlas a las del set point, que solo hay que cambiar cuando se modifica la calidad del agua de la fuente. Las desventajas de este mtodo de control se encuentran en la imposibilidad de adaptacin a las diferentes calidades del agua que llega a la planta ya que son necesarios unos cambios mnimos de las propiedades del agua para poder realizar un control. Si el agua cambia sustancialmente, el dispositivo de control necesita un nuevo set point y nuevas constantes para el controlador, por lo cual los operarios deben realizar ajustes y pruebas de jarras continuamente.

2.3

REDES NEURONALES.

2.3.1 Redes neuronales. Las redes neuronales artificiales (RNA) son algoritmos computacionales que intentan emular el comportamiento de las redes neuronales biolgicas. Estos programas son usados para aprender estrategias de solucin basadas en ejemplos tpicos de comportamiento de patrones. Lo ms caracterstico de las RNA es su capacidad de generalizar y aprender de las experiencias, por lo que no se requiere que se programen las tareas a realizar [1].

Caracterstica de una red neuronal artificial.

El modelo de una neurona artificial es una imitacin limitada del proceso de una neurona biolgica; tambin es conocida como unidad o elemento de procesamiento (PE). En la figura 8 se observa un PE en forma general y su similitud con una neurona biolgica [1].

Figura 8. Neurona biolgica y neurona artificial

Fuente: autores

De la observacin del proceso biolgico se han hallado los siguientes anlogos con el sistema artificial: Las entradas Xi representan las seales que provienen de otras neuronas y que son capturadas por las dendritas.

34

Los pesos Wi son la intensidad de la sinapsis que conecta dos neuronas; tanto Xi como Wi son valores reales.

es la funcin umbral que la neurona debe sobrepasar para activarse; este proceso ocurre biolgicamente en el cuerpo de la clula.

Topologa de las redes neuronales.

Dentro de una red neuronal, los elementos de procesamiento se encuentran agrupados por capas, una capa es una coleccin de neuronas; de acuerdo con la ubicacin de las capas en la RNA, estas pueden ser internas o externas. Las redes neuronales se pueden clasificar de diversas maneras segn su topologa, forma de aprendizaje (supervisado o no supervisado), tipo de funcin de activacin, valores de entrada (binarios o continuos). Entre las redes tipo supervisado la ms popular es la red Backpropagation por su gran capacidad de aproximar cualquier funcin matemtica [1]. La red Back propagacin es una red con mltiples capas de neuronas, adems, tiene una forma de aprendizaje supervisado que necesita conocer cual es la salida esperada asociada con cada una de las entradas. La red utiliza un ciclo de propagacin adaptacin en donde los patrones de entrada se aplican a la red para generar una salida. La seal de salida se compara con la salida deseada y se calcula una seal de error para cada una de las salidas. Las salidas de error se propagan hacia atrs, partiendo desde la capa de salida, hacia todas las neuronas internas. Basndose en la seal de error percibida, se actualizan los pesos de conexin de cada neurona, para hacer que la red converja hacia un estado que permita clasificar correctamente todos los patrones de entrenamiento.

Descripcin de las funciones utilizadas en matlab para la red tipo

backpropagation. La red neuronal Backpropagation presenta una gran variedad de opciones de configuracin, dependiendo de la necesidad de aprendizaje y de la aplicacin que est desarrollando: Newff: (PR,[S1 S2. SNI],{TF1 TF2.TFNI},BTF,BLF,PF)

35

Donde: PR: R*2 Matriz de valores mximos y mnimos de cada una de las R neuronas de entrada. Si: Nmero de neuronas por cada una de las capas. TFi: Funcin de transferencia a utilizar en cada una de las capas, por defecto de utiliza tasing. BTF: Algoritmo de entrenamiento a utilizar, por defecto se utiliza trainlm. BLF: Funcin de actualizacin de los pesos, por defecto utiliza learngdm. PF: Funcin para evaluar el desempeo de la red, por defecto utiliza mse. El algoritmo de entrenamiento (BTF) empleado en el proyecto fue Traingda. Este es un algoritmo de pasos descendientes, que emplea una rata de aprendizaje adaptativa durante el proceso de entrenamiento. La rata de aprendizaje vara de 0.01 a 1, una rata de aprendizaje muy pequea toma lento el aprendizaje, pero si se incrementa demasiado el aprendizaje puede tornarse inestable y crear divergencia por eso la funcion traingda varia la rata de aprendizaje tratando de sacar provecho de la inclinacin del gradiente en cada momento. La sintanxis de este algoritmo es la siguiente: net.trainParam.epochs: Mximo numero de iteraciones para obtener convergencia. net.trainParam.goal: Error mximo permitido. net.trainParam.Ir: Rata de aprendizaje. net.trainParam.max_fail: Mximo nmero de fallas. net.trainParam.min_grad: Mnimo rendimiento del gradiente. net.trainParam.show: Intervalo de visualizacin de los resultados. net.trainParam.time: Mximo tiempo de entrenamiento en segundos. Con este algoritmo de entrenamiento la red se detendr si el numero de iteraciones excede el comando net.trainParam.epochs, si se alcanz el valor del error propuesto como meta, si la magnitud del gradiente es menor que net.trainParam.min_grad, o si el tiempo de entrenamiento supera el valor de net.trainParam.time.

2.4

LGICA DIFUSA

La lgica difusa o lgica fuzzy es una forma de razonamiento lgico que permite incorporar en los sistemas de automatizacin esquemas de razonamiento tpicamente humanos.

36

En la lgica difusa, las variables pueden tener varios niveles de verdad o falsedad representados por rangos de valores entre el 1 (verdadero) y el 0 (falso). Un sistema difuso esta compuesto bsicamente por: un conjunto difuso, funciones de pertenencia, operaciones lgico difusas y reglas de activacin [9].

Conjuntos Difuso. Al igual que en los conjuntos utilizados en la lgica clsica,

un conjunto difuso est definido como la agrupacin de varios elementos que poseen una caracterstica comn, pero a diferencia de los primeros, stos no exigen la pertenencia absoluta de un elemento, sino que reconocen que no todos sus elementos poseen la caracterstica en la misma magnitud.

x a un conjunto difuso A se utiliza una funcin que representa los nmeros reales en los cuales toma valores la variable analizada.

Funcin de pertenencia. Para definir el grado de pertenencia de un elemento

Base de reglas difusas. La base de reglas es la forma en que el Sistema Difuso guarda el conocimiento experto que le permite resolver el problema para el cual ha sido diseado. Estas reglas son del tipo si-entonces y tienen dos partes, el antecedente y el consecuente.

Controladores difusos. El control difuso es la aplicacin de la inferencia

difusa en la automatizacin de procesos [2]. Gracias a las caractersticas de la lgica difusa, es posible llegar a disear un regulador bien ajustado al proceso aprovechando la experiencia previa de un operador, eliminando de esta manera la necesidad de complejos y laboriosos estudios tcnicos del problema de control. Controlador lgico difuso proporcional derivativo. Para un controlador PD clsico la salida puede U puede escribirse como: u = Kp e + Kd e Donde e es el error y e es el cambio en el error. Suponiendo que e = entrada (salida deseada) salida actual y: e = ce = error actual error anterior Analizando la salida en trminos de las cuatro combinaciones diferentes de e y ce se tiene:

37

Si el error e es +ve ce = + ve, error actual > error anterior, por tanto la salida se va en la direccin incorrecta ce = ve, error actual < error anterior, por tanto la salida se va en la direccin correcta, es decir la salida se aproxima a la entrada.

Si el error e es ve ce = + ve, error actual < error anterior, por lo tanto, la salida se aproxima a la entrada ce = ve, error actual > error anterior, por lo tanto, la salida se va en la direccin incorrecta. (+ve = valor positivo y - ve = valor negativo) Los cuatros casos se resumen de la siguiente forma:

Desarrollo de la base de las reglas. Asumiendo que se tiene tres conjuntos fuzzy (N, Z y P) para cada entrada (e y ce) y salida u, se puede definir la base de reglas para el controlador difuso, as como se muestra en la siguiente figura.

Figura 9. Funciones de pertenencia de e, ce y u; y las bases de reglas

Fuente: Comparacin de controladores convencionales y controladores difusos

38

Por lo tanto, se tienen nueves reglas para el controlador difuso, adems, el controlador descrito puede ser extendido refinando los conjuntos fuzzy definidos sobre el dominio pertinente y asimismo refinando el conjunto de reglas.

Controlador lgico difuso proporcional integral. Un controlador PI difuso tiene como entradas el error (e) y el cambio del error ( e), y como salida, el cambio en la seal de control ( u). Como la salida del controlador fuzzy es el cambio de la seal de control, esta debe ingresar a un integrador para obtener la seal definitiva de control (u). La base de las reglas se obtiene de la misma forma que en el controlador PD difuso. El controlador difuso PI ms difundido es el propuesto por Mac Vicar-Whelan [10], el cual emula un controlador PI estndar (ver Fig. 10). Esencialmente todos los controladores difusos mantienen una estructura similar, sin embargo, las diferencias entre ellos son: el mtodo de inferencia, la base del conocimiento y el mtodo de defusificacin. Las entradas del controlador difuso PI son el error e(k) y el cambio en el error e(k), en donde:

e(k ) = e(k ) e(k 1) e( z ) = e( z ) z 1e( z ) e( z ) = e( z ) 1 z 1

(3)

La salida del controlador difuso PI es u(k):

u (k ) = u (k 1) + u (k ) u (k ) = u (k ) u (k 1) u ( z ) = u ( z ) z 1u ( z ) u ( z ) = u ( z )(1 z 1 ) 1 u ( z ) = u ( z ) 1 1 z

(4)

39

Figura 10. Esquema del controlador difuso proporcional integral.

Fuente: Control difuso para una planta de secado. http://scielo-test.conicyt.cl/pdf/rfacing/v11n2/ART08.pdf

40

3. DISEO DEL SISTEMA DE CONTROL

En la planta de EMDUPAR S.A. E.S.P, el agua cruda proviene del ro Guatapur, la cual, en temporada de verano tiene las caractersticas ideales que no hacen necesario la adicin de coagulante. En ese periodo el valor de la turbiedad y el color se mantienen cercanos a cero. En cambio, en los meses de invierno, la calidad del agua cambia drsticamente y sus propiedades abarcan una gran variedad de valores, por tanto, los mrgenes de operacin de calidad de agua cruda tratados en esta planta son grandes en comparacin con otras plantas. La coagulacin, es la fase mas importante, y a su vez la ms compleja de todo el proceso, en donde la estimacin de la dosis ptima de coagulante es la prioridad. En el proceso de potabilizacin se ha referenciado a la turbiedad como una de las variables ms importante para indicar la calidad del agua en las diferentes etapas del tratamiento, por lo tanto, se ha tratado de relacionar la cantidad de turbiedad del agua cruda con la dosis adecuada de coagulante, en este caso sulfato de aluminio, pero la naturaleza compleja del proceso de coagulacin y su relacin con las diferentes propiedades del agua dificultan la realizacin de un modelo simple para la correlacin entre la dosis ptima y cualquier propiedad del agua cruda. La relacin entre las caractersticas del agua cruda y la coagulacin en la planta de EMDUPAR se puede observar en la tabla 1, donde se muestran los resultados de varias pruebas de jarras, en ellas se exponen los valores de la dosis ptima necesaria, dependiendo de los valores de algunas propiedades del agua cruda, por ejemplo: para el agua cruda con turbiedad de 7 UNT, color de 15 UPC, un PH de 7.22 y una temperatura de 22.8 C; la prueba de jarra arroj como resultado una dosis ptima de coagulante de 25 mg/L.

41

Tabla 1. Propiedades del agua cruda vs. Dosis ptima Propiedades del agua cruda
Turbiedad (UNT) Color (UPC) ph Temperatura (C)

Dosis
(mg/lt.)

7 10 17 24 50 108 120 175 180 230 250 266 480 500

15 15 25 25 65 170 150 97 190 240 300 200 550 550

7.22 6.8 7.4 7.61 7.42 6.9 7.05 7.43 7.23 6.8 7 7.3 6.99 7.32

22.8 22.7 22 21.6 20.9 20.9 22.3 22 23 21.7 22.3 20.8 20.6 20.7

25 15 30 15 15 30 20 20 35 40 30 25 35 25

Fuente: autores/ pruebas de jarra

Lo expresado en los prrafos anteriores es importante, al igual que el conocimiento de la operacin del sistema actual de dosificacin de coagulante en la planta, para establecer el diseo de un control de la adicin de sulfato de aluminio en la planta de tratamiento de agua potable Gota fra de EMDUPAR S.A. E.S.P.

3.1 SISTEMA ACTUAL EMDUPAR S.A. E.S.P.

DE

DOSIFICACION

DE

COAGULANTE

EN

La dosificacin de sulfato de aluminio se realiza por medio de dos dosificadores volumtricos, cada uno con un motor, cuya velocidad es manipulada por variadores de frecuencia. El coagulante es sulfato de aluminio con una composicin de aluminio (Al2 O3), hierro (Fe2 O3) e insolubles, fabricado por PRODUCTOS QUMICOS PANAMERICANOS S.A. Los dosificadores poseen tolvas en la parte superior para almacenar el coagulante. En la parte inferior de la tolva existe una pequea cmara donde se ubica un tornillo sin fin conectado con un reductor de velocidad, que ha su vez, est unido al motor por medio de una correa. El tornillo sin fin es el encargado de dosificar el coagulante en un depsito en la parte inferior del dosificador donde se

42

mezcla con agua tratada, la solucin parte hacia el lugar de mezcla rpida por una tubera, donde se aade al agua cruda. De la velocidad del motor depende la cantidad de sulfato suministrado al agua cruda. El dosificador se puede apreciar en la figura 11. Los motores son SIEMENS modelo ILA2 070 V360. De 0.4Hp, 60 Hz y 1640 rpm; el reductor de velocidad permite unos 1750 rpm de entrada con una salida de 112.9 rpm. Cada motor tiene un interruptor de partida SIEMENS modelo 3TW0210- IYN13 -1CS. El variador de frecuencia es SIEMENS MICROMASTER 440 modelo 6SE4202UC13- 7AA0, la frecuencia del motor puede variar de 0 a 60Hz dependiendo de la relacin lineal con un voltaje de 0 a 10 V establecido manualmente con una resistencia variable. El variador de frecuencia se puede apreciar en la figura 12.

Figura 11. Dosificador

Fuente: Autores / planta GOTA FRIA

43

Figura 12. Variador de frecuencia

Fuente: Autores / planta GOTA FRIA

3.1.1 Operacin del sistema actual de dosificacin. Inicialmente el operador realiza una prueba de jarras para establecer la dosis requerida para una calidad de agua especfica, luego relaciona la dosis obtenida de la pruebas de jarras con la cantidad en gramos por minuto de coagulante a dosificar por medio de la siguiente ecuacin:
Dg = D * C * 60 1000

(3)

Donde Dg. D C 60 = Cantidad de coagulante (gr/min).. = Dosis derivada de las pruebas de jarra (mg/lt). = Representa el caudal en la planta (600lt/seg.). = Representa el tiempo en segundos que tarda en llegar el coagulante al punto de aplicacin. 1000 = Factor de conversin. Por ejemplo, para una dosis ptima en la prueba de jarras de 30 mg/lt la cantidad de coagulante en gramos por minuto a dosificar sera de 1080 gr/min. Posteriormente, el operador debe realizar el ajuste en la velocidad del motor por medio del variador de frecuencia. La relacin entre las diferentes posiciones del variador y la cantidad de sulfato suministrado por los dosificadores es establecida por la calibracin que regularmente se les hace; en ella, se ubica el variador en 20 Hz y se toman tres muestras de sulfato con una duracin de un minuto cada una, luego se pesan y se obtiene un promedio; la operacin se repite aumentando la

44

posicin del variador en 5Hz hasta llegar a 60Hz. En la tabla 2 se presenta la relacin entre las diferentes posiciones del variador de frecuencia y la cantidad de coagulante en gramos por minuto que suministra el dosificador 2 en la planta Gota fra. El operador controla la dosificacin alrededor de la dosis ptima, aumentando o disminuyendo un poco el valor de la frecuencia teniendo en cuenta su experiencia y la observacin de algunos parmetros despus de la coagulacin, tales como ph o turbiedad, para esto necesita el apoyo del personal de laboratorio de calidad, porque no hay sensores en la planta. Actualmente, el dosificador # 2 es el nico que est en funcionamiento en la planta. Sin embargo, por lo general solamente es necesario un dosificador para suministrar el sulfato. El lmite de dosificacin del dosificador 2 est establecido cuando el valor del variador de frecuencia es de 60Hz, dosificando en promedio 1390 gr/min. Esto es necesario cuando las caractersticas del agua cruda hacen que el valor de la dosis ptima de la prueba de jarras est alrededor de 40 mg/lt.

Tabla 2. Calibracin del dosificador 2 en la planta Gota Fra Variador de frecuencia Hz 20 25 30 35 40 45 50 55 60 Sulfato de Aluminio Medida 1 Medida 2 Medida 3 promedio gr/min. gr/min. gr/min. gr/min. 441 455 431 442,3 586 558 564 569,3 716 696 708 706,6 804 800 820 808 935 909 931 925 1056 1116 1038 1070 1239 1161 1175 1191,6 1329 1223 1280 1277,3 1399 1373 1400 1390,6

Fuente: planta gota fra EMDUPAR S.A. E.S.P

3.2

DESARROLLO DEL DISEO DEL SISTEMA DE CONTROL

Desde el punto de vista clsico de control, la seal de retroalimentacin tiene un tiempo muerto del orden de minutos, debido al tiempo que tarda el coagulante en llegar al punto de aplicacin en la zona de mezcla rpida, y al tiempo de respuesta de los instrumentos de medida [9 ].

45

Por lo general, en la mayora de las plantas, el operario es quien tiene el control de la dosificacin. El operador para controlar el proceso realiza bsicamente dos acciones; que son: estimar el nuevo punto de operacin o dosis ptima por medio de las pruebas de jarras, y controlar la dosificacin alrededor del punto de operacin. No obstante, un operario no vara la dosificacin en intervalos de tiempo muy seguidos, por lo que es muy posible, que en algn momento, se encuentre dosificando mas coagulante del que realmente necesita la planta. Teniendo en cuenta estas dos etapas, se disearon algoritmos de control que emularan las acciones de un operador, pero, con la posibilidad de regular la dosificacin en intervalos de tiempo en el orden de segundos. Para la etapa de estimacin de la dosis ptima de coagulante se decidi por una red neuronal artificial por su capacidad de estimar las relaciones no lineales entre variables; y para la etapa de ajuste de dosificacin se decidi por un controlador PI fuzzy, porque, con la lgica difusa se puede implementar estrategias de control no lineales.

3.2.1 Diseo de la red neuronal para la estimacin de la dosis ptima de coagulante. La red neuronal deber predecir la dosis adecuada de sulfato de aluminio dependiendo de algunas de las propiedades del agua cruda, por lo tanto, se escogi un algoritmo tipo propagacin hacia atrs. La red tipo perceptron multicapa, puede aproximar casi cualquier funcin si se escogen una adecuada configuracin para la red y un adecuado numero de neuronas en la capa oculta. El algoritmo backpropagation es un algoritmo de aprendizaje supervisado, el cual necesita un conjunto de datos, donde en cada grupo de entrada exista una salida esperada, para as poder aproximar una funcin que los relacione; a este conjunto de datos se les da el nombre de datos de entrenamiento. En este caso en particular, los datos de entrenamiento provienen de los resultados de pruebas de jarras llevadas a cavo en el ao 2005. Las propiedades fsico-qumicas del agua cruda seleccionadas como entrada, son: Turbiedad, Ph y Temperatura, por su importancia en el proceso de coagulacin y por la facilidad de conseguir los sensores respectivos dado el caso de una futura automatizacin del proceso. Naturalmente, la variable de salida es la dosis ptima de sulfato de aluminio (mg/lt). En el anexo H se muestra un conjunto de entrenamiento, que consta de 75 grupos de datos extrados de las pruebas de jarras realizadas durante los primeros meses de invierno. El objetivo es entrenar una red neuronal que aprenda estos datos y a partir de ellos este en capacidad de prever la dosis adecuada de coagulante.

46

 Configuracin de la red neuronal. El proceso de aprendizaje es diferente para

cada red, el xito depende en probar diferentes configuraciones hasta lograr la respuesta deseada. Para esta aplicacin en particular, se escogi una configuracin de 3:8:10:1, es decir, que para un vector de entrada de tres dimensiones (turbiedad, ph y temperatura del agua cruda) y una sola salida de red (dosis ptima de coagulante), se tienen ocho neuronas en la primera capa oculta, diez neuronas en la segunda capa oculta y una neurona en la salida. Un esquema de la red donde se muestra la distribucin de las neuronas en las diferentes capas, as como, las caractersticas de los datos de entrada y de la salida de la red, se puede observar en la figura 13.

Figura 13. Esquema de la red neuronal

Fuente: Autores

47

 Entrenamiento de la red. El cdigo de entrenamiento

para la red se desarrollo con base en la herramienta de redes neuronales de Matlab. La red se cre mediante el comando newff para la creacin de redes tipo backpropagation, con las siguientes caractersticas:

Net = newff (minmax (P), [8, 10,1], {'logsig','logsig','tansig',},'traingda');

Los parmetros que determinan el entrenamiento se fijaron en los siguientes valores, mediante los cuales se alcanz el rendimiento ptimo de la red:
net.trainParam.show =10; net.trainParam.epochs =1500; net.trainParam.goal = 1e-4; net.trainParam.lr = 0.075; net.trainParam.mem_reduc = 1; net.trainParam.min_grad = 1e-12.

Considerando que no existe un mtodo para hallar la configuracin ptima de una red neuronal para cada aplicacin, el nmero de neuronas y los parmetros que definen su entrenamiento, se obtuvieron a prueba y error empleando diferentes configuraciones. Los valores de entrada a la red se agruparon en un vector de tres entradas P, que describe la Turbiedad, el Ph y la Temperatura del agua cruda; y la dosis esperada de coagulante est representada en el vector T. los valores de la dosis ptima de coagulante fueron normalizados porque de esta forma se obtuvo un mejor desempeo de la red en el proceso de aprendizaje (los valores se pueden observar en la tabla 3); el proceso de normalizacin consiste en dividir cada uno de los valores de la dosis de coagulante por el mximo valor de dosis, de tal forma que el mayor valor de entrada a la red ser uno: Dosis normalizada=valor de la dosis/ dosis mxima. Por ejemplo, para una dosis de 40 mg/ L, se tiene una dosis normalizada de 0.5714, por que la dosis mxima permitida en la planta es 70 mg/L. Despus de normalizar los valores de las dosis se procedi al entrenamiento.
T=T'; [net, tr]=train (net, P, T);

Luego de varias iteraciones el error cay por debajo de 10-4 Los parmetros de la red entrenada se presentan en la tabla 4

48

Tabla 3. Parmetros de la red neuronal

W1= net.IW {1,1}

1 N1 N2 N3 N4 N5 N6 N7 N8
-0.6200 0.5454 0.3042 -0.2912 0.1235 -0.0745 0.7565 -0.4998

-0.8446 0.0788 0.0187 2.9371 -3.5396 0.0011 2.0810 -0.0880 -3.2140 0.0133 3.3832 -0.0012 -2.8587 0.0205 -2.0826 -0.0165

W2 = net.LW {2,1}

1
N1 N2 N3 N4 N5 N6 N7 N8 N9 N10

7
-3.6687 2.3997 3.1265 -0.8692 -0.0818 -3.7046 -2.8484 -3.1286 -3.3831 1.4549

8
-1.0349 2.9747 -2.6363 -1.2519 2.2278 1.6145 3.5447 2.5074 2.4023 -1.3041

-2.6144 -2.7676 -3.8109 -4.1718 -2.2515 -0.2092 -2.1092 4.4474 -1.8334 -3.1139 1.7656 -3.0115 0.4134 -0.8587 2.1112 1.7002 -1.1893 -3.1650 -2.9380 1.7078

3.6212 -2.6995 -1.6304 0.9800 2.6869 -2.8548 -2.6168 1.6192 -2.3738 -4.7801 0.7067 2.6865 2.0454 -4.4389 -3.8364 -0.4494 -0.4837 0.2249 2.5612 4.1087

2.9591 -0.7645 -0.8446 -1.8678 -2.6571 2.7709 -2.5130 3.4806 -0.0350 2.0365 -4.0471 1.4936 -3.4587 1.3361 -4.0281 1.8878 5.8902 -0.2220 2.6030 2.7308

W3 = net.LW {3,2} 1 2 3

4
-0.8761

5
0.0606

6
0.3223

7
0.3904

8
-0.0819

9
-0.1737

10
0.0363

N1

0.2342

-1.6708

0.8184

b1=net.b {1} 28.5656 N1 -53.6205 N2 15.7118 N3 1.0374 N4 17.9235 N5 -11.7348 N6 5.5445 N7 28.3171 N8

b2 = net.b {2} 6.1387 N1 6.5471 N2 4.1188 N3 3.4829 N4 5.5540 N5 0.4570 N6 0.3880 N7 3.7523 N8 -2.1601 N9 -9.8156 N10

b3 = net.b {3} 1.7413 N1

Fuente: autores/ matlab

49

En la tabla 4 se muestran algunos valores de la simulacin de la red donde se prueba su capacidad de prediccin, aqu se compara los resultados de la red neuronal con las pruebas de jarras. Tabla 4. Dosis Red Neuronal vs. Prueba de jarras Propiedades del agua cruda Dosis(mg/lt) Temperatura ph Turbiedad Red Jarras C NTU 22 7.2 870 36.2260 35 22 7.38 30.8 19.4674 20 20 7.25 380 30.3457 30 21 7.1 85 10.79 10 22.5 7.2 130 30.2 30 20 7.2 510 40.78 40
Fuente: Autores / EMDUPAR S.A. E.S.P.

Se puede observar el trabajo de la red y la buena labor de aproximacin que realiza, teniendo en cuenta que el conjunto de datos de entrenamiento no era muy extenso. La red ha aproximado patrones que no se le haban presentado durante el entrenamiento, garantizando el xito de la red para realizar la prediccin de la dosis ptima de sulfato de aluminio.

3.2.2 Diseo de el controlador PI difuso para la regulacin de la dosificacin. La empresa EMDUPAR esta interesada en adquirir un equipo SCD (Streaming Current Detector) que permita regular la dosis de coagulante de una manera ms precisa, ya que la prueba de jarras provee un punto de referencia de la dosificacin requerida, la cual se debe ajustar para obtener ptimos resultados. Teniendo en cuenta que este sensor es utilizado con xito como apoyo en el control de la dosificacin por su practicidad y ventajas sobre otros mtodos, el controlador para el ajuste de la dosificacin se bas en las decisiones que realizara un operario, dependiendo de la informacin suministrada por el SCD.

Funcionamiento del SCD. El dispositivo contiene un sensor modular remoto

colocado en un punto de la planta despus de la mezcla rpida, encargado de medir el potencial asociado a la carga de los coloides por medio del mtodo del potencial de corriente [4].

50

El potencial resultante, proporcional a la carga, es procesado electrnicamente para dar una lectura de la corriente de fluido en micro-amperios (streaming current units SCU). El punto de operacin ideal, establecido por el fabricante, se obtiene cuando el SCD marca un valor de 0 SCU, lo que significa que las cargas en los coloides estn totalmente neutralizadas y pueden agruparse para formar flocs, pero, en las plantas reales el punto ideal de operacin vara respecto a las condiciones del agua cruda. Cuando el valor del SCD sea superior al punto de operacin (set point) significa que se est agregando demasiado coagulante al agua, y si el potencial es inferior significa que no se esta agregando el suficiente coagulante en el proceso.

Seleccin de un modelo matemtico para el proceso de coagulacin. Para

el diseo del controlador difuso, y posterior simulacin de todo el control, es necesario establecer el modelo de la planta que relacione la variable manipulada (dosis de coagulante en mg/lt) con la variable que se pretende controlar (valor del sensor SCD). Realizar una aceptable identificacin lineal no es fcil, debido a que el proceso de coagulacin es muy complejo. En la planta de EMDUPAR no es posible obtener este modelo debido a la falta de instrumentacin necesaria. Hecho por el cual, se decidi por adaptar un modelo de otra planta con caractersticas similares a la planta Gota Fra de la empresa EMDUPAR. El modelo seleccionado pertenece a la planta La Laguna, una de las plantas de tratamiento de agua potable perteneciente a la Empresa de Acueducto y Alcantarillado de Bogot (EAAB), Colombia. Este modelo fue extrado del artculo Automatizacin del proceso de coagulacin, basado en una tesis de muestra con el mismo nombre, de la Universidad de los Andes [3]. Se seleccion este modelo debido a que el sistema de dosificacin es similar a la planta de EMDUPAR (utilizan dosificadores volumtricos), usan el mismo coagulante, y en general todo el proceso de potabilizacin se realiza prcticamente igual en ambas plantas.

Identificacin del modelo. .A partir de varias pruebas, el autor determin

que con respecto a la dosificacin de aluminio existe un tiempo muerto de alrededor de 6 minutos y un tiempo de establecimiento de aproximadamente 45 minutos. El tiempo muerto se debe a la mezcla del sulfato de aluminio con agua y su transporte al punto de dosificacin [3].

51

El modelo se realizo por medio de la identificacin de modelos no lineales. Se determin que por medio de los ndices de lipchitz, aumentar el orden del modelo no ofrece mejores resultados, en se punto el modelo no puede representar mejor el sistema [3]. Por lo cual se opto por el siguiente modelo, cuya funcin de transferencia es la siguiente:

0.0115 3 2 (z) = Z 0.5953Z 0.3866 Z DOS (Z)

4

(4)

Es un modelo de cuarto orden de tiempo discreto que tiene los polos en z=0, z= 0.987 y z= -0.3917, con un tiempo de muestreo de 30 seg.; DOS (z) representa la variable de dosis de coagulante y SCU (z) representa la salida en SCU de la planta, obtenida del sensor SCD. La funcin de transferencia sirvi como modelo de la planta La Laguna para la realizacin de un sistema de control predictivo de la dosificacin; actualmente este control se encuentra en uso en dicha planta. Los datos de comparacin entre la salida de la planta y el modelo diseado se observan en la figura 14.

Figura 14. Validacin del modelo de la planta

Fuente: Automatizacin del proceso de coagulacin. http://dspace.uniandes.edu.co:5050/dspace/bitstream/1992/374/1/mi_1259.pdf

52

 Desarrollo del controlador PI difuso en Matlab. Los algoritmos difusos, para

este controlador fueron implementados con la herramienta de logica difusa en matlab(Logic Fuzzy toolbox).

Entradas del controlador PI difuso. Teniendo en cuenta la configuracin de un controlador PI difuso (Fig. 10, pagina 40), las entradas del controlador estaran conformadas por: el error (E SCU) entre el valor de set point y el valor de SCU de la planta, y el cambio del error (CE-SCU): E-SCU = set point SCU de la planta CE-SCU = (E-SCU actual E-SCU anterior)/ t Las entradas al controlador son discretas, por lo tanto se tiene que: CE-SCU = E-SCU (k) E-SCU (k-1) La configuracin del controlador PI difuso establece que la salida se obtiene al ingresar el resultado de la lgica difusa en un sumador (1/(1-Z-1). La seal de ajuste definitiva representa la variacin en mg/lt de la dosis proveniente de la red neuronal; esta seal se suma con la dosis de la red neuronal.

Funciones de pertenencia de las variables de entrada (E-SCU y CE-SCU). La efectividad esperada para la red neuronal implica que el controlador solo debe hacer ajustes muy pequeos en la dosificacin, ya que la red hara el gran trabajo de encontrar una dosis lo mas apropiada posible dependiendo de los parmetros del agua cruda. Los rangos de las variables de entrada fueron variando a medida que se mejoraba la simulacin del control con la planta seleccionada. En definitiva, los rangos de las variables quedaron establecidas asi: para la variable E-SCU el rango establecido es de -3 a 3, y para la variable CE-SCU el rango va desde -0.1 a 0.1. La entrada E-SCU esta dividida en siete funciones de pertenencia: NA: Representa el mayor error con valor negativo. NM: Representa un error medio con valor negativo.

53

NB: Representa un error pequeo con valor negativo. Z: Representa un valor cercano de cero. PB: Representa un error positivo pequeo. PM: Representa un error positivo medio. PA: Representa el mayor error positivo. Las funciones de pertenencia de la entrada E-SCU se aprecian en la figura 19

Figura 15. Funciones de pertenencia de E-SCU

Fuente: Autores/ Matlab, FIS editor

La entrada CE-SCU tambin esta dividida en siete funciones de pertenencia: na: Representa el mayor cambio negativo en el error. nm: Representa un cambio negativo mediano en el error. np: Representa un pequeo cambio negativo en el error. z: Representa una estabilidad en el valor del error. pb: Representa un pequeo cambio positivo en el valor del error. pm: Representa un mediano cambio positivo en el valor del error. pa: Representa el mayor cambio positivo en el valor del error. Las funciones de pertenencia de la entrada CE-SCD se aprecian en la figura 20.

54

Figura 16. Funciones de pertenencia de CE- SCU

Fuente: Autores/ Matlab, FIS editor

Diseo del conjunto de reglas. El conjunto de reglas de inferencia representa las acciones que realizara un operador; las reglas del controlador PI difuso depende del error y su cambio, por ejemplo: si se tiene un pequeo error negativo y un pequeo cambio del error tambin negativo, entonces, la salida es disminuir medianamente la dosificacin. Por el contrario, si se tiene un error positivo pequeo y un pequeo cambio positivo del error, entonces, la salida es aumentar medianamente la dosificacin. El nmero total de reglas depende de la combinacin de todas las entradas, en este caso hay dos entradas (E-SCU y CE-SCU) conformadas cada una con siete funciones, por lo tanto, el nmero total de reglas es 7x7= 49. La base para las 49 reglas se observa en la siguiente tabla.

Tabla 5. Base de las reglas de inferencia

na NA NM NB Z PB PM PA
Fuente: autores

nm nb z. pb pm pa
NMA NA NA NM NB ZO PB NA NA NM NB ZO PB PM NA NM NB ZO PB PM PA NM NB ZO PB PM PA PA NB ZO PB PM PA PA PMA ZO PB PM PA PA PMA PMA

NMA NMA NA NA NM NB ZO

55

La salida (ajuste) se dise con nueve funciones de pertenencia. Las funciones son las siguientes: NMA: Representa la mayor disminucin en el cambio del porcentaje de ajuste de la dosificacin NA: Representa una disminucin un poco menor que la anterior en el cambio del porcentaje de ajuste de la dosificacin NM: Representa una disminucin mediana en el cambio del porcentaje de ajuste de la dosificacin. NB: Representa una pequea ajuste de la dosificacin disminucin en el cambio del porcentaje de

ZO: Representa una estabilidad en el cambio del porcentaje de ajuste de la dosificacin. PB: Representa un pequeo aumento en el cambio del porcentaje de ajuste de la dosificacin. PM: Representa un aumento medio en el cambio del porcentaje de ajuste de la dosificacin. PA: Representa un aumento un poco mayor que el anterior en el cambio del porcentaje de ajuste de la dosificacin. As como los rangos de las variables de entrada, el rango de la salida del controlador difuso fue variando a medida que mejoraba la simulacin, finalmente se decidi por una escala entre -1 y 1, esta salida debe ingresar al sumador para obtener la seal de ajuste definitiva. Las funciones de pertenencia de la salida ajuste se observan en la figura 19. Figura 17. Funciones de pertenencia de la salida ajuste

Fuente: Autores

56

La defuzzificacin de la salida se realiza por el mtodo de centroide. La superficie de control se puede observar en la figura 20. Figura 18. Superficie de control

Fuente: Autores / Matlab, superface viewer

Finalmente, la dosis definitiva en mg/lt se obtiene con la siguiente formula: D = DRNA + ADEF En donde: D = Dosis definitiva en mg/lt DRNA = Dosis red neuronal artificial en mg/lt. ADEF = Salida del controlador PI fuzzy =Ajuste definitivo de -3 a 3 mg/lt, estos valores representan el cambio mximo y mnimo que realiza un operador en la planta. 3.2.3 Descripcin del sistema de control. En la figura 19 se observa el diagrama de bloques del sistema de control propuesto para el control de la dosificacin de coagulante. El primer bloque, llamado red neuronal para la estimacin de dosis, estima la dosis ptima dependiendo de las propiedades del agua cruda. Las entradas a este bloque son: temperatura, turbiedad y pH; la salida se denomina DRNA y representa la dosis en mg/lt obtenida por la red neuronal. El segundo bloque, llamado control PI difuso, tiene la funcin de ajustar la dosis de la red neuronal, dependiendo del set point de SCU. Las entradas de este bloque son el error (e- scu) entre la seal de SCD proveniente de la planta y el valor de (5)

57

set point, y el cambio de ese error (ce scu). La salida del control PI difuso de ajuste de la dosis es el ajuste definitivo ADEF. La dosis definitiva D en mg/lt se compara con el nivel de operacin de la planta, el nivel de operacin es la dosis promedio en mg/lt que se suministra en la planta de tratamiento. Gracias a los datos de entrenamiento, se obtuvo los valores promedios de las propiedades del agua cruda que sirven como variables de entrada a la red neuronal, ingresando estos valores en la red (Temp.=23.1C, pH= 7 y Turbiedad = 176,2 NTU), se obtuvo que el nivel de operacin es de 37 mg/lt. El resultado de la diferencia entre el nivel de operacin y la dosis definitiva es la entrada a la planta. Por ahora, el set point necesita ser ingresado, pero podra establecerse automticamente, relacionando la turbiedad, el ph y la temperatura del agua cruda con el punto de operacin de SCU por medio de una red neuronal. Para realizar lo anterior, se necesita que la planta de EMDUPAR adquiriera los sensores necesarios, y asi, poder tomar el conjunto de datos de entrenamiento de la red.

Figura 19. Esquema del sistema de control

Fuente: Autores

58

3.2.4 Simulacin del sistema de control. La simulacin del sistema de control permite confirmar la viabilidad del diseo propuesto por medio de la observacin del comportamiento de la variable controlada (dosis de coagulante) y la salida de la planta. Se realizaron dos simulaciones, una en Simulink de Matlab y otra en Labview. La simulacin en Labview est enfocada a la automatizacin del proceso, aunque tambin integra el control diseado en Matlab.

Simulacin en Simulink. Para establecer el controlador PI fuzzy en simulink,

se utilizo la Fuzzy logic toolbox de ese programa y se implemento la herramienta Fuzzy logic controller with Rulerviewer, la cual, permite observar las reglas difusas mientras se ejecuta la simulacin. La red neuronal se implemento como un subsistema que se integro al resto de la simulacin. Las entradas a la red neuronal fueron establecidas con la herramienta Step de simulink con el objetivo de realizar varios cambios en la dosis de la red neuronal a medida que avanza la simulacin, y as, observar el comportamiento de la salida de la planta y de la dosis definitiva. El primer paso en el desarrollo de la simulacin fue establecer la planta y el control PI difuso para poder hacer los ajustes en las escalas de funciones de pertenencia de la lgica difusa. Estos ajustes son necesarios para buscar, en lo posible, un buen comportamiento de la seal de la variable controlada, que en este caso es la dosis de coagulante. Se entiende por buen comportamiento, por ejemplo, que la dosis alcance el valor adecuado sin que sobrepase ese valor en ningn momento, lo contrario, conlleva a un gasto innecesario de coagulante. En la figura 20 se observa la estructura de la red neuronal realizada en simulink y en la figura 21 se observa la simulacin del sistema de control.

59

Figura 20. Red neuronal artificial implementada en Simulink

Fuente: Autores/ Matlab

Figura 21. Simulacin del sistema de control en Simulink

Fuente: Autores/ Matlab

60

Tambin se realizo la simulacin del sistema con un controlador PID convencional para comparar el comportamiento de la salida y la variable de control entre ambos controladores; la ganancia proporcional del controlador PID se estableci en 0.1, la ganancia integral en 0.3 y la ganancia derivativa en 0.001. Se realizo una simulacin con un set point de -0.3 SCU, una turbiedad de 190NTU, un pH de 7 y una temperatura de 23C; el nivel de dosificacin de la planta se fijo en 37 mg/lt; con estos valores de entrada, se obtuvo una dosis de red neuronal de 37.88 mg/lt. El tiempo de la simulacin fue de 200 segundos con un tiempo de muestreo de 0.1 seg. En la figura siguiente se observa la comparacin de la salida con respecto al set point, del sistema con un controlador PID y el sistema de control propuesto.

Figura 22. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso

Fuente: Autores/ Matlab

A continuacin se presentan la seal de control (dosis definitiva en mg/lt) obtenida por el controlador PID y el controlador difuso.

61

Figura 23. Comparacin de la seal de control entre el controlador PID y el controlador PI difuso

Fuente: Autores/ Matlab

Se observa que el desempeo de los controladores es muy parecido. Se realizo otra simulacin, esta vez, con un cambio de un grado en la temperatura, esta paso de 23 a 24 grados centgrados; el cambio en la temperatura provoco la variacin de la dosis de la Red neuronal Artificial, esta paso a 39.3 mg/lt. La variacin tuvo lugar en el segundo 80. El tiempo de muestreo fue de 0.1 segundo, un tiempo de muestreo superior convierte al sistema en inestable. En las siguientes figuras se observa la comparacin entre el sistema de control con PI difuso y el sistema de control con PID discreto.

62

Figura 24. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso, con un cambio en la temperatura.

Fuente: Autores/ Matlab

Figura 25. Seal de control ante un cambio en la temperatura

Fuente: Autores/ Matlab

63

A continuacin se realizo un cambio en el set point, paso de 0 SCU a 0.3 SCU manteniendo las dems variables constantes. Las figuras 26 y 27 muestran respectivamente, las seales de salida de la planta en SCU y la dosis definitiva en mg/lt de los controladores.

Figura 26. Comparacin de la salida entre el controlador PID y el sistema de control con el controlador PI difuso, con un cambio en el set point.

Fuente: Autores/ Matlab

Figura 27. Comparacin de la seal de control entre el controlador PID y el controlador PI difuso, ante un cambio de Set point

Fuente: Autores/ Matlab

64

Ante un cambio de set point, el controlador PI difuso maneja unos cambios ms sutiles en la seal de control respecto al controlador PID discreto, sin embargo, las seales de salida son similares. Finalmente, se llevo a cabo una simulacin con un ruido blanco de 0.001W en la salida del sistema y se comparo el resultado entre los dos sistemas de control. La configuracin del sistema de control con PI difuso y con ruido en la salida de la planta se observa en la figura 28.

Figura 28. Configuracin del sistema de control con PI difuso y ruido

Fuente: Autores/ Matlab

La figura siguiente muestra la salida en el sistema, con el controlador PID y con el controlador difuso.

Figura 29. Comparacin de la salida del controlador PID y el controlador PI difuso ante ruido

Fuente: Autores/ Matlab

65

La salida del sistema de control con el controlador PI difuso no responde satisfactoriamente ante la seal de ruido, en cambio, el controlador PID tiene una respuesta mas acertada.

Simulacin en LabVIEW. En la planta actualmente existe una carencia de

instrumentos especializados que permitan obtener informacin en lnea, de forma rpida y precisa con forme a la dinmica del proceso de tratamiento. Consecuencia de ello, no se puede tener las ventajas que esto conlleva, como la creacin de una base de datos que se actualice constantemente, as como la presentacin ordenada de la informacin en tiempo real y la posibilidad de automatizar las diferentes etapas o subprocesos del tratamiento de agua potable en EMDUPAR S.A. E.S.P. Precisamente, mediante la simulacin de la automatizacin del proceso de adicin de coagulante en la planta de EMDUPAR S.A. E.S.P. se puede ver de una forma ideal las caractersticas que se plantean en el prrafo anterior. La simulacin fue desarrollada en labVIEW 7 Express, como una aplicacin del modulo DSC (Datalogging and Supervisor Control). En la simulacin se presenta una interfaz amigable para el usuario donde se puede observar alarmas, los valores simulados de las propiedades del agua ms significativas y la generacin de reportes de datos histricos. En la simulacin tambin se establece el control automtico de la dosificacin coagulante; en el, se incorpora el control por redes neuronales y lgica difusa diseado en matlab. Descripcin del modulo DSC de labVIEW. El modulo Datalogging and Supervisory Control adiciona caractersticas y capacidades a labVIEW que ayudan al usuario a crear aplicaciones de monitoreo y registro de datos. Las caractersticas ms importantes que provee el modulo DSC son: Coleccin de datos Histricos. Reporte y registros de alarmas y eventos. Servidor y cliente OPC Conexin con PLCs y dispositivos de redes industriales. Seguridad

Herramienta del modulo DSC. Las siguientes son las herramientas adheridas a LabVIEW cuando se instala al modulo DSC

66

Tag Configuration Editor. Esta herramienta se utiliza para editar o borrar todas las variables en el sistema del modulo DSC y para configurar los parmetros del Tag Engine. El Tag Configuration Editor registra toda la informacin de las variables y los parmetros del Tag Engine y guarda esa informacin en un archivo de configuracin (.scf). El Tag Engine lee este archivo para determinar los parmetros de configuracin para la ejecucin. Tag Engine. El Tag Engine funciona como una aplicacin separada, independiente de la aplicacin HMI. Ambos, la interfase grafica o HMI y el servidor se comunican con el Tag Engine. El Tag Engine realiza las siguientes tareas para el modulo DSC: Iniciar y detener el dispositivo servidor Escala e inicializa los datos Procesar las alarmas Registrar las alarmas y eventos a la base de datos Citadel Registrar los datos histricos a la base de datos Citadel. El servidor y la interfase grafica envan los datos al Tag Engine. El Tag Engine registra los datos en la base de datos Citadel. Citadel. La base de datos Citadel es una base de datos de LabVIEW usada por el modulo DSC y otros productos de National Instruments que almacena eficientemente los datos adquiridos y procesados por las aplicaciones.

Partes de una aplicacin del modulo DSC. Una aplicacin del modulo DSC contienen tres partes que trabajan juntas: la interfase grafica o aplicacin HMI (Human Machine Interface), el Tag Engine y varios dispositivos servidores, tal como se muestra en la figura 43. El Tag Engine, con cualquier servidor, se activan como una aplicacin separada e independiente de la aplicacin HMI.

67

Figura 30. Partes de una aplicacin del modulo DSC

Fuente: Datalogging and Supervisory Control Module Developer Manual

Funcionamiento de la simulacin. Al iniciar la simulacin automticamente se activa el Tag Engine y la interfaz grfica. En el programa de interfaz grafica, adems de aplicar el control automtico por Matlab se puede acceder a diferentes herramientas del modulo DCS como generacin de reporte de datos histricos, monitoreo de alarmas, tendencias de las variables y visualizacin grafica de las variables importantes del proceso. El usuario puede ingresar los valores del las propiedades del agua cruda mientras la simulacin esta en curso, y estos valores son almacenados directamente en la base de datos. Tambin tiene la opcin de ingresar un set point manual o acceder a un set point automtico. En la figura 31 se visualiza el diagrama de bloques de la interfaz grafica, y en la figura 32, el panel frontal.

68

Figura 31. Diagrama de bloques de la interfaz grafica.

Fuente: autores/ LabVIEW

Figura 32. Panel frontal de la interfaz grafica

Fuente: Autores/ Labview.

69

 Programacin del control en LabVIEW. La red neuronal se implemento como un subVI, para programar la red se introdujeron los diferentes pesos y constates que se definieron anteriormente (tabla 3. Parmetro de la red neuronal), as como, las diferentes funciones de pertenencia de las neurona, en la siguiente figura se observa la programacin de la red neuronal.

Figura 33. Red Neuronal en LabView

Fuente: Autores/ Labview.

El control difuso se implemento por medio de la toolbox de lgica difusa en labview, de igual manera que en simulink de matlab. La funcin de transferencia de la planta, as como, la funcin del sumador a la salida del control difuso y la funcin diferencial en la entrada del controlador, se realizaron por medio de la toolbox de control que se encuentra en labview. En la figura 34 se observa en detalle los VIs utilizados en la construccin del controlador difuso y las funciones de transferencia discreta. todo el control se encuentra dentro de un ciclo while para poder realimentar el control.

70

Figura 34. VIs para programar la lgica difusa y las funciones de transferencia discreta

Fuente: Autores/ Labview.

Configuracin de las variables por medio del Tag Configuration Editor. La informacin de las variables es implementada en un archivo .scf. Cuando el Tag Engine se activa, carga el archivo .scf e identifica las variables con las cuales realiza sus tareas para el modulo DSC (ver seccin 4.2.1 descripcin del modulo DSC de labVIEW). Para ingresar al Tag Configuration Editor se seleccion ModuleConfigure Tags. Como lo muestra la siguiente figura. ToolsDSC

Figura 35. Procedimiento para ingresar al Configure Tag

Fuente: autores / LabVIEW

71

En el archivo .scf se definieron las variables de turbiedad, temperatura, scu, dosis y ph como datos de tipo anlogo, y las variables que representan los sensores de nivel como datos de tipo discreto. Todas las variables tienen acceso a la memoria para almacenarlas en la base de datos. En el archivo .scf tambin se defini el servidor para todas las variables. El servidor para la simulacin es el mismo que utiliza LabVIEW en sus ejemplos de simulaciones, el nombre del servidor es Cookie Factory I. El Cookie Factory I es un servidor basado en un VI, y es utilizado en una simulacin que lleva el mismo nombre, adems de ser utilizado en otros ejemplos. En la figura 36 se observa las variables en el archivo .scf, adems de la configuracin del servidor. Cada una de las variables definidas en la interfaz grafica son conectadas a sus respectivas etiquetas o tag name del archivo .scf por medio de la propiedad DataSocket connection; este procedimiento se puede observar en las figuras 37y 38.

Figura 36. Archivo emdupar.scf

Fuente: autores / LabVIEW

72

Figura 37. Procedimiento de conexin al modulo DSC

Fuente: autores/LabVIEW

Figura 38. Conexin por medio de DataSocket

Fuente: autores/LabVIEW

Por medio de DataSocket se puede intercambiar datos en lnea entre diferentes VIs en un computador, o en diferentes computadores a travs de Internet u otra red. El VI de interfaz grafica publica los datos suministrados por el usuario en el servidor local del modulo DSC por medio de la configuracin de las variables en el Tag Configuration Editor del modulo DSC. El tag engine lee el archivo de configuracin y registra los datos en la base de datos histrica llamada Citadel. Configuracin de las alarmas. Las alarmas para las variables de turbiedad, ph y los sensores de nivel se configuran con Tag Configuration Editor, como lo muestra la figura 39. Las alarmas se pueden observar en la interfaz grafica por medio de la visualizacin de mensajes de alarmas que indican el estado de las variables, por ejemplo: Si la variable de turbiedad sobrepasa el valor de 600 UNT

73

inmediatamente se activa un mensaje en la pantalla de ALTA TURBIEDAD!. Esta funcin es posible gracias al VI Read Alarm summary. Vi del modulo DSC. La visualizacin de las alarmas en el programa de interfase grafica se observa en al figura 40.

Figura 39. Configuracin de alarmas

Fuente: Autores/ LabVIEW

Figura 40.Visualizacin de las alarmas

Fuente: Autores/ LabVIEW

74

 Botones auxiliares. Los botones auxiliares pueden acceder a diferentes propiedades del modulo DSC de LabVIEW como generacin de reporte y tendencias de las variables de forma grafica. Tendencias. Gracias a este botn se pueden observar grficamente los valores de las variables en los ltimos cinco, diez o 30 minutos. El pilar de la programacin es el VI Read Trace.vi del modulo DSC, el cual lee los datos histricos de las variables usando un intervalo de tiempo especificado. El panel frontal del subVi se puede apreciar en la figura 41.

Figura 41. Tendencia de las variables

Fuente: Autores/ LabVIEW

Datos histricos. Este botn permite crear un reporte en Excel de cualquiera de las propiedades del agua ya sea turbiedad, ph, temperatura o SCD. En este subVI se puede seleccionar el intervalo de tiempo para realizar el reporte, entre los ltimos minutos o desde cualquier fecha anterior, siempre y cuando se tengan registros. El archivo en Excel se puede guardar en el disco duro e imprimir. La programacin esta basada en los VI de generacin de reporte que se encuentran en la paleta de funciones de LabVIEW y en los VI de datos histricos del modulo DSC. La pantalla que se despliega al activar el botn se observa en la figura 42

75

Figura 42.Generacin de reporte

Fuente: Autores/ LabVIEW

Informacin. Este botn activa una pantalla donde se despliega una informacin general de las caractersticas de la simulacin y su funcionamiento. Esta informacin puede ser utilizada como una introduccin al usuario del programa. La pantalla desplegada se observa en la figura 43.

76

Figura 43. Informacin general

Fuente: Autores/ LabVIEW

77

4. AUTOMATIZACION DEL PROCESO DE DOSIFICACIN DE SULFATO DE ALUMINIO EN LA PLANTA DE TRATAMIENTO EMDUPAR S.A. E.S.P.

Conocidas las variables que intervienen en el control, es necesario seleccionar los sensores adecuados para cada una, adems de otros instrumentos; pensando en que podra establecerse un control automtico de la dosificacin de coagulante en la planta de tratamiento de EMDUPAR. La seleccin de los instrumentos se realiz teniendo en cuenta los parmetros necesarios que se requieren cumplir dentro del proceso, es decir, se escogieron sensores teniendo en cuenta su seal de salida y que trabajen en los rangos establecidos en la planta de tratamiento. As, en la turbiedad se manejan valores entre 0-800 NTU y en el ph valores entre 0-16. Otro parmetro de seleccin era contar con el respaldo de marcas y distribuidores conocidos y que pudieran ser confiables en la venta de instrumentos analticos para la automatizacin de la planta de tratamiento. Se tiene proyectado, que el sistema de control este incorporado en un computador industrial y que por medio de la tarjeta de adquisicin de datos obtenga la seal de los diferentes sensores en tiempo real, y as, poder controlar los variadores de velocidad de los dosificadores.

4.1 SELECCION DE SENSORES PARA LOS DIFERENTES PARAMETROS DEL AGUA QUE INTERVIENEN EN EL CONTROL. Los parmetros fsicos qumicos del agua cruda que intervienen en el control son: turbiedad, ph, temperatura y la carga superficial de los coloides (streaming current).

4.1.1 Seleccin del sensor de Turbiedad. La turbiedad del agua proveniente del ri Guatapuri abarca un gran rango de valores dependiendo de la poca del ao. En tiempo de verano la turbiedad tiene valores cercanos a cero UNT y en temporada de invierno puede llegar a 800 NTU. En la siguiente tabla se observa las caractersticas de algunos sensores de turbiedad que pueden ser adquiridos en Colombia.

78

Tabla 6. Seleccin del sensor de turbiedad Sensor 1 Marca Modelo Rango Salida temperatura de operacin Precisin Alimentacin Sistema de limpieza Costo
ABB instrumentation 4670 Programable 0-100 0-1000 NTU 4-20 mA -20 a 55 C

Sensor 2
Endress + HAuser TurbiMax W CUS31 0-9999 NTU

Sensor 3
AW Company ProScan In-Line Process Sensor 0-500 NTU 4-20 mA 0,00C a 100,00 C

-20 a 60 C

2% 100 a 130V /50-60Hz Si, programable

US $ 4000 + IVA Alberto Silva SILVERQUIMICA
Cra 64 # 86-78 Ap 102

3%
Si US $ 5000 + IVA Colsein Ltda. Calle 82 No. 5-48 A.A. 55479 Tel.: 2367659 Fax: 6107868
info@colsein.com.co

15-24 VDC no US $ 1500+ IVA Carlos Zambrano SYZ Ingenieria Ltda. Tel:4111451 Fax: 2920900 Carlos.Zambrano@ syzing.com.co Bogota, Colombia

Representante local

Tel: 3570938 Fax: 3788146 silverquimica@gmail. com Barranquilla, Colombia

Bogota, Colombia

El sistema de monitoreo de turbiedad seleccionado es el 4670 Series Turbidity Systems de ABB Instrumentation, (Ver anexo A). Se seleccion este sistema porque se especializa en la industria del agua, el rango de operacin y la salida son los adecuados, adems, el precio es menor en comparacin con los otros.

4.1.2 Seleccin del sensor de ph. El sensor seleccionado debe estar diseado para el proceso de tratamiento de agua, adems presenta una seal de salida de transmisin de los datos. A continuacin se presentan las caractersticas de dos sensores de ph especialmente diseados para medir el ph en aguas con caudal.

79

Tabla 7. Seleccin del sensor de pH Sensor 1 ABB instrumentation Marca AX460 Modelo 0-14 Rango Programable en 0 a 10mA, Salida temperatura de operacin Alimentacin Costo
0 a 20 mA 4 a 20 mA. -20 a 65 C

Sensor 2
Signet 2750 0-14 4-20mA -10 a 85 C 12 a 24 V DC

Representante

85 a 265 V AC 50/60Hz 24V AC o 12 a 30V DC US $3000 + IVA Alberto Silva SILVERQUIMICA Tel: 3570938 Fax: 3788146 Cra 64 # 86 78 Ap 102 silverquimica@gmail.com Barranquilla, Colombia

George Fischer Ltda. Av. das Naes Unidas 21689 Tel: 155111-247-1311 Fax: 155111-247-6009 serge.steinmann@georgfis cher.com So Paolo, Brazil

Se seleccion el analizador de ph modelo AX460 de ABB instruments, por que cumple con los requerimientos necesarios y por su fcil consecucin en el pas. Ver anexo B.

4.1.3 Seleccin del sensor de temperatura. El sensor de temperatura seleccionado es el TR 204 de ABB instrumentation (ver anexo C). Por que cumple con las especificaciones requeridas, como son: seal de salida de 4 20mA, un rango adecuado y la capacidad de adaptarse al ambiente caracterstico de una planta de tratamiento de aguas.

Tabla 8. Sensor de Temperatura

Sensor 1 Marca Modelo Rango Salida Alimentacin Costo
ABB instrumentation TR 204 0-100 C 4 a 20 mA. 10.5 a 30 VDC US $ 64 + IVA Alberto Silva SILVERQUIMICA Cra 64 # 86 78 Ap 102 Tel: 3570938 Fax: 3788146 Barranquilla, Colombia

Representante local

80

4.1.4 Seleccin del sensor de carga superficial o SCD (Streaming Current Detector). A continuacin se presentan las caractersticas de los dos sensores SCD ms populares en la industria, debido a desempeo y confiabilidad.

Tabla 9. Seleccin del sensor SCD Sensor 1 CHEMTRAC Marca Modelo Energa del monitor Corriente de carga Precisin Tiempo de respuesta Seal de salida Temperatura de operacin Dimensiones del monitor y sensor Alimentacin Costo
SCM2500XRD,Monitor y Sensor remoto Dura-Trac 85-264VAC, 47-63Hz 110 VAC @ 0.5A Mx. 220 VAC @ 0.25A Mx. 0,5% de la escala total 1 segundo 4-20mA o 0-10V CD 0 a 49 C (234mm , 285mm , 161mm ) (285mm , 234mm , 161mm ) 115 VAC,60Hz (Estndar) 230 VAC,50HZ(Opcional) US $ 5000 + IVA SILVERQUIMICA Cra 64 # 86 78 Ap 102 Tel: 3570938 Fax: 3788146 silverquimica@gmail.com Barranquilla, Colombia

Sensor 2
HF scientific MICRATSCM, Monitor y Sensor NEMA 4X 40 VAC

1% 1 segundo 4 - 20 mA 32 to 122F (0C to 50C) (330 x 290 x 200 mm) (180 x 673 x 95 mm) 120 VAC + 10% 50/60 Hz 240 VAC + 10% 50/60 Hz

Representante

3170 Metro Parkway Fort Myers, FL 33916 USA Tel:: (239) 337-2116 Fax: (239) 332-7643 info@hfscientific.com

El sensor SCD seleccionado es el SCM2500XRD de CHEMTRAC, por su fcil consecucin en el pas. (Ver anexo D). Ya que, ambos poseen caractersticas muy similares y tienen reconocimiento en la industria del agua. El funcionamiento general del SCD se encuentra en el capitulo de control, especficamente en la seccin 3.2.2 funcionamiento del SCD.

4.2

SELECCIN DE LOS SENSORES DE NIVEL.

Los sensores de nivel estaran situados en las tolvas de los dosificadores para detectar un nivel bajo de sulfato de aluminio. Hay que tener en cuenta que el sulfato de aluminio es un material granular, por lo cual, un sensor capacitivo de proximidad sera una buena opcin.

81

Tabla 10. Seleccin del sensor de nivel Sensor 1 Marca Modelo Corriente de carga Tensin de trabajo
On - Off Forma de trabajo Frecuencia de conmutacin Allen-Bradley 875C 200ma 10-60VCC

Sensor 2
Siemens LC 500 3,6 a 22 mA Mx. 33 V DC mn. 12 V DC a 3,6 mA, mn. 9,5 V DC a 22 mA Continuo

Sensor 3
Siemens LC300

9 a 32 V DC

Continuo

Proteccin Indicadores Led Temperatura de operacin

25 Hz incorporado Verde: Alimentacin Amarillo: Salida -25 a +70C

incorporado

incorporado

-40 a +85 C Siemens

Cra 65 No.11-83

-40 a +85 C Siemens

Cra 65 No.11-83

Rockwell
Automation S.A

Distribuidor Local

Muelle Industrial II Bodega 4 Cra 97 #43-23 Tel: 4223822 www.rockwella utomation.com/ support Bogot

A A: 8 01 506 Tel 2942362 Fax 4141837 carlos.martinez @siemens.com www.siemensan dina.com Bogot

A A: 8 01 506 Tel 2942362 Fax 4141837 carlos.martinez @siemens.com www.siemensan dina.com Bogot

El sensor seleccionado es el modelo 875C de Allen Bradley (Ver anexo E) por que se adapta a las necesidades requeridas, ya que solamente es necesario que el sensor indique cuando el sulfato de aluminio esta en un nivel bajo porque en trminos prcticos, no es relevante la medicin continua del nivel de coagulante. Adems, el sensor es capacitivo, lo cual es propicio para mediciones de material granular.

82

4.3

SELECCIN DE LA TARJETA DE ADQUISICIN DE DATOS.

La tarjeta de adquisicin de datos se encarga de recibir las seales de los diferentes sensores y enviarlas al programa de control. Teniendo en cuenta la cantidad de entradas y salidas que se requieren, la tarjeta de adquisicin debe cumplir con las siguientes caractersticas: 4 seales anlogas de entrada (4 20 mA) para los sensores de temperatura, ph, turbiedad y SCD. 2 seales digitales de entrada para los sensores de nivel. 2 seales anlogas de salida (4 -20mA) para el control de los variadores de frecuencia. Adems, el hardware debe ser compatible con LabVIEW, que es el software seleccionado para la automatizacin. Una tarjeta de adquisicin de datos que cumple con las todas las particularidades anteriores es la NI PCIe-6259 de National Instruments (Ver anexo F). [15]

4.3.1 Tarjeta de Adquisicin de datos NI PCIe-6259. La tarjeta posee las siguientes especificaciones principales: Entradas anlogas: 32 (0-10v 4-20ma) Salidas Anlogas: 4 Entradas/salidas Digitales: 48 7 entradas con rangos programables ( 100mV a 10 V) por canal. Sistema operativo: Windows 2000/ xp Software recomendado: LabVIEW 7.x, SignalExpress 1.x. Valor: US $ 1,315.00 Frecuencia de muestreo: 1.25 MS/s

4.4 SOFWARE LabVIEW LabVIEW Full Dev. System for Win 2000/NT/XP (English) CD contains IB,DAQ,RS-232, and Adv. Analysis VI Libraries and CIN Development Toolkit. Valor: US $6851,034 LabVIEW 7.1 Datalogging and Supervisory Ctrl Module for Windows Windows 2000/NT/9X Valor: US $6851,034

83

4.5

COMPUTADOR INDUSTRIAL

Tabla 11. Caractersticas principales del computador industrial seleccionado PC industrial Marca Modelo CPU MEMORIA RAM MONITOR PUERTOS
Siemens Panel pc 670 6AV76140AB12-0CJ0 933MHz INTEL PENTIUM III 128-256 MB 15 USB Serial COM1 (RS232C) LPT1(EPP/ECP) Ethernet 10/100 MBite/s, RJ45 PROFIBUS US $ 6395

Costo

4.6 VARIADORES DE FRECUENCIA MODELO 6SE420- 2UC13- 7AA0.

SIEMENS

MICROMASTER

440

La empresa cuenta con estos variadores de frecuencia en la planta de tratamiento para sus dosificadores. En el diseo del control automtico se contempla manejar el variador de frecuencia directamente por medio de su entrada analgica de 0 a 10 V DC, gracias a la tarjeta de adquisicin de datos (Ver anexo G).

4.7

PRECIO TOTAL DE LOS INSTRUMENTOS SELECCIONADOS

Tabla 12. Precio de los diferentes instrumentos seleccionados INSTRUMENTOS

Sensor de nivel Sensor de temperatura Licencia LabView SCD Turbidimetro PHmetro DAQ PC Industrial TOTAL

Valor C/U (US$)

178 62.5 13702 5000 4000 3000 1315 6395 33652,5

Valor total (US$)

356 62.5 13702 5000 4000 3000 1315 6395 33830,5

84

Los precios de los instrumentos no incluyen IVA y los valores de los mismos tienen vigencia hasta 1/10/2006

4.8

DIAGRAMA DEL CONTROL AUTOMTICO

El control del proceso de coagulacin estara ubicado en el edificio donde se realiza la dosificacin y las pruebas de jarras en la planta de EMDUPAR, este edificio se encuentra ubicado cerca de la zona de mezcla rpida, donde se lleva acabo la coagulacin; la distancia de cada uno de los instrumentos hasta el centro de control no supera los 100 metros, razn por la cual, no es necesario recurrir a amplificadores de seal.

Figura 44. Diagrama del control automtico en la planta de EMDUPAR S.A. E.S.P.

Fuente: Autores

85

5. CONCLUSIONES Y RECOMENDACIONES

La realizacin de una prueba de jarras tiene una duracin aproximada de 30 minutos, con la Red Neuronal Artificial diseada se ahorra ese tiempo, debido a que el resultado de la dosis se puede conocer en aproximadamente 1 segundo. Este aspecto es muy importante, ya que las condiciones del agua pueden variar en cualquier momento y afectar el comportamiento de la planta, por lo tanto, es necesario conocer la dosis ptima de coagulante en lapsos de tiempo ms cortos. Al comparar el trabajo del controlador PI difuso con un controlador PID discreto, queda demostrado, que en este caso es mas viable utilizar un controlador convencional en lugar del controlador difuso diseado, debido a que el controlador PID tiene un funcionamiento aceptable, responde mejor ante seales de ruido y por que es mas fcil su implementacin en dispositivos de control como PLCs. El buen funcionamiento de los algoritmos de inteligencia artificial, como las redes neuronales y la lgica difusa, dependen en gran medida de una buena base de datos y el conocimiento previo del proceso a controlar. Para la realizacin de un control del proceso de coagulacin en la planta de EMDUPAR, es aconsejable modelar el sistema real, e implementar un algoritmo basado en redes neuronales para estimar el set point de SCD, teniendo como entrada los valores de las propiedades del agua cruda. Debido a que los PLCs son los instrumentos de control ms comunes en la industria, es recomendable estudiar tcnicas para la implementacin de algoritmos basados en inteligencia artificial en estos dispositivos. Finalmente, las reglas y las funciones de pertenencia establecidas para el controlador PI difuso se pueden reducir, empleando, por ejemplo, algoritmos genticos, con la finalidad de optimizar el sistema de control diseado.

86

BIBLIOGRAFA

[1] ACOSTA, Maria Isabel y ZULUAGA, Camilo Alfonso. Tutorial sobre redes neuronales aplicadas en ingeniera elctrica y su implementacin en un sitio Web. Pereira, 2000. 332p. Proyecto de grado. Universidad Tecnolgica de Pereira. Facultad de Ingeniera Elctrica. [2] ADUBIRI, Ramiro. Comparacin de controladores convencionales y controladores difusos. En: Publicacin de la facultad de ingeniera, La Paz: Universidad Mayor de San Andrs, 2005. [3] AGUDELO, Carlos. Automatizacin del proceso de coagulacin. Bogot: Universidad de los Andes, 2003. Disponible en: http://dspace.uniandes.edu.co:5050/dspace/bitstream/1992/374/1/mi_1259.pdf [4] CHEMTRAC. Operations Manual SCM2500XRD. Streaming Current Monitor with Dura-Trac Remote Sensor. Georgia: Chemtrac Systems. Disponible en: http:// www.chemtrac.com [5] DE VARGAS, Lidia. Criterios para la seleccin de los procesos y de los parmetros ptimos de las unidades. Disponible en: http://www.cepis.opsoms.org/bvsatr/fulltext/tratamiento/manualI/tomoII/once.pdf [6] DAZ, Jos Francisco. Sistema de control basado en redes neuronales y lgica difusa para la estimacin y control de la dosificacin de coagulante en una planta de tratamiento de aguas. Disponible en: http://www.aguamarket.com/ temas_interes/039.asp [7] EMDUPAR S.A. Valledupar ecolgica y solidaria. Valledupar: Editorial Libertad Ltda., 2003 [8] JUUSO, Esko; VIIRRET, Katia y PIIRONEN, Marjatta. Intelligent methods in dosing control of water treatment. Oulu: University of Oulu. 8p.

87

[9] MARTNEZ, Alba Cristina; DUQUE, Mauricio; GAUTHIER, Alain; GIRALDO, Eugenio y VILLA, Jos Lus. Control de la dosificacin de sulfato de aluminio utilizando scd. Bogota: Universidad de los Andes. Disponible en: http://www.ciap.uniandes.edu.co/mduque/Articulos/barquisimeto.PDF [10] MUOZ, Carlos; SHENE, Carolina; TORRES, Flavio y VELSQUEZ, Ivn. Control difuso para una planta piloto de secado por lecho fluidizado. En: Revista facultad de ingeniera, Santiago de Chile: U.T.A., 2003. p. 49-53. [11] VALENCIA ARBOLEDA, Jorge. Teora y prctica de la purificacin del agua. Bogota: Acodal, 1992. [12] VALENTIN, N; DENOEUX, T y FOTOOHI, F. An Hybrid Neural Network Based System for Optimization of Coagulant Dosing in a Water Treatment Plant. Compigne, Francia: Universit de Technologie de Compigne. [13] WORAPRADYA, Kiatkajohn y PRATISHTHANANDA, Suvalai. Fuzzy Supervisory PI Controller Using Hierarchical Genetic Algorithms. Bangkok: Chulalongkorn University. Disponible en: http://ascc2004.ee.mu.oz.au/ proceedings/papers/P224.pdf [14] ZHAO, Yanan y COLLINS, Emmanuel G. Fuzzy PI Control Design for an Industrial Weigh Belt Feeder. Tallahassee: Florida State University, 2002. Disponible en: http://www.eng.fsu.edu/~ecollins/ publications/ fuzzypi2002.pdf

88

ANEXOS
Anexo A. Especificaciones del sensor de turbiedad 4670 de ABB

89

90

Anexo B. Especificaciones del sensor de ph ax460 de ABB

91

92

Anexo C. Especificaciones del sensor de temperatura TR 204 de ABB

93

94

Anexo D. Especificaciones del sensor SCM2500XRD de Chemtrac.

95

96

Anexo E. Especificaciones del sensor de nivel 875C de Allen Bradley

97

98

Anexo F. Especificaciones de la tarjeta de adquisicin NI PCIe-6259 DE National instruments.

99

Anexo G. Especificaciones de los variadores de frecuencia siemens micro master 440 modelo 6SE420- 2UC13- 7AA0.

100

101

102

103

Anexo H. neuronal.

Datos del test de jarra utilizados para de entrenamiento de la red

Propiedades del agua cruda

Temp. (C) ph Turbiedad (UNT)

Dosis de coagulante
mg/L
Normalizada

Propiedades del agua cruda

Temp. (C) ph Turbiedad (UNT)

Dosis de coagulante
mg/L
Normalizada

22 21.8 22 22 21.7 21.4 22.8 21.6 20.9 20 22 22.7 20.8 23.6 21 20.7 21.7 20.8 20.6 20.7 21.7 22.3 22.3 22.8 21.5 22.2 21.8 20.8 22.5 22.4 20.8 20.9 22.1 20.5 22.3 21.4 26.2

7.4 7.1 7.38 7.43 7.35 7.18 7.22 7.61 7.42 6.3 7.4 6.8 7.38 7.18 7.33 7.01 6.8 7.30 6.99 7.32 6.69 7 7.05 7.57 7.12 6.98 7.36 7.09 7.24 7.17 6.96 6.9 7 7.25 7.1 7.82 7.51

18 178 85 175 11 37 7 24 50 52 17 10 36 25 48 24 204 266 480 500 87 250 120 21 39 1300 65 27 610 57 218 108 170 22.8 18 7 0.4

25 35 35 20 20 15 25 15 15 20 30 15 15 15 15 20 40 25 35 25 15 30 20 20 15 70 20 15 30 15 35 30 25 20 20 20 25

0.35714 0.5 0.5 0.28571 0.28571 0.21428 0.35714 0.21428 0.21428 0.28571 0.42857 0.21428 0.21428 0.21428 0.21428 0.28571 0.57142 0.35714 0.5 0.35714 0.21428 0.42857 0.28571 0.28571 0.21428 1 0.28571 0.21428 0.42857 0.21428 0.5 0.42857 0.35714 0.28571 0.28571 0.28571 0.35714

23.8 25.8 23 25.6 23.3 24.8 23 23.8 24.8 22.6 24.3 24.7 24.5 26.6 24 23 24.3 23.2 20.3 19.6 22.5 22.6 25.4 25 25.9 22.9 25 24.1 24.1 24.5 24.7 25 23.2 24.6 24.2 24.8 26 25.2

6.75 7.21 7.23 7.83 7.03 7.84 7.55 8.22 8.23 7.78 7.33 7.26 7.2 7.73 7.34 7.64 6.95 7.5 7.49 7.51 7.80 7.47 8.38 7.68 7.53 8.59 7.24 7.63 7.13 8.79 8.24 7.59 7.95 7.47 7.42 7.74 7.27 7.6

233 26 180 3.84 7.71 93.7 57.9 27.6 312 151 26.9 28.3 24.5 26.6 71 79.1 50.3 28.2 82.8 77.7 18.8 14 11.6 21.1 56.2 127 158 25.7 73.8 15.9 13.1 45.2 39.7 716 484 32.9 483 159

25 45 27 35 25 30 30 25 20 25 20 15 20 20 20 15 20 18 20 20 15 15 15 15 20 30 30 25 30 15 18 15 20 40 40 20 35 25

0.35714 0.64285 0.38571 0.5 0.35714 0.42857 0.42857 0.35714 0.28571 0.35714 0.28571 0.21428 0.28571 0.28571 0.28571 0.21428 0.28571 0.25714 0.28571 0.28571 0.21428 0.21428 0.21428 0.21428 0.28571 0.42857 0.42857 0.35714 0.42857 0.21428 0.25714 0.21428 0.28571 0.57142 0.57142 0.28571 0.5 0.35714

104