Control

Introducción al

'
Por: Juan Manuel Ibarra Zannarha '
Depcrr&mp~fa CoafnolAuromitico &t CIN VkSZAV
de

menores y de las no linealidades del
control inteligente de procesos, en este proceso.
trabajo se hace una int.roducción a los
eldmcnr.09 mínimas de la U&ica m s a
B
indispui&ks pm,er@mierla e s t r w r a
de un ceatrolador Bprcoso [CB),
describiendo
srrmekmente '
fiinciomitnto. Av se prtscnm
L L ~ p t i ~ ~ ~ &de ~1~;'s
S
~iposp
de w i t s *.t&les
uno
vujtantw de
as1
io la
--su coriirbi@wi6n &o 9 tjcni.6as dt la, bRorhL d de hacer la gesti6n ttptima de
Inteligencia Artificial cdmo las redas sistemas cornpl@osen una forma integral
neurooaícs y los algoritmos ganCties, oonsiderando simultaneamente aspectos
flnalmenrg 54 prtsenta un ejemplo que cualitativos ycuantitativos~
&e
entender i n e j o r . d , b c h a m í m t o O
y . u ~ c t u Lui .rA L , u9.m. ,
de
QI

-

u

-.y-

"

--..

,

1i.i

I

,

~ntroducci& , ,
Las exigenciasde calidad, costos y tir --- - de producción ,en@e.o- reStricc
mplica cada vefqn&-&w
-sta
es uoa de las tantas
razones por las cuales se increme,nta la
compiejidad de los sistemas dinhmicosinvolucrados en estos procesos lo cual,
aunado a demandas cada vez m8s
exigentes sobre sus prestaciones en lazo
cerrado, hace necesario el uso de
controladores m& mmtplejos y

1

m

,de

Ci

m

conocimiento
previo de d i m s cambios ni de[ modelo del
proceso, sino formulando las estrategias de
control coa base al oonacimitnto de datos
entrada-salida d e dicho proceso y,
sobretodo,uralizando la experiencia de los
qpe4ore.s.
Independientemente de la metodologia de
anáiisisy10 diWo de controladores que sea
adoptada, siempre sera necesaria. la
coi
icción de modelos de! proceso por
cm
llar.
Desdichadamente,
el
irtamiento dinhmico de muchos

procesos, como los muicionados en el
phrafo anterior, no puede ser aproximado
por modelos matemáticos obtenidos
mediante laaplicación de leyes físicas
simplesen la medida en quedichosprocesos
devienen demasiado complejos para
entenderlos o para representadosde manera
simple; o bien cuando la evaluación de sus
modelos es dificil o costosa; cuando las
variables del proceso no pueden medirse
fhcilmente; cuando se desconocen algunas
variables causales del proceso; cuando la
resolución y sensibilidadde lossensoresson
muy pobres. Otros casos de interés son
aquellos en donde s61o se cuenta con
informaci6n cualitativasobre las variables
a controlar; cuando el p~scesr, sometido
está
a perturbaciones ambientales muy grandes
e impredecibles; cuando es imposible
representar la estructura del modelo en
forma lineal e invariableat el tiempo, o bien
cuanda el modelo es distribuido, no lineal,
estocásticoy variante en el tiempo.
En el ambiente productivo existe una gran
cantidad de procesos industriales como
estos, en los cuales el canbol es realizado
por aperadores humanos, quienes toman
decisiones sobre el valor que deben tener
las variables de actuacibn (entradas del
proceso) con base en la lectura actual de

Cuadro N* 1. Comparación entre un controlador cl4sico y uno inteligente.las variabtes hkmasy d c s i i i d d p ~ o c e ~ ú , toma de decisiones h u s a s en ambientes
utilizandlr patgetlo su expaKoeia y sentido inciertos e imprtcisw.El control inteligente
común, Enprocesos~rnpleja~controlada5: no pretende la suJtítuci6g de sistemas
manualmente, tos operadonc ns tienen automáticosbasadosen lo t&rik$e conmi
mayor dificultad para WiTfaeer las . c l & i l Par elarwtFrio, ef objetiva del C1
'4 p m ~ & ria- ,. W t l f a rlUisdr rl qmacbreigl h toma de
br
'
b
4
F
h n d i d dd proceso, de ,&b lentas docisiones,,cuaado premian si'tuaciones
se
en los partimetros del míano o Bt cieinciertas o cuando se dispone de
perturbaciones. Estos ppendoa~sson inforrnacibn imprecisa o incompleta. En
capaces de responder, c a n base en su estos casos, no se pueden...