Inmobots: máquinas que se autorregulan

Los inmobots son máquinas diseñadas para trabajar en forma más eficiente que el hombre, capaces de tomar decisiones sobre su propio funcionamiento. Gabriel Horowitz y Miryan Cassanello, especialistas en el tema, trabajan junto a su equipo para dotar a las inmensas máquinas de YPF, encargadas de extraer y procesar petróleo, de la capacidad de autodiagnosticarse.

27 Abr 2011 POR Patricia Olivella

Miryan Cassanello y su grupo de investigación. Foto: Juan Pablo Vittori

Desde Arturito (R2D2) hasta Wall-E, sin olvidarse de la entrañable Robotina de los Supersónicos, cuando pensamos en robots, seguramente la primera imagen que viene a nuestra imaginación es la de un humanoide simpático, capaz de relevarnos de tareas tediosas, peligrosas o indeseadas. Pero, aunque todavía estamos lejos de poder contar con un asistente personal, al estilo del C3PO de la Guerra de las Galaxias, montones de robots conviven cotidianamente con nosotros y colaboran, aunque nos pasen desapercibidos. Los científicos los llaman inmobots. Son máquinas cuyo aspecto no tiene nada fuera de lo común. Sin embargo, trabajan en forma más eficiente y segura gracias a que pueden tomar decisiones sobre su propio funcionamiento.

“Un proyector que decide apagar su lámpara porque se está recalentando, una fotocopiadora que decide en forma automática la velocidad a la que debe alimentar las hojas para sincronizar varios procesos consecutivos, o un auto que le indica al mecánico qué autoparte está fallando, son sólo algunos ejemplos de inmobots”, ejemplifican Gabriel Horowitz y Miryan Cassanello, especialistas en el tema.

Cassanello dirige el grupo de investigación en Reactores y Procesos del PINMATE (Programa de Investigación y Desarrollo de Fuentes Alternativas de Materias Primas y Energía), que funciona en el Departamento de Industrias de la Facultad. Para llevar adelante la investigación en este tema en particular, el grupo de la doctora Cassanello trabaja en estrecha colaboración con el Centro de Tecnología Argentina de YPF, donde se desempeña el Dr. Gabriel Horowitz, egresado de esta casa. Además, algunos de los trabajos en el tema fueron realizados con la colaboración de los investigadores del Instituto de Cálculo y del Departamento de Matemática, Pablo Groisman y Andrés Farall.

“Los inmobots utilizan sensores para autodiagnosticarse y complejos modelos matemáticos para tomar decisiones en forma autónoma”, explica la investigadora. “Hay otra clase de inmobots que tienen un alto impacto en nuestras vidas, aunque son demasiado grandes para entrar en nuestro hogar u oficina. Se trata de redes eléctricas, plantas de tratamiento de agua o refinerías, capaces de autodiagnosticarse y tomar decisiones para evitar accidentes. Este es el tema en el que trabajamos desde 2006, en colaboración con la Dirección de Tecnología de YPF”, agrega.

Los científicos del equipo trabajan para dotar a las inmensas máquinas de YPF, encargadas de extraer y procesar petróleo, de la capacidad de autodiagnosticarse. “En algunas plantas de la compañía, los sistemas de control ya relevan automáticamente cientos de mediciones de caudal, presión y temperatura y, en caso de considerarlo necesario, se comunican con los operadores para alertarlos sobre potenciales problemas”, cuenta Horowitz. “Para conseguir diagnosticar problemas en estas inmensas máquinas se requiere de un modelo del comportamiento del sistema. Este modelo permite al inmobot diagnosticar situaciones que no fueron previstas durante su construcción, ya que la complejidad de estas máquinas haría imposible prever todos los posibles escenarios de falla”, completa.

Pero además, es necesario convertir las mediciones obtenidas en la planta en síntomas que el modelo pueda utilizar. Para eso, los investigadores deben desarrollar herramientas estadísticas especialmente diseñadas para esta aplicación. El desarrollo de estas herramientas es el tema en el que YPF y la UBA colaboran desde hace varios años. Sus resultados han sido presentados en congresos y revistas científicas y se ensayaron con éxito en plantas petroquímicas de YPF.

“Básicamente hacemos programas que realizan análisis multivariado de señales medidas en las plantas de producción con los instrumentos que hay instalados, y que determinan continuamente temperaturas, presiones, caudales, etcétera”, explica Cassanello. “Para desarrollar los algoritmos de detección e identificación de fallas, empezamos por adaptar alguna de las técnicas de análisis ya desarrolladas, que encontramos en la literatura científica, a las condiciones particulares del proceso que queremos monitorear. Nos fijamos cuántas variables se miden en el proceso (que, dependiendo del grado de instrumentación, pueden ser de 10 a 400), cuán rápido cambian, cómo se correlacionan unas con otras, etcétera”, relata la especialista, mientras aclara que esta primera idea va siendo modificada a medida que evalúan su funcionamiento frente a diferentes fallas.

“Lo mejor para evaluar un sistema de detección es usar fallas ocurridas en un proceso real. Sin embargo los eventos anómalos que más nos interesan son justamente los más graves, los que implican riesgo para las personas. Dado que estos eventos son muy raros, debemos simularlos utilizando modelos matemáticos del comportamiento del proceso especialmente desarrollados para tal fin”, dice Horowitz. En estas simulaciones, los investigadores pueden incluir fallas catastróficas y ver si el método desarrollado puede detectar la falla a tiempo para evitar un accidente.