Reconciliacin de Datos y Calidad

de las Mediciones
Ing. Carlos Lus Llovera M.
Presidente de PROYTEK, S.A.
Maracay, Venezuela
Email: cllovera@proytek.com

Los sistemas modernos de control y los sistemas de gestin de informacin de planta procesan y producen
grandes cantidades de datos. A pesar de la importante inversin en tales sistemas muchos de los datos pueden
ser incorrectos o presentar inconsistencias cuando los usamos para revisar los balances de proceso y de
planta, pudiendo conducir a prdidas de efectividad en el uso de la informacin y a prdidas de dinero en la
empresa. Adicionalmente en los procesos hay magnitudes imposibles de medir directamente. Un sistema de
reconciliacin de datos apunta a resolver de manera formal todos estos problemas de calidad de los datos. Este
artculo intenta explicar los conceptos bsicos de la reconciliacin de datos y presenta algunos ejemplos
basados en Sigmafine que es una reconocida herramienta para esta importante aplicacin.

La planta est procesando cerca

de 500 millones de pies cbicos
estndar de gas por da. Sigmafine
identific una desviacin en los
medidores de trasferencia de
custodia. Antes de que usramos
Sigmafine, 60% de nuestros
medidores estaban fuera de
balance. Esto ha sido disminuido a
solamente 9% gracias al
mantenimiento apropiado de la
instrumentacin segn
identificacin de problemas. Con el
mantenimiento y la correccin en
las desviaciones estimamos que
con el uso de Sigmafine estamos
ahorrando cerca de US$5,000,000
por ao.

1. Introduccin ?? Ingreso Manual de Datos

Es normalmente muy malo y costoso suponer, como a
veces se hace, optimsticamente, que los datos que
obtenemos por mediciones del proceso son correctos.
Sin importar cuanto se haya invertido en sistemas de
medicin y control, los datos pueden estar mal por
razones como:
?? Datos perdidos o no disponibles
?? Falla en procedimiento de laboratorio
?? Clculos o frmulas errados
La reconciliacin de datos permite atacar una serie de
problemas con poderosas herramientas de anlisis y
ajuste de las mediciones.

?? Clculo inapropiado o errneo de los Medidores de
Flujo
?? Mala calibracin de Instrumentos
?? Fallas en los instrumentos
Propagacin de los errores de las mediciones
Los resultados de procesamiento de datos son
generalmente de diferentes grados de precisin. En la
prctica podemos conseguirnos en algunos casos con
errores de varios cientos por ciento de los valores
reales. Los valores importantes para la toma de
decisiones deber ser acompaados de datos acerca
de la precisin de los resultados (una forma de
medicin de la confiabilidad de los datos).
Anlisis de Datos
Un error grueso en el encaje de los datos con el
modelo puede ser causado por un error grueso en las
mediciones o por un error en el modelo. Cualquiera de
las dos discrepancias resta valor a los resultados. Un
buen paquete de reconciliacin de datos ofrece
herramientas para estos anlisis.
Deteccin e identificacin de errores gruesos en
las mediciones
La reconciliacin provee herramientas poderosas para
la deteccin de la presencia de errores gruesos y para
la identificacin del origen de esos errores
(identificacin de instrumentos con errores gruesos).
Errores de Modelo
En algunas ocasiones hay discrepancia entre los
datos y el modelo causados por un modelo
inadecuado (por ejemplo, por no tomar en cuenta
parte de la dinmica del proceso, por no tomar en
cuenta prdidas no medidas, modelos demasiado
simplificados, etc.). La reconciliacin es un mtodo
eficiente para configuracin de modelos o para facilitar
la inclusin de mayor complejidad en los modelos.
Optimizacin de Mediciones
An los mtodos ms avanzados de procesamiento de
datos no pueden adecuar un mal diseo de las
mediciones. La reconciliacin provee un mtodo para
evaluacin del sistema de mediciones. Tal evaluacin
puede conducir a la mejora del sistema de mediciones
existente o al reemplazo del mismo por un nuevo
diseo.
2. El Caso de Balance General de Planta
Para obtener beneficios de las operaciones de
procesos continuos o batch, tales como procesos
qumicos, petroqumicos, produccin, refinacin, etc.,
se requiere saber con precisin lo que Usted tiene hoy
y hacia donde se esta yendo. Con la informacin
detallada de lo que realmente pas hoy la gerencia
puede responder a los cambios que le permitan
mantener los inventarios y compras de insumos a tono
con las condiciones del mercado.
La informacin oportuna y balanceada sobre el estado
de la planta y la direccin de las operaciones debe
estar disponible en todo momento. Por esto muchas
empresas estn integrando los sistemas de planta con
los sistemas ERP (por ejemplo SAP) y deben asegurar
que la informacin automticamente transferida desde
los sistemas en la planta hacia los sistemas de
administracin y gestin est adecuadamente validada
y conlleve a balances correctos.
Los sistemas modernos de control y los sistemas de
gestin de informacin de planta procesan y producen
grandes cantidades de datos. A pesar de la importante
inversin en tales sistemas muchos de los datos
pueden ser incorrectos o presentar inconsistencias
cuando los usamos para revisar los balances de
proceso y de planta, pudiendo conducir a prdidas de
efectividad en el uso de la informacin y a prdidas de
dinero en la empresa. Adicionalmente en los procesos
hay magnitudes imposibles de medir directamente.
A consecuencia de esas inconsistencias los conjuntos
de datos son manipulados por diferentes grupos o
departamentos, de diferentes maneras que conducen
a que a las mismas mediciones se les apliquen
variedad de ajustes diferentes segn el caso. Esto, a
su vez, conduce a que los resultados de contabilidad
de produccin no cuadren con los datos de ingeniera
ni estos con los de planificacin, etc., an cuando
todos utilizan como base los mismos datos de origen.
Esto lleva a la gerencia a tomar decisiones basadas
en informacin de pobre grado de certidumbre y
consistencia. La inconsistencia en los datos
inevitablemente conduce a prdida de confianza en
los sistemas de mediciones y adquisicin de datos.
La conclusin es clara: La mayor disponibilidad de
datos y la mayor confiabilidad del sistema de
adquisicin de datos y control no necesariamente
conlleva a mejora en la confiabilidad de informacin.
La mejora en la confiabilidad de la informacin solo se
puede obtener cuando comprendemos el significado
de los datos, cuando podemos cuantificar la calidad de
los datos y cuando los datos cuadran adecuadamente
en los balances.
3. Qu es la calidad de los datos?
Una definicin de la calidad de los datos se basa en el
porcentaje de prdida de masa en la planta.
La utilizacin de la prdida de masa como una medida
de la calidad de los datos en una planta solo toma en
consideracin los flujos en los lmites (ingresos y
egresos de masa) pero no dice nada sobre los
problemas operacionales internos. La pregunta sobre
que tan bueno es el sistema de mediciones tendr
variadas respuestas desde bueno, hasta malo, hasta
no sabemos. Estas afirmaciones solo califican sin
cuantificar el problema. Los diferentes grupos en la
planta le tienen confianza a instrumentos diferentes y
hacen sus propias suposiciones sobre como
reconciliar los datos para que los balances cuadren.
Para poder manejar la situacin y mejorar se requiere
cuantificar lo que entendemos por calidad de los datos
en lugar de permitir la interpretacin emocional que
vara dependiendo de quien responda.
Para responder a este requerimiento Sigmafine ha
implementado una tcnica nica que incluye cuatro
ndices de calidad de datos que llamaremos DX0,
DX1, DX2 y DX3. Estos ndices caracterizan el
desempeo de todas las mediciones balance de la
planta incorporando mediciones internas del proceso.
Estos ndices son tiles cotidianamente para decidir si
los datos son completes y precisos y permiten
monitorear las tendencias del desempeo del sistema
de mediciones. Los valores DX se definen a
continuacin:
?? DX0
El porcentaje de masa no chequeada que fluye en la
planta (objetivo 10~25%). Un flujo es no chequeado
si no se le puede confirmar por medio de al menos dos
mediciones independientes(mediciones co-
chequeadas). DX0 provee una medida de la
incertidumbre del sistema de mediciones de planta.
?? DX1
El porcentaje total de desbalance en las mediciones
co-chequeadas (objetivo 6~15%). El desbalance es el
error neto definido como la suma de las mediciones
que entran a un punto de balance, ms cualquier
acumulacin menos la suma de las mediciones que
salen del punto de balance. Esto aplica solamente a
los flujos co-chequeados de planta. En la realidad la
planta como un todo est siempre fsicamente
balanceada pero el sistema de mediciones no lo
refleja de ese modo debido a los errores aleatorios de
los instrumentos o debido a desviaciones, modelos
inadecuados, densidades incorrectas, mal muestreo,
fallas en los instrumentos, etc. Que deben ser
vigilados para oportuna deteccin y correccin.
?? DX2
El porcentaje total de correccin aplicada a las
mediciones individuales de los balances co-
chequeados (objetivo 2~5%). Este valor indica la
cantidad de ajuste que Sigmafine tuvo que realizar
para satisfacer todos los balances de la planta.
Representa la suma de los cuadrados de las
correcciones mnimas aplicadas a los valores
medidos por los instrumentos.
?? DX3
El porcentaje total de tolerancias de las mediciones
individuales de los balances co-chequeados (objetivo
2~5%). Este valor refleja el nivel esperado de
correccin para las mediciones de un da. Cuando el
sistema de medicin madura las correcciones
esperadas y las realizadas tienden a converger (
(DX2/DX3 =1). Llegado ese punto de convergencia el
sistema de mediciones se desempear a su mxima
precisin y confiabilidad.
4. Los principios de mediciones, balance de
masas y reconciliacin
Medicin
No existe una medicin perfecta. Antes de que
podamos comenzar a evaluar la calidad de los datos
de planta es importante comprender los principios de
precisin en las mediciones, incertidumbre y las
diferencias entre desviacin y precisin. La figura 1
describe la distribucin de errores de un instrumento
de medicin mediante la toma de una cantidad infinita
de lecturas del mismo valor. Tpicamente las lecturas
se distribuirn en una curva Gaussiana en la que la
desviacin es el error sistemtico calculado como la
diferencia entre el valor verdadero y la media
aritmtica de la curva. La precisin se define como el
error aleatorio y tendr un valor diferente para cada
lectura. Estadsticamente podemos tener confianza en
que 95 de 100 mediciones estarn dentro de dos
desviaciones estndar de la media aritmtica.
La incertidumbre del valor medido es definida por la
siguiente ecuacin:
Incertidumbre ? Desviacin2 ? Pr ecisin2
El siguiente ejemplo ilustra la diferencia entre
desviacin y precisin:
Dos medidores se utilizan para tomar mltiples
lecturas de un flujo constante de valor real igual a 100
unidades exactamente. Los resultados de las lecturas
se presentan en la Figura 2.
Figura 1
 cumple en todos los procesos excepto en las
115
reacciones nucleares).
110

105
Meter Reading

100
Meter A
95 Meter B

90

85

80
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1718 19 20 21 22 23 24 25 26 27 28 29 30 31

Reading number
Figura 3
Figura 2

La media aritmtica, la desviacin estndar y la

precisin de cada instrumento pueden ser
determinadas a partir de las lecturas. El medidor A
tiene una media de 100,4 y, por tanto, una desviacin
de 0,4 y tiene una desviacin estndar de 4,26 con lo
que la incertidumbre ser de 8,54. El medidor B tiene
una media de 89,8 por lo que su desviacin es de -
10,2 y tiene una desviacin estndar de 0,52 por lo Figura 4
que su incertidumbre es de 10,22. Si recalibramos el
medidor B, eliminando la desviacin, su incertidumbre El poder de la aplicacin de balances de masa se
bajar a 1,05 pero si recalibramos el medidor A puede demostrar en el siguiente ejemplo: En la figura
eliminando la desviacin del mismo su incertidumbre 3 un medidor M1 es balanceado contra dos medidores
permanecer prcticamente en el mismo valor, en paralelo M2 y M3. En la figura 4 el medidor M1 es
bajando apenas a 8,53. Esto conduce a preguntarnos balanceado contra ocho medidores en paralelo.
cul es el objeto de recalibrar el medidor A si resulta Supongamos que los instrumentos han sido calibrados
mucho ms efectivo recalibrar el medidor B. de modo que no presentan desviacin y que la
precisin de M1 es de 0,5% mientras que la de los
Desgraciadamente la vida real no es tan simple. No dems medidores es de 1%.
sabemos cual es el valor verdadero exacto de la
variable (si lo supiramos no tendra sentido medirlo). Supongamos que en el caso de la figura 3 en el
Solo podemos calibrar, normalmente en un laboratorio medidor M1 se lee 160 toneladas mientras que en los
o taller especializado, los instrumentos con otros medidores M2 y M3 se leen 80 toneladas en cada
mucho ms precisos. Una vez que un instrumento es uno. Cuando se realiza el balance el valor de M1 es
recalibrado es nuevamente instalado en campo y en de 160 +/- 0,8 toneladas. Si se suman M2 y M3 el
ese proceso su precisin puede ser afectada por valor ser 160 +/- 1,13 toneladas. Es claro que la
diversidad de factores de instalacin, propiedades de precisin de M1 es superior.
los materiales medidos diferentes de las de los usados
para calibrar, deriva del instrumento por efectos En el caso de la figura 4, suponiendo que M1 mide
propios de las condiciones de operacin, etc. igual que el caso anterior y que en cada uno de los 8
medidores se lee 20 toneladas, la suma de los 8
Balance de Masas medidores sera 160 +/- 0,57 toneladas. En este caso
es mejor usar la suma de los ocho medidores para
Cmo podemos determinar la desviacin y precisin obtener una medicin ms precisa que la del medidor
de los instrumentos, monitorear la deriva y determinar M1 an cuando individualmente cada uno de los
la calidad de los datos cuando los instrumentos estn medidores es menos preciso que M1. Este resultado
en lnea? La base de la respuesta nos la da los se puede probar estadsticamente. Cuando dos
fundamentos de balance de masas. La Ley de distribuciones Gaussianas son sumadas el resultado
conservacin de la masa sencillamente establece que es otra distribucin Gaussiana en la cual la media es
la masa no puede ser creada ni destruida (que se la suma de las medias de las distribuciones
individuales y la desviacin estndar es calculada
como la raz cuadrada de la suma de las desviaciones
estndar de las distribuciones individuales.
Reconciliacin
El trmino reconciliacin puede tener significados
diferentes. Nuestra definicin corresponde a ajustar un
conjunto de valores medidos para obtener un conjunto
de valores (valores reconciliados) que sean
consistentes de acuerdo con reglas (ecuaciones)
conocidas. El ajuste de los datos puede realizarse de
varias maneras como son normalizacin, sistemas
basados en reglas expertas o sistemas basados en
clculos estadsticos. Las primeras dos maneras se
fundamentan en el conocimiento previo de
condiciones de error a partir de anlisis de informacin
histrica por lo que tienen limitaciones a la hora de
determinar todas los posibles errores que pueden
producirse en la configuracin especfica de planta.
Sigmafine, el producto de reconciliacin de datos de
OSIsoft Inc. (San Leandro, California, EE.UU.) utiliza
el mtodo estadstico que supera esas limitaciones y
tiene la ventaja de ser independiente de la
configuracin especfica de la planta. El principio
bsico de la tcnica estadstica es el uso de
minimizacin de errores usando mnimos cuadrados
ponderados, similar a la utilizacin de los mnimos
cuadrados para encontrar la curva que se ajusta a los
puntos en un grfico (curve fitting). promedios
ponderados. La funcin que se desea minimizar es la
siguiente:
N 2
Meas i Recon i
Fn
Tol i
i= 1
Donde:
N .. Nmero de mediciones
Measi .. Valor medido por el instrumento i
Reconi .. Valor reconciliado del instrumento i
Toli .. Tolerancia del instrumento i
Sigmafine, la herramienta de reconciliacin de
OSIsoft, permite analizar la precisin de las
mediciones y ayuda a monitorear los procesos en el
nivel de unidad o en el nivel global de planta. Esta
herramienta puede ser utilizada para balances
generales de planta, para descubrir problemas
operacionales, para calcular y monitorear problemas
con la calidad de los datos, para identificar y
cuantificar errores de instrumentos y para establecer
la prioridad de las labores de mantenimiento de
instrumentos.
5. Que es reconciliacin de datos?
Un mtodo de procesamiento matemtico de
mediciones de proceso para mejorar la consistencia
de la informacin usando toda la informacin presente
en los datos de planta. La reconciliacin se ha
convertido en un mtodo estndar para validar los
datos utilizados para proyectos de mejoras del
proceso o eliminacin de cuellos de botella del
proceso, para contabilidad y balances de masa y
energa, para validar los datos que se alimentan a
modelos y aplicaciones de control avanzado.
Usualmente se miden ms datos de los estrictamente
necesarios. La reconciliacin cuadra la consistencia
de los datos redundantes con el modelo del proceso
utilizando tal redundancia para aproximar los valores
reconciliados a los valores que, basados en las
matemticas rigurosas, sean consistentes con el
modelo. Los datos reconciliados son generalmente
ms precisos que los reportados directamente por los
instrumentos de medicin. En general la reconciliacin
es un mtodo de estimacin ptima de parmetros de
los modelos. Es ms la reconciliacin es la base para
otras actividades relacionadas con la validacin de los
datos de planta, especialmente en lo relativo a
eliminacin de errores gruesos de las mediciones y,
en general, a la optimizacin del proceso de
mediciones.
Una aplicacin de reconciliacin es un mdulo de
software que maneja esta situacin mediante
aplicacin prctica de tcnicas estadsticas. Al agregar
calidad a los datos de planta un mdulo de
reconciliacin aporta importantes elementos para la
mejor comprensin del desempeo y, por tanto,
conduce a mejoras en la eficiencia y beneficios
econmicos del proceso.
6. Caractersticas estndar de aplicacin de
reconciliacin de datos
Deteccin de Errores identifica y cuantifica los
errores y fallas de los instrumentos. Esto conduce a
mejoras y efectividad del mantenimiento y, por tanto, a
mejoras de eficiencia y reduccin de costos.
Monitoreo de Desempeo La data reconciliada
habilita para medir con mayor precisin la eficiencia
del proceso y de los equipos.
Actualizacin de Modelos Permite la fcil
actualizacin de parmetros de los instrumentos y
revisin del modelo para mejor visin del desempeo
del proceso.
Un buen paquete de reconciliacin de datos no
requiere programacin o conocimiento experto de
computacin para su configuracin. La configuracin
se realiza en un ambiente grfico, compatible MS
Windows, con poderosas herramientas interactivas. Lo
que se requiere es:
Un modelo de la planta o de la unidad de proceso
Una lista de mediciones
Parmetros relativos a la precisin y tolerancia de los
instrumentos de medicin
La Solucin Sigmafine de OSIsoft Inc.
SIGMAFINE es un sistema de balance general
de materiales. SIGMAFINE se comunica con su
sistema de informacin de planta, tal como el
sistema PI u otras fuentes de datos, para:
? ? Realizar contabilidad de produccin y
prdidas de materiales.
? ? Proveer datos precisos y balanceados para
operaciones de Ingeniera y Planificacin.
? ? Supervisar las prdidas, despachos y
recibos de materiales con balances
precisos en el permetro de la operacin.
? ? Auditar el control del proceso mediante la
habilitacin de un balance peridico de
masas de la planta.
? ? Validar la Planificacin contra la Produccin
real.
? ? Mejorar la instrumentacin mediante la
habilitacin para un mantenimiento
planificado y sistemtico de los medidores e
instrumentos en general.
7. Beneficios de la Reconciliacin de Datos:
La Reconciliacin de Datos identifica las prdidas,
permitiendo cuantificarlas e identificar problemas cuya
solucin se traducir en incremento en las utilidades.
Por que Reconciliar los datos?
? ? Acaso se incrementa la Precisin de los
datos? - NO! Solo se mejora la
consistencia de los conjuntos de datos de
modo que encajen mejor en el modelo pero
dentro de las tolerancias propias del
sistema de medicin utilizado.
? ? La reconciliacin provee una forma comn
de Validar datos para toda la Planta.
Impone estructura lgica comn.
? ? La reconciliacin aplica factores de
correccin a las mediciones para hacer que
los balances de materiales cuadren.
? ? La reconciliacin ayuda a la Consistencia
Interna de los Datos e identifica fuentes de
datos errneos mediante mtodos
estadsticos.
? ? La reconciliacin permite la deteccin de
Errores Gruesos, desviaciones
permanentes y ms.
? ? La reconciliacin ayuda al Mantenimiento
de los Instrumentos gracias a la
identificacin de medidores que requieren
reparacin o calibracin.
? ? La reconciliacin facilita el balance de
materiales, la contabilidad y anlisis de
produccin (Yield Accounting), los reportes
? ? La reconciliacin es un Sistema de Clculo
Numrico Utiliza mtodos matemticos
rigurosos que incrementan la Validez
Formal o Legal de los datos
8. Referencias
1. Data Reconciliation and Data Quality - Ales Soudek,
OSIsoft Inc., San Leandro, California, EE.UU.

?? Un modelo de reconciliacin de datos de la planta

constituye la base para el monitoreo del
desempeo y para la mejora continua en tiempo
real.
?? La reconciliacin permite establecer una ms
precisa imagen del proceso
?? La reconciliacin permite identificar fallas en
instrumentos de medicin.
?? La reconciliacin ayuda a evitar el precepto de
entra basura sale basura cuando usamos
aplicaciones de software.