Yokogawa Presenta el nuevo software "Gas Chromatograph AI Maintenance Support" (Apoyo al mantenimiento de la IA de los cromatógrafos de gases)

Tokio, Japón - 17 de marzo de 2023

Yokogawa Electric Corporation / Corporación Eléctrica Yokogawa (TOKYO: 6841) anuncia el lanzamiento de una herramienta de soporte de mantenimiento de cromatógrafo de gases AI (en adelante, "herramienta GCAI") que aumenta la eficiencia de mantenimiento para el cromatógrafo de gases de proceso GC8000, un producto de la familia OpreX ™ Analyzer. Este software es capaz de detectar ligeros cambios en los datos de medición que son una indicación de un fallo inminente del instrumento antes de que esto puede comenzar a tener un impacto en las mediciones. Al permitir que el mantenimiento se realice de manera oportuna, se reduce el tiempo de inactividad.

GCAI tool screenshot
Zoom

Desarrollo Antecedentes

En los centros de producción, el funcionamiento estable de los instrumentos y otros equipos es clave para la calidad del producto. Y aunque se requiere un mantenimiento adecuado para garantizar un funcionamiento estable, los centros de producción también deben hacer frente a problemas como la escasez de personal altamente experimentado y la necesidad de racionalizar las operaciones.

El cromatógrafo de gases GC8000 de Yokogawa es un instrumento que desempeña una importante función de control de calidad en los centros de producción al medir la composición de los componentes individuales en mezclas de gases y líquidos volátiles. En las grandes plantas petrolíferas y petroquímicas suelen utilizarse docenas de GC8000, y las instalaciones más grandes pueden tener varios cientos de unidades.

Los cromatógrafos de gases y sus sistemas de manipulación de muestras contienen componentes como filtros, válvulas, regulador de presión, ^columnas*1 y detectores que requieren un mantenimiento regular. El grado de desgaste de estos componentes difiere enormemente en función del entorno de uso. Además, las especificaciones y el calendario de mantenimiento de cada cromatógrafo de gases variarán en función de lo que se mida y del proceso. Hasta ahora, las anomalías se evitaban haciendo que operarios muy experimentados examinaran los datos de medición para determinar el mejor momento para el mantenimiento o simplemente estableciendo programas de mantenimiento con un amplio margen de maniobra. Cuando las pérdidas por paradas repentinas son relativamente bajas, los dispositivos incluso se han utilizado hasta que empiezan a deteriorarse y producen variaciones evidentes en los valores de medición.

En vista de estas necesidades, Yokogawa ha desarrollado la herramienta GCAI para el cromatógrafo de gases GC8000. Basándose en el registro de las mediciones mostradas en un cromatograma, utiliza la IA para realizar predicciones sobre la solidez de las mediciones del instrumento. Para esta herramienta de IA, Yokogawa ha utilizado su probada función de detección de signos anormales ^AI*2 y la ha modificado para facilitar su uso con el GC8000.

Novedades

1. Detección de la solidez de las mediciones basada en datos
   Los ligeros cambios que aparecen en los datos del ^{cromatograma*3} aparecen incluso antes de que el desgaste de un componente u otro problema empiece a afectar a las mediciones. Aunque visibles, pueden tener muchos patrones diferentes, y su posición en un eje temporal puede variar en función del instrumento, lo que significa que sólo los operadores con mucha experiencia pueden distinguirlos.
   
   La herramienta GCAI utiliza un modelo de aprendizaje automático que configura las unidades GC8000 individuales. Este modelo se utiliza para detectar anomalías mediante la identificación de desviaciones de las mediciones normales, como se muestra en un cromatograma. Cada vez que se identifica una variación con respecto a un estado normal, el modelo analiza el grado de variación. Puede captar incluso los cambios más leves y, al determinar la solidez cada vez que se realiza una medición, proporciona información que puede utilizarse para planificar y aplicar el mantenimiento antes de que cualquier deterioro del rendimiento pueda repercutir en los valores de medición.

   
   Example of data that appears normal at first glance and changes that can be detected when the chromatogram is enlarged
   Zoom

2. Predicción de la solidez de las mediciones con 90 días de antelación
   En los cromatógrafos, los gases se separan y miden en un eje temporal, y una mala separación de los componentes del gas repercute en la calidad de la medición. Utilizando este grado de separación como índice, la herramienta GCAI puede predecir cuándo será necesario el mantenimiento. Basándose en los cambios del grado de separación, puede predecirlo con 90 días de antelación y notificar cuándo se va a alcanzar un grado de separación predefinido. Saber con antelación cuándo será necesario el mantenimiento permite identificar qué componentes de repuesto hay que pedir y crear un plan de mantenimiento adecuado y eficaz para el instrumento, lo que ayuda a reducir el tiempo de inactividad.

   
   Example showing the prediction of measurement soundness 90 days in advance
   Zoom

3. Sin necesidad de asesoramiento ni de una compleja configuración del dispositivo
   Para que la herramienta GCAI detecte y registre automáticamente los cambios en los datos de medición, los usuarios sólo tienen que establecer una fecha de referencia, el área que se va a supervisar y el umbral de notificación. Esta solución de IA para predecir la solidez de las mediciones es fácil de usar y no requiere consultas especiales ni una configuración compleja de los dispositivos. La importación y el preprocesamiento de los datos utilizados para el aprendizaje automático también están automatizados. Y como este software se ofrece mediante suscripción anual, los usuarios no necesitan hacer una gran inversión inicial.

*1 Tubo en el que los gases se separan en sus componentes individuales para su medición.
*2 Una solución de inteligencia artificial capaz, al igual que un operador experto, de detectar una situación anómala evaluando diversos tipos de datos de medición.
*3 Un registro del cambio en el tiempo de una señal de salida que se genera cuando se detecta un componente

Principales mercados destinatarios

Petróleo y gas, petroquímica, acero, energía eléctrica

Usos principales

• Control continuo de los cromatógrafos de gases en funcionamiento con fines de mantenimiento
• Planificación del mantenimiento de los cromatógrafos de gases de proceso

Acerca de OpreX

OpreX es la marca global para Yokogawa 's industrial automation (IA) and control business. El nombre OpreX representa la excelencia en las tecnologías y soluciones que Yokogawa cultiva mediante la creación conjunta de valor con sus clientes, y abarca toda la gama de productos, servicios y soluciones de AI de Yokogawa. Esta marca comprende las cinco categorías siguientes: OpreX Transformation, OpreX Control, OpreX Measurement, OpreX Execution, y OpreX Lifecycle. El GC8000 forma parte de la línea de productos OpreX Analyzers, que se alinea bajo la categoría OpreX Measurement. La categoría OpreX Measurement incluye equipos y sistemas de campo para mediciones, recopilación de datos y análisis de alta precisión.

 

Sobre Yokogawa

Yokogawa ofrece soluciones avanzadas en los ámbitos de la medición, el control y la información a clientes de una amplia gama de industrias, como la energética, la química, la de materiales, la farmacéutica y la alimentaria. Yokogawa aborda los problemas de los clientes en relación con la optimización de la producción, los activos y la cadena de suministro con la aplicación eficaz de tecnologías digitales, lo que permite la transición a operaciones autónomas.

Founded in Tokyo in 1915, Yokogawa continues to work toward a sustainable society through its 17,000+ employees in a global network of 122 companies spanning 61 countries. For more information, visit www.yokogawa.com

Los nombres de empresas, organizaciones, productos, servicios y logotipos aquí mencionados son marcas registradas o marcas comerciales de Yokogawa Electric Corporation / Corporación Eléctrica Yokogawa o de sus respectivos propietarios.