^supervisiÓn multidistribuida para el control...

UNIVERSIDAD POLITCNICA DE MADRID

ESCUELA TCNICA SUPERIOR DE INGENIEROS AGRNOMOS

SUPERVISIN MULTIDISTRIBUIDA PARA EL CONTROL DE PROCESOS DE

CONSERVACIN DE PRODUCTOS AGROALIMENTARIOS: OPTIMIZACIN DE

CALIDAD DEL PRODUCTO

PhD Tesis

Heidi Tatiana Jimnez Ariza

Ingeniera de Alimentos

Madrid 2015

Departamento de Ingeniera Agroforestal

ESCUELA TCNICA SUPERIOR DE INGENIEROS AGRNOMOS

SUPERVISIN MULTIDISTRIBUIDA PARA EL CONTROL DE PROCESOS DE

CONSERVACIN DE PRODUCTOS AGROALIMENTARIOS: OPTIMIZACIN DE

CALIDAD DEL PRODUCTO

Doctoranda: Heidi Tatiana Jimnez Ariza (Ingeniera de Alimentos)

Directoras: Beln Diezma Iglesias (Doctora Ingeniera Agrnoma)

Eva Cristina Correa Hernando (Doctora Ingeniera Agrnoma)

Madrid 2015

(D-15)

Tribunal nombrado por el Magfco. Y Excmo. Sr. Rector de la Universidad

Politcnica de Madrid, el da de de 2015

Presidente:___________________________________________________________

Secretario:___________________________________________________________

Vocal:_______________________________________________________________

Vocal:_______________________________________________________________

Vocal:______________________________________________________________

Suplente:_______________________________________________________________

Suplente:______________________________________________________________

EL SECRETARIO

Realizado el acto de defensa y lectura de

Tesis el da

de de 20

En la E:T.S. I / Facultad EL PRESIDENTE LOS VOCALES

Con temeridad atroz, con orgullo ciego, con tenacidad insensata, la busc sin un solo instante de desaliento

Gabriel Garca Marquz en Cien Aos de Soledad

A mi familia y a Dios

Gracias por estar ah siempre, ser mi compaa, mi fuerza y mi paz

AGRADECIMIENTOS

Los grandes proyectos no son solo producto de una sola fuerza, son el conjunto del

trabajo de personas que directa e indirectamente aportan sus capacidades y energa

para la conclusin provechosa de grandes objetivos. Yo quiero aprovechar la

oportunidad de agradecer a todas aquellas personas y entidades que han hecho parte

de esta Tesis, sin su ayuda nada habra sido posible, en especial:

A Beln Diezma Iglesias y Eva Cristina Correa Hernando, su fuerza y apoyo en los

momentos de incertidumbre, por toda la dedicacin, aportes, revisiones, comprensin.

Esta Tesis no hubiese sido posible sin su orientacin, fue un placer trabajar junto a

ustedes.

Este trabajo pertenece al ingenio, dedicacin y cooperacin de todo el Departamento

de Ingeniera Rural, ahora Departamento de Ingeniera Agroforestal de la Escuela

Tcnica Superior de Ingenieros Agrnomos de la Universidad Politcnica de Madrid.

A la Universidad Politcnica de Madrid, por su apoyo al financiar mis estudios de

Doctorado, lo cul ha permitido la realizacin de est Tesis.

A los proyectos Insidefood, Smart-QC, Frutura, Multihort y Clarisa, por su financiacin al

desarrollo de los experimentos de est Tesis

A todo el equipo de Supracaf, por permitirme realizar los experimentos en sus

instalaciones y fincas, gracias a su apoyo a Colombia y la Industria del caf.

A las empresas Milagro, Kernel Export la aplicacin real de los expermientos, representa

un gran valor a los objetivos de est Tesis.

A Alik Abakarov, por todo el conocimiento transmitido, por sus grandes aportes y

colaboracin en los experimentos y resultados de est Tesis. Tus aportes han sido muy

enriquecedores.

A Virginia Das Barcos, mi agradecimiento es infinito, tus ideas y aportes han sido de

gran valor, gracias por tu apoyo.

A Pilar Barreiro, gracias por tus sonrisas y aliento en los momentos de nubosidad, gracias por hacerme ver lo no evidente, eres un ejemplo de motivacin profesional. A Blanca Muoz, por tu invaluable amistad, por preocuparte por m y las palabras de alientos, eres una gran amiga, te llevar en mi corazn. Teresa, Rosa, Sandra y Miguel compaeros del mster, siempre una sonrisa y una palabra de aliento, gracias por compartir este tiempo conmigo. A todos los integrantes del grupo LPF-TAGRALIA, Margarita, Adolfo, Jacinto, Jaime, Carlos, Javier, Lourdes, Miguel ngel, Guillermo, Natalia, Carlos, Antonio, gracias por su apoyo y aportes. A Luis, Ricardo, Adolfo, ngela, Miguel, Mara, Teresa, Christian, Noelia, Satiabrata, Axel valiosos momentos, grandes recuerdos. A la familia Valero Sanchz, por su cario y hacerme sentir parte de ustedes, los llevar en mi corazn por siempre.

A Sandra y Alicia Esteban, Daniel Fernndez Llana y Rodrigo Ares Arroyo, por ser algo

ms que unos compaeros de viaje, a ellos gracias por compartir los bellos momentos

de esparcimiento, por las amenas y extraas conversaciones, por las visitas, las cenas,

meriendas y comidas, por las risas, y sencillamente por estar siempre ah, l que tiene

un amigo, tiene un tesoro!

A Miguel ngel e Isabel Sofa, gracias por luchar junto a m, por los ms hermosos momentos que aunque unos buenos y otros malos, me han permitido crecer a su lado, ustedes son mi felicidad. A mi madre, por ensearme a ser una guerrera, el permitirme separarme de ti para cumplir mis sueos, todos mis logros son solo resultado de tu amor y apoyo. A mi familia por las palabras de aliento y cario.

A ti Dios, que en los momentos, cuando creo que las cosas son imposibles, en un

segundo las haces posibles.

LISTA DE SIMBOLOS

Sigla Descripcin Unidades

Angstrom -

D Water diffusion coefficient m2/s

F F of Fischer -

ES Error Standard -

FOV Field of View cm2

G Linear magnetic field gradient Tesla m-1

Gf Frequency encoding gradient Tesla m-1

G Phase encoding gradient Tesla/m

H Humedad Absoluta g/kg aire

Hm Coeficiente convectivo de transferencia de materia m/s

HR Humidity Relative %

I Nmero de Spin -

L*a*b* Espacio de Color -

Macroscopic magnetization after the 90 pulse A/m

M Magnetization A/m

MTTF Tiempo medio de fallo s

Mxy Transversal magnetization m-1

Mz Longitudinal magnetization A/m

SE Standard error -

P(T1,T2) Two-dimensional relaxation time spectrum -

RH Relative Humidity %

T Temperature C

T1 Spin lattice or longitudinal relaxation time ms

T2 Spin-spin or transversal relaxation time ms

TE Echo time ms

Abreviatura Descripcin

CT Micro- Tomografa Computarizada

ad hoc Hecho para esto

ANN Sistema de Redes neuronales

ANOVA Anlisis de varianza

ASABE American Society of Agricultural and Biological Engineers

Bluetooth Sistema de comunicacin inalambrico WSN, basado en el protocolo

IEEE 802.15.1

CAD Convertidor Analgico Digital

CAI Centro de Asistencia a la Investigacin de la UCM

CCD Charge-Coupled Device

CEI Campus de Excelencia Internacional

CENIM Centro Nacional de Investigaciones Metalurgicas

CER Cmara Experimental de Regrigeracin

CSIC Consejo Superior de Investigaciones Metalurgicas

CIGR Commission Internationale du Genie Rural

EurAgEng European Society of Agricultural Engineers

et al. et alii

etc. et cetera

FAO Food and Agriculture Organization of the United Nations

FEU Forty Foot Equivalent Units

FL Fuzzy Logic

FLC Fuzzy Logic Control

GPRS General Packet Radio Service

GPS Global Positioning System

GSM Global System for Mobile-Communication

HF High Frecuency

HTML Hypertext Markup Language

IEEE Institute of Electrical and Electronics Engineers

IR Infrarrojo

IMR Imgen de Resonancia Mgnetica

LF Low Frecuency

LSS Long Sea Shipping

ISO International Standards Organization

LAN Local Area Network

http://www.fao.org/

LPFTAGRALIA Laboratory-Advanced Technologies in Agro-Food

M Mean

MEMS Micro Electro Mechanical Systems

MR Magnetic Resonance

MRI Magnetic Resonance Imaging

MS Masa Seca

NIR Near Infra-red

NMR Nuclear Magnetic Resonance

PD Proton Density

PD Control Proporcional Derivativo

PDA Personal Data Assistant

PIC Peripheral Interface Controller

PID Control proporcional con accin integral y derivativo

PLC Controlador Lgico Programable

RMN Resonancia Magntica Nuclear

RF Radio Frequency (Radio Frecuencia)

RFID Radio Frequency Identification

RGB Red - Green - Blue

r Valor relativo al canal de color (RGB)

S Point within the echo

S1 Secadero uno

S2 Secadero dos

SHT Sensor Comercial de Temperatura y %Humedad Relativa de la

empresa Sensirion

SR Sampling Rate

SD Standard Deviation

SSS Short Sea Shipping

SQL Structured Query Language

Tin Temperatura Interna

Top Temperatura ptima

TE Temperature Error

TEU Twenty Foot Equivalent Units

UFC Unidades Formadoras de Colonia

UHF Ultra High Frequency

UMTS Universal Mobile Telecommunications System

UPM Universidad Politcnica de Madrid

UCM Universidad Complutense de Madrid

ULD Unit Load Devices

UWB Ultra Wide Band

VIS Visible

VPN Virtual Private Network

Wi-Fi Wireless Fidelity

WLAN Wireless Local Area Networks

WSN Wireless Sensor Network

WUSN Wirelles Underground Sensor Networks

WWAN Wireless Wide Area Network

Xbee Xbee-PRO Based Prototype

Xbow Crossbow

ZigBee Sistema de comunicacin inalmbrico WSN, basado en el protocolo

IEEE 802.15.4

LISTA DE FIGURAS

Figura 1. Componentes principales de un mdulo (Aqeel-ur-Rehman, 2014) ................ 43

Figura 2. Diagrama conceptual que muestra los componentes principales de un mote SMARTDUST, (Warneke, et al. 2001) ............................................................................... 48

Figura 3. Red de sensores con actuador (Salarian et al, 2012) ....................................... 51

Figura 4. Marco general de las etapas de modelado, desde el diseo hasta la validacin. Principales objetivos de la modelizacin en el contexto de la alimentacin y la ingeniera de procesos alimentario (Trystram, 2012) ...................................................................... 74

Figura 5. Sistema electrnico de control en bucle abierto. (Prez, Acevedo y Fernndez, 2009) ................................................................................................................................ 78

Figura 6. Sistema electrnico de control en bucle cerrado. (Prez, Acevedo y Fernndez, 2009) ................................................................................................................................ 79

Figura 7. Componentes de un sistema PLC ...................................................................... 84

Figura 8. Ejemplo de reglas del Control difuso (Birle, 2013) ........................................... 85

Figura 9. Esquema de interferencia Fuzzy Control segn Mamdani, para dos reglas (Birle, 2013) ...................................................................................................................... 85

Figura 10. Clasificacin de secaderos solares. (Sharma et al, 2009) ............................... 89

Figura 11. Esquema de funcionamiento de equipos de secado solares activos y pasivos (Ekechukwu y Norton, 1999; Mustayen et al, 2014). ...................................................... 91

Figura 12. Vista lateral de un contenedor refrigerado con sistema de circulacin de aire superior. (Vigneault et al, 2009) .................................................................................... 101

Figura 13. Vista lateral de un contenedor refrigerado con sistema de circulacin de aire inferior. (Vigneault et al, 2009) ...................................................................................... 101

Figura 14. Modelizacin del flujo de aire en sentido longitudinal en el plano de simetra de un contenedor de transporte refrigerado (a) vaco: valores experimentales utilizando 1100 puntos de medicin, (b) vaco: modelo RSM. (c) Lleno: modelo RSM (Mouren y Flick, 2004). .................................................................................................. 103

Figura 15. Resultados numricos relativos a los contornos de iso-temperaturas (a) con conductos de aire situados entre la pared lateral y los pallets y (b) sin conductos de aire. El cdigo de color indica las temperaturas dentro del contenedor del vehculo (Mouren y Flick, 2004). .................................................................................................. 104

Figura 16. Dinmica de temperatura y vista 3D, del interior del contenedor estudiado, con respecto al ndice de varianza normalizado , . Este parmetro expresa la

file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292163file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292163file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292164file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292164

variabilidad de la temperatura interior con respecto a los cambios exteriores. Rango de visualizacin entre 0 y 10% de la varianza del exterior (Rodrguez-Bermejo et al, 2007). ........................................................................................................................................ 110

Figura 17. Temperatura interior de los pallets, localizados en el interior del contenedor (Tanner y Amos, 2003) ................................................................................................... 112

Figura 18. Curvas de reaccin de la temperatura (a) para las esquinas de las cajas y (b) para el centro de las cajas. Las curvas representan los modelos de ajuste (rojo) valores medios (azul), aire de suministro (negro) ...................................................................... 113

Figura 19. Dispositivo cono truncado diseado para aplicar el mtodo Fermaestro para el control de la fermentacin (a) Dimensiones y (b) Volumen ocupado por el grano de caf el cual ha finalizado proceso de fermentacin (Peuela, Pabn y Sanz, 2013) 120

Figura 20. Cambios de la temperatura de los granos de caf durante la fermentacin en sistemas abiertos, sin agua y sumergido 50%, a temperatura externa promedio de 23C a 25C. (Puerta, 2012) .................................................................................................... 121

Figura 21. Temperatura y pH, en el proceso de fermentacin (Avallone et al, 2001) ... 122

Figura 22. Temperatura de la masa de caf durante la fermentacin de los 7 tanques analizados, el tiempo 0 es considerado el momento de finalizacin del proceso de fermentacin (Jackels et al, 2005) ................................................................................. 123

Figura 23. Perfiles de pH durante la fermentacin del mucilago, para los 7 fermentadores estudiados (Jackels et al, 2005) ............................................................. 124

Figura 24. Resultados de la simulacin para el proceso de fermentacin del vino (Ranasinghe et al (2013). ................................................................................................ 127

Figura 25. El consumo total de refrigeracin (kcal) frente al tiempo (h) (lneas continuas) y el consumo de refrigeracin instantnea de alimentacin (kcal / h) frente al tiempo (h) (lneas de puntos). Las lneas en negrita muestran los resultados del proceso de control difuso (Martnez et al (1999). ......................................................................................... 128

Figura 26. Esquema de un sistema tpico de la visin por ordenador (Adaptado de Di y Sun, 2013)....................................................................................................................... 130

Figura 27. Imagen (ejemplo) con diferentes niveles de cuantificacin 64, 4, y 2 niveles de gris (Cerrada, 2002). .................................................................................................. 132

Figura 28. Tcnicas de segmentacin tpicas, (a) basada en un valor de intensidad umbral, (b) basada en bordes y (c) basada en regiones (Sun, 2000) ............................. 133

Figura 29. Mtodos de segmentacin de color (Adaptado de Cheng et al, 2001) ........ 134

Figura 30. Representacin 3D de algunas imgenes de espacio de color. (a) RGB, (b) YIQ, (c) CMY, (d) el HSV (Mathworks, 2012 ), (e) XYZ, (f) L*a*b*, (g) L*u*v* (Di an Sun, 2013). ........................................................................................................................................ 136

Figura 31. Momentos resultantes sobre un protn (Aristizbal, 2007) ......................... 143

Figura 32. Movimiento de precesin de (Kastler, Vetter y Gangi, 1997). ................ 144

Figura 33. Seal observada utilizando la tcnica de Spin Echo (Rutledge, 2001) .......... 144

file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292177file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292177

Figura 34. Seal normalizada de RMN, para muestras de zanahoria que contiene el 8.2%, al 14.5% de contenido en agua (Monteiro-Marques, Rutledge, y Ducauze, 1991) ....................................................................................................................................... 145

Figura 35. T1 y T2 como una funcin de la actividad de agua de zanahorias parcialmente secas. (Monteiro-Marques, Rutledge, y Ducauze, 1991). .............................................. 146

Figura 36. Secuencia simplificada de reconstruccin de una imagen Transformada de Fourier FT bidimensional. (Aristizbal, 2007) ................................................................ 147

Figura 37. Ejemplos de una tomografa de manzanas que tienen defectos de watercore corazn acuoso, imgenes obtenidas por IMR (Melado et al, 2013) ....... 148

Figura 38. Interrelacin entre los proyectos de investigacin, procesos supervisados y herramientas de anlisis de datos en esta Tesis Doctoral ............................................. 153

Figura 39. Membership functions for input linguistic variables Tint and dT ................. 163

Figura 40. Developed fuzzy logic control software. Temperature and relative humidity charts obtained for the optimal control profile of the solar dryer fan to achieve randomly selected water behavior profile; experimental water extraction rate SMART-1. ....................................................................................................................................... 166

Figura 41. Results obtained for the inside cabinet temperature fuzzy controller. ........ 167

Figura 42. Solar dryer scheme, location of the 10 sensors (S1 to S10).......................... 169

Figura 43. Red hydrogel balls. Left, hydrated spheres (starting process), Right, dry balls at the end of the drying process. ................................................................................... 170

Figura 44. Representation of the temperatures of the 10 sensors of the solar dryer, for the five adjustment models ........................................................................................... 172

Figura 45. Representation of the fan speed for the 5 control models .......................... 173

Figura 46. Comparison of mean temperatures within the dryer and the 5 control models. X1=(1) Outer Temperature; X1=(2) Mean temperature of sensors 4 and 5 (upper area of the drying chamber); X1=3 Mean temperature of sensors 2 and 7 (lower area of the drying chamber) and X2= Number control model ...................................... 174

Figura 47. Comparison of temperatures variance within the dryer and the 5 control models. X1=(1) Outer Temperature; X1=(2) Mean temperature of sensors 4 and 5 (upper area of the drying chamber); X1=3 Mean temperature of sensors 2 and 7 (lower area of the drying chamber) and X2= Number control model ...................................... 175

Figura 48. Temporary representation of temperatures in the carrot drying process in solar dryer with fuzzy control (Dryer 1) ......................................................................... 177

Figura 49. Temporary representation of the % of relative humidity in the carrot drying process in the solar dryer with fuzzy control (Dryer 1) ................................................. 178

Figura 50. Mean, maximum and minimum temperature values for each sensor during the whole process .......................................................................................................... 179

Figura 51. Control performed by the fan in the carrot drying process (Dryer 1) .......... 180

file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292189file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292189file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292197file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292197file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292197file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292197file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292198file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292198file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292198file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292198

Figura 52. Images of dehydrated carrot sheets in a solar dryer, (a) Controlled dryer and (b) Uncontrolled dryer ................................................................................................... 181

Figura 53. Carrot slices, beginning of the drying process .............................................. 184

Figura 54. Dehydrated carrot tray 1, controlled dryer ................................................... 185

Figura 55. Segmentation of the image from the carrot slices in tray No. 1, from the dryer with fuzzy control for the red channel. .......................................................................... 188

Figura 56. Segmentation of the relative r channel from the image, from carrot slices in tray No. 1, from the dryer with fuzzy control. ............................................................... 188

Figura 57. Histogram dendrogram relatives of the all numbers of the images segmented of b relative. S1: Drier No. 1 (Fuzzy control); S2: Drier No. 2 (No control) y F: fresch carrot .............................................................................................................................. 188

Figura 58. Mean Histogram Analysis of the relative r, compared to the intensity levels ........................................................................................................................................ 189

Figura 59. Binary image resulting from the segmentation process of carrot slices. (a) and (b) correspond to the different duplicates for the same drying time ............................ 194

Figura 60. Intensity values of proton density, for slice number 5 (central area of the carrot). The color scale employed corresponds to different PD levels (reddish for high levels, bluish for low levels) measured in each pixel. .................................................... 194

Figura 61. PD histograms regarding the number of pixels for carrot cross sections with different moisture % (a) 90.6 % and 0 hs of drying; b) 59% and 6 h of drying; c) 48.9% and 12 h of drying; d) 18.9% and 24 h of drying) ........................................................... 195

Figura 62. PD values represented, regarding the interquartile range and its relationship with the area of each section ......................................................................................... 196

Figura 63. Turbotag tag configuration system ............................................................. 200

Figura 64. Nlaza modules comunication system ............................................................ 201

Figura 65. Sensors inside and between packing bags (left); sensors inside and outside the carton boxes (right) .................................................................................................. 201

Figura 66. Location of boxes with sensors in the transport pallets and instrumentation inside the bags................................................................................................................ 202

Figura 67. Thermal history record of the IV range product ........................................... 203

Figura 68. Thermal history record inside the box .......................................................... 204

Figura 69. Thermal history record outside the boxes .................................................... 204

Figura 70. . Thermal history record inside the bags (TurboTag) .................................. 206

Figura 71. Thermal history record inside the boxes and bags (Nlaza) modules ............ 206

Figura 72. Relative humidity % history record inside the boxes and bags (Nlaza) modules ........................................................................................................................................ 207

Figura 73. Module 45 Failure Types in sending data ...................................................... 208

file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292210file:///C:/Users/ing.dprpostgrados/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Heidi_Tatiana_Jimenez_Ariza.docx%23_Toc436292210

Figura 74. Relative Humidity % Sensor raw data (left) Hysteresis Graph (right) ........... 210

Figura 75. Temperature Sensor raw data (left) Graphic Hysteresis (right) ................... 211

Figura 76. Dynamics of temperature inside the container, registered by three groups of RFID Tags sensors, and corresponding location inside the container (upper part). Group B: in dark blue, group G: in light blue, group J: in black. The elliptic dotted curves indicate the daily cycles of temperature. LSS long sea shipping, SSS short sea shipping ....................................................................................................................................... 219

Figura 77. Phase diagram for temperature with A=1 (td= 1(step) 100(min/step)=100 min) for RFID Tag sensors: group B (dark blue), group G (light blue) and group J (black). Double arrow indicates the overall variation of temperature inside the reefer (from 3.71 C to 10.53 C) ................................................................................................................ 222

Figura 78. Time series of temperature corresponding to five i-Buttons and its location inside the container (upper part). LSS long sea shipping transport from Montevideo to Algeciras, SSS short sea shipping from Algeci-ras to Cartagena. Sensor located at evaporator inlet and outlet in blue and black, respectively, at central position in red and sensors near to the door in purple and green. The dotted elliptic curve indicates the daily cycles of temperature during the SSS ................................................................... 223

Figura 79. Time series of relative humidity (up) and psychrometric chart (down) corresponding to five i-Buttons. Sensors located at evaporator inlet and outlet in blue and black, respectively, at central position in red and sensors near the door in purple and green. The RH in the psychometric chart (down) is represented by the blue curved lines which are equi-spaced by 5 %. Green dots note the highest RH range of variation (26.5 %) reached at day 28.8 ......................................................................................... 225

Figura 80. Time series of enthalpy corresponding to five i-Buttons. Sensor located at evaporator inlet and outlet, in blue and black, respectively, at central position in red and sensors near the door in purple and green ............................................................ 226

Figura 81. Enthalpy phase diagrams for =1 and td=1(step) 17(min/step) =17 min, =3 and td=3(step) 17(min/step)=51 min and =5 and td= 5(step) 17(min/step)=85 min, for the i-Button (sensor 1) located at the inlet of the evaporator ................................ 227

Figura 82. Enthalpy phase diagrams with =5 for the i-Button (sensor 1) located at the inlet of the evaporator corresponding to a start-up time; b long transoceanic transport from Montevideo to Algeciras (LSS); c short transport from Algeciras to Cartagena (SSS); and d complete journey. The red line in panels a, b and c indicates the area selected and computed in J2 kg-2, using Matlab function CONVHULL ............................................... 229

Figura 83. Dynamics of temperature in the pallets registered by the five groups of RFID tags (18 sensors) resulting from cluster analysis. Group A: in red.; Group B: in yellow.; Group C: in magenta.; Group D: in dark blue.; Group E: in green. LSS: long sea shipping. ....................................................................................................................................... 240

Figura 84. The temperature histograms for clusters A to E. corresponding to LSS (up) and SS (down). A much higher thermal variability of SS is found compared with LSS. Set-point (-1C) is indicated by the red line. ........................................................................ 241

Figura 85. Phase diagram for temperature with =1 ( min71(min/step)71(step)1 dt ) for RFID tag sensors placed in the pallet n2 at different heights; sensor located at layer 24 belongs to Group A. in red.; sensor located at layer 20 ............................................ 243

Figura 86. LS means graphs of temperature for the five groups of RFID tags during the LSS and SS stage. Vertical bars denote 0.95 confidence intervals. Set-point (-1C) is indicated by the black arrow. ......................................................................................... 244

Figura 87. Phase diagrams for temperature with =1 ( min71(min/step)71(step)1 dt ) for groups of RFID tag sensors from A to E, as well as for LSS (red line) and SS (blue line). Bottom right LS means graph of temperature area computed on phase diagrams for the five groups of RFID tags during the LSS and SS stage. Vertical bars denote 0.95 confidence intervals. ...................................................................................................... 245

Figura 88. (Top) Images of the experiment setup: (1) sensor placement, (2) filling the tank, (3) fermentation. (Bottom) Scheme of the sensor distribution in the tank. ........ 253

Figura 89. Temperature dynamics inside the vat during the fermentation step (16.8 h) for 23 RFID tags (thin lines). The thick line with red squares represents the temperature registered outside the tank. The thick red line shows the average instant temperature (n=23 sensors) over the course of the fermentation process. ....................................... 257

Figura 90. Least-squares mean graph of the result of one-way ANOVA showing the effect of the factor group of sensors (from A to E) on the variable temperature. . 258

Figura 91. Least-squares mean graph of the result of two-way ANOVA showing the effect of the factors level or placement of sensors in the tank at different heights (surface, middle or floor) and radii (centre or perimeter) on the variable temperature. Vertical bars denote 0.95 confidence intervals. ............................................................ 259

Figura 92. 2D surface plot of the temperatures interpolated along the radius of the tank (0-33 cm) for the three planes or height levels defined in the vat (surface, middle and floor). In this representation, three instants of time have been selected: the beginning (time 0 h), middle (time 8 h) and end (time 16 hours) of the fermentation process. The location of the sensors on each plane according to the group (from A to E) to which they belong is also shown. ..................................................................................................... 260

Figura 93. (Top) Phase graph for temperature with =10 ( min20(min/step)2(step)10 dt ) for RFID tag sensors: sensor groups A (magenta), B (red), C (black), D (green) and E (dark blue). The yellow convex line enveloping the area that contains the attractor corresponding to temperature data points of group E is indicated as an example of the graphic method used to compute the area of one attractor. (Bottom) Least-squares mean graph presenting the result of one-way ANOVA showing the effect of the factor group of sensors (from A to E) on the variable temperature area corresponding to the areas computed on the phase graph, shown in the upper part of this figure, for each sensor. ............................................................................................................................ 261

Figura 94. Images of experiment setup: 1. placement of sensors, 2. filling the tank, 3. fermentation. ................................................................................................................. 267

Figura 95. Least-squares mean graphs present the results of the one-way ANOVA and show the effect of factor Group of sensors on the variable Temperature. ............ 271

Figura 96. Least-squares mean graph presents the result of the two-way ANOVA and shows the effect of the factors Level or placement of sensors in the tank at different heights (surface, medium or floor) and placement of sensors at the radius (center or perimeter) on the variable Temperature. Vertical bars denote 0.95 confidence intervals. ........................................................................................................................ 272

Figura 97. 2D surface plot of the temperatures interpolated along the radius of the tank (0-33 cm) for the three planes or height levels defined in the vat (surface, medium and floor). Three time instants have been selected, the beginning of the fermentation step (time 0 hours), the middle and the end of the fermentation process. The location of the sensors on each plane according to the group to which they belong is also shown. .... 274

Figura 98. (Up) Phase graph for temperature with =10 ( min20(min/step)2(step)10 dt ) for RFID Tag sensors in FIN (left): group A (magenta), group B (red), group C (black), group D (green) and group E (dark blue); and in FOUT (right) group F (magenta), group G (red), group H (black), group I (green) and group J (dark blue). (Down) Least-squares mean graphs present the result of the one-way ANOVA showing the effect of the factor Group of sensors on the variable Temperature area corresponding to the areas computed on the phase graph shown in the upper part of this figure for each sensor. ....................................................................................................................................... 275

LISTA DE TABLAS

Tabla 1. Clasificacin de los sensores, segn nivel de integracin (Mandado et al, 2009). ......................................................................................................................................... 45

Tabla 2.Comunicaciones inalmbricas ms importantes ................................................ 49

Tabla 3. Caractersticas de las tecnologas de comunicacin ZigBee, Bluetooth y Wibree (adaptado de Aqeel-ur-Rehman et al, 2014 y Oliva et al 2013,) ..................................... 52

Tabla 4. Caractersticas de las RFID pasivas y activas (AETIC, 2009)................................ 56

Tabla 5. Formatos de dispositivos RFID. (Imgenes e informacin de la empresa CLOCK TECHNOLOGY) .................................................................................................................. 57

Tabla 6. Sensores inalmbricos comerciales ................................................................... 71

Tabla 7. Condiciones de transporte de frutas y verduras frescas (Adaptado de IIF, 2002) ......................................................................................................................................... 98

Tabla 8. Sistemas de refrigeracin utilizados en el transporte refrigerado [adaptacin de (IIF, 2002, Hundy, Trott y Welch, 2008)] ........................................................................ 102

Tabla 9. Grados Brix del muclago de caf fresco, segn el estado de madurez (Adaptacin Puerta, 2012) ............................................................................................. 122

Tabla 10. Resumen de trabajos de visin artificial, aplicada en alimentos para caracterizacin de color y tamao (Autor). .................................................................. 140

Tabla 11. Definiciones caractersticas de la tcnica de RMN (Aristizbal, 2007 y Hills, 1995). ............................................................................................................................. 143

Tabla 12. Proyectos de investigacin involucrados en la Tesis doctoral ....................... 152

Tabla 13. Compendio de trabajos publicados en la Tesis Doctoral ............................... 156

Tabla 14. Quantization levels for input and output linguistic variables ........................ 164

Tabla 15. Quantization levels for input and output linguistic variables. ....................... 165

Tabla 16. Models proposed for tuning fuzzy control. .................................................... 171

Tabla 17. Carrot sheet drying process data for dryers 1 (dryer using fuzzy control) and 2 (no control at all). .......................................................................................................... 176

Tabla 18. Maximum, minimum, mean and standard deviation (SD) of temperature and relative humidity for 10 sensors .................................................................................... 179

Tabla 19. Images from R, G, B channels and its respective histogram of the carrot slices from tray No. 1, from the dryer with fuzzy control. ...................................................... 186

file:///C:/Users/GORDIS/Dropbox/Tesis_Recopilado_Dropbox/Tesis/Completo/Tesis_Doc_Tatiana_Jimenez_Noviembre_2015_martes_ECC.docx%23_Toc435392541

Tabla 20. Moisture content in wet weight of carrots according to different drying times. (a) and (b) identify the different duplicates for the same drying time .......................... 192

Tabla 21. Number of information packets sent and percentage of lost packets during transport and storage in freezer. ................................................................................... 209

Tabla 23. Description and distribution of sensors in the container. Characteristics of test carried out for this work (in italics) ................................................................................ 217

Tabla 24. Average of mean and SD of the temperature for ten sensor clusters along the complete journey and start-up time required to reach the temperature stability for each group of sensors. Color of rows corresponds to the color code used in Fig. 77 ............ 220

Tabla 25. Areas calculated from the phase space of enthalpy for 13 i-Buttons, along the LSS and the SSS periods, and their corresponding means (M), standard deviations (SD) and coefficient of variations (CV). For SSS an outlier value was found for sensor 10 and it was avoided in calculus of M, SD and CV. Color of columns correspond to same color code for sensors identification used in Figs. 81, 82 and 83 ........................................... 230

Tabla 26. Container itinerary .......................................................................................... 236

Tabla 27. Scheme of the sensors placement in the pallets. Positions in each pallet with available temperature data are marked. The same color code as in Figure 1 is used (same color indicates belonging to the same sensor cluster). ....................................... 237

Tabla 28. Mean (M) and Standard Deviation (SD) average of the temperature for the 5 sensor clusters for the entire journey. Area calculated on phase space representations of temperature is also shown. ....................................................................................... 242

Tabla 29. The 23 RFID tags clustered by group from A to B, their placement in the tank at different heights or levels (M: middle, S: surface, F: floor) and radii (C: centre, P: perimeter). The Pearsons correlation coefficient r for each tag located inside the tank with respect to the tag located outside is also shown (red indicates a significant correlation). .................................................................................................................... 257

Tabla 30. Characteristics of the fermentations. Schemes of the sensors distribution in the tanks. ........................................................................................................................ 267

Tabla 31. ((left) Dynamics of temperature inside the vat along the fermentation step, each colored line corresponds to one RFID Tag. (right) Red line represents the temperature registered outside the tank. Thin blue line shows the average instant temperature and thick blue lines the average instant standard deviation (n=20 sensors for FOUT and n=23 sensors for FIN ) along the fermentation process. ........................ 270

Lista de Ecuaciones

Ecuacin 1. Sistema de Control de dos posiciones.. 80

Ecuacin 2. Sistema de Control proporcional 80

Ecuacin 3. Sistema de Control con accin integral 81

Ecuacin 4. Sistema de Control proporcional con accin integral 81

Ecuacin 5. Sistema de Control proporcional derivativo (PD).. 81

Ecuacin 6. Sistema proporcional con accin integral y derivativa (PID)..82

Ecuacin 7. Calculo de agua extrada de acuerdo al Modelo de SMART-1...161

Ecuacin 8. Tasa de humedad extrada de acuerdo al Modelo de SMART-1.....161

Ecuacin 9. Calculo del valor del canal (r) relativo.185

Ecuacin 10. Calculo del valor del canal (b) relativo....185

Ecuacin 11. Calculo de la intensidad de la seal de la imagen, en pixeles para

IMR.....193

Ecuacin 12. Modelo de prediccin del diferencial de temperatura de congelacin, en

refrigeracin de vegetales.....205

Ecuacin 13. Calculo del espacio de fase.....238

Tabla de Contenido

1. RESUMEN Y ABSTRACT ........................................................................................ 35

2. INTRODUCCIN Y PLANTEAMIENTO DEL PROBLEMA ............................................ 39

3. REVISIN BIBLIOGRFICA .................................................................................... 41

3.1. TECNOLOGAS ELECTRONICAS DE CONTROL EN PROCESOS ALIMENTARIOS ........... 41

3.1.1. Sensores inteligentes ........................................................................................ 43

3.1.1.1. Transductores y sensores integrados .................................................. 44

3.1.1.2. Sistemas Micro-electromecnicos (MEMS) y Polvo Inteligente (Smart Dust). ..................................................................................................... 46

3.1.2. Comunicacin inalmbrica................................................................................ 48

3.1.2.1. Red de sensores inalmbricos (WSN) .................................................. 50

3.1.2.2. Identificacin por Radio Frecuencia RFID ............................................ 55

3.1.2.3. Registradores comerciales ................................................................... 67

3.1.2.3.1. Mdulos inalmbricos comerciales (WSN) .................................. 69

3.1.2.3.2. Registradores inalmbricos comerciales RFID ............................. 69

3.1.2.3.3. Registradores electrnicos ........................................................... 70

3.2. MODELIZACIN Y ANLISIS ...................................................................................... 74

3.2.1. Modelizacin temporal ..................................................................................... 75

3.2.2. Modelizacin espacial ....................................................................................... 75

3.2.3. Modelizacin de sistemas complejos ............................................................... 76

3.2.4. Modelizacin contextual .................................................................................. 77

3.3. SISTEMAS DE CONTROL ............................................................................................ 77

3.3.1. Control de dos posiciones o controladores on-off ........................................... 79

3.3.2. Control proporcional (P) ................................................................................... 80

3.3.3. Control proporcional con accin integral (PI) ................................................... 81

3.3.4. Control proporcional derivativo (PD): .............................................................. 81

3.3.5. Control proporcional con accin integral y derivativa (PID) ............................. 82

3.3.6. Controladores Lgicos Programables (PLC) ...................................................... 83

3.3.7. Control lgico difuso (FLC) ................................................................................ 84

3.4. SECADO SOLAR DE ALIMENTOS ................................................................................ 89

3.4.1. Modelos de control en el secado solar ............................................................. 92

3.5. TRANSPORTE REFRIGERADO ..................................................................................... 97

3.5.1. Transporte refrigerado terrestre .................................................................... 103

3.5.2. Transporte refrigerado martimo .................................................................... 107

3.5.3. Transporte refrigerado Areo ......................................................................... 114

3.6. FERMENTACIN DE CAF ........................................................................................ 118

3.6.1. Control en el proceso de fermentacin de caf.............................................. 119

3.7. EVALUACIN DE LA CALIDAD DE PRODUCTOS ALIMENTARIOS PROCESADOS UTILIZANDO LA TCNICA DE VISIN ARTIFICIAL ............................................................ 128

3.7.1. Adquisicin de la imagen ................................................................................ 130

3.7.2. Pre-procesado de imgenes ............................................................................ 132

3.7.3. Segmentacin de imgenes ............................................................................ 133

3.7.4. Procesado ........................................................................................................ 134

3.7.4.1. Parmetros caractersticos de los objetos ......................................... 134

3.7.4.1.1. Tamao y forma ......................................................................... 134

3.7.4.1.2. Color ........................................................................................... 135

3.7.4.1.3. Textura ........................................................................................ 136

3.7.5. Clasificacin e interpretacin de las imgenes y toma de decisin ................ 137

3.7.5.1. Aplicaciones en la industria ................................................................ 138

3.8. MICROESTRUCTURA Y CALIDAD EN LOS ALIMENTOS ............................................. 141

3.8.1. La microestructura de alimentos deshidratados ............................................ 142

3.8.2. Resonancia Magntica Nuclear (RMN) ........................................................... 143

3.8.3. Imagen de Resonancia Magntica (IRM) ........................................................ 146

4. ANTECEDENTES Y OBJETIVOS ............................................................................. 151

4.1. ANTECEDENTES ....................................................................................................... 151

4.2. OBJETIVOS ............................................................................................................... 154

5. TRABAJOS PUBLICADOS ..................................................................................... 155

5.1. CONTROL OF A SOLAR DRYER THROUGH USING A FUZZY LOGIC AND LOW-COST MODEL-BASED SENSOR .................................................................................................. 159

5.1.1. Introduction .................................................................................................... 159

5.1.2. Material and Methods .................................................................................... 160

5.1.2.1. Solar dryer .......................................................................................... 160

5.1.2.2. Model based sensor SMART-1 ........................................................... 161

5.1.2.3. Solar dryer fuzzy control models ....................................................... 161

5.1.2.4. Basic principles of the fuzzy logic ....................................................... 161

5.1.3. Results and discussions ................................................................................... 162

5.1.3.1. Inside temperature controller ........................................................... 162

5.1.4. Water extraction rate controller .................................................................... 163

5.1.5. Fuzzy logic control software ........................................................................... 165

5.1.6. Warer extraction rate controller testing ........................................................ 165

5.1.7. Inside cabinet temperature controller testing ............................................... 166

5.1.8. Conclusions ..................................................................................................... 166

5.2. DEVELOPMENT & SET POINT OF FUZZY CONTROL SYSTEM IN THE PROCESS OF SOLAR DRYING USING A MODEL ALIMENTARY ............................................................. 168

5.2.1. Introduction .................................................................................................... 168

5.2.2. Materials and Methods .................................................................................. 169

5.2.2.1. Solar Drying Equipment ..................................................................... 169

5.2.2.2. Fuzzy Control Model .......................................................................... 170

5.2.2.3. Proposed drying model ...................................................................... 170

5.2.3. Results and Discussion .................................................................................... 172

5.2.3.1. Selecting the optimum model............................................................ 172

5.2.3.2. Validation of model 3 of fuzzy control for the drying of carrots ....... 176

5.2.4. Conclusions ..................................................................................................... 181

5.3. EVALUATION OF CONTROL OF A SOLAR DRYER WITH FUZZY CONTROL BY IMAGE ANALYSIS RGB IN CARROTS DRIED ................................................................................. 182

5.3.1. Introduction .................................................................................................... 182


5.3.2.1. Drying process .................................................................................... 183

5.3.2.2. Evaluation of color characteristics in carrot dehydrated using image analysis techniques. ............................................................................................. 184


5.3.4. Conclusions ..................................................................................................... 190

5.4. MONITORING OF CARROT DEHYDRATION BY MEANS OF MRI ............................... 191

5.4.1. Introduction .................................................................................................... 191



5.4.4. Conclusions ..................................................................................................... 197

5.5. REGISTRATION AND ANALYSIS OF THE THERMAL HISTORY DURING THE REFRIGERATED STORAGE AND TRANSPORT OF MINIMALLY PROCESSED PRODUCTS .. 198

5.5.1. Introduction .................................................................................................... 198

5.5.2. Material and Methods .................................................................................... 199

5.5.2.1. Refrigerated transport follow-up I ..................................................... 201

5.5.2.2. Refrigerated transport follow-up II .................................................... 202

5.5.2.3. Hysteresis Graph of Nlaza Modules ................................................... 203


5.5.3.1. Refrigerated transport follow-up I ..................................................... 203

5.5.3.2. Refrigerated transport follow-up II .................................................... 205

5.5.3.3. Lost data packs ................................................................................... 207

5.5.3.4. Hysteresis Graph of Nlaza modules.................................................... 210

5.5.4. Conclusions ..................................................................................................... 211

5.6. THE PHASE SPACE AS A NEW REPRESENTATION OF THE DYNAMICAL BEHAVIOR OF TEMPERATURE AND ENTHALPY IN A REEFER MONITORED WITH A MULTIDIDISTRIBUITES SENSOR NETWORK ......................................................................................................... 213

5.6.1. Introduction .................................................................................................... 213

5.6.2. Materials and Methods ................................................................................... 215

5.6.2.1. Experimental Setup ............................................................................ 215

5.6.2.2. Data Analysis ...................................................................................... 218


5.6.3.1. Temporal Information ........................................................................ 219

5.6.3.2. Spatial Information ............................................................................. 221

5.6.3.3. Complex Information ......................................................................... 223

5.6.4. Conclusions ..................................................................................................... 230

5.7. MULTI-DISTRIBUTED WIRELESS SENSORS FOR MONITORING A LONG DISTANCE TRANSPORT IN A REEFER CONTAINER ........................................................................... 233

5.7.1. Introduction .................................................................................................... 233

5.7.2. Materials and Methods ................................................................................... 236

5.7.2.1. Experimental setup ............................................................................ 236

5.7.2.2. Data analysis ....................................................................................... 238

5.7.3. Results and discussion ..................................................................................... 239

5.7.3.1. Effect of spatial distribution ............................................................... 239

5.7.3.2. Effect of intermodal transport ........................................................... 243

5.7.4. Discussion ........................................................................................................ 245

5.7.5. Conclusions ..................................................................................................... 248

5.8. ADVANCED CHARACTERIZATION OF A COFFEE FERMENTING TANK BY MULTI-DISTRIBUTED WIRELESS SENSORS: SPATIAL INTERPOLATION AND PHASE SPACE GRAPHS ....................................................................................................................................... 250

5.8.1. Introduction .................................................................................................... 250



5.8.2.2. Data analysis ...................................................................................... 254


5.8.3.1. Temporal information ........................................................................ 256

5.8.3.2. Spatial information ............................................................................ 258

5.8.4. Conclusions ..................................................................................................... 263

5.9. ADVANCED CHARACTERIZATION OF COFFEE FERMENTING TANKS BY MULTIDISTRIBUTED RFID SENSORS ............................................................................... 265

5.9.1. Introduction .................................................................................................... 265



5.9.2.2. Data analysis ...................................................................................... 268


5.9.3.1. Temporal information ........................................................................ 270

5.9.3.2. Spatial information ............................................................................ 272

5.9.4. Conclusions ..................................................................................................... 276

6. DISCUSIN ........................................................................................................ 278

7. CONCLUSIONES ................................................................................................. 285

8. PROPUESTAS DE TRABAJOS POSTERIORES .......................................................... 287

9. BIBLIOGRAFA .................................................................................................... 289

10. GLOSARIO........................................................................................................ 303

Tesis Doctoral Heidi Tatiana Jimnez Ariza Resumen y Abstract

35

1.

Captulo 1

Resumen

La presente Tesis est orientada al anlisis de la supervisin multidistribuida de tres

procesos agroalimentarios: el secado solar, el transporte refrigerado y la fermentacin

de caf, a travs de la informacin obtenida de diferentes dispositivos de adquisicin de

datos, que incorporan sensores, as como el desarrollo de metodologas de anlisis de

series temporales, modelos y herramientas de control de procesos para la ayuda a la

toma de decisiones en las operaciones de estos entornos.

En esta tesis se han utilizado: tarjetas RFID (TemTrip) con sistema de comunicacin por

radiofrecuencia y sensor de temperatura; el registrador (i-Button), con sensor

integrado de temperatura y humedad relativa y un tercer prototipo empresarial,

mdulo de comunicacin inalmbrico Nlaza, que integra un sensor de temperatura y

humedad relativa Sensirion. Estos dispositivos se han empleado en la conformacin de

redes multidistribuidas de sensores para la supervisin de: A) Transportes de producto

hortofrutcola realizados en condiciones comerciales reales, que son: dos transportes

terrestre de producto de IV gama desde Murcia a Madrid; transporte multimodal

(barco-barco) de limones desde Montevideo (Uruguay) a Cartagena (Espaa) y

transporte multimodal (barco-camin) desde Montevideo (Uruguay) a Verona (Italia).

B) dos fermentaciones de caf realizadas en Popayn (Colombia) en un beneficiadero.

Estas redes han permitido registrar la dinmica espacio-temporal de temperaturas y

humedad relativa de los procesos estudiados.

En estos procesos de transporte refrigerado y fermentacin la aplicacin de

herramientas de visualizacin de datos y anlisis de conglomerados, han permitido

identificar grupos de sensores que presentan patrones anlogos de sus series

temporales, caracterizando as zonas con dinmicas similares y significativamente


36

diferentes del resto y permitiendo definir redes de sensores de menor densidad

cubriendo las diferentes zonas identificadas. Las metodologas de anlisis complejo de

las series espacio-temporales (modelos psicromtricos, espacio de fases bidimensional

e interpolaciones espaciales) permitieron la cuantificacin de la variabilidad del proceso

supervisado tanto desde el punto de vista dinmico como espacial as como la

identificacin de eventos. Constituyendo as herramientas adicionales de ayuda a la

toma de decisiones en el control de los procesos. Siendo especialmente novedosa la

aplicacin de la representacin bidimensional de los espacios de fases en el estudio de

las series espacio-temporales de variables ambientales en aplicaciones

agroalimentarias, aproximacin que no se haba realizado hasta el momento.

En esta tesis tambin se ha querido mostrar el potencial de un sistema de control

basado en el conocimiento experto como es el sistema de lgica difusa. Se han

desarrollado en primer lugar, los modelos de estimacin del contenido en humedad y

las reglas semnticas que dirigen el proceso de control, el mejor modelo se ha

seleccionado mediante un ensayo de secado realizado sobre bolas de hidrogel como

modelo alimentario y finalmente el modelo se ha validado mediante un ensayo en el

que se deshidrataban lminas de zanahoria. Los resultados sugirieron que el sistema de

control desarrollado, es capaz de hacer frente a dificultades como las variaciones de

temperatura da y noche, consiguiendo un producto con buenas caractersticas de

calidad comparables a las conseguidas sin aplicar ningn control sobre la operacin y

disminuyendo as el consumo energtico en un 98% con respecto al mismo proceso sin

control.

La instrumentacin y las metodologas de anlisis de datos implementadas en esta Tesis

se han mostrado suficientemente verstiles y transversales para ser aplicadas a diversos

procesos agroalimentarios en los que la temperatura y la humedad relativa sean

criterios de control en dichos procesos, teniendo una aplicabilidad directa en el sector

industrial


37

Abstract

This thesis is focused on the analysis of multi-distributed supervision of three agri-food

processes: solar drying, refrigerated transport and coffee fermentation, through the

information obtained from different data acquisition devices with incorporated sensors,

as well as the development of methodologies for analyzing temporary series, models

and tools to control processes in order to help in the decision making in the operations

within these environments.

For this thesis the following has been used: RFID tags (TemTrip) with a Radiofrequency

ID communication system and a temperature sensor; the recorder (i-Button), with an

integrated temperature and relative humidity and a third corporate prototype, a

wireless communication module Nlaza, which has an integrated temperature and

relative humidity sensor, Sensirion. These devices have been used in creating three

multi-distributed networks of sensors for monitoring: A) Transport of fruits and

vegetables made in real commercial conditions, which are: two land trips of IV range

products from Murcia to Madrid; multimodal transport (ship - ship) of lemons from

Montevideo (Uruguay) to Cartagena (Spain) and multimodal transport (ship - truck)

from Montevideo (Uruguay) to Verona (Italy). B) Two coffee fermentations made in

Popayan (Colombia) in a coffee processing plant. These networks have allowed

recording the time space dynamics of temperatures and relative humidity of the

processed under study.

Within these refrigerated transport and fermentation processes, the application of data

display and cluster analysis tools have allowed identifying sensor groups showing

analogical patterns of their temporary series; thus, featuring areas with similar and

significantly different dynamics from the others and enabling the definition of lower

density sensor networks covering the different identified areas. The complex analysis

methodologies of the time space series (psychrometric models, bi-dimensional phase

space and spatial interpolation) allowed quantifying the process variability of the


38

supervised process both from the dynamic and spatial points of view; as well as the

identification of events. Thus, building additional tools to aid decision-making on

process control brought the innovative application of the bi-dimensional representation

of phase spaces in the study of time-space series of environmental variables in agri-

food applications, an approach that had not been taken before.

This thesis also wanted to show the potential of a control system based on specialized

knowledge such as the fuzzy logic system. Firstly, moisture content estimation models

and semantic rules directing the control process have been developed, the best model

has been selected by an drying assay performed on hydrogel beads as food model; and

finally the model has been validated through an assay in which carrot sheets were

dehydrated. The results suggested that the control system developed is able to cope

with difficulties such as changes in temperature daytime and nighttime, getting a

product with good quality features comparable to those features achieved without

applying any control over the operation and thus decreasing consumption energy by

98% compared to the same uncontrolled process.

Instrumentation and data analysis methodologies implemented in this thesis have

proved sufficiently versatile and cross-cutting to apply to several agri-food processes in

which the temperature and relative humidity are the control criteria in those processes,

having a direct effect on the industry sector.

Tesis Doctoral Heidi Tatiana Jimnez Ariza Introduccin y Planteamiento del Problema

39

2.

Captulo 2

INTRODUCCIN Y PLANTEAMIENTO DEL PROBLEMA

Dentro de la economa global de los alimentos, el mercado actual est demandando

productos alimentarios seguros y de elevada calidad, que por otra parte sean

asequibles a toda la poblacin y garanticen un limitado impacto medioambiental. La

produccin de alimentos con procesos de elaboracin poco tecnificados y de escasa

eficiencia energtica es caracterstica de pases en desarrollo, las mejoras en estos

procesos pasan por la implantacin de sistemas de supervisin y control. Disponer de

informacin relevante en cuanto a las caractersticas del proceso y las propiedades

deseadas en el producto obtenido es de gran inters; La aplicacin de tecnologas

emergentes ha dado lugar al desarrollo e implementacin de herramientas novedosas

de ingeniera de procesos, en las cuales la sensrica aparece como elemento bsico en

el control ptimo. El desarrollo de nuevas tcnicas de sensrica inteligente que

combinan la sensrica de bajo coste y redes de sensores inalmbricos con mtodos

eficientes de modelado y simulacin, pueden facilitar la monitorizacin y control de

operaciones.

Dos operaciones de procesado de alimentos frecuentes en pases en desarrollo son el

secado solar y la fermentacin de caf. Ambas operaciones estn sujetas a la ocurrencia

de eventos y a condiciones de operacin altamente variables.

El uso de la energa solar se ha incrementado debido a la fluctuacin en el precio y

agotamiento de las reservas de los combustibles fsiles y a la aparicin de polticas de

conservacin ambientales. Los sistemas asistidos de secado con energa solar, son unas

de las aplicaciones ms atractivas y prometedoras de sistemas de energa solar en los

pases tropicales y subtropicales (Fudholi, 2009). Las prdidas de frutas y verduras

Tesis Doctoral Heidi Tatiana Jimnez Ariza Introduccin y Planteamiento del Problema

40

durante su secado en los pases en desarrollo se estiman en un 30-40% de la produccin

por falta de control del proceso (El-Sebai, 2012). En la presente tesis se trabajar en la

supervisin y optimizacin de un sistema de control en un secadero solar. Por otro

lado, la fermentacin de caf es una de las etapas crticas en el proceso de produccin

de cafs de alta calidad como puede ser el de origen Colombiano. Fermentaciones

prolongadas, incompletas o mal controladas, favorecen el desarrollo de defectos

sensoriales en el producto final (Pushpa S. Murthy y M. Madhava Naidu, 2011). De

acuerdo con diversas investigaciones, una de lasvariables de supervisin de este

proceso es la temperatura, que se puede utilizar para predecir el momento en que se

completa la fermentacin. Dada la relevancia que adquiere la operacin de

fermentacin en la elaboracin de cafs de calidad y en la necesidad de implementar

criterios de sostenibilidad medioambiental en el procesado hmedo del caf, en esta

tesis se ha abordado la supervisin multidistribuida de fermentadores y se proponen

metodologas novedosas para el anlisis y representacin de las series espacio-

temporales de temperatura, evaluando el comportamiento de este sistema dinmico.

El impacto econmico de las prdidas de productos hortofrutcolas comercializados se

encuentra alrededor del 10% en Europa (6-7% de los minoristas) y el 15% en los EE.UU.

(Pang et al., 2012), mientras que alcanza el 30% en los pases en desarrollo, sobre todo

por falta de control de la temperatura (Jedermann et al., 2009). En esta tesis se plantea

tambin la implementacin de sensrica en la supervisin multidistribuida del

transporte refrigerado de productos hortofrutcolas, un proceso que aunque tecnificado

es bien sabido que est caracterizado por una elevada heterogeneidad de las

temperaturas a las que estn sujetas las cargas transportadas en grandes

contenededores y durante largas distancias.

Esta tesis toma como base los tres procesos seleccionados sobre los que se desarrollan

tres estrategias: a) el desarrollo de tcnicas de supervisin multidistribuida basadas en

sensores y su aplicacin en entornos propios de la industria agroalimentaria; b) la

implementacin de modelos y herramientas de control de procesos para la ayuda a la

toma de decisin en la operacin de estos entornos, y c) la evaluacin de la calidad de

los productos procesados como herramienta de retroalimentacin para la optimizacin

de los parmetros de control del proceso.

Tesis Doctoral Heidi Tatiana Jimnez Ariza Revisin Bibliogrfica

41

3.

Captulo 3

REVISIN BIBLIOGRFICA

La revisin del estado del arte de esta tesis aborda a) el desarrollo de tcnicas de

supervisin multidistribuida basadas en sensores y su aplicacin en entornos propios de

la industria agroalimentaria; b) la implementacin de modelos y herramientas de

control de procesos para la ayuda de toma de decisiones en la operacin de estos

entornos, y c) la evaluacin de la calidad de los productos procesados como

herramienta de retroalimentacin para la optimizacin de los parmetros de control de

procesos. Esta revisin bibliogrfica se desarrolla en tres grandes apartados, en el

primero se agrupa la integracin de sensrica inalmbrica para la modelizacin y el

control de procesos, el segundo integra la informacin sobre los procesos

agroalimentarios analizados en esta tesis (secado solar, transporte refrigerado y

fermentacin de caf), y el tercer apartado se centra en la evaluacin de la calidad de

alimentos, mediante tcnicas de resonancia magntica nuclear (RMN) y anlisis de

imagen.

3.1. TECNOLOGAS ELECTRONICAS DE CONTROL EN PROCESOS ALIMENTARIOS

En las ltimas dcadas una de las actuaciones estratgicas de la poltica alimentaria

espaola se ha orientado a producir productos de alta calidad, capaces de satisfacer las

crecientes exigencias de los consumidores y que supongan una diversificacin de la

oferta alimentaria (Langreo, 2006).

Los consumidores esperan una calidad adecuada a un precio justo, una prolongada

duracin de la conservacin y una alta seguridad. Mientras que los controles

alimentarios exigen buenas prcticas de fabricacin, seguridad, etiquetado y


42

cumplimiento de la legislacin vigente. Adems las industrias de alimentos demandan,

cada vez ms, mtodos de control eficaces, en primer lugar para satisfacer al

consumidor y cumplir con la legislacin vigente y en segundo lugar para mejorar la

viabilidad de la produccin, la clasificacin por calidad, la automatizacin y la

disminucin de los costes y del tiempo de produccin; mtodos que requieren la

implementacin de sensrica ad hoc; por tanto, los tres agentes del control de calidad,

a saber: consumidores, autoridades y productores de alimentos, tienen un gran inters

en que se desarrollen sistemas de inspeccin y control que vayan ms all de las

tecnologas en lnea existentes y muy extendidas, como el control de peso, volumen,

temperatura, pH, viscosidad y color. En realidad, el gran desafo se centra en la

implantacin de sensores y sistemas de anlisis de datos en lnea y tiempo real para el

control e inspeccin de procesos automatizados y el flujo de materias primas,

supervisando la calidad de los productos finales (Holm, 2003).

Los sensores son el principal componente de un sistema de control de procesos y miden

variables como temperatura, presin, peso, color, etc. Los que resultan de mayor

inters en el control automatizado de la produccin son los sensores en lnea; stos

operan directamente en el ciclo de fabricacin, suministrando una seal en tiempo real

en relacin con el factor de calidad en cuestin. As, un sensor en lnea presenta la

ventaja de proporcionar una medicin inmediata del atributo de calidad y facilita la

posibilidad de regular los procesos mediante ajustes inmediatos. El control

automatizado viene a sustituir la toma de decisin humana en el proceso.

El control de procesos en la industria agroalimentaria se utiliza para planificar

detalladamente la produccin, catalogar materiales y recursos, supervisar el flujo de un

producto a travs de un proceso, cambiar parmetros del proceso y supervisar la

correcta realizacin y la adecuada calidad del producto. En una lnea de produccin es

fundamental para mejorar la uniformidad del producto y la eficiencia de la produccin,

as como para disminuir los costes de produccin. Por tanto la optimizacin del proceso

es ms una consecuencia del sistema de control que el objetivo buscado.

Segn (Dorf y Bishop, 2008) un sistema de control es una interconexin de

componentes que forman una estructura que proporcionar una respuesta deseada,

resultado del anlisis de la relacin causa-efecto de dichos componentes, siendo el


43

objetivo de un sistema de control proporcionar al equipo mayor flexibilidad de

actuacin y aumentar el nivel de autonoma, sin olvidar que un sistema de control recae

en parte en la supervisin humana.

3.1.1. Sensores inteligentes

La utilizacin de la sensrica en los sistemas de control en operaciones de produccin

agroalimentaria es de vital importancia, debido a la heterogeneidad, variabilidad y falta

de uniformidad de las materias primas y a los muchos atributos de calidad a evaluar en

el producto final.

La mejora continua de la sensrica con tecnologa que permite integrar mayores

funciones en un mismo microcircuito, ha permitido tener sensores que no solo

obtienen seales a partir de una magnitud fsica, sino sensores que van ms all,

permitiendo pasar del control centralizado al control distribuido (Palls, 2004).

Estos dispositivos se denominan sensores inteligentes o Smart sensor, en ellos se

integran la funcin de deteccin y de procesamiento de la seal y la de comunicacin

con el tratamiento de los datos, que puede ser realizado localmente en un

microprocesador embebido en el sensor, reduciendo la cantidad de informacin que

necesita ser transmitida a travs de la red, con objetivos que van desde la simple

visualizacin de datos a aplicaciones de vigilancia y robtica (Corsi, 2007).

Figura 1. Componentes principales de un mdulo (Aqeel-ur-Rehman, 2014)

La Figura 1 muestra la estructura bsica de un mote compuesta por: una fuente de

alimentacin, un transceptor que realiza simultneamente las funciones de trasmisin y

recepcin de datos, una memoria y procesador, un convertidor analgico digital (CAD) y

http://www.refworks.com/refworks2/default.aspx?r=references|MainLayout::init


44

la unidad de deteccin. La unidad de deteccin puede incluir diferentes tipos de

sensores para medir variables como distancia, direccin, velocidad, presin,

temperatura, humedad, luz, vibracin, seales acsticas, etc, el procesador recoge y

procesa la seal procedente de la unidad de deteccin y la enva a la unidad de

transmisin (Salarian, et al 2012). Estas unidades se caracterizan, entre otros aspectos,

por su pequeo tamao, bajo coste, bajo consumo energtico, y por su autonoma

tanto en capacidad de comunicacin inalmbrica, como de alimentacin mediante

bateras (Winkler et al, 2008).

Existen motes comerciales como los fabricados por la casa Crossbow, con diferentes

arquitecturas, e integracin de diversos sensores; la plataforma MicaZ es la ms popular

en investigacin por disponer de una de las ms amplias gamas de placas sensoras

(Barreiro et al, 2010), la seleccin del mote ms adecuado se debe realizar teniendo en

cuenta los requerimientos principales del entorno de aplicacin, el problema y patrn

de distribucin de los motes (Aqeel-ur-Rehman et al, 2011).

La aplicabilidad de estos motes es muy amplia en todas aquellas operaciones donde la

adquisicin de datos para la deteccin de eventos e implementacin de un control sea

necesaria, por ejemplo la monitorizacin y control de las condiciones ambientales de

distintos espacios como cmaras frigorficas, contenedores refrigerados de transporte

multimodal, cmaras de maduracin, cmaras de secado etc. Las principales

restricciones de uso de estas unidades de sensores se encuentran en su capacidad de

almacenamiento de datos, su capacidad de procesamiento, el ancho de banda en la

comunicacin inalmbrica y la vida til de la batera, ya que son limitadas.

3.1.1.1. Transductores y sensores integrados

El trmino transductor se refiere de manera especfica a aquellos dispositivos que

transforman la informacin de los dominios no elctricos a informacin en los dominios

elctricos, y a la inversa (Skoog, Holler y Crouch, 2008). Se denomina normalmente

sensor primario o simplemente sensor al elemento que se encuentra en contacto

directo con la magnitud que se va a evaluar. El sensor recibe la magnitud fsica o

qumica y se la transmite al transductor que convierte esa magnitud no interpretable

por el sistema, en otra variable, normalmente elctrica, interpretable por dicho

sistema. Normalmente el transductor integra al sensor, por lo que de forma habitual se


45

usan indistintamente el trmino sensor y transductor, en la Tabla 1, se encuentran la

clasificacin de sensores segn su nivel de integracin.

En el desarrollo de transductores se ha avanzado en dos vertientes: a) hacia la

construccin de transductores ms complejos y costosos fabricados en otros materiales

diferentes al silicio para conseguir caractersticas especiales, no encaminadas a obtener

dispositivos de tamao reducido, y b) se continua con el procesamiento estndar del

silicio para producir transductores, que permite fabricar dispositivos de dimensiones

micromtricas y disear sensores miniaturizados, al hacer posible que el sensor, el

circuito electrnico, y los microcontroladores para el procesamiento de la seal se

combinen en un nico chip, facilita la fabricacin a gran escala y la reduccin de los

costes de produccin (Middelhoek, 2000).

Un transductor se evala por un lado en funcin de sus caractersticas estticas, que

describen la actuacin del sensor en rgimen permanente o con cambios muy lentos de

la variable a medir; y por otro lado de sus caractersticas dinmicas, que describen el

comportamiento del sensor en rgimen transitorio, a base de caracterizar su respuesta

temporal ante determinados estmulos estndar (Balcells y Romeral, 1997). Los

sensores desarrollados para ser aplicados a bienes de consumo no requieren

normalmente de una alta precisin (2% a 5% son suficientes), pero aquellos destinados

a aplicaciones industriales, cientficas o tcnicas tienen unos requerimientos de

precisin mucho mayores (del 0,05% al 1%) (Isermann, 2006). La fiabilidad de un sensor

se describe mediante parmetros caractersticos como el tiempo medio hasta el fallo

(MTTF, h) o su valor inverso, la tasa de fallo media (h-1) (Barreiro et al, 2009).

Tabla 1. Clasificacin de los sensores, segn nivel de integracin (Mandado et al, 2009).

Sensor Discreto (Discrete sensor)

Sensor Integrado (Integrated sensor)

Sensor Inteligente (Smart sensor)

Sistemas sensores en los que el circuito de acondicionamiento se realiza mediante componentes electrnicos separados e interconectados entre s.

El elemento sensor y el circuito acondicionador, o al me

^supervisiÓn multidistribuida para el control...

Documents