Desarrollo de una herramienta de trazabilidad y visualización causal en EDARs

Autores/as

DOI:

https://doi.org/10.17979/ja-cea.2025.46.12256

Palabras clave:

Detección y diagnóstico de fallos, Procesos de tratamiento de aguas residuales, Monitorización del rendimiento de procesos/control estadístico de procesos, Sistemas expertos en la industria de procesos

Resumen

Las estaciones depuradoras de aguas residuales (EDAR) generan grandes volúmenes de datos operativos que habitualmente se utilizan para supervisión y control en tiempo real. Este trabajo presenta una herramienta basada en datos históricos para la trazabilidad y visualización causal en EDAR, aplicada a una planta de Castilla y León. La metodología propuesta permite detectar incumplimientos normativos en el efluente, caracterizar el estado del sistema mediante el análisis de variables operativas, identificar perturbaciones externas utilizando percentiles estacionales y evaluar las acciones correctoras implementadas a través de análisis estadísticos y residuos dinámicos. Los resultados se integran en diagramas de Sankey que representan las relaciones causa-efecto-respuesta, facilitando la interpretación de los eventos y la toma de decisiones operativas. La herramienta, desarrollada en Python, constituye un apoyo en el diagnóstico, la formación de operadores y la mejora continua de la operación de EDAR bajo condiciones reales.

Referencias

Fuente, M. J., Vega, P., 1999. Neural networks applied to fault detection of a biotechnological process. Engineering Applications of Artificial Intelligence 12, 569–584. DOI: 10.1016/S0952-1976(99)00028-7

Gernaey, K., Jeppsson, U., Vanrolleghem, P., Copp, J., Steyer, J. Benchmarking of control strategies for wastewater treatment plants., IWA Publishing, Colchester, UK, 2010.

Gernaey, K., Rosen, C., Benedetti, L., & Jeppsson, U. (2021). BSM2: A model for dynamic influent data generation. Wastewater Modelling.

Revollar, S.; Vilanova, R.; Vega, P.; Francisco, M.; Meneses, M. (2020). Wastewater Treatment Plant Operation: Simple Control Schemes with a Holistic Perspective. Sustainability, 12, 768. DOI: 10.3390/su12030768

Santín, I., Pedret, C., Vilanova, R., 2015. Fuzzy control and Model Predictive Control Configurations for Effluent Violations Removal in Wastewater Treatment Plants. Industrial and Engineering Chemistry Research 54 (10), 2763–2775. DOI: 10.1021/ie504079q

Santín, I., Pedret, C., Vilanova, R., Meneses, M., 2016. Advanced decision control system for effluent violations removal in wastewater treatment plants. Control Engineering Practice 279, 207–219. DOI: 10.1016/j.conengprac.2016.01.005

Vilanova, R; Santín, I., Pedret, C. (2017) Control en Estaciones Depuradoras de Aguas Residuales: Modelado y Simulación. Revista Iberoamericana de Automática e Informática Industrial (RIAI). 14 (3): 217-233 DOI: 10.1016/j.riai.2017.09.001

Descargas

Publicado

01-09-2025

Número

Sección

Educación en Automática