PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ 
ESCUELA DE POSGRADO 
 
 
 
DESARROLLO DE UN SISTEMA DE SUPERVISIÓN Y 
MONITOREO CON IMPLEMENTACIÓN DE MÓDULOS DE 
DETECCIÓN DE FALLAS PARA UNA PLANTA PILOTO 
DESALINIZADORA DE AGUA DE MAR 
 
 
Tesis para optar el grado de  
Magister en Ingeniería de Control y Automatización 
 
 
Autor: Julio Martin Romero Morante 
Asesor: Carlos Gustavo Pérez Zuñiga, Mg. 
 
 
Miembros del Jurado: 
Dr. Javier Sotomayor Moriano 
Mg. Pedro Crisóstomo Romero 
Mg. Carlos Pérez Zuñiga 
 
 
 
Lima, Perú 
2016 
 
 
 
 
 
 
  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
A mis amados padres, quienes con sus consejos, apoyo 
y gran amor, guían mi camino, y forman el gran soporte 
para superarme día a día. 
  
 
 
 
 
 
 
 
 
 
 
 
 
 
Agradecimientos 
Agradezco a mi familia, por darme fuerzas en los 
momentos más complicados de la maestría, y por ser mi 
inspiración para cumplir mis metas y objetivos. 
A los profesores de la maestría, por los conocimientos 
compartidos en las aulas, y la paciencia para explicar 
cada tema en forma detallada y didáctica. 
Deseo expresar un especial agradecimiento a mi asesor 
de tesis Carlos Gustavo Pérez Zuñiga por mostrar 
interés en mi tema de investigación, y por sus consejos, 
los cuales me sirvieron de guía para encaminar este 
trabajo. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
AGRADECIMIENTOS 
 
El autor de este trabajo de tesis, Julio Martin Romero Morante, agradece el 
apoyo del Programa Nacional de Innovación para la Competitividad y 
Productividad (Innóvate Perú) entidad que financio el proyecto 207-FINCyT-
IA-2013, en el marco del cual se desarrolló la presente tesis: “DESARROLLO 
DE UN SISTEMA DE SUPERVISIÓN Y MONITOREO CON 
IMPLEMENTACIÓN DE MÓDULO DE DETCCIÓN DE FALLAS PARA UNA 
PLANTA PILOTO DESALINIZADORA DE AGUA DE MAR”. 
 
 
 
Resumen 
 
 
El objetivo principal de esta tesis fue utilizar una arquitectura de control 
distribuido para desarrollar la programación de módulos de detección y 
diagnóstico de fallas para una planta piloto desalinizadora de agua de mar.  
Se estudió la dinámica de la planta tomando como base un modelo (en función 
de transferencia) desarrollado en otro trabajo de investigación. Este modelo 
sirvió para analizar el comportamiento de la planta al generarse variaciones 
en las variables de entrada (presión y PH).  
Para asegurar que alguna falla se debe al proceso y no a un dispositivo de 
campo, se desarrollaron módulos de detección y diagnóstico de fallas para 
cada dispositivo. Cada módulo toma como base la dinámica del dispositivo 
asociado y los valores de los parámetros obtenidos mediante comunicación 
por protocolo HART. 
Los módulos de detección y diagnóstico de fallas se implementan en la 
arquitectura de control distribuido DeltaV, el cual también permite desarrollar 
el sistema de supervisión de la planta, desde donde se supervisa el proceso 
y se accede a los módulos de detección y diagnóstico de fallas, en forma 
gráfica. 
Para justificar el uso de una arquitectura de control distribuido, se integró el 
sistema de detección y diagnóstico de fallas de la planta piloto desalinizadora 
de agua de mar y el de la planta piloto de temperatura.  
También se desarrolló un sistema de supervisión para un panel de operador, 
el cual se comunica con un PLC CompactLogix, de Allen Bradley. Ambos 
equipos instalados en el tablero de control de la planta piloto desalinizadora 
de agua de mar. 
Para validar el desarrollo de la tesis se realizaron pruebas de campo con una 
planta piloto de temperatura, la cual posee dispositivos con comunicación por 
protocolo HART. En dicha planta se forzaron fallas en los instrumentos de 
campo, las cuales fueron detectadas de manera inmediata por el sistema de 
control distribuido empleado, y mostradas en forma detalla en la pantalla de 
supervisión.  
 
 
 
 
 
 
 
i 
 
 
Índice general 
INTRODUCCIÓN 
1. ESTADO DEL ARTE ................................................................................. 3 
1.1. Introducción ............................................................................................ 3 
1.2. Estado del arte de las plantas desalinizadoras ...................................... 3 
1.2.1. Tecnologías de desalinización............................................................. 3 
1.2.2. Destilación térmica .............................................................................. 3 
1.2.3. Ósmosis inversa (RO) ......................................................................... 5 
1.2.4. Electrodiálisis (ED) .............................................................................. 6 
1.2.5. Intercambio de iones (IX) .................................................................... 6 
1.3. Automatización para plantas industriales ............................................... 6 
1.3.1. Introducción ......................................................................................... 6 
1.3.2. Controlador lógico programable (PLC) ................................................ 7 
1.3.3. Sistemas de control distribuido (DCS) ................................................. 8 
1.3.4. Protocolos de comunicación industrial .............................................. 10 
1.3.5. Sistemas de supervisión por computadora y SCADA ........................ 12 
1.4. Sistemas de detección y diagnóstico de fallas ..................................... 15 
1.4.1. Introducción ....................................................................................... 15 
1.4.2. Detección y diagnóstico de fallas basado en conocimientos ............. 16 
1.4.3. Detección y diagnóstico de fallas basado en casos .......................... 17 
1.4.4. Detección y diagnóstico de fallas basado en modelos ...................... 18 
1.4.5. Detección y diagnóstico de fallas basado en aprendizaje 
automático ......................................................................................... 19 
1.5. Planteamiento del problema ................................................................. 20 
2. ESTUDIO DE LOS DISPOSITIVOS DE CAMPO EN LA PLANTA PILOTO 
DESALINIZADORA DE AGUA DE MAR ................................................ 22 
2.1. Introducción .......................................................................................... 22 
2.2. Estudio de la planta desalinizadora ...................................................... 22 
2.3. Modelo de los dispositivos de campo ................................................... 25 
2.3.1. Dispositivos de campo ....................................................................... 25 
2.3.2. Transmisores ..................................................................................... 26 
2.3.3. Actuadores ........................................................................................ 38 
3. DESARROLLO DEL SISTEMA DE SUPERVISIÓN CON DETECCIÓN Y 
DIAGNÓSTICO DE FALLAS .................................................................. 43 
ii 
 
 
3.1. Introducción .......................................................................................... 43 
3.2. Implementación del sistema de supervisión con detección y diagnóstico 
de fallos en el DeltaV ............................................................................ 44 
3.2.1. Características del Hardware de DeltaV ............................................ 44 
3.2.2. Configuración del DeltaV Explorer ..................................................... 48 
3.2.3. Desarrollo de los algoritmos de detección y diagnóstico de fallas en el 
DeltaV Control Studio ........................................................................ 54 
3.2.3.1. DeltaV Control Studio .................................................................... 54 
3.2.3.2. Desarrollo de los algoritmos de detección y diagnóstico de fallas . 54 
3.2.4. Desarrollo del sistema de supervisión en el DeltaV Operate ............. 62 
3.2.4.1. DeltaV Operate .............................................................................. 62 
3.2.4.2. Desarrollo del sistema de supervisión ........................................... 62 
3.3. Configuración y lectura de parámetros de los instrumentos de campo con 
el AMS Device Manager ....................................................................... 67 
3.3.1. AMS Device Manager ........................................................................ 67 
3.3.2. Configuración del AMS Device Manager ........................................... 67 
3.3.3. Configuración y lectura de parámetros de los instrumentos de 
campo ................................................................................................ 68 
3.4. Desarrollo del sistema de supervisión para el Panel View 1500 .......... 69 
3.4.1. Introducción ....................................................................................... 69 
3.4.2. RSLinx ............................................................................................... 69 
3.4.3. CompactLogix .................................................................................... 70 
3.4.4. Panel View 1500 ................................................................................ 71 
3.4.5. Desarrollo del sistema de supervisión ............................................... 72 
4. PRUEBAS Y RESULTADOS DEL SISTEMA DE SUPERVISIÓN CON 
DETECCIÓN Y DIAGNÓSTICO DE FALLAS ......................................... 77 
4.1. Introducción .......................................................................................... 77 
4.2. Fallas en la válvula de control proporcional neumática ........................ 77 
4.3. Detección de fallas en el AMS .............................................................. 81 
4.4. Análisis de resultados ........................................................................... 82 
CONCLUSIONES ........................................................................................ 84 
BIBLIOGRAFÍA ........................................................................................... 85 
 
 
 
iii 
 
 
 
 
iv 
 
 
INTRODUCCIÓN 
En la actualidad, muchas regiones del planeta presentan un severo problema 
de escasez de agua, el cual se va incrementando debido a factores como el 
crecimiento poblacional, desarrollo industrial y a cambios climáticos (García-
Rodríguez y Gómez-Camacho, 2001). Aproximadamente el 97.5% del agua 
en el planeta se encuentra localizada en los océanos, lo que representa una 
extensa reserva de agua, la cual puede ser aprovechada mediante diversos 
métodos de obtención de agua desalinizada (Cipollina A et al, 2009). 
Entre los años 1960 y 1980, se comenzaron a introducir las técnicas de 
desalinización de agua por destilación flash multietapa (MSF), destilación 
multiefecto (MED) y destilación por compresión de vapor (CV). Estas técnicas 
se centran en evaporar el agua de mar para separar el agua dulce de la sal, 
lo que ocasiona un alto consumo de energía y, por lo tanto, un alto consumo 
de producción de agua. Es así que entre los años 1980 y 1999, se introdujo el 
desarrollo de la técnica de desalinización de agua por ósmosis inversa (RO), 
con la cual se redujo el costo de producción de agua desalinizada (Alatiqui et 
al, 1999). 
Gracias a los avances tecnológicos del último siglo, los sistemas de control de 
las plantas desalinizadoras se hicieron cada vez más eficientes. Primero, se 
utilizaron los controladores lógicos programables (PLC), así como los 
controladores digitales de lazo (CDL). En la actualidad, debido al incremento 
de dispositivos de campo y lazos de control, la tendencia es migrar los 
sistemas hacia arquitecturas de control distribuido (DCS), es así que estás 
representan una alternativa más eficiente para el desarrollo de sistemas de 
control.  
Por otro lado, este crecimiento (en los sistemas de automatización para las 
plantas desalinizadoras), trajo grandes beneficios, por las posibilidades de 
control y supervisión (Siemens Energy & Automation, Inc. 2007); sin embargo, 
estos avances acarrearon nuevas problemáticas relacionadas a la gran 
cantidad de equipos e instrumentos que tienen que ser monitorizados desde 
un sistema principal, sobre todo cuando ocurre uno o varios fallos 
inesperados. 
Las plantas desalinizadoras actuales cuentan con sistemas de supervisión 
que integran alarmas capaces de detectar algunas fallas y sus posibles 
causas, pero la mayoría solo se basa en señales obtenidas de sensores 
analógicos, por lo que su capacidad es limitada.  
Para mejorar los sistemas de alarmas básicos y contrarrestar las 
problemáticas relacionadas a fallas de hardware es necesario integrar áreas 
de conocimiento como los protocolos de comunicación industrial y los 
sistemas de detección y diagnóstico de fallas basados en modelos capaces 
de identificar y diagnosticar diferentes tipos de  anomalías en sensores, 
actuadores y en el proceso mismo  (Isermann R, 2011). 
 
1 
 
 
En la presente tesis se propone desarrollar la programación de módulos de 
detección y diagnóstico de fallas que integre los datos obtenidos por modelos 
y por protocolo de comunicación industrial HART (asociado a cada dispositivo 
de campo). También, se realiza el desarrollo del sistema de supervisión por 
computadora, el cual integra los módulos de detección y diagnóstico de fallas. 
Todo esto se implementa bajo una arquitectura de control distribuido, tal que 
estos conocimientos puedan ser aplicados de manera sencilla en cualquier 
planta industrial con características similares. 
El documento está organizado como sigue:  
El Capítulo 1 presenta el estado del arte asociado a las tecnologías de 
desalinización de agua de mar más utilizadas. También presenta el estado del 
arte de las tecnologías automatización industrial y su evolución en el tiempo. 
Finalmente, se presenta el estado del arte de los sistemas de detección y 
diagnóstico de fallas, haciendo referencia en detalle a las diferentes 
metodologías utilizadas en esta área de investigación.  
El Capítulo 2 presenta las relaciones existentes entre las entradas y salidas 
de la planta piloto desalinizadora de agua de mar, mediante el estudio y 
simulación de un modelo matemático (desarrollado en MATLAB). También 
presenta en el estudio y modelamiento dinámico de todos los dispositivos de 
campo utilizados en la planta piloto desalinizadora de agua de mar y la planta 
piloto de temperatura. 
El Capítulo 3 presenta la configuración de los dispositivos de campo para el 
envío y recepción de datos por protocolo HART. Luego, se presenta el 
desarrollo de los módulos de detección y diagnóstico de fallas para los 
dispositivos de campo. También se desarrolla el sistema de supervisión por 
computadora, que incluye pantallas de supervisión para la planta piloto 
desalinizadora de agua de mar y para la planta piloto de temperatura. Así 
mismo, se desarrollaron pantallas emergentes (faceplates), que integran el 
comportamiento de cada dispositivo y sus fallas asociadas. Todo esto 
implementado en la arquitectura de control distribuido DeltaV.  
El Capítulo 4 presenta los resultados prácticos obtenidos al forzar fallas en la 
válvula de control proporcional de la planta piloto de temperatura, estos 
resultados se muestran como un caso general, ya que todos los otros módulos 
funcionan de manera similar. 
 
 
 
 
 
 
2 
 
 
1. ESTADO DEL ARTE 
1.1. Introducción 
Las tecnologías de automatización industrial han avanzado a pasos 
agigantados desde la invención del transistor en 1947 en los laboratorios Bell 
(Riordan, Hoddeson, Herring, 1999). Si bien los procesos productivos pueden 
controlarse y monitorearse a grandes distancias, estos aún no se han 
optimizado en cuanto al uso de sistemas de detección y diagnóstico de fallas, 
lo que genera paradas no programadas en una planta y, por lo tanto, grandes 
pérdidas monetarias. 
Las teorías de detección y diagnóstico de fallas comenzaron a ser bastante 
estudiadas desde los inicios de los años 70. Actualmente, existen muchas 
corrientes y teorías sobre detección y diagnóstico de fallas. Sin embargo, 
estas teorías aún no son muy difundidas en ciertos procesos, como el de 
desalinización de agua de mar. 
Este capítulo realiza una introducción teórica sobre las tecnologías de plantas 
desalinizadoras de agua de mar, las tecnologías de automatización industrial 
y las principales teorías de detección y diagnóstico de fallas. 
1.2. Estado del arte de las plantas desalinizadoras 
1.2.1. Tecnologías de desalinización 
La desalinización de agua constituye una respuesta prometedora a la escasez 
de agua mundial. Actualmente, muchas regiones del planeta presentan un 
severo problema de escases de agua, el cual se va incrementando debido a 
diversos factores como son el crecimiento poblacional, desarrollo industrial y 
cambios climáticos (García-Rodríguez and Gómez-Camacho, 2001). Es 
conocido también que el 98% del agua del planeta se encuentra en los 
océanos, los cuales son una verdadera e inagotable reserva de agua la cual 
puede ser aprovechada mediante diversos procesos para obtener agua 
desalinizada y combatir dicha escasez (Ramillo et al., 2003). 
Las tecnologías de desalinización de agua de mar se pueden distribuir en 
cuatro grupos (Voutchkov, 2013), que son: 
 Desalinización térmica (destilación). 
 Ósmosis inversa (RO). 
 Electrodiálisis (ED). 
 Intercambio de iones (IX). 
1.2.2. Destilación térmica 
Las tecnologías de desalinización térmica se basan en calentar el agua salada 
para producir vapor, el cual es luego condensado para obtener agua de baja 
salinidad. Dado que la energía utilizada para la evaporación de agua salada 
no depende del grado de salinidad del agua, este método es muy apropiado 
para desalinización de agua con alto grado de salinidad. 
3 
 
 
Debido a las condiciones climáticas y geográficas, aproximadamente el 75% 
de plantas de desalinización térmica se encuentran ubicadas en la península 
Arábica y la mitad de estas en Arabia Saudita. 
Dentro de las tecnologías de desalinización térmica, se distinguen tres 
técnicas principales que son: 
 Destilación flash multietapa (MSF). 
 Destilación multiefecto (MED). 
 Destilación por compresión de vapor (CV). 
Destilación flash Multietapa (MSF) 
En esta técnica se utilizan varios recipientes de evaporación (ver Figura 1.1). 
Al inicio el agua salada es calentada entre 90 y 115°C para crear vapor de 
agua, luego este ingresa al primer recipiente de evaporación, el cual tiene una 
presión ligeramente menor a la de la presión de saturación del vapor, con esto 
el vapor de agua reduce su presión ocasionando un fenómeno conocido como 
flasheo. Finalmente el vapor obtenido, en los recipientes de evaporación, pasa 
a través de un condensador para obtener el destilado (Voutchkov, 2013) 
 
Figura 1.1. Destilación flash multietapa  
Destilación multiefecto (MED) 
En esta técnica el agua de alimentación no es pre-calentada (ver Figura 1.2). 
El agua es inyectada por medio de pulverizadores sobre un sistema de 
tuberías, el cual transporta el vapor de agua de alimentación en un ciclo 
cerrado (Voutchkov, 2013). Esta técnica opera a menores temperaturas que 
la MSF (62 a 75°C).  
 
Figura 1.2. Destilación multiefecto  
4 
 
 
Destilación por compresión de vapor (CV) 
En esta técnica la fuente de agua es evaporada, y el vapor es transportado a 
un compresor (ver Figura 1.3). Luego, el vapor es comprimido para 
incrementar su temperatura hasta un punto adecuado para evaporar el agua 
inyectada sobre un conjunto de tubos. De esta manera el vapor comprimido 
realiza un intercambio de temperatura con la nueva fuente de agua que 
ingresa al conjunto de tubos, para ser finalmente condensada (Voutchkov, 
2013). 
 
Figura 1.3. Destilación por compresión de vapor  
1.2.3. Ósmosis inversa (RO) 
La ósmosis inversa (RO) es un proceso en el cual el agua que contiene sales 
minerales, sólidos suspendidos, organismos orgánicos e inorgánicos, etc. Es 
forzada a pasar a través de una membrana semipermeable (se puede definir 
como semipermeable a una membrada que deja pasar selectivamente el agua 
y no sus constituyentes) mediante una determinada presión (ver Figura 1.4). 
Con este procedimiento se logra obtener agua con un bajo grado de salinidad 
(Voutchkov, 2013). 
 
Figura 1.4. Ósmosis inversa  
5 
 
 
1.2.4. Electrodiálisis (ED) 
Esta técnica se basa en la aplicación de corriente continua al agua de 
alimentación (ver Figura 1.5). Esta corriente transporta a los iones minerales 
y otros iones con una gran carga eléctrica, contenidos en el agua de 
alimentación, a través de una membrana selectiva de iones hacia un par de 
electrodos con carga opuesta (Voutchkov, 2013). 
 
Figura 1.5. Electrodiálisis  
1.2.5. Intercambio de iones (IX) 
Esta técnica se basa en la remoción de sal del agua de alimentación mediante 
el proceso de adsorción, la cual se obtiene gracias al uso de una resina 
selectiva de iones. El elemento principal en este proceso es la carga de iones 
que posee la resina IX, la cual en forma selectiva atrae o retiene iones de 
carga opuesta contenidos en la fuente de agua (Voutchkov, 2013). 
1.3. Automatización para plantas industriales 
1.3.1. Introducción 
La automatización industrial, como la conocemos actualmente, tiene sus 
inicios en la revolución industrial, que se dio en la segunda mitad del siglo 
XVIII en el Reino Unido y que concluyó entre 1820 y 1840, con la introducción 
de las modificaciones realizadas por James Watt en el sistema de control en 
lazo cerrado para la máquina de vapor. 
Hasta los años 60 los sistemas de control para los procesos industriales se 
basaban en señales manejadas por relé (señales digitales) o señales 
neumáticas para el control de procesos continuos (señales analógicas de 3 – 
15PSI). Esto generaba una gran cantidad de inconvenientes por las grandes 
cantidades de cable utilizado para un proceso, el rediseño de un proceso y la 
pérdida de tiempo para dar solución a los problemas de planta. 
A partir de los años 60 y las necesidades de la industria, se comenzaron a 
desarrollar diferentes soluciones para los procesos productivos, tales como el 
PLC (Controlador Lógico Programable), el DCS (Sistema de Control 
Distribuido), el control por computadora, los sistemas SCADA (Adquisición de 
Datos y Control Supervisorio), etc. 
6 
 
 
Actualmente, estas tecnologías se encuentran bastante avanzadas con 
respecto a sus predecesoras, lo cual origina confusión en las definiciones de 
cada una, pues a medida que avanza el desarrollo de estas tecnologías, cada 
vez son más parecidas entre ellas. 
1.3.2. Controlador lógico programable (PLC) 
Un controlador lógico programable (PLC) es un dispositivo industrial basado 
en computadora que cumple funciones discretas o continuas en una gran 
variedad de procesos. Originalmente fue diseñada para reemplazar a los relés 
en la industria de fabricación de automóviles, esto indica que el propósito de 
este equipo se basaba en el control de variables discretas. 
En 1968, Bill Stone, quien pertenecía al grupo de ingeniero de General Motors, 
presentó una propuesta para el desarrollo de un equipo que solucionara los 
problemas del proceso de manufactura (Romero, Theorin, 2013). Este equipo 
debía cumplir con ciertas características como: 
 Reducir los retardos de producción relacionados con problemas de 
control, además de ser de fácil mantenimiento y programación en línea 
con lógica escalera. 
 Proveer la capacidad de expansión futura y ser desarrollado bajo un 
concepto modular para reducir el tiempo en el intercambio de 
componentes. 
 Tenía que ser robusto, pues debería trabajar bajo condiciones de 
suciedad, interferencia electromagnética y vibración. 
En 1969, la compañía Bedford Associates and Modicon presentaron el equipo 
Modicon 084, el cual cumplía con las característica requeridas, y el que es 
conocido actualmente como el primer PLC (ver Figura 1.6). 
 
Figura 1.6. Modicon 084 
Luego del desarrollo del primer PLC varias empresas comenzaron a poner 
interés en el desarrollo de PLCs más avanzados, es así que actualmente se 
tiene una gran variedad de fabricantes, los cuales presentan una gran gamma 
de equipos para diferentes aplicaciones, dentro de estos se puede mencionar 
a los más representativos como: 
7 
 
 
 ABB 
 Allen Bradley 
 Omron 
 Schneider 
 Siemens 
1.3.3. Sistemas de control distribuido (DCS) 
Hasta los años 50 los sistemas de control consistían de dispositivos 
analógicos que se conectaban mediante cables en forma manual. Los lazos 
eran controlados y supervisados desde una sala de control como se muestra 
en la Figura 1.7 (Romero, Theorin, 2013).  
 
Figura 1.7. Antigua sala de control  
Con este tipo de diseño se tenía grandes inconvenientes cuando la 
arquitectura de control tenía que cambiar, pues gran parte del sistema tenía 
que ser modificado, lo que generaba poca flexibilidad y mucho más gasto que 
hoy. 
En 1956, la compañía aeroespacial y de automóviles Thompson Ramo 
Wolridge (TRW) en asociación con la compañía petrolera Texaco, iniciaron un 
estudio para evaluar si era posible hacer uso de las computadoras para el 
control de procesos, las cuales, por ese entonces, podían realizar una adición 
en 1ms, una multiplicación en 20ms y el tiempo promedio entre fallas era de 
50 a 100 horas, por lo que estos equipos no podrían ser usados para el control, 
pero si para la supervisión (Romero, Theorin, 2013).  
Luego de años de estudio, en 1961 se lanzó al mercado la IBM 1710 (ver 
Figura 1.8), un equipo que consistía de una computadora de propósito general 
IBM 1620 y una tarjeta de adquisición de datos IBM 1711 A/D converter. Este 
equipo introdujo el soporte de interrupciones, las cuales no eran manejadas 
por computadoras de propósito general por ese entonces. 
 
8 
 
 
 
Figura 1.8. IBM 1710 
Luego, en 1962 la compañía Imperial Chemical Industries (ICI) reemplazó 
todo su sistema de control analógico de soda y amoniaco por la computadora 
Argus (ver Figura 1.9), la cual no solo realizaba la supervisión del proceso, 
sino también realizaba tareas de control, por lo que fue conocida como Control 
Digital Directo (DDC). 
 
Figura 1.9. Computadora Argus 
El DDC se basaba en una tabla, la cual interactuaba con la información 
obtenida de campo para realizar una secuencia de control, es así que no era 
necesario realizar un programa, pero tampoco era posible hacer algo que 
estuviera fuera de la tabla. Actualmente, el DDC se utiliza en los bloques de 
función de los sistemas de control distribuido (DCS). 
Luego del avance de las computadoras, a inicio de los años 80, la Midac 
(Micropocessor Intelligent Data Acquisition and Control) desarrolló un sistema 
automático de construcción avanzada para la Universidad de Melbourne, este 
sistema consistía de un microprocesador 11 Z80 que compartía tareas y 
memoria con otros controladores distribuidos mediante una red serial 
(típicamente una red de paso de testigo IEEE 802.4). 
9 
 
 
Un gran aporte de este tipo de sistemas se basa en el lenguaje DDC, el cual 
trabaja bajo el enfoque de programación orientada a objetos.  
Dadas las características de estos equipos, se les atribuye la denominación 
de sistema de control distribuido, pues su diseño original tenía el propósito de 
compartir las tareas de control, de un proceso, entre varios controladores, 
comunicados mediante una red.  
Con la introducción de los sistemas de control distribuido, surgieron varias 
organizaciones que comenzaron a desarrollar diferentes protocolos de 
comunicación de campo, el problema radicaba en que ninguno de estos 
protocolos era el dominante y cualquiera que compre el equipo de una marca 
estaba supeditado a continuar comprando otros equipos al mismo fabricante 
por problemas con el protocolo de comunicación, pues este era cerrado 
(Romero, Theorin, 2013). 
1.3.4. Protocolos de comunicación industrial 
Tradicionalmente el cableado de equipos eléctricos se realizaba hilo a hilo, lo 
cual generaba grandes retardos de tiempo y muchos problemas al momento 
de fallas. Hasta hace unas décadas (y actualmente en muchas empresas del 
medio), estas soluciones cubrían todas las necesidades, tanto para señales 
digitales como para señales analógicas, requiriendo en este último caso 
cables protegidos contra interferencia electromagnética. 
Al comenzar la evolución de los PLCs y DCSs, los protocolos de 
comunicación, se encontró la necesidad de realizar comunicaciones entre 
equipos. Al principio las comunicaciones eran mediante enlaces tipo serie. 
Luego, cada fabricante creaba un protocolo de comunicación para los 
dispositivos que desarrollaba. Finalmente, ante tantos sistemas cerrados y 
una gran variedad de protocolos, el desarrollo de protocolos se estandarizó y 
se fueron quedando los protocolos que presentaban mejores características y 
prestaciones para diferentes tipos de aplicaciones. 
En la actualidad los protocolos de comunicación de campo más utilizados son: 
 ControlNet 
 DeviceNet 
 Fieldbus Foundation 
 HART 
 Modbus 
 Profibus (DP, PA y FMS) 
Sin embargo, en este trabajo solo se utiliza el protocolo HART, pues es el que 
viene integrado en los dispositivos de campo de las plantas piloto y en los 
módulos de entrada/salida de la arquitectura de control distribuido a utilizar. 
 
 
 
10 
 
 
Protocolo HART 
HART es un acrónimo en inglés para Transductor Remoto Direccionable en 
Red (ver Figura 1.10). El protocolo HART usa la norma Bell 202, la cual utiliza 
la modulación por desplazamiento de frecuencia (FSK) para sobreponer 
señales digitales de comunicación a bajo nivel sobre la señal de corriente 
continua de 4 – 20mA (HART, 1999). 
 
Figura 1.10. Señal digital sobrepuesta a la señal analógica  
Este protocolo de comunicación permite la comunicación bidireccional en 
campo, y hace posible la transmisión de información adicional más allá de solo 
las variables normales de proceso comunicadas de y hacia un instrumento 
inteligente. El protocolo HART se comunica a 1200bps sin interrumpir la señal 
de 4 – 20mA y permite a la aplicación central (maestro) obtener dos o más 
actualizaciones digitales por segundo de un dispositivo inteligente de campo 
(esto depende de la velocidad de actualización del maestro). Ya que la señal 
digital es de fase no continua, no hay interferencia con la señal de 4 – 20mA. 
Una ventaja del protocolo HART sobre los demás protocolos es la 
comunicación de canales simultáneos (ver Figura 1.11): la señal analógica de 
4 – 20mA y la señal digital (HART, 1999). 
 
Figura 1.11. Dos canales de comunicación  
11 
 
 
El protocolo HART permite toda la comunicación digital con los dispositivos de 
campo en configuración de red punto a punto y multipunto (ver Figura 1.12). 
                    
Figura 1.12. Configuración punto a punto y Multipunto (HART web) 
1.3.5. Sistemas de supervisión por computadora y SCADA 
Los sistemas de supervisión por computadora nacen en 1959 con la 
computadora RW – 300, la cual solo servía para observar los datos obtenidos 
de campo, pues debido a los retardos en el procesamiento de datos, no era 
un medio adecuado para sostener el control de un proceso (Romero, Theorin, 
2013). 
Los sistemas de supervisión representan a uno o varios procesos en forma 
gráfica, mediante el uso de una o varias pantallas. Desde aquí se pueden 
observar todos los parámetros obtenidos por los dispositivos de campo. 
También se puede integrar con otros sistemas de supervisión mediante algún 
protocolo de comunicación (normalmente Ethernet TCP/IP). 
En la actualidad, los sistemas de supervisión vienen integrados con los 
sistemas MES (Sistema de Ejecución de Manufactura), que monitorizan los 
procesos de producción en la planta, incluyendo el trabajo manual o 
automático de informes y los sistemas ERP (Sistema de Planificación de 
Recursos Empresariales), que manejan la producción, logística, distribución, 
inventario, envíos, facturas y contabilidad de la compañía (ver Figura 1.13).  
 
Figura 1.13. Pirámide de automatización industrial 
12 
 
 
Actualmente existe una confusión en cuanto al concepto de sistema de 
supervisión por computadora y sistema SCADA (Adquisición de Datos y 
Control Supervisorio). Si bien, en los dos se utiliza un software para 
supervisión por computadora, el sistema SCADA va más allá, pues para 
definir a un sistema como SCADA, este debe tener la capacidad de realizar 
comunicación a grandes distancias mediante telemetría (telemetría es usada 
para enviar comandos, programas y para recibir información de monitoreo 
desde locaciones remotas (RTUs), como PLCs o DCSs hacia estaciones 
Maestras), como se muestra en la Figura 1.14 (Bailey, Wright, 2013).  
 
Figura 1.14. PLC o DCS como RTU  
Muchas veces no es necesaria la obtención de grandes cantidades de 
información de todos los RTUs, pues los subprocesos, a los que se accede 
desde el computador principal, tienen pocas variables, por esta razón se 
desarrollaron los dispositivos electrónicos inteligentes (IED’s), los cuales 
tienen capacidad de comunicación mediante algún protocolo de comunicación 
de campo (Bailey, Wright, 2013). Usualmente posee varios sensores y en 
muchos casos tiene la capacidad de ejecutar un algoritmo de control como el 
PID (ver Figura 1.15). 
 
 
Figura 1.15. IED’s como RTU  
13 
 
 
En la Figura 1.16, se muestra un sistema SCADA típico donde cada estación 
de operador contiene todo o parte del sistema de supervisión por computadora 
(Bailey, Wright, 2013). 
 
 
Figura 1.16. Arquitectura SCADA  
Adicional a los sistemas de supervisión por computadora se tienen los paneles 
de operador (ver Figura 1.17) que son equipos diseñados para la supervisión 
de un proceso en campo. Este equipo es de gran ayuda, porque no es 
necesario esperar la acción correctiva de un operador en la sala de control; 
cualquier operador de campo calificado puede realizar algún cambio requerido 
en el proceso de forma inmediata (los cambios producidos por los operadores 
solo se dan si éste tiene el permiso otorgado mediante una contraseña). 
14 
 
 
 
Figura 1.17. Paneles de operador Panel View de la compañía Allen Bradley 
1.4. Sistemas de detección y diagnóstico de fallas 
1.4.1. Introducción 
La detección de fallas se puede definir como la tarea de detectar el 
funcionamiento incorrecto de un sistema en estudio, a partir de observaciones 
realizadas; y el diagnóstico de fallas se puede definir como la tarea de 
determinar cuáles fueron las causas que generaron el comportamiento 
incorrecto en el sistema en estudio (Abad, 2007). 
Existen diferentes técnicas cuando se realiza el diagnóstico de fallas, de 
acuerdo al conocimiento que se tiene del sistema a diagnosticar. Esto permite 
obtener la relación existente entre los síntomas observados, al detectar una 
falla, y el diagnóstico obtenido de acuerdo al conocimiento previo. 
De acuerdo a un estudio realizado por Balakrishnan y Honavar (Balakrishnan 
and Honavar, 1998) el estudio del diagnóstico de fallas se puede distinguir 
bajo cuatro técnicas (ver Figura 1.18): 
 Técnicas basadas en conocimiento. 
 Técnicas basadas en casos. 
 Técnicas basadas en modelos. 
 Técnicas basadas en aprendizaje automático. 
 
Figura 1.18. Técnicas de diagnóstico de fallas (Abad, 2007) 
15 
 
 
1.4.2. Detección y diagnóstico de fallas basado en conocimientos 
Esta técnica se basa en el conocimiento, de un sistema en estudio, obtenido 
por los manuales y la experiencia de los expertos, con lo que se puede obtener 
un conocimiento heurístico acerca del mantenimiento y reparación del sistema 
en estudio. Este conocimiento se suele representar como un conjunto de 
reglas o estructuras organizadas dentro de una jerarquía de problemas, como 
se muestra en la Figura 1.19 (Abad, 2007). 
 
Figura 1.19. Jerarquía de problemas  
Cómo se observa, en el nivel más alto de la jerarquía está el conocimiento 
general que representa un problema con el dispositivo y el proceso. Este 
problema es estudiado hasta llegar a los nodos terminales de la jerarquía, que 
representan ajusten en los dispositivos físicos como sensores, actuadores o 
elementos adicionales del sistema en estudio. 
La técnica de diagnosis basada en conocimientos es muy útil cuando no existe 
un modelo del sistema en estudio o es difícil de obtener. El enfoque más 
utilizado de esta técnica es la utilización de los sistemas expertos, que 
permiten representar el conocimiento de múltiples formas como reglas, grafos, 
etc. (Abad, 2007). 
Aunque los sistemas expertos son ampliamente utilizados en los procesos 
industriales, tienen ciertos inconvenientes que hasta ahora no son eliminados 
en su totalidad como: 
 La dificultad de adquisición y representación del conocimiento experto. 
 La carencia de una metodología de desarrollo universalmente 
aceptada. 
 Los problemas de mantenimiento ocasionados por su fragilidad debido 
a la falta de estructuración de su conocimiento. 
 La dependencia del dispositivo. 
No obstante, si el conocimiento está bien definido y acotado, los sistemas 
expertos siguen siendo una herramienta muy potente de diagnóstico a utilizar.  
16 
 
 
1.4.3. Detección y diagnóstico de fallas basado en casos 
Esta técnica adapta soluciones utilizadas en problemas anteriores para 
resolver nuevos problemas. La intuición detrás del Razonamiento Basado en 
Casos es usar el conocimiento ganado al resolver problemas similares en el 
pasado como punto de comienzo desde los cuales se resuelven problemas 
actuales (Abad, 2007).  
Un sistema de Razonamiento Basado en Casos (CBR del inglés Case Based 
Reasoning) almacena los episodios de problemas pasados como casos que 
más tarde pueden ser recuperados y usados para ayudar a resolver un nuevo 
problema. CBR se basa en dos observaciones acerca de la naturaleza del 
mundo: 
 El mundo es regular, y por tanto problemas similares tienen soluciones 
similares. 
 Los tipos de problemas encontrados tienden a ser recurrentes. 
El proceso de un razonador de este tipo comprende cuatro pasos de forma 
cíclica:  
 Recuperar los casos más similares. 
 Reusar los casos para resolver los problemas. 
 Revisar la solución si es necesario. 
 Retener las nuevas soluciones como un caso nuevo. 
La representación de los casos considera qué información debe contener. Un 
caso puede considerarse como una historia para aprender, como el contexto 
y la solución del problema, o también como un proceso por el cual el problema 
se resuelve. 
El contexto de un caso se describe por los índices de los casos, que describen 
bajo qué circunstancias es apropiado almacenar un caso. El almacenamiento 
de casos se centra en guardar aquellos casos que se han seleccionado para 
una recuperación posterior. 
Los métodos de recuperación proporcionan el medio por el cual extraemos 
aquellos casos del caso base que más cerradamente se ajusta a la 
descripción del problema nuevo. Los algoritmos de recuperación se basan en 
los índices de caos y la organización de los casos almacenados para dirigirlos 
de forma eficiente hacia casos útiles potenciales. 
El CBR ha sido aplicado satisfactoriamente en múltiples campos, que van 
desde el área de negocios hasta diseños de arquitectura. Actualmente, la 
evolución de los métodos permite combinar CBR con técnicas de inteligencia 
artificial como: 
 Algoritmos genéticos. 
 Razonamiento basado en modelos. 
 Técnicas de aprendizaje, etc. 
17 
 
 
1.4.4. Detección y diagnóstico de fallas basado en modelos 
Esta técnica utiliza un modelo que representa de forma explícita el modelo en 
estudio para realizar el diagnóstico de fallas. Si el comportamiento de la 
situación observada no se ajusta a la estimación realizada por el modelo para 
dicha situación se concluye que hay una falla, y en un análisis posterior de las 
diferencias se intenta identificar el componente que falló (Thomas, 2002). 
La mayoría de aproximaciones aparecidas en la última década, para realizar 
diagnóstico de fallas, se basa en el uso de modelos (DBM, ver Figura 1.20). 
Estos modelos se apoyan en el conocimiento del sistema a diagnosticar, que 
puede estar bien estructurado formalmente y de acuerdo con teorías bien 
conocidas o puede ser conocido a través de la experiencia de un experto y 
datos del sistema o proceso (Abad, 2007). 
 
Figura 1.20. Detección de fallas basado en modelos 
Los métodos más ampliamente utilizados en la detección y diagnóstico de 
fallos basado en modelos son: 
 Estimación de estados. 
 Estimación de parámetros. 
 Redundancia analítica. 
 Técnicas basadas en Inteligencia artificial. 
Modelado para el diagnóstico de fallas 
Para realizar el análisis o diseño en ciencias e ingeniería, los científicos 
siempre han necesitado representar el mundo a través de modelos, que 
pueden ser usados como sustitutos del sistema físico con respecto a las 
características relevantes para la tarea a realizar. 
Un sistema físico puede ser visto desde distintas perspectivas, según los 
fenómenos que tengan lugar en él. En particular, se puede distinguir entre 
modelos estáticos y dinámicos. Si un sistema físico es considerado un 
conjunto de variables exógenas y un conjunto de variables endógenas, la 
evolución del estado del sistema, dado por los valores de las variables 
endógenas, es condicionada por el valor de las variables exógenas en el 
tiempo. 
18 
 
 
Los modelos estáticos proporcionan una imagen de los estados de equilibrio 
del sistema, mientras que los modelos dinámicos ofrecen también una 
descripción de los estados transitorios entre dos estados de equilibrio. 
El primer concepto clave en el diagnóstico de fallas basado en modelos es 
que el conocimiento acerca de la estructura interna y el comportamiento 
correcto de un ‘artefacto’ diseñado puede ser usado para diagnosticar dicho 
artefacto (Abad, 2007). 
La DBM permite realizar el diagnóstico de fallas basándose en: 
 La descripción de la estructura interna del dispositivo, usualmente una 
lista de los componentes usados y sus conexiones. 
 Los modelos de comportamiento correcto de los componentes del 
dispositivo. 
 Las observaciones. 
El segundo concepto clave en el diagnóstico de fallas basado en modelos se 
refiere a las tareas fundamentales del diagnóstico: generación de hipótesis, 
comprobación de hipótesis y discriminación de hipótesis (Reiter, 1987). 
El tercer concepto clave del diagnóstico de fallas basado en modelos es que 
el modelado es la parte más dura para la DBM. 
1.4.5. Detección y diagnóstico de fallas basado en aprendizaje 
automático 
Los métodos de aprendizaje y reconocimiento de patrones son muy útiles 
cuando se pretende diagnosticar sistemas donde no se dispone del 
conocimiento estructural para relacionar los síntomas de las fallas.  
Los métodos de aprendizaje determinan experimentalmente mediante el 
entrenamiento previo, una falla en base a un vector de síntomas de referencia. 
La comparación posterior con los síntomas observados, determinará la falla 
mediante la clasificación obtenida. 
Con estas técnicas, el diagnóstico se consigue mediante la comparación de 
la evolución del sistema a diagnosticar con el conocimiento aprendido que se 
tiene del mismo, evaluando de esta forma el comportamiento del sistema. 
Para la adquisición de la experiencia se suele recurrir a experiencias previas 
almacenadas, o a la simulación del comportamiento del sistema a 
diagnosticar. Dicho conocimiento puede dar lugar a un modelo explícito o no. 
Todo esto se puede realizar con técnicas como aprendizaje simbólico o redes 
neuronales artificiales. 
Una de las grandes ventajas de las técnicas de aprendizaje automático es que 
evitan los problemas relacionados con el desarrollo de un modelo explícito de 
conocimiento o la obtención de algún tipo de modelo, requerido por las 
aproximaciones basadas en conocimientos o basadas en casos, 
respectivamente. Por el contrario, su gran inconveniente radica en la 
necesidad de un conjunto de datos de entrenamiento, normalmente extenso 
que no suele estar disponible en los sistemas reales (Abad, 2007). 
19 
 
 
Otra de las desventajas que presentan estos sistemas aplicados al 
diagnóstico de fallas es la imposibilidad de reconocer situaciones para los que 
no han sido entrenados.  
Algunas de las técnicas más aplicadas para el diagnóstico da fallas basado 
en el aprendizaje automático son: 
 Redes Neuronales. 
 Árboles de decisión. 
 Máquinas de soporte vectorial. 
 Lógica difusa. 
 Redes neuro-difusas. 
 Boosting. 
1.5. Planteamiento del problema 
Las plantas desalinizadoras actuales cuentan con sistemas de supervisión 
que integran alarmas capaces de detectar algunas fallas y sus posibles 
causas, pero la mayoría solo se basa en señales obtenidas de sensores 
analógicos (señal de 4 – 20mA), por lo que su capacidad es limitada. Para 
mejorar los sistemas de alarmas básicos y contrarrestar las problemáticas 
relacionadas a fallas de hardware es necesario integrar áreas de conocimiento 
como los protocolos de comunicación industrial y los sistemas de detección y 
diagnóstico de fallas de basado en modelo, capaces de identificar y 
diagnosticar diferentes tipos de anomalías en sensores, actuadores y en el 
proceso mismo. 
Hipótesis 
El desarrollo de módulos de detección de fallas, en una arquitectura de control 
distribuido, que integre los datos obtenidos por protocolos de comunicación 
industrial de los instrumentos de campo y los sistemas de detección y 
diagnóstico de fallas basado en modelo, generarán un mayor impacto en las 
soluciones para mantenimientos preventivos y correctivos de la planta 
desalinizadora piloto, tal que estos módulos puedan ser utilizados en otros 
procesos similares de forma rápida y sencilla. 
Objetivo general 
Desarrollo e implementación de un sistema de supervisión y monitoreo que 
integre módulos de detección y diagnóstico de fallos, programados dentro de 
una arquitectura de control distribuido, para una planta piloto desalinizadora 
de agua de mar. 
Objetivos específicos 
Para alcanzar este objetivo es necesario realizar los siguientes trabajos de 
investigación y desarrollo: 
 Estudiar el funcionamiento de la planta piloto desalinizadora de agua 
de mar e identificar las variables con las que trabaja. 
20 
 
 
 Implementar el sistema de control distribuido que incluya las 
comunicaciones entre equipos y el sistema de supervisión. 
 Desarrollar el sistema de supervisión por computadora que incorpore 
todas las variables de la planta piloto desalinizadora de agua de mar. 
 Desarrollar el sistema de detección y diagnóstico de fallos para la 
planta piloto desalinizadora de agua de mar, que integre datos 
obtenidos por instrumentos de campo y sistemas de detección y 
diagnóstico de fallos basado en modelos (desarrollado en otro trabajo 
de tesis). 
 Integrar el sistema de detección de fallas al sistema de supervisión por 
computadora. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
21 
 
 
2. ESTUDIO DE LOS DISPOSITIVOS DE CAMPO EN LA 
PLANTA PILOTO DESALINIZADORA DE AGUA DE MAR 
2.1. Introducción 
Para realizar el estudio y análisis profundo de un sistema dinámico es 
necesario contar con conocimiento práctico del sistema, o de un modelo 
matemático que represente la dinámica de este sistema. 
En este trabajo se realiza el modelamiento individual de todos los dispositivos 
de campo (sensores y actuadores), y se toma como referencia un modelo del 
bastidor de ósmosis inversa desarrollado en otro trabajo de investigación. Este 
modelo ayuda a entender la relación entre variables controladas y variables 
de proceso.  
Para poder detectar anomalías en el sistema, también se incluye información 
adicional obtenida de los dispositivos de campo haciendo uso del protocolo 
de comunicación HART. Este protocolo viene incluido en la mayoría de 
sensores, pero aún sus características no son aprovechadas en todos los 
procesos. 
2.2. Estudio de la planta desalinizadora 
El estudio de una planta desalinizadora se realiza a través del modelo 
obtenido por Alatiqi (Alatiqi, 1989), ya que este modelo es tomado como 
referencia para realizar estudios más avanzados en la desalinización de agua 
de mar por ósmosis inversa. 
El modelo de estudio se presenta en la Figura 2.1. 
 
Figura 2.1.Planta de desalinización por ósmosis inversa 
El diagrama de la Figura 2.1 representa, una planta de desalinización de agua 
de mar por ósmosis inversa. En base a este diagrama se desarrolla el modelo 
matemático del bastidor de ósmosis inversa, el cual muestra información de 
las relaciones existentes entre las entradas y salidas, y la influencia que tiene 
el cambio de una variable controlada sobre las variables de proceso (Alatiqi, 
1989). El modelo se basa en un sistema multivariable de dos entradas y 
salidas como se muestra en la siguiente ecuación: 
𝑌 = 𝐺𝑝(𝑠)𝑈              (2.1) 
22 
 
 
𝐹 𝐺𝑝11 𝐺𝑝12 𝑃
→ [ ] = [ ] [ ]             (2.2) 
𝐶 𝐺𝑝21 𝐺𝑝22 𝑃𝐻
 
Donde: 
F: Flujo de permeado (gpm). 
P: Presión de alimentación (psi). 
PH: PH de alimentación. 
C: Conductividad de permeado (𝜇𝑠/𝑐𝑚). 
Las relaciones de cada función de transferencia se muestran en las siguientes 
ecuaciones: 
𝐹 0.002(0.056𝑠+1)
= 𝐺𝑝11 =              (2.3) 
𝑃 (0.003𝑠2+0.1𝑠+1)
𝐹
= 𝐺𝑝12 = 0               (2.4)
𝑃𝐻
  
𝐶 −0.51(0.35𝑠+1)
= 𝐺 =              (2.5) 
𝑃 𝑝21 (0.213𝑠2+0.7𝑠+1)
𝐶 −57(0.32𝑠+1)
= 𝐺
𝑃𝐻 𝑝22 =              (2.6) 
(0.6𝑠2+1.8𝑠+1)
Estas funciones de transferencia muestran información importante acerca del 
comportamiento del sistema. Las ganancias indican la dirección y magnitud 
de cambio de las variables de salida F y C, cuando se realiza un cambio 
unitario en las variables de entrada P y PH (para cada combinación). 
Para revisar las relaciones existentes entra las entradas y salidas, se 
desarrolla una simulación en Matlab, mediante el diagrama de bloques 
mostrado en la Figura 2.2. 
 
Figura 2.2. Diagrama de bloques de la ecuación (2.2) 
23 
 
 
Para ver la influencia de la presión sobre el flujo se realiza una variación de 
100 psi en la presión de entrada. Los resultados se observan la Figura 2.3. 
INFLUENCIA DE LA PRESIÓN SOBRE EL FLUJO
0.3  
Flujo de permeado (gpm)
0.25
0.2
0.15
0.1
0.05
0
-0.05  
0 5 10 15
Tiempo(seg)  
Figura 2.3.Influencia de la presión sobre el flujo de permeado. 
Se puede observar que un cambio de 100psi en la presión de alimentación, 
entonces el flujo de permeado de tiene una variación positiva de 0.02gpm.  
Para ver la influencia de la presión sobre la conductividad se realiza una 
variación de 100 psi en la presión de entrada. Los resultados se observan la 
Figura 2.4. 
INFLUENCIA DE LA PRESIÓN SOBRE LA CONDUCTIVIDAD
10  
Conductividad del flujo de permeado (us/cm)
0
-10
-20
-30
-40
-50  
0 5 10 15
Tiempo(seg)
 
Figura 2.4. Influencia de la presión sobre la conductividad de permeado 
Se puede observar que un cambio de 100psi en la presión, se produce una 
variación negativa de la conductividad de salida. 
Para ver la influencia del PH sobre la conductividad se realiza una variación 
unitaria en el flujo de entrada. Los resultados se observan la Figura 2.5. 
24 
 
Amplitud (us/cm) Amplitud (gpm)
 
INFLUENCIA DEL PH SOBRE LA CONDUCTIVIDAD
0  
Conductividad del flujo de permeado (us/cm)
-2
-4
-6
-8
-10
-12  
0 5 10 15
Tiempo(seg)  
Figura 2.5. Influencia del PH sobre la conductividad de permeado 
De acuerdo a la ecuación (2.2) se conoce que el PH no tiene influencia sobre 
el flujo de permeado, pero como se observa en la Figura 2.5, si tiene un efecto 
negativo en la conductividad. 
2.3. Modelo de los dispositivos de campo 
2.3.1. Dispositivos de campo 
Para este trabajo también es necesario realizar el estudio de todos los 
dispositivos de campo, con el fin de definir el funcionamiento y los retardos 
que se pueden originar al obtener datos de operación. Este estudio es 
importante, para realizar la detección y diagnóstico de fallas en la operación 
de los instrumentos de campo. 
Los instrumentos a estudiar son: 
 Analizador inteligente, el cual analiza dos parámetros del proceso: 
o Sensor de conductividad de permeado. 
o Sensor de PH de alimentación. 
 Transmisor de flujo de permeado. 
 Transmisor de presión de alimentación. 
 Transmisor de temperatura de entrada. 
 Válvula de control proporcional eléctrico 
De forma adicional se tiene en cuenta el transmisor de flujo y una válvula de 
control proporcional neumática de una planta de temperatura piloto, para 
poder aplicar los conceptos teóricos, ya que al inicio de este trabajo de 
investigación los instrumentos de la planta desalinizadora no estaban 
instalados y no se podía acceder a ellos. De estos dos instrumentos 
adicionales, solo se hace un estudio de la válvula de control proporcional, pues 
el transmisor de flujo es similar al transmisor de flujo de permeado. 
25 
 
Amplitud (us/cm)
 
Antes de realizar el modelo se tienen que tener en cuenta algunas definiciones 
básicas: 
 Transductor: Un transductor es un dispositivo capaz de transformar una 
determinada manifestación de energía medida en otra diferente, pero 
de valor muy pequeño. Se les podría definir como un conversor de 
energía 
 Sensor: Un sensor es un dispositivo que genera una señal eléctrica al 
detectar una magnitud física o química, llamada normalmente variable 
de instrumentación.  
 Actuador: Es un dispositivo capaz de transformar energía hidráulica, 
neumática o eléctrica en la activación de un proceso con la finalidad de 
generar algún cambio en un proceso automatizado. 
 Proceso: Un proceso es un conjunto de operaciones unitarias 
necesarias para modificar las características de las materias primas. 
Dichas características pueden ser de naturaleza muy variada, tales 
como: la forma, la densidad, la conductividad, la temperatura, etc. 
Los sensores y actuadores siempre se relacionan mediante uno o más 
procesos como se muestra en la Figura 2.6. 
 
S eñal de Señal de 
entrada salida 
 Sensor Proceso Actuador 
 
Transductor Transductor 
 de entrada de salida 
 
Figura 2.6. Interacción de dispositivos en un proceso 
 
2.3.2. Transmisores 
Un transmisor es un instrumento de medición industrial, el cual utiliza un 
sensor para medir una magnitud física o química, la cual es mostrada en una 
pantalla electrónica. También tiene la capacidad de transmitir la información 
medida mediante algún protocolo de comunicación industrial, así como la de 
definir los parámetros de operación de este instrumento. 
Si bien los sensores miden variables, estas no necesariamente van a mostrar 
el resultado medido de forma directa. Muchos sensores tienen retardos o no 
linealidades dependiendo del rango de operación o variable a medir. 
Los sensores pueden presentar comportamientos lineales, logarítmicos, 
exponenciales o potenciales (Figura 2.7). Sin embargo, la mayoría de 
sensores utilizados en el campo industrial presentan un rango de operación 
lineal en el cual se recomienda trabajar. 
26 
 
 
 
Figura 2.7. Comportamiento real e ideal de un sensor 
Para entender el funcionamiento de un dispositivo de campo (sensor o 
actuador), se puede realizar el modelamiento mediante ecuaciones 
matemáticas o mediante datos. Cada método tiene ventajas y desventajas; 
sin embargo, la forma más sencilla de realizar el modelamiento de un sensor 
es por medio de datos y asociación a una función (ver Figura 2.8). 
Señal 
eléctrica 
generada 
(Y) 
 
Magnitud de la var iable medida (X) 
Figura 2.8. Relación de medidas para la asociación a una función 
27 
 
 
Si se realizan pruebas con el mismo sensor sujeto a diferentes condiciones, 
las medidas presentadas no siempre van a ser las mismas, pues la influencia 
de interferencia electromagnética, temperatura u otra variable desconocida, 
puede afectar el desempeño del sensor, como se muestra en la Figura 2.9. 
 
Figura 2.9. Medición de una variable por un sensor 
Algunas características estáticas de los sensores se mencionan a 
continuación: 
 Rango de entrada: El mínimo y máximo valor de la variable física a 
medir. 
 Rango de salida: El mínimo y máximo valor que entrega el sensor. Este 
valor normalmente trabaja bajo un estándar, dentro de los más 
conocidos se tiene: 
o Rango de 0 – 20mA. 
o Rango de 4 – 20mA. 
o Rango de -10 – 10V. 
o Rango de 0 – 10V. 
o Rango de 0 – 5V.   
 Sensibilidad: Es la capacidad que tiene el sensor para detectar una 
variación en la variable medida. 
 Linealidad: El acercamiento que tiene un sensor a comportarse como 
una recta. 
 Monotonicidad: Es la relación que existe entre la variable medida y la 
señal eléctrica generada. Si se incrementa el valor de la variable, 
entonces se incrementa la señal eléctrica generada y viceversa. 
 Histéresis: Se refiere a la diferencia de dos valores de señal eléctrica 
generada para una misma magnitud medida, dependiendo de la 
trayectoria (crecimiento o decrecimiento). Este comportamiento 
normalmente se presenta en materiales ferromagnéticos. 
A pesar de que los sensores presentan comportamiento no lineal (en el mundo 
todas la variables tienen un grado de no linealidad), estos se suelen considerar 
como lineales, de manera que pueden ser representados por una ecuación 
diferencial lineal (2.6). En la práctica los sensores se representan como un 
sistema de orden cero, primer orden y segundo orden, ya que es muy raro 
encontrar sistemas de orden superior. 
28 
 
 
𝑑𝑘𝑦(𝑡) 𝑑2𝑦(𝑡) 𝑑𝑦(𝑡)
𝑎𝑘 𝑘 + ⋯ + 𝑎2 2 + 𝑎1 + 𝑎0𝑦(𝑡) = 𝑥(𝑡)                    (2.6) 
𝑑𝑡 𝑑𝑡 𝑑𝑡
Se debe entender que los sensores son estudiados como sistemas causales; 
es decir, las condiciones iniciales de operación son cero. 
Aplicando la transformada de Laplace a la ecuación 6, se obtiene: 
𝑑𝑘𝑦(𝑡) 𝑑2𝑦(𝑡) 𝑑𝑦(𝑡)
𝐿 {𝑎𝑘 + ⋯ + 𝑎2 + 𝑎1 + 𝑎0𝑦(𝑡)} = 𝐿{𝑥(𝑡)}
𝑘 2   
𝑑𝑡 𝑑𝑡 𝑑𝑡
→ 𝐿(𝑎𝑘𝑠𝑘 + ⋯ + 𝑎 2
2𝑠 + 𝑎1𝑠 + 𝑎0)𝑌(𝑠) = 𝑋(𝑠)  
𝑋(𝑠) 1
→ 𝐺(𝑠) = = 𝑘 2             (2.7) 
𝑌(𝑠) 𝑎𝑘𝑠 +⋯+𝑎2𝑠 +𝑎1𝑠+𝑎0
La ubicación de los polos de la ecuación (2.7), en el plano imaginario, permite 
conocer el comportamiento dinámico del sensor. Este comportamiento 
dinámico puede ser estable, oscilatorio, integral (positivo o negativo) o 
inestable, como se muestra en la Figura 2.10. 
 
Figura 2.10. Posible comportamiento del sensor de acuerdo a la ubicación 
de sus polos en el plano imaginario 
De acuerdo a las características mencionadas en los manuales de los 
transmisores con los que se trabaja, todos los sensores presentan rangos de 
linealidad y funciones de compensación interna por efecto de la temperatura 
sobre la variable media. Por esta razón todos los sensores se consideran de 
orden cero (ecuación 2.8) o de primer orden (ecuación 2.9), dependiendo de 
la existencia de retardo en la medición y generación de señal eléctrica. 
𝑋(𝑠)
𝐺(𝑠) = = 𝐾             (2.8) 
𝑌(𝑠)
𝑋(𝑠) 1 𝐾
𝐺(𝑠) = = =             (2.9) 
𝑌(𝑠) 𝑎1𝑠+𝑎0 𝜏𝑠+1
29 
 
 
Donde: 
 K: Ganancia estática que viene de la relación de la magnitud de la 
variable medida y la magnitud de la señal generada.  
 𝜏: Es la constante de tiempo, indicada por el fabricante, la cual 
determina la dinámica del sistema. 
Para hallar ganancia K en los transmisores en estudio, se debe tener en 
cuenta la ecuación de la recta generada de la Figura 2.11. 
 
Figura 2.11. Relación de ganancia del transmisor 
Donde: 
 LM: Medida mínima del transmisor 
 HM: Medida máxima del transmisor 
 LI: Mínima salida del transmisor 
 HI: Máxima salida del transmisor 
Con estos datos se puede calcular la ganancia del transmisor, y por ende, la 
función de transferencia del transmisor: 
𝑚(𝑀−𝐿𝑀)
𝑆 = + 𝐿𝐼           (2.10) 
𝜏𝑠+1
Donde: 
 I: Señal de salida del transmisor 
 M: Variable medida por el transmisor 
 m: pendiente de la recta: 
𝐻𝐼 − 𝐿𝐼
𝑚 =  
𝐻𝑀 − 𝐿𝑀
Con la función de transferencia (ecuación 2.10), se desarrolla un diagrama de 
bloques (ver Figura 2.12) en Simulink, con el cual se van a realizar las 
simulaciones de las funciones de transferencia de los transmisores para 
validarlos. 
30 
 
 
 
Figura 2.12. Diagrama de bloques para transmisores en Simulink 
a) Transmisor de flujo de la planta desalinizadora piloto 
Este dispositivo es un flujómetro electromagnético que consiste de un sensor 
y un transmisor, el cual mide el flujo de un líquido conductivo que pasa a través 
de un campo magnético (ver Figura 2.13).  
La ley de inducción de Faraday afirma que el desplazamiento de una barra 
conductora, a través de un campo magnético, induce una tensión eléctrica. 
Este principio de dínamo rige también la forma en que funcionan los 
flujómetros electromagnéticos. 
Cuando las partículas cargadas eléctricamente atraviesan el campo 
magnético generado por dos bobinas, se induce una tensión eléctrica. Esta 
tensión inducida, que se toma entre dos electrodos de medición, es 
directamente proporcional a la velocidad del flujo y, por consiguiente, al flujo 
volumétrico (Rossemount, 2011). 
 
Figura 2.13. Principio de medición del flujómetro electromagnético 
31 
 
 
De acuerdo a la Figura 2.11 se llega a producir una relación entre el flujo que 
atraviesa el campo magnético y la corriente medida por los electrodos 
mediante la siguiente ecuación: 
𝑒 = 𝑘𝐵𝑄𝑑            (2.11) 
Donde: 
 e: emf generada en los electrodos (V). 
 k: Constante de medición. 
 B: Fuerza del campo magnético (Wb). 
 Q: Tasa de flujo volumétrico (𝑚3/𝑠).  
 d: Espacio entre los electrodos (m). 
El campo magnético se genera mediante una corriente continua pulsante de 
polaridad alterna para asegurar la estabilidad del punto cero y conseguir que 
la medición sea insensible a líquidos no homogéneos o con varias fases y, 
asimismo, pueda efectuarse en líquidos de baja conductividad (> 5𝜇𝑠/𝑐𝑚).  
De acuerdo al manual de referencia 00809-0100-4662, Rev DA (Rossemount, 
2011) este instrumento tiene las siguientes características: 
 Máximo tiempo de respuesta: 50ms. 
 Señal de salida: 4 – 20mA. 
 Magnitud medida: 3.529 – 141.15l/m. 
Luego, tomando como referencia la ecuación (2.10), se determina la función 
de transferencia para este transmisor: 
0.1163
𝐺(𝑠) = + 4           (2.12) 
0.05𝑠+1
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada Figura 2.14. 
RESPUESTA DEL TRANSMISOR EN TODO EL RANGO DE MEDIDA (3.529 - 141.15l/m a 4 -20mA)
25  
Salida del transmisor (mA)
20
15
10
5
0  
0 1 2 3 4 5 6 7 8 9 10
Tiempo(seg)  
Figura 2.14. Respuesta del transmisor en todo su rango 
 
32 
 
Amplitud (mA)
 
b) Transmisor de presión de la planta desalinizadora piloto 
Este dispositivo mide la presión haciendo uso de un sensor piezoresistivo, el 
cual se basa en la medida de la variación de resistencia inducida por la 
deformación en función de la presión (ver Figura 2.15).  
Una tracción del conductor aumenta la longitud y reduce la superficie de 
sección con la consecuencia de un aumento en la resistencia eléctrica. Una 
deformación en el recalcado tiene el efecto contrario (Rossemount, 2013). 
 
Figura 2.15. Operación del sensor piezoresistivo 
Para la realización del principio de medición se utiliza un cuerpo base que se 
deforma de manera controlada al someterle presión. A menudo este cuerpo 
consiste de una membrana con una cinta semiconductora incorporada en 
forma de microestructura. 
La ecuación que relaciona la resistencia con los cambios en la presión viene 
dada por la siguiente ecuación: 
𝑙
𝑅 = 𝜌             (2.13) 
𝐴
Donde:  
 R: Resistencia eléctrica. 
 𝜌: Resistencia específica. 
 l: Longitud. 
 A: Superficie de sección. 
Dado que la microestructura no ofrece gran resistencia al contacto de 
numerosos medios, esta es encapsulada para la mayoría de aplicaciones, 
donde la transmisión mediante aceite. 
Para los transmisores Rossemount 2051, la presión es aplicada al diafragma. 
El aceite contrae el sensor y produce una variación de voltaje. Luego, esta 
señal es tratada por el procesador de señales. La señal tratada es utilizada 
por el microprocesador para calcular la salida del transmisor. Finalmente, esta 
señal es enviada al conversor D/A, el cual vuelve a convertir la señal a 
analógica y la superpone a la señal HART en la línea de 4 – 20mA, como se 
muestra en la Figura 2.16. 
33 
 
 
 
Figura 2.16. Operación del transmisor de presión Rossemount 2051 
(Rossemount, 2013) 
De acuerdo al manual de referencia 00809-0100-4107, Rev BA (Rossemount, 
2013) este instrumento tiene las siguientes características: 
 Máximo tiempo de respuesta: 160ms. 
 Señal de salida: 4 – 20mA. 
 Magnitud medida: 0 – 10000psi. 
Luego, tomando como referencia la ecuación (2.10), se determina la función 
de transferencia para este transmisor: 
0.00160
𝐺(𝑠) = + 4           (2.14) 
0.16𝑠+1
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada en la Figura 2.17. 
RESPUESTA DEL TRANSMISOR EN TODO EL RANGO DE MEDIDA (0 - 10000psi a 4 -20mA)
25  
Salida del transmisor (mA)
20
15
10
5
0  
0 1 2 3 4 5 6 7 8 9 10
Tiempo(seg)
 
Figura 2.17. Respuesta del transmisor en todo su rango 
34 
 
Amplitud (mA)
 
c) Transmisor de temperatura de la planta desalinizadora piloto 
Este dispositivo mide la temperatura haciendo uso de un sensor termoresistivo 
(RDT) de tipo Pt 100 (ver Figura 2.18). 
El Pt100 consiste de un alambre de platino que a 0°C tiene 100ohms de 
resistencia y que al aumentar su temperatura, aumenta su resistencia 
eléctrica. El instrumento utilizado en este trabajo utiliza un Pt100 en conexión 
a 4 hilos (Rossemount, 2015). 
 
Figura 2.18. Conexión a 4 hilos de una pt100  
De acuerdo al manual de referencia 00809-0200-4728, Rev RA (Rossemount, 
2015) este instrumento tiene las siguientes características: 
 Máximo tiempo de respuesta: 500ms. 
 Señal de salida: 4 – 20mA. 
 Magnitud medida: 0 – 100°C. 
Luego, tomando como referencia la ecuación (2.10), se determina la función 
de transferencia para este transmisor: 
0.160
𝐺(𝑠) = + 4           (2.15) 
0.5𝑠+1
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada en la Figura 2.19. 
RESPUESTA DEL TRANSMISOR EN TODO EL RANGO DE MEDIDA (0 - 100°C a 4 - 20mA)
25  
Salida del transmisor (mA)
20
15
10
5
0  
0 1 2 3 4 5 6 7 8 9 10
Tiempo(seg)  
Figura 2.19. Respuesta del transmisor en todo su rango 
35 
 
Amplitud (mA)
 
d) Sensor de PH de la planta desalinizadora piloto 
Este dispositivo utiliza un electrodo de vidrio y un electrodo de referencia para 
medir el PH. Los dos electrodos vienen montados juntos como se muestra en 
la Figura 2.20 (Rossemount, 2014). 
 
Figura 2.20. Electrodo combinado para medición de PH 
El PH se determina midiendo el potencial generado (en milivolts) por el 
electrodo de vidrio, este potencial se compara con un potencial constante 
generado por el electrodo de referencia, el cual se encuentra en contacto con 
el fluido, formando un puente salino. 
Este sensor envía la señal medida a un analizador (Rossemount Analytical 
1056), el cual realiza una compensación de temperatura mediante un factor 
de compensación. El analizador también permite enviar la señal por corriente 
(4 – 20mA) o por protocolo HART. 
De acuerdo al manual de instrucción PN 51-1056, Rev J (Rossemount, 2014) 
este instrumento tiene las siguientes características: 
 Máximo tiempo de respuesta: 5s. 
 Señal de salida: 4 – 20mA. 
 Magnitud medida: 0 – 14. 
Luego, tomando como referencia la ecuación (2.10), se determina la función 
de transferencia para este transmisor: 
1.1429
𝐺(𝑠) = + 4           (2.16) 
5𝑠+1
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada en la Figura 2.21. 
36 
 
 
RESPUESTA DEL TRANSMISOR EN TODO EL RANGO DE MEDIDA (0 - 14PH a 4 - 20mA)
25  
Salida del transmisor (mA)
20
15
10
5
0  
0 5 10 15 20 25 30 35 40 45 50
Tiempo(seg)
 
Figura 2.21. Respuesta del sensor en todo su rango 
e) Sensor de Conductividad de la planta desalinizador piloto 
Este dispositivo realiza la medida de la conductividad eléctrica del agua 
haciendo uso de dos electrodos ubicados en forma opuesta. Luego, se aplica 
una magnitud de voltaje AC, el cual genera una corriente en el medio. Esto 
hace que los cationes y aniones que contiene el medio se muevan de un 
electrodo hacia otro, generando un medio conductivo (a mayor cantidad de 
cationes y aniones, mayor será la corriente generada y viceversa). Ver Figura 
2.22 (Rossemount, 2014). 
               
Figura 2.22. Proceso de medición de la conductividad de un fluido 
Este sensor envía la señal medida a un analizador (Rossemount Analytical 
1056), el cual realiza una compensación de temperatura mediante un factor 
de compensación. El analizador también permite enviar la señal por corriente 
(4 – 20mA) o por protocolo HART. 
De acuerdo al manual de instrucción PN 51-1056, Rev J (Rossemount, 2014) 
este instrumento tiene las siguientes características: 
 Máximo tiempo de respuesta: 3s. 
 Señal de salida: 4 – 20mA. 
 Magnitud medida: 0 – 600mS/cm. 
Luego, tomando como referencia la ecuación 10, se determina la función de 
transferencia para este transmisor: 
37 
 
Amplitud (mA)
 
0.0267
𝐺(𝑠) = + 4           (2.17) 
3𝑠+1
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada en la Figura 2.23. 
RESPUESTA DEL TRANSMISOR EN TODO EL RANGO DE MEDIDA (0 - 600mS/cm a 4 - 20mA)
25  
Salida del transmisor (mA)
20
15
10
5
0  
0 5 10 15 20 25 30 35 40
Tiempo(seg)  
Figura 2.23. Respuesta del sensor en todo su rango 
2.3.3. Actuadores 
Para el control de la planta desalinizadora piloto, se debe hacer uso de 
actuadores como una motobomba y una válvula de control proporcional. Para 
este trabajo se plantea que la motobomba tiene una presión de trabajo 
constante, y el actuador que realiza la regulación es la válvula de control 
proporcional, por lo que se debe tener en consideración un modelo que 
permita identificar las posibles fallas de este actuador.   
Válvulas de control proporcional  
Las válvulas de control proporcional generan una acción de variación de flujo 
de un fluido mediante la oposición al mismo. Básicamente se componen de 
dos partes como se muestra en la Figura 2.24. 
 
Figura 2.24. Actuar y cuerpo de válvula 
38 
 
Amplitud (mA)
 
Al producirse un movimiento en el vástago, se produce una diferencia de 
presión en el cuerpo y, por ende, una variación en el flujo de salida. La relación 
directa entre el movimiento del vástago y el flujo de salida se da en base a la 
dinámica de la válvula, la cual puede ser radical, lineal o isoporcentual (Fisher, 
2013), como se muestra en la Figura 2.25. 
 
Figura 2.25. Dinámica de una válvula de control proporcional 
En este trabajo, las dos válvulas en estudio son lineales, por lo que su 
dinámica se representa mediante la siguiente ecuación: 
𝐾𝑎𝐾
𝐺𝑉(𝑠) = 𝑣             (2.18) 
𝑇𝑣𝑠+1
Donde: 
 𝐾𝑎: Ganancia del actuador. 
𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑑𝑒𝑠𝑝𝑙𝑎𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑣á𝑠𝑡𝑎𝑔𝑜
𝐾𝑎 =          (2.19) 
𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎 𝑑𝑒𝑙 𝑐𝑜𝑛𝑡𝑟𝑜𝑙𝑎𝑑𝑜𝑟
 𝐾𝑣: Ganancia del cuerpo de la válvula. 
𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑓𝑙𝑢𝑗𝑜 𝑎 𝑙𝑎 𝑠𝑎𝑙𝑖𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎
𝐾𝑣 =          (2.20) 
𝑅𝑎𝑛𝑔𝑜 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑑𝑒𝑠𝑝𝑙𝑎𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑣á𝑠𝑡𝑎𝑔𝑜
 𝑇𝑣: Constante de tiempo de la válvula: Dada por el fabricante. 
En la práctica, las válvulas de control proporcional generan una pérdida de 
presión del fluido que atraviesa el cuerpo de la válvula, por lo que su 
representación práctica se muestra en la Figura 2.26. 
 
Figura 2.26. Representación práctica de una válvula de control  
39 
 
 
A la pérdida de presión se le denomina resistencia hidráulica (𝑅𝐻), y relaciona 
el flujo a una variación de presión mediante la ecuación 20 (Fisher, 2013). 
∆𝑃𝑓 = 𝑅𝐻𝐹            (2.21) 
Adicionando la ecuación 20 a la ecuación 17, se obtiene la ecuación 21, la 
cual representa el comportamiento dinámico de una válvula de control 
proporcional lineal en la práctica: 
𝐾 𝐾 1
𝐺 (𝑠) = 𝑎 𝑣
𝑉 +            (2.22) 
𝑇𝑣𝑠+1 𝑅𝐻
Finalmente, se construye un diagrama de bloques con base en la ecuación 
(2.21) para realizar simulaciones de las válvulas de control en estudio (ver 
Figura 2.27). 
 
Figura 2.27.Dinámica de una válvula de control proporcional lineal 
a) Válvula de control proporcional eléctrica de la planta desalinizadora 
piloto 
Esta válvula trabaja en un rango lineal y con control por tiempo de acuerdo al 
manual del fabricante (valbia web). Las características se presentan en la 
Figura 2.28. 
 
Figura 2.28. Características de la válvula valbia 030 
40 
 
 
Como la válvula se maneja bajo una relación, se debe crear una función que 
exprese el tiempo con el porcentaje de apertura mediante la gráfica 
presentada en la Figura 2.29. 
 
Figura 2.29. Relación entre tiempo y porcentaje de apertura 
Con la relación de tiempo y porcentaje de apertura se obtiene una ecuación 
de orden cero, representada por: 
𝑇_𝑀𝐴𝑋
𝑇 = 𝑆𝑃           (2.23) 
100%
Donde: 
T: Señal de apertura de la válvula en segundos. 
T_MAX: Tiempo para abrir la válvula al máximo. 
SP: Punto de operación de la válvula. 
b) Válvula de control proporcional neumática de la planta de temperatura 
piloto 
De acuerdo al manual de referencia 52.124CVF_SVF (Baumann, 2015), la 
válvula de control proporcional de la planta de temperatura piloto presenta las 
siguientes características: 
 Máximo tiempo de respuesta: 2s. 
 Señal de entrada: 4 – 20mA. 
 Dimensión del vástago: 12.7mm 
 Resistencia hidráulica: 100 
 Ganancia del cuerpo de válvula: 8. 
Luego, tomando como referencia la ecuación 21, se determina la función de 
transferencia para este transmisor: 
6.35 1
𝐺(𝑠) = +            (2.24) 
2𝑠+1 100
41 
 
 
Al realizar una simulación de la función de transferencia del transmisor, en 
Matlab, se obtiene la respuesta mostrada en la Figura 2.30. 
RESPUESTA DEL ACTUADOR EN TODO SU RANGO
120  
Salida del actuador (l/min)
100
80
60
40
20
0  
0 5 10 15 20 25 30 35 40
Tiempo(seg)  
Figura 2.30. Respuesta del actuador en una apertura del 0 al 100% 
 
  
42 
 
Amplitud (l/min)
 
3. DESARROLLO DEL SISTEMA DE SUPERVISIÓN CON 
DETECCIÓN Y DIAGNÓSTICO DE FALLAS 
3.1. Introducción 
Existen diversas metodologías, teóricas y empíricas, para realizar la 
implementación del sistema de supervisión por computadora de un proceso 
industrial. Sin embargo, el enfoque de este trabajo radica en la integración de 
un sistema de detección y diagnóstico de fallos al sistema de supervisión por 
computadora. 
La implementación del sistema de supervisión con detección y diagnóstico de 
fallas se realiza en el sistema de control distribuido DeltaV, el cual cuenta con 
las herramientas de ingeniería necesarias para el desarrollo de este trabajo.  
La configuración del sistema completo se realiza con la herramienta DeltaV 
Explorer, la cual es la herramienta primaria de configuración. Con esta 
herramienta también se pueden separar los procesos en Áreas, las cuales 
trabajan de forma independiente con enfoque multitarea. 
La lectura de las variables de la planta desalinizadora piloto, se realizan 
mediante la comunicación de los módulos de entrada y salida analógica – 
HART, del DeltaV Controller, con los instrumentos de la planta mediante el 
uso del protocolo HART, los cuales son previamente configurados mediante 
el software AMS Device Manager. 
El algoritmo de detección y diagnóstico de fallos se desarrolla con la 
herramienta DeltaV Control Studio, la cual permite la creación de módulos 
individuales de forma gráfica. Asímismo, esta herramienta va a representar el 
enlace principal entre el sistema de supervisión por computadora y el DeltaV 
Controller. 
Para el desarrollo del sistema de supervisión por computadora se va a utilizar 
la herramienta DeltaV Operate, la cual contiene gráficos y modelos 
(Templates) prediseñados que van a servir de base para desarrollar nuevos 
gráficos y modelos con características propias de la planta desalinizadora 
piloto. Además, para resaltar la capacidad de sistema de control distribuido 
DeltaV se va a integrar una planta de temperatura piloto con detección y 
diagnóstico de fallas. 
43 
 
 
3.2. Implementación del sistema de supervisión con detección y 
diagnóstico de fallos en el DeltaV 
3.2.1. Características del Hardware de DeltaV  
Se define a DeltaV (DeltaV, 2010) como un sistema digital de automatización 
(DAS), o como un sistema de control distribuido (DCS); sin embargo, su 
arquitectura lo define como un sistema híbrido, pues puede realizar 
aplicaciones de control digital y de procesos continuos, además posee una 
gran capacidad de comunicaciones para red de datos y control. 
Como se puede observar en la Figura 3.1, DeltaV tiene una gran gama de 
equipos para diferentes aplicaciones; sin embargo, para este trabajo solo se 
van a definir los módulos a utilizar. 
 
Figura 3.1. Arquitectura del DeltaV 
Rack 
El rack (ver Figura 3.2) se utiliza para soportar y comunicar a las tarjetas del 
sistema (fuente, controlador, módulos de entrada y salida, etc.). También, se 
utiliza para alimentar la red local que comunica a los módulos de entrada y 
salida con el controlador (DeltaV, 2013) 
 
Figura 3.2. Rack DeltaV 
44 
 
 
Fuente de alimentación (24VDC) 
La fuente de alimentación (ver Figura 3.3) se utiliza para realizar una 
conversión de 24VDC a 12VDC, que es el nivel de voltaje que necesitan los 
módulos de entrada y salida montados en el rack para comunicarse con el 
controlador (DeltaV, 2013). 
 
Figura 3.3. Fuente de alimentación 24VDC – 12VDC 
DeltaV Controller 
Es un controlador que funciona en tiempo real; es decir, es multitarea y 
completa todas las tareas dentro de un tiempo definido, el cual es controlado 
por una lista de ejecución (Schedule). 
Las tareas se pueden dividir en dos categorías: 
 Tareas de control: Se refiere al control del programa almacenado 
dentro del controlador. Este programa es configurado en forma de 
tareas que son asociadas a cada parte de un proceso. 
 Otras tareas: Se refiere a las tareas relacionadas al hardware. Entre las 
principales se puede mencionar: 
o Administración de redundancia. 
o Comunicaciones. 
o Diagnóstico del controlador. 
DeltaV tiene dos tipos de controlador, serie M (ver Figura 3.4a) y serie S (ver 
Figura 3.4b). En este trabajo se va a utilizar el controlador serie S, ya que es 
el que se tiene disponible en el laboratorio (DeltaV, 2013). 
  
a b 
Figura 3.4. (a) DeltaV serie M, (b) DeltaV serie S 
45 
 
 
DeltaV I/O 
DeltaV cuenta con un gran número de módulos de entrada y salida con 
diferentes características tecnológicas; sin embargo, para este trabajo solo se 
van a utilizar cuatro tipos de módulos I/O: 
 Módulo de entradas digitales 24VDC isolado. 
 Módulo de salidas digitales 24VDC isolado. 
 Módulo de entradas analógicas – HART. 
 Módulo de salidas analógicas – HART. 
a) Módulo de entradas digitales 24VDC isolado 
Este módulo va conectado a los sensores digitales del proceso, como los 
presotatos, finales de carrera, pulsadores, etc. Al ser un módulo isolado, 
necesita de una fuente de alimentación externa de 24VDC (ver Figura 3.5).  
 
Figura 3.5. Módulo de entradas digitales 24VDC isolado (DeltaV, 2013) 
b) Módulo de salidas digitales 24VDC isolado 
Este módulo va conectado a los actuadores digitales del proceso, como las 
válvulas solenoide, cilindros neumáticos, bombas, etc. Al ser un módulo 
isolado, necesita de una fuente de alimentación externa de 24VDC (ver Figura 
3.6).  
 
Figura 3.6. Módulo de salidas digitales 24VDC isolado (DeltaV, 2013) 
46 
 
 
c) Módulo de entradas analógicas – HART 
Este módulo va conectado a los sensores analógicos del proceso, como los 
transmisores de presión, temperatura, flujo, etc. También tiene la capacidad 
de comunicarse mediante el protocolo HART a instrumentos inteligentes con 
un tiempo de escaneo de 600 – 800ms por canal habilitado (ver Figura 3.7). 
 
Figura 3.7. Módulo de entradas analógicas – HART (DeltaV, 2013) 
d) Módulo de salidas analógicas – HART  
Este módulo va conectado a los sensores analógicos del proceso, como las 
válvulas de control proporcional, variadores de frecuencia, etc. También tiene 
la capacidad de comunicarse mediante el protocolo HART a instrumentos 
inteligentes con un tiempo de escaneo de 600 – 800ms por canal habilitado 
(ver Figura 3.8). 
 
Figura 3.8. Módulo de salidas analógicas – HART (DeltaV, 2013) 
47 
 
 
3.2.2. Configuración del DeltaV Explorer 
DeltaV Explorer 
Es la herramienta principal para la configuración del sistema. Presenta todo el 
sistema en una simple vista que permite un acceso directo a cualquier otra 
herramienta del sistema. Esta herramienta también incluye la configuración y 
comisionamiento de dispositivos inteligentes como los que utilizan el protocolo 
Fundation fieldbus, Profibus DP y HART (ver Figura 3.9). 
 
Figura 3.9. DeltaV Explorer 
Configuración de Hardware 
a) Configuración de la estación de trabajo 
Existen dos divisiones en el tipo de estación de trabajo, cada una con un 
conjunto de subdivisiones que especifican el uso que se da al DeltaV, las 
cuales son: 
 Estación de trabajo en la red de control 
o ProfessionalPlus: Provee la capacidad de configuración, 
operación y mantenimiento, pues posee la base de datos del 
sistema. Además, debe haber solo una de estas estaciones en 
la red de control, la cual debe ser la primera en configurarse. 
o Inter-Zone Server: Usada para comunicar datos de operación 
entre estaciones. 
o Local Professional: Usada para ingeniería, operación y 
comunicación. 
o Local Operator: Básicamente es usada para operación, aunque 
se pueden realizar ciertas configuraciones y para mantenimiento 
dependiendo de los privilegios asignados por el administrador. 
48 
 
 
o Local Base: Usada para correr un software de aplicación 
específico de DeltaV.  
o Local Application Station: Utilizado para integrar el sistema 
DeltaV con otros procesos y sistemas de gestión. 
 Estación de trabajo no localizada en la red de control 
o Remote Professional: Usada para ingeniería, operación y 
comunicaciones, fuera de la red de control DeltaV. 
o Remote Operator: Usada para operación, aunque se pueden 
realizar ciertas configuraciones y para mantenimiento 
dependiendo de los privilegios asignados por el administrador, 
fuera de la red de control DeltaV.  
o Remote Base: Usada para correr un software de aplicación 
específico de DeltaV, fuera de la red de control DeltaV. 
o Remote Application: Utilizado para integrar el sistema DeltaV 
con otros procesos y sistemas de gestión, fuera de la red de 
control DeltaV. 
La configuración de la estación de trabajo se realiza desde la herramienta 
DeltaV Workstation Configuration (Figura 3.10) al instalar el software en la 
estación de trabajo. Sin embargo, este procedimiento se puede realizar luego, 
para esto la base datos debe estar detenida y todos los programas deben 
estar cerrados (DeltaV, 2010).  
 
Figura 3.10. DeltaV Workstation 
Para este trabajo, se va a instalar una estación de trabajo ProfessionalPlus. 
b) Configuración del DeltaV Controller 
Existen dos estados del controlador: 
 Decomisionado: Este es el estado en el que se encuentra el controlador 
cuando se conecta a la estación de trabajo por primera vez.  
 Comisionado: Este es el estado en el que se encuentra el controlador 
luego de estar configurado dentro de la red de control. 
49 
 
 
Para realizar el comisionamiento del DeltaV Controller se debe utilizar la 
herramienta Configuration Assitant (ver Figura 3.11), la cual indica todos los 
pasos necesarios para la configuración (DeltaV, 2010). 
  
Figura 3.11. Configuration Assistant 
c) Configuración de los módulos I/O 
Luego de comisionar el DeltaV Controller, todos los módulos I/O son 
reconocidos y quedan grabados dentro de la red de control DeltaV, como se 
muestra en la Figura 3.12 (DeltaV, 2010).  
 
Figura 3.12. Red de control DeltaV 
Todos los canales de los módulos I/O se encuentran deshabilitados por 
defecto, por esto se deben habilitar los canales a utilizar. Para el caso de los 
módulos I/O analógicos, se debe elegir entre dos tipos de canal: 
 Canal analógico: Señal de 4-20mA. 
50 
 
 
 Canal analógico HART: Señal de 4-20mA y parámetros adicionales del 
instrumento transmitidos por el protocolo HART. Este es el tipo de 
canal que se va a utilizar en este trabajo (ver Figura 3.13). 
 
Figura 3.13. Configuración de un canal analógico 
Para poder enlazar a los equipos de campo con las herramientas de DeltaV 
es recomendable asignarles un sobrenombre (Tag) que represente las 
características principales del equipo como se muestra en la Tabla 3.1 y la 
Tabla 3.2. 
Tabla 3.1. Equipos de la planta desalinizadora piloto 
Módulo Canal Equipo Descripción 
CH01 LSVO – D01 Sensor de válvula completamente abierta. 
DI 
CH02 LSVC – D01 Sensor de válvula completamente abierta. 
DO CH01 CV – D01 Válvula de control proporcional del rechazo. 
CS – D01 Analizador de concentración. 
CH01 
PHS – D01 Analizador de PH. 
CH02 FT – D01 Transmisor de flujo de permeado. 
AI 
CH03 TT – D01 Transmisor de temperatura de ingreso. 
CH04 PT – D01 Transmisor de presión de ingreso. 
CH05 FDF – D01 Valor de velocidad al variador de frecuencia. 
AO CH01 FDC – D01 Cambiar velocidad del variador de frecuencia. 
 
51 
 
 
Tabla 3.2. Equipos de la planta de temperatura piloto 
Módulo Canal Equipo Descripción 
AI CH06 FT – T01 Transmisor de flujo de salida. 
AO CH01 CV – D01 Válvula de control proporcional de entrada. 
d) Configuración de áreas y módulos 
DeltaV trabaja bajo jerarquías (ver Figura 3.14), de modo que es más fácil 
distribuir el control de uno o varios procesos en modo multitarea (DeltaV, 
2010). Existen seis jerarquías: 
 Planta: La planta se refiere al proceso completo. 
 Área de planta: Se refiere a las divisiones que se hacen en una planta 
para poder controlar cada subproceso en forma independiente. En una 
estación ProfessionalPlus se pueden tener hasta 100 áreas de planta 
incluyendo áreas remotas. 
 Módulos: Los módulos son la entidad de control más pequeña del 
sistema, los que contienen algoritmos, condiciones, alarmas, 
mensajes, información histórica, y otras características que definen el 
proceso. En una estación ProfessionalPlus, se pueden tener hasta 255 
módulos por área de planta. Se debe tener en cuenta que la prioridad 
de ejecución de los módulos se relacionan en forma inversa con su 
tiempo de escaneo (Tabla 3.3). 
Tabla 3.3. Prioridad de ejecución de los módulos 
Tiempo de escaneo Prioridad 
100ms, 200ms Alta 
500ms, 1s, 2s Media 
5s o mayor Baja 
 Algoritmos: Es la secuencia lógica que define el comportamiento de un 
módulo. Los algoritmos pueden ser representados en bloques de 
función o en cartas de función secuencial (SFC/Grafcet). 
 Bloques de función: Son bloques pre-programados que presentan 
característica de uso cotidiano, como bloques PID, de temporización, 
de conteo, etc. También, existen bloques de función en los cuales se 
puede crear un algoritmo de forma personalizada. En un controlador se 
pueden tener hasta 250 bloques de función. 
 Parámetros: Son datos definidos por el usuario que se utilizan para el 
cálculo y lógica del algoritmo de un módulo. 
52 
 
 
        
Figura 3.14. Jerarquías de DeltaV 
Para este trabajo se crearon dos áreas de planta, una para la planta 
desalinizadora piloto y otra para la planta de temperatura piloto. Las jerarquías 
de la planta desalinizadora piloto se muestra en la Figura 3.15a, y las de la 
planta de temperatura piloto se muestran en la Figura 3.15b.      
  
a b 
Figura 3.15 (a) Jerarquía para la planta piloto desalinizadora de agua de 
mar, (b) Jerarquía para la planta piloto de temperatura 
e) Asignación de alarmas e históricos 
En DeltaV cada estación de trabajo almacena datos históricos, alarmas y 
eventos. Los datos históricos son monitoreados y almacenados por el 
subsistema Continuous Historian, y los eventos y alarmas son almacenados 
por el subsistema Alarms and Events. 
53 
 
 
Para que el sistema funcione de forma correcta, todas las áreas involucradas 
en un proceso, deben ser asignadas al subsistema Continuous Historian o 
al subsistema Alarm and Events (ver Figura 3.16), si un área no es asignada 
no se almacenará ningún parámetro en la base de datos y por lo tanto no se 
podrán realizar modificaciones en tiempo real desde la estación de trabajo. 
 
Figura 3.16. Asignación de áreas  
3.2.3. Desarrollo de los algoritmos de detección y diagnóstico de fallas 
en el DeltaV Control Studio 
3.2.3.1. DeltaV Control Studio 
Es la herramienta donde se programan los algoritmos que contienen los 
módulos, se puede realizar la programación en bloques de función, en cartas 
de función secuencial (SFC/Grafcet) o en combinación de estas dos. Cuando 
no se encuentra un bloque de función que cumpla con las características 
necesarias que se requieren, se pueden utilizar los bloques Calc para 
programar expresiones que cumplan con nuestros requisitos. 
3.2.3.2. Desarrollo de los algoritmos de detección y diagnóstico de fallas 
El enfoque de este trabajo es de detección y diagnóstico de fallas, por lo tanto 
es de supervisión del sistema, por lo que no es necesario programar una 
estrategia de control o un bloque de cartas de función secuencial 
(SFC/Grafcet). 
En el Control Studio no existen algoritmos de detección y diagnóstico de 
fallas, por lo que estos fueron programados en un bloque Calc. Además, para 
complementar a los bloques Calc se van a utilizar bloques de función estándar 
para comunicaciones I/O y temporización. 
Los bloques Calc (ver Figura 3.17), se programan mediante expresiones que 
son representaciones en texto estructurado las cuales cumplen con el 
estándar IEC 61131-3.  
54 
 
 
 
Figura 3.17. Programación de expresiones en texto estructurado 
Se necesita crear bloques de detección y diagnóstico de fallas para todos los 
transmisores y para las válvulas de control proporcional de cada área según 
las Tablas 3.1 y 3.2. Sin embargo, no es necesario crear un módulo para cada 
instrumento, pues basta con crear un modelo de módulo (Template) para 
equipos con características similares. Es así que se van a crear cuatro 
modelos de módulos, los cuales se muestran en la Tabla 3.4. 
Tabla 3.4. Modelos de módulos 
Modelo de módulo Descripción 
FDPV Detección de fallas de válvula neumática. 
FDEV Detección de fallas de válvula eléctrica. 
FDT Detección de fallas de transmisor. 
 
También es necesario desarrollar un módulo de detección y diagnóstico de 
fallas para toda la planta desalinizadora piloto, relacionando sus variables 
mediante el modelo de la planta mostrado en el capítulo 2 y tomando ciertas 
características de los sistemas expertos. 
Para la detección de fallas se van a utilizar los datos de entradas y salidas de 
campo (analógico y digital), así como la información obtenida por el protocolo 
HART, la cual se distribuye de la siguiente manera: 
 Todos los dispositivos HART 
o COLD_START (bit #5): Indica si el dispositivo HART se reinició.  
o CONFIG_CHANGED (bit #6): Indica si la configuración del 
dispositivo HART cambió. 
o DEV_MALFUNC (bit #7): Indica que el dispositivo HART se 
encuentra funcionando de manera incorrecta. 
55 
 
 
o HART_FIELD_VAL: Valor de 4 – 20mA leído por el protocolo 
HART. 
o HART_PV: Primera variable del dispositivo HART. 
o HART_SV: Segunda variable del dispositivo HART. 
o HART_TV: Tercera variable del dispositivo HART. 
o HART_FV: Cuarta variable del dispositivo HART. 
o HINTEG: Indica si existe algún error en el protocolo HART. 
o MORE_STATUS (bit #4): Indica si existen detalles adicionales 
en los dispositivos HART. 
o NO_COMM: Indica si la comunicación con los dispositivos HART 
se detuvo o nunca se inició. 
o NPV_PAST_LIM (bit # 1): Indica si alguna de las variables que 
no son primarias se encuentran fuera de los límites. 
o PV_PAST_LIM (bit #0): Indica que la variable principal del 
dispositivo HART está fuera de los límites. 
 Solo actuadores HART   
o PV_FIXED (bit #3): Indica si el valor fijado para un actuador 
HART fue alcanzado. 
o PV_SAT (bit #2): Indica que el valor alcanzado por un actuador 
HART está fuera de los límites. 
a) FDPV 
Este modelo de módulo tomas los valores leídos en el DeltaV Controller por 
protocolo HART y el valor enviado por señal de 4 – 20mA hacia el actuador. 
También, se tiene en cuenta el retardo ocasionado por la dinámica de la 
válvula antes de indicar una falla. Con estas características se desarrolla un 
diagrama de flujo (ver Figura 3.18), donde muestra la operación del algoritmo 
desarrollado en el bloque Calc, con el cual se detectan cinco fallas de acuerdo 
a la Tabla 3.5. 
Tabla 3.5 
FALLAS VALOR 
Sin falla 0 
Falta de corriente a la entrada. 1 
Falta de presión a la entrada. 2 
Bloqueo de válvula. 3 
Malfuncionamiento interno. 4 
Error en la comunicación. 5 
 
56 
 
 
 
INICIO 
 
 
SI 
 ¿NO_COMM =1? OUT6 = 5 
 
NO 
 
¿DEV_MALFUNC SI 
 OUT6 = 4 
=1? 
 
NO 
 
 ¿Corriente de NO 
retroalimentación OUT6 = 1 
 correcta? 
 
SI 
 
¿Presión de NO 
 retroalimentación OUT6 = 3 
correcta? 
 
 SI 
 
¿Posición NO 
OUT6 = 2 
 correcta? 
 
SI 
 
FIN 
 
Figura 3.18. Diagrama de flujo del bloque de detección y diagnóstico de 
fallas para el modelo de módulo FDPV 
 
Luego de desarrollar el diagrama de flujo, se implementa el programa en el 
Control Studio (ver Figura 3.19), el cual lee los valores obtenidos por 
protocolo HART mediante las cuatro primeras entradas: 
 IN1: Medida de la posición actual en corriente 
 IN2: Medida de la posición solicitada en porcentaje. 
 IN3: Medida de la presión en la posición actual en psi. 
 IN4: Medida de la posición actual en porcentaje. 
La entrada IN5 sirve para borrar las alarmas luego de solucionar los problemas 
con la válvula. 
Las salidas OUT1, OUT2 OUT3, y OUT4 corresponden a los valores de las 
primeras cuatro entradas, pero en unidades de ingeniería. 
57 
 
 
La salida OUT5 sirve para activar un temporizador que emula al retardo 
originado por la dinámica de la válvula. 
La salida OUT6 muestra el código de fallas. 
 
Figura 3.19. Modelo de módulo FDPV 
b) FDEV 
Este modelo de módulo detecta fallas en la válvula eléctrica, basándose en la 
posición totalmente abierta o totalmente cerrada, leída por el DeltaV 
Controller. También toma como referencia el valor de la señal enviada hacia 
el actuador. Con estas características se desarrolla un diagrama de flujo (ver 
Figura 3.20), donde muestra la operación del algoritmo desarrollado en el 
bloque Calc, con el cual se detectan tres fallas de acuerdo a la Tabla 3.6. 
Tabla 3.6 
FALLAS VALOR 
Sin falla  0 
Falla de posición totalmente cerrada. 1 
Falla de posición totalmente abierta. 2 
Falla de comunicación. 3 
 
58 
 
 
 
INICIO 
 
 
SI 
 ¿NO_COMM =1? OUT4 = 3 
 
NO 
 Mover válvula a la 
posición inicial 
 
 
NO 
¿LSVO-D01 =1? OUT4 = 2 
 
 SI 
 Mover válvula a la 
posición inicial 
 
 
NO 
¿LSVC-D01 =1? OUT4 = 1 
 
 SI 
FIN 
 
Figura 3.20. Diagrama de flujo del bloque de detección y diagnóstico de 
fallas para el modelo de módulo FDEV 
 
Luego de desarrollar el diagrama de flujo, se implementa el programa en el 
Control Studio (ver Figura 3.21), el cual lee los valores obtenidos por los 
sensores LSVO-D01 y LSVC-D01 mediante las dos últimas entradas: 
 IN4: Sensor de posición totalmente abierto. 
 IN5: Sensor de posición totalmente cerrado. 
La entrada IN3 sirve para borrar las alarmas luego de solucionar los problemas 
con la válvula. 
Las dos primeras entradas sirven para recibir comandos que indiquen abrir o 
cerrar la válvula: 
 IN1: Abrir válvula. 
 IN2: Cerrar válvula. 
La salida OUT1 sirve para activar un temporizador que activa la apertura de 
la válvula. 
La salida OUT3 sirve para activar un temporizador que activa el cerrado de la 
válvula. 
La salida OUT2 sirve para activar la actuación sobre las salidas. 
59 
 
 
La salida OUT4 muestra el código de fallas.  
 
Figura 3.21. Modelo de módulo FDEV 
 
c) FDT 
Este modelo de módulo detecta y fallas en los transmisores, basándose en los 
valores leídos en el DeltaV Controller obtenidos por el protocolo HART. Con 
estas características se desarrolla un diagrama de flujo (ver Figura 3.22), 
donde muestra la operación del algoritmo desarrollado en el bloque Calc, con 
el cual se detectan tres fallas de acuerdo a la Tabla 3.7. 
Tabla 3.7.  
FALLAS VALOR 
Sin falla  0 
Falla por temperatura alta. 1 
Falla interna del transmisor. 2 
Falla de comunicación. 3 
 
 
 
 
 
 
 
 
60 
 
 
 
INICIO 
 
 
SI 
 ¿NO_COMM =1? OUT4 = 3 
 
NO 
 
SI 
¿DEV_MALFUNC? OUT4 = 2 
 
 
NO 
 
SI 
¿HART_SV > OUT4 = 1 
 40°C? 
 NO 
 FIN 
Figura 3.22. Diagrama de flujo del bloque de detección y diagnóstico de 
fallas para el modelo de módulo FDT 
Luego de desarrollar el diagrama de flujo, se implementa el programa en el 
Control Studio (ver Figura 3.23), el cual lee el valor obtenido por la señal de 
4 – 20mA y los valores obtenidos por las tres variables principales del 
protocolo HART: 
 IN1: Valor de la señal de 4 – 20mA. 
 IN2: Valor primario del protocolo HART (señal del transmisor). 
 IN3: Valor secundario del protocolo HART (Totalizador). 
 IN4: Valor Terciario del protocolo HART (Temperatura del transmisor). 
La salida OUT4 muestra el código de fallas.  
 
Figura 3.23. Modelo de módulo FDT 
61 
 
 
3.2.4. Desarrollo del sistema de supervisión en el DeltaV Operate 
3.2.4.1. DeltaV Operate 
En esta aplicación de DeltaV se desarrollan las pantallas de supervisión y se 
muestra toda la información importante como alarmas, históricos, tendencias, 
etc., al operador. 
3.2.4.2. Desarrollo del sistema de supervisión 
Existen diversas metodologías y procedimientos para diseñar un sistema de 
supervisión por computadora. Para este trabajo se va a seguir una convención 
de colores, los cuales van a informar de manera rápida el estado de un 
dispositivo de acuerdo a la Tabla 3.8. 
Tabla 3.8. Estados de un dispositivo 
ESTADO COLOR 
Normal Color original 
Alarma por señal fuera de los límites inferiores y superiores.  
Falla externa de un dispositivo.  
Falla interna de un instrumento.  
Falla por falta de comunicación.  
 
a) Pantallas de supervisión 
Estas pantallas son diseñadas para representar el proceso real y mostrar 
todas las variables de forma inmediata. Para este trabajo se desarrollaron 
cinco pantallas: 
 Pantalla de supervisión de la planta piloto de temperatura (ver Figura 
3.24). 
 Pantalla de supervisión de la planta piloto desalinizadora de agua de 
mar – Etapa de pretratamiento y filtrado de agua (ver Figura 3.25). 
 Pantalla de supervisión de la planta piloto desalinizadora de agua de 
mar – Etapa de desalinización de agua (ver Figura 3.26). 
 Pantalla de supervisión de la planta piloto desalinizadora de agua de 
mar – Etapa de almacenamiento de agua fresca y agua salda (ver 
Figura 3.28). 
Las pantallas que muestran las alarmas y demás información no son 
desarrolladas, pues ya viene pre diseñadas en Deltav Operate. 
62 
 
 
 
 
Figura 3.24. Pantalla de supervisión de la planta de temperatura. 
En la Figura 3.24 prácticamente se muestra un esquema, pues esta planta fue 
tomada como experimento para la aplicación de los módulos de detección y 
diagnósticos de fallas, al no tener la plata piloto desalinizadora de mar 
instalada.  
Los dispositivos resaltados en rojo son los únicos que cuentan con un 
faceplate disponible, pues solo ellos tienen la capacidad de transmitir datos 
por protocolo HART. 
 
Figura 3.25. Primera pantalla de supervisión de la planta desalinizadora 
63 
 
 
En la Figura 3.25 se muestra el recorrido del agua a desalinizar. El agua es 
bombeada desde el tanque de agua salada hasta el filtro UV, el cual se 
encarga de eliminar a todos los microorganismos presentes en el agua. A la 
salida del filtro UV se inyecta una sustancia alcalina para variar el pH del agua 
a desalinizar. Finalmente se pasa el agua por los filtros 1 y 2 para eliminar las 
impurezas presentes en el fluido, la cuales pueden dañar la membrana de 
ósmosis inversa. 
 
Figura 3.26. Segunda pantalla de supervisión de la planta desalinizadora 
En la Figura 3.26, se muestra el proceso de desalinización del agua filtrada. 
Se mide el pH del agua filtrada mediante el sensor PHS-01, con esta señal se 
puede enviar una orden de aumentar o reducir el pH en la secuencia de 
pretratamiento. Luego, el agua pasa a través de un filtro, el cuál elimina las 
micropartículas o suciedad que no se pudieron eliminar en los filtros 1 y 2.  
Luego, la bomba PMP-02 bombea el agua a alta presión hacia las membranas 
de ósmosis inversa. La presión y temperatura del agua son medidas mediante 
los transmisores PT-01 y TT-01, antes de entrar al bastidor de ósmosis inversa 
(membrana 1 y 2). El agua que sale del bastidor de ósmosis inversa es 
distribuida entre dos canales: el rechazo (tubería gris) y el permeado (tubería 
verde).  
En la tubería de rechazo se encuentra la válvula de control proporcional 
eléctrica CV-01, con la cual se puede aumentar o disminuir la presión en el 
bastidor de ósmosis inversa.  
En la tubería de permeado se mide el flujo y la conductividad del agua 
mediante el transmisor FT-01 y el sensor CS-01, para luego ser enviadas a 
los módulos de detección y diagnósticos de fallas. 
64 
 
 
 
Figura 3.27. Tercera pantalla de supervisión de la planta desalinizadora 
En la Figura 3.27, se muestra el almacenamiento del permeado y del rechazo. 
 
 
Figura 3.28. Pantalla de supervisión de todos los dispositivos de campo 
Si bien las pantallas de supervisión representan a las plantas piloto, para el 
propósito de este trabajo es necesario desarrollar una pantalla adicional que 
permita acceder a todos los dispositivos de campo, de manera que se tenga 
un acceso mucho más rápido, como se muestra en la Figura 3.28. 
65 
 
 
b) Faceplates 
Un faceplate es una pantalla de supervisión secundaria desde la cual se 
puede supervisar o controlar un dispositivo específico. Para este trabajo se 
desarrollaron cuatro faceplates, los cuales van enlazados a cada modelo de 
módulo desarrollado.  
 Faceplate para transmisores (ver Figura 3.29) 
 
 
Figura 3.29. Faceplate para transmisores 
Como lo transmisores son de diferentes modelos, se diseñó el faceplate tal 
que el símbolo del transmisor se ajustara a las características del transmisor 
montado en campo. Este cambio se realiza de forma automática luego de 
configurar el modelo de módulo FDT en el Control Studio. 
 Faceplate para válvula neumática (ver Figura 3.30) 
 
 
Figura 3.30. Faceplate para válvula de control proporcional neumática 
66 
 
 
 Faceplate para válvula eléctrica (ver Figura 3.31) 
 
 
Figura 3.31. Faceplate para válvula de proporcional eléctrica 
3.3. Configuración y lectura de parámetros de los instrumentos de 
campo con el AMS Device Manager 
3.3.1. AMS Device Manager 
Es un programa diseñado para interactuar de forma directa con los 
dispositivos de campo mediante protocolos de comunicación HART, 
Foundation fieldbus, Profibus y Wireless HART. Desde este programa se 
puede revisar y configurar todos los parámetros de un dispositivo, lo cual 
resulta ser muy eficiente para la detección y diagnóstico de fallas. 
En este trabajo se utilizó este programa para interactuar con cada dispositivo 
de campo HART, de manera que se pudo configurar cada dispositivo de 
acuerdo a los requerimientos de cada planta. Además se pudieron revisar los 
parámetros de cada dispositivo para confirmar los datos con lo que se 
trabajaron. 
3.3.2. Configuración del AMS Device Manager 
Para configurar este programa, es necesario haber configurado previamente 
los módulos de entrada y salida en modo HART en el DeltaV Explorer, pues 
el AMS se comunica con los dispositivos de campo mediante estos módulos. 
Luego, se debe realizar una configuración de red para comunicar el AMS con 
el DeltaV como se muestra en la Figura 3.32. 
67 
 
 
 
Figura 3.32. Configuración de red para comunicar el AMS y DeltaV 
3.3.3. Configuración y lectura de parámetros de los instrumentos de 
campo 
Luego de realizar la comunicación por entre el AMS y DeltaV todos los 
dispositivos conectados a los módulos de entradas y salidas en modo HART 
serán reconocidos de forma automática (ver Figura 3.33). 
 
Figura 3.33. Dispositivos reconocidos de forma automática en el AMS 
En la Figura 3.34, se muestra la pantalla de acceso al monitoreo y 
configuración de parámetros del transmisor de flujo FT – T01 en el AMS. 
 
Figura 3.34. Parámetros del transmisor de flujo FT – T01 
68 
 
 
3.4. Desarrollo del sistema de supervisión para el Panel View 1500 
3.4.1. Introducción 
Los sistemas de control distribuido tienen la función de realizar el control y 
supervisión de una planta completa; sin embargo, en muchos casos cada 
subsistema cuenta con un panel de operador instalado en planta que permite 
al operador de campo visualizar y realizar cambios en ciertos parámetros del 
subsistema. 
Existen diversos fabricantes de paneles de operador en el medio. Sin 
embargo, el panel a utilizar para este trabajo de investigación es el PanelView 
Plus 1500 de la marca Allen Bradley, el cual vino instalado con la planta 
desalinizadora piloto. 
3.4.2. RSLinx  
RSLinx es un software de la compañía Allen Bradley. Cumple las funciones 
de servidor de datos y comunicaciones de automatización. Desde este 
software se realizan las configuraciones básicas para comunicar los equipos 
de campo con otras aplicaciones.  
Existen diferentes versiones aplicativas de RSLinx, las cuales se pueden 
separar en dos grupos: 
 RSLinx Classic. 
 RSLinx Enterprise. 
RSLinx Classic 
RSLinx Classic para dispositivos y redes de automatización Rockwell es un 
software de comunicación industrial, el cual provee a los controladores Allen-
Bradley la capacidad para acceder a diferentes aplicaciones desarrolladas por 
Allen-Bradley y Rockwell. Esta API, por sus siglas en inglés (Application 
Programming Interface) soporta aplicaciones personalizadas desarrolladas 
con RSLinx Classic SDK. 
RSLinx Classic se encuentra disponible en cuatro versiones, las cuales 
dependen del tipo de aplicación que se va a realizar. Todas las versiones 
disponen de las siguientes características: 
 Programación en lógica de escalera utilizando productos RSLogix. 
 Configuración de dispositivos utilizando RSNetWorx. 
 Configuración de módulos Ethernet. 
 Actualización de Firmware. 
 Búsqueda de redes y obtención de información de dispositivos 
conectados. 
Las características que diferencian a cada versión de RSLinx son: 
 RSLinx Lite: Provee las funciones básicas requeridas para soportar las 
aplicaciones RSLogix y RSNetWorx.  
69 
 
 
 RSLinx Classic Single Node: Provee las funciones básicas para 
realizar la comunicación entre equipos de campo y aplicaciones de 
Rockwell. También soporta comunicaciones OPC y DDE, pero solo 
para un equipo.  
 RSLinx Classic OEM: Provee las funciones básicas para realizar la 
comunicación entre equipos de campo y aplicaciones de Rockwell. 
También soporta comunicaciones OPC y DDE, para varios equipos.  
 RSLinx Classic Gateway: Provee las funciones necesarias para 
realizar la integración de comunicaciones con otras computadoras por 
medio de redes TCP/IP. Esto permite obtener datos de diferentes 
nodos sin la necesidad de tener instalado el RSLinx Classic en cada 
computadora. 
RSLinx Enterprise 
RSLinx Enterprise es un servidor de datos, alarmas y eventos que trabaja 
directamente con el software FactoryTalk View. Este software se configura 
para realizar la comunicación entre dispositivos de campo y los sistemas de 
supervisión. La configuración básica consiste de: 
 Lista de comunicación de dispositivos y sus configuraciones. 
 Controladores de dispositivos y sus propiedades asociadas. 
 Enlaces directos a dispositivos. 
Para el desarrollo de este trabajo de tesis, se utiliza el RSLinx Classic para el 
reconocimiento y la configuración del controlador, y el RSLinx Enterprise para 
la comunicación entre el controlador con el panel de operador. 
3.4.3. CompactLogix 
Los controladores CompactLogix son fabricados por la compañía Allen-
Bradley. Fueron desarrollados para aplicaciones de pequeña o mediana 
envergadura (ver Figura 3.35). 
 
Figura 3.35. Controladores CompactLogix 
70 
 
 
Pueden tener características básicas o avanzadas dependiendo de su 
versión: 
 CompactLogix 1768: Ofrecen canales de comunicación Ethernet/IP o 
ControlNet integrados, y comunicaciones via DeviceNet modulares. 
Son compatibles con hasta 30 módulos de entra/salida y hasta 16 ejes 
de movimiento. 
 CompactLogix 1769: Ofrecen canales de comunicación Ethernet/IP o 
ControlNet integrados y comunicaciones via DeviceNet modulares. 
 CompactLogix 5370: En combinación con los servovariadores Kinetix 
350, estos controladores proporcionan una potente solución de 
movimiento cuando se requiere un alto rendimiento en un paquete 
compacto y asequible. Estos controladores expanden la escalabilidad 
de la familia Logix y comparten características comunes entre las tres 
plataformas, incluida la compatibilidad con Integrated Motion on 
EtherNet/IP y anillo a nivel del dispositivo (DLR) para una resiliencia 
mejorada de red. 
Para este trabajo de tesis se utiliza el controlador CompactLogix 1769, el cual 
contiene un programa básico para la interacción de entradas y salidas de la 
planta desalinizadora piloto. 
3.4.4. Panel View 1500 
Son terminales diseñados para monitorear, controlar y mostrar información de 
estado de una aplicación en forma gráfica (ver Figura 3.36). Trabajan con la 
plataforma abierta del sistema operativo Windows CE. Para configurar y 
desarrollar una aplicación en estos terminales es necesario utilizar el software 
FactoryTalk View Machine Edition. 
 
Figura 3.36. PanelView Plus 1500 
71 
 
 
Algunas características básicas son: 
 Pantalla a colores de 15 pulgadas, con una resolución mínima de 
1024x768 y gráficos de 18 bits. 
 Admite la operación del operador por medio de una pantalla táctil, con 
teclado o una combinación. Para este trabajo se utiliza una pantalla 
táctil, por lo que se considera para el ingreso de datos dentro la 
aplicación. 
3.4.5. Desarrollo del sistema de supervisión 
Para el desarrollo del sistema de supervisión en el panel de operador, se toma 
como base el sistema de supervisión desarrollado para el sistema de control 
distribuido DeltaV.  
La aplicación desarrollada cuenta con cuatro pantallas de supervisión y siete 
faceplates, desde los cuales se puede realizar el control y monitoreo de cada 
dispositivo de campo de forma directa, como se muestra a continuación 
(Figura 3.37, Figura 3.38, Figura 3.39, Figura 3.40, Figura 3.41, Figura 3.42, 
Figura 3.43, Figura 3.44, Figura 3.45, Figura 3.46, Figura 3.47). 
 
 
 
 
Figura 3.37. Primera pantalla de la planta desalinizadora piloto 
 
 
72 
 
 
 
 
Figura 3.38. Segunda pantalla de la planta desalinizadora piloto 
 
 
 
 
Figura 3.39. Tercera pantalla de la planta desalinizadora piloto 
73 
 
 
 
Figura 3.40. Pantalla de dispositivos de campo 
 
Figura 3.41. Faceplate para actuador CV-D01 
 
Figura 3.42. Faceplate para actuador PMP-D01 
74 
 
 
 
 
Figura 3.43. Faceplate para sensor CS-D01 
 
 
Figura 3.44. Faceplate para transmisor FT-D01 
 
 
Figura 3.45. Faceplate para sensor PHS-D01 
75 
 
 
 
Figura 3.46. Faceplate para transmisor PT-D01 
 
 
Figura 3.47. Faceplate para transmisor TT-D01 
 
 
 
 
  
 
 
 
 
 
 
 
 
76 
 
 
4. PRUEBAS Y RESULTADOS DEL SISTEMA DE 
SUPERVISIÓN CON DETECCIÓN Y DIAGNÓSTICO DE 
FALLAS 
4.1. Introducción 
En este capítulo se muestran los resultados experimentales del sistema de 
supervisión con detección y diagnóstico de fallas para la válvula de control 
proporcional neumática, ya que ésta presenta características similares a los 
otros módulos de detección y diagnóstico de fallas. Los resultados muestran 
el desempeño de las pantallas de supervisión y de los faceplates. Cabe 
resaltar que los faceplates desarrollados en este trabajo de tesis se pueden 
utilizar en cualquier otro sistema con características similares o como 
elementos individuales de un sistema que utilice dispositivos de campo del 
mismo tipo. 
4.2. Fallas en la válvula de control proporcional neumática 
Para poder entender el comportamiento del sistema de supervisión con 
detección y diagnóstico de fallas, se deben observar los valores medidos en 
los dispositivos de campo; para ello cada módulo almacenado en el DeltaV 
Controller debe ser analizado en línea (ver Figura 4.1). 
 
Figura 4.1. Bloque de detección de fallas para válvula de control proporcional 
neumática. 
Cómo se observa en la Figura 4.1, la salida “OUT6” tiene valor cero, esto 
significa que el actuador se encuentra trabajando de manera adecuada. El 
correcto desempeño del actuador se muestra en la pantalla de supervisión 
(ver Figura 4.2). 
77 
 
 
 
Figura 4.2. Válvula neumática en operación sin fallas 
Para poder observar el desempeño del bloque, se van a forzar las fallas. 
Algunas se fuerzan de forma real (mediante conexión o desconexión de 
dispositivos, ver Figura 4.3 y Figura 4.5) y otras mediante cambios en los 
valores medidos, mediante el programa almacenado en el DeltaV Controller 
(ver Figura 4.7 y Figura 4.9). 
 
Figura 4.3. Falla por falta de corriente a la entrada 
En la Figura 4.3, se observa que el valor de la salida “OUT6” es 1, lo cual 
indica que el valor de la corriente de ingreso no es la esperada. Este código 
es comunicado automáticamente al sistema de supervisión, el cual informa al 
operador sobre la detección y diagnóstico de una falla (ver Figura 4.4). 
78 
 
 
 
Figura 4.4. Válvula neumática con falla por falta de corriente. 
 
 
Figura 4.5. Falla por caída de presión en la línea 
En la Figura 4.5, se observa que el valor de la salida “OUT6” es 2, lo cual 
indica que el valor de la corriente de ingreso no es la esperada. Este código 
es comunicado automáticamente al sistema de supervisión, el cual informa al 
operador sobre la detección y diagnóstico de una falla (ver Figura 4.6). 
79 
 
 
 
Figura 4.6. Válvula neumática con falla por falta de presión 
 
 
Figura 4.7. Falla por error en la comunicación 
En la Figura 4.7, se observa que el valor de la salida “OUT6” es 5, lo cual 
indica que el valor de la corriente de ingreso no es la esperada. Este código 
es comunicado automáticamente al sistema de supervisión, el cual informa al 
operador sobre la detección y diagnóstico de una falla (ver Figura 4.8). 
80 
 
 
 
Figura 4.8. Válvula neumática con falla por error en la comunicación 
 
4.3. Detección de fallas en el AMS 
Otra forma de detectar las fallas, es mediante el uso del AMS Device manager, 
ya que este se comunica directamente con los dispositivos de campo con 
capacidad de comunicación por protocolo HART (ver Figura 4.9 y Figura 4.10). 
 
 
 
Figura 4.9. Error en el transmisor por malfuncionamiento interno, detectado 
por el AMS Device manager. 
 
81 
 
 
 
Figura 4.10. Causa del malfuncionamiento interno del transmisor, detectado 
por el AMS Device manager 
4.4. Análisis de resultados 
Este análisis se realiza en base a los resultados obtenidos en la detección y 
diagnóstico de fallas de la válvula de control proporcional de la planta de 
temperatura piloto, la cual fue mostrada en los subcapítulos anteriores. 
Para el análisis de resultados se toman en cuenta las siguientes 
características del sistema: 
 Tmin: Menor tiempo empleado para la detección de fallas en el 
dispositivo. Esto se obtiene en el mejor de los casos: tarea ejecutada 
en forma inmediata (100ms), se lee el canal HART de forma inmediata 
con mayor velocidad (primer canal = 600ms), tiempo de visualización 
(1seg). 
 Tmax: Mayor tiempo empleado para la detección de fallas en el 
dispositivo. Esto se obtiene en el peor de los casos: tarea no ejecutada 
en forma inmediata (200ms), no se lee el canal HART de forma 
inmediata con menor velocidad (segundo canal = 1600ms), tiempo de 
visualización (1seg). 
 Comunicación: Sin protocolo (No) – Con protocolo (HART). 
El análisis de resultados para las fallas 1, 2, 3 y 4 (ver Tabla 3.5) se muestran 
en la Tabla 4.1 
Tabla 4.1. Análisis de resultados para las fallas 1, 2, 3 y 4 
Comunicación Tmin Tmax 
NO No detecta No detecta 
HART 1.7 seg 2.8 seg 
82 
 
 
El análisis de resultados para la falla 5 (ver tabla 3.5) muestra otros resultados, 
pues estos no dependen de la planta, sino de los módulos I/O del DeltaV. La 
detección por fallas en la comunicación se realiza por el DeltaV Controller, 
por lo que este tipo de falla es independiente de la comunicación por señal de 
4 – 20mA o por protocolo HART ver Tabla 4.2. 
Tabla 4.2. Análisis de resultados para la falla 5 
Comunicación Tmin Tmax 
NO 1.1 seg 1.2 seg 
HART 1.1 seg 1.2 seg 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
83 
 
 
CONCLUSIONES 
 
Se realizó el estudio de la arquitectura de control distribuido DeltaV y todas 
sus aplicaciones. Así como el AMS Device manager. Este estudio se realizó 
desde la instalación y configuración de los programas hasta el desarrollo de 
todo el sistema de detección y diagnóstico de fallos, pues el equipo físico se 
encontraba instalado, pero no había sido utilizado desde su adquisición. A 
pesar de no contar con la suficiente cantidad de material bibliográfico por parte 
del fabricante (no fue posible acceder a documentación avanzada por parte 
del fabricante), se logró desarrollar la parte práctica de este trabajo, y darle el 
enfoque de aplicación industrial, el cual muchas veces no se realiza en un 
trabajo de detección y diagnóstico de fallas. 
Se estudiaron y modelaron los transmisores y actuadores de las planta piloto 
desalinizadora de agua de mar y la planta piloto de temperatura. Con los 
resultados de este estudio se pudieron desarrollar los módulos de detección y 
diagnóstico de fallas de los dispositivos de campo en la arquitectura de control 
distribuido DeltaV. También, se integraron los valores de los parámetros 
internos de cada dispositivo de campo, obtenido por comunicación con 
protocolo HART, lo cual representa una ventaja sustancial sobre muchos 
sistemas de detección y diagnóstico de fallas que solo se basan en un modelo. 
Estos módulos poseen la capacidad de ser reproducidos en cualquier otra 
arquitectura que cumplan con el estándar de programación IEC 61131-3. 
Se desarrollaron las pantallas de supervisión y faceplates asociados a los 
dispositivos de campo, las cuales indican el acontecimiento de una falla 
(detección) y el motivo (diagnóstico). El distintivo de este sistema de 
supervisión fue el de crear una pantalla estrictamente para los dispositivos de 
campo, la cual facilita la interacción directa de todos los componentes del 
proceso, sin necesidad de pasar a través de cada una de las pantallas de 
supervisión. 
Se crearon pantallas de supervisión para el panel de operador instalado en la 
planta piloto desalinizadora de agua de mar. El enfoque de las pantallas de 
supervisión en el panel fue muy similar a las desarrolladas para el sistema de 
supervisión con la arquitectura de control distribuido, lo cual genera facilidad 
para la operación de la planta en modo local o remoto. 
Luego de realizar pruebas con los dispositivos de campo de la plata piloto de 
temperatura se obtuvieron resultados satisfactorios, pues ante cualquier 
acontecimiento en la planta (acontecimientos contemplados en el desarrollo 
de los módulos de detección y diagnóstico de fallas), se detectaron y 
diagnosticaron las fallas de los dispositivos de campo con los bloques Calc. 
Esta información se pudo observar en las pantallas de supervisión y en los 
faceplates. Con estos resultados quedó verificando el correcto funcionamiento 
de los módulos de detección y diagnóstico de fallas implementados en la 
arquitectura de control distribuido DeltaV.  
84 
 
 
BIBLIOGRAFÍA  
 
[1] Abad Pedro J, Suárez Antonio J, Gasca Rafael M, Ortega and Juan A. 
Using supervised learning techniques for diagnosis of dynamic 
systems. In Proceedings of the 13th International Workshop on 
Principles of Diagnosis, Semmering, Austria, 2002. 
[2] Alatiqi, I.M., Ghabris, A.H., and Ebrahim, S. System identification and 
control of reverse osmosis desalination. Desalination, 75, 119-140, 
1989. 
[3] Alatiqi, Imad,. Hissham Ettouney, Hisham El-Dessouky. Process Control 
in Water Desalination Industry: An Overview. Desalination 126, 15-32, 
1999.  
[4] Bailey David; Wright Edwin.  Practical SCADA for Industry, IDC 
Technologies, Oxford, 2003. 
[5] Balakrishnan K and Jonavar V. Intelligent diagnosis systems. Journal 
of Intelligent Systems, 8, 1998. 
[6] Burden Andrew, Deshpande Pradeep, Waiters James. Advanced 
process control of a B-9 Permasep permeator desalination pilot 
plant. Desalination 133, 271-283, 2000. 
[7] Cipollina A; Micale Giorgio; Rizzuti Lucio. Seawater Desalination, 
Springer – Verlag Berlin Heidelberg, New York, 2009. 
[8] Creus Antonio. Instrumentación Industrial, Alfaomega Group Editor, 
S.A. C.V., Mexico D.F, 2010. 
[9] DeltaV. Advanced Alarming Modules, DeltaV Whitepaper, Emerson 
Process Mangement, USA, 2015. 
[10] DeltaV. DeltaV HART Capabilities, DeltaV Whitepaper, Emerson 
Process Mangement, USA, 2013. 
[11] DeltaV. DeltaV M-Series I/O Subsystem Horizontal Carriers, DeltaV 
Whitepaper, Emerson Process Mangement, USA, 2013. 
[12] DeltaV. DeltaV Operate Themes, DeltaV Whitepaper, Emerson Process 
Mangement, USA, 2013. 
[13] DeltaV. Getting Started with your 𝑫𝒆𝒍𝒕𝒂𝑽𝑻𝑴 Digital Automation 
Systems, Emerson Process Mangement, Republic of Singapore, 2010. 
[14] DeltaV. Monitor and Control Software, DeltaV Product Data Sheet, 
Emerson Process Mangement, USA, 2013. 
[15] DeltaV. System Administration and Maintenance, Fisher-Rosemount 
Systems, Inc, UK, 2005. 
85 
 
 
[16] DeltaV. Universal HART Commands, DeltaV Whitepaper, Emerson 
Process Mangement, USA, 2013. 
[17] E.A. Parr, Msc, CEng, MIEE, MInstMC. Programmable Controllers An 
engineer’s guide, third Edition, E.A. Parr 1993, 1999, 1993, Oxford, 
2003. 
[18] Fisher. Control Valve Handbook, Emerson Process Mangement, Fourth 
Edition, USA, 2013. 
[19] Gambier, A.; Krasnik, A.; Badreddin, E., Dynamic Modeling of a Simple 
Reverse Osmosis Desalination Plant for Advanced Control 
Purposes. American Control Conference, 2007. ACC '07, vol., no., 
pp.4854, 4859, 9-13 July 2007. 
[20] García-Rodríguez L. and Gómez-Camacho C. Perspectives of Solar-
Assisted Seawater Distillation, 2001. 
[21] Gordon Clarke; Deon Reynders. Practical Modern SCADA Protocols, 
IDC Technologies, Oxford, 2004. 
[22] HART. HART field communications protocol. HART Communication 
Foundation, Austin, Texas, USA, 1999. 
[23] Helson Ron. Understanding The Power of HART Communication. 
HART Communication Foundation, Application guide, Austin, Texas, 
USA, 2003. 
[24] Helson Ron. The Impact of HART on Process Automation. HART 
Communication Foundation, Austin, Texas, USA, 2004. 
[25] Isermann Rolf. Fault diagnosis of machines via parameter estimation 
and knowledge processing. Tutorial paper. Automatica, 29(4):815_835, 
1993. 
[26] Isermann Rolf. Supervision, fault detection and fault-diagnosis – an 
introduction. Control Engineering Practice, 1997. 
[27] Isermann Rolf. Fault Diagnosis Systems. An introduction from fault 
diagnosis to fault tolerance. Springer, 2006. 
[28] Isermann Rolf. Fault – Diagnosis Applications, Springer – Verlag Berlin 
Heidelberg, New York, 2011. 
[29] Reiter R. A theory of diagnosis from first principles. Artificial 
Intelligence, 32, 1987. 
[30] Riverol, C., and V. Pilipovik. Mathematical modeling of perfect 
decoupled control system and its application: A reverse osmosis 
desalination industrial-scale unit. Journal of Automated Methods and 
Management in Chemistry, 2005, 50-54, 2005. 
[31] Siemens Energy & Automation, Inc. DCS or PLC? Siemens Energy & 
Automation, Inc., USA, 2007. 
86 
 
 
[32] Stankovic John A. Fault – Tolerant – Real – Time Systems, Kluwer 
Academic Publishers, Massachusetts, 1996. 
[33] Thomas P. Fault detection and diagnosis in engineering systems. 
Control Engineering Practice, 10(3):1037_1038, 2002. 
[34] Voutchkov Nikolay. Desalination engineering planning and design, 
The McGraw – Hill Companies, USA, 2013. 
 
 
 
 
 
87