ES / EN — English

Caso de estudio · Monitoreo industrial

Monitoreo inteligente de membranas

Un módulo que sigue la salud de cada tren de membranas de una planta desaladora y estima cuándo conviene limpiarlo, ni tarde ni antes de tiempo.

Mi rol
Diseño de la solución y desarrollo de sus fórmulas
Industria
Desalación
Validación
6 meses en planta
Estado
En producción
Fila de recipientes industriales azules en una sala de máquinas
Fotografía ilustrativa, no corresponde a la planta del caso. Foto de Frantisek Duris en Unsplash.

01 · Contexto

Membranas que se ensucian con el uso

Una planta desaladora produce agua haciendo pasar agua de mar por membranas de osmosis inversa, agrupadas en trenes. Con el uso, las membranas se ensucian y hay que limpiarlas químicamente, deteniendo parte de la operación. El módulo se desarrolló dentro de una plataforma SaaS de monitoreo industrial.

02 · Problema

Limpiar tarde o temprano, ambos cuestan

Si se limpia tarde, el sistema trabaja con más esfuerzo y consume más energía. Si se limpia antes de tiempo, se gastan químicos y horas de operación sin necesidad. Y las señales de la planta, con sus vacíos y valores atípicos, no permiten ver la tendencia a simple vista.

03 · Enfoque y metodología

De señales ruidosas a una fecha sugerida

  1. 1Construir un índice

    Las señales de operación se combinan en un índice de salud comparable en el tiempo.

  2. 2Línea base

    Cada limpieza fija un nuevo punto de partida del ciclo.

  3. 3Filtrar atípicos

    Valores anómalos y vacíos se excluyen del ajuste.

  4. 4Proyectar

    Una regresión estima cuándo el índice cruzará el umbral, con su incertidumbre.

100806045umbral de limpiezaatípico filtradofecha sugeridadías desde la última limpieza →
Fig. 1 — El método en una figura: observaciones, atípico filtrado, regresión y proyección con intervalo hasta el umbral. Datos sintéticos.

04 · Demostración interactiva

Prueba el monitor

Una reconstrucción conceptual del módulo: acerca la ventana de tiempo y mueve el umbral para ver cómo cambian la fecha sugerida, las alertas y el escenario frente a un calendario fijo.

Monitor de membranasDatos sintéticos
Indicador hoy69
Tendencia 7 días−2,9 pts
Días al umbral16 d
ConfianzaAlta
100806040-119 d-74 d-29 d+15 d+60 dlimpiezalimpiezaumbral 62hoy
ObservadoPronóstico e intervalo 95 %Atípico filtradoSin datos
Interfaz conceptual con datos sintéticos · no es el producto desplegadoIndicador inventado · semilla fija

05 · Resultados

Lo que se observó en planta

Resultados reales · sin cifras por confidencialidad
  • Reducción: Menos consumo específico de energía
  • Reducción: Menos consumo total de energía
  • Aumento: Más caudal después de la limpieza

Observado en un tren durante la validación en planta de 6 meses. El módulo contribuyó junto a otras mejoras operacionales: los resultados no se atribuyen solo a él.

06 · Mi contribución

Participé en todas las etapas

Desarrollo técnicoGestión y traspaso
  1. 01Desarrollo técnicoEntender
    • Entendimiento del problema operativo y de negocio.
  2. 02Diseñar
    • Diseño de la prueba de concepto.
    • Especificaciones del módulo.
  3. 03Construir
    • Integración de datos.
    • Desarrollo del código de las fórmulas del índice y de la proyección al umbral.
  4. 04Gestión y traspasoGestionar
    • Backlog de tareas y priorización.
    • Especificación de tareas para el equipo.
  5. 05Validar y transferir
    • Auditoría de la validación en planta.
    • Traspaso a las áreas operacionales.

07 · Tecnologías

Herramientas

Modelo y análisis

PythonpandasNumPyscikit-learn

Plataforma (stack del equipo)

DjangoCeleryBase de datos de series de tiempo