Agent-based modelling and swarm intelligence in systems engineering

Zusammenfassung

El modelado basado en agentes (en inglés, agent-based modelling) es una técnica de modelado que ha revolucionado el campo del modelado y simulación de sistemas complejos, siendo una alternativa fiable a los tradicionales modelos de parámetros concentrados, fenomenológicos o empíricos. Esta técnica trata de obtener modelos de los sistemas a través de la representación de los elementos que componen dichos sistemas. Se trata de un modelado de abajo hacia arriba, donde las propiedades agregadas de los sistemas son consecuencia (emergen) de las propiedades de los elementos que los componen y de las relaciones entre estos elementos, los agentes. Esta técnica se ha aplicado satisfactoriamente en diferentes campos: economía, ciencias sociales, medicina, biología, etc. El campo de la Ingeniería de Procesos y Sistemas se encarga de modelar procesos complejos cuya naturaleza dinámica hace que no suela ser una tarea sencilla, obteniéndose modelos no lineales, modelos en los que hay que tener en cuenta la presencia de perturbaciones, dependencias de estados pasados, etc. Esta técnica de modelado (modelado basado en agentes) se adecúa perfectamente al modelado de sistemas complejos. En esta tesis vamos, por lo tanto, a aplicar esta técnica al proceso de fangos activados, que tiene lugar en el proceso de depuración de aguas residuales. Los procesos de depuración de aguas residuales tienen una dinámica compleja debido a las variaciones en el caudal y composición del mismo a la entrada de las plantas de aguas residuales y la gran cantidad de procesos y microorganismos involucrados, lo cual hace que el control de estas plantas sea bastante complicado. Esto hace que el proceso de fangos activados sea un sistema idóneo para aplicar la técnica de modelado basado en agentes. El modelo desarrollado nos ha permitido comprobar la decisiva influencia que la composición y caudal de entrada a una planta de tratamiento de aguas residuales tiene en su dinámica. El modelo, una vez validado con respecto a una planta real, podría ser incorporado, por ejemplo, en un esquema de control predictivo basdado en modelos, donde las predicciones dadas por el modelo podrían ser usadas para obtener las acciones de control óptimas a aplicar al sistema (con respecto a ciertos objetivos de optimización). El problema de control de los sistemas de depuración de aguas tiene diferentes objetivos con distinta prioridad y que dependen además del diseño del sistema. Ejemplo de estos objetivos son: evitar fugas y caudales de aguas residuales fuera de los colectores, minimizar la energía de control (el coste energético de mover las válvulas y compuertas de regulación), maximizar el tratamiento aplicado para minimizar los contaminates presentes en el agua, reducir el volumen en los tanques en previsión de posibles tormentas futuras, etc . Respecto al control del proceso de fangos activados, este consiste en mantener la concentración de sustrato bajo un cierto nivel establecido por ley, mantener la concentración de biomasa suficiente que permita la degradación del sustrato, y mantener el oxígeno suficiente que permita estas reacciones pero minimizándolo ya que supone un coste de energía. Las principales dificultades que presenta el control de este proceso son la falta de información medible en línea (se necesita emplear estimadores) y la propia complejidad del proceso (variaciones de carga y caudal, influencia meteorológica). En esta tesis se ha aplicado la técnica de modelado basado en agentes al proceso de fangos activados, que tiene lugar en una estación depuradora de aguas. Hemos estudiado la metodología y las diferentes opciones de implementación de este tipo de modelos, hemos desarrollado un modelo (una versión simplificada del proceso con un solo tipo de bacteria y un solo tipo de sustrato), y hemos desarrollado una notación que complementa al actual estándar de representación de este tipo de modelos. Además, en esta tesis se ha trabajado en las técnicas englobadas bajo el nombre de Swarm Intelligence, que podríamos definir como inteligencia colectiva. Hace referencia a los patrones de comportamiento y comportamientos macroscópicos que son consecuencia de la colaboración de pequeñas entidades con reglas sencillas y sin una figura de liderazgo, por ejemplo, las colonias de hormigas, el vuelo de los pájaros, etc... Basado en esta filosofía, en cierto modo relacionada con los modelos basados en agentes, surgen un conjunto de técnicas Swarm, y en concreto en esta tesis hemos trabajado con algoritmos de optimización, probando el Particle Swarm Optimization y diseñando nuestro propio algoritmo, el Hiker, que presenta resultados prometedores, como se puede observar en este documento. Habitualmente, en el campo de la ingeniería de sistemas y automática se persigue que los algoritmos y modelos se ejecuten lo más rápido posible para poder ser utilizados en tiempo real. Motivados por la necesidad de reducción de tiempos, en esta tesis hemos trabajado con técnicas de paralelización de código, y en concreto, código paralelo para ejecutar sobre tarjetas gráficas. Estas técnicas se han empleado tanto en el modelado basado en agentes como en los algoritmos de optimización swarm. En resumen, se han aplicado las técnicas de modelado basado en agentes al proceso de fangos activados, uno de los procesos más utilizados en el tratamiento secundario en las plantas de depuración de aguas residuales, sistema en que el grupo de investigación de Control y Supervisión de Procesos en el que me incluyo tiene una amplia trayectoria y experiencia para obtener un control óptimo de la planta. Se ha presentado, asimismo, un algoritmo de optimización con resultados prometedores, basado en la filosofía Swarm Intelligence. Desde un punto de vista de control de procesos, hemos explorado tres elementos de interés: modelado basado en agentes, optimización Swarm y computación en GPU (Graphics Processing Unit).