A methodology for the automation of building intelligent process control systems

Abstract

(English) One of the major problems to design and implement control and supervision systems for real-world processes lies in the need to stablish an ad-hoc solution for each process, i.e., environmental systems in this thesis, more precisely Waste Water Treatment Plants (WWTPs). Despite WWTPs have similarities to some extent, they have particular characteristics that must be considered in the process control system design. This fact involves considerable amounts of time and resources from design stages to maintenance, including implementation and start-up stages.

This thesis proposes an Intelligent Decision Support (IDS) methodology based on the interoperation of a data-driven technique –Cas e Bas ed Reas oning (CBR)– and a model-driven technique –Rule Bas ed Reas oning (RBR)– for control, supervision and decision support of real-world processes. Design stage of control and decision support tools tends to be somehow ad-hoc regarding to the nature of the processes involved. Hence, an automated approach is proposed for the sake of scalability to different types and configurations. The proposed hybrid scheme provides complementarity in the set-point generation for the process controllers, increasing the reliability of the Intelligent Process Control System (IPCS), which is the core component of the IDSS. The IDSS is flexible to allow coping with the evolution of dynamic systems, learning from recorded situations, through a new temporal reasoning approach. Furthermore, some innovative data imputation techniques are proposed for managing the missing values appearing in a complex process. The approach presented has been implemented in different real facilities in the Barcelona area (Catalonia, Spain).

(Català) Un dels principals problemes alhora de dissenyar i implementar un sistema de supervisió i control per a un procés radica en la necessitat d’establir una solució ad-hoc per a cada instal·lació – Estacions Depuradores d’Aigües Residuals (EDAR) en el context d’aquesta tesi. Malgrat les similituds entre totes les plantes , hi ha característiques particulars de cada sistema que cal tenir en compte en el procés de disseny del sistema de control. Aquest fet implica importants quantitats de temps i recursos destinats tant al disseny com a la implementació, posada en marxa i manteniment de la solució proposada. Aquesta tesi proposa una metodologia per generar un sistema intel·ligent de suport a la decisió basat en la interoperació de tècniques basades en dades –Raonament Basat en Cas os (CBR)– i en models –Raonament Basat en Regles (RBR)– per al control, supervisió i suport a la decisió de sistemes mediambientals . El disseny d’eines per al control i la supervisió sol implicar solucions fetes a mida en funció de la naturalesa dels processos considerats en cada cas. Per a això, es proposa una solució que permet automatitzar aquest disseny i escalar-lo a diferents tipus de processos i configuracions. Així, es proposa una solució híbrida que proporciona redundància en la generació de consignes per al procés, augmentant així la fiabilitat del Sistema Intel·ligent de Control (IPCS, en angles), nucli del Sistema Intel·ligent de Suport a la Decisió (IDSS, en anglès ). Addicionalment, es tracta d’una solució flexible capaç d’aprendre de les experiències enregistrades, mitjançant una aproximació de raonament temporal. A més a més, es proposen algunes tècniques innovadores d’imputació de dades mancants que apareixen en un procés complex. La metodologia es materialitza en una eina instal·lada i testejada en diferents instal·lacions reals ubicades a la zona de Barcelona.