Revista Cubana de Ingeniería - DIRECTOR Y EDITOR...

Revista del Instituto Superior Politécnico José Antonio Echeverría, La Habana, Cuba

Vol. V, No. 2, 2014mayo - agosto

DIRECTOR Y EDITOR TÉCNICODr. Gonzalo González ReyVicerrectoría de Investigación y PosgradoInstituto Superior Politécnico José Antonio Echeverría, Cujaee-mail:[email protected]

MIEMBROS DEL COMITÉ EDITORIALDr. Ángel Regueiro GómezFacultad de Ingeniería EléctricaInstituto Superior Politécnico José Antonio EcheverríaLa Habana. Cubae-mail: [email protected]

Dr. Jorge Laureano Moya RodríguezFacultad de Ingeniería MecánicaUniversidad Central Marta Abreu de Las VillasVilla Clara. Cubae-mail: [email protected]

Dr. Tomás Cañas LouzauCentro de Referencia de Enseñanza AvanzadaInstituto Superior Politécnico José Antonio EcheverríaLa Habana. Cubae-mail: [email protected]

Ing. Odiel Estrada MolinaDepartamento de GeoinformáticaUniversidad de las Ciencias InformáticasLa Habana. Cubae-mail: [email protected]

Dr. José Antonio Vilan VilanEscuela Técnica Superior de Ingenieros IndustrialesUniversidad de Vigo. Vigo. España.e-mail: [email protected]

Ing. Raúl Gutiérrez PeruchoEscuela de Ingeniería. Instituto Tecnológico de Estudios Superioresde Monterrey. Aguascalientes. Méxicoe-mail: [email protected]

REVISORES INVITADOSDr. Orlando Carraz HernándezInstituto Superior Politécnico José Antonio Echeverría. CubaDra. Isneri Talavera BustamanteCentro de Aplicaciones de Tecnologías de Avanzada. CubaIng. Cyndi González AlfonsoCentro de Neurociencias de Cuba. CubaDr. José Gemen Luis Prol BetancourtCentro de Investigaciones del Petróleo. CubaMsC. Hugo Santiago Aguirre MayorgaPontificia Universidad Javeriana. Colombia

REVISTA CUBANAREVISTA CUBANADE INGENIERÍA

EDITOR EJECUTIVOYusnier Ferrer GranadoJefe de Departamento de Comunicacióne-mail:[email protected]

EDITORALic. Mayra Arada Oteroe-mail:[email protected]

DISEÑO DE CUBIERTAAlex Álvarez Martínez

DISEÑO INTERIORYaneris Guerra Turróe-mail:[email protected]

COMPOSICIÓN COMPUTARIZADAY REALIZACIÓNMaritza Rodríguez Rodrígueze-mail:[email protected]

La correspondencia puede dirigirse a:Revista Cubana de IngenieríaCalle 114, No. 11901, e/ Ciclovía y Rotonda, Apartado 6028, Cujae,Marianao, La Habana, Cuba.e-mail:[email protected]

Nuestra Revista pueder ser visitada a través del sitio web: http://rci.cujae.edu.cu

PROPÓSITOS Y ALCANCE

VISIÓNLa Revista Cubana de Ingeniería se propone contribuir a la comunicación entre los

profesionales de la ingeniería y se concibe como un foro en el que se presentan artículoscientífico-técnicos en las variadas áreas de la ingeniería, con un destaque de resultadosnovedosos y aportes de relevancia para la profesión. De esta manera, la revista se proponecontribuir a la actualización de profesionales, investigadores, profesores y estudiantes deingeniería, a la discusión científica nacional e internacional y, por consiguiente, al desarrollotecnológico y científico de Cuba en el área de la ingeniería.

PÚBLICOLa Revista Cubana de Ingeniería se dirige especialmente a la comunidad académica y científica,

nacional e internacional, centrada en el tema de la ingeniería. Ingenieros, investigadores,profesores o gerentes que trabajen en alguna de las ramas de la ingeniería o en cualquierciencia o tecnología afín constituyen el universo de lectores y contribuyentes de la revista.

TEMÁTICA Y ALCANCE DE LA REVISTAUna lista, que no pretende ser completa, de los temas de interés para la revista incluye contenidosen la solución de problemas, aplicaciones y desarrollo de la ingeniería civil, eléctrica, electrónica,hidráulica, industrial, informática, química, mecánica, mecatrónica y metalúrgica, además decontenidos asociados con la ingeniería de materiales, bioingeniería, transporte, geofísica,reingeniería y mantenimiento. También se consideran apropiados, artículos orientados a laformación de las nuevas generaciones de ingenieros, incluidos los programas de estudio, lastecnologías educativas, la informática aplicada, la gerencia universitaria y las relaciones universidad-industria.

Puesto que la práctica de la ingeniería obliga cada vez más a la interacción de sus diversasdisciplinas, esta revista le asigna la primera prioridad de publicación a los artículos donde sepreste atención a la integración multidisciplinaria, a los desarrollos interdisciplinarios y a lasaplicaciones prácticas.

A fin de asegurar una alta calidad del contenido, todos los trabajos publicados serán arbitrados.

Vol. V, No. 2, 2014Tres números al año

SUMARIO/CONTENTS

CONTROL PREDICTIVO BASADO EN MODELO DE PLANTA DEÓSMOSIS INVERSA DE LABORATORIO / MODEL PREDICTIVECONTROL OF THE REVERSE OSMOSIS PLANT AT AICALABORATORIES

FILTRO DIGITAL ADAPTATIVO SUPRESOR DEINTERFERENCIAS PERIÓDICAS PARA REGISTROS DEELECTROENCEFALOGRAFÍA / SUPPRESSOR ADAPTIVEDIGITAL FILTER OF PERIODIC INTERFERENCES FOR

ENCEPHALOGRAPHIC RECORDS

Raúl Ernesto García García Cyndi González Alfonso Manuel Sánchez Castillo Eduardo Barbará Morales

INGENIERÍA EN AUTOMÁTICA

5

REVISTA CUBANADE INGENIERÍAREVISTA CUBANADE INGENIERÍA

EDITORIAL 4

INGENIERÍA INFORMÁTICA

CLASIFICACIÓN PETROFÍSICA DE TIPOS DE ROCAS ENRESERVORIOS CARBONATADOS DE LA FRANJA NORTE DECRUDOS PESADOS DE CUBA / PETROPHYSICALCLASIFICATION OF DIFFERENT ROCKS IN CARBONATERESERVOIRS OF THE NORTHERN CUBAN HEAVY OILBELT

Odalys Reyes Paredes Olga Castro Castiñeiras

Carlos Morales Echevarría Silvia Valladares Amaro

Emilio Escartín Sauleda

SISTEMA NEURO-BORROSO DE APOYO AL CONTROL DE LAEJECUCIÓN DE PROYECTOS / NEURO-FUZZY SYSTEM FORPROJECTS EXECUTION CONTROL SUPPORT

Anié Bermudez Peña José Alejandro Lugo García Iliana Pérez Pupo

Pedro Yobanis Piñero Pérez Gil Cruz Lemus

22

INGENIERÍA GEOFÍSICA

PROCEDIMIENTO PARA LA APLICACIÓN DE UN MODELO DEMADUREZ PARA LA MEJORA DE LOS PROCESOS / APROCEDURE FOR APPLYING A MATURITY MODEL TOPROCESS IMPROVEMENT

Elizabeth Pérez Mergarejo Yordán Rodríguez Ruíz

EVALUACIÓN DE ALTERNATIVAS DE ALIMENTACIÓN EN UNAREFINERÍA DE PETRÓLEO USANDO UN SIMULADOR DEPROCESOS / FEED ALTERNATIVES EVALUATION IN AN OILREFINERY USING PROCESS SIMULATOR

Anelys Armengol Gálvez Rafael Franco Rico

Ricardo Abeledo Rodríguez Laura Pupo Pérez

CLASIFICACIÓN MULTIVARIANTE DE RONES AÑEJOS CUBANOS /MULTIVARIATE CLASSIFICATION OF CUBAN AGED RUMS

Estrella Patricia Zayas Ruiz Magdalena Lorenzo Izquierdo

Dianet Hernández Sainz Idania Blanco Carvajal

ESTUDIO DE LA CORROSIÓN INTERCRISTALINA ENTUBERÍAS DE ACERO INOXIDABLE EN UN CICLOCOMBINADO / STUDY OF THE INTERCRYSTALLINECORROSION IN PIPES OF STAINLESS STEEL IN ACOMBINED CYCLE

Raúl Andrés Montejo Serrano Rigoberto Marrero Águila

Jorge Domínguez Domínguez Carlos Ibrahim Díaz Pérez

15

INGENIERÍA QUÍMICA

41

53

69

62

29

INGENIERÍA DEL PETRÓLEO

Marvyn Ávila RodríguezAna Isabel González Santos

INGENIERÍA BIOMÉDICA

INGENIERÍA INDUSTRIAL

EDITORIAL .....................................................................................................

Como parte de las modificaciones implementadas en los organismos de la Administración Central del Estado, a finalesdel año 2012 fue creado el nuevo Ministerio de Industrias con el objetivo de lograr una estructura gubernamental másfuncional y acorde con las nuevas direcciones económicas del país que sustituyera los antiguos ministerios de laIndustria Sideromecánica y de la Industria Ligera. Según el Decreto Ley 299 del Consejo de estado, la función de estenuevo ministerio estará orientada a dirigir y controlar la ejecución de las políticas y estrategias para el desarrolloindustrial dentro de las actividades sidero-mecánica, química, reciclaje, textil, envases y embalajes, poligráfica y de laindustria electrónica entre otras.

Adicionalmente, el renovado Ministerio de Industrias ha retomado, ahora en una convención de congresos, laorganización de las pasadas ediciones de Metánica, iniciadas en 1996 para beneficio de la comunidad de técnicos yprofesionales de la industria cubana. En este nuevo orden, las industrias siderúrgica, mecánica y del reciclaje con elauspicio del Ministerio de Industrias, darán continuidad con una visión integradora a la primera edición deCubaindustria 2014, con un magno evento previsto a celebrarse del 23 al 27 de junio en el Palacio de Convencionesde La Habana. Esta convención congregará no solo congresos de las tres esferas antes mencionadas, sino quetambién acogerá presentaciones de especialistas y profesionales de las industrias alimentaria, química, ligera,eléctrica, electrónica, azucarera y otras con un apreciable impacto en la economía y la sociedad. En este sentido,Cubaindustrias 2014 será la primera actividad científica y comercial de carácter internacional de la industria cubanaluego de la creación del Ministerio de Industrias. La participación de especialistas de importantes sectores de laindustria cubana, así como investigadores del ámbito científico latinoamericano y de otras latitudes aportará alevento excelentes oportunidades de intercambio y experiencias en un amplio abanico de temas de interés. En talsentido, Revista Cubana de Ingeniería en su empeño de divulgar aquellos relevantes resultados de investigacionesnacionales, que de forma general, ayudan a la comunicación, reconocimiento y buen desarrollo del trabajo e intercambiocientífico de los profesionales nacionales, reconoce en Cubaindustria 2014 un espacio propicio para la presentaciónde investigaciones y proyectos de carácter científico-técnico que fortalecerá la industria cubana y la profesionalidadde nuestros técnicos e ingenieros.

La importancia de los hombres y mujeres trabajadores de la industria y sus aportes fue excelentemente presentadapor el Comandante Ernesto Che Guevara, quien el 25 de febrero de 1964 en funciones de ministro de las industriascubanas, en una conferencia ofrecida a través del programa televisivo Información Pública, nos dijera: "El futuro detoda industria, y el futuro de la humanidad […], está en la gente que construye máquinas, está en la gente queestudia los grandes problemas tecnológicos y los resuelve, los de hoy y los de mañana¨.

Dr. Gonzalo González ReyDirector y Editor Técnico

Recibido: 9 de septiembre del 2013 Aprobado: 4 de julio del 2014

Vol. V, No. 2, mayo - agosto, 2014, pp. 5 - 14

Control predictivo basado en modelode planta de ósmosis inversade laboratorio

INGENIERÍA AUTOMÁTICA

ResumenEl control de proceso constituye una parte esencial de la industria de desalación, la cual requiere sercontrolada en las condiciones óptimas de operación para garantizar un incremento en la vida útil de laplanta y la reducción en los costos de los productos de la unidad. La desalación es un procesoaltamente complejo, así la mayoría de los modelos dinámicos presentan la forma de sistemas demúltiples entradas-múltiples salidas (MIMO). Controlar un sistema MIMO es una operación complica-da debido a la interconexión entre las entradas y a la influencia que cada una de ellas ejerce sobre lassalidas del sistema. En este artículo se presenta el modelo dinámico MIMO desarrollado para unsistema de desalación basado en una ósmosis inversa de doble etapa instalada en los laboratoriosAICA. El propósito de esta investigación fue aplicar una nueva estrategia de control basada en unalgoritmo de control predictivo basado en modelo (MPC). El sistema de control propuesto fue simula-do en una computadora utilizando la herramienta Simulink de Matlab. Los resultados muestran laeficiencia del controlador MPC propuesto y pueden resultar de ayuda para adquirir conocimientos enel control de procesos en sistemas de desalación basados en ósmosis inversa.

Palabras claves: proceso MIMO, desalación, controlador MPC, ósmosis inversa

Revista Cubana de Ingeniería . Vol. V, No. 2, mayo - agosto, 2014, pp. 5 - 14, ISSN 2223 -1781

Marvyn Ávila Rodríguez Artículo OriginalCorreo electrónico:[email protected] AICA, La Habana, Cuba

Ana Isabel González SantosCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, La Habana, Cuba

INTRODUCCIÓNLa ósmosis inversa ha emergido como una de las

tecnologías líderes en la desalación de agua, debido a losbajos costos y eficiencia energética del proceso. La escasezde agua fresca ha incrementado la necesidad de desarrollode este tipo de plantas de desalación, especialmente enáreas que presentan un clima seco [1]. Aún con los adelantosen las tecnologías de membranas, mantener las condicionesde proceso deseadas es esencial para la operación exitosade los sistemas de ósmosis inversa.

Cambios en la calidad del agua pueden alterar lascondiciones de los módulos de las membranas, lo cual puedeocasionar un descenso en la producción de agua, un

desempeño no óptimo del sistema o incluso dañospermanentes a las membranas. Teniendo en cuenta lavariabilidad de la calidad del agua fresca, es necesario eldiseño de un sistema de control robusto. En una planta deósmosis moderna, la automatización es un elemento crucialpara brindar seguridad al personal, alcanzar la calidad delagua producto y cumplir con las normas de protecciónambiental.

Una estrategia de control avanzado que ha ganadoaceptación en la industria es el control predictivo basado enmodelo (MPC). El control basado en modelos es unaalternativa prometedora respecto a las estrategias de controlconvencionales en las plantas de ósmosis y los mismos

Control predictivo basado en modelo de planta de ósmosis inversa de laboratorio

6 Revista Cubana de Ingeniería . Vol. V, No. 2, mayo - agosto, 2014, pp. 5 - 14, ISSN 2223 -1781

han sido utilizados en conjunto con los sistemas de deteccióny diagnósticos de fallos para mejorar los métodos de controlante la presencia de fallos en sensores y actuadores.

Motivados por las consideraciones antes mencionadas, elobjetivo principal de este trabajo es evaluar la efectividad deun sistema de control basado en el algoritmo MPC en unaplanta de ósmosis inversa de doble etapa.

MODELO MATEMÁTICO DEL SISTEMADE ÓSMOSIS INVERSA

En esta sección se presentan dos modelos multivariables,los cuales refieren al sistema de ósmosis inversa. El objetivode la obtención de los dos modelos es que los mismos seránutilizados en la etapa de diseño del controlador predictivo,cuando se sintonice el controlador haciendo al modelo de laplanta diferente del modelo del controlador.

En el sistema, mostrado en la figura 1, con la ayuda deuna bomba centrífuga de alta presión el agua es impulsadahacia la primera etapa de la ósmosis, la cual está compuestapor tres tubos de presión, los cuales contienen en su interiortres unidades de membranas cada uno. Los tubos estáncolocados en posición serie, lo que significa que el agua dealimentación entra solamente al primer tubo y el flujo deconcentrado o rechazo del mismo (agua con mayorconcentración de sales que no atraviesa las membranas)entra al segundo tubo de membranas, así mismo, el flujo deconcentrado del segundo tubo es llevado a la entrada deltercer y último tubo, entonces el flujo de concentradoresultante es enviado al drenaje, mientras que el flujo depermeado recolectado por cada uno de los tres tubos esimpulsado hacia la segunda etapa a través de otra bombacentrífuga de alta presión.

Esta configuración serie es muy eficiente y es utilizadacuando se desee refinar la calidad del agua producto [2]. Lasegunda etapa está compuesta por dos tubos de presión,con tres unidades de membranas cada uno, y presenta unadisposición serie, al igual que la primera etapa. Elconcentrado de la segunda etapa se hace retornar hacia eltanque colector de 500 L con el objetivo de aumentar laeficiencia del sistema y aumentar el porciento derecuperación de agua del equipo. El permeado de la segundaetapa es enviado al tanque de almacenamiento de 5 m3 deagua purificada del sistema, ya que es el agua producidacon la calidad necesaria para realizar todo el proceso deproducción de inyectables.

El equipo de ósmosis inversa cuenta con una variadainstrumentación: como sensores de presión, sensores deflujo y conductividad, sensores de pH y sensores detemperatura. Los instrumentos son utilizados para monitorearla calidad del agua de alimentación, además del rendimientoy funcionamiento del sistema.

Varios parámetros pueden ser controlados en una unidadde ósmosis inversa, entre ellos se encuentran: la temperaturadel agua de alimentación, el pH, la conductividad, la presióny flujo de agua producto [3].

Las dos variables principales monitoreadas y controladaspara lograr un rendimiento óptimo de la planta de desalaciónson el flujo de agua producto (permeado) y la conductividad,la cual hace referencia a la calidad de agua producida. Elflujo de agua se controla variando la presión de la bomba deagua de alimentación, mientras que la conductividad dependedel valor de pH del agua, así como de la presión de la bombade alimentación.

Fig.1. Sistema de ósmosis inversa en los laboratorios AICA

Marvyn Ávila Rodríguez - Ana Isabel González Santos

Revista Cubana de Ingeniería . Vol. V, No. 2, mayo - agosto, 2014, pp.5 - 14, ISSN 2223 -1781 7

Los modelos fueron obtenidos a partir de un proceso deidentificación basado en modelos de caja negra. Los modelosque conforman el sistema multivariable fueron estimados yvalidados utilizando datos reales y los mismos fuerontransformados desde sus estructuras originales (ARMAX) asus funciones transferenciales discretas correspondientes,para de esta manera facilitar la labor al trabajar con la cajade herramientas del MPC de MATLAB7.11.0. En la figura 2se muestra la estructura del modelo multivariable y lasrelaciones que existen entre las variables del sistema.

DISEÑO DEL CONTROLADOR PREDICTIVOEl control predictivo basado en modelo (Model Predictive

Control, MPC) es una tecnología de control que utiliza unmodelo del sistema para predecir la salida de proceso,empleando un horizonte de predicción futuro y dando solucióna un problema de optimización cuadrático.

La función del modelo es predecir la respuesta futura de laplanta basado en los movimientos pasados del controladory en el estado actual de la planta. En cada instante de

Fig. 2. Diagrama en bloques del modelo multivariable

donde:Presión (bar): Variable manipulada 1.pH: Variable manipulada 2.Ep: Señal de ruido blanco incluida en el modelo asociada

a la variable manipulada presión.EpH: Señal de ruido blanco incluida en el modelo asociada

a la variable manipulada pH.Flujo (m3/h): Variable controlada 1.Conductividad (µs/cm): Variable controlada 2.

Modelo Multivariable 1

-4 3 2

1 ( 0 , 0 0 1 5 7 8 0 , 0 0 1 0 4 6 )0 , 7 1 9 7 0 , 9 9 7 3 0 , 7 1 8

1 17

zz z zz

F z

(1)

3 2

3 2-1 0,000 698 4 0,000 027 1 0,000 667 9

0,71R11

9 7 0,997 32 0,718

7z z z

z zz

z

(2)

-1F12 = 0z (3)

-1 R12 0z (4)

-12

0,003 377 0,0000,651 5 0,328

672 8F21 z6

zz z

(5)

2

-12

0,012 02 0,007 825 0,001 9390,651 5 0,328

R216

z zzz z

(6)

Modelo Multivariable 2

-14 3 2

0,001 0460,7197

0,001 578zF110,9973 0, 17 87z z z z

z

(9)

-13 2

3 2

0,000 698 4 0,000 027 1 0,000 667 90,719 7 0,997

R11 = 32 0,718 7

z z zz z

zz

(10)

-1F12 = 0z (11)

-1 R12 =0z (12)

-3 2

1 0,000,004 936F21 2 20,638 4 0,328

z6z z z

z

(13)

-2

21 0,012 02 0,007 64 0,002 094

0,638 4 0,341R21

5z

zz z

z

(14)

-13 2

0,070 181,5660,770

0,161 2 0,40 2F22

5 =

z z zzz

(15)

13 2

3 2- 0,011 48 0,021 64 0,010 17

1,566 0,161 2 0,R2

04 52 = z z z

z z zz

(16)

-12

3 2

0,079 7 0,079 681,558 0,149 3 0,4

F220 98

z zz

zz z

3 2

3 2-1 0,011 47 0,021 51 0,010 05

1,55R22

8 0,149 3 0,40 9 =

8z z z

z zz

z

(8)

(7)



muestreo, la acción de control es calculada a partir de unacomparación entre la respuesta futura predicha y latrayectoria de referencia deseada.

Su habilidad para controlar procesos con dinámicasdifíciles y conveniente manipulación de desafíos de controlmultivariables lo han ubicado en la actualidad como unaestrategia de control indispensable. El MPC ofrece beneficiosadicionales, ya que las restricciones del proceso y lasreferencias variables pueden ser manipuladas en el algoritmode control [4].

Los algoritmos de control predictivo son muy diversos yrobustos en las aplicaciones de control de procesos. Sepueden aplicar a una gran variedad de sistemas: de fase nomínima, inestables, con retardo y multivariables, los mismosdifieren en el tipo de modelo utilizado para representar alproceso y a las perturbaciones y la función objetivoconsiderada [5].

En esta investigación para el diseño del controladorpredictivo se utilizó como se mencionó anteriormente la cajade herramientas del MPC de MATLAB7.11.0, la cual trabajacon la función objetivo general en el dominio del tiempodiscreto, que se muestra a continuación:

11, 2

2 2

21

u (, )[ ( ) ( )]

( ) [ ( ) 1)]

Nj N

Nuj

j y t j r t j

j u t j

J N N N

(17)

donde:J: Índice de minimización del error cuadrático.: Peso para la detección de errores en la salida.: Peso para las variables manipuladas.

( ) ( 1)u u k u k : Diferencia de las variablesmanipuladas entre el instante actual de muestreo y el anterior.

N1 y N2: Horizonte mínimo y máximo de predicciónrespectivamente.

Nu: Horizonte de control, que no necesariamente coincidecon algunos de los límites N1 y N2.

y(t+j): Representa los valores de la salida predicha.r (t + j): Consiste en los valores por donde la salida predicha

debe guiarse para llegar al valor de consigna.Las restricciones son valores límites que se establecen

en el controlador con el objetivo de proteger un equipo, medioen el que se opera, o la salida del sistema. Siempre estánpresentes en los procesos prácticos de la industria. Tambiénestán dadas por la aplicación o motivos económicos de laempresa. Normalmente se toman las restricciones en cuantoa la amplitud y velocidad de cambio de la señal de control ylímites en las salidas [5], como:

( )mín máxU U t U t (18)

( ) ( 1)mín máxU U t U t U t (19)

( )mín mínY Y t Y t (20)

Teniendo en cuenta las características físicas de la planta,se decidió establecer un valor máximo de presión en elproceso de 40 bar, pues a una presión mayor las membranasse pueden dañar y habría que sustituirlas por membranasnuevas. Con respecto al pH, como segunda variablemanipulada, su valor máximo se estableció en pH 10, yaque para valores superiores las membranas estaríanafectadas por una gran cantidad de NaOH disuelto en elagua, lo cual podría saturar al sistema en cuestión.

DESCRIPCIÓN DEL PROCESODE SINTONIZACIÓN, PRESENTACIÓNY ANÁLISIS DE LOS RESULTADOS

El proceso de sintonización está dividido en cuatro etapaso escenarios, cada uno con sus características propias.

Para el escenario 1 se utiliza el modelo multivariable1 y se realiza la sintonización del controlador igualando elmodelo de la planta al modelo del controlador, lo cual suponeun caso ideal en el proceso de diseño de un lazo de controlutilizando MPC. El escenario 1 no presenta restriccionesen ninguna de las variables que intervienen en el proceso.

El escenario 2 utiliza también el modelo multivariable 1 yal igual que el escenario1, el modelo del controlador es igualal modelo de la planta. La diferencia radica en que aquí si seaplica una restricción a la variable manipulada pH.

El escenario 3 propone un proceso de sintonía donde elmodelo de la planta (modelo multivariable 2) es diferenteal modelo del controlador (modelo multivariable 1). Al igualque el escenario1 este proceso no presenta restricciones.

Por último se muestra el escenario 4, donde se realiza lasintonización del controlador utilizando los dos modelosmultivariables e imponiendo una restricción física en la variablemanipulada pH.

En cada uno de los escenarios anteriormente mencionadosse muestra una tabla con los parámetros de sintonización ysimulación para la mejor sintonía en el escenariocorrespondiente, se muestra además las principalescaracterísticas de la respuesta obtenida y los gráficos delas variables manipuladas y controladas como resultado dela simulación.

La tabla 1 presenta los valores para la mejor sintonía delcontrolador predictivo en el escenario 1, como se puedeobservar en la tabla 2 y figura 3 la respuesta del sistemamultivariable es bastante rápida y estable. La figura 4 muestraque el valor de pH establecido por el sistema de control paraobtener los resultados antes mencionados está muy próximoa pH 10, lo cual no sería beneficioso para el sistema real.

Durante la simulación del escenario 2 fue necesarioincorporar una restricción física al controlador, imponiendoun valor de pH máximo de 9,5 (tabla 3). La tabla 4 muestraun ligero cambio en la respuesta de la variable conductividad,pero aún así los resultados son excelentes. Las figuras5 y 6 muestran el comportamiento del proceso ante laintroducción de la restricción y la trayectoria de la variablepH respectivamente.



Tabla 1Parámetros de sintonización y simulación para la mejor sintonía en Escenario 1

Escenario

Intervalodel

contro(IC)

Horizontede

predicción(NP)

Asignaciónpor

bloques

Movimientospor pasos Vector

TiempodeSimul.(TSim)

Modelosplanta y

controlador

Referencia Pesos delas

variablesRestricciones

1 1 50 Usuario 4 [3 3 5] 200 Iguales

F= 1 m3/hC=1,3µs/cm

Bandatotal: 0,8

PresiónPeso: 0Velocidadde cambio:0,5

pHPeso: 0Velocidadde cambio:0,1

no

Tab la 2P rincipa les caracte rísticas de la respuesta para la m e jo r s intonía de l escenario 1

Variab le contro lada Tiem po de estab lecim iento(2% ) (segundos) E rro r de estado estacionario % P ico m áxim o

F 73 0 0

C 11 0 0

Fig. 3. MPC sin restricciones y con modelo de planta igual al del controlador: a) Variables controladas; b) Variables manipuladas

a) b)



Tabla 3Parámetros de sintonización para la mejor sintonía en Escenario2

EscenarioIntervalode control(IC)

Horizontedepredicción(NP)

Asignaciónpor bloques

Movimientospor pasos

VectorTiempode Simul.(TSim)

Modelosplanta ycontrolador Referencia

Pesos delasvariables

Restricciones

2 1 50 Usuario 4 [3 3 5] 200 Iguales

F= 1m3/hC= 1,3us/cm

Bandatotal:0,8

PresiónPeso:0Velocidaddecambio:0,5pHPeso:0Velocidaddecambio:0,1

pH

mínimo:2máximo:9,5Velocidad decambio desubida:0,5

Velocidad decambio debajada:0,5

Tabla 4Principales características de la respuesta para la mejor sintonía del Escenario 2

Variable controlada Tiempo de establecimiento(2%) (segundos) Error de estado estacionario % Pico máximo

F 73 0 0

C 13 0 0

Fig. 4.MPC con restricciones y con modelo de planta igual al del controlador: a) Variables controladas: b) Variables manipuladas

a) b)



Es importante resaltar que un buen sistema de controldebe incluir como una de sus características fundamentalesser robusto, es por ello que para los parámetros sintonizadosdel escenario 2 se procedió a simular el lazo de controlañadiendo al modelo multivariable 2 señales de ruido blancode amplitud pequeña con el objetivo de observar la robustezdel sistema. Las figuras 7 y 8 muestran los resultados, loscuales hablan favorablemente de la calidad de los parámetrosutilizados en el controlador.

Con el objetivo de realizar una investigación más profunday de cierta manera salir del entorno académico, se realizó eldiseño del controlador para dos modelos diferentes,planteamiento que tiene su argumento en la realidad de losprocesos industriales, pues aunque el modelo obtenido apartir de un proceso de identificación sea bastante complejo,nunca será la representación exacta del proceso real.

La tabla 5 muestra los nuevos valores del controlador parael escenario 3, mientras que la tabla 6 ratifica el cambioaplicado al proceso de simulación, mostrando un resultado,respecto a la respuesta de la conductividad principalmente,que difiere del obtenido en los escenarios ideales 1 y 2donde los modelos utilizados eran iguales.

Por último se muestra el escenario 4 donde es necesarioimponer nuevamente la restricción de 9,5 al pH. Losresultados se muestran en las tablas 7 y 8. Para finalizar seaplica el ruido blanco al control y se muestra en las figurasel resultado de la robustez de los parámetros obtenidos.

CONCLUSIONES

Fig. 5. MPC con restricciones, ruido y con modelo de planta igual al del controlador: a) Variables controladas: b) Variablesmanipuladas

a) b)

Fig. 6. MPC sin restricciones y con modelo de planta diferente al del controlador: a) Variables controladas: b) Variables manipuladas

a) b)



Fig. 7. MPC con restricciones y con modelo de planta diferente al del controlador: a) Variables controladas: b) Variablesmanipuladas

Fig. 8. MPC con restricciones, ruido y con modelo de planta diferente al del controlador: a) Variables controladas: b) Variablesmanipuladas


Escenario

Intervalodecontrol(IC)


Asignaciónporbloques



Modelosplanta ycontrolador

Referencia Pesos de lasvariables Restricciones

3 1 50 Usuario 4 [2 4 5 ] 200 Diferentes


Bandatotal:0,6

PresiónPeso: 0Velocidad decambio: 0,1pHPeso: 0,01Velocidad decambio: 0,1

no

a) b)

a) b)



CONCLUSIONESLa etapa de simulación mostró que la selección de las

variables fue acertada, pues el flujo pudo ser controlado apartir de la presión del agua de alimentación, así mismo lacalidad del permeado (conductividad) pudo ser controladaregulando el pH en el agua y al mismo tiempo la presión delagua de alimentación. Además, se puede decir que lasinteracciones entre los lazos de control fueron determinadas.

El controlador predictivo fue sintonizado de forma óptimay el mismo fue comprobado numéricamente. Asimismoresultó ser muy eficiente para controlar las variablesprincipales en el proceso de ósmosis inversa estudiado, pueslos gráficos muestran una respuesta del proceso rápida,estable y sin movimientos excesivos en las variablesmanipuladas. Otro detalle de importancia es que se obtuvoun desempeño de control satisfactorio ante la introducciónde los modelos de ruido blanco en el sistema, mostrando larobustez de los parámetros sintonizados.

Es necesario resaltar que los resultados presentados,fueron obtenidos manteniendo a las variables manipuladasdentro de sus límites de operación, lo cual no solo optimizael proceso de purificación de agua, sino garantiza ladurabilidad de la planta de ósmosis inversa y al mismotiempo la seguridad del personal involucrado en el proceso.

REFERENCIAS1. BARTMAN, Alex R.; CHRISTOFIDES, PANAGIOTIS D.;

COHEN, Yoram. Nonlinear Model-Based Control of anExperimental Reverse-Osmosis Water DesalinationSystem. Ind. Eng. Chem. Res. 2009, vol. 48, pp. 6126-6136 Disponible en Web:http://pdclab.seas.ucla.edu/P u b l i c a t i o n s / A B a r t m a n / A B a r t m a n _PDChristofides_YCohen_IECR_2009_48_Nonlinear_Model-B a s e d _ C o n t r o l _ E x p e r i m e n t a l _ R e v e r s e -Osmosis_Water_Desalination_System.pdf [consultadoen septiembre 2013].

Tabla 8Principales características de la respuesta para la mejor sintonía del escenario 3


F 78 0 0

C 115 0 11

Tabla 6Principales características de la respuesta para la mejor sintonía del Escenario 3


F 78 0 0

C 110 0 10


EscenarioIntervalode control(IC)


Asignaciónpor bloques



Modelosplanta ycontrolador

Referencia Pesos delas variables Restricciones

4 1 50 Usuario 4 [2 4 5] 200 Diferentes


Bandatotal:0,6

Presiónpeso: 0Velocidadde cambio:0,1pHPeso: 0,01Velocidadde cambio:0,1

pHmínimo:2

máximo:9,5

Velocidad decambio desubida: 0,5

Velocidad decambio debajada:0,5



2. MEDINA SAN JUAN, José Antonio. Desalinización deaguas salobres y de mar en ósmosis inversa. Madrid,España: Editorial Mundi-Prensa, 799 pp.ISBN 8471148498.

3. BEN CHAABENE, Abderrahmen; SELLAMI, Anis. ANovel Control of a Reverse Osmosis Desalination Sys-tem Powered by Photovoltaic Generator. Proceeding 2013International Conference on Electrical Engineering andSoftware Applications. Hammamet, Tunisia. 2 - 3 March,2013. pp. 111 - 116. ISBN 978-1-4673-6302-0.

4. ABBAS, A. "Model predictive control of a reverse osmo-sis desalination unit". Desalination, vol. 194, núm. 1-3,pp. 268-280, 2006. ISSN 0011-9164.

5. SIERRA YONG, Judith; FERNÁNDEZ RODRÍGUEZ,Ernesto. "Guías de ejercicios para aplicacionessimuladas de control predictivo con la herramientaMPCTool". Tesis de Diploma. Directora: Ana IsabelGonzález Santos. Instituto Superior Politécnico JoséAntonio Echeverría, La Habana, Cuba, 2008.

AbstractProcess control is an essential part of the desalination industry that requires to be controlled at theoptimum operating conditions to guarantee an increase in the life time of the plant and reduction of theunit product cost. Desalination is a highly complex process, so the majority of dynamic models are ofthe form of Multi-Inputs-Multi-Outputs (MIMO) systems. Controlling a MIMO system is a complexoperation because of the interconnections between the inputs and the influence of each one of them onthe system outputs. In this paper, we present the MIMO dynamic model that was developed for a two-stage Reverse Osmosis (RO) desalination system at AICA Laboratories. The purpose of this researchwas to apply a new control strategy to the system based on a Model Predictive Control (MPC) algorithm.The control system proposed was simulated through computer by using Simulink/Matlab software.The simulation results show the efficiency of the proposed controller based on MPC strategy and canbe useful to increase knowledge in control processes in reverse osmosis desalination systems.

Key words: MIMO process, desalination, MPC controller, reverse osmosis

Model Predictive Control of the Reverse Osmosis Plantat AICA Laboratories

AUTORESMarvyn Ávila RodríguezIngeniera en Automática, Departamento de EspecialistasAutomáticos, Laboratorios AICA, La Habana, Cuba.

Ana Isabel González SantosIngeniera en Automática, Doctora en Ciencias Técnicas,Departamento de Automática y Computación, Facultad deIngeniería Eléctrica, Instituto Superior Politécnico JoséAntonio Echeverría, Cujae, La Habana, Cuba.

Recibido: 14 de octubre del 2013 Aprobado: 2 de julio del 2014


Filtro digital adaptativo supresorde interferencias periódicas pararegistros de electroencefalografía

INGENIERÍA BIOMÉDICA

ResumenEs presentado el desarrollo en Matlab de un algoritmo adaptativo para eliminar interferencias periódi-cas y estacionarias en señales registradas de electroencefalografía (EEG), así como la evaluación dedos métodos empleados en la aplicación del algoritmo en base a resta temporal y filtro notch. Para laevaluación de los métodos fue empleado el criterio de la profundidad de rechazo, la eficiencia paraeliminar las interferencias periódicas y el tiempo de ejecución.

Palabras claves: neuromonitoreo intraoperatorio, EEG, algoritmo adaptativo


Raúl Ernesto García García Artículo OriginalCorreo electrónico:[email protected]

Cyndi González AlfonsoCorreo electrónico:[email protected]

Manuel Sánchez CastilloCorreo electrónico:[email protected] de Neurociencias de Cuba, CNEURO, La Habana, Cuba

Eduardo Barbará MoralesCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, Cujae, La Habana, Cuba

INTRODUCCIÓNLa electroencefalografía (EEG) consiste en el registro de

la actividad eléctrica cerebral a nivel de cuero cabelludomediante el empleo de electrodos de superficie. Consta deun sistema de acondicionamiento y adquisición de señalesademás de un ordenador para su interpretación y estudioposterior. Es una herramienta útil, no invasiva para estudiarlos estados funcionales del cerebro, así como paradiagnosticar ciertos estados neurofisiológicos y dolencias.El ancho de banda mínimo normado por la FederaciónInternacional de Neurofisiología Clínica (IFCN) es de 0,1 Hzhasta 70 Hz, dentro de ese rango se encuentra la interferenciade la línea de distribución eléctrica lo que puede ocasionarerrores en las mediciones que se obtengan en los estudiosde EEG. Las señales típicas de los estudios de EEG son

extremadamente débiles (del orden de microvoltios) con unaamplitud típica media entre 25-50 Vpp y la banda defrecuencia que ocupa se extiende fundamentalmentede 0,1 a 30 Hz.

El registro electrofisiológico del EEG a consecuencia delas características que poseen los cables y electrodos quese emplean en esta técnica, es muy susceptible a lasinterferencias electromagnéticas, las que se reflejan comointerferencias periódicas tomando cualquier valor y amplitud.En este artículo se discute el desarrollo de un algoritmo quepermita reducir el ancho de banda de actuación del filtrado,aumentar la atenuación y no provocar distorsión de fase enel ancho de banda de actuación del filtro implementado.

Los algoritmos adaptativos se destacan por dospropiedades básicas: poseen variabilidad en el tiempo y tienen

Filtro digital adaptativo supresor de interferencias periódicas para registros de electroencefalografía


una buena capacidad de autoajuste. Estas característicasson importantes porque las interferencias periódicas en eltranscurso del registro de EEG pueden fluctuar alrededordel valor inicial medido hasta 1,5 Hz, en estos casos esimportante que el algoritmo sea capaz de identificarexactamente el valor de interferencia.

Las fuentes que introducen mayor cantidad deinterferencias en las señales de EEG son la línea dedistribución eléctrica (50 ciclos en la región europea y60 ciclos en el área geográfica a la que pertenece Cuba) [1]y otros tipos de interferencias de origen eléctrico, magnéticoy electromagnético originado por los equipos que seencuentran en el salón de operaciones.

En este artículo se presenta la propuesta de un algoritmode estimación de interferencias periódicas y la evaluacióndel desempeño de dos métodos de supresión de interferencia.El criterio de evaluación fue basado en la profundidad derechazo y la eficiencia en la eliminación de las interferenciasperiódicas y el tiempo de ejecución. Los métodos desupresión de interferencia analizados fueron el de resta enel dominio del tiempo y haciendo uso de filtros notch.

MATERIALES Y MÉTODOSEl primer paso en el proceso de investigación fue el

desarrollo de un algoritmo capaz de detectar interferenciasdel tipo periódica. Para probar el desempeño del algoritmofueron utilizados 20 registros de EEG de pacientes sanoscon una frecuencia de muestreo de 200 Hz.

En la actualidad, la tendencia es emplear frecuencias demuestreo mayores a las usadas en la señal obtenida(típicamente son empleadas frecuencias de 500, 1 000 y10 000 Hz) [2]. Para simular frecuencias de muestreomayores que las obtenidas se interpola la señal con un factorde 5, para obtener una frecuencia de muestreo de un kilohertzcomo valor mínimo de análisis.

En el proceso de detección de la interferencia, primero fueseparada la señal en segmentos de 5 s para evitar demorasen el procesamiento computacional donde se ejecuta elalgoritmo. En el procedimiento, cada segmento de la señales procesado con un filtro FIR pasa bajo en 70 Hz para notener efectos adversos producidos por un mal muestreo(aliasing) y en cumplimiento de las especificacionesnormadas por la Federación Internacional de NeurofisiologíaClínica (IFCN) [3].

Procedimiento de estimación (detección) de lasinterferencias

El primer paso es precisar el tiempo de análisis mínimonecesario que determina la mínima resolución espectralrequerida. Seguidamente se evalúa el ancho de banda delfiltro en la región efectiva de atenuación) lo que permiteestablecer el intervalo de frecuencia máximo correspondientea la resolución espectral requerida ( f ) para la detecciónde la interferencia. Tomando en consideración una atenuaciónde la interferencia de -40 dB (valor típico de estudios de EEG)se obtiene una resolución espectral f = 0,05 Hz. De estaforma, el tiempo de análisis mínimo requerido para ladetección de una interferencia periódica mediante la

transformada rápida de Fourier (TRF) puede ser determinadocomo:

20s0,05

1Δ1

f

Ta (1)

Debido a que las interferencias periódicas se manifiestancomo una línea espectral destacada en el espectro de laseñal, solo resulta necesaria la aplicación del filtro si lainterferencia se mantiene estacionaria por un período detiempo significativo. Por consiguiente, el tiempo de análisisfue ratificado igual a 20 s .Tomando en cuenta esta situaciónfue diseñado el siguiente procedimiento de 5 pasos para ladetección de las interferencias:

1. Supervisión continúa del espectro de la señal enintervalos de 5 s. Para esto se obtiene la densidad espectralde potencia a partir de la transformada rápida de Fourier encada segmento de 5 s.

2. Para minimizar el efecto de derrame (leakage) en lossegmentos analizados, es aplicada una ventana de Hanningde orden 4 (figura 1).

Fig. 1. Diagrama temporal (superior) y de magnitud (inferior)de la ventana de Hanning

Raúl Ernesto García García - Cyndi González Alfonso - Manuel Sánchez Castillo - Eduardo Barbará Morales


3. Calcular la energía media (Em) del espectro y establecerun umbral de amplitud de la energía U = 3 x Em.

4. Realizar una detección cuando una línea espectralsobrepasa el umbral de amplitud de la energía U.

5. Si la amplitud de la línea espectral que rebasa el umbralse mantiene constante durante 4 intervalos de 5 sconsecutivos (20 s), se considera que la interferencia esperiódica en el dominio del tiempo y se procede a laaplicación del filtro.

En casos de varias líneas espectrales (armónicos deinterferencias periódicas compuestas) se diseña cada filtrocorrespondiente de manera secuencial, y posteriormente seejecutan en cascada.

El primer método empleado para la utilización del algoritmopropuesto fue la resta espectral, teniendo en cuenta que laseñal de interferencia está caracterizada en frecuencia, fasey amplitud, y ha sido reconstruida empleando laecuación (2). Este método aunque es sencillo en suimplementación resulta una alternativa viable en el registrode EEG [4] debido a la variable de tiempo de cómputo.

)( 22 jj eeAy (2)

Siendo:y : Señal de interferencia generada (V).A : Amplitud de la señal de interferencia generada ( V). : Valor de interferencia en la frecuencia (Hz).: Valor de la fase de la señal (0).j : Término de la unidad imaginaria.El segundo método consiste en la aplicación de filtro notch

[4] de orden 2. En este tipo de filtro el parámetro esencial esla frecuencia estimada de la señal de interferencia, siendouna de sus características distintivas que no toma en cuentala fase y la amplitud de la señal, por lo que no es necesariola reconstrucción de la interferencia [5].

RESULTADOSLos resultados obtenidos del algoritmo de resta temporal

son mostrados en la tabla 1, considerando los 3 nivelesdiferentes de ruido para medir el efecto del filtro cuando laseñal de interés se encuentra contaminada según lossiguiente casos:

Caso 1: La amplitud de la interferencia es igual a la de la señal.Caso 2: La amplitud de la interferencia es igual a la mitad

de la amplitud señal.Caso 3: La amplitud de la interferencia es menor que 1 V.En la tabla 1 se presentan los resultados de la atenuación

debidos a la acción del filtrado por resta espectral distribuidoen las frecuencias donde existe señal útil (identificados contrazos gruesos en la parte superior). La atenuación se mostróvariando entre 38 dB y 42 dB. También se destaca, mediantetrazos gruesos en la parte inferior, el efecto de la frecuenciade interferencia al acercarse a la mitad de la frecuencia demuestreo (frecuencia de Nyquist). Esta situación esimportante identificarla porque disminuye la atenuación dela interferencia y dificulta el proceso de estimación de laseñal. Tales datos fueron tomados con una frecuencia demuestreo de 1 kHz.

En la figura 2 se muestran las señales de EEG para las 2frecuencias de muestreo utilizadas en las pruebas,contaminadas con una interferencia periódica de frecuencia60 Hz y amplitud igual a la amplitud del EEG.

En la figura 3 se presentan los resultados correspondientescon señales de EEG filtradas para frecuencias de muestreode 1 kHz y 10 kHz. El desempeño del filtro de resta temporalfue evaluado tomando como medida estadística la correlaciónentre la señal original y la señal filtrada. En el análisis elnivel de correlación fue del 99,95 %.

Tabla 1C omportamiento de la atenuación de la interferencia para a lgoritmo de resta espectra l

Frecuenciade muestreo

1 kHz 10 kHz

Frecuenciade lainterferencia(Hz)

C aso 1:A tenuación(dB )






50 -42,37 -42,52 -42,13 -63,31 -63,4 -63,33

60 -39,95 -39,70 -40,00 -61,66 -59,77 -61,65

70 -38,17 -38,32 -38,08 -60,31 -56,33 -60,25

80 -36,44 -36,23 -36,43 -59,24 -55,16 -59,04

90 -34,92 -34,86 -34,89 -58,37 -54,82 -57,98

100 -33,51 -33,60 -33,47 -57,06 -53,23 -57,04

150 -27,85 -27,35 -27,80 -53,45 -49,51 -53,37

200 -23,71 -23,59 -23,71 -50,84 -46,86 -50,75



El segundo método utilizado fue con empleo de filtrosnotch. En estos casos de filtrado, la atenuación de lainterferencia aumenta con el desplazamiento de la posiciónde la interferencia en el dominio de la frecuencia, a medidaque la interferencia se acerca a la frecuencia de Nyquist [6]comienza un descenso en su atenuación debido a que elfiltro notch fue diseñado como un filtro de respuesta infinitaal impulso (IIR) [7]. En este filtro la banda de paso y la bandade transición quedan cercanas a la frecuencia de Nyquist yel filtro comienza a disminuir su atenuación. Estos resultadosson corroborados con los valores presentados en la tabla 2.En esta se observa que al aumentar la frecuencia demuestreo el nivel de atenuación aumenta para todos los casos(ver recuadros de trazos gruesos).

En la figura 4 se observa una comparación entre los dosmétodos implementados (filtro notch y resta temporal). Enla figura 4a) y 4b) son presentadas las frecuencias demuestreo de la señal a 1kHz, mientras que las figuras 4c) y4d) son para una frecuencia de muestreo de 10 kHz. Entodos los casos los resultados aparentan ser iguales, pero

como muestran las tablas 1 y 2 la alternativa del filtro notchofrece mejores resultados en el nivel de atenuación de lainterferencia.

DISCUSIÓN DE RESULTADOSPara los algoritmos evaluados, la atenuación de la

interferencia periódica estuvo 35 dB y 45 dB .Estos nivelesde atenuación corresponden con los niveles requeridos paraesta aplicación, ya que logran disminuir la componente deruido de la señal originalmente registrada de EEG.

La coherencia (similitud entre las señales en el dominiode la frecuencia) entre la señal original y la señal filtrada fuesuperior al 95 % en la banda de interés. Este hecho explicaporque son eliminadas las componentes de frecuencia quecorresponden con la interferencia periódica.La correlación (similitud entre las señales en el dominio deltiempo) de la señal original con respecto a la filtrada es su-perior al 98 %, donde el 2 % representó la cantidad de ruidoeliminado de la señal analizada.

Fig. 2. Señal de prueba: a) Frecuencia de muestreo de 1 kHz; b) Frecuencia de muestreo de 10 kHzcontaminada con interferencia de 60 Hz

Fig. 3. Señal de prueba: a) Frecuencia de muestreo de 1 kHz; b) Frecuencia de muestreo de 10 kHz



Según pudo observarse en la tabla 1, el algoritmo de restaespectral disminuye su capacidad de atenuación a medidaque aumenta la frecuencia de la interferencia en valorespróximos a la frecuencia de Nyquist.

Como se presenta en tabla 3 el algoritmo del filtro notchposee un mejor rendimiento considerando el criterio del nivelde atenuación de la interferencia y el tiempo de ejecución enque se procesa, por lo tanto se ofrece como una mejor opciónpara eliminar interferencias periódicas de registros de EEG.

Tabla 2Comportamiento de la atenuación de la interferencia para algoritmo de filtro notch

Frecuencia demuestreo 1 kHz 10 kHz

Frecuencia dela interferencia(Hz)

Caso 1:Atenuación(dB)






50 -48,50 -49,77 -48,08 -56,54 -54,84 -55,40

60 -48,01 -49,41 -47,63 -54,05 -52,95 -55,36

70 -47,90 -48,09 -47,35 -53,27 -52,18 -54,32

80 -46,78 -46,90 -47,11 -51,78 -51,59 -52,47

90 -46,71 -46,75 -46,66 -51,65 -51,13 -52,94

100 -46,63 -46,63 -46,28 -51,39 -50,65 -52,16

150 -44,45 -44,27 -45,76 -49,7 -47,76 -48,25

200 -43,42 -42,13 -43,64 -48,98 -45,34 -43,85

Fig. 4. Señal de salida: a) Frecuencia de muestreo de 1 kHz algoritmo de resta temporal; b) Frecuencia demuestreo de 1kHz algoritmo de filtro notch ; c) Frecuencia de muestreo de 10 kHz algoritmo de resta temporal;d) Frecuencia de muestreo de 10 kHz algoritmo de filtro notch



En los equipos utilizados para obtener los 20 registros deEEG fueron empleados conversores A/D de 16 bits, el errorde cuantización que introducen estos conversores en la señaladquirida puede ser calculado como:

arg2n bits

M en dinámico normalizadoerror de cuantización

536651

óncuantizacideError

0,000 015 258 789Error de cuantización

El error de cuantización aumenta en algoritmos queimpliquen realimentación (filtro IIR); en el estudio realizadola frecuencia de muestreo máxima utilizada fue de 10 kHz ylos segmentos de registros EEG de 5 s. En este caso elerror de cuantización total fue calculado como:

muestrasdecantidadóncuantizacideErrortotalóncuantizacideError

%75,0totalóncuantizacideError

Para disminuir el error en el diseño de los equipos deregistros de EEG la cantidad de bits del conversor puedeaumentarse a 24 bits lo que disminuiría el error decuantización total a un 0,006 %, lo que implica un errordespreciable para el registro de EEG.

CONCLUSIONESDurante el desarrollo de la investigación fueron

evaluados 2 métodos para la eliminación de interferencia enseñales de EEG. Se obtuvo como resultado que el algoritmode resta espectral no es recomendable para análisis entiempo real por la significativa demora que introduce en elanálisis de registros EEG. El método con filtro notch cumplecon los requerimientos de atenuación de interferenciarequeridos en la práctica médica con uso de los equiposmodernos de registros de EEG. Debido a que los filtros IIRno poseen fase lineal, se recomienda como solución viablepara otras aplicaciones la utilización de un filtro de fase ceroutilizando la función de Matlab filtfilt.

REFERENCIAS1. SÁNCHEZ MORILLO, Daniel. "Procesado y transmisión

de señales biomédicas para el diagnóstico de trastornosy enfermedades del sueño". Directores: Juan Luis RojasOjeda y Wilhelm Stork. Tesis de Doctorado. Universidadde Cádiz, Cádiz, España, 2008. Disponible en Web: http://www.minerva.uca.es/publicaciones/asp/docs/tesis/DSanchezMorillo.pdf [consultado en mayo 2012].

2. MADISETTI, Vijay; WILLIAMS, Douglas. The digitalsignal processing handbook. 2nd edition. Florida. USA.Edit. CRC Press-Taylor & Francis Group, 2010, 906 pp.ISBN 978-1-4200-4606-9.

3. NUWER, Marc R.; COMI, Giancarlo et al. "IFCN stand-ards for digital recording of Clinical EEG".Electroencephalography and clinical Neurophysiology.vol. 106 pp 259-261, 1998. Elsevier. Disponible en Web:http:/ /www.ccs.fau.edu/~bressler/EEGCCSBS/nuwer1998.pdf [consultado en noviembre 2012].

4.SELVA VIJILA, Kezi; KANAGASABAPATHY,Perampalam; SELVA KUMAR, Ebbie. "A Survey of

interference cancelation in biosignals". InternationalJournal of Reviews in Computing. vol. 7, núm. 7 (Sep-tember), pp. 64-83. 2011. Disponible en Web: http://www.ijric.org/volumes/Vol7/vol7No7.pdf ? [consultadoen febrero 2013].

5. XIUYAN, Guo; BODSON, Marc. "Frequency estima-tion and tracking of multiple sinusoidal components".Proceedings of the 42nd IEEE Conference on Deci-sion and Control. Maui, Hawait,USA, 2003, pp. 5360-5365. ISBN 0-7803-7924-1. Disponible en Web: http://www.nt.ntnu.no/users/skoge/prost/proceedings/cdc03/pdffiles/papers/FrM07.2.pdf [consultado en julio 2013].

6. ZAHRADNIK, Pavel; VLCEK, Pavel. "Notch filtering suit-able for real time removal of power line interference".Radioengineering. vol. 22, núm. 1, pp.186-193.Checoslovakia, 2013. Disponible en Web: http://www.radioeng.cz/fulltexts/2013/13_01_0186_0193.pdf[consultado en julio 2013].

7. MANOLAKIS, Dimitris G.; INGLE, Vinay K. Applied dig-ital signal processing: Theory and practice. New York.USA: Edit. Cambridge University Press, 2011, 991pp.ISBN 978-0-521-11002-0.

AUTORESRaúl Ernesto García GarcíaIngeniero Biomédico, Centro de Neurociencias de Cuba(CNEURO), La Habana, Cuba

Cyndi González AlfonsoIngeniera Biomédica, Centro de Neurociencias de Cuba(CNEURO), La Habana, Cuba

Tabla 3Comparación del desempeño de los algoritmos

Tipo de filtroadaptativo

Demora tiempo deejecución(segundos)

Profundidad derechazo de lainterferenciaperiódica (dB)

notch 1 <42

Resta Temporal 9 >40



AbstractIn this paper is presented the development of an adaptive algorithm to eliminate periodic and stationaryinterference in Matlab and evaluated the performance of two digital signal methods: temporal subtractionand notch filter. The selection criteria used were based in attenuation levels and performance by eachof the methods

Key words: intraoperative neuromonitoring, EEG, Adaptative algorithm

Suppressor Adaptive Digital Filter of Periodic Interferencesfor Encephalographic Records

Manuel Sánchez CastilloIngeniero Electricista, Centro de Neurociencias de Cuba(CNEURO), La Habana, Cuba.

Eduardo Barbará MoralesIngeniero en Telecomunicaciones y Electrónica, Máster enCiencias en Bioingeniería, Departamento de Bioingeniería(CEBIO), Instituto Superior Politécnico José AntonioEcheverría, Cujae, La Habana, Cuba.

Recibido: 30 de abril del 2014 Aprobado: 1 de julio del 2014


Clasificación petrofísica de tipos de rocasen reservorios carbonatados de la FranjaNorte de Crudos Pesados de Cuba

INGENIERÍA GEOFÍSICA

ResumenUno de los parámetros fundamentales para clasificar el medio poroso es la permeabilidad; este parámetrono puede ser medido directamente por herramientas de registros y no tiene una relación directa con laporosidad total. La permeabilidad se relaciona más con el tipo de roca (tamaño y distribución de laspartículas). Los reservorios de la Franja Norte de Crudos Pesados de Cuba (FNCPC) se componen derocas carbonatadas (mudstone / wackestone), con porosidad de fracturas y otros tipos de porosidadcomo juntas de disolución y estilolitos; formadas a partir de procesos diagenéticos. Las distintasformaciones se presentan frecuentemente con heterogeneidades que pueden ser muy notables difi-cultando la caracterización de las mismas. Los núcleos presentan una pobre recuperación y enmúltiples ocasiones rescatan solo intervalos que no aportan al flujo de fluidos. En este artículo sehace un análisis de los diferentes tipos de rocas existentes a partir de datos de núcleos y seccionesdelgadas. La clasificación petrofísica de los diferentes tipos de rocas se establece a partir de lasrelaciones entre la porosidad y la permeabilidad así como de la estructura del medio poroso.

Palabras claves: medio poroso, permeabilidad, porosidad, reservorio


Odalys Reyes Paredes Artículo de ReflexiónCorreo electrónico:[email protected]

Olga Castro CastiñeirasCorreo electrónico:[email protected]

Carlos Morales EchevarríaCorreo electrónico:[email protected]

Silvia Valladares AmaroCorreo electrónico:[email protected] de Investigaciones del Petróleo, CEINPET, La Habana, Cuba

Emilio Escartín SauledaCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, La Habana, Cuba

INTRODUCCIÓNUno de los desafíos más importantes que enfrentan

geólogos e ingenieros es mejorar las técnicas de descripciónde los reservorios. La determinación precisa de los atributosde poros y gargantas porales y la distribución de fluidos sonelementos fundamentales en esta descripción, ya que losmismos controlan las saturaciones iniciales de fluidos y susflujos. Distintas herramientas de registros geofísicos de pozos

han sido utilizadas tradicionalmente para inferir litología,secuencias deposicionales y diagenéticas, parámetrospetrofísicos y contenido de fluidos. A menudo estaaproximación supone reservorios homogéneos a escalamacroscópica.

La clave para mejorar la descripción de los reservorios esestablecer relaciones causales entre parámetrosmicroscópicos de las gargantas porales (obtenidos de losnúcleos) y atributos macroscópicos derivados de los registrosgeofísicos de pozos [1]. Las relaciones establecidas entre

Odalys Reyes Paredes - Olga Castro Castiñeiras - Carlos Morales Echevarría - Silvia Valladares Amaro - Emilio Escartín Sauleda

Revista Cubana de Ingeniería . Vol. V, No. 2, mayo - agosto, 2014, pp. 22 - 28, ISSN 2223 -1781 23

el tipo de poro, el valor del exponente de cementación variable(m), y la saturación de agua [2], también pueden serempleadas para definir el grado de membresía de cada unode los conjuntos de tipos de poros. Otros autores definen eltipo de rocas apoyado en categorías genéticas de poros ysu asociación con la porosidad y la geometría de lasgargantas porales [3, 4].

En numerosos reservorios carbonatados se dificultagenerar modelos que permitan predecir la calidad del mismo.La clasificación del medio poroso que más ampliamente esusada, se encuentra limitada para los carbonatos, dado quelas relaciones entre la porosidad y la permeabilidad sonpobremente definidas.

Choquette y Pray [5] en el año 1970 desarrollan unaclasificación del reservorio útil para estudios de evolución dela porosidad y muy importante en la etapa exploratoria; sinembargo, para petrofísicos e ingenieros en yacimiento, laclasificación de Lucia [6] y Aguilera [7, 8] es preferida yaque está más estrechamente ligada a la geometría de losporos y a las propiedades del flujo. Hoy en día el mayordesafío en la evolución de los carbonatos es entender lasrelaciones existentes entre tipos de poros, porosidad ypermeabilidad. Con este artículo se pretenden resaltar lasposibles relaciones entre la porosidad y la permeabilidad enreservorios carbonatados de la FNCPC y su vínculo con lostipos de poros.

La permeabilidad es uno de los parámetros más difícilesde estimar al ser esta una propiedad dinámica que dependefundamentalmente de la textura del medio poroso. Durantemucho tiempo se han presentado diferentes intentos deobtener la permeabilidad a partir de registros geofísicos depozos. Estos incluyen:

- Permeabilidad derivada de la porosidad de registros y larelación porosidad-permeabilidad de núcleos,

baK log (1)

SiendoK : Permeabilidad y se expresa en mD. : Porosidad y se expresa en v/v.a y b : Coeficientes que responden a la pendiente y al

intercepto de recta.Esta metodología clásica tiene diversas desventajas,

supone que el reservorio es homogéneo, lo cual no coincidecon la dispersión que se observa, generalmente en el gráficologarítmico de permeabilidad - porosidad (figura 1).

- Modelos de regresión múltiple de la permeabilidad comofunción de la respuesta de distintas herramientas de registrosgeofísicos de pozos.

Este intento tiene las mismas desventajas que el casoanterior. La porosidad es independiente del tamaño de grano,excepto en las fracciones limo-arcillosas, y en este modelola selección comúnmente se mantiene constante. En realidad

la permeabilidad tiene una estrecha relación con el tamañode grano y con el material y tipo de cementación [6-9].

- Modelos que relacionan la permeabilidad con los tiposde rocas existentes [6].

Estos modelos establecen relaciones entre la porosidad,la permeabilidad y el tipo de roca, haciendo uso para estodel vínculo existente entre parámetros geológicos (descripciónmicro y macroscópica de la roca), y parámetros petrofísicoscomo permeabilidad y propiedades capilares.

- Modelos empíricos [10], muestran la permeabilidad enfunción de la porosidad y saturaciones de agua connata delos intervalos nucleados.

Fig. 1. Gráfico de dispersión porosidad-permeabilidad denúcleos de la Franja Norte de Crudos Pesados de Cuba

El problema aquí es la suposición implícita que la roca eshomogénea y que la porosidad y permeabilidad estándirectamente relacionadas. Los autores suponeninvariabilidad vertical y horizontal de la calidad de la roca,por lo tanto, esto supone la existencia de un único contactoagua-petróleo y que la saturación de agua irreducible puededeterminarse precisamente en la zona de hidrocarburos; apartir de los datos de registros geofísicos de pozos y conlos factores m y n de Archie obtenidos por estudios de núcleoso aproximados por correlación.

Algunas experiencias en la FNCPC se fundamentan en elestablecimiento de una metodología [11] para la evaluaciónpetrofísica del corte, donde se destaca la posibilidad de definirlos tipos de porosidad existentes a partir de registrosgeofísicos y clasificar el medio de acuerdo con sucomportamiento, pero la permeabilidad se estimacualitativamente haciendo alusión a los métodostradicionalmente empleados para estimar la misma.

¿Existen relaciones entre los tipos de rocas y losparámetros petrofísicos en los reservorios carbonatados dela FNCPC?

Si se logran establecer vínculos entre la descripcióngeológica de las rocas y la respuesta petrofísica de lasmismas, entonces será posible establecer una clasificación

Clasificación petrofísica de tipos de rocas en reservorios carbonatados de la Franja Norte de Crudos Pesados de Cuba


petrofísica para los diferentes tipos de rocas en los reservorioscarbonatados de la FNCPC. Para esto se pretende integrardatos geólogo ingenieriles que permitan definir y clasificarlos tipos de rocas existentes en los reservorios carbonatadosde la FNCPC.

La explotación racional de los campos petroleros y la tomaacertada de decisiones en tiempo real dependen en lofundamental del grado de conocimiento que se tenga delcampo. Poder establecer criterios que coadyuven a ampliarel conocimiento geológico a partir de la respuesta petrofísicadel medio poroso implicaría ahorros significativos en laexplotación petrolera.

MATERIALES Y MÉTODOSPara el desarrollo del trabajo fueron analizadas

231 muestras de los núcleos cortados en los pozos de laFNCPC, con valores de carbonatosidad por encima de 80 %y que presentan mediciones de porosidad, permeabilidad yanálisis de capilarimetría para definir el radio de los poros.Las secciones delgadas de estos núcleos han sido descritastanto macroscópicas, como microscópicamente.

En el estudio del medio poroso es de vital importanciaconocer su geometría (tamaño y distribución de poros).Para lo cual se hará uso de los resultados del método decapilarimetría. El 37,5 % de las muestras analizadaspresentan análisis de capilarimetría realizadas en loslaboratorios del CEINPET y en instituciones foráneascuyos resultados son evaluados en etapas exploratoriaspara estudiar las características petrofísicas delyacimiento [12, 13].

Evaluación del medio porosoPara evaluar el medio poroso se consideran parámetros

como la porosidad y la permeabilidad, dígase capacidad dealmacenaje y capacidad de flujo en el medio. La porosidadde las rocas carbonatadas, puede agruparse en tres tiposfundamentales:

- Porosidad de matriz, existente entre los granos decarbonato.

- Vúgulos o vesículas que son poros desconectadosresultantes de la disolución de la calcita en el agua durantela diagénesis.

- Porosidad por fracturamiento que es causada por losesfuerzos presentes luego de la deposición.

La porosidad es obtenida por métodos de laboratorio y porregistros geofísicos de pozo, donde la porosidad total seidentifica con la del sistema de triple porosidad que incluyela porosidad interpartícula de la matriz, las fracturas y losvúgulos no conectados [14].

Son analizadas las descripciones tanto micro comomacroscópicas de las secciones delgadas y núcleosestudiados, se interpretan los resultados de los porogramasprovenientes de los análisis de capilarimetría y se establecenrelaciones potenciales entre la porosidad y la permeabilidad.

La definición de tipos de rocas se encuentra ligada a lasdiferentes facies geológicas existentes y su vínculo con laspropiedades petrofísicas del medio [15], de modo tal que sepuedan establecer los criterios para encontrar las mismasen pozos no nucleados. Siendo resumida una tabla con losdiferentes tipos de roca y sus características geólogo-petrofísicas.

RESULTADOS Y DISCUSIÓNLa figura 2 muestra la representación de los tipos de

porosidad en los reservorios carbonatados cubanos, mediantefotos tomadas a núcleos y afloramientos. En la misma seobserva la presencia de procesos secundarios defracturación, carso y porosidad vugular por disolución de lacalcita.

Fig. 2. Representación de los tipos de porosidad en losreservorios carbonatados cubanos (de izquierda a derecha),fracturas en núcleo, sistema de fracturas y vúgulos enafloramiento, vúgulos en núcleo

Las muestras estudiadas se describen en general comocarbonatos en muchos casos con matriz arcillosa,generalmente mudstone, aunque pueden aparecerwackestone / packstone. Los efectos diagenéticos presenteshan afectado de forma favorable la estructura poralencontrándose en un mismo núcleo diferentes sistemasporales. La descripción geológica del medio poroso y losresultados de la capilarimetría de estos núcleos, arrojan laexistencia de diferentes estructuras porales como se observaen el ejemplo de la f igura 3, donde predomina lamicroporosidad, aunque no se excluye la existencia de mesoy macroporosidad.

De acuerdo con las propiedades petrofísicas (porosidad-permeabilidad-capilaridad) [16] es posible establecer tresgrupos donde se destacan variaciones significativas en lapermeabilidad (figura 4). Se observa un aumento notable dela permeabilidad dada la presencia de fracturas y macroporoscorrespondiente al llamado grupo 1, mientras que elgrupo 2 se asocia a rocas con porosidades mayores de 5 %y hasta cerca del 25 %, predominando valores depermeabilidad que no exceden los 30 mD.



En este grupo se destacan las muestras del pozo SantaCruz 102 con una elevada heterogeneidad en el que losvalores de permeabilidad superiores a 10 mD correspondena zonas con menor microporosidad donde predominan,mesoporos, macroporos y microfracturación [17]. En el tercergrupo, grupo 3, existe predominio de la microporosidad. Losvalores de permeabilidad se encuentran por debajo de los 2mD, mientras que la porosidad varía entre 9 y 30 % y enescasas ocasiones se encuentran valores inferiores a 9 %.Las relaciones entre la porosidad y la permeabilidadestablecidas, muestran un coeficiente de determinación parael grupo 1 de 64 % y para los grupos 2 y 3 de 70 %.

Fig. 3. Radio de poros en núcleos de la FNCPC: a) predominio de microporosidad (93,9 %); b) abundante microporosidad(47,2 %) y mesoporosidad (50,4 %); c) presencia de abundantes macroporos (70 %). (Tomado de Base de Datos Petrofísicadel CEINPET). Donde es la porosidad, Kh permeabilidad horizontal y Kv permeabilidad vertical

Fig. 4. Relaciones porosidad- permeabilidad para diferentes grupos de rocas

Teniendo en cuenta las propiedades petrofísicas(porosidad-permeabilidad-capilaridad) y las característicaslito-texturales de las muestras analizadas son descritas trestipos de roca fundamentales, a las que se les denominarán,tipo de roca1, tipo de roca 2 y tipo de roca3 (tabla 1). Latabla 1 resume los vínculos existentes entre aspectosgeológicos (descripción de núcleos y secciones delgadas)y parámetros petrofísicos para cada tipo de roca definido.

La calidad de estos tipos de rocas mejora ante la presenciade fracturas y / o vúgulos conectados, demostrándose unavez más cómo los efectos diagenéticos han sidofavorecedores de la calidad del reservorio y la dependenciaexistente entre la permeabilidad y la textura de la roca.

c



CONCLUSIONESEl medio poroso en los reservorios carbonatados de la

FNCPC se ve grandemente afectado por efectos secundarioscomo la diagénesis; en este caso favorecedora de laspropiedades del mismo en casi su totalidad. La granheterogeneidad de los reservorios no permite establecer unaúnica relación entre la porosidad y la permeabilidad a partirdel análisis de núcleos; sin embargo, es posible definir estasrelaciones a partir de la existencia de tres tipos de rocascon características petrofísicas y estructurales diferentes.

RECONOCIMIENTOSLos autores desean agradecer a todos aquellos

especialistas del Centro de Investigaciones del Petróleo y

profesores del Departamento de Geociencias de la Cujae,que han ayudado al desarrollo de este trabajo y en especialal doctor Osvaldo Rodríguez Moran.

REFERENCIAS1. ABOUD, S.; CABRERA, H.; LIRA, M. "Campo tropical,

cuenca oriental de Venezuela: modelo Petrofísico deyacimiento en los intervalos los Jabillos, Caratas, Vidoño,San Juan y San Antonio", en UPADI 2012. 2012:La Habana, Cuba. ISBN 978-959-247-094-1.

2. SOTO R., C.M. "Una nueva clasificación de yacimientosbasada en tipos de poros". SPE Latin American andCaribbean Petroleum Engineering Conference LAPEC.2012: Ciudad de México.

Tabla 1Tipos de rocas carbonatadas en la FNCPC y sus características

Tipo de Roca Descripción Propiedades petrofísicas

Tipo de roca 1 Mudstone calcáreo, donde seobservan juntas de disolucióncon materia orgánica, vúgulos,y fracturas, se manifiesta ensectores de porosidadintercristalina vinculada alproceso de dolomitización

Predomina la microporosidad, sehallan abundantes meso ymacroporosPorosidades por debajo del 15 %y valores de permeabilidad enocasiones mayores a los 10 mD

Tipo de roca 2 Conglobrecha texturalmenterudstone (fitted fabric). Laroca se manifiesta brechadapor abundantes estilolitos, loscuales por procesos decorrosión presentan mayoramplitud; Se observaporosidad intercristalina en losfragmentos de la roca y lamatriz

Gran porcentaje de microporosidady cerca del 50 % de mesoporosValores de porosidad hasta cercadel 25 % y permeabilidades pordebajo de 30 mD

Tipo de roca 3 Conglobrecha calcárea dondela microporosidad se haceefectiva en algunos sectoresgracias a la diagénesis queamplía, por disolución, eldiámetro de los porosSin embargo, la presencia decemento clorítico, afecta demanera negativa la calidad delreservorio ya que elcrecimiento de las escamasde clorita conjuntamente conel crecimiento de cristales depirita, dolomita y calcitaobliteran la porosidad.

Predomina la microporosidadLos valores de porosidad varíanentre 9 y 30 % mientras que lapermeabilidad se encuentra pordebajo de los 2 mD



3. TILLERO, E. "Reconciling Rock Type, Permeability, andWater Saturation Based on New Approaches in Rock Typ-ing and Capillary Pressure. A Heavy Oil Case Study", in2012 World Heavy Oil Congress. 2012: Aberdeen,Scotland, p. 12.

4. LAFAGE, S. "An Alternative to the Winland r35 methodfor determining carbonate reservoir quality". Master The-sis, Texas A&M University, 2008, Universidad de Texas:Texas. p. 102. Disponible en: http://repository.tamu.edu/bitstream/handle/1969.1/86031/LaFage.pdf

5. CHOQUETTE, P.W. ; PRAY, L. C. "Geologic Nomencla-ture and Classification of Porosity in Sedimentary Car-bonates". AAPG Bulletin. 1970, vol. 54, núm. 2:pp. 207 - 250.

6. JENNINGS, J. W.; LUCIA, F. J. "Predicting Permeabilityfrom Well Logs in Carbonates with a Link to Geology forInterwell Permeability Mapping". SPE Reservoir Evalua-tion and Engineering. 2003. vol. 6, núm. 4: pp. 215-225.

7. AGUILERA, R.; AGUILERA, M. S. "The Integration ofCapillary Pressures and Picket Plots for Determinationof Flow Units and Reservoir Containers". SPE ReservoirEvaluation and Engineering. 2002, pp. 465-471.DOI: 10.1306/12010303071.

8. AGUILERA, R. "Integration of geology, petrophysics, andreservoir engineering for characterization of carbonatereservoirs through Pickett plots". AAPG Bulletin. 2004,vol. 88, núm. 4: pp. 433-446. ISSN: 0149-1423.

9. CORBETT, P.W.M.; JENSEN, J. L. "Lithological and ZonalPorosity - Permeability Distributions in the Arab-DReservoir, Uthmaniyah Field, Saudi Arabia". AAPG Bul-letin, 2000, vol. 84, núm. 9, pp. 1365-1367. ISBN: 0-89181-703-4.

10. TIMUR, A. "An investigation of permeability, porosity,and residual water saturation relationships for sandstonereservoirs". The Log Analyst, 1968, vol. 9: pp. 8-17.

11. CASTRO, O. "Criterios para la evaluación petrofísica delas posibilidades productivas en los reservorios de pozosprofundos noroccidentales de Cuba", in III ConvenciónCubana de Ciencias de la Tierra, Sociedad Cubana deGeología, La Habana, 2009. ISBN 978-959-7117-19-3.

12. VALLADARES, B.; VILLAVICENCIO, M. et al."Electrofacies y propiedades petrofísicas de cortescarbonatados relacionados con diferentes ambientes dedeposición en cuencas cubanas", in Geofísica 2000,2000.

13. VALLADARES, S.; SEGURA, R. "Reservoriosgasopetrolíferos fracturados de Cuba. caso de estudio:reservorios carbonatados en la Franja Norte de CrudosPesados", en UPADI 2012. 2012: La Habana. ISBN978959247094-1.

14. AGUILERA, R. "A Triple Porosity Model for PetrophysicalAnalysis of Naturally Fractured Reservoirs".Petrophysics, 2004. 45(2): p. 157-166.

15. HASANI, M. "Carbonate Reservoir Rock Typing a CaseStudy in North Oman", in SPWLA Conference. 2010:Abu Dhabi.

16. REYES, O.; MORALES, C. "Relaciones entre laporosidad y la permeabilidad en reservorios carbonatadosde la Franja Norte de Crudos Pesados de Cuba", enUPADI 2012. 2012: La Habana. ISBN 978959247094-1.

17. RODRÍGUEZ LOECHES, J.; LAZCANO ORDOÑEZ, M."Caracterización petrofísica del yacimiento Santa Cruz".II Congreso Cubano de Petróleo y Gas, PETROGAS2009. La Habana, 2009. ISBN 978-959-7117-19-3.

AUTORESOdalys Reyes ParedesIngeniera Geofísica, Especialista I en Investigación, Innova-ción y Desarrollo, Centro de Investigaciones del Petróleo,CEINPET, La Habana, Cuba

Olga Castro CastiñeirasIngeniera Geofísica, Doctora en Ciencias Geológicas, In-vestigadora Auxiliar, Centro de Investigaciones del Petróleo,CEINPET, La Habana, Cuba

Carlos Morales EchavarríaIngeniero Geólogo, Máster en Geología del Petróleo,Centro de Investigaciones del Petróleo, CEINPET, La Haba-na, Cuba

Silvia Valladares AmaroIngeniera Geofísica, Doctora en Ciencias Técnicas, Investi-gadora Titular, Centro de Investigaciones del Petróleo,CEINPET, La Habana, Cuba

Emilio Escartín SauledaIngeniero Geofísico, Doctor en Ciencias Geológicas, Profe-sor Titular, Facultad de Ingeniería Civil, Instituto SuperiorPolitécnico José Antonio Echeverría, Cujae, La Habana, Cuba



AbstractThe permeability is one of the main parameters to classify the porosity environment, this parametercan't be measured by log's tools, and it has no direct relation with the total porosity. It is closely relatedto the kind of rock (size and distribution of particles). In the Northern Cuban Heavy Oil Belt (FNCPC),the reservoirs are made up of carbonate rocks (mudstone / wackestone), with fracture porosity andother types of porosity such as: joins of dissolution and estilolitos formed from diagenetic processes.The different formations frequently show heterogeneities that can be noticeable hindering their owncharacterization. The cores present a very poor recuperation and on numerous occasions recoveringonly intervals that don't contribute anything to the flow of fluids. The analysis about different kinds ofrocks is done in this article; it is conceived throughout data of cores and thin sections. The petrophysicalclassification of different kinds of rocks for carbonate reservoirs are established from the porosity andpermeability relationships and porosity environment structure.

Key words: porosity environment, permeability, porosity, reservoir

Petrophysical Clasification of Different Rocks in CarbonateReservoirs of the Northern Cuban Heavy Oil Belt

Recibido: 29 de julio del 2014 Aprobado: 11 de abril del 2013


Procedimiento para la aplicaciónde un modelo de madurezpara la mejora de los procesos

INGENIERÍA INDUSTRIAL

ResumenUn modelo de madurez es un mapa que guía a la organización en la implementación de buenasprácticas. Para aplicarlos se han desarrollado procedimientos, sin embargo, la información disponiblesobre ellos es escasa, lo que ha contribuido a que el uso de estos modelos no se haya extendido. Enel contexto latinoamericano es incipiente la aplicación de estos modelos por lo que sería muy conve-niente promover su uso como guías de programas de mejoras. En este trabajo se emplea el Modelode Madurez de Procesos y Empresa, desarrollado por Michael Hammer [1]. Para su aplicación fuediseñado un procedimiento, estructurado en tres etapas: preparación, evaluación y plan de mejoras.Se concluye que el modelo de madurez junto al procedimiento diseñado, puede ser utilizados por lasorganizaciones para elaborar programas de mejora para sus procesos de forma fácil y sencilla,involucrando a los directivos y a los trabajadores en la transformación de sus procesos.

Palabras claves: evaluación de la madurez, modelo de madurez, modelo de madurez de procesos yempresa, programas de mejoras


Elizabeth Pérez Mergarejo Artículo OriginalCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, Cujae, La Habana, Cuba

Yordán Rodríguez RuízCorreo electrónico:[email protected] Nacional de Salud Pública, Universidad de Antioquia, Medellín, Colombia

INTRODUCCIÓNEl desempeño de una organización depende de la

capacidad que tenga la misma para asumir los retos que seimponen en el entorno empresarial [2]. Es por eso que lasorganizaciones se involucran en un proceso de mejoramientocontinuo y se trazan estrategias para alcanzar, a través dediversos caminos los objetivos deseados. Sin un mapa queofrezca un punto de partida y de desarrollo, sin dudas estosobjetivos se vuelven inalcanzables para la organización [3].

Por esta razón se han creado estándares, metodologías yguías vinculadas a la calidad que ayudan a la organización amejorar su desempeño. Walter Shewhart en la década de

los años 30, trabajó en la mejora de los procesos e introdujolos principios del control estadístico de la calidad, que mástarde fueron mejorados por W. Edwards Deming, PhillipCrosby y Joseph Juran [4-6]. Watts Humphrey y otroscolegas, en su trabajo para el Software Engineering Institute(SEI) [7], los amplían y aplican en empresas desarrolladorasde software. Estas metodologías a pesar de haber sido degran utilidad para las organizaciones no permitían evaluar entoda su magnitud la situación actual con respecto a lasituación ideal, lo que provocó que en la década de los años80, comenzaran a desarrollarse los modelos demadurez [8-10].

Procedimiento para la aplicación de un modelo de madurez para la mejora de los procesos


Un modelo de madurez es un mapa que guía a laorganización en la implementación de buenas prácticas,ofreciendo un punto de partida. Describe un camino demejoramiento evolutivo, desde los procesos inconsistenteshasta los más maduros de la organización [9, 10]. Permiteevaluar el estado de desarrollo de una organización o procesode negocio, trazar claramente estrategias de mejoras paralograr los objetivos previstos e identificar las áreas donde laorganización debe enfocarse para mejorar [2, 10]. MichaelHammer expresa que la madurez de una organización es laposibilidad que esta tiene de adaptarse rápidamente [11].

Los modelos de madurez constituyen una evolución delas prácticas para gestionar la calidad. Fueron concebidosinicialmente para la industria del software y en la actualidadel área de aplicación es muy diversa. Se pueden encontrarlas aplicaciones siguientes: evaluación de la madurez de lagestión del conocimiento, de la arquitectura empresarial, dela gestión de la innovación, de la capacidad de los serviciosy más reciente en la ergonomía [12-16].

Entre los usos más comunes de los modelos de madurezse encuentran: evaluar la capacidad de los suministradores,realizar benchmarking, evaluar riesgos de desarrollo eimplementación de aplicaciones empresariales y guiarprogramas de mejoras para procesos de negocio. Esteúltimo, su uso resulta más frecuente [10, 13].

Entre los modelos de madurez más divulgados y complejospor su estructura y aplicación se pueden citar: el CapabilityMaturity Model (CMM) y el Capability Maturity ModelIntegration (CMMI) del Departamento de Defensa de losEstados Unidos y del Software Engineering Institute (SEI),en un principio concebidos para la evaluación de la capacidadde las organizaciones desarrolladoras de proyectos desoftware [8, 9]; el Business Process Maturity Model (BPMM),del Object Management Group (OMG), utilizado comoestándar para evaluar la madurez de los procesos de negocioy mejorarlos continuamente [8-10, 17, 18]; y el modeloholístico Business Process Management Maturity Model deRosemann y de Bruin [19].

Otros modelos menos complejos que han sido divulgadosson: las Normas ISO 9001 e ISO 9004 [20, 21]; el BusinessProcess Maturity Model de Fisher [22] y el Modelo deMadurez de Proceso y de Empresa (Process and EnterpriseMaturity Model: PEMM) de Hammer [1]. Este último modelotiene como ventajas que puede ser aplicado en empresasde cualquier sector y en todos los procesos de laorganización; además, ha sido aplicado en reconocidasempresas como: Michelin (productor mundial de neumáticos),Tetra Pak (empresa diseñadora y productora de materialesy equipamiento para empaque de productos alimenticios),Shell (una de las cuatro compañías que dominan el mercadopetrolero mundial), Clorox (fabricante de productos químicospara la limpieza) y Schneider National (empresaestadounidense de transporte terrestre) [1].

Aunque los modelos de madurez contienen un grupo debuenas prácticas integradas, que indican qué se debe hacer,

es decir, con qué parámetros debe cumplir la organizaciónpara asumir determinados niveles de madurez; no se explicaexplícitamente cómo evaluarlos, dif icultando suaplicación [10]. En este sentido algunos procedimientos hansido desarrollados [23, 24], aunque desafortunadamente lainformación que se encuentra disponible sobre ellos, nopermite su total aplicación [18, 23].

Para algunos modelos de madurez su aplicación se dificultaen algunos contextos [25], debido al desconocimiento sobreel tema y a la insuficiente preparación de las personasimplicadas en su aplicación (alta dirección, responsablesde procesos, etc.). Por esta razón, el desarrollo de unprocedimiento para la aplicación de un modelo de madurezcontribuye a facilitar y expandir su uso, así como estandarizarel proceso de evaluación de la madurez, ofreciendo pasos yherramientas para su aplicación. El propósito de este trabajoes aplicar el modelo PEMM usando un procedimientodiseñado por los autores.

MATERIALES Y MÉTODOSA continuación se describen brevemente cinco de los

modelos de madurez más citados en la literatura: el modeloCMMI, el modelo BPMM del OMG, el modelo de madurezde procesos de negocio de Fisher, las Normas ISO 9001 eISO 9004 y el modelo PEMM de Hammer. En la tabla 1 seresumen algunos criterios referidos en la literatura sobre cadauno de ellos.

Modelo CMMI: Capability Maturity Model IntegrationEste modelo de madurez es el estándar de calidad más

utilizado a nivel internacional por las organizacionesdesarrolladoras de software, aunque su uso no se limitasolamente a este tipo de organización [4, 26].

Los cinco niveles de madurez y los seis de capacidad deCMMI representan las mejoras desde un nivel pobrementedefinido, hasta un estado óptimo que utiliza informacióncuantitativa para mantenerse mejorando de acuerdo con losobjetivos del negocio [26]. CMMI utiliza para su evaluaciónun grupo de áreas de procesos que contienen objetivos yprácticas definidas. De su cumplimiento dependerá el nivelde madurez o capacidad que se asigne a la organización.

Modelo BPMM: Business Process Maturity Model del OMGEl modelo de madurez de procesos de negocio BPMM es

propuesto por el OMG, organización internacional sin finesde lucro, que se dedica al establecimiento de estándares enel campo de las tecnologías [27]. Constituye una guía paralas organizaciones de cómo estas evolucionan según eldesarrollo de sus procesos de negocio y se estructura encinco niveles de madurez: (1) Inicial, (2) Gestionado, (3)Estandarizado, (4) Predecible e (5) Innovador [10].

Todos los niveles de madurez, exceptuando el inicial,contienen un grupo de áreas de procesos que indican dóndela organización debe centrarse para mejorar sus procesos ylograr determinado nivel de madurez. Cada área de procesocontiene un grupo de objetivos que deben ser alcanzados

Elizath Pérez Mergarejo - Yordán Rodríguez Ruíz


por la organización para satisfacer esa área de proceso.También se establece un grupo de mejores prácticas para ellogro de estos objetivos. Las mejores prácticas indican loque debe hacerse, pero no cómo se debe hacer. Por estarazón las organizaciones son libres de definir sus propiosmétodos y enfoques para satisfacer las metas y objetivosde cada área de proceso [10].

Modelo de madurez de procesos de negocio de FisherEl modelo de madurez de Fisher [22] combina dos

dimensiones: las cinco palancas de cambio, que son losfactores críticos en una organización y los cinco estados demadurez de los procesos de negocio. Fisher define comopalancas de cambio para las organizaciones la estrategia,los controles, los procesos, la tecnología y las personas.Estas permiten evaluar la capacidad de una organización. Amedida que dicha capacidad aumente aumentará el estadode madurez de los procesos. Los cinco estados de madurezdefinidos son: (1) Aislado, (2) Tácticamente integrado, (3)Proceso impulsado, (4) Empresa optimizada y (5) Redinteligente de gestión.

Fisher recomienda avanzar todas las palancas de cambiohacia un mismo nivel pues son mutuamente dependientes[22, 28]. Si al menos una palanca de cambio se encuentraen un nivel inferior al resto, la organización no podrá disfrutarcompletamente de los beneficios del nivel superior en quese encuentra la mayoría [22].

Normas ISO 9001 e ISO 9004La Organización Internacional de Normalización (ISO) es

una federación mundial de organismos nacionales denormalización (organismos miembros de ISO) [20]. ISO 9000es un conjunto de estándares internacionales para sistemasde calidad. Diseñado para la gestión y aseguramiento de lacalidad, especifica los requisitos básicos para el desarrollo,producción, instalación y servicio a nivel de sistema y anivel de producto. Se concibe como una metodología deprocesos basada en una lista de comprobaciones o requisitosa cumplir, umbral de calidad, valorado apto o no apto. Estasimplicidad es la que la ha hecho mundialmenteextendida [29].

ISO 9001 se centra en la eficacia del sistema de gestiónde la calidad para dar cumplimiento a los requisitos del clientey pueden utilizarse para su aplicación a nivel interno por lasorganizaciones o para la certificación [21].

ISO 9004 se centra especialmente en la mejora continuadel desempeño y de la eficacia global de la organización. Serecomienda como una guía para organizaciones quepersiguen la mejora continua del desempeño, sin afáncertificador [20].

Además de los requisitos y principios contenidos en lanorma ISO 9004, esta ofrece recomendaciones para laautoevaluación del desempeño de la organización. Dichaautoevaluación se realiza mediante una metodología previstapara proveer un enfoque simple y fácil de usar, para determinarel grado relativo de madurez del sistema de gestión de la

calidad de una organización a través de cinco niveles eidentificar las áreas de mejora [20].

Modelo PEMM: Process and Enterprise Maturity ModelEste modelo fue creado con el fin de guiar programas de

mejora basados en procesos. Se identifican dos conjuntosde características necesarias para el desempeño eficientede la organización: los facilitadores, que se aplican a losprocesos individuales y las capacidades, que involucran a laempresa [1]. Hammer ofrece un modelo de madurez paralos facilitadores de los procesos y otro para las capacidadesde la empresa, con el objetivo de que puedan ser evaluadosde forma independiente.

Un proceso al que le falta un facilitador puede entregarresultados a corto plazo mediante un desempeñosobrehumano o con intervención ejecutiva, pero esosresultados no perdurarán. Los cinco facilitadores definidospor Hammer que son necesarios para que un proceso funcionecorrectamente son [1]:

• Diseño: la amplitud de cómo se ejecutará el proceso.• Ejecutores: las personas que ejecutan el proceso,

particularmente sus destrezas y conocimiento.• Responsable: un alto ejecutivo que es responsable del

proceso y de sus resultados.• Infraestructura: sistemas de información y gestión que

apoyan el proceso.• Indicadores: las mediciones que utiliza la empresa para

rastrear el desempeño del proceso.Para los facilitadores se definen cuatro niveles graduales

de fortaleza o madurez. Los ejecutivos pueden evaluar losniveles de madurez de los facilitadores (P-1, P-2, P-3, P-4)estimando si cada proposición del modelo es en gran medidacierta, algo cierta o en gran medida incierta respecto a susorganizaciones. Hammer sugiere priorizar para la mejora,aquellas áreas de los facilitadores que representanobstáculos al desempeño del proceso [28].

Para la aplicación de este trabajo se seleccionó el modelode madurez PEMM y fue empleado específicamente elmodelo de madurez de los facilitadores de los procesos.

La selección del modelo PEMM para su aplicación en elcontexto empresarial cubano se basó fundamentalmente enlos aspectos resumidos en la tabla 1. Se consideró que estemodelo es el más apropiado debido a su fácil comprensión yuso, pues propone una matriz ya elaborada con lascaracterísticas de cada nivel de madurez. Además, permiteobtener resultados sobre la madurez de cada proceso deforma independiente, sin tener que evaluar toda laorganización.

Debe señalarse que el modelo de madurez seleccionadoa pesar de las ventajas antes expuestas, no cuenta con unprocedimiento disponible para su aplicación. Por tal razónes desarrollado un procedimiento de aplicación del modelode madurez PEMM, para lo cual se tomó como referenciaaspectos contenidos en el procedimiento y la metodologíaque se describen a continuación:



Tabla 1Criterios referidos en la literatura sobre los modelos de madurez analizados

Modelo de madurez Criterios positivos Criterios negativos

CMMI [29] - Constituye una guía paso a paso para la mejora,a través de niveles de madurez y capacidad (frentea las normas ISO)- Permite la transición del "aprendizaje individual"al "aprendizaje de la organización", empleando lamejora continua, las lecciones aprendidas y el usode bibliotecas y bases de datos de proyectosmejorados- Cuenta con gran prestigio internacional.

- Puede llegar a ser excesivamentedetallado para algunas organizaciones- Requiere gran inversión para serimplementado completamente- Difícil de entender- Crecimiento cuasi exponencial delnúmero de áreas y prácticas, tiempo,recursos y costos- Parece escrito para organizaciones yamaduras y vagamente escrito para serusado en evaluaciones

BPMM [30] - Es aplicable en cualquier ámbito de negocio- Constituye un mapa detallado para guiar laevaluación de la madurez- Cuenta con prestigio internacional

- Muy general- Extenso y difícil de entender- Constituye una aproximación almodelo CMMI- No es cubierto por este modelo el rolimportante que juegan las tecnologíasde información (TI) dentro de la gestiónde procesos de negocios (BPM)

Fisher [22] - Constituye una herramienta fácil de usar paraevaluar la madurez de BPM en las organizaciones- Presenta una estructura simple con 5 palancasde cambio y 5 estados de madurez- Permite evaluar de forma escalonada la madurezdando claridad a las empresas de lo que debenmejorar para minimizar la brecha entre el estadoactual y el deseado

- No es muy específico en cuanto a losaspectos a evaluar debido a susimplicidad, lo que aumenta lasubjetividad.- No se encuentran disponiblesprocedimientos para su aplicación- La matriz general de evaluaciónconstituye un punto de partida pero noes suficiente para la aplicación delmodelo

Normas ISO 9001 eISO 9004 [29]

- Amplia aplicabilidad, en cualquier industria yentorno- Abarca la mayoría de las áreas funcionales deuna organización, esto es, gestión, recursoshumanos, producción, ingeniería y calidad.- Reconocimiento internacional.- Incrementa las oportunidades de negocio enciertos mercados y mejora la satisfacción delcliente- Incremento de la satisfacción del empleado- Considera la mejora continua de la organización

- Su gran generalidad ha provocadoque existan pocas directrices para suimplementación en algunas industrias ocampos específicos- A pesar de estar ISO 9004:2000dedicado a la mejora del proceso,sigue la estructura de ISO 9001 yapunta alguna explicación de lo que seespera, pero no entrega un mapa paraimplementar el proceso de mejora.Cuando se lee ISO 9004, no se sabequé áreas dirigir primero y cuálesdespués

PEMM [1, 28] - Se aplica a empresas de cualquier sector -- Ientifica las características que deben tener todoproceso y toda empresa, para diseñar y desplegarprocesos de alto desempeño - Se puede aplicar a todos los procesos de laempresa, lo que permite el uso de un enfoqueestándar en toda la organización, un intercambiofluido de experiencias y una rápida comparaciónde resultados- Es fácil de utilizar- La simplicidad del modelo permite a laspersonas aplicarlo por sí mismas, en vez dedepender de expertos o de consultores- El modelo PEMM se ha aplicado en diversasempresas de gran prestigio internacional.

- Muy general, por lo que aumenta lasubjetividad al evaluar- No se encuentran disponiblesprocedimientos para su aplicación



Procedimientos y metodologías para la aplicaciónde los modelos de madurez

Procedimiento para la evaluación de la madurez enorganizaciones de servicio

El procedimiento presentado por Haischer y sus colegasestá dirigido a evaluar la madurez basada en un modelo demadurez para sistemas de servicios. En la figura 1 seresumen sus pasos [23].

Fig. 1. Procedimiento para conducir la evaluación

Este procedimiento considera el trabajo en equipo, la mejorade los procesos a partir de los resultados de la evaluación y sedefine un plan de acción para las medidas de mejora, cuyaejecución debe ser valorada regularmente. Resulta bastantesimple pero no se encuentran disponibles herramientas ométodos para ejecutar sus pasos (cuestionarios). Además,es diseñado específicamente para un modelo de madurez cuyainformación disponible es escasa.

Metodología de evaluación SCAMPICon el desarrollo del modelo de madurez CMMI, el SEI

desarrolla una metodología para la evaluación con estemodelo, denominado Standard CMMI Appraisal Method forProcess Improvement (SCAMPI) [31]. Se desarrolla en tresfases, resumidas en la tabla 2 [4].

Esta metodología es compleja de aplicar y muy rigurosa yno ofrece herramientas para su aplicación. Solo puede serutilizada por auditores autorizados o personal entrenado ensu uso. A diferencia del procedimiento anterior, esta no incluyeuna etapa de mejora, limitándose solamente a reportar losresultados obtenidos a partir de la evaluación.

Es importante destacar, que ni el procedimiento, ni lametodología descritos, ponen a disposición las herramientaso formas de recogida de información que utilizan.

Fig. 2. Procedimiento para la aplicación del modelo de madurezPEMM

Elaboración delplan de mejoras

Ejecución yseguimiento de lasmejoras

Evaluación

Reporte de losresultados

Inicio de laevaluación

Diagnósticoinicial

Conformacióndel equipo detrabajo

Preparación Evaluación Plan de mejoras

Además, no responden íntegramente a las característicasy requerimientos del modelo PEMM seleccionado, pues nofueron creados con ese propósito.

Procedimiento para la aplicación del modelo demadurez PEMM

El procedimiento que se presenta en la figura 2, fuediseñado con el objetivo de guiar la aplicación del modeloPEMM, específicamente para el que se emplea para evaluarla madurez de los procesos, siendo este el alcance de laevaluación.

Fueron considerados otros procedimientos [4, 23, 24] yestablecidas para la implementación del procedimiento laspremisas siguientes:

1. El compromiso de la alta dirección de la organizaciónen cuanto al suministro de la información necesaria y suparticipación en el proceso de evaluación.

2. El proceso debe estar identificado, de no ser así, seubicaría en un "nivel de madurez cero". En este caso laorganización debe definir sus procesos y luego realizar lasacciones necesarias para alcanzar un nivel de madurez P-1.

Ta b la 2F a se s y p ro ce so s d e l m é to d o S C A M P I

F a se P ro ce so

P la nifica c ió n y p re p a ra c ió np a ra la e va lua c ió n

A na liza r re q ue rim ie nto s

D e sa rro lla r p la n d e e va lua c ió n

S e le cc io na r y p re p a ra r e q uip o

O b te ne r y a na liza r e vid e nc iao b je tiva inic ia l

P re p a ra r la re co le cc ió n d ee vid e nc ia o b je tiva

C o nd ucc ió n d e la e va lua c ió n

E xa m ina r la e vid e nc ia o b je tiva

Ve ri fica r y va lid a r la e vid e nc iao b je tiva

D o cum e nta r la e vid e nc iao b je tiva

G e ne ra l lo s re sulta d o s d e lae va lua c ió n

R e p o rte d e lo s re sulta d o s

E ntre g a r lo s re sulta d o s d e lae va lua c ió n

A rchiva r lo s a c tivo s d e lae va lua c ió n



El procedimiento diseñado se puede emplear de formacíclica. Una vez analizados los resultados de la ejecución yseguimiento del plan de mejoras, se podrán analizar otrosprocesos considerando los objetivos de la organización,enfoque que posibilita la mejora continua. Las tres etapasen que se estructura el procedimiento son las siguientes:

Etapa I: PreparaciónEl objetivo de esta etapa es preparar las bases para realizar

una adecuada evaluación de la madurez. En esta etapa esdonde se establece el primer acercamiento con laorganización, por lo que es necesario alinear los objetivosde la evaluación con los objetivos de la organización [32].Esta estrategia facilita la comunicación y contribuye a hablaren los mismos términos de negocio. En esta etapa debe serrealizado un diagnóstico inicial de la organización, que unidoal criterio de la alta dirección, permitirán identificar aquellosprocesos que tienen un impacto más fuerte en la madurezglobal de la organización y por tanto deben ser priorizadosen la Etapa II: Evaluación. Finalmente se conforma y capacitaun equipo de trabajo, que tendrá la responsabilidad deejecutar las próximas actividades. Este lo integranparticipantes de la propia organización (alrededor de5 personas: responsable del proceso, miembro del consejode dirección, responsable de calidad, ejecutoresexperimentados), siendo imprescindible el compromiso yparticipación de la alta dirección y del responsable delproceso. Adicionalmente, pudieran participar personasexternas a la organización (entre 1 y 3 personas), pues através de ellos se obtiene información no viciada [2]. Lacantidad de personas que conformen el equipo de trabajo,dependerá del tamaño del proceso y su complejidad. Losparticipantes serán capacitados y se designará un líder parael equipo.Etapa II: Evaluación

El objetivo de esta etapa es determinar el nivel de madurezdel proceso a evaluar. Se realiza la evaluación comenzandopor el proceso más crítico considerando los requisitosespecificados en el modelo PEMM para procesos. Laevaluación se realiza de forma individual para cada proceso,empleando la matriz de evaluación que ofrece Hammer [1].En este paso es recomendable lograr una adecuación entrela evaluación y el entorno en el cual se desarrolla el proceso.La evaluación pudiera apoyarse en alguna normativarelacionada con el proceso, por ejemplo, las Normas deCalidad ISO 9000. Finalmente son entregados y dicutidoslos resultados obtenidos con la organización, de manera quepuedan ser utilizados para tomar acciones futuras.

Etapa III: Plan de mejorasEl objetivo de esta etapa es determinar un plan de mejoras

según los resultados de la evaluación y las prioridades yrecursos disponibles de la organización, con vistas a alcanzarniveles mayores de madurez. Son determinadas lasoportunidades de mejora en consecuencia con los resultadosde la evaluación y se realiza un plan para ejecutarlas.

El plan de mejoras se desarrolla con el objetivo de que laorganización alcance niveles mayores de madurez. Porúltimo, se verifica que el plan de mejoras esté siendoejecutado de la misma forma en que fue concebido y serealicen los ajustes pertinentes.

RESULTADOSA continuación se presentan los resultados obtenidos de

la aplicación del modelo PEMM mediante un caso de estudiodesarrollado en una organización que se dedica a laproducción y comercialización de forma mayorista, deartículos de aluminio y otros metales.

Los resultados se presentan según las etapas delprocedimiento diseñado.

Etapa I: PreparaciónEn esta etapa se obtuvo información general de la empresa

y fueron entrevistados todos los miembros del consejo dedirección, los cuales mostraron su interés y conformidadcon la aplicación del modelo de madurez. La empresa tieneseis procesos identificados y clasificados en: estratégicos,claves y de apoyo en su sistema de gestión de la calidad(SGC). Mediante la aplicación de una encuesta a losmiembros del consejo de direción se seleccionó el procesoclave Aseguramiento como el primer proceso a evaluar. Elequipo de trabajo quedó conformado por ocho personas: seisde la organización y dos externas. Por consenso el DirectorGeneral fue designado líder del equipo de trabajo (asesoradopor el personal externo).

Por último, fueron organizados talleres para explicar endetalles al equipo de trabajo el objetivo del estudio, lasactividades a realizar y los beneficios que obtendría laempresa. También se les presentó el procedimiento aimplementar y el modelo de madurez PEMM.

Etapa II: EvaluaciónEl objetivo del proceso Aseguramiento es definir las

acciones a tomar para asegurar que los productos que seadquieran estén conformes con los requisitos de compraespecificados y que garanticen la fabricación ininterrumpida.Los resultados obtenidos por el equipo de trabajo de laevaluación de este proceso se muestran en la tabla 3.

La tabla 3 muestra la evaluación realizada en la segundaetapa al proceso Aseguramiento. Como se observa esteproceso se encuentra en el nivel de madurez P-0, pues segúnlos requisitos que establece el modelo PEMM para obtenerel nivel de madurez correspondiente al nivel P-1, faltan cuatrorequisitos de los facilitadores donde la empresa tiene muchopor hacer (celdas coloreadas en amarillo): (1) Conocimiento,(2) Destrezas del facilitador Ejecutores, (3) Definición y(4) Usos del facilitador Indicadores. Mientras que otro aspectoque representa un obstáculo en el desempeño del proceso(celda coloreada en rojo) es el Sistema de Información delfacilitador Infraestructura.



De manera general, estos resultados se deben a variasrazones. Los ejecutores del proceso Aseguramiento noconocen los indicadores que deben cumplir, por lo que noestán interesados en mejorarlos y desconocen cómo hacerlo.Este problema en gran medida se debe a la falta decomunicación. Además, los ejecutores no se sientencomprometidos con su trabajo, por lo que no hacen nadapor resolver los problemas que surgen en su puesto de trabajo.Esto ocurre porque no está diseñado un sistema de incentivosen la empresa que permita premiar moral y materialmentelas buenas prácticas.

Además, el proceso Aseguramiento no está apoyado enningún sistema de información, lo que obstaculiza el flujo deinformación entre los ejecutores del proceso; así como elprocesamiento, análisis y conservación de la información.

Por otra parte, el proceso Aseguramiento no cuenta conindicadores de costo, aunque sí de calidad y los ejecutivosno usan los indicadores del proceso para impulsar y medirel impacto de las mejoras. Esto está dadofundamentalmente, porque, a pesar de que la empresa tienediseñados y documentados sus procesos con un SGC, estepresenta deficiencias en su diseño y no ha sidoimplementado totalmente.

Finalmente, estos resultados fueron discutidos por el equipode trabajo.

Etapa III: Plan de mejorasComo el modelo de madurez PEMM identifica de forma

general hacia donde deben ir dirigidos los esfuerzos de mejora(sirviendo de guía), se utilizó un grupo de técnicasencaminadas a materializar esas estrategias en acciones

resolviendo los problemas existentes. Se buscaron lascausas de cada uno de los problemas detectados y fueronpropuestas acciones de mejoras para las causas de losproblemas que fueron detectados, así como responsables yfecha de cumplimiento para cada una de ellas. El plan demejoras fue discutido con el equipo de trabajo. Las accionesde mejoras fueron dirigidas fundamentalmente hacia losfacilitadores: Ejecutores, Infraestructura e Indicadores.

Una de las medidas propuestas para el facilitadorEjecutores fue la de informar a los ejecutores a través dereuniones cuáles eran los indicadores que debían cumplirseen el proceso de Aseguramiento, y cómo dependían de sucumplimiento otros procesos de la empresa y la conservaciónde sus clientes; explicarles los demás efectos que puedeprovocar un mal desempeño, para que comprendan laimportancia de conocer los indicadores y su impacto en eldesempeño del proceso. Otra medida propuesta fue la decapacitar a los trabajadores del almacén en cuanto a larealización de las acciones de conservación de los productos.El propósito fundamental trazado al mejorar este facilitadorfue inculcar en los ejecutores de este proceso, el sentido decompromiso, no solo con el proceso, sino también con todaorganización.

Actualmente, la empresa objeto de estudio no cuenta conel presupuesto para renovar su infraestructura tecnológica.No obstante, fueron debatidos con los representantes de laorganización presentes en el equipo de trabajo, los avancestecnológicos en materia de gestión de la información de losprocesos existentes a nivel mundial y las ventajas que estos

C ie rta en g ran m e d id a (á re a s q u e no es tá n im p id ie n do e l d es e m p e ñ o d e l p roc es o ).

C ie rta en a lg ú n g ra do (á rea s do n d e la em p res a tie ne m u ch o p o r h ac e r).

E n g ra n m ed id a inc ie rta (á re as q ue re p re s en ta n o bs tác u los a l d es em p eñ o de l p ro c es o ).

Niveles de madurez P-1 P-2 P-3 P-4Diseño Propósito

ContextoDocumentación

Ejecutores ConocimientoDestrezasComportamiento

Responsable IdentidadActividadesAutoridad

Infraestructura Sistemas de información (SI)Sistemas de recursos humanos (SRH)

Indicadores DefiniciónUsos

Tabla 3Resultados de la evaluación con el medelo PEMM para el proceso Aseguramiento

Cada color de la matriz de evaluación (tabla 3) representa que la afirmación propuestaen el modelo PEMM para ese nivel de madurez es:



les proporcionan a las empresas. Se propuso valorar, para elfuturo, la adquisición de un Sistema de Planificación deRecursos Empresariales (ERP: Enterprise ResourcePlanning).

En cuanto a los Indicadores, una de las medidaspropuestas fue la de considerar el cumplimiento y la mejorade los indicadores del proceso como uno de los aspectos amedir en la evaluación del desempeño individual, con elobjetivo de motivar a los trabajadores a ocuparse de estosaspectos. Otra de las medidas propuestas fue la deestablecer planes de capacitación relacionados con ladeterminación de indicadores, la medición y el análisis delos resultados; con el objetivo de que los trabajadores fuerancapaces de tomar decisiones, ante determinados valores delos indicadores.

El proceso Aseguramiento fue reevaluado simulando laejecución de las propuestas de mejoras, con el objetivo deproyectar los resultados esperados con la aplicación de lasmismas. La tabla 4 muestra la evaluación y reevaluación delproceso.

Como se observa en la tabla 4 aunque el procesocontinúa con un nivel de madurez P-0, solo queda un áreadonde la empresa tiene mucho por hacer: Sistemas deInformación del facilitador Infraestructura, para alcanzarun nivel P-1, pues ningún otro está impidiendo el avancedel proceso. La organización reconoce que para poderavanzar hacia niveles superiores de madurez debeenfocarse y dirigir sus esfuerzos hacia la mejora de estefacilitador, de lo contrario los resultados que se alcancenno perdurarán. Con la aplicación de las acciones demejoras, se proyecta que los facilitadores Ejecutores eIndicadores dejen de obstaculizar el desempeño eficientedel proceso.

El alcance del proyecto de investigación en el cual seinserta el caso de estudio presentado, tenía establecidocumplimentar hasta la etapa de elaboración del plan demejoras e impacto proyectado (reevaluación del procesoAseguramiento). Fue expresada por la dirección, lasatisfacción con los resultados obtenidos y refirieron contarcon la mayoría de los recursos y medios para implementarlas medidas propuestas.

Lecciones aprendidas• Es necesario para la aplicación del modelo de madurez

PEMM, que la organización tenga al menos definidos susprocesos o los procesos que desea evaluar. Esto se debe aque el modelo PEMM parte de la evaluación de un procesoinconsistente pero ya definido.

• Es imprescindible el compromiso y la participación de laalta dirección en la ejecución del proyecto de mejora, de locontrario el resto de la organización no creerá en el proyectoy no se sentirá motivado.

• Resulta de mucha utilidad apoyarse en cuestionarioscreados o adaptados por el propio evaluador(es) querespondan a las afirmaciones planteadas por Hammer en lamatriz de evaluación.

• El evaluador no debe conformarse solamente con lainformación recogida en las encuestas o entrevistas, tambiéndebe revisar la documentación de la empresa. De esta formapuede encontrar información que generalmente es obviada.

• A las organizaciones les cuesta mucho trabajo reconocerque su funcionamiento es deficiente. En la mayoría de loscasos se debe a que temen ser cuestionados por sussuperiores.

Niveles de madurezEvaluación Reevaluación

P-1 P-2 P-3 P-4 P-1 P-2 P-3 P-4Diseño Propósito

ContextoDocumentación

Ejecutores ConocimientoDestrezasComportamiento

Responsable IdentidadActividadesAutoridad

Infraestructura Sistemas de informaciónSistemas de recursos humanos

Indicadores DefiniciónUsos

Tabla 4Reevaluación del proceso Aseguramiento



• El proyecto de mejora debe ser presentado como unproyecto que los ayudará a funcionar mejor, no como untrabajo adicional que les robará parte de su tiempo.

• El evaluador no debe emplear un lenguaje académicopara dirigirse a los miembros de la organización, ya quepuede resultar de poco interés el proyecto o no entenderse.

• Se recomienda que las encuestas sean respondidas enentrevista directa con el evaluador para aumentar la calidadde la información recogida. De esta forma se puedenesclarecer determinados aspectos y el encuestado se sientemás comprometido con sus respuestas.

DISCUSIÓN Y CONCLUSIONESExiste gran cantidad de modelos de madurez desarrollados

con diferentes propósitos, sin embargo, la informacióndisponible sobre los procedimientos y herramientas para suaplicación es escasa, lo que ha contribuido a que su uso nose haya extendido ampliamente desde su surgimiento,quedando circunscrito fundamentalmente a las casasconsultoras.

Desde su origen, los modelos de madurez fueron objetode críticas, ya que estos se han caracterizado por ser unaserie de pasos que simplifican la realidad. Por otra parte,muchos de estos estándares centran sus esfuerzos en lamejora de un área de negocio, simplificando el resto de losproblemas a los que se enfrentan cotidianamente lasorganizaciones [4]. Otra crítica se refiere a la multitud demodelos de madurez casi idénticos [13].

En este trabajo fue empleado el modelo PEMM de MichaelHammer por la distinción que realiza entre la madurez de unproceso y la madurez de una empresa, su fácil aplicación,su aplicabilidad a cualquier sector de negocio y susimplicidad. El procedimiento para su aplicación fue diseñadopara ayudar a los empresarios a utilizar esta herramienta,pues aunque el modelo es simple es necesaria una guíapara su implementación en la empresa.

El caso de estudio se presentó siguiendo las etapas delprocedimiento diseñado para la aplicación del modelo PEMM.Un aspecto importante en la aplicación de este procedimientoes la constante interacción con los trabajadores de laempresa, en cada una de sus etapas. Desde la formacióndel equipo de trabajo con personal en su mayoría interno dela empresa, la ejecución de la evaluación mediante laaplicación de entrevistas y cuestionarios a los ejecutoresdel proceso, hasta la elaboración del plan de mejoras conlas acciones concretas discutidas con los propios ejecutoresdel proceso.

Debe destacarse que lo más relevante cuando se evalúala madurez, no es el modelo de madurez elegido, sino losanálisis y conversaciones que su aplicación genera, alescarbar sobre los puntos claves de la empresa [25]. Eneste caso, en la empresa estudiada, fue posible mediante eltrabajo en equipo determinar el orden en que debían serevaluados los procesos, realizar una evaluación certera del

proceso Aseguramiento mediante el consenso de lasopiniones, y elaborar un plan de mejoras de acuerdo con lascondiciones actuales que presenta la empresa. Por otra parte,estas reuniones permitieron crear las bases para la evaluaciónde otros dos procesos claves de la empresa: Comunicacióncon el cliente y Fabricación de productos.

Indudablemente, una vía para que las empresas puedanmejorar su desempeño es utilizar los modelos de madurez.De esta forma pueden conocer, controlar e integrar susprocesos internos claves con sus proveedores externos ysus clientes. Mientras más madura sea una organizaciónmayor cantidad de proyectos de cambios podrá ejecutar ycon mayor agilidad. Todos los proyectos de cambio sondifíciles de ejecutar, partiendo del hecho de que las empresasdeben cambiar su cultura organizacional [1]. Tratar deaumentar la madurez de los procesos de una organizaciónes una meta a largo plazo, que solo se trazarán lasorganizaciones dispuestas a mejorar su desempeño.

REFERENCIAS1. HAMMER, Michel, The Process Audit, in Harvard Busi-

ness Review. 2007, pp. 1-17.2. ROSEMANN, M.; DE BRUIN, T. "Towards a business

process management maturity model". En Actas de 13thEuropean Conference on Information Systems (ECIS2005). Citeseer. 2005, Australia DE, vol. 26, pp. 1-12.

3. MELENOVSKY, Michel James; SINUR, Jim, "Having aBPM Maturity Model is Important for Long Lasting BPMSuccess". Business Rules Journal. 2006, vol 7,núm. 12, pp. 1-2.

4. CHRISSIS, Mary Beth; KONRAD, Mike; SHRUM,Sandy. CMMI: Guía para la integración de procesos y lamejora de productos. Madrid, España: 2da. ed., 2009,Pearson Educación, S.A. 638pp. ISBN 9788478290963.

5. IBAÑEZ, Paco, DOMÍNGUEZ, Guillermo; LOZANO,Luz. Calidad y Formación: Binomio inseparable. Madrid,España. 2003, Instituto Nacional de Empleo, 270 pp.

6. PROVOST, LLoyd. Understanding Variation, in Handbookof Industrial Engineering: Technology and OperationsManagement. 3th Edition. ed. G. Salvendy. 2001, PurdueUniversity, pp.1828-1855. ISBN 0471-33057-4.

7. ROSENKRANZ, Christoph et al. "Towards a frameworkfor business process standardization". En actas de 5thInternational Workshop on Business Process Design, UlmUniversity, Ulm, 2009, pp. 1-12.

8. HARMON, Paul. "Process Maturity Models". BPTrends.2009, vol 2, núm. 5, pp. 1-5.

9. CURTIS, Bill. "Business Process Management with OMGSpecifications". 2008, vol 1, núm. 1, pp. 1-2.

10. OMG. Business Process Maturity Model (BPMM), Ver-sion 1.0. 2008, Borland Software, Inc and ObjectManagement Group, Inc 496pp. OMG DocumentNumber: formal/2008-06-01.



11. FOCUS. "An introduction to Business Management(BPM)". BPMFocus. 2008, pp. 18.

12. DE BRUIN, T.; ROSEMANN, M.; FREEZE, R.KULKARNI, U. "Understanding the main phases ofdeveloping a maturity assessment model". En Actas de16th Australasian Conference on Information Systems,Australasian (ACIS). 2005, Sydney, Australia, pp. 1-11.

13. RÖGLINGER, Maximilian; PÖPPELBUß, Jens. "Whatmakes a useful maturity model? A framework for generaldesign principles for maturity models and its demonstra-tion in business process management". En actas de 19thEuropean Conference on Information Systems, ResearchCenter: University of Augsburg. Finance & Information Man-agement. Department of Information Systems Engineer-ing & Financial Management. 2011, Helsinki, Finland.pp. 1-13.

14. ARANGO MONTAÑO, Oscar; ARMENTA CORONA,José Ramón; PÉREZ ROJAS, Aurora; MARIN MEDINA,Joselito. "Modelo que identifica la madurez de losprocesos. Caso: pequeña empresa manufacturera". Dyna.2012, vol 1, núm. 1, pp. 132-133.

15. RODRÍGUEZ, Yordán; PÉREZ, Elizabeth; MONTERO,Ricardo. "Modelo de madurez de Ergonomía paraEmpresas". El Hombre y la Máquina. 2012, núm. 40,pp. 22-30.

16. VIDAL, Mario Cesar; GUIZZE, Carmen Lucia et al."Ergonomic sustainability based on the ergonomic matu-rity level measurement". Work. 2012, vol 41, núm. 1, pp.2721-2729.

17. CURTIS, B.; ALDEN, J. The Business Process Matu-rity Model (BPMM): What, Why and How, in BPTrendsColumn. 2007. pp. 1-4.

18. ROHLOFF, Michael. An approach to assess the imple-mentation of business process management in enter-prises. 2009, pp. 1-12.

19. ROSEMANN, M.; DE BRUIN, T. Application of a holis-tic model for determining the BPM maturity. BPTrends.2005, pp. 1-21.

20. ISO/FDIS. Norma ISO/FDIS 9004:2000: Sistemas deGestión de la Calidad-Recomendaciones para la mejoradel desempeño, 2000.

21. ISO/FDIS. Norma ISO/FDIS 9001:2000(E): Sistemasde Gestión de la Calidad - Requisitos, 2000.

22. FISHER, D. M. The business process maturity model:A practical approach for identifying opportunities for op-timization, in Business Process Trends . 2004,BearingPoint, Inc. pp. 1-7.

23. HAISCHER, Michael; BULLINGER, Hans JorgFAHNRICH, KLAUS PETER. Assessment and Designof Service Systems, in Handbook of Industrial Engineer-ing: Technology and Operations Management. 3th Edi-

tion ed, ed. G. Salvendy, 2001, Purdue University 634-649 pp. ISBN 0471-33057-4.

24. DELGADO, Andrea; RUIZ, Francisco; GARCÍA,Ignacio. "Mejora continua de procesos de negociobasada en PmCompetisoft integrando BPMM". Actasde los Talleres de las Jornadas de Ingeniería del Soft-ware y Bases de Datos. 2010, vol 4, núm. 4, pp. 1-7.

25. POWER, Brad. "Michael Hammer's Process and En-terprise Maturity Model". BPTrends. 2007, vol 1, núm.1, pp. 1-4.

26. AMAYA, C.; FELIPE, L. "Modelos de capacidad ymadurez y la industria del software en Colombia".Generación Digital. 2008, vol 7, núm. 2, pp.1-4.

27. OMG. OMG: Object Management Group. [en línea] 2011Marzo, 2011; Disponible en Web: http://www.omg.org/[consultado en Mayo 2011].

28. RÖGLINGER, Maximilian; PÖPPELBUß, Jens;BECKER, Jorg. "Maturity Models in Business ProcessManagement". Business Process Management Journal.2011, pp. 20.

29. DE LA VILLA, M.; RUIZ, M.; RAMOS, I. "Modelos deevaluación y mejora de procesos: Análisis comparativo".En actas 2004, pp. 18.

30. CURTIS, Bill; ALDEN, John. "Business Process Im-provement Guided by the BPMM". BPTrends. 2006,pp. 1-5.

31. PERALTA, M. Asistente para la evaluación de CMMI-SW. 2004, ITBA: Buenos Aires, pp. 387.

32. AGUIRRE MAYORGA, Santiago; CÓRDOBA PINZÓN,Nazly Bibiana. Diagnóstico de la madurez de losprocesos en empresas medianas colombianas. 2008,Ing. Univ. Bogotá, Colombia, pp. 245-267.

AUTORESElizabeth Pérez MergarejoIngeniera Industrial, Máster en Tecnologías de Apoyo a laToma de Decisiones, Instructora, Facultad de Ingeniería In-dustrial, Instituto Superior Politécnico José Antonio EcheverríaCujae, La Habana, Cuba

Yordán Rodríguez RuízIngeniero Industrial, Doctor en Ciencias Técnicas,Facultad Nacional de Salud Pública, Universidad deAntioquia, Medellín, Colombia



AbstractA maturity model is an evolutionary roadmap for implementing the vital practices from one or moredomains of organizational process. The use of the maturity models is poor in the Latin-Americancontext. This paper presents a procedure for applying the Process and Enterprise Maturity Modeldeveloped by Michael Hammer [1]. The procedure is divided into three steps: Preparation, Evaluationand Improvement plan. The Hammer´s maturity model joint to the proposed procedure can be used byorganizations to improve theirs process, involving managers and employees.

Key words: maturity assessment, maturity models, process and enterprise maturity model, improvementprograms

A procedure for Applying a Maturity Model to ProcessImprovement

Recibido: 17 septiembre del 2013 Aprobado: 8 de abril del 2014


Sistema neuro-borroso de apoyoal control de la ejecución de proyectos

INGENIERÍA INFORMÁTICA

ResumenDurante el control de ejecución a sus proyectos, las organizaciones emplean disímiles herramientaspara asistir a los especialistas en la toma de decisiones. Con el objetivo de lograr una valoraciónintegral del proyecto, se examina un conjunto de indicadores claves (tiempo, costos, calidad,logística y rendimiento de recursos humanos) aplicando técnicas de soft computing mediante el usode sistemas de inferencia borrosos. Sin embargo, en ocasiones, las reglas de inferencia borrosas queevalúan los indicadores se construyen a partir del juicio de expertos, lo cual introduce imprecisionesy vaguedad en los límites de los conceptos lingüísticos. En este trabajo, se propone un sistemaneuro-borroso de apoyo al control de la ejecución de proyectos, que permite optimizar la base dereglas existente de manera eficiente y eficaz. Los beneficios potenciales de la propuesta serelacionan con la mejora en la toma de decisiones en organizaciones orientadas a la producción porproyectos.

Palabras claves: control de ejecución de proyectos, optimización de reglas borrosas, sistema neuro-borroso, soft computing, toma de decisiones


Anié Bermudez Peña Artículo OriginalCorreo electrónico:[email protected]

José Alejandro Lugo GarcíaCorreo electrónico:[email protected]

Iliana Pérez PupoCorreo electrónico:[email protected]

Pedro Yobanis Piñero PérezCorreo electrónico:[email protected] de las Ciencias Informáticas (UCI), La Habana, Cuba

Gil Cruz LemusCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, Cujae, La Habana, Cuba

INTRODUCCIÓNEl éxito de los proyectos depende de la aplicación e

integración adecuada de los procesos de dirección: inicio,planificación, ejecución, seguimiento y control, y cierre.Especialmente el proceso de seguimiento y control seencarga de medir y supervisar regularmente el avance, a finde identificar las variaciones respecto al plan de gestión delproyecto, de tal forma que se tomen medidas correctivascuando sea necesario para cumplir con los objetivos delproyecto. Además, permite anticipar posibles polémicas,de modo que puedan ser tratadas antes de que se conviertan

en críticas. La aplicación apropiada de conocimientos,procesos, habilidades, herramientas y técnicas tiene unimpacto significativo en el éxito de los proyectos [1].

El desarrollo de la Dirección Integrada de Proyectos (DIP),apoyada por los sistemas informáticos profesionales, permitellevar a cabo un cronograma de ejecución y sobre este mostrarel avance del proyecto a través de un conjunto de indicadoresclaves, que reflejen su comportamiento, destacando losproblemas y sus causas para realizar la toma de decisionesa partir de una estrategia de prioridades previamenteestablecidas [2].

Sistema neuro-borroso de apoyo al control de la ejecución de proyectos


La mala gestión de proyectos y las insuficiencias en elmanejo de los datos en la DIP causan innumerables pérdidaseconómicas con elevado impacto social. Entre las principalescausas de fracaso en esta área se pueden citar:

• Falta de conocimiento de buenas prácticas y experienciaen el seguimiento y control de proyectos.

• Debilidades de las herramientas para la evaluaciónautomática o semiautomática de proyectos de maneraeficiente (tiempo y recursos) y eficaz (calidad en laclasificación).

• Dificultades en el tratamiento de la incertidumbre de losdatos y la ambigüedad.

Los avances tecnológicos en la esfera de la gestión deproyectos han posibilitado conocer en un instante la acciónque es necesario tomar para solucionar un problema. Esto sedebe a las herramientas de soporte a la toma de decisiones,que están fundamentadas en indicadores claros y medibles.No obstante, el empleo de estas herramientas continúamarcado por el uso de métodos tradicionales para el análisisde información donde se identifican los siguientes aspectos:

• Presencia de datos numéricos.• Incertidumbre en los datos, ruido provocado por errores

de medición y la apreciación de las personas.• Vaguedad en los conceptos para la toma de decisiones.Una alternativa de solución es la introducción de técnicas

de soft computing que promueven la competencia y lacalidad, en particular los sistemas de inferencia borrosos(SIB) y neuro-borrosos [3].

Con el objetivo de lograr una valoración integral en unafecha de corte del proyecto, se realiza la evaluación de unconjunto de indicadores de forma cualitativa y cuantitativa,aplicando técnicas de soft computing. Estos indicadoresestán relacionados con áreas de conocimiento claves de lagestión de proyectos correspondientes a tiempo, costos,calidad, logística y rendimiento de recursos humanos [4].Sin embargo, en ocasiones, las reglas de inferencia borrosasque procesan los indicadores se construyen a partir del juiciode expertos, lo cual introduce imprecisiones y vaguedad enlos límites de los conceptos lingüísticos. Las insuficienciasen la adaptación y el aprendizaje automático en los sistemaspara la evaluación de proyectos afectan la calidad de laclasificación en la ayuda a la toma de decisiones.

Como objetivo de este trabajo se propone un sistema neuro-borroso (SNB) con un algoritmo de aprendizaje inspirado enredes neuronales artificiales (RNA) que permitan optimizarla base de reglas existente para la evaluación de la ejecuciónde proyectos de manera eficiente y eficaz.

En la siguiente sección, se analizan las principalesinvestigaciones en el ámbito del empleo de mecanismos deapoyo al control de la ejecución de proyectos mediantehibridación con técnicas de soft computing, así comotendencias en la optimización de reglas de inferencia borrosasaplicables a dicho fin. A partir de ese análisis se decidenajustar los parámetros de las funciones de pertenencia de

los conjuntos borrosos de un sistema de inferencia mediantetécnicas basadas en redes neuronales. También se muestranlos pasos detallados que se aplican para el desarrollo delSNB. Dichos pasos incluyen la definición de un SNB híbridotipo Sugeno Grado Cero, el diseño de la topología de la redneuronal y el modelo de las neuronas de cada capa. Para laoptimización de las reglas borrosas se concibe un novedosoalgoritmo de aprendizaje supervisado basado en redesneuronales. El artículo continúa con los resultados de laaplicación del sistema en la herramienta de gestión deproyectos Xedro-GESPRO [5], con las principales vistas degeneración de reportes para la evaluación de proyectosmediante indicadores. Finalmente se arriba a lasconclusiones.

MÉTODOSComo parte de la investigación se elabora un marco teórico

sobre investigaciones en el ámbito del empleo demecanismos de apoyo al control de la ejecución de proyectosmediante hibridación con técnicas de soft computing, asícomo tendencias en la optimización de reglas de inferenciaborrosas aplicables a dicho fin. El análisis arroja lasprincipales corrientes y mecanismos existentes hasta laactualidad. Más adelante, en esta sección, se detallan lospasos definidos para el desarrollo del SNB propuesto, loscuales son:

• Definición del SIB tipo Sugeno Grado Cero.• Diseño del SNB híbrido.• Diseño de la topología de la red neuronal.• Diseño del modelo de las neuronas de cada capa.• Definición del algoritmo de aprendizaje basado en redes

neuronales.Control de la ejecución de proyectos y soft computingEn los últimos años investigaciones como las propuestas

por Dweiri [6], Bhatt [7] , Gao [8], Certa [9] y Newada [10]han recomendado soluciones teóricas basadas en técnicasde soft computing útiles para el control de la ejecución deproyectos. Lugo [4] propone un nuevo modelo para el controlde la ejecución de proyectos utilizando indicadores y lógicaborrosa, aplicado sobre una herramienta de gestión deproyectos (Xedro-GESPRO). Sin embargo, aún no seresuelven de forma práctica los problemas relacionados conel apoyo al control de la ejecución de proyectos, partiendodel uso de mecanismos de optimización de reglas borrosas,que permitan mejorar la calidad de la evaluación de laejecución en forma eficiente y eficaz. La aplicación de esteenfoque puede mejorar la toma de decisiones enorganizaciones orientadas a la producción por proyectos.

Tendencias en la optimización de reglas de inferenciaborrosas

El centro de los sistemas borrosos es la base de reglas.Cuando esta es construida solamente a partir del conocimientoadquirido por un experto o grupo de ellos, podría no funcionarcorrectamente al ser aplicada. Las principales causas sondebidas a que los expertos pueden equivocarse en cuanto a lalocalización de los parámetros correspondientes a las

Anié Bermudez Peña - José Alejandro Lugo García - Iliana Pérez Pupo - Pedro Yobanis Piñero Pérez - Gil Cruz Lemus


funciones de pertenencia de los conjuntos borrosos, respectoal número de reglas o en relación con los antecedentes yconsecuentes que la forman.

En el aprendizaje y la optimización de las reglas borrosasse pueden aplicar varios enfoques [3]:

• Generar reglas duras y transformarlas en borrosas.• Generar la base de reglas borrosas candidatas y

refinarlas.• Generar la base de reglas borrosas inicial y optimizarlas.La presente investigación se centra en el tercer enfoque.

Se parte de un conjunto de reglas inicial, que permite realizarla evaluación de proyectos según varios indicadores.

Para optimizar la base de reglas se pueden aplicar variasalternativas [3]:

• Asignarle pesos a las reglas borrosas y ajustarlos.• Modificar los parámetros de las funciones de pertenencia.• Transformar la estructura de la base de reglas.• Alguna combinación de las anteriores.El presente trabajo parte de un conjunto de reglas iniciales

que se optimizan mediante el ajuste de los parámetros delas funciones de pertenencia de los conjuntos borrosos. Paraello se tienen en cuenta casos de proyectos terminados delos que se conoce su correcta evaluación por expertosobtenida a partir del método Delphi.

En el ajuste de las funciones de pertenencia de losconjuntos borrosos sobresalen las siguientes tresestrategias [3]:

a) Métodos derivados de RNA basados en el gradiente.b) Métodos heurísticos que no usan información de

gradiente.c) Algoritmos evolutivos, principalmente Algoritmos

Genéticos (AG).La estrategia a) tiene su base en la probada efectividad de

los mecanismos de aprendizaje de las RNA, algoritmos comoel backpropagation son muy utilizados. Su principal limitaciónestá dada por la restricción que impone a las funciones depertenencia de los conjuntos borrosos, que deben serderivables ya que basan su funcionamiento en el cálculo delgradiente. Una estrategia que ha ganado en popularidad esla combinación de gradiente descendente con otrosmétodos [11]. Existen varias aplicaciones de algoritmos quesiguen la estrategia a) combinada con otro métodos, para elaprendizaje y la optimización [12,13].

La estrategia b) basa su funcionamiento en la aplicaciónde heurísticas y no de gradiente. En varios de los métodosanalizados se detecta que al realizar la modificación de losparámetros no se tiene en cuenta las relaciones entrediferentes conjuntos borrosos y se obvia el concepto devariable lingüística [3, 13].

La estrategia c) optimiza las reglas utilizando algoritmosevolutivos, especialmente AG. Este enfoque tiene comobase la probada eficiencia de los algoritmos evolutivosen la optimización y las pocas restricciones que imponena los modelos. Sin embargo, los AG clásicos presentandif icultades en la optimización de funciones coninteracciones no lineales entre las variables debido a quepor su naturaleza están preparados para el trabajo convariables independientes [13, 14].

Los SNB pertenecen a la estrategia b). Estos aúnan lacapacidad de aprendizaje de las RNA, con la facilidad detrabajo con información incierta y su traducción a reglas, delos SIB [15]. La unión de ambas técnicas permite ganar enrobustez, eficiencia, adaptabilidad y equilibrio adecuado entrepoder de predicción y facilidad de interpretación.

Se decide implementar un SNB para la optimización dereglas de inferencia borrosas que permita mejorar la calidadde la clasificación en la evaluación de proyectos durante elproceso de seguimiento y control del avance de los mismos.

Sistema de inferencia borroso tipo SugenoEl SIB aplicado se basa en un modelo tipo Sugeno [16],

caracterizado por tener entradas lingüísticas y procesar(agregar) los datos mediante un clasificador (reglas borrosas).Devuelve como salida los grados de pertenencia a los términoslingüísticos utilizados para expresar el resultado final. Estemodelo carece de desborrificador, siendo la función de salidauna combinación polinomial del resultado de agregación delas variables de entrada. Para la aplicación en problemas declasificación, con frecuencia, se utiliza el Sugeno Grado Ceropor la estructura de las reglas que este tipo de sistemarepresenta [3]. Este modelo también conocido como TSK,por sus autores Takagi, Sugeno y Kang [16], utiliza reglasde la forma: Si "x es A" y "y es B" entonces z = f(x, y), comose muestra en la figura 1. Donde A yB son conjuntos borrososen el antecedente y z usualmente es un polinomio f(x, y),cuyo grado determina el grado del modelo borroso. Cuandof es una constante al sistema borroso correspondiente se lellama "modelo borroso Sugeno de Grado Cero".

Fig. 1. Representación de bloques que ilustra el funcionamientode un SIB tipo Sugeno



Sistema de inferencia neuro-borroso híbridoExisten dos tipos de combinaciones de RNA y SIB con el

objetivo de optimizar un SIB: los sistemas cooperativos ylos sistemas híbridos. En el primer enfoque, la RNA y el SIBtrabajan independientes, la combinación radica en ladeterminación de ciertos parámetros del SIB mediante unaRNA. Se dice que el aprendizaje es offline, cuando la RNAse utiliza antes de la aplicación del SIB. Los parámetrosque se ajustan pueden ser los de las funciones de pertenenciade los conjuntos borrosos, o bien los de la estructura de lasreglas. Se dice que el SNB aprende los parámetros de formaonline cuando se ajustan durante el uso del SIB. Para ellodebe disponerse de un conjunto de funciones de pertenenciay de reglas borrosas iniciales, así como definir una medidade error que permita realizar el aprendizaje.

Los SNB híbridos presentan una arquitectura unificada;son capaces de aprender tanto online como offline, perosiempre en modo supervisado. La idea de un SNB híbrido esinterpretar la base de reglas de un SIB en términos de unaRNA, donde las variables de entrada y salida, así como lasreglas pueden verse como neuronas. Uno de los primerosmodelos de este tipo fue el Adaptive Network Fuzzy InferenceSystem (ANFIS) propuesto por Jang en 1993 [17], el cual esaplicado actualmente en disímiles esferas [18, 19]. En estetrabajo se aborda un problema de aprendizaje supervisadoen un SNB híbrido. Las principales entradas del sistemason el conjunto inicial de reglas de inferencia borrosas consus correspondientes funciones de pertenencia. Elaprendizaje se realiza a partir de un conjunto de objetos(proyectos terminados) dados como entrada, donde seconoce su clasificación correcta (bien, regular o mal). A partirde la muestra de proyectos se induce nuevo conocimiento(ajuste de los parámetros de las funciones de pertenenciade los conjuntos borrosos). Una vez entrenada la red se podráintroducir un proyecto nuevo y evaluarlo adecuadamente. Lafigura 2 muestra la representación general del SNB híbridodefinido, en el cual se ajustan los parámetros de los conjuntosborrosos mediante el cálculo del error de la clasificación queda el sistema como respuesta, contra el conjunto deentrenamiento (proyecto con clasificación correcta).

Diseño de la topología de la red orientada a nodosEl SNB tiene una topología de red orientada a nodos. Los

parámetros de las funciones de pertenencia residen dentrode los nodos. Esta topología facilita la interpretación delsistema de inferencia al no tener en cuenta pesos en lasconexiones, cuyo significado semántico con frecuencia esdifícil de explicar [3]. Las capas de la red no estáncompletamente conectadas sino que las conexiones tienenlugar a partir de la presencia de las reglas borrosas y lasrelaciones que estas representan dentro del sistema borroso.Las variables de entrada y salida, así como las reglas setratan como neuronas en la red. En la capa de losantecedentes se encuentran los conjuntos borrososcorrespondientes a los indicadores y sus funciones depertenencia, esta es la capa principal donde tiene lugar lasmodificaciones durante el aprendizaje. En la capa de losconsecuentes se encuentran los conjuntos borrososconcernientes a la evaluación del proyecto. La última capacorresponde a la evaluación final que brinda el SNB para elproyecto. La figura 3 muestra una red de cinco capasorientada a nodos representativa del problema.

Fig. 2. Esquema de un SNB híbrido para el aprendizaje de losparámetros de las funciones de pertenencia

Fig. 3. SNB con topología de red de 5 capas y orientadoa nodos

En la modelación borrosa se definen como variableslingüísticas los indicadores que permiten medir el desempeñode los recursos humanos, el costo, la calidad, el tiempo y lalogística. Como conjuntos borrosos asociados a una mismavariable, se definen los términos bajo, medio y alto;correspondientes a la evaluación parcial del proyecto enfunción del grado de pertenencia a dichos conjuntos borrososde la variable de salida.

Diseño del modelo de las neuronasEl modelo de neurona queda definido de manera diferente

para cada capa de la red. A continuación se especifica elfuncionamiento de cada capa de neuronas (entradas, saliday cálculos que realiza cada una).

Capa 1: cada unidad en esta capa representa los valorespara cada indicador que permite evaluar el proyecto. Lasneuronas solo transmiten sus entradas a los correspondientes



conjuntos borrosos (capa 2) que conforman la variablelingüística asociada al indicador en cuestión.

Capa 2: el modelo de neurona para las unidades de estacapa, almacena los parámetros de la función de pertenencia.Cada unidad se conecta a exactamente una unidad deentrada y calcula el grado de pertenencia del valor recibidoal conjunto borroso. De la función de pertenencia depende lautilidad del conjunto borroso para modelar un concepto ouna etiqueta lingüística. Para la representación y construcciónde las funciones de pertenencia se utilizan los modelosmatemáticos: funciones triangulares para el conjunto delmedio y funciones trapezoidales para los conjuntos de losextremos (alto, bajo), como se muestra en las figura 4 y 5.

Los valores de a, b, c y d son los parámetros que semodifican durante el aprendizaje supervisado de la red. Lafunción trapezoidal para los conjuntos bajos tiene a=b, asícomo para los conjuntos altos se hace c=d.

Capa 3: cada unidad en esta capa representa una reglade tipo Sugeno Grado Cero, que se conecta a suscorrespondientes antecedentes en la capa 2 y susconsecuentes en la capa 4. Las entradas de cada neuronason los grados de pertenencia del proyecto a loscorrespondientes conjuntos borrosos de la capa 2 que sonantecedentes de la regla representada por la neurona. Elresultado de cada regla se computa a partir de la sumapesada de la evaluación de los conjuntos borrosos contenidosen sus antecedentes, donde cada indicador tiene un gradode responsabilidad en la evaluación del proyecto.

Capa 4: las unidades de esta capa son constantes querepresentan las clases del SIB. Dichas clases correspondena la evaluación del proyecto de forma general: bien, regular ymal. Cada nodo de la capa de consecuentes computa todaslas respuestas de las reglas relacionadas con él, devolviendoel mayor valor.

Capa 5: la neurona de salida se encarga de conformar larespuesta final del SNB híbrido, a partir del análisis de losnodos consecuentes presentes en la capa 4. El consecuenteque indica el mayor grado de pertenencia es devuelto comorespuesta del sistema.

Definición del algoritmo de aprendizaje del SNBEste SNB es entrenado mediante un novedoso algoritmo

de aprendizaje basado en RNA [3], que permite la utilizaciónde funciones de pertenencia que no sean derivables. Su nivelcomputacional no es elevado. Aporta un enfoque híbrido dondese potencian las ventajas de cada estrategia. Este métodode aprendizaje tiene en cuenta el concepto de variablelingüística y la interrelación entre los conjuntos borrosos deuna misma variable lingüística. Para ello los elementos delas funciones de pertenencia se dividen en parámetros deposición y de amplitud, permitiendo determinar la localizacióny el solapamiento entre las funciones triángulorespectivamente. En la figura 4 el parámetro b es posición,mientras que a y c son parámetros de amplitud. En elmomento de la modificación se calcula un término delta quese suma o resta al parámetro en cuestión.

Fig. 4. Representación de función de pertenencia triangular, aplicada en la capa 2 de la red

Fig. 5. Representación de función de pertenencia trapezoidal, aplicada en la capa 2 de la red



A continuación se muestran los pasos del algoritmo parala optimización de la base de reglas.

Paso 1: Inicializar:1.1 Configuración del sistema de inferencia borroso, que

contiene los parámetros de las funciones de pertenencia delos conjuntos borrosos.

1.2 Contador de iteraciones en 1.1.3 Vector de transformaciones para cada conjunto

borroso en (0,0), que contiene dos componentes para indicarla dirección de las modificaciones de los parámetros delconjunto borroso (posición y amplitud), donde un valor negativoindica un desplazamiento hacia la izquierda, un valor 0significa no transformación y un valor positivo significa undesplazamiento hacia la derecha.

Paso 2: Inicializar contador de casos correctamenteclasificados en la configuración actual igual a cero.

Paso 3: Para cada uno de los proyectos p del conjunto deentrenamiento no procesados en la actual iteración:

3.1 Clasificar p, propagándolo por el conjunto borroso, ycalcular el error que cometió cada uno de los consecuentes.El error es la diferencia entre el valor real y el esperado. Esteúltimo es 0 si la clase a la que pertenece p es distinta de laque representa la componente y 1 en caso contrario.

3.2 Si el caso p fue correctamente clasificado, incrementaren 1 el contador de clasificaciones correctas.

3.3 Para cada regla de inferencia borrosa, calcular el errorque cometió al clasificar al objeto p. Ver ecuación 1.

Ecuación 1: Cálculo del error de la regla i al clasificar alobjeto p.

)-)(-(1 pRipRipRipRipRi DYYYE

ERip: toma valores entre -1 y 1.YRip: es el valor resultante de clasificar a p utilizando la

regla i.DRip: es el valor de la salida esperada para esta regla

respecto a p; es 0 si la clase a la que pertenece p es distintaal consecuente de la regla Ri y 1 en caso contrario.

3.4 Para cada conjunto borroso, calcular su grado deresponsabilidad en el error cometido por las reglas al clasificaral objeto p. Ver ecuación 2.

Ecuación 2: Cálculo de la responsabilidad del conjuntoborroso j en la clasificación del objeto p.

1E1

1i),ant(

1iE),(

)-(1

j ps

RB

iRjs

RB

i pRiRj

sant

j psYj psY

j psE

Donde ),ant( ijs R es 1 si el conjunto borroso sj

pertenece a la regla Ri y 0 en caso contrario.Ysjp es el grado de pertenencia al conjunto borroso sj del

valor del atributo de p.

3.5 Para cada conjunto borroso sjp, calcular su vector detransformación ppjp

s ,V a partir de sucomportamiento en la clasificación del caso p. Verecuación 3.

Ecuación 3: Cálculo del vector de transformación para lasfunciones triangulares.

ps jp

pp Evbsigno

vbsigno )(

21)(

ps jp

pp Evbsigno

vbsigno )(

2)(1

Paso 4: Para cada conjunto borroso sj, calcular el errorcometido en la clasificación del conjunto de entrenamientoen la presente iteración. Ver ecuación 4.

Ecuación 4: Cálculo del error de cada conjunto borroso.

n

E

Epj

s

js

n

1p'

s

jj

sj

sj

s EEE1

''

Donde |s| representa la cantidad de conjuntos borrososque forman parte de la variable lingüística s.

Paso 5: Calcular el vector de transformación del conjuntoborroso j respecto a cada uno de los casos p del conjuntode entrenamiento. Ver ecuación 5.

Ecuación 5: Cálculo del vector de transformación de cadaconjunto borroso.

1,1),(V1),(n

1

quetal

nV

ppppj j

Paso 6: Si se cumple la condición de parada terminar,sino continuar. La estrategia seguida está compuesta poruna cota de cantidad de iteraciones y un porcentaje de casosclasificados correctamente.

Paso 7: Ajustar los parámetros de los conjuntos borrososde la configuración actual teniendo en cuenta el error cometidodurante la clasificación del conjunto de entrenamiento.

7.1 Calcular el vector de transformación = sen(2T/k), 0< < 1, donde T indica el número de la iteración actual y

2, kINk es un valor que regula la frecuencia derepetición de dicho factor.

7.2 Construir una nueva configuración del sistema borrosoa partir de la configuración actual y la configuración anterior.



principios de accesibilidad para el trabajo de personascon discapacidad visual. Se incluyen en el cuadro demando integral, una explicación de la inferencia basadaen la respuesta del sistema respecto a la certidumbreen la inferencia de cada clase, como se muestra en lafigura 6.

Fig. 6. Vista de los indicadores generados a nivel de proyecto(reporte de Xedro-GESPRO)

Tabla 1Principales indicadores propuestos por áreas de conocimiento [4]

Indicadores Áreas de conocimiento en laGestión de Proyectos

Evaluación de la ejecución delproyecto

Gestión de integración

IRE (Índice de rendimiento de laejecución)

Gestión del cliente y loscompromisos

IRP (Índice de rendimiento de laplanificación) Gestión de tiempo

IRC (Índice de rendimiento de loscostos) Gestión de costos

IREF (Índice de rendimiento de laeficacia) Gestión de alcance y calidad

IRRH (Índice de rendimiento delos recursos humanos) Gestión de Recursos Humanos

IRL (Índice de rendimiento de lalogística) Gestión de logística

ICD (Índice de calidad del dato) Consistencia de la información

0

sEcccii j1

Dccii

1

,

11

iicc

11

iiaa

)(.1

signoaaa

ii

)(.,

1

signocccii

Ver ecuación 6.Ecuación 6: Cálculo de la nueva configuración del sistema

de inferencia borroso.

Si T = 1 se considera y

Sino sj

iiEaaa

1 ,

Si ( ) entonces

Sino

Paso 8: Incrementar en 1 el contador de iteraciones yretornar al paso 2.

El algoritmo garantiza por su propia definición, unaprendizaje independiente del orden en que aparecen loscasos del conjunto de entrenamiento, ya que lamodificación de los parámetros de los conjuntos borrososse realiza en correspondencia con el error cometidodurante la clasificación del conjunto de entrenamiento yno de forma secuencial a medida que se procesan loscasos.

RESULTADOSDesarrollado por el Laboratorio de Investigaciones en

Gestión de Proyectos de la Universidad de las CienciasInformáticas, Xedro-GESPRO es una Suite de Gestiónde Proyectos basada en software de código abierto. Enesta, se aplican resultados con valor agregado para elproducto [20-23] y el SNB propuesto.

Xedro-GESPRO permite la DIP mediante el control porcortes de indicadores relacionados con áreas deconocimiento claves de la gestión de proyectoscorrespondientes a tiempo, costos, calidad, logística yrendimiento de recursos humanos, calculados de formaautomática mediante frecuencia configurable ( tabla 1).

Con el objetivo de lograr una valoración integral delproyecto en el corte, se sugiere la evaluación de losindicadores de forma cualitativa (bien, regular o mal) ycuantitativa, aplicando técnicas de soft computingmediante el uso de sistemas de inferencia borrosos quepermiten evaluar y ponderar los indicadores. Losindicadores y la evaluación de la ejecución del proyectose presentan en un cuadro de mando integral soportadopor un sistema de colores y texto que indican laevaluación. La combinación de colores y texto garantiza

,

)(.2 signocaD

,1

Daaii

Dbbii

1



La combinación de colores y texto garantiza principiosde accesibilidad para el trabajo de personas condiscapacidad visual. Se incluyen en el cuadro de mandointegral una explicación de la inferencia basada en larespuesta del sistema respecto a la certidumbre en lainferencia de cada clase.

Se presenta además en el sistema Xedro-GESPRO,un conjunto de reportes organizados por áreas deconocimiento que complementan la toma de decisionesy permiten generar información detallada del proyecto ocentro, como se muestra en la figura 7.

Estos indicadores, una vez calculados, son guardadosen una base de datos histórica de proyectos terminados,donde se almacena además una evaluación periódica deexpertos (utilizando el método Delphi-salida esperada) adichos proyectos en fechas de corte específicas. Estafuente de información sirve como base para el aprendizajey optimización de reglas borrosas existentes.

Para la validación del SNB se emplearon dos mecanismos.El primero, compara la clasificación obtenida por el SNBmediante un procedimiento de validación cruzada. En este,el algoritmo del SNB ajusta las reglas al tener comocondición de parada en el entrenamiento de la red unacantidad de iteraciones máxima y una cota de error E(diferencia entre la salida deseada y la salida calculada porla red) establecida inicialmente, donde E es losuficientemente pequeño como para no afectar el resultadoglobal. El segundo mecanismo toma una muestra de150 proyectos de una base de datos de proyectos terminados,que sirven como casos de entrenamiento. En la tabla 2 sepresenta un fragmento de los resultados obtenidos, dondelas tres últimas columnas muestran, para cada proyecto,dada una fecha de corte: la evaluación de expertos empleandoel método Delphi, la evaluación dada por el sistema de reglasde inferencia borrosas construidas a partir del juicio deexpertos y la evaluación dada por el SNB propuesto.

Fig. 7. Vista de reporte de la clasificación de los proyectos mediante SNB tipo Sugeno Grado Cero



DISCUSIÓNUtilizando como salida esperada de los casos de

entrenamiento, la evaluación obtenida por el método Delphi(tabla 2), se observa una mejora en la clasificación dada porel SNB (91 %) en comparación con la clasificación delsistema de reglas de inferencia borrosas construidas a partirdel juicio de expertos (72 %). Los datos empleados fueronsometidos a un proceso de preprocesamiento (selección,limpieza y transformación), con el objetivo de obtener unconjunto representativo de proyectos del universo de discursodonde fueron realizadas las pruebas.

El mecanismo automatizado que almacena el valor de losindicadores por proyectos se ejecuta semanalmente. Estopermite contar con una base de conocimiento confiable yactualizada obtenida con un mínimo de esfuerzo y erroresen las operaciones de cálculo. Se promueve una evaluaciónperiódica por expertos con frecuencia semestral de losproyectos almacenados en la base de datos de proyectosterminados, que permita contar con una base de casos deentrenamiento actualizada acorde al nivel de madurez de lagestión en la organización. Lo anterior implica, que el SNBdebe ejecutarse para optimizar las reglas de inferenciaborrosas existentes y con esto mejorar la calidad en laclasificación.

El SNB aplicado ha incidido positivamente en lasfuncionalidades de ayuda a la toma de decisiones de laherramienta Xedro-GESPRO, dándole un alto valor agregadoa este producto. Xedro-GESPRO está siendo utilizado pormás de 6 000 usuarios en las siguientes entidades: Red deCentros de Producción de la Universidad de las CienciasInformáticas, Empresa Copextel División Tecnostar, entreotros centros cubanos vinculados al desarrollo de proyectospara la industria del software.

CONCLUSIONESLa presente investigación expone como principal resultado,

la aplicación de un sistema neuro-borroso de apoyo al controlde la ejecución de proyectos, a través del cual se puedearribar a las siguientes conclusiones:

1. Las fuentes de datos relacionadas con la gestión deproyectos presentan imprecisión, vaguedad en los conceptose incertidumbre en la información, situación donde el uso detécnicas de soft computing arroja buenos resultados para laclasificación.

2. Las ventajas que aporta el SNB propuesto aplicado alos productos y servicios brindados por Xedro-GESPRO, estánasociadas con la mejora continua de herramientas para latoma de decisiones que se adapten a las condicionescambiantes de los negocios y permitan la evaluación deproyectos en forma personalizada.

3. Xedro-GESPRO es comercializado bajo licencia GPL(General Public Licence) y la inclusión de técnicas de softcomputing permite elevar la competitividad de este productocon un alto valor agregado, en comparación con otrasherramientas libres y propietarias para la toma de decisionesen la gestión de proyectos existentes hasta la actualidad.

4. El SNB propuesto, permite optimizar la base de reglasvigentes de manera eficiente y eficaz, mejorando la calidadde la evaluación y con ello, el control de la ejecución y latoma de decisiones en las organizaciones orientadas a laproducción por proyectos.

REFERENCIAS1. PMI. Project Management Body of Knowledge

(PMBOK). Pennsylvania, EE.UU.: PMI Publications.Project Management Institute. 2009. pp. 51-58. ISBN1-930699-73-5.

Tabla 2Extracto de información em pleada para validar el SNB

Fecha decorte Proyecto IRE IRP IRC IREF IRRH IRL ICD Eval. expertos

Método DelphiEval. SIB reglasexpertos

Eval. SNBpropuesto

14/12/2013 P1 1,36 1,06 0 0,52 82,3 0 1 B B B

14/12/2013 P2 1,26 1,33 0 0,29 50 0,99 1 R B B

14/12/2013 P3 1,21 1,06 0 0,54 82,3 0 0,99 B R B

14/12/2013 P4 1,19 1,04 0 0,59 81,1 0,99 1 B R B

14/12/2013 P5 1,19 1,09 0 0,54 82,15 0 0,99 R M R

… … … … … … … … … … … …

14/12/2013 P150 1,16 1,00 0 0,72 79 0 0,97 B R B



2. DELGADO, Roberto. La Dirección Integrada de Proyectocomo Centro del Sistema de Control de Gestión en elMinisterio del Poder Popular para la Comunicación y laInformación. Caracas, Venezuela: CENDA, 2011,pp. 8 -13: ISBN 9591602513.

3. PIÑERO, Pedro Y. "Un modelo para el aprendizaje y laclasificación automática basado en técnicas desoftcomputing". Tutor: María M. García.Tesis dedoctorado, Departamento de Ciencias de la Computación,Universidad Central de las Villas, Villa Clara, Cuba, 2005.

4. LUGO, José A. "Modelo para el control de la ejecuciónde proyectos basado en indicadores y lógica borrosa".Tutor: Pedro Y. Piñero.Tesis de maestría, Laboratorio deGestión de Proyectos, Universidad de las CienciasInformáticas, La Habana, Cuba, 2012.

5. PIÑERO, Pedro Y. et. al. "GESPRO. Paquete para lagestión de proyectos". Revista Nueva Empresa, LaHabana, Cuba, 2013, vol. 9, núm. 1, pp. 45-53.ISSN 1682-2455.

6. DWEIRI, F.; KABLAN, M. "Using fuzzy decision makingfor the evaluation of the project management internal effi-ciency". Decision Support Systems, Jordan, Elsevier,2006, vol. 42, núm. 2, pp. 712-726.

7. BHATT, M. "Project Classification Using Soft Comput-ing". En International Conference on Advances in Com-puting, Control & Telecommunication Technologies,IEEE Computer Society, Washington. 2010, pp. 537-539,ISBN 978-1-4244-5321-4.

8. GAO, H. "A fuzzy-ANP approach to project managementperformance evaluation indices system". En InternationalConference on Logistics Systems and Intelligent Man-agement. IEEE. 2010, pp. 273-277. ISBN 978-1-4244-7331-1.

9. CERTA, A.; ENEA, M.; GIALLANZA, A. A Synthetic meas-ure for the Assessment of the Project Performance. Ed.Springer. P. Taticchi-Business Performance Measurementand Management. Berlin, Sringer-Verlag, 2010,pp.167-180.

10. MEWADA, K. M.; SINHAL, A.; VERMA, B. "AdaptiveNeuro-Fuzz y Inference System (ANFIS). Based SofwareEvaluation" DCSI International Journal y Computer Sci-ence Issues, 2013, 10(1): pp. 244-250. ISSN 1694-0814.

11. PAL, Sankar K.; MITRA, Sushmita; MITRA, Pabitra."Rough Fuzzy MLP: Modular Evolution, Rule Generationand Evaluation", IEEE Trans. on Knowledge and DataEngineering. 2003, vol. 15, núm. d, pp. 14-25,ISSN 10414347.

12. CASTELLANO, G., et al. "Knowledge discovery by aneuro-fuzzy modeling framework", Fuzzy Sets and Sys-tems. 2005, vol. 149, núm. d, pp. 187-207.ISSN 01650114.

13. PEDRYCZA, Witold; REFORMATA, Marek. "Geneti-cally optimized logic models", Fuzzy Sets and Systems.2005, vol. 150, núm. 2, pp. 351-371. ISSN 01650114.

14. COTTA, C.; MOSCATO, P. "Evolutionary Computa-tion: Challenges and Duties". En Frontiers of Evolu-tionary Computation, Boston MA: Editor A. Menon.Kluwer Academic Publishers . 2004, pp. 53-72.ISBN 1-4020-7782-3.

15. ALMEJALLI, Khaled. "Intelligent Real-Time DecisionSupport Systems for Road Traffic Management". Tutor:Keshav Dahal. Tesis de doctorado, Department of Com-puting, University of Bradford, Bradford, Inglaterra, 2010.

16. TAKAGI, T.; SUGENO, M. "Fuzzy identification of sys-tems and its application to modeling and control",IEEE Transactions on Systems Man, and Cybernetics,1985, vol. 15, núm. 1, pp. 116-132. ISSN 00189472.

17. JANG, Jyh-Shing R. "ANFIS: Adaptive-Network-BasedFuzzy Inference Systems". IEEE Transaction SystemsMan & Cybernetics, 1993, vol. 23, núm d, pp. 665-685.ISSN 00189472.

18. THIPPARAT, Thoedtida. Application of Adaptive NeuroFuzzy Inference System in Supply Chain ManagementEvaluation. En Fuzzy Logic Algorithms, Techniques andImplementations, Thailand: Dadios. 2012, pp. 115-126.ISBN 978-953-51-0393-6.

19. PRAYNLIN, E.; LATHA, P. "Estimating Development Ef-fort of Software Projects using ANFIS". En InternationalConference on Recent Trends in Computational Meth-ods, Communication and Controls (ICON3C 2012). 2012,International Journal of Computer Applications. ISSN09528091.

20. LUGO, José A., et al. "Soft Computing para la toma dedecisiones durante el control de la ejecución deproyectos". En II Taller Internacional de CienciasComputacionales e Informáticas (CICCI'2013) .La Habana, Cuba, 2013. ISBN 978-959-7213-02-4.

21. PÉREZ, Iliana, et al. "Modelo para el aprendizajeautomático. Aplicación en la Dirección Integrada deProyectos". En II Taller Internacional de CienciasComputacionales e Informáticas (CICCI'2013) .La Habana, Cuba, 2013, ISBN 978-959-7213-02-4.

22. LUGO, José A.; PIÑERO, Pedro Y.; DELGADO,Roberto. "Indicadores para el control y evaluación deproyectos en la herramienta GESPRO 11.05". EnUCIENCIA, 2012, La Habana, Cuba,pp. d. ISBN 978-959-286-019-3.

23. LUGO, José A. et al. "Colección automática de métricashacia un repositorio de mediciones". Revista FacultadIngeniería, Universidad Antioquia, Medellín, Colombia,2011, vol. d, núm. 58, pp. 199-207. ISSN 0120-6230.



AUTORESAnié Bermudez PeñaIngeniera en Ciencias Informáticas, Asistente, Universidadde las Ciencias Informáticas (UCI), La Habana, Cuba

José Alejandro Lugo GarcíaIngeniero en Ciencias Informáticas, Máster en Gestión deProyectos Informáticos, Asistente, UCI, La Habana, Cuba

AbstractDuring execution control to their projects, organizations employ dissimilar tools to assist specialistsin decision -making. In order to achieve a comprehensive evaluation of the project, a set of keyindicators (time, cost, quality, logistics and human resource performance) are examined by applyingsoft computing techniques using fuzzy inference systems. However, sometimes the fuzzy inferencerules that evaluate indicators are constructed from the judgment of experts, which introducesimprecision and vagueness in the boundaries of linguistic concepts. In this paper, a neuro-fuzzysystem for projects execution control support which optimizes the existing rules base efficiently andeffectively is proposed. The potential benefits of the proposal are related with decision-makingimprovement in organizations to projects-oriented production.

Key words: decision-making, neuro-fuzzy system, fuzzy rules optimization, projects executioncontrol, soft computing

Neuro-Fuzzy System for Projects Execution Control Support

Iliana Pérez PupoIngeniera en Ciencias Informáticas, Máster en Gestión deProyectos Informáticos, Asistente, UCI, La Habana, Cuba

Pedro Yobanis Piñero PérezLicenciado en Ciencias de la Computación, Doctor enCiencias Técnicas, Profesor Auxiliar, UCI, La Habana, Cuba

Gil Cruz LemusIngeniero Químico, Doctor en Ciencias Técnicas, ProfesorAuxiliar, Instituto Superior Politécnico José AntonioEcheverría, Cujae, La Habana, Cuba

Recibido: 22 de mayo del 2014 Aprobado: 8 de julio del 2014


Evaluación de alternativasde alimentación en una refineríade petróleo usando un simuladorde procesos

INGENIERÍA DEL PETRÓLEO

ResumenUna refinería procesa un crudo mediano que solo le permite operar 80 días al año debido a la declina-ción de los pozos que la abastecen. Con vistas a garantizar una mejor explotación de la capacidadinstalada se propone el análisis de alternativas de inyecto en base a la disponibilidad de materiasprimas en otras regiones del país, las cuales al ser más pesadas y viscosas exigen de dilución.Aprovechando la ubicación geográfica y la demanda se visualiza el enfoque hacia la conveniencia dela obtención de asfalto y de una fracción amplia con uso en los yacimientos petrolíferos para reducirviscosidad; por lo que resulta atractivo valorar las posibilidades mediante el empleo del modelo desimulación obtenido previamente con el uso del simulador profesional HYSYS (versión 2.2), comple-mentando la información para validar resultados con una corrida de prueba con una de las alternativaspropuestas (crudo pesado diluido con solventes del crudo habitual) confirmatoria de la convenienciade la opción escogida y asociada con atractivos beneficios económicos.

Palabras claves: petróleo, destilación, simulación, refinación, evaluación


Anelys Armengol Gálvez Artículo OriginalCorreo electrónico:[email protected] de Investigaciones del Petróleo, La Habana, Cuba

Rafael Franco RicoCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, La Habana, Cuba

Ricardo Abeledo RodríguezCorreo electrónico:[email protected] de Investigaciones del Petróleo, La Habana, Cuba

Laura Pupo PérezCorreo electrónico:[email protected] de Investigaciones del Petróleo, La Habana, Cuba

INTRODUCCIÓNBaja capacidad de inyecto, ausencia de procesos

secundarios y una ubicación relativamente cercana a unarefinería en fase de expansión constituyen rasgos de unaindustria cuyo fundamental sostén se asocia con elprocesamiento de un crudo mediano con propiedades quepermiten la producción de aceite de uso en la industriaeléctrica; sin embargo, el gradual agotamiento en ladisponibilidad del citado petróleo, unido a especificacionesdel mercado basadas en la existencia de otras materiasprimas adecuadas para la producción de asfaltos [1] (concalidad superior a la producida en otras instalaciones del

país) y una fracción corte amplio idónea para utilizar encalidad de diluente reductor de viscosidad en crudos pesados(en lugar de nafta) permiten visualizar un escenario demayores beneficios.

Analizar dicho escenario a partir del conocimiento depropiedades físicas y químicas de los materiales involucradosy de los aspectos tecnológicos característicos de dichaindustria, mediante el uso del modelo obtenido en elsimulador HYSYS, permitirá esclarecer interrogantes yorientar políticas que concedan vigencia socio-económica ala industria de referencia en el presente estudio.

Evaluación de alternativas de alimentación en una refinería de petróleo usando un simulador de procesos


El objetivo del presente trabajo es proponer alternativas deinyecto a dicha refinería que garanticen su producción establedurante 250 días al año, a partir de experiencias análogasen otras instalaciones [2-4].

MATERIALES Y MÉTODOSSe definen posibles inyectos a procesar en la refinería, lo

que arroja la disponibilidad de emplear: un crudo pesadonacional (M1) y el fondo de torre atmosférica (M2) de unarefinería cercana que no presenta torre de destilación al vacío.Se determinan las propiedades físico - químicas y distribuciónde productos a nivel de laboratorio, se comparan con el crudotradicionalmente procesado en la refinería y se consideraconveniente la dilución de dichas materias primas con el finde evitar perjuicio en la instalación. El criterio propuestopersigue lograr un inyecto de características similares alusualmente utilizado para garantizar los parámetrosoperacionales en tuberías y equipos. En el caso del crudopesado también para recuperar las fracciones ligeras que,aunque representan una pequeña cantidad, puedensobrecargar la torre de destilación al vacío (T-201) y en el deM2 para que pueda funcionar la torre atmosférica.

Para la dilución existe disponibilidad de mezclaqueroseno-diésel (S1) y nafta (S2) obtenidas de la destilacióndel crudo habitual para ser empleados como solventes conel objetivo de mejorar las alternativas de inyecto. Dichossolventes se recirculan en el proceso.

Mediante el empleo de técnicas de optimización sedeterminan las proporciones de mezclas necesarias [5,6], apartir de las materias primas disponibles (M1, M2, S1 y S2),para lograr alternativas de inyecto con rendimientos deproductos de torre atmosférica similares a los del crudoreferente, así como de propiedades físico-químicas para queopere adecuadamente.

Se toma como función objetivo minimizar la sumatoria delos errores relativos entre las distribución de productosobtenidos y la de las mezclas planteadas, como se muestraen la ecuación (1).

1

n

iiErMINFO (1)

donde:FO: Función objetivo.Er: Error relativo.En función de la cantidad de posibles inyectos y de

solventes se analizan 11 mezclas de las que se excluyenlas mezclas M2+M1 y S1+S2 por carecer de sentido práctico.

Se plantea el balance global de materiales como semuestra en la ecuación (2).

totalS2S2S1S1M2M2M1M1 =m+++ mkkmkmkm

(2)

donde:m: Masa (kg).k: Variable binaria (1- Se emplea en la mezcla, 0- no se

emplea en la mezcla).Se calcula la fracción másica (w) de cada producto en la

mezcla como se aprecia en la ecuación (3).

i M1 i c i S1M1 M1 M2 M2 S1 S1

i S2S2 S2

total

m

mi

m w k m w k w k

w kw

m

(3)

Siendo i representativa de cada producto.Posteriormente se calculan los errores relativos con

respecto al crudo habitual, ecuación (4).

iP

iiPi w

wwEr

= (4)

La metodología de cálculo se programa en Microsoft Excel2007 y mediante la herramienta Solver de Excel se realiza laoptimización.

Las tres mejores alternativas de mezclas se realizan yanalizan en el laboratorio para la determinación de suspropiedades físico-químicas y temperatura de ebulliciónverdadera (TBP), y se comparan estadísticamente con lasdel crudo de referencia para la validación del procedimientode optimización.

Una vez logrado lo anterior, se predice el comportamientode la instalación frente a las alternativas de inyectoseleccionadas, mediante el uso del modelo de simulaciónde la refinería obtenido en un trabajo previo usando elsimulador profesional HYSYS (versión 2.2) [7-9].Posteriormente se realiza una corrida de prueba con lamezcla M1+S1+S2, pues se careció de M2. Los resultadosobtenidos se comparan con los medidos en la corrida deprueba para la validación de las predicciones del modelo desimulación para esta mezcla.

RESULTADOS Y DISCUSIÓNDada la complejidad de la destilación por el amplio número

de componentes que conforman el petróleo y las característicastecnológicas que tipifican el proceso resulta engorrosa lapredicción del comportamiento de la planta ante variacionesen la materia prima, siendo la razón principal por la que serecurre a la optimización y al uso del modelo de simulaciónobtenido mediante el empleo del simulador HYSYS comoherramientas oportunas para la toma de decisiones.

Alternativas de inyectoEn el laboratorio se determinan las principales propiedades

físico-químicas de los posibles inyectos (M1 y M2) y secomparan sus curvas de temperatura de ebullición verdadera(TBP) y los rendimientos teóricos con el crudo a comparar(figura 1).

Anelys Armengol Gálvez - Rafael Franco Rico - Ricardo Abeledo Rodríguez - Laura Pupo Pérez


Las posibles alimentaciones poseen bajos rendimientosde destilados en la torre atmosférica (T-101) en relación conlos obtenidos a partir del crudo habitual lo que conlleva aproblemas de operación en la T-101 tales como: solapamientoentre los cortes e insuficiente nafta para generar el reflujoadecuado en el tope que traería consigo sequedad en latorre o aumento de la temperatura del tope obteniéndosecortes fuera de especificación.

A razón de que las propiedades físico-químicas así comola distribución de productos de M1 y del M2 difieren del crudotradicionalmente procesado en la refinería en estudio y debidoa que no existen criterios tecnológicos establecidos paratomar una decisión en cuanto a la capacidad de asimilaciónde los mismos, sin perjuicio de la instalación, se consideraconveniente efectuar la dilución de dichos crudos. El criteriopropuesto persigue lograr un inyecto de característicassimilares al usualmente utilizado para garantizar losparámetros operacionales en tuberías y equipos. En el casodel M1 también para recuperar las fracciones ligeras que,

aunque representan una pequeña cantidad, puedensobrecargar la torre de destilación al vacío y en el de M2para que pueda funcionar la torre atmosférica.

Determinación de la mezcla óptima para inyectoA partir de los inyectos disponibles y de solventes

existentes en la planta (mezclas queroseno - diésel (S1) ynafta (S2)) se proponen realizar mezclas que sirvan comoinyecto a la refinería mediante la ejecución de un algoritmode optimización que tiene como objetivo minimizar lasdiferencias entre las mezclas obtenidas y el crudo habitual.En la tabla 1 se muestran las alternativas más viables.

Fig. 1. Comparación de los posibles inyectos con la del crudohabitual

Tabla 1Composición delas mezclas más viables

N° MezclaFracción másica

M1 M2 S1 S2

1 M1+S1+S2 0,652 - 0,323 0,025

2 M2+S1+S2 - 0,637 0,306 0,057

3 M1+M2+S1+S2 0,436 0,257 0,271 0,036

La mezcla M1+M2+S1+S2 es la óptima y también puedenconsiderarse las mezclas M2+S1+S2 y M1+S1+S2 queresultan válidas para las situaciones en que no se dispongade alguno de los inyectos. Por otro lado resulta prohibitivoprescindir de uno de los solventes ya que no se logra unadecuado balance de productos.

Del análisis de laboratorio se tiene que las densidades delas mezclas son, en todos los casos superiores a la delcrudo habitual aunque no divergen más del 2,43 %. Estaligera desviación puede deberse a la ausencia de gasesdisueltos, a la presencia de cantidades importantes deasfáltenos en M1 y M2 y a la diferente naturaleza químicade estos en relación con el crudo de referencia. La naturalezade los inyectos también genera desviaciones en las curvasde destilación, sobre todo en la zona de temperaturas deebullición superiores a 400 °C (figura 2). Esto se debe a quela metodología seguida para confeccionar las mezclaspersigue lograr un adecuado funcionamiento de la torreatmosférica y por otra parte los cortes correspondientes avacío muestran las características propias del crudoempleado ya que los solventes utilizados no presentancomponentes en este intervalo de temperaturas de ebullición.No obstante un análisis estadístico muestra que no existendiferencias significativas entre las curvas de destilaciónobtenidas y la del crudo para 95 % de confianza.

Como las propiedades físico-químicas de las mezclasrealizadas en el laboratorio se asemejan a las del crudo basese decide implementarlas en el modelo de simulaciónobtenido. Se introduce en cada caso los datos en el ambientede petróleo y se corre el modelo de simulación con el nuevoinyecto manteniendo constante los parámetros operacionalesdel sistema. Se comparan las propiedades físico-químicas

a)

b)



fundamentales de los productos obtenidos en la torreatmosférica en el modelo de simulación operando con lasmezclas y los que se obtienen en operación normal, entrelas que se encuentra la densidad (figura 3).

La mezcla Q+D que se obtiene no muestra diferenciassignificativas con respecto al S1 empleado, pudiéndoseemplear nuevamente. Por su parte la nafta que se obtieneen todos los casos resulta más pesada y puede, al cabo devarios ciclos de empleo, comenzar a diferir significativamentedel S2 y afectar la operación de la torre. Como soluciónpaliativa se puede plantear su dilución con pequeñascantidades de nafta para llevarla a las condiciones iniciales.

Comparación de los perfiles de temperatura respectoal caso base

En la figura 4 se muestra el perfil de temperatura de lastorres utilizando las mezclas y el crudo base. El de T-101muestra un comportamiento muy similar en todos los casosdebido a que los inyectos empleados presentan distribuciónteórica de productos de torre atmosférica similar. En laT-201 el perfil de las mezclas difiere del crudo habitual en losplatos intermedios, pues se toma como estrategia desimulación el mantenimiento de las temperaturas de tope,fondo y zona de vaporización instantánea. Esto es debido aque las mezclas presentan diferente naturaleza química ypor tanto se obtienen otras distribuciones de productos, sobretodo en lo que respecta al fondo de torre de vacío.

Fig. 2. Comparación de las TBP de posibles inyectos con la delcrudo base (laboratorio). Simulación de la instalación con lasmezclas propuestas para inyecto

Fig. 3. °API de los productos de destilación atmosféricasimulados

Las mezclas poseen cantidades similares de productosde torre atmosférica. Sus productos presentan densidad ycurvas de destilación semejantes. No obstante, se observadiferencia en la densidad de los cortes de nafta que puedeestar asociado a la ausencia de gases disueltos en lasmezclas, que provoca además que a la salida del horno existauna mayor cantidad de componentes pesados en fase vapor,los cuales son arrastrados hacia el tope de la torre yaumentan la densidad de las fracciones ligeras,incrementando el solapamiento entre los cortes. Estaproblemática se hace evidente en la reducción del flujo dediésel. También se observa que para el procesamiento delas mezclas se requiere un aumento del reflujo externonecesario para garantizar el mantenimiento de la temperaturaen el tope de la torre.

a) T-101

b) T-201

Fig. 4. Perfil de temperatura obtenido del modelo de simulación



Operación del banco de intercambio de calor con lasalternativas de inyecto

Cuando se procesan las mezclas el crudo sale más calientedel banco de intercambio que cuando utiliza crudo habitualdebido a que estos tienen mayor rendimiento de fondo detorre de vacío, producto de mayor temperatura y capacidadcalorífica, así como por el aumento de la producción dequeroseno, el incremento del solapamiento con el corte dediesel en T-101 y del reflujo de tope en T-201. El empleo delas mezclas permite un ahorro de combustible en el hornoque le precede a la torre atmosférica lo que resulta positivodesde el punto de vista económico (tabla 2).

Estas desviaciones pueden estar dadas por la unión de loserrores en el mezclado a la hora de obtener el inyecto, loserrores de medición de caudales en los tanques así comolas desviaciones propias del modelo de simulación. Noobstante se considera que el modelo obtenido predice deforma adecuada la operación del sistema, teniendo en cuentala complejidad del mismo y las consideraciones para suconfección.

La figura 5 muestra los resultados de los °API de losproductos simulados respecto a los obtenidos en la corridade prueba. El error relativo con relación a la densidad paratodos los productos es inferior a 2,5 % con excepción delfondo de torre de vacío (FTV) que es 3,4 %.

Fig. 5. Comparación de los °API de los productos de los cortesreales con los simulados

Fig. 6. Comparación de las curvas de destilación de nafta

Tabla 2Ahorro de combustible en el horno F-101 utilizando las alternativas deinyecto

Respecto al crudohabitual M1+M2+S1+S2 M2+S1+S2 M1+S1+S2

Ahorro de combustible(kg/h) 45,93 64,46 11,36

Porcentaje delcombustible empleado(%)

14,0 19,8 3,5

Análisis de una corrida de prueba empleando comoinyecto M1+S1+S2

En el tiempo disponible para la realización del trabajo sedecide para corroborar la validez de las predicciones delmodelo de simulación utilizar la mezcla M1+S1+S2 en lasproporciones antes planteadas. Se procede a realizar lacorrida de prueba, a continuación se muestran los resultadospredichos y los obtenidos en la planta.

Se comparan los flujos obtenidos en la corrida de pruebacon los del modelo de simulación (tabla 3). Los resultadosson cercanos a la simulación, reportándose los mayoreserrores en aquellas corrientes cuyos flujos son menores.

Tabla 3Flujos de productos medidos en la corrida y obtenidos porsimulación

ProductosFlujo volumétrico (m3/h)

Er (%)Real Simulado

Crudo inyecto 26,09 -

Columna de destilación atmosférica

Nafta 1,08 1,18 9,26

Queroseso+Diésel 8,87 9,43 6,31

Columna de destilación al vacío

Productos laterales(R3+R2) 2,93 2,68 8,53

Fondo de torre devacío 11,69 10,87 7,01

Las curvas de destilación de nafta, queroseno, diésel, fondode torre atmosférica (FTA), R3 y R2 se muestran de la figuras6-11 respectivamente. El análisis estadístico realizado a losproductos demuestra que no existen diferencias significativaspara 95 % de confianza entre las curvas de destilación delos productos simulados y las obtenidas en la planta.Para este análisis se utiliza el programa Statgraphics PlusVersión 5.1.



En la figura 12 se muestran la comparación entre losperfiles de temperatura de la torre de destilaciónatmosférica (T-101) y la torre de destilación al vacío(T-201) reales y los simulados. El modelo describe el perfilde temperatura de T-101 con un alto grado de precisión,mientras que existen mayores divergencias en T-201fundamentalmente en los platos superiores a la zona devaporización instantánea (platos 5-20). Esta divergenciapuede estar dada por la diferencia entre las densidadesdel inyecto. El procesar una mezcla más densa implicaque existe mayor cantidad de fracciones pesadas lo queprovoca que el reflujo de tope comience a ser insuficientepara garantizar un perfil de temperaturas adecuado sobretodo en la zona r ica en componentes de mayortemperatura de ebullición.

Fig. 7. Comparación de las curvas de destilación de queroseno

Fig. 8. Comparación de las curvas de destilación de diésel

Fig. 9. Comparación de las curvas de destilación de FTA

Fig. 10. Comparación de las curvas de destilación de R3

Fig. 11. Comparación de las curvas de destilación de R2



instalada en la refinería de petróleo objeto del presenteestudio, con el consiguiente beneficio socio-económico queello trae aparejado.

REFERENCIAS1. COSTA, Marcio R. "Producción de asfalto a partir de

petróleo cubano". Directores: Ricardo Abeledo, LourdesZumalacárregui, Laura Pupo. Trabajo de Diploma InstitutoSuperior Politécnico José Antonio Echeverría, La Habana,julio, 2009.

2. MORALES, J. Elier. "Análisis de alternativas para el in-cremento de productos claros, en la refinería Ñico López,con la aplicación de HYSYS". Director: Carlos J. Morón.Tesis de Maestría. Instituto Superior Politécnico JoséAntonio Echeverría, La Habana, 2008.

3. AGUILAR, R. et al. Mezclado de crudos y modelos nolineales para simulación y optimización de refinerías.México D. F. [ref. de 24 de junio de 2010]. Disponible enWeb: http://www.repositoriodigital.ipn.mx/bitstream/han-dle/123456789/11319/V%20STA%20p55.pdf [consultadoenero 2014].

4. SUÁREZ, Héctor L. "Dietas de crudo alternativas para larefinería El Palito". Director: Waldo R. Urribarrí. Trabajode Diploma, Universidad Rafael Urdaneta, Maracaibo,2012. Disponible en Web: http://200.35.84.131/portal/bases/marc/texto/2101-12-05095.pdf [consultado enero2014].

5. VERRUSCHI, Elisa et al. "Como planificar óptimamentela cadena de suministros de una refinería". Universidad,Ciencia y Tecnología. diciembre 2009, vol 13, núm. 53,pp. 339-344, ISSN 1316-4821, Disponible en Web: http:// w w w . s c i e l o . o r g . v e /s c i e l o . p h p ? s c r i p t = s c i _ a r t t e x t & p i d = S 1 3 1 6 -48212009000400008&lang=en [consultado enero 2014].

6. LEE, Soun Ho; BINKLEY, Michael J. "Optimize designfor distillation feed. Use these steps for enhanced per-formance". Hydrocarbon Processing. june 2011, vol 90,núm. 6, pp. 101-105. ISSN 0018-8190.

7. ARMENGOL, Anelys; MORALES, J. Elier. "Simulacióndel proceso de destilación atmosférica y al vacío de larefinería Sergio Soto". Proyecto 2908: Modelación,simulación de instalaciones petroleras de Cupet,Etapa 03, Ceinpet, La Habana, 2009.

8. COKER, A. Kayode. Ludwig's Applied Process Designfor Chemical and Petrochemical Plants. Estados Unidos:Editorial: Elsevier, fourth edition, vol 2, 2010, pp.1-218.ISBN 978-075-068-366-1.

9. MUÑOZ BATISTA, M. Jesús; PÉREZ GONZÁLEZ, Alain.et al. "Aplicación de la simulación de procesos durante lapráctica laboral de estudiantes de Ingeniería Química".Revista Cubana de Ingeniería , vol. II, núm. 3,pp. 15-23.ISSN 2223-1781, 2011,

Caracterización del asfalto obtenidoCualitativamente el fondo de torre de vacío, traducido para

el régimen de operación utilizado se constituye en asfalto,cuyas características se asocian al componente crudo y noa la fracción empleada como diluente, resultando para elcaso en un material de excelente calidad amparado por lanorma cubana clasificando en la marca AC-30 con altademanda en el mercado interno [10].

CONCLUSIONES1. Al valorar mediante el empleo de técnicas de

optimización y en función de las materias primas (crudopesado y fondo de torre atmosférica de una refinería) ysolventes (mezcla queroseno - diesel y nafta) disponibles seproponen tres alternativas de inyecto a la refinería que puedenser introducidas al modelo de simulación.

2. La realización de una corrida de prueba con la alternativamezcla M1+S1+S2 permitió validar las predicciones delmodelo de simulación, obteniendo como productos solventereductor de viscosidad y asfalto AC-30 con aplicación enpavimentación con excelentes resultados de desempeño.

3. El empleo de cualquiera de las alternativas de inyectoevaluadas permite aprovechar la capacidad de refinación

Fig. 12. Perfil de temperatura

a) T-101

b) T-201



AbstractBy processing a medium crude, a refinery can only operate 80 days a year due to the declining of itswells supply. In order to ensure a better improvement of its resources some feed alternatives areproposed. That depends of the availability in others country regions of raw material that demandsdilutions because of their heavier and viscosity. Taking advantage of geographic location and demands,asphalt can be obtained and also a wide cut with use in oilfields to reduce viscosity. That is why couldbe attractive to evaluate the possibilities of using the simulation model previously obtained withprofessional simulator HYSYS (version 2.2), complementing the information in order to validate resultsin a test with one of the alternatives proposed (heavy diluted crude with solvents of habitual crude)confirming the convenience of the chosen option, associated with profitable gains.

Key words: petroleum, distillation, simulation, refination, evaluation

Feed Alternatives Evaluation in an Oil Refinery Usinga Process Simulator

10. Manual de Gestión de Calidad . Catálogo deEspecificaciones de Productos, Rama Combustible.Producto cemento asfáltico. DT-GC/P0703. Cupet, LaHabana, 2012.

AUTORESAnelys Armengol GálvezIngeniera Química, Máster en Análisis y Control de Procesos,Centro de Investigaciones del Petróleo, La Habana, Cuba

Rafael Franco RicoIngeniero Químico, Doctor en Ciencias Técnicas, Instructor,Facultad de Ingeniería Química, Instituto Superior PolitécnicoJosé Antonio Echeverría, Cujae, La Habana, Cuba

Ricardo Abeledo RodríguezIngeniero Químico, Investigador Agregado, Centro deInvestigaciones del Petróleo, La Habana, Cuba

Laura Pupo PérezIngeniera Química, Especialista I en Investigación, Innovacióny Desarrollo, Centro de Investigaciones del Petróleo, LaHabana, Cuba


Clasificación multivariante de ronesañejos cubanos


ResumenEn el análisis de alimentos se emplean numerosas técnicas analíticas instrumentales que proporcio-nan gran cantidad de datos. El empleo del análisis multivariante permite extraer la información másimportante de estos datos de forma eficiente. La clasificación supervisada se utiliza principalmentepara construir reglas de clasificación para un número de subgrupos conocidos. Las nuevas muestrasdesconocidas son entonces asignadas al subgrupo más probable basado en estas reglas. El presen-te trabajo tuvo como objetivo la aplicación de dos técnicas de clasificación supervisada, análisis declases por modelación suave independiente (SIMCA) y el análisis discriminante por mínimos cuadra-dos parciales (PLS-DA) a datos de cromatografía de gases y acidez para 52 muestras de ronesañejos cubanos, para lograr la clasificación de los rones añejos oscuros entre varios añejos analiza-dos en el Centro de Referencia de Alcoholes y Bebidas (CERALBE) del Instituto Cubano de Investiga-ciones de los Derivados de la Caña de Azúcar (ICIDCA). Se utilizó el programa UNSCRAMBLER v. 8.0(CAMO ÅS, N-7401). El resultado más relevante obtenido es que el 100% de las muestras de añejososcuros fue bien clasificado por el SIMCA y por el PLS-DA. De igual forma, se analizan las ventajas ydesventajas de ambos métodos, así como la utilización futura de estos modelos en la industria.

Palabras claves: Clasificación multivariada, quimiometría cromatografía, ron añejo


Estrella Patricia Zayas Ruiz Artículo OriginalCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, La Habana, Cuba

Magdalena Lorenzo IzquierdoCorreo electrónico:[email protected] Cubano de Investigaciones de los Derivados de la Caña de Azúcar, La Habana, Cuba

Dianet Hernández SaínzCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, Cujae, La Habana, Cuba

Idania Blanco CarvajalCorreo electrónico:[email protected] Cubano de Investigaciones de los Derivados de la Caña de Azúcar, La Habana, Cuba

INTRODUCCIÓNEn el análisis de alimentos el empleo de la quimiometría

permite extraer la mayor cantidad de información de los datosde forma eficiente, especialmente cuando se empleantécnicas analíticas que producen grandes cantidades dedatos, como la cromatografía de gases y la espectroscopia[1] [2]. En la autentificación de alimentos se hace uso deestas técnicas con el objetivo de reconocer marcas, origende los alimentos se variedad botánica o especie animal [3].

Entre los estudios realizados relacionados con laclasificación multivariante se pueden citar las investigaciones

de Giovanetti [4] y colaboradores que diferenciaron los jugosde dos variedades de manzanas, Fuji y Gala, que presentanun patrón químico que puede ser utilizado para estaclasificación. Ellos emplearon análisis de componentesprincipales (PCA) y modelación suave independiente deanálisis de clases (SIMCA) para el análisis exploratorio yclasificatorio, obteniendo un 88 % y 64 % respectivamentecomo pertenecientes ambas a un dominio mixto.

Para determinar la composición de la fracción volátil demuestras de vinos blancos, de varias marcas españolas concertificados de origen (Rueda, Ribeiro, Penedés y Condado

Recibido: 30 de abril del 2013 Aprobado: 1 de julio del 2014

Estrella Patricia Zayas Ruiz - Magdalena Lorenzo Izquierdo - Dianet Hernández Saínz - Idania Blanco Carvajal


de Huelva), Jurado y colaboradores [5] emplearon lamicroextracción en fase sólida de espacio de superior decromatografía de gases. Se aplicó el análisis de componentesprincipales (PCA) y análisis discriminante lineal (LDA), yredes neuronales como herramientas quimiométricas pararealizar los estudios de reconocimiento de patrones. Seobtuvo el reconocimiento de las diferencias de los vinoscertificados antes mencionados.

Con relación a los destilados de la caña de azúcar,Patterson P. de Souza y colaboradores, estudiaron muestrasde cachaza y ron, destilados de la caña de azúcar decomposición similar y cuya diferenciación está sujeta adisputas comerciales y retos analíticos, mediante masascon ionización negativa por electroatomización. Se detectarondiferencias marcadas en los espectros y es posible encontrarjuegos de iones para cada tipo de bebida, mediante laaplicación de PCA y análisis de clúster jerárquico [6].Después de estudiar el aguardiente de Cocuy de penca quees una bebida espiritosa muy popular en la región nordestede Venezuela, Hernández Caraballo y colaboradores [7]determinaron concentraciones de cobre, cinc y hierromediante espectroscopia de absorción atómica, que sonmarcadores de la producción ilegal de esta bebida. Serealizaron análisis discriminantes lineales y cuadráticos, asícomo trabajos con redes neuronales artificiales donde estasúltimas dieron el mejor intervalo de predicción para laclasificación de las distintas bebidas de acuerdo con lasconcentraciones de dichos elementos. Posteriormente [8]utilizaron una red neuronal artificial de base radial para ladiscriminación de especímenes del aguardiente de Cocuyde penca y se logra obtener una red con muy buenascualidades predictivas del 90 % para discriminar entre laproducción legal y la ilegal de esta bebida.

El análisis de componentes principales (PCA) es unmétodo estadístico multivariante de simplificación o reducciónde la dimensión de una tabla de casos variables con datoscuantitativos, para obtener otra de menor número de variables,combinación lineal de las primitivas, que se denominancomponentes principales o factores, cuya posteriorinterpretación permitirá un análisis más simple del problemaestudiado. El PCA se considera una técnica exploratoria yde pretratamiento de los datos (reducción de dimensiones),como paso previo a la obtención del modelo de calibración oclasificación.

La clasificación o análisis clasificatorio puede catalogarsecomo un método predictivo y utilizarse para determinar elorigen geográfico de una materia prima, a partir de nivelesde alguna impureza o para aceptar o rechazar un productodependiendo de su calidad, en la misma se construyenmodelos capaces de pronosticar la pertenencia de un objetoa una categoría sobre la base de las características delobjeto. La matriz de datos contiene al menos una variablede categoría, que indica la categoría a la que pertenece cadaobjeto y que constituye la respuesta o variable que se quiere

predecir, y una o más variables de escala que describenotras tantas características de los objetos y que se utilizancomo variables predictoras.

El método SIMCA se basa en hacer modelos decomponentes principales para cada clase en el conjunto deentrenamiento; posteriormente las muestras desconocidasse comparan con los modelos de clases desarrollados yson asignadas a las clases de acuerdo con su analogía conlas muestras de entrenamiento.

El PLS-DA es un método de clasificación basado enmodelar las diferencias entre varias clases con mínimoscuadrados parciales, a diferencia del SIMCA. Si solo haydos clases a separar, el modelo de mínimos cuadradosparciales usa una variable respuesta (Y), la cual codificacomo miembro de clase, de la siguiente forma: -1 paramiembros de una clase y +1 para miembros de la otra. Seutiliza entonces el algoritmo PLS1 (Mínimos cuadradosparciales).

Otros autores que han trabajado en bebidas destiladasson Lachenmeier y colaboradores, quienes han probado ladetección de vodkas adulterados a partir de mediciones deconductividad [15], en tequilas y su control de calidad [16],la adulteración en vodka y rones [17], [18]. Estos trabajosrepresentan un indicio fundamentado de que la investigaciónpresentada en el artículo tiene realmente un futuro deaplicabilidad en la industria del ron en Cuba. En Cuba eldoctor Pino [19] ha trabajado en la caracterización de ronesañejos por cromatografía de gases y microextracción en fasesólida planteando que el uso de solamente 15 compuestosvolátiles permite la separación entre rones de 3 y 7 años deañejamiento lo que también señala la posibilidad real de llegara establecer un modelo que permita la clasificaciónmultivariante de rones cubanos.

Con los rones cubanos se han hecho algunos intentospara lograr la determinación de su autenticidad o al menosalgún tipo de clasificación entre marcas o tipos [1], [2], perono se tiene un análisis de métodos de clasificación aplicablesa añejos cubanos. Es por eso que el presente trabajo tienecomo objetivo lograr la discriminación de los añejos oscurosde otros tipos de añejos mediante la aplicación de dostécnicas de reconocimiento supervisado de patronesampliamente discutidas en la literatura [9], [10], SIMCA y elPLS-DA a datos de cromatografía de gases y acidez.

MATERIALES Y MÉTODOSLas muestras utilizadas fueron de dos tipos: rones añejos

y añejos extra. Estas son muestras comerciales colectadasen tiendas durante el período 2006-2008 y proceden dediferentes productores del país.

Se determinaron las concentraciones de acetaldehído,acetato de etilo, metanol, propanol, isobutanol, alcoholisoamílico, acetal, 1-butanol, 2-metil- 1- butanol determinadospor cromatografía de gases [11], acidez [12], y porcientoalcohólico v/v [13], las dos primeras expresadas en g/100 Lde alcohol absoluto, de 52 muestras confidenciales obtenidos

Clasificación multivariante de rones añejos cubanos


en CERALBE (Centro de Referencia de Alcoholes y Bebidas).Se empleó el programa Unscrambler v. 8.0 (CAMO ÅS,N-7401. Trondheim, Noruega) [9].

Se aplicó además el análisis de componentes principales(PCA) como técnica exploratoria y de pretratamiento de losdatos y paso previo a la obtención del modelo de clasificación.

El PLS-DA es un método de clasificación que permitemodelar las diferencias entre varias clases con mínimoscuadrados parciales, a diferencia del SIMCA. Si solo haydos clases a separar, el modelo de mínimos cuadradosparciales usa una variable respuesta (Y), la cual codificacomo miembro de clase, de la siguiente forma: -1 paramiembros de una clase y +1 para miembros de la otra. Seutiliza entonces el algoritmo PLS1 (Mínimos cuadradosparciales).

Para la clasificación multivariada en el trabajo se emplearonlos métodos SIMCA y PLS-DA. Las variables utilizadas paraambos métodos fueron las concentraciones de loscomponentes mayoritarios, grado alcohólico y acidez, y seanalizaron 44 muestras en total, 22 muestras de cada clase(rones añejos y añejos extra), en la construcción de losmodelos y 8 para la validación o clasificación. No es posibleofrecer los datos analíticos debido a la confidencialidad dela información. La leyenda de los datos tendrá la letra de laclase y después el número correspondiente (Ej.: O20 o A1).Los conjuntos de datos se muestra en la tabla 1:

Yestimada < 0,5 que significa "cercano a 0" puede decirseque es "no miembro de la clase añejos extra o lo que esigual miembro de la clase añejos [9].

RESULTADOS Y DISCUSIÓNAnálisis exploratorioDel PCA realizado a los 44 datos del conjunto de

entrenamiento, que se muestra en la figura 1, se observacómo hay dos grupos perfectamente separados donde seencuentran agrupadas las muestras de cada clase, o sea,rones añejos y añejos extra; el componente 1 explica el87 % de la varianza y el componente 2 el 9 %, siendo elcomponente 1 el que indica el tipo de añejo. Este resultadoes muy útil pues anticipa que la clasificación tiene grandesposibilidades de éxito. Con respecto a las variables o cargas(loadings) puede verse en la figura 2 como todas las variablesson significativas para el análisis y la más cercana al origenes el grado alcohólico que si se desea puede extraerse delanálisis, esto puede afirmarse ya que la elipse más externamuestra un 100 % de varianza explicada y la interna solo el50 %, o sea, si está por debajo de la segunda elipse ycercano al origen, apenas tiene significación ya que explicaríamuy poco de la varianza. El grado alcohólico de los añejososcila entre 39 y 40 (% v/v), es decir, varía muy poco adiferencia de las otras variables utilizadas en el estudio.El resto de las variables tienen un alto nivel de significaciónen el estudio realizado.

Tabla 1Conjuntos muestras de entrenamiento y validación

Conjunto muestras de entrenamiento Conjunto muestras devalidación

Rones añejos (A) Añejos extra (O) Añejos Añejosextra

1, 2, 4, 5, 6, 7, 9,10, 11,12, 13, 14,15, 17, 18, 19, 20,21, 22, 23, 25, 26.

1, 2, 3, 4, 5, 6, 7, 8,9, 10, 12, 13, 14,15, 16, 17, 18, 20,21, 22, 24, 26.

3, 8, 16,24.

11, 19, 23,25.

Total 22 Total 22 Total 4 Total 4

Clasificación SIMCA: Se crearon los modelos PCA conel conjunto de entrenamiento para cada clase empleando lavalidación cruzada y pesos unitarios para las variables puesse obtuvo una mejor clasificación con estas condiciones.

Clasificación PLS-DA: Se corrió un modelo de regresión,PSL 1, con una variable indicadora (Y) que tiene valor 1 parala clase oscuro y valor 0 para los que no son oscuros,empleando la validación cruzada y pesos unitarios para lasvariables. Posteriormente se realiza la predicción del conjuntode prueba con el modelo creado. Estimada la Y se puedepredecir la pertenencia a las clases a partir de las variablesX que describen las muestras. Este modelo se interpretaobservando el grafico "estimados" contra "medidos" para lavariable Y indicadora de clase:

Yestimada > 0,5 que significa "cercano a 1" puede decirseque es "miembro de la clase añejos extra". Fig. 2 Cargas o loadigns correlacionados

Fig. 1 Análisis de componentes principales para los 44 datosutilizados en el conjunto de entrenamiento



Como el grado alcohólico no resultó significativo para elanálisis en el conjunto de entrenamiento, se eliminó en elprocesamiento y los modelos se crearon con solo 7 variablestanto para rones añejos como para añejos extra.

Clasificación por el método SIMCALos modelos de clasificación tuvieron las características

siguientes:Para los rones añejosMétodo de calibración: PCAMétodo de validación:Validación cruzadaTamaño del modelo:CompletoNúmero de PC calculados: 4Número de PC sugeridos: 3

En los rones añejos extra el modelo PCA se explica al93 % de varianza con dos componentes, mientras que paralos añejos con dos componentes se explica al 91 %, estosresultados avalan la calidad de los modelos creados.

En la validación o predicción se obtuvo una clasificacióncorrecta en el 100 % de las muestras del conjunto declasificación como se muestra en la tabla 2:

Estos resultados son muy satisfactorios, pues no hayninguna muestra dudosa en el conjunto de validación, noobstante, debe ampliarse el tamaño de los conjuntos tantopara la creación del modelo como el conjunto de validación.

Como se observa en la figura 4 las variables con mayorpoder de discriminación fueron acidez, acetato de etilo eisobutanol. En el caso de la acidez pudiera estar relacionadacon las transformaciones que sufren los compuestos en elañejamiento (alcohol ácidos ésteres). El acetato de etilo,compuesto mayoritario dentro de los ésteres en los rones,es característicos de las bebidas destiladas y generalmentese incrementa durante el proceso de añejamiento. Por otraparte el isobutanol es uno de los compuestos del grupo delos alcoholes superiores que está relacionado con una delas materias primas que le da origen al ron, el aguardiente,se encuentra en pequeñas concentraciones, siendo elmayoritario el alcohol amílico.

Para los añejos extraMétodo de calibración: PCA

Método de validación:Validación cruzada

Tamaño del modelo: CompletoNúmero de PC calculados: 4Número de PC sugeridos: 4

Fig. 3. Gráfico de Y estimada contra Y medida para el modelo PLS1

Tab la 2C las ificac ión po r e l m é todo S IM C A

M uestras C las ificadascom o añe jos

C las ificadas com oañe jos extra

O 11 *

O 19 *

O 23 *

O 25 *

A 3 *

A 8 *

A 16 *

A 24 *

Clasificación por el método PLS DAEl modelo de regresión PLS1 obtenido presenta buen

ajuste como puede apreciarse en la figura 3, donde la líneadiagonal y la de tendencia son prácticamente iguales. Elmodelo explica en las X el 89 % de la varianza con doscomponentes y para la Y se explica el 96 % lo cual ratificala buena calidad del ajuste del modelo creado.

En la tabla 3 se observa que todas las muestras delconjunto de prueba fueron clasificadas correctamente por elmodelo, ya que si el valor estimado es mayor que 0,5 y ladesviación no cruza la línea de 0,5 son considerados comomiembros, mientras que si el valor estimado es menor que0,5 y la desviación no cruza la línea de 0,5 son consideradoscomo no miembros.

Tabla 3Valores estimados con desviación para el método PLS-SA

Muestras Valores Estimados Desviación

O11 1,041 0,058 62

O19 1,063 0,079 46

O23 0,910 0,068 83

O25 0,730 0,04612

A3 -0,037 11 0,095 53

A8 0,031 68 0,056 79

A16 -0,120 0,243

A24 -0,037 74 0,062 67

Clasificación multivariante de rones añejos cubanos


Con estos resultados pudo establecerse que lacomposición de los añejos, estudiados, permite diferenciarclaramente los añejos extras de los demás añejos y sepuede establecer un sistema de autentificación de estetipo de bebida alcohólica destilada, pues sus sistemasde añejamientos son diferentes. Con relación a lasmuestras es necesario aumentar la cantidad de lasmismas en los conjuntos empleados en el análisis paradar mayor robustez a los modelos obtenidos. Alonso-Salces y colaborador [14], cuando analizaron lacomposición polifenólica de las cidras vascas y francesasutilizándolas para caracterizar las diferencias entre estasdos bebidas estableciendo un sistema de clasificacióncapaz de confirmar la autenticidad de ambos tipos decidras, utilizaron un total de 165 muestras de cidra y 27variables medidas, lo que ratifica la necesidad de aumentarel tamaño de muestra.

RECONOCIMIENTOSLos autores desean reconocer el apoyo brindado por el

Centro de Referencia de Alcoholes y Bebidas (CERALBE)del Instituto Cubano de Investigaciones de los Derivados dela Caña de Azúcar (ICIDCA) en la caracterización de lasmuestras empleadas para el trabajo, así como la colaboraciónde sus investigadores.

REFERENCIAS1. ZAYAS RUIZ, Estrella Patricia; O'DONNELL, Colm.

"Autenticidad de bebidas alcohólicas. Un estudiopreliminar". Memorias del Tercer Simposio Internacionalde Química ,5-8 de junio, 2007. ISBN 978959250373-3.

2. ZAYAS RUIZ, Estrella Patricia; O'DONNELL, Colm;LORENZO IZQUIERDO, Magdalena. "Aplicación de laquimiometría en la determinación de autenticidad debebidas espirituosas. Revista Cubana de Ingeniería,vol. IV, núm. 1, enero - abril, 2013, pp. 33 - 40.ISSN 2223 -1781.

3. SINGHAL, R.; KULKARNI, P.; REGE, D. Handbook ofIndices of Food Quality and Authenticity. England.Woodhead Publishing Limited. 1997, pp. 9-31. ISBN1855732998.

4. GIOVANETTI VIEIRA, Renato; PRESTES, RosileneAparecida, et al. "Chemical pattern of brazilian apples. Achemometric approach based on the Fuji and Galavarieties". Ciência e Tecnologia de Alimentos, vol.31,núm.2, Apr./June 2011.

5. JURADO, J. M.; BALLESTEROS, O. et al. "Differentiationof certified brands of origins of Spanish white wines byHS-SPME-GC and chemometric". Analytical BioanalyticalChemistry, vol. 390, 2008, pp. 961-970.

6. DE SOUZA PATTERSON, P.; AUGUSTI, Daniella et al."Differentiation of rum and brazilian artisan cachaca viaelectrospray ionization mass spectrometry fingerprinting".Journal of mass spectrometry . 2007, vol. 42,pp. 1294-1299.

7. HERNÁNDEZ CARABALLO, E.; ÁVILA GÓMEZ, RitaM. et al. "Discrimination of Venezuelan spirituousbeverages by a trace element- radial basis neural networkapproach". Talanta. 2007, vol. 60, pp.1259-1267.

8.HERNÁNDEZ CARABALLO, Edwin; ÁVILA DEHERNÁNDEZ, Rita M.; RIVAS ECHEVERRÍA, Francklin;CAPOTE LUNA, Tarcisio. "Discrimination of venezuelanspirituous beverages by a trace element-radial basis neuralnetwork approach". Talanta, vol. 74, 2008, pp. 871-878.

9. NAES, T.; ISAKSSON, T.; FAERN, T.; DAVIES, T. A User-Friendly Guide to Multivariate Calibration and Classification.Chichestre, UK. Ed by NIR Publications. 2002.ISBN 0952866625.

10. BERRUETA, Luis A.; ALONSO SALCES, Rosa M.;HÉRBERGER, Károly. "Supervised pattern recognitionin food analysis". Journal of Chromatography A. 2007,vol. 1158, pp. 196-214.

Fig. 4. Gráfico de poder de discriminación

Poder dediscriminación

variables

CONCLUSIONESEl tratamiento quimiométrico a datos de: acidez,

acetaldehído, acetato de etilo, metanol, propanol, isobutanol,isoamílico, acetal, 1-butanol y 2-metil-1- butanol en añejoscubanos, ha permitido mostrar las diferencias existentes entrelos añejos extras y otros añejos que fueron estudiados en eltrabajo.

En la aplicación del PCA se observaron dos gruposperfectamente separados donde se encuentran agrupadoslos rones de cada tipo, añejos extras y añejos, lo cual esmuy conveniente para la clasificación.

La aplicación de las técnicas de clasificación SIMCA yPLS-DA permiten disponer adecuadamente las muestras deañejos extra y diferenciarlas de los otros añejos analizados.Ambos métodos presentaron un 100 % de clasificacióncorrecta de las muestras. Las variables con mayor poder dediscriminación fueron la acidez, las concentraciones deacetato de etilo e isobutanol, mientras que el grado alcohólicono resultó significativo para el análisis y se eliminó en lacreación de los modelos y la validación.



11. NORMAS CUBANAS. "Determinación de componentesvolátiles mayoritarios en bebidas alcohólicas destiladas,aguardientes y alcohol etílico por cromatografía gaslíquido". NC- 508, Cuba, 2007.

12. NORMAS CUBANAS. "Determinación de acidez enrones y aguardientes". NC- 291, Cuba, 2003.

13. NORMAS CUBANAS. "Determinación de gradoalcohólico en rones y aguardientes". NC- 290, Cuba,2003.

14. ALONSO SALCES, R. M.; GUYOT, S. et al."Chemometriccharacterisation of Basque and French ciders accordingto their polyphenolic profiles". Analytical BioanalyticalChemistry. 2004, vol. 379, pp. 464-475.

15.LACHENMEIER, Dirk W.; SCHMIDT, Beke;BRETSCHNEIDER, Thorsten. "Rapid and mobile brandauthentication of vodka using conductivity measurement".Microchimica Acta. 2008, vol. 160, pp. 283-289.

16. LACHENMEIER, D. W.; RICHLING, E. et al. "MultivariateAnalysis of FTIR and Ion Chromatographic Data for theQuality Control of Tequila". Journal of Agricultural. FoodChemistry. 2005, vol. 53, pp. 2151-2157.

17. LACHENMEIER, D. W.; ATTIG, R.; FRANK, W.;ATHANASAKIS, C. "The use of ion chromatography todetect adulteration of vodka and rum". European FoodResearch and Technology. 2004, vol. 218, núm. 1,pp. 105-110.

18. LACHENMEIER, D. "Rapid quality control of spirit drinksand beer using multivariate data analysis of Fouriertransform infrared spectra". Food Chemistry. 2007,vol. 101, pp. 825-832.

AbstractSeveral instrumental analytical techniques that are employed in food analysis produce a large amountof data. The employment of the multivariate analysis allows extracting the most important informationfrom these data efficiently. Supervised classification is primarily used to build classification rules fora number of known subgroups. New samples are then assigned to the most likely subgroup based onthese rules. The present work had as objective the application of two techniques of supervisedclassification, modeling independent class analysis (SIMCA) and partial least square discriminantanalysis (PLS-DA) to data of gas chromatography and acidity for 52 samples of aged Cuban rum, toachieve the dark aged rum classification among several aged rum analyzed in the Reference center ofdrinks and alcohols (CERALBE) of the Instituto Cubano de Investigaciones de los Derivados de laCaña de Azúcar (ICIDCA). The software UNSCRAMBLER v. 8.0 (CAMO ÅS, N-7401) was used. Themore important result obtained is that 100% of the samples of aged dark rum was very well classifiedby the SIMCA and by PLS-DA. The advantages and disadvantages of both methods are analyzed aswell as the future use of these models in the industry.

Key words: multivariate classification, chemometrics, gas chromatography, aged rum

Multivariate Classification of Cuban Aged Rums

19. PINO, Jorge A. "Characterization of rum using solid-phase microextraction with gas chromatography-massspectrometry". Food Chemistry. 2007, vol. 104,pp. 421-42.

AUTORESEstrella Patricia Zayas RuizIngeniera Química, Máster en Análisis de Procesos, ProfesoraAsistente, Facultad de Ingeniería Química, Instituto SuperiorPolitécnico José Antonio Echeverría, Cujae, La Habana, Cuba

Magdalena Lorenzo IzquierdoLicenciada en Bioquímica Analítica, Máster en QuímicaAnalítica, Centro de Referencia de Alcoholes y Bebidas(CERALBE), Instituto Cubano de Investigaciones de losDerivados de la Caña de Azúcar, La Habana, Cuba.

Dianet Hernández SaínzIngeniera Química, Instructora, Facultad de IngenieríaQuímica, Instituto Superior Politécnico José AntonioEcheverría, Cujae, La Habana, Cuba

Idania Blanco CarvajalIngeniera Química, Máster en Ingeniería Alimentaria,CERALBE, Instituto Cubano de Investigaciones de losDerivados de la Caña de Azúcar, La Habana, Cuba

Recibido: 14 de octubre del 2013 Aprobado: 1 de julio del 2014


Estudio de la corrosión intercristalinaen tuberías de acero inoxidableen un ciclo combinado


ResumenEl presente trabajo se realiza con el fin de dar repuesta a la posible presencia de corrosión intercristalinay sus consecuencias futuras en los tubos construidos de acero inoxidable 304L y destinados a laconducción del agua a las calderas de un ciclo combinado de producción de electricidad. La plantase encuentra en estos momentos en pleno proceso inversionista de instalación y montaje, y sesolicitó dicho estudio ya que durante el proceso de instalación de las tuberías de acero inoxidable queconducirán el agua tratada a los generadores de vapor, se detectaron por parte de los operariosalgunas imperfecciones en el material, lo que generó duda acerca de la posibilidad de presencia decorrosión intercristalina o de otro tipo en las tuberías. Luego de los ensayos realizados según normasinternacionales y empleando además ensayos metalográficos se concluye que el material empleadono está sensibilizado a este tipo de corrosión.

Palabras clave: corrosión intercristalina, acero inoxidable, ciclo combinado


Raúl Andrés Montejo Serrano Artículo OriginalCorreo electrónico:[email protected]

Rigoberto Marrero ÁguilaCorreo electrónico:[email protected]

Jorge Domínguez DomínguezCorreo electrónico:[email protected]

Carlos Ibrahim Díaz PérezCorreo electrónico:[email protected] Superior Politécnico José Antonio Echeverría, La Habana, Cuba

INTRODUCCIÓNLas centrales denominadas de ciclo combinado utilizan,

además de la turbina de vapor, una turbina de gas en lacabecera del proceso, ello permite alcanzar rendimientospróximos al 50-60 %. En este tipo de industria es frecuentepensar que los perjuicios ocasionados por la corrosiónposeen una expresión monetaria definida, es decir, puedenser siempre valorados en términos de dinero, sin embargo,la realidad demuestra que las pérdidas producidas por lacorrosión se van más allá del marco puramente económico,alcanzando cuestiones relativas a la salud y la vida, debidoa que la corrosión intercristalina que se estudia en este

trabajo es difícil de detectar y muy peligrosa debido a lasaltas presiones y temperaturas con que operan estas plantas.En este trabajo se hace uso de las normas internacionalesexistentes para evaluar la susceptibilidad del acero inoxidableaustenítico a este tipo de corrosión, realizando un análisisdetallado de los resultados obtenidos por medio de losensayos recomendados por las normas para este tipo decorrosión [1].

La corrosión es un proceso químico o electroquímico pormedio del cual los metales regresan a su estado natural, esdecir, el metal tiende a disolverse en sus iones, por ejemplo:el acero regresa al óxido de hierro, igualmente las aleacionesde zinc, aluminio, etc, [2] , [3] .

Estudio de la corrosión intercristalina en tuberías de acero inoxidable en un ciclo combinado


Otras definiciones de corrosión son las siguientes:- Destrucción o deterioro de un material por reacción con

su medio ambiente.- Metalurgia extractiva al revés [4] .En términos generales de acuerdo con la Secretaria

General de la Organización de los Estados Americanos(Programa Regional de Desarrollo Científico y Tecnológico)los perjuicios causados por la corrosión equivalen del 1,5 al3,5 % del Producto Interno Bruto en numerosos países,aumentando con el grado del subdesarrollo, la humedad, lacontaminación y salinidad ambiental [5] .

Los últimos estudios llevados a cabo sobre el impactoeconómico de la corrosión muestran resultados alarmantes.De 1999 a 2001, Estados Unidos tuvo un total anual de costosdirectos de aproximadamente 276 mil millones de dólares,algo así como 3,1% del PIB de ese país. De la misma manera,en Perú, de acuerdo con la empresa Teknoquímica, en elaño 2000 las pérdidas por corrosión representaron 8 % delPIB, es decir, aproximadamente 1 200 millones dedólares [6].

Los fenómenos de corrosión se pueden clasificarbásicamente en corrosión química y electroquímica, endependencia del mecanismo por el cual transcurre el proceso,lo que está determinado en lo fundamental por las condicionesdel medio. En medios electrolíticos, que es lo más frecuente(agua y disoluciones, capa superficial de humedad sobrelos metales, suelos con determinado nivel de humedad, etc.),se produce la corrosión electroquímica, mientras que enmedios secos (gases de combustión, líquidos noelectrolíticos, etc.) y a altas temperaturas se origina lacorrosión química.

También puede clasificarse la corrosión en dependenciade la forma en que se presenta o su morfología. Así seencuentra la corrosión uniforme o generalizada, donde elataque es más o menos similar en toda la superficie delmetal, y la corrosión no uniforme o localizada en susdiferentes formas, donde unas partes son más afectadasque otras [7].

Los aceros inoxidables son aleaciones ferrosas (donde elmaterial base es el hierro) y que tienen en su composiciónal menos 12 % de cromo. Suelen tener además otros aleantesque mejoran sus propiedades mecánicas, químicas otecnológicas o que los dotan de especial resistencia adiferentes tipos de corrosión. Son materiales de excelentespropiedades mecánicas, dúctiles, soldables y deexcepcional resistencia a la corrosión frente a los mediosmás comunes. Sin embargo, se usan solo en determinadasaplicaciones donde se justifica su empleo por su alto costoen relación con los aceros al carbono. El término inoxidablees relativo porque, como cualquier material metálico, sonsusceptibles a determinados tipos de corrosión. Una formade corrosión típica de los aceros inoxidables es la corrosiónintercristalina [8].

Los aceros inoxidables austeníticos tienen una estructuraaustenítica (red cúbica centrada en las caras, Fe ) la quees estable, independiente de la temperatura. Se obtienenagregando níquel a la aleación, por lo que la estructuracristalina del material se transforma en austenita y de aquíadquieren el nombre. Son aceros que además de contenercromo en proporción de 16-26 % contienen níquel enproporción de 6-22 %, y contenidos en carbono muy bajos,inferiores al 0,03 %, y que solo pueden aumentarlo hasta el0,25 % en casos de máximo contenido de cromo y níquel.

- Los aceros inoxidables austeníticos constituyen la familiacon el mayor número de aleaciones disponibles, integrandolas series 200 y 300 de AISI (American Iron and Steel Institute).

La familia de los aceros inoxidables austeníticos se divideen dos categorías:

Serie 300 AISI: Aleaciones cromo-níquelSerie 200 AISI: Aleaciones cromo-manganeso-nitrógenoLa Serie 300 es la más extensa, mantiene alto contenido

de níquel y hasta 2 % de manganeso. También puedecontener molibdeno, cobre, silicio, aluminio, titanio y niobio,elementos que son adicionados para conferir ciertascaracterísticas. En ciertos tipos se usa azufre o selenio paramejorar su habilidad de ser maquinados. Los preferidos enla industria química y los más populares por su versatilidady excelentes propiedades son el AISI 304 y AISI 316 y susvariantes AISI 304L y AISI 316L [7].

Se habla de corrosión intercristalina o intergranular cuandoel ataque corrosivo se localiza en los límites de grano delmaterial metálico, y es típica en aceros inoxidablesausteníticos. Como consecuencia de ello se pierde lacoherencia entre granos y el material reducesignificativamente los valores de sus propiedades mecánicashabituales.

En un caso severo de corrosión intercristalina, granosenteros se desprenden debido a la deterioración completade sus límites, en cuyo caso la superficie aparecerá rugosaal ojo desnudo, y se sentirá rasposa debido a la pérdida degranos.

En la mayoría de los casos donde la soldadura esnecesaria, el carbono es un elemento indeseable que debeser minimizado o controlado por medio de estabilizadores.

Es importante entender la reacción del carbono cuandose somete a los aceros inoxidables tipo 300 al calor de lasoldadura. Los carburos de cromo se forman cuando el aceropasa lentamente a través de temperaturas de 430 °C a870 °C, y se deja enfriar lentamente tal como puede ocurrirdurante la soldadura. En estas condiciones se forma(FeCr)23C6, que es insoluble y precipita en los bordes degrano. Esto se debe a que el carbono de estos aceros duranteel calentamiento difunde mucho más rápidamente que elcromo del interior al límite de grano. El carbono inhibe laacción pasivante del cromo, al consumirlo y las zonasalrededor del carburo de cromo que se forma quedansusceptibles a la corrosión porque la cantidad de cromo en

Raúl Andrés Montejo Serrano - Rigoberto Marrero Águila - Jorge Domínguez Domínguez - Carlos Ibrahim Díaz Pérez


ellas no llega al 12 % necesario para lograr la pasividad. Elloocurre en el metal base adyacente a la soldadura.Usualmente, la soldadura en sí no resulta afectada.

Es de señalar que en una planta de ciclo combinado seutiliza dos veces la energía térmica de un combustiblegaseoso. Primero en la turbina de gas y posteriormente enla caldera. La planta de ciclo combinado tiene un esquemacomo el que se muestra en la figura 1.

corrosión intercristalina. Esos ensayos están contenidos enla norma ASTM 262-02 (Práctica Estándar para la Detecciónde Susceptibilidad al Ataque Intergranular en AcerosInoxidables Austeníticos), en especial en su práctica A(Prueba de Grabado con Ácido Oxálico para la Clasificaciónde Estructuras de Aceros Inoxidables Austeníticos) [10] .Adicionalmente se realizó otra prueba de grabado, pero enpresencia de hidróxido de potasio, recomendada en el Manualde Metales ASM, Volumen 9, Metalografía y Microestructuras.Ambas pruebas requirieron de una preparación superficialminuciosa de las muestras obtenidas de las propias tuberías,mediante un pulido con varios papeles de esmerilsucesivamente desde grado 180 hasta grado 1 000, y porúltimo, un pulido con pasta de diamante para logar unasuperficie casi espejo, lo que permite obtener imágenes dela calidad adecuadas para la observación al microscopiometalográfico. La presencia de cierta rugosidad superficialenmascara los resultados por no permitir un enfoque correctodel microscopio [11].

En todos los casos se obtuvieron imágenes en elmicroscopio óptico con 500 aumentos antes y después deun tratamiento térmico de sensibilización consistente en uncalentamiento por 30 min., hasta la temperatura de700 ± 10ºC, seguido de un enfriamiento rápido en agua.

También antes y después del tratamiento térmico seobtuvieron imágenes en un microscopio electrónico de barrido(SEM) y los correspondientes espectros de emisión de rayosX que permiten un análisis de la composición elemental delas diferentes zonas de observación.

La prueba de grabado con ácido oxálico se llevó a cabocolocando la muestra, previamente preparada, como ánodoen una electrolisis y cuya disolución es de 100 g de estereactivo en 900 mL de agua destilada. El tiempo de electrolisisfue de 1,5 min con una densidad de corriente de1 A/cm2. [11] .

La prueba de grabado en hidróxido de potasio se efectuóde la misma manera que la anterior, solo que la disoluciónfue de 140 g del reactivo en 250 mL de agua destilada y latensión en la celda se mantuvo en 6 V durante 10 min.

RESULTADOS Y DISCUSIÓNLa figura 2 corresponde con la imagen de una muestra de

acero inoxidable pulido según se explicó, sin la aplicaciónde tratamiento térmico y sin grabado con los reactivosanteriores. Esta imagen y las sucesivas fueron obtenidas enun microscopio metalográfico con 500 aumentos.

La figura denota que se alcanzó un buen pulido de lasuperficie, como se describió anteriormente, lo que garantizauna adecuada calidad de las imágenes con mínimainterferencia que provocan ralladuras y otros defectos.

La figura 3 es la correspondiente a la muestra luego deltratamiento térmico y sin ataque de reactivos.

En esta se observa que luego del tratamiento térmicorealizado sin ningún tipo de ataque electroquímico a la

Fig. 1. Diagrama simplificado de una planta de ciclo combinado

La eficiencia con que operarán las calderas de vapor, y porconsiguiente el costo de esta operación, así como laseguridad y durabilidad de la misma, dependen en granmedida de la calidad del agua con que se alimentan.El tratamiento que se requiere dar al agua debe serconsiderado y efectuado por personal capacitado paraasegurar que los efectos nocivos de los compuestosacarreados por el agua sean reducidos al mínimo. Paraobtener la calidad deseada en el agua se pueden utilizarvarios procesos de purificación. La planta de tratamiento delciclo estudiado está constituida por tres secciones:pretratamiento, ósmosis inversa y filtración.

Como se observa, se produce electricidad en una primeraetapa, en los generadores eléctricos acoplados a las turbinasde gas, y en una segunda etapa en los generadoresacoplados a las turbinas de vapor que son impulsadas por elvapor, que se produce aprovechando los gases calientes decombustión de escape de la primera etapa. También seobserva que el agua tratada constituye la reposición de laspérdidas de condensados que se alimentan a la caldera.

Justamente la tubería conductora de agua de alimentarconstituye el objeto de estudio de este trabajo, la cual estáconstituida de acero inoxidable 304 L y deberá conducir elagua de alimentación a las calderas.

MATERIALES Y MÉTODOSSe realizaron los ensayos normados para detectar la

sensibilización de los aceros inoxidables austeníticos a la



muestra, no se manifiestan cambios respecto a la imagenanterior. Solo aparecen manchas coloreadas de las finascapas de oxidación formadas producto del procedimiento decalentamiento y enfriamiento posterior. No se observaafectación alguna en la estructura que pudiera indicar laformación de carburos de cromo.

Luego del tratamiento térmico realizado, la figura 5 muestrael resultado del ataque electroquímico con KOH. Se puedeobservar que el material experimenta cierto ataquegeneralizado que se produce a diferencia del caso anterior,por la menor resistencia a la corrosión del material luego deltratamiento térmico y sometido a extremas condiciones deagresividad por la circulación de corriente anódica en un mediomuy agresivo como la solución de KOH. A pesar de estascondiciones el ataque no es severo, de acuerdo con laspropiedades inoxidables del material.

Fig. 2. Muestra sin tratamiento térmico, ni ataque con reactivos(500x de aumento)

Fig. 3. Muestra después del tratamiento térmico, sin ataquecon reactivos (500x de aumento)

Prueba de grabado electroquímico en disolución dehidróxido de potasio (KOH)

En la figura 4 se observa el resultado obtenido en la muestraque no recibió tratamiento térmico y fue atacadaelectroquímicamente con hidróxido de potasio (KOH). Puedenotarse que el material no mostró afectaciones por corrosiónde ningún tipo y que se comportó de acuerdo con suspropiedades inoxidables, a pesar de las severas condicionesimpuestas por la acción del reactivo y la circulación decorriente anódica. No aparecen ataques electroquímicos enla estructura. Sin embargo, el procedimiento no permiterevelar la estructura metalográfica de la aleación.

Fig. 4. Muestra sin tratamiento térmico, con ataqueelectroquímico en presencia de la solución de KOH(500x de aumento)

Fig. 5. Muestra después del tratamiento térmico, con ataqueelectroquímico en presencia de la solución de KOH (500x deaumento)

Como en el caso anterior, no se revela la estructurametalográfica de la aleación. La estructura no se ve afectadapor la formación de carburos ni existen zanjas, por lo que nose observa ataque típico de corrosión intergranular.

Prueba de grabado electroquímico en disoluciónde ácido oxálico

Todas las imágenes que se obtuvieron durante la ejecuciónde esta prueba fueron comparadas con los patrones de lanorma ASTM 262 que permite establecer el nivel desusceptibilidad a la corrosión intercristalina de los aceros



inoxidables austeníticos. Estos patrones, con sus imágenescorrespondientes, se muestran a continuación:

- Estructura de pasos: Se observan líneas oscuras en loslímites de granos, que pueden corresponder con carburosatacados por el reactivo con la ayuda de la corriente anódica,pero estas líneas no se manifiestan como zanjas profundas.No hay evidencias de corrosión intercristalina, según semuestra en la figura 6.

profundas que se observan. En este caso se puede asegurarque el material está sensibilizado y en condicionesparticularmente agresivas, la corrosión intercristalina ocurriráy se producirá la falla mecánica del elemento en un brevelapso de tiempo. La imagen correspondiente a este caso semuestra en la figura 8.

A continuación se discuten los resultados obtenidos eneste estudio haciendo uso de la prueba de grabado con ácidooxálico y los patrones anteriores.

La muestra proveniente de la tubería objeto de estudio ysometida a un ataque electroquímico con ácido oxálico sinun tratamiento térmico previo, cuya imagen corresponde conla figura 9, presenta un buen grabado en la estructura, lopermitió revelar muy bien la estructura metalográfica de laaleación. Se presenta una estructura de granos alargadospresumiblemente en la dirección de la deformación plásticaa que fue sometido el material durante el proceso demanufactura del tubo. Sin embargo, en ningún caso se definela formación de carburos. Se observa una estructura de pasoscomo la reportada en los patrones de la norma ASTM 262 ensu ilustración correspondiente. No se encuentran zanjas enlos límites de grano, lo que permite asegurar que no existepresencia de corrosión intercristalina. Ver figura 9.

Fig. 6. Estructura de pasos. Solo se presentan pasos entre losgranos, no hay zanjas en los límites de grano (500x deaumento)

- Estructura dual: Aparecen algunas zanjas en los límitesde granos, que pueden corresponder con carburos atacadospor el reactivo de preparación, pero las zanjas no sonprofundas y ningún grano está completamente rodeado deellas. Esta situación sugiere profundizar mediante otrastécnicas en la posibilidad de existencia de algunasensibilización a la corrosión de este tipo. Se muestra laimagen correspondiente en la figura 7.

Fig. 7. Estructura dual. Existen algunas zanjas en los límitesde granos además de los pasos, pero ningún grano simpleestá rodeado por zanjas (500x de aumento)

- Estructura de zanjas: En este caso uno o varios cristalesse encuentran completamente rodeados por zanjasprofundas. Estas zanjas, ubicadas preferentemente en loslímites de grano, evidencian la acumulación de carburo decromo en estos sitios. Este carburo de cromo fue atacadopor el reactivo de preparación y se produjeron las zanjas

Fig. 8. Estructura de zanjas. Uno o más granos estáncompletamente rodeados de zanjas (500x de aumento)

Fig. 9. Muestra pulida sin tratamiento térmico y con ataqueelectroquímico en presencia de ácido oxálico (500x deaumento)



Para asegurar la presencia de corrosión intercristalina seríanecesario que aparecieran zanjas que rodearan uno o máscristales, como lo muestra el patrón correspondiente aestructura de zanjas de la norma ASTM, y este efecto no sepresenta en la imagen de la muestra. Se puede ver como elefecto del tratamiento térmico es un factor determinante enla forma de los cristales que pasaron de una forma alargadaa una forma redondeada, pero no se puede asegurar que elefecto de la temperatura provoca susceptibilidad de laestructura metálica a la corrosión intercristalina, lo cual, deser cierto, podría conllevar en algún momento a la apariciónde corrosión intergranular si el medio corrosivo fueraparticularmente agresivo (figura 10).

De igual forma, los espectros obtenidos por emisión derayos X mostrados en las figuras 13 y 14 indican que en lacomposición puntual de la muestra se destacan loscomponentes principales de la aleación y se observan lospicos correspondientes a los elementos principales (Fe, C,Cr, Ni, Mn). Ambos espectros correspondientes a la muestraantes y después del tratamiento térmico no presentandiferencias en su composición, lo que permite asegurar queno ha habido cambios en la composición química global ypuntual de la muestra.

El agua que circulará por las tuberías objeto de estudiotiene un elevado grado de pureza producto del tratamientorecibido, lo que la hace un medio extremadamente nobleincapaz de producir ataque corrosivo de ningún tipo al aceroinoxidable [11]. Las posibilidades de ocurrencia de lacorrosión intercristalina son casi nulas por esta razón, yaque como se ha explicado, aún estando el materialsensibilizado a este tipo de corrosión, para que ella sedesarrolle se necesita un medio con especialescaracterísticas y agresividad extrema. La temperatura deoperación del sistema no sobrepasa los 70 ºC, lo que haceaún más improbable este tipo de corrosión.

Fig. 10. Muestra pulida con tratamiento térmico y con ataqueelectroquímico en presencia de ácido oxálico (500xde aumento)

Resultados de la aplicación de la microscopíaelectrónica de barrido (SEM)

Las imágenes obtenidas por SEM antes y después derealizado el tratamiento térmico, según se observa en lasfiguras 11 y 12, no muestran diferencias entre sí y en ningunase observa la presencia de una fase diferente que indicaríala presencia de carburos de cromo. No se revela la estructuraen ninguna de las dos imágenes pues las muestras no fueronatacadas químicamente [11] .

Fig. 11. Imagen obtenida por SEM de la muestra antesdel tratamiento térmico

Fig. 12. Imagen obtenida por SEM de la muestra despuésdel tratamiento térmico

Fig. 13. Espectro obtenido por emisión de rayos X de la muestraantes del tratamiento térmico



El único factor de importancia a tener en cuenta es lapresión de operación del sistema, que es alta, lo cual justificael uso de tuberías de considerable espesor de pared. A pesarde este valor de espesor, a largo plazo una falla por corrosiónen la tubería, significaría un riesgo importante y por estarazón se han realizado los trabajos descritos.

4. BOTIA JOSH, S. "Ingeniería de Corrosión". InstitutoNacional del Acero, Bogotá, Colombia, 1985, pp. 12-20.

5. CASAÑA HERNÁNDEZ, R. "Material de estudio sobre lacorrosión". Para las carreras Mecánica, Eléctrica,Construcción y Mecanización. ISPETP, La Habana, 2006.

6. "EU. Situación de la energía en el mundo, Europa yEspaña" [en línea]. [referencia dic.2011]; disponible en:http://www.energiasrenovables.ciemat.es/especiales/energia/index.htm#intro">Energía [consultado en Mayo2013].

7. DOMÍNGUEZ DOMÍNGUEZ, Jorge A. et al. Introduccióna la corrosión y protección de metales. 2da. ed. EdicionesENPES, 2006. 451pp. ISBN 959-07-0266-X.

8. HUERTA GONZÁLEZ , E. "Corrosión y degradación demateriales". Síntesis, 2009, vol. 7, núm. 8, pp 22-25.

9. Metalografía. Aceros inoxidables. Universidad Tecnológicade Pereira[en línea]. [referencia Junio.2012], disponibleen: http://blog.utp.edu.co/metalografia/feed/. [consultadoen Abril 2013].

10. Norma ASTM INTERNACIONAL. Designation:A 262 - 02a."Standard Practices for detecting suscepti-bility to Intergranular Attack in Austenitic Stainless Steels".Jun 29, 2004. 16pp. ASTM International, 100 Barr HarborDrive, PO Box C700, West Conshohocken,PA 19428-2959, United States.

11. ULHIG, H. HERBERT. "Corrosión y Control de Corrosión".3ra. ed., Edición Revolucionaria, mayo, 1986.

AUTORESRaúl Andrés Montejo SerranoIngeniero Químico, Máster en Ciencias, Profesor Auxiliar,Facultad de Ingeniería Química, Instituto Superior PolitécnicoJosé Antonio Echeverría, Cujae,La Habana, Cuba

Rigoberto Marrero ÁguilaIngeniro Químico, Doctor en Ciencias Técnicas, ProfesorTitular, Facultad de Ingeniería Química, Instituto SuperiorPolitécnico José Antonio Echeverría,Cujae, La Habana, Cuba

Jorge Domínguez DomínguezIngeniero Químico, Doctor en Ciencias Técnicas, ProfesorTitular, Facultad de Ingeniería Química, Instituto SuperiorPolitécnico José Antonio Echeverría, Cujae, La Habana Cuba

Carlos Ibrahim Díaz PérezEstudiante de 5to. año, Facultad de Ingeniería Química,Instituto Superior Politécnico José Antonio Echeverría, Cujae,La Habana Cuba.

CONCLUSIONES1. En el estudio que se presenta se realizan algunos de

los ensayos normalizados internacionalmente en las normasASTM y otras para determinar la susceptibilidad de losaceros inoxidables austeníticos a la corrosión intercristalina,tales como las pruebas de grabado electroquímico enpresencia de ácido oxálico e hidróxido de potasio. Lacomparación con los patrones que ofrece la norma permiteasegurar que el material no está sensibilizado a la corrosiónintercristalina. .

2. El uso de la microscopía electrónica de barrido confirmaque no existen fases de carburos de cromo en el material yque la composición elemental de la aleación es la mismaantes y después del tratamiento térmico de sensibilización.

3. Las condiciones operacionales y la composición químicadel agua que manejará la tubería hacen muy improbable laocurrencia de corrosión intercristalina, por lo que la posibilidadde falla de la tubería por este concepto es casi nula.

REFERENCIAS1. NARANJO FERNÁNDEZ, Gregorio. "Las ventajas

ambientales de las centrales de ciclo combinado de gasnatural". ÏBERDROLA, 2008, vol. 10, núm. 3,pp. 1156-118.

2. ALFARO LUNA, A.M. "Identificación y control de losfenómenos de corrosión presentes en los procesos deproducción en una empresa cloro- sosa", Monografíapara obtener el t ítulo de Ingeniero Mecánico-Electricista. Universidad Veracruzana; Coatzacoalcos,Veracruz, México, 2011.

3. SMITH GRANT, W. "Fundamentos de la Ciencia eIngeniería de Materiales". 4ta. ed. Hill M, 2008,pp.595-636. ISBN 6875285674.



AbstractThe present work is carried out with the purpose of giving answer to the possible presence ofintercrystalline corrosion and its future consequences in the built tubes of stainless steel 304L anddedicated to the conduction from the water to the boilers of a combined cycle of electricity production.The plant is these in this moments in installation of process investor and assembly and this study wasrequested since during the trial of installation of the pipes of stainless steel that will drive the watertried to the steam generators, they were detected on the part of the operatives some imperfections inthe material, what generated the doubt about the possibility of presence of intercrystalline corrosion orof another type in the pipes. After the realized rehearsals according to international norms and alsousing rehearsals metallography you concludes that the material employee is not sensitive to this typeof corrosion.

Key words: intercrystalline corrosion, stainless steel, combined cycle

Study of the Intercrystalline Corrosion in Pipes of StainlessSteel in a Combined Cycle

Revista Cubana de Ingeniería - DIRECTOR Y EDITOR...

Documents

Transcript of Revista Cubana de Ingeniería - DIRECTOR Y EDITOR...