Leví Gadiel Sojos González

Un controlador predictivo pierde desempeño cuando la planta cambia respecto del modelo con que fue identificado. Calibrate propone re-identificar ese modelo mientras el controlador opera, pero para eso necesita estar conectado a la planta y tener los datos historizados. La pregunta era si podía recuperar un modelo correcto tras un cambio en la planta.

• Armé una planta de mezcla (blending) simulada en Simulink y la conecté a DMC3 por OPC UA.
• Dejé funcionando la historización de datos en tiempo real.
• Introduje un cambio intencional en una ganancia de la planta y probé si Calibrate lo detectaba y lo corregía.

En una planta de cuatro estanques acoplados, cada bomba afecta a más de un nivel, así que controlar cada nivel por separado es difícil y una perturbación en un estanque se propaga a los demás. Probar controladores directamente en la planta real es lento y arriesgado.

• Entrené un modelo ANFIS de la planta para diseñar y probar el control primero en simulación, antes de pasar a la planta real.
• Programé el controlador difuso (Sugeno) con compensadores feedforward en estructura MISO en el PLC Allen-Bradley.
• Colaboré en el HMI bajo ISA-101; el desarrollo principal estuvo a cargo de un compañero.

Diseñar una fuente conmutada aislada con monitoreo remoto, combinando electrónica de potencia, firmware y supervisión.

• Simulación en LTspice a 60 kHz con snubber RCD.
• Nodo ESP32 que mide voltaje y lo envía por Wi-Fi (sockets TCP/IP).

• Calculé y bobiné el transformador de ferrita.
• Programé en C el PIC18F4550 que genera el PWM.
• Desarrollé en Python (PySide6) la HMI asíncrona.
• En la PCB hice la selección de componentes y los footprints.

Implementar en PLC una estrategia de control batch para una planta con estanque, chaqueta e intercambiador de calor, coordinando las variables de nivel, flujo y temperatura según una secuencia de etapas y transiciones.

• Modelado y configuración del setup (estanque con chaqueta e intercambiador de calor) y de los lazos de nivel, flujo y temperatura.
• Programación de los lazos PID y puesta en marcha de la secuencia batch en el PLC.

• Implementé el diagrama SFC de la secuencia batch en un PLC Allen-Bradley.
• Programé el PID del lazo de flujo en Texto Estructurado.
• Sintonizé y apliqué el gain scheduler al lazo de flujo para manejar su comportamiento no lineal.

En un circuito de molienda-clasificación, la granulometría (P80) es costosa de medir en línea y el proceso es multivariable y lento, con disturbios de dureza y tamaño de alimentación. El control PID descentralizado suele ser lento y genera oscilaciones.

• Modelé el circuito fenomenológicamente (PBM del molino, clasificación Lynch, sump y potencia Bond) y obtuve el estado estacionario y la linealización numérica.
• Diseñé un MPC con observador de Kalman aumentado para seguimiento sin offset y lo comparé contra un PID descentralizado en escenarios de setpoint y disturbios.
• Entrené un sensor virtual de P80 (PLS/RF/GBM) con validación temporal e intervalos conformales, y lo probé en el lazo de control.

• Código reproducible con pruebas de cordura, figuras y métricas versionables.
• Documentación de ecuaciones, supuestos, limitaciones y referencias.