Depuración de Aguas Residuales en la Industria 4.0

Depuraci´on de Aguas Residuales en la Industria 4.0 Jes´us M. G´omez-de-Gabriel, Ana M. Jim´enez Ar´evalo, Laura Eiroa Mateo, y Javier Fern´andez-de-Ca˜nete-Rodr´ıguez Dto. de Ingenier´ıa de Sistemas y Autom´atica Escuela de Ingenier´ıas Industriales - Universidad de M´alaga [email protected] Resumen Este art´ıculo presenta un sistema de automatizaci´on de una estaci´on depuradora de aguas residuales (EDAR) mediante tecnolog´ıas de Industria 4.0. Se ha implementado un sistema Internet of Things (IoT) para la obtenci´on de los datos de los sensores y env´ıo de consignas a los actuadores. El sistema posee un sistema de control local que, junto con el resto de los componentes, se modelan como un sistema ciberf´ısico (CPS). Se ha implementado sobre una planta experimental, se ha creado una base de datos con la informaci´on hist´orica de los datos de los sensores y se est´an creando funciones para analizar la informaci´on e identificar el modelo de la planta. Palabras clave: EDAR, estaci´on depuradora de aguas residuales, IoT, CPS, Industria 4.0. 1. INTRODUCCI ´ ON Las aguas residuales generadas por la actividad humana son actualmente un serio problema y uno de los focos de contaminaci´on m´as importantes para nuestros cauces y acu´ıferos. Los cada vez mayores vol´umenes de aguas residuales con elevadas cargas contaminantes que nuestra sociedad produce hacen necesario un tratamiento m´as extendido e intensivo de las aguas residuales. Las estaciones depuradoras de aguas residuales (EDAR) comprende un conjunto de procesos f´ısicos, qu´ımicos y biol´ogicos con el objetivo de obtener un agua efluente de mayor calidad en base a ciertos par´ametros normalizados, siendo el proceso de lodos activos una de las tecnolog´ıas m´as utilizadas para este prop´osito y se emplean generalmente para la eliminaci´on de contaminantes org´anicos en aguas residuales [7]. Los sistemas ciberf´ısicos (CPS) son integraciones de procesos f´ısicos y de c´alculo. Los sistemas de computaci´on y sus redes integradas monitorizan y controlan los procesos f´ısicos, generalmente con bucles de retroalimentaci´on donde los procesos f´ısicos afectan a la computaci´on y viceversa. El dise˜no de tales sistemas, por lo tanto, requiere Figura 1: Planta experimental de tratamiento de aguas residuales. entender la din´amica conjunta de computadores, software, redes y procesos f´ısicos [5]. La aplicaci´on de IoT en la industria tiene su fundamento en la interconexi´on de todos los dispositivos involucrados en la producci´on, de forma que puedan enviarse grandes vol´umenes de informaci´on del proceso en tiempo real, a trav´es de Internet, siendo ´estos captados por redes de sensores y configurando as´ı, sistemas con aprendizaje autom´atico o sistemas inteligentes. Gracias a la interconectividad de sensores a trav´es de Internet es posible realizar un control eficaz del proceso industrial a distancia, lo que permite una mayor flexibilidad y optimizaci´on de tiempo y costes, utiliz´andose grandes vol´umenes de datos gracias a los conceptos de cloud storage ycloud computing [3]. De hecho en [11] se plantea el uso de IoT como tecnolog´ıa que hace posible una optimizaci´on de la recuperaci´on de energ´ıa del agua de desecho de edificios residenciales, y en [4] se describe el dise˜no de un sistema de automatizaci´on de bajo coste de una EDAR utilizando una red de sensores Zigbee (IEEE STD 802.15.4). El trabajo presentado describe la aplicaci´on de IoT a una planta experimental EDAR (V´ease Figura 1 y su conexi´on mediante protocolos de conexi´on a un servidor que almacena los datos hist´oricos de operaci´on. Se han creado unos sistemas ciberf´ısicos que permiten interactuar desde la red con cualquier componente de planta a diferentes niveles. Asimismo se hace una revisi´on de las tecnolog´ıas que forman parte de la cuarta revoluci´on industrial (industria 4.0), presentada en [8] que nos permitan la adquisici´on y almacenamiento de datos de la planta en tiempo real para su posterior an´alisis. Este documento se organiza de la siguiente manera. En la secci´on 2 se introducen las tecnolog´ıas que forman parte de la Industria 4.0 que se han aplicado. En la secci´on 3 se describen la planta experimental objeto del estudio y su sistema de sensores as´ı como el desarrollo del sistema de monitorizaci´on y control a trav´es de IoT. Posteriormente, en la secci´on 4 se describen los experimentos realizados y se discuten los resultados obtenidos. Finalmente, en la secci´on 5 se incluyen conclusiones y se plantean trabajos futuros a realizar. 2. TECNOLOG´ IAS EN LA INDUSTRIA 4.0 2.1. Internet de las Cosas El Internet de las Cosas (IoT) consiste en la conexi´on a Internet de muchos millones de dispositivos, que recogen informaci´on del mundo real remotamente, y que puede ser compartida con otros sistemas y dispositivos. IoT se basa fundamentalmente en dispositivos (sensores, actuadores y controladores embebidos) identificados y conectados a Internet. Gartner, Inc [1] prev´e que en 2016 se estar´an usando m´as de 6.400 millones de cosas conectadas, un 30 % m´as que en 2015, y que alcanzar´an los 20.800 millones en 2020. En 2016, cada d´ıa se conectan 5.5 millones de nuevas cosas. El gasto esperado ser´a de $235.000 millones en 2016, un 22 % m´as que en 2015, en contratos de instalaci´on y mantenimiento, pero sobre todo en servicios de conectividad. Sus aplicaciones industriales IoT abarcan pr´acticamente todos los sectores, entre ellos la industria de automoci´on, servicios y productos, gesti´on ambiental, smart cities, etc. 2.2. Industria 4.0 Industria 4.0 o cuarta revoluci´on industrial [10] pretende permitir una mayor adaptabilidad a los procesos de producci´on recogiendo datos a trav´es de las m´aquinas y haciendo as´ı m´as eficiente el uso de los recursos y por tanto dando paso a procesos m´as r´apidos, m´as eficientes y con mayor flexibilidad, todo ello con un costo m´as reducido. Gracias a internet, se est´a haciendo posible la conexi´on entre m´aquinas y humanos en sistemas ciberf´ısicos a Capadeadministración Cosas(EstaciónDepuradora) Dimensiones Manuales Estado Datosoperación Sistemaciberfísico Sistemaciberfísico Capadeadministración Cosas(Bombaentradacon accionamientointegrado) Figura 2: Esquema general de un CPS donde se muestra su capa de administraci´on y su distribuci´on jer´arquica. trav´es de las redes. 2.3. Sistemas ciberf´ısicos Los sistemas ciberf´ısicos (CPS) son sistemas h´ıbridos compuestos por una parte f´ısica (que conecta con el mundo real a trav´es de sensores y actuadores), y una parte virtual o de la informaci´on. Est´an compuestos por componentes (software, sensores, actuadores, sistemas de control embebido, ...) que colaboran para conseguir un comportamiento global. A diferencia del IoT, los CPS se basan en la relaci´on entre computaci´on y el mundo f´ısico, en lugar de considerar el dispositivo f´ısico. Podemos considerar un componente f´ısico combinado con su representaci´on virtual digital como un ejemplo de un sencillo sistema ciberf´ısico (CPS) o el tipo de “componente de Industria 4.0” m´as simple. La representaci´on virtual digital de ese componente puede contener tanto informaci´on general del tipo de dispositivo como informaci´on y servicios del componente concreto. A los CPS se accede a trav´es de su capa de administraci´on, tanto de manera directa como indirecta si estos son componentes a su vez de otros CPS. En la figura 2 se muestra un esquema que muestra esta jerarqu´ıa. Los CPS pueden incluir componentes de diferentes fabricantes o proveedores, y formar parte de otros. La construcci´on de un CPS plantea nuevos problemas, ya que se basan en diferentes tecnolog´ıas emergentes y engloba diferentes ´areas de conocimiento y dominios t´ecnicos, que requieren de nuevas disciplinas de ingenier´ıa de sistemas: monitorizaci´on y control; sistemas complejos y de gran escala; sistemas tolerantes a fallos; interacci´on con el usuario; optimizaci´on; adaptaci´on, gesti´on de cambios y resiliencia; control en tiempo real; sistemas distribuidos y sistemas de sistemas. Existen plataformas de desarrollo y lenguajes de modelado para el desarrollo de CPS mediante dise˜no basado en modelos (MBD). Se han constru´ıdo diversos lenguajes de modelado de dominio espec´ıfico (DSL) que permiten desarrollar CPS a partir de modelos gr´aficos, para supervisi´on de redes de suministro el´ectrico. 2.4. Big data El uso de IoT [14] produce una enorme cantidad de datos. Esos datos pueden ser procesados para extraer patrones, utilizables por otras aplicaciones y servicios como sistemas de salud, sistemas p´ublicos de informaci´on, gesti´on de ciudades, eficiencia energ´etica, gesti´on de residuos, gesti´on del agua. Estos servicios necesitan procesar la informaci´on en un servidor local o en la nube (cloud computing). Se crean as´ı nuevos servicios como smart cities,smart mobility,smart economy, etc. 2.5. Controlando a trav´es de IoT En los sistemas de control convencionales, se asume que las redes de comunicaciones son deterministas y fiables. Los sistemas de tiempo real se basan en planificaci´on est´atica de los tiempos de c´omputo y comunicaciones [13]. Ahora algunos sistemas de control se efect´uan a trav´es de Internet, aunque a nivel supervisor en sistemas de distribuci´on el´ectrica o depuradoras de agua, y otros. La automatizaci´on en bucle cerrado, en muchos casos requiere de un controlador in-situ dedicado. Cerrar el bucle en IoT requiere resolver una serie de problemas que no se encuentran normalmente: control en redes no deterministas; retardo y jitter; ancho de banda; seguridad; interoperabilidad entre sensores y algoritmos. Entre los avances que se espera que hagan posible cerrar el bucle de control en IoT se encuentran las comunicaciones celulares 5G, redes inal´ambricas de baja latencia (Tactile Internet) [6] y las redes intermedias pr´oximas a los sensores y actuadores (Fog Computing). 2.6. Seguridad En las aplicaciones industriales, la seguridad es un factor muy importante. En [12] se plantea el problema de la seguridad en una red IoT superpoblada de dispositivos. Estudia la seguridad de diversos sistemas (SCADA, sistemas de control de tr´afico, c´amaras web, impresoras, etc.) y los ratios de vulnerabilidad van desde un 0.44 % hasta un 40 %. Figura 3: Esquema general de una depuradora de tipo nitrificaci´on - desnitrificaci´on. 3. PLANTA EXPERIMENTAL DE TRATAMIENTO DE AGUAS RESIDUALES Las plantas de depuraci´on de aguas residuales de tipo nitrificaci´on-desnitrificaci´on (NDN), tienen como funci´on la eliminaci´on del nitr´ogeno del agua residual mediante un proceso micro-biol´ogico de oxidaci´on del amonio mediante bacterias. El nitrato es reducido por bacterias a gas nitr´ogeno molecular, que es un componente de la atm´osfera. El reactor biol´ogico est´a formado por una zona an´oxica y una zona aerobia respondiendo al modelo de depuraci´on de nitrificaci´on - desnitrificaci´on representado en el esquema 3. En la c´amara ´oxica se produce la nitrificaci´on en el que el amoniaco es oxidado a nitritos y nitratos. En la zona an´oxica se produce la desnitrificaci´on, esto es, los nitratos y los nitritos son utilizados por bacterias heter´otrofas como aceptores de electrones produciendo nitr´ogeno gas y un consumo de carbono org´anico biodegradable. El proceso se muestra en el esquema de la Figura 3 En esta trabajo se ha empleado un reactor biol´ogico de lodos activos experimental, formada por el tanque de alimentaci´on, el reactor biol´ogico, un decantador secundario y un tanque de salida de agua clarificada mostrada en la figura 1. El tanque de alimentaci´on de entrada tiene una capacidad de 300 litros de agua sint´etica elaborada y dispone de los sensores necesarios para la medida de par´ametros del agua residual. Los par´ametros medidos en el tanque de entrada son: Concentraci´on de materia org´anica. Concentraci´on de nitrato. Concentraci´on de amonio. PH Turbidez En el interior del tanque de alimentaci´on hay un agitador para evitar decantaciones en el mismo. Por otro lado, se dispone de bomba de alimentaci´on de entrada para impulsar el agua sint´etica a cabecera del reactor biol´ogico controlada mediante un controlador PID. El reactor biol´ogico est´a formado por una zona an´oxica y una zona aerobia respondiendo al modelo de depuraci´on NDN mostrado en le Figura 3. Tanto en la zona an´oxica como en la zona aerobia se instalan sensores de medida de ox´ıgeno disuelto y sensores REDOX. Contiene un agitador en cada zona para evitar decantaciones en el reactor biol´ogico. Para mantener el nivel de ox´ıgeno disuelto en la zona aerobia se instala bomba soplante mediante difusores controlado por un controlador PID desde el PLC. En el decantador secundario tiene lugar la precipitaci´on de los fl´oculos generados en el reactor. En esta zona se instalan sensores para la medida de concentraci´on de materia org´anica, concentraci´on de nitrato y amonio y turbidez. El agua clarificada en la parte superior del decantador es conducida mediante gravedad hacia en tanque de salida. Esta planta contiene una recirculaci´on interna desde zona aerobia hacia cabecera del reactor biol´ogico (zona ´oxica) para completar el proceso de nitrificaci´on - desnitrificaci´on. Por otro lado, dispone de realimentaci´on externa para recircular fangos desde decantador secundario hacia reactor biol´ogico. Ambas recirculaciones son controladas mediante un bucle de control PID implementado en el PLC. 3.1. Implementaci´on de IoT Para la obtenci´on de la se˜nales del proceso de EDAR y supervisi´on mediante IoT, ha sido necesario realizar una comunicaci´on de intercambio de se˜nales entre el PLC y el PC usando el protocolo de comunicaciones Modbus TCP/IP. En [15] se plantea el uso de este protocolo basado en publicadores y subscriptores, para obtener informaci´on de diferentes elementos e incluso realizar procesos de control, empleando un broker o servidor local o remoto para controlar el intercambio de informaci´on. En este caso, se implementa el protocolo MQTT para realizar la conexi´on de las variables del PC con un servidor IoT p´ublico que permite el acceso remoto a modo de demostraci´on. Se han conectado las siguientes se˜nales del proceso a modo de supervisi´on desde servidor remoto: Nivel de amonio tanque de alimentaci´on EDAR. Nivel de nitrato tanque de alimentaci´on EDAR. Concentraci´on de materia org´anica en tanque de alimentaci´on. Nivel de amonio en decantador secundario. Nivel de nitrato en decantador secundario. Concentraci´on de materia org´anica en decantador secundario. Ox´ıgeno disuelto en c´amara ´oxica del reactor biol´ogico. Por otro lado, desde un servidor remoto se controla la orden de marcha/paro del agitador de la zona ´oxica del reactor biol´ogico. Adem´as, se regula el r´egimen de funcionamiento y la orden de marcha/paro de la bomba de alimentaci´on de entrada. Desde el sistema de control del PLC se han modificado las librer´ıas de motor, incorporando un modo de operaci´on de equipos a nivel remoto. Una vez seleccionado el modo de control remoto externo IoT, queda anulado el control local desde HMI o desde SCADA. Posteriormente, se deseaba emplear una base de datos para almacenar los hist´oricos del sistema. Bas´andonos en el lenguaje SQL, se decidi´o emplear la base de datos SQLite que tal y como se describe en [9] permite crear tablas organizadas en su interior y cuenta con un gran tama˜no de almacenamiento. Con la base de datos seleccionada, se ha empleado el broker local Mosquitto [2] de MQTT para almacenar los hist´oricos en la base de datos SQLite. Inicialmente se extraen los valores de las variables por medio del protocolo Modbus TCP/IP haciendo uso de un script de Python con el que se publicar´an los valores obtenidos en el servidor local de Mosquitto, tal como se muestran en la Figura 4. De manera independiente, se crea la base de datos mediante otro script de Python pudiendo indicar el nombre, tipo y n´umero de variables a almacenar. Finalmente, se crear´a un ´ultimo script a modo de subscriptor encargado de almacenar los datos publicados en el servidor IoT en la base de datos. Este sistema cuenta con la ventaja de permitir crear y rellenar la base de datos desde un PC independiente al conectado al PLC de la planta. Se han almacenado los siguientes hist´oricos en la base de datos: MQTT_publish Mosquito MQTT broker Siemens Controller Sensors and actuators MQTT_subscribe Sqlite 3 Matlab SQL SQL MQTT MQTT Wastewater plant SCADA/ IoT computer External subscribers Modbus MQTT Figura 4: Esquema de la conexi´on de la planta de depuraci´on de aguas residuales con su controlador existente a una red IoT mediante un servidor local que almacena la historia de las lecturas en una base de datos Nivel de amonio tanque de alimentaci´on EDAR. Nivel de nitrato tanque de alimentaci´on EDAR. Concentraci´on de materia org´anica en tanque de alimentaci´on. Temperatura tanque de alimentaci´on EDAR. Nivel pH tanque de alimentaci´on EDAR. Nivel de turbidez taque alimentaci´on EDAR. Caudal bomba alimentaci´on de entrada. Ox´ıgeno disuelto en c´amara an´oxica del reactor biol´ogico. Redox en c´amara an´oxica del reactor biol´ogico. Ox´ıgeno disuelto en c´amara ´oxica del reactor biol´ogico. Redox en c´amara ´oxica del reactor biol´ogico. Caudal bomba de recirculaci´on interna de la c´amara ´oxica a la c´amara an´oxica. Nivel de amonio en decantador secundario. Nivel de nitrato en decantador secundario. Concentraci´on de materia org´anica en decantador secundario. Nivel de turbidez en decantador secundario. Caudal bomba recirculaci´on externa del decantador secundario a la c´amara an´oxica. Fecha de generaci´on de hist´oricos. Hora de generaci´on de hist´oricos. Cabe destacar la existencia de otros servidores IoT p´ublicos como HiveMQ oKafka que tambi´en utilizan el protocolo MQTT, as´ı como otras posibles bases de datos. 4. EXPERIMENTOS Y RESULTADOS Se realiza la puesta en marcha de EDAR con alimentaci´on continua de entrada con agua residual sint´etica. Posteriormente, se ha adoptado la siguiente configuraci´on de consignas de funcionamiento: Caudal de entrada = 8-10 l/h. Recirculaci´on externa = 100 % del caudal de entrada. Recirculaci´on interna = 150-200 % del caudal de entrada. Consigna setpoint ox´ıgeno disuelto en c´amara ´oxica = 1.5-2 mg/l. Agitador zona an´oxica = funcionamiento en continuo. Agitador zona ´oxica = funcionamiento en continuo. Agitador tanque de alimentaci´on de entrada = funcionamiento en continuo. Durante el proceso de depuraci´on se han obtenido resultados de rendimiento satisfactorios considerando la reducci´on de materia org´anica disuelta, as´ı como reducci´on de turbidez a la salida y reducci´on del nivel de amonio a la salida. No obstante, durante la puesta en marcha han aparecido no conformidades que se han detectado y solucionado, como la agitaci´on ineficiente de la zona an´oxica o la aparici´on de fl´oculos sobrenadantes en la superficie del decantador secundario produciendo la obturaci´on del tubo de salida del decantador secundario. Adem´as se han realizado experimentos mediante la utilizaci´on de un servidor p´ublico remoto (Adafruit.IO) que permite acceso limitado desde los protocolos MQTT y REST. La supervisi´on de variables de proceso desde el servidor remoto IoT es fluida, permite supervisar las curvas de tendencia en tiempo real y el almacenamiento de los datos es posible exportarlo a ficheros .csv. Al ser un servidor remoto IoT a modo demostraci´on tiene un l´ımite de variables a intercambiar. Se ha puesto en marcha el almacenamiento de hist´oricos empleando un subscriptor tanto en el Figura 5: Curva tendencia Ox´ıgeno Disuelto en C´amara ´ Oxica con datos almacenados en servidor IoT de Adafruit. propio ordenador conectado al PLC como uno independiente. En ambos casos, el almacenamiento se ha realizado de manera satisfactoria y a una velocidad elevada permitiendo adquirir nuevos datos en cuesti´on de segundos. Mediante el uso del servidor local, evitamos la limitaci´on de variables a intercambiar, permitiendo almacenar todos los elementos que intervienen en el proceso. De igual forma, las bases de datos SQLite permiten almacenar hasta un total de 2 terabytes permitiendo almacenar datos a largo plazo. Finalmente, se han representado gr´aficamente los valores almacenados en la base de datos mediante el uso de un script de Matlab y se ha implementado un sistema que permite el arranque y reinicio autom´atico de los servicios del sistema de informaci´on. 5. CONCLUSIONES Y TRABAJOS FUTUROS Se comprende la necesidad de la instalaci´on de EDAR en los n´ucleos urbanos e industriales para garantizar el cumplimiento de la Directiva 91/271/CEE y el Plan Nacional de Calidad de las Aguas. Desde un punto de vista de las comunicaciones, se han conectado las variables de proceso con servidor remoto IoT para supervisi´on y control de la EDAR. Esto ha permitido dar un paso hacia el concepto Industry 4.0 gracias a la interconexi´on digital de objetos y procesos con Internet mediante IoT. Para futuras l´ıneas de trabajo, la planta podr´a estar comunicada con otros equipos o bases de datos que permitan la identificaci´on de cada uno de los procesos f´ısico - qu´ımicos, a partir de los cu´ales generar modelos matem´aticos. La identificaci´on futura del proceso podr´a plantear nuevos bucles de control de equipos desde servidores IoT externos que se anticipen con el fin de optimizar el rendimiento de la EDAR. Por otro lado, el almacenamiento masivo de datos en bases de datos SQL permitir´a el an´alisis mediante algoritmos de predicci´on. Agradecimientos Este trabajo ha sido parcialmente financiado por el Proyecto Puente B.2. ”Desarrollo de T´ecnicas de Control y Estimaci´on Neurogen´eticas para Operaci´on Optima de Reactores Biol´ogicos de Lodos Activos en Plantas de Tratamiento de Aguas Residuales”de la Universidad de M´alaga. Referencias [1] Gartner Says 6.4 Billion Connected "Things" Will Be in Use in 2016, Up 30 Percent From 2015. [2] A Light, R. (2017). Mosquitto: server and client implementation of the MQTT protocol. The Journal of Open Source Software, 2(13). [3] Chhatwal, A., Shukla, K., and Pathak, A. (2012). Application Development for the Internet of Things: Observations and Challenges. [4] Davies, R. (2015). Briefing Industry 4.0 Digitalisation for productivity and growth. Technical report, EPRS — European Parliamentary Research Service. [5] Derler, P., Lee, E. A., and Vincentelli, A. S. (2012). Modeling Cyber–Physical Systems. Proceedings of the IEEE, 100(1):13–28. [6] Fettweis, G. P. (2014). The Tactile Internet: Applications and Challenges. IEEE Vehicular Technology Magazine, 9(1):64–70. [7] Haandel, A. C. v. and Lubbe, J. G. M. v. d. (2012). Handbook of biological wastewater treatment : design and optimisation of activated sludge systems. IWA Pub. [8] Kagermann, H., Wahlster, W., and Helbig, J. (2013). Recommendations for implementing the strategic initiative INDUSTRIE 4.0. Technical report, National Academy of Science and Engineering. [9] Kreibich, J. A. (2010). Using SQLite. O’Reilly Media, Inc., 1st edition. [10] Lee, J., Bagheri, B., and Kao, H.-A. (2015). A Cyber-Physical Systems architecture for In- dustry 4.0-based manufacturing systems. Manufacturing Letters, 3:18–23. [11] Lynggaard, P. and Skouby, K. (2016). Complex IoT Systems as Enablers for Smart Homes in a Smart City Vision. Sensors, 16(11):1840. [12] Patton, M., Gross, E., Chinn, R., Forbis, S., Walker, L., and Chen, H. (2014). Uninvited Connections: A Study of Vulnerable Devices on the Internet of Things (IoT). In 2014 IEEE Joint Intelligence and Security Informatics Conference, pages 232–235. IEEE. [13] Samad, T. (2014). The Web of Things and Cyberphysical Systems: Closing the Loop. In W3C Workshop on the Web of Things, Berlin, June 2014, Berlin. [14] Skouby, K. E. and Lynggaard, P. (2014). Smart home and smart city solutions enabled by 5G, IoT, AAI and CoT services. In 2014 International Conference on Contemporary Computing and Informatics (IC3I), pages 874–878. IEEE. [15] Stanford-Clark, A. and Truong, H. L. (2013). MQTT For Sensor Networks (MQTT-SN) Protocol Specification.