Abstract: The Industry 4.0 paradigm aims to obtain high levels of productivity and efficiency, more competitive final products and compliance with the demanding regulations related to industrial safety. To achieve these objectives, the industrial systems must be equipped with condition monitoring systems for early detection, isolation, and location of faults. The paper presents a proposal for a condition monitoring system characterized by its robustness in presence of noise and missing variables in the measurements. The proposal combines the use of simple and effective imputation algorithms with a fuzzy classification kernel algorithm based on the use of the non-standard Pythagorean fuzzy sets. The proposed scheme was validated using the known DAMADICS test problem with excellent results.

ABSTRACT The objective of this research is to present a methodology proposal for the diagnosis of failures in the industry based on decision trees and fuzzy logic. Decision trees have among their advantages simplicity and ease of interpretation. While fuzzy logic provides capabilities for managing the uncertainty of the knowledge provided by process experts. This new methodology makes the contribution of offering a method to avoid the need to have a large training database during the development process for the diagnosticator, which will imply the use of a fault symptom table. In addition, the PMML standard is used to transmit the information of the model obtained in the configuration application to the application that performs the online monitoring tasks. The effectiveness of the methodology is analyzed in a real case, specifically in the diagnosis of failures of a water treatment process for injection in the pharmaceutical industry.

RESUMEN La presente investigación tiene como objetivo presentar una propuesta de metodología para el diagnóstico de fallos en la industria basado en árboles de decisión y lógica difusa. Los árboles de decisión tienen entre sus ventajas la sencillez y facilidad de interpretación. Mientras que, la lógica difusa, brinda capacidades para el manejo de la incertidumbre del conocimiento aportado por los expertos del proceso. Esta nueva metodología evita tener que contar con una gran base de datos de entrenamiento durante el proceso de desarrollo del diagnosticador y en su lugar usar una tabla de síntomas de fallos. Además, se hace uso del estándar PMML para transmitir la información del modelo obtenido en la aplicación de configuración a la aplicación que realiza las tareas de monitoreo en línea. La efectividad de la metodología se analiza en un caso real, específicamente en el diagnóstico de fallos de un proceso de tratamiento de agua para inyección de la industria farmacéutica.

ABSTRACT In this paper is presented a methodology for the design and implementation of automation products for technological processes from the Cuban pharmaceutical industry. The proposed methodology is based on a scrum approach, by using own software technologies which reduce the time of development and start up, provide great flexibility and efficiency in operations, significantly improve the traceability of processes and facilitate work based on user-friendly designs of the human-machine interface among its main advantages. The methodology developed is applicable to the automation of most of the pharmaceutical industry processes and guarantees to satisfy the demanding quality indicators of this industry and the requirements of the Drug Control Center (CECMED) of Cuba. The application of the methodology in the Cuban pharmaceutical industry has meant a saving to the country more of three and half million of euros in the last five years.

RESUMEN En este trabajo se presenta una metodología para el diseño, implementación y puesta en marcha de productos de automatización para procesos tecnológicos de la industria farmacéutica cubana basada en un enfoque scrum. El empleo de tecnologías de software propias que reducen el tiempo de desarrollo y puesta marcha, aportan gran flexibilidad y eficiencia en las operaciones, mejoran significativamente la trazabilidad de los procesos y facilitan el trabajo a partir de diseños amigables de la interfase hombre-máquina entre sus principales ventajas. La metodología desarrollada es aplicable a la automatización de la mayoría de los procesos de la industria farmacéutica y garantiza el cumplimiento de las exigentes regulaciones vigentes para esta industria y las establecidas por el Centro de Control de Medicamentos (CECMED) de Cuba. La aplicación de la metodología en la industria farmacéutica cubana ha significado un ahorro al país superior a tres millones y medio en moneda convertible en los últimos cinco años.

ABSTRACT Introduction: To achieve high levels of quality production with efficient use of raw materials, industries must have fault diagnosis systems for processing and analyzing the information obtained through data acquisition and control systems. The performance of fault diagnosis systems is affected by noise, information loss in the data acquisition process, the presence of unknown faults, and in the case of multi-mode processes, the occurrence of faults during transitions between stationary modes. The latter problem derives from the fact that diagnostic methods developed for stationary modes cannot be applied satisfactorily during transitions. Methods: In the present paper, a group of new paradigms is presented to provide solutions to the above-mentioned problems through the effective use of data-driven methods, clustering, imputation, hybrid algorithms, and computational intelligence tools. The proposals are validated in benchmark problems established as study cases in the scientific literature representing chemical processes, electromechanical systems, and urban water distribution networks. Results: Besides demonstrating the effectiveness of the proposals, the set of benchmark processes considered is very important for our country in its prospects for development, saving and caring of the environment.

RESUMEN Introducción: Para lograr elevados niveles de producción con calidad y con una utilización eficiente de la materia prima, las industrias deben tener instalados sistemas de diagnóstico de fallos procesando la información obtenida por los sistemas de adquisición de datos y control. El funcionamiento de estos sistemas se ve afectado por el ruido, la pérdida de información en los canales de comunicación, la presencia de fallos no conocidos para el sistema de diagnóstico y en el caso de los sistemas de múltiples modos de operación, por los fallos que se producen en las transiciones entre modos estacionarios ya que los métodos de diagnóstico desarrollados para estos modos donde las variables mantienen valores estacionarios no son satisfactorios para la transición. Métodos: En el presente trabajo se presentan un grupo de nuevos paradigmas con propuestas de soluciones a estas problemáticas utilizando de manera efectiva herramientas de agrupamiento, algoritmos híbridos, métodos Kernel, manejo de datos, imputación y otras provenientes de la inteligencia computacional. Las propuestas realizadas son validadas con problemas de pruebas que son casos de estudio establecidos en la literatura científica que representan procesos químicos, sistemas electromecánicos y redes urbanas de distribución de agua. Resultados: Muestran la efectividad de las mismas y la posibilidad de que puedan aplicarse a procesos de diferentes tipos muy importantes para nuestro país en sus perspectivas de desarrollo, ahorro y cuidado del medio ambiente.

Abstract In this paper, a robust approach to improve the performance of a condition monitoring process in industrial plants by using Pythagorean membership grades is presented. The FCM algorithm is modified by using Pythagorean fuzzy sets, to obtain a new variant of it called Pythagorean Fuzzy C-Means (PyFCM). In addition, a kernel version of PyFCM (KPyFCM) is obtained in order to achieve greater separability among classes, and reduce classification errors. The approach proposed is validated using experimental datasets and the Tennessee Eastman (TE) process benchmark. The results are compared with the results obtained with other algorithms that use standard and non-standard membership grades. The highest performance obtained by the approach proposed indicate its feasibility.

Abstract: Currently, the modern industry requires to achieve high economic returns with a continuous increase in the quality of the final products, to have high levels of industrial safety and to minimize possible effects on the environment. For accomplishing these requirements, it is necessary a fast detection and identification of faults that occur in the industrial systems. The evolution of the Internet of things and technological advances in automation devices, industrial networks and wireless communications, among other elements, have allowed a significant growth in the number of tools to be used for the treatment and management of the information obtained from the industrial processes by the supervision, control and data acquisition systems (SCADA). However, the performance of these tools, and especially of the fault diagnosis systems, are affected by two specific problems: the presence of noise and missing information on the measured variables. In this paper, a novel methodology for fault diagnosis in mechanical industrial systems is proposed by using computational intelligence tools. The proposal presents a robust behavior in presence of missing data and noise in the measurements by achieving high levels of performance. The proposed methodology is applied to the DAMADICS actuator FDI benchmark which is an electro-pneumatic valve widely used in modern industrial systems. The satisfactory results obtained demonstrate the effectiveness and validity of the proposal.

Resumen: Hoy en día, es un requisito de la industria moderna lograr elevados rendimientos económicos con un aumento continuo de la calidad de los productos finales, tener elevados niveles de seguridad industrial y reducir al mínimo las posibles afectaciones al medio ambiente; todo lo cual hace necesario la rápida detección e identificación de los fallos que se presenten en los sistemas industriales. La evolución de la Internet de las cosas y los avances tecnológicos en los medios técnicos de automatización, las redes industriales y las comunicaciones inalámbricas entre otros elementos, han permitido un crecimiento significativo del número de herramientas a usar para el tratamiento y gestión de la información obtenida por los sistemas de supervisión, control y adquisición de datos (SCADA) de los procesos industriales. Sin embargo, el desempeño de estas herramientas y en especial de los sistemas de diagnóstico de fallos se ve afectado por dos problemas concretos: la presencia de ruido en las mediciones y la pérdida de información de variables medidas. En el presente trabajo se propone una metodología para el diagnóstico de fallos en sistemas industriales mecánicos utilizando herramientas de inteligencia computacional que logra un comportamiento robusto ante la presencia de pérdida de información y el ruido logrando altos niveles de desempeño. La metodología propuesta se aplica al problema de prueba DAMADICS que representa a una válvula electro-neumática que es un tipo de actuador muy utilizado en los sistemas industriales modernos. Los resultados satisfactorios que se obtienen demuestran la efectividad y validez de la propuesta.

The ethanol production for alcoholic beverages manufacturing based on fermentation at “Héctor Molina” distillery is performed in a bioreactor tank operating at discontinuous mode. Currently the biological processes' modeling using artificial intelligence techniques has become a trend. In this paper, models with artificial neural networks (RNA), multilayer perceptron specifically, were created. These models were able to estimate the concentration of ethanol in the fermenters of the Héctor Molina distillery using MATLAB 2013. The best neural topology presents four input variables and six neurons in the hidden layer with a mean of the mean square error of 4,34 10 -4 and a correlation factor with the experimental data of 0,916.

La producción de etanol para el consumo humano mediante fermentación alcohólica en la destilería “Héctor Molina” se realiza en un biorreactor tipo tanque, con modo de operación discontinuo incrementado. Actualmente la modelación de procesos biológicos utilizando técnicas de inteligencia artificial se ha convertido en tendencia. En este trabajo se crearon modelos con las redes neuronales artificiales (RNA), perceptrón multicapa específicamente, que lograron estimar la concentración de etanol en los fermentadores de la destilería Héctor Molina, utilizando el software MATLAB 2013 . La mejor topología neuronal, obtenida en Matlab presenta cuatro variables de entrada y seis neuronas en la capa oculta con una media del error cuadrático medio de 4,34·10 -4 y un factor de correlación con los datos experimentales de 0,916.

ABSTRACT: In this paper is presented how to establish a working system for the achievement of scientific results that characterize a university. These results must be evaluated by international standards, but also they have to be relevant for the impact that they have on the country where the university. The fundamental objective of the present work is the cycle management application for the administration of science identifying at each stage the elements that must be considered. Instituto Superior Politécnico José Antonio Echeverría is used as a case study, CUJAE, located in Havana, Cuba. The results obtained in the last four years show progress in most measured indicators, demonstrating that this process has been developed efficiently and effectively, through rational use of resources, especially teachers and researchers.

RESUMEN: En este artículo se presenta la forma de establecer un sistema de trabajo para el logro de los resultados científicos que debe caracterizar a una universidad. Estos resultados deben poder evaluarse por medio de los estándares internacionales pero tienen que tener pertinencia medida por el impacto que los mismos tienen en el país donde se encuentra la universidad. El objetivo fundamental del trabajo es la aplicación del ciclo de administración para la gestión de la ciencia identificando en cada etapa los elementos que deben ser considerados. Se utiliza como caso de estudio el Instituto Superior Politécnico José Antonio Echeverría, CUJAE localizado en La Habana, Cuba. Los resultados obtenidos en los últimos cuatro años muestran el avance en la mayoría de los indicadores medidos, lo que demuestra que este proceso se ha desarrollado de manera eficiente y eficaz, mediante el uso racional de los recursos, especialmente los profesores e investigadores.

ABSTRACT A structure of two degrees of freedom permits uniting the controller's design so much for disturbances in the load same as for changes in the reference. In the design of a proportional integral derivative controller of two degrees of freedom (PI-2DoF) it is necessary to introduce conditions of robustness. The present paper proposes a rule of tuning that permits getting the level of robustness in a continuous interval with a smaller error than "± 0.06" of the desired value, surpassing the difficulty of the discreet margins of robustness. The rules was obtained using an adjustment of curves of the controller's optimal parameters, obtained as from the application of the differential evolution optimization's algorithm on a set of representative test's plants of industrial processes. The tuning rules for PI-2DoF control are used to establish the comparison with the rules in literature.

RESUMEN Una estructura de dos grados de libertad permite unificar el diseño del controlador tanto para perturbaciones en la carga como para cambios en la referencia. En el diseño de un controlador proporcional integral derivativo de dos grados de libertad (PI-2DoF) es necesario introducir condiciones de robustez. El presente trabajo propone una regla de sintonía que permite obtener el nivel de robustez en un intervalo continuo con un error no mayor que "± 0,06" del valor deseado, superando la dificultad de los márgenes de robustez discretos. Las reglas se obtuvieron mediante un ajuste de curvas de los parámetros óptimos del controlador, obtenidos a partir de la aplicación del algoritmo de optimización evolución diferencial sobre un conjunto de plantas de prueba representativa de procesos industriales. Se utilizan las reglas de ajuste para el control PI-2DoF para establecer la comparación con las reglas existentes en la literatura.

The monitoring of small magnitude faults is a specification that should be accomplished by data-driven fault diagnosis techniques in multimode industrial processes. This is a challenging problem because it is difficult to identify the data of each stable operation mode considering the presence the transitions between them and the noise of the measurements. A method for the identification of stable operation modes is proposed in this paper. This is based in a modification of the clustering algorithm known as k-medians and is named incremental k-medians. His main advantages are: is robust against the presence of transitions, outliers and noise in the dataset, it is not required to know the number of modes previously to parameterize it and it is not required to make multiple runs of it. The monitoring scheme is built upon the identified modes. The proposed strategy is tested using a continuous stirred tank heater (CSTH). Results obtained for a fault with different magnitude in each mode demonstrate the effectiveness of the proposal.

La detección de fallos de pequeña magnitud es uno de las cualidades que deben poseer las herramientas de diagnóstico basadas en datos históricos en procesos industriales multimodo. La existencia de múltiples modos de operación, las transiciones entre estos y el ruido presente en las mediciones de las variables complejiza la tarea de detectar este tipo de fallos lo cual se debe al reto que representa identificarlos datos que corresponden a cada régimen de funcionamiento estable. En este trabajo se propone un nuevo método para la identificación de modos de operación estables. Este se basa en una modificación del algoritmo de agrupamiento de las k-medianas que se ha denominado k-medianas incremental. Sus principales ventajas son la robustez ante la presencia de transiciones, datos fuera de rango (outliers) y ruido de tipo no gaussiano en los datos, no es necesario conocer la cantidad de modos de operación previamente para parametrizarlo y no requiere de múltiples corridas. A partir de los modos obtenidos se presenta el esquema de detección a utilizar. Para probar la efectividad de la estrategia propuesta se utilizó como proceso un tanque reactor-calentador continuamente agitado (CSTH por sus siglas en inglés). Los resultados obtenidos a partir de simular un fallo con diferentes magnitudes en cada modo de operación demuestran la efectividad de la propuesta realizada.

In this article a procedure is shown up for allowing the configuration of parameters of artificial neuronal network architecture of Radial Basis for failure diagnosis tasks after stablishing a logical order for their selection. Such procedure guarantees the procurance of a necessary number of hidden neurons starting from fixing the diagnosis error desired by the experts for each process, also allowing the selection of the method for esteeming the widths of the hidden neurons and the equation of distance for the propagation of the inlets vector. The procedure applies to the testing process of «Reactor Tank Constantly Agitated» searching to demonstrate its effectiveness. As a result of the realized experiments, it is confirmed that within the topology of the Radial Basis net, the calculation of the centers and widths of the hidden neurons intervene decisively in its execution, as well as the fixed-distance equation, but the election of the function of distance does not act on the selection of the method for esteeming the widths. It is verified that this architecture, with the adequate training, shows good properties of sensibility and robustness.

En este artículo se presenta un procedimiento que permite la configuración de los parámetros de una arquitectura de red neuronal artificial de Base Radial para tareas de diagnóstico de fallos, luego de establecer un orden lógico para la selección de los mismos. Dicho procedimiento garantiza la obtención del número necesario de neuronas ocultas a partir de fijar el error de diagnóstico deseado por los expertos para cada proceso, permitiendo también seleccionar el método para estimar los anchos de las neuronas ocultas y la ecuación de distancia para la propagación del espacio de entradas. El procedimiento se aplica al proceso de prueba «Tanque Reactor Continuamente Agitado» para demostrar su efectividad. Como resultado de los experimentos realizados, se concluye que la elección de la función de distancia no influye sobre la selección del método para estimar los anchos. Se comprueba que esta arquitectura, con el entrenamiento adecuado, exhibe buenas propiedades de sensibilidad y robustez para el diagnóstico de fallos.

Independent Component Analysis (ICA) is a statistical technique applied through the last ten years for dimensionality reduction in fault diagnosis on industrial systems. FastICA is the most popular algorithm in order to find the independent components. The independence measure and the feature selection criteria are two of the most important parameters to set on this algorithm. We propose in this paper a procedure to find a good combination of them based on achieve a good classification rate reducing the dimension of data the most possible. The proposed procedure is applied on the Tennessee Eastman Process plantas a model study.

El Análisis de Componentes Independientes (ICA) es una técnica estadística que ha sido ampliamente aplicada en los últimos diez años para la reducción de la dimensión en el diagnóstico de fallos en sistemas industriales. El algoritmo más usado es el denominado FastICA y dos de los parámetros más importantes del mismo para lograr una buena clasificación son la medida de la independencia y el criterio a seguir para la selección de las componentes independientes. En este trabajo se presenta una propuesta de procedimiento para determinar la mejor combinación entre estos dos parámetros en función de reducir la dimensión y lograr una buena tasa de aciertos en la clasificación. Para probar el procedimiento propuesto se emplearon los datos de simulación del modelo del proceso industrial Tennessee Eastman Process.

In this work the design of a fault diagnosis system using tools of fuzzy logic for a BKZ-340-140-29M steam generator in a thermoelectric power station is presented. The application aims to study the advantages of these techniques in the development of a fault diagnostic method with the characteristic to be robust to external disturbances and sensitive to small faults. The fault diagnosis system was designed for the water - steam circuit of the steam generator by its great incidence in the correct functionality of the generation blocks. The obtained results indicate the feasibility of the proposal.

En este trabajo se presenta el diseño de un sistema de diagnóstico de fallos utilizando herramientas de lógica difusa para un generador de vapor BKZ-340-140-29M en una central termoeléctrica. La aplicación tiene como objetivo estudiar las ventajas que ofrece esta técnica en el desarrollo de un método de diagnóstico de fallos que sea robusto a perturbaciones externas y sensible ante fallos de pequeña magnitud. El diagnosticador se diseñó para el circuito agua - vapor del generador a partir de demostrarse su gran incidencia en la disponibilidad de los bloques de generación. Los resultados obtenidos indican la factibilidad de la propuesta.

This paper presents an application of meta-heuristics to fault diagnosis. The idea behind this application is to develop methods for fault diagnosis that should be robust, sensitive and with an adequate computational cost. Applications of meta-heuristics are possible based on the formulation of fault diagnosis as an optimization problem. The results indicate the suitability of the use of meta-heuristics for fault diagnosis. In particular, this study shows an application of meta-heuristic termed Differential Evolution to diagnosing a DC Motor benchmark. This allowed developing a new variant of Differential Evolution, namely, Differential Evolution with Particle Collision. This new algorithm was validated with some benchmark functions for continuous optimization, showing that it over-performed the behavior of Differential Evolution.

Este trabajo presenta un estudio de la aplicación de meta heurísticas al diagnóstico de fallos, con el fin de desarrollar métodos que sean robustos ante perturbaciones, sensibles ante fallos incipientes y con adecuado costo computacional. La aplicación de las mismas es posible a partir de la formulación del diagnóstico de fallos como un problema de optimización. Los resultados indican la factibilidad del uso de meta heurísticas. En este estudio se aplicó la meta heurística, Evolución diferencial al diagnóstico de fallos en el sistema de prueba Motor CD. El estudio permitió desarrollar un nuevo algoritmo que se ha llamado Evolución diferencial con colisión de partículas. Este fue validado con funciones de prueba de optimización continúa mostrando su superioridad sobre Evolución diferencial.

Optimization, scaling and parameter estimation are inverse problems that appear in many biotechnological processes. In the solution of inverse problems, different techniques such as metaheuristics algorithms, have been used. These algorithms efficiently search for and find good solutions to a problem with a reasonable computational cost. In this pape, four well-known metaheuristic algorithms (Genetic Algorithm, Differential Evolution, Ant Colony Optimization and Particle Swarm Optimization) are applied to the problem of parameter estimation in the liquid chromatography separation process. The effectiveness of each method is analyzed and performance comparison based on different statistical criteria is made. The procedure allows to obtain estimated values close to the real parameters, with a good fit of the curves generated by the model to syntetically generated experimental data. The algorithm that performs better is Differential Evolution.

La optimización, el escalamiento y la estimación de parámetros son problemas inversos que aparecen en muchos procesos biotecnológicos. En la solución de los problemas inversos se han utilizado diferentes técnicas, entre ellas los algoritmos metaheurísticos. Estos algoritmos buscan y encuentran de manera eficiente buenas soluciones a un determinado problema, con un costo computacional razonable. En este trabajo se aplican cuatro algoritmos metaheurísticos bien conocidos (Algoritmo Genético, Evolución Diferencial, Optimización por Colonia de Hormigas y Optimización por Enjambre de Partículas) al problema de estimar parámetros en el proceso de cromatografía líquida en columna. Se analiza la efectividad de cada método, realizando una comparación basada en diferentes criterios estadísticos. El procedimiento utilizado permite obtener valores cercanos a los parámetros reales, con un buen ajuste de las curvas generadas por el modelo a los datos experimentales. El algoritmo que obtiene mejores resultados es Evolución Diferencial.