Show simple item record

dc.contributor.advisorGómez Solaeche, Miguel Ángel ORCID
dc.contributor.advisorLarrabe Barrena, Juan Luis ORCID
dc.contributor.authorBoullosa Falces, David ORCID
dc.date.accessioned2018-05-15T10:04:50Z
dc.date.available2018-05-15T10:04:50Z
dc.date.issued2017-12-18
dc.date.submitted2017-12-18
dc.identifier.urihttp://hdl.handle.net/10810/26884
dc.description154 p.es_ES
dc.description.abstractFrecuentemente, puede ser complejo, identificar cuando un proceso tiene una desviación desde sus condiciones de trabajo normal, cuando las variables están monitorizadas individualmente. La monitorización univariante, no tiene en cuenta la interacción entre las variables, dando una diagnosis deficiente del origen de la alarma. Los sistemas de monitorización actuales, implementados en motores marinos, monitorizan individualmente una gran cantidad de variables del proceso, siendo complejo para el usuario visualizar todas las variables al mismo tiempo. Estos sistemas de diagnosis, generan una alarma cuando su nivel supera un valor previamente establecido por el fabricante, sin tener en cuenta la condición del motor para una determinada operación del buque, pudiendo llevar a error en la interpretación del origen de la alarma. Los gráficos de control multivariantes son una gran aportación al control de procesos, siendo el grafico T2 de Hotelling, la opción más utilizada. La carta de control T2 de Hotelling, presenta la evolución del proceso en un solo gráfico y es capaz de detectar cambios de más de 1,5 desviaciones típicas con respecto a una determinada condición. Sim embargo, estos gráficos, presentan una serie de dificultades, en la identificación de la variable que origino la desviación en el proceso, cuando el número de variables a monitorizar es elevado. Además, pierden sensibilidad en la detección de cambios pequeños y progresivos. Ante esta necesidad de mejora, en la presente tesis doctoral, se desarrolla una metodología, denominada SSDM, “Method for detection Small and Sudden Deviations”, para la detección de cambios pequeños y progresivos, además de bruscos y elevados. Con capacidad de reducir el número de variables a monitorizar, sin pérdida de información del proceso, incluso cuando las variables estan pobremente correlacionadas. Gracias a la inestimable colaboración de la Naviera Ibaizabal, contamos con los datos de funcionamiento del motor propulsor MAN B&W 6S70ME-C8 instalado en un buque tanque, pudiendo aplicar la metodología en dos de los procesos de funcionamiento del motor: proceso de lubricación de cilindros y proceso de combustible. A través de un análisis de regresión multivariable y análisis de correlaciones, se seleccionaron las variables representativas de los procesos, asegurando un ajuste entre las variables y sus variables predictivas, con coeficientes de determinación , superiores a 0,8. Las variables representativas del proceso, se monitorizaron completamente y de forma multivariable, para unas condiciones determinadas del buque. La carta T2 de Hotelling detecto eficazmente desviaciones de gran magnitud fuera de control estadístico con respecto a las condiciones normales de operación del motor e identifico la variable que había originado el cambio en el proceso. Las variables predictivas de la variable originaria del cambio en el proceso, se monitorizaron a través de gráficos univariantes Cusum y se identifico el origen de cambios pequeños y progresivos por debajo del umbral de alarma preestablecido por el fabricante. La detección prematura de las desviaciones en el proceso, ayudo a los responsables del funcionamiento del motor a tomar las acciones preventivas correctas; sin esta identificación, hubiesen tenido que esperar a que una de las alarmas y de forma individual estuviese por encima del umbral marcado por el fabricante. La metodología SSDM, se podría implementar en cualquier tipo de motor propulsor, ya que es capaz de detectar cualquier variación en el proceso, cualquiera que sea su magnitud y puede ser customizado de forma sencilla y económica, a requerimiento de las condiciones del motor y operación del buque.es_ES
dc.language.isoenges_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subjectmarine engineses_ES
dc.subjectmotores marinoses_ES
dc.titleControl estadístico aplicado en motores diésel marinoses_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.rights.holderAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.holder(cc)2017 DAVID BOULLOSA FALCES (cc by-nc-nd 4.0)
dc.identifier.studentID285300es_ES
dc.identifier.projectID17244es_ES
dc.departamentoesCiencias y Técnicas de la Navegación, Máquinas y Construcciones Navaleses_ES
dc.departamentoeuItsasketa zientziak eta teknikakes_ES


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España