Estrategias para reconciliación de datos robusta

Abstract

La optimización de las industrias químicas requiere de técnicas efectivas para reconciliación de datos y estimación de parámetros. Los estimadores clásicos se ven altamente influenciados por la presencia de valores atípicos en las mediciones, en cambio los estimadores robustos son insensibles a pequeñas cantidades de éstos. En este trabajo se presentan nuevas metodologías robustas para la reconciliación de datos que combinan las fortalezas de los estimadores monótonos y redescendientes. Se proponen dos estrategias de distinto grado de complejidad, las cuales se aplican para tres modelos de mediciones diferentes. Las medidas de desempeño consideradas son el error cuadrático medio, la cantidad promedio de Errores Tipo I y la potencia global. Se compara el desempeño de las estrategias propuestas para procesos cuya operación se representa mediante modelos lineales y no lineales.