Inferencia continua de calidad desde variables SCADA.
ML aplicado a estimar °Brix cada segundo desde T, pH, conductividad, agitador y nivel. Compara 4 algoritmos — qué es un soft sensor ↓
Tanque de mezcla TK-107
click en un sensor para saber qué mide y qué hace
🌡️ Temperatura del líquido
Qué mide: temperatura interna del líquido con una sonda PT-100 de acero inoxidable insertada por el lateral del tanque.
Rol en el proceso: la temperatura afecta directamente la solubilidad del producto. A más temperatura, más soluto se disuelve y el °Brix real sube. También modula la velocidad de reacciones químicas si el proceso es reactivo.
Por qué la IA la usa: es la variable más influyente para la predicción. Sin ella, el modelo pierde una señal clave del estado termodinámico del batch.
⚗️ pH — acidez del líquido
Qué mide: concentración de iones H⁺ con un electrodo de vidrio combinado insertado desde arriba, con compensación automática por temperatura.
Rol en el proceso: define la química del batch. En procesos de fermentación baja con el tiempo (produce ácidos); en dilución de sales cambia con la composición. También afecta la estabilidad del producto disuelto.
Por qué la IA la usa: el modelo aprendió que la relación entre pH y °Brix no es lineal — un cambio de pH mueve la predicción más cerca de sus extremos que en el centro.
⚡ Conductividad eléctrica
Qué mide: capacidad del líquido para conducir corriente eléctrica, en mili-Siemens por cm, con una celda inductiva de 4 electrodos. Sin partes en contacto directo — resistente a fouling.
Rol en el proceso: es un proxy directo de sólidos totales disueltos (STD). Si hay más iones disueltos, más corriente pasa. Muy usado como indicador de concentración cuando el °Brix directo no está disponible.
Por qué la IA la usa: altamente correlacionada con el °Brix real. Es el segundo predictor más importante después de la temperatura.
🌀 Velocidad del agitador
Qué mide: revoluciones por minuto del eje del mezclador, con un encoder incremental montado en el motor o vía tacómetro del VFD.
Rol en el proceso: garantiza homogeneidad del batch. A baja RPM aparecen zonas muertas con estratificación — el sensor de conductividad podría estar leyendo una región no representativa del bulk. A muy alta RPM hay riesgo de aeración e imprecisión.
Por qué la IA la usa: el modelo aprendió que cuando la RPM baja, la relación entre las otras variables y el °Brix real se degrada. Es un modificador contextual.
📏 Nivel del líquido
Qué mide: porcentaje de llenado del tanque, típicamente con un transmisor de presión diferencial (DP cell) montado en la base, o con radar guiado por arriba.
Rol en el proceso: factor de dilución. Si entra agua al tanque, el nivel sube y la concentración baja. Si evapora, el nivel baja y la concentración sube. Es un balance de masa implícito.
Por qué la IA la usa: permite al modelo compensar cambios de volumen. Sin él, el modelo confundiría "más agua" con "menos soluto disuelto".
Concentración de producto — ventana 120 s °BRIX
Modelo MLP
Interacción
01Qué es un soft sensor
Un modelo estima en tiempo real una variable difícil o cara de medir (p. ej. °Brix) a partir de variables que sí tienes en el SCADA (T, pH, conductividad, agitador, nivel).
- Entradas
Variables de proceso disponibles continuamente desde el PLC/SCADA.
- Salida
Estimación de la variable objetivo (calidad, concentración, condición de equipo).
- Referencia
Muestras de laboratorio (o mediciones de referencia) para calibrar el modelo.
- Rol
Capa analítica supervisada: complementa, no sustituye el laboratorio ni la instrumentación crítica.
02Cómo funciona este demo
4 algoritmos entrenados con el mismo dataset sintético. Comparables bajo el mismo test set.
- Dataset sintético de 3,000 muestras con las 5 entradas y la salida.
- Entrenamiento de regresión lineal, polinomial, k-NN y red neuronal MLP en tu navegador.
- Simulación del tanque TK-107 corre a 1 Hz con ruido OU y perturbaciones.
- Inferencia continua + banda de incertidumbre ±1σ. Muestras de lab esporádicas como referencia.
- Análisis de sensibilidad por perturbación local en 200 puntos de operación.
El MAE típico aquí ronda 0.22 °Brix. En planta real, el modelo se entrena con histórico calibrado contra referencias de laboratorio, se valida con datos fuera de muestra y se monitoriza por deriva.
03Dónde se aplica en planta
Variables de calidad, condición o composición difíciles de medir continuamente.
Inferencia de °Brix, viscosidad, concentración o pH entre muestras de laboratorio.
Soft sensor + optimización RL →Combinar inferencia continua con un agente que ajusta setpoints para maximizar calidad.
Mantenimiento predictivo →Estimación de degradación de rodamientos, fugas, incrustación a partir de vibración y proceso.
Instrumentación crítica · ciberseguridad OT →Priorizar sensores que calibrar y proteger según su peso en el modelo.
Pipeline responsable: datos históricos → modelo entrenado y validado contra laboratorio → despliegue en edge/servidor local → monitoreo de deriva → recalibración. Un soft sensor no reemplaza al laboratorio ni la instrumentación crítica.
04FAQ
No. El laboratorio sigue siendo la referencia para calibrar y validar. El soft sensor cubre el espacio entre muestras y detecta anomalías.
Variables de proceso confiables, una variable objetivo de referencia con representatividad histórica, y contexto de operación (rangos, modos, materias primas).
El modelo puede perder precisión fuera de su envoltura de entrenamiento. Se monitorea deriva, se definen rangos de validez y se recalibra o reentrena periódicamente.