Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
1
Desarrollo de sistema de control virtual de cultivo hidropónico
enfocado en conductividad eléctrica
Informe final proyecto de grado en ingeniería mecánica
Oscar Sebastián Serrato Rivera
Código: 201621699
Asesor
Giacomo Barbieri, PhD
Departamento de Ingeniería Mecánica
Universidad de los Andes
UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA MECANICA
BOGOTA D.C. 2020
2
Tabla de contenido
INTRODUCCION .............................................................................................................................. 3
MARCO TEORICO ............................................................................................................................ 4
TRABAJO PREVIO ........................................................................................................................... 5
ALCANCE .......................................................................................................................................... 6
OBJETIVOS ....................................................................................................................................... 6
OBJETIVO GENERAL .................................................................................................................. 6
OBJETIVOS ESPECIFICOS .......................................................................................................... 6
METODOLOGIA ............................................................................................................................... 7
ANALISIS......................................................................................................................................... 13
RECOMENDACIONES ................................................................................................................... 13
REFERENCIAS ................................................................................................................................ 14
ANEXOS........................................................................................................................................... 15
ANEXO A: P&ID ......................................................................................................................... 15
ANEXO B: HMI ........................................................................................................................... 16
ANEXO C: Tabla de estados ........................................................................................................ 17
ANEXO D: Diagrama de estados .................................................................................................. 18
3
INTRODUCCION
La población mundial está aumentando cada vez a un ritmo más acelerado con unas
proyecciones de 9.7 mil millones de habitantes aproximadamente en 2050 [1].
Adicionalmente se tiene el fenómeno de dispersión urbana en donde una gran parte de la
población rural se está desplazando al casco urbano y a pesar de que su número sigue
aumentado su porcentaje en comparación a la población mundial siguen disminuyendo con
un 53% de la población viviendo en zonas rurales en el 2000 a menos de un 40% proyectado
al 2050 [2]. Por consiguiente, los granjeros rurales a largo plazo no tendrán la capacidad de
cumplir la demanda alimenticia en constante aumento. Esta combinación de factores abre las
puertas al campo de la agricultura urbana, la producción de productos agrícolas para su venta
en el casco urbano, aunque esta no es una práctica nueva, cada vez se está avanzando más y
actualmente donde se está profundizando es en la práctica de la hidroponía.
La agricultura convencional cuenta con una variedad de impactos negativos. Es conocido
como agricultura convencional el uso de un suelo, a campo abierto con irrigación y constante
aplicación de herbicidas y nutrientes. Con estas condiciones la agricultura convencional
abarca el 38.6% de la superficie terrestre sin hielo y tiene destinado el 70% del agua dulce.
Por otro lado, la hidroponía es conocida como el arte de crecer plantas sin la necesidad de un
suelo. Esto se realiza mediante la aplicación de una solución de nutrientes que se suministra
con el uso de un sustrato inerte como puede ser la arena, la fibra de coco u otros similares
[3]. Este método de agricultura provee diversas ventajas frente a la agricultura convencional,
aunque se requiere una inversión económica inicial considerable debido a la infraestructura
necesaria para su correcto uso agricultura hidropónica tiene una producción de 11 ± 1.7 veces
la producción por área que presenta la agricultura convencional con un consumo de agua 13
± 2.7 veces menor según los estudios de la referencia [4] realizados en lechugas en el 2015.
El único factor en donde la hidroponía tiene una desventaja es que requiere un uso de energía
82 ± 11 veces que la agricultura convencional, aunque como se mencionó anteriormente con
mejores resultados. Esta metodología de agricultura depende totalmente de la solución
nutritiva que se usa para alimentar las plantas, cuyos principales indicadores de calidad son
el pH que indica la capacidad de las plantas de absorber los nutrientes y la conductividad
eléctrica que indica la cantidad de nutrientes disueltos en la mezcla.
La universidad de los andes está realizando un proyecto de investigación liderado por el
profesor Giacomo Barbieri con bancos de prueba a pequeña escala para la automatización y
adecuado control de un cultivo hidropónico. Este sistema consta de unos filtros de cloro y
partículas sólidas por los cuales se desplaza el agua recogida y se lleva a un tanque, esta agua
es posteriormente llevada a un tanque de solución de nutrientes con el empleo de bombas
donde se controlan tanto los valores de pH y conductividad eléctrica por medio de la
inyección de ácido y fertilizantes hasta llegar a los valores óptimos determinados
previamente en los sistemas de control por medio de un constante mezclado de la solución
[5].
La conductividad eléctrica representa la capacidad de algo de transmitir corriente eléctrica,
en el caso del agua esto es debido a las sales disueltas en la misma, y dado que la mayoría de
los fertilizantes empleados en esta práctica son sales, la conductividad eléctrica es un
indicador del contenido de nutrientes en la solución. Al tener un control en la conductividad
4
eléctrica se puede dar la cantidad optima de nutrientes a las plantas y se puede recircular el
agua ya que se puede ajustar al agregar los fertilizantes apropiados, sin la necesidad de tener
que hacer un cambio total de la solución constantemente como es el caso de algunos
agricultores que no tienen el conocimiento necesario para controlar este factor ya que las
plantas al absorber los nutrientes cambian la concentración de la solución.
MARCO TEORICO
En este proyecto se abarcará lo relacionado con el desarrollo de un modelo virtual y un
sistema de control, junto con la vinculación de estos por medio de un PLC virtual y así
realizar pruebas de funcionamiento del código junto con la caracterización y pruebas para la
selección de un sensor de conductividad eléctrica.
La conductividad eléctrica o EC (electrical conductivity) se mide en unidades de Siemens
por cm siendo el resultado opuesto de la resistencia eléctrica, esta se puede medir de dos
forman, conductiva e inductiva, siendo el método inductivo mejor para situaciones con altos
valores de conductividad, con líquidos corrosivos o cuando la solución cuenta con solidos
suspendidos, ya que la solución de nutrientes empleada no maneja unas concentraciones
elevadas en este proyecto se puede usar un sensor de conductividad conductivo [6].
Según la guía de hidroponía de [7] los valores de EC óptimos para el correcto crecimiento de
las plantas agrícolas se encuentras entre los 0.8 y 4.0 mS/cm con pH entre 5.0 y 7.0, estos
valores deben estar en este rango para que las plantas tengan los nutrientes necesarios sin
sufrir efectos negativos y la alcalinidad permite que dichos nutrientes estén disponibles para
que las raíces de las plantas los aprovechen. Junto a esto la guía de [8] indica la distribución
de los fertilizantes en dos tanques con una relación de inyección de 1:100 junto a un tanque
de ácido independiente que puede ser.
Por otro lado, un PLC, traducido como Programmable Logic Controller, es una computadora
diseñada para recibir señales, realizar operaciones internas previamente parametrizadas y
basado en esto ejecutar una acción [9]. Para que esto funcione el sistema debe contar con
sensores que funcionen como entradas del PLC y actuadores que funcionen como salidas y
así realizar acciones que modifican el sistema. Finalmente, para un mejor funcionamiento del
PLC se debe contar con un HMI, Human Machine Interface, la cual permite al operador
interactuar con el sistema, empleando interruptores como entradas y luces o números como
salidas y así conocer el estado del sistema.
5
Figura 1. Diagrama de un PLC [9]
Por último, las opciones para el desarrollo del modelo son Matlab y Simulink, con este
software se pueden aplicar las ecuaciones de comportamiento y monitorear el
funcionamiento de este, junto con un manejo practico de parámetros por medio de Scribs en
Matlab, mientras tanto, se usa Codesys como programa para el desarrollo del código de
control, en este caso gracias a su lenguaje de fácil manejo en donde se puede realizar control
basado en estados y Ladder. Adicionalmente estos softwares permiten una comunicación
mutua mediante el uso de un OPC virtual generado por Codesys en donde se conecta
Simulink y permite usar Codesys como un PLC virtual
.
TRABAJO PREVIO
Con anterioridad los estudiantes de pregrado de la universidad de los andes aportaron al
estudio del sistema hidropónico, concretando los módulos de funcionamiento y equipo
empleado en cada uno. Adicionalmente se usó como base el trabajo de David Zanger de la
RWTHAACHEN university, quien elaboro un modelo básico de Matlab y Simulink que
simulaba el comportamiento de cada uno de los módulos basado en los parámetros iniciales
del mismo.
Por otro lado los trabajos previos realizados en este proyecto como es [10] en donde realizo
pruebas al hacer variaciones de pH en los bancos de prueba con KOH de valores de 9 hasta
5 con una variación insignificante de los valores de conductividad eléctrica, lo cual nos da
un punto de partida para concretar la independencia de los dos indicadores en la condiciones
6
de funcionamiento de este proyecto. Estos parámetros y condiciones se emplean como bases
para el diseño de los modelos.
Adicionalmente se realizaron las pruebas de control del módulo de pH con el uso de una
sonda del proveedor DFRobot y se obtuvo una sonda del mismo proveedor para la medición
de EC y así realizar las pruebas pertinentes con la misma y compararla con el equipo HI2500
de Hanna instruments, un equipo de control específico para cultivos hidropónicos [11].
ALCANCE
El proyecto buscaba inicialmente la implementación del sistema físico funcional, sin
embargo, a causa de la situación sanitaria durante el desarrollo de este proyecto no se pudo
trabajar con el sistema físico. Por lo tanto, solo se adelantaron pruebas de selección de la
sonda de conductividad eléctrica, y a pesar de que no se llegaron a resultados concluyentes
se espera que se usen los avance para la terminación de esta sección más adelante y así mismo
su acople a un sistema final
En base a esto se optó por la implementación de un sistema virtual que represente el sistema
físico, con el cual se puedan realizar pruebas de funcionamiento y comprobar el código de
control, también permite el diseño de un HMI virtual y una animación que permita visualizar
de manera clara el funcionamiento del sistema. Además, se espera que este código sea
unifique con el sistema de control de la distribución de la solución nutritiva a los cultivos por
medio de las líneas de distribución y así mismo sea empleado posteriormente con el sistema
físico para realizar el adecuado control del sistema en conjunto mientras se realizan
comparaciones con el modelo teórico.
OBJETIVOS
OBJETIVO GENERAL
• Desarrollar un modelo de control virtual capaz de mantener el valor de
concentración eléctrico adecuado por medio del uso de bombas peristálticas para
bombear distintos fertilizantes en una simulación.
OBJETIVOS ESPECIFICOS
• Determinar las ecuaciones que describen el comportamiento del sistema en una
situación real.
• Modificar la configuración de Simulink previamente desarrollada para cumplir los
requerimientos del sistema.
• Realizar código de control de Codesys enfocado en conductividad eléctrica y
asociar al sistema de control de pH.
• Realizar la conexión entre Codesys y Simulink por medio de un PLC virtual y un
servidor OPC.
7
METODOLOGIA
Este proyecto se planteó inicialmente como un proyecto de 16 semanas empleando el sistema
físico, debido a la crisis sanitaria del virus Sars-Cov-2 se replanteó como un proyecto virtual
de 7 semanas de duración:
Tabla 1. Cronograma del Proyecto primera parte
Se ha realizado una amplia investigación bibliográfica con el objetivo de entender el
funcionamiento de las sondas de conductividad eléctrica y en base de esto realizar las pruebas
pertinentes de calibración, desgaste y compensación necesarias. Con esto se entendió el
funcionamiento de las sondas de conductividad, la lectura de las entradas análogas por parte
de la Arduino y la calibración de sensores por medio de buffers.
Se partió de la sonda de conductividad eléctrica de DFRobot, una sonda diseñada
particularmente para su uso con Arduino. Según la página de la sonda [12], se especifica que
esta es una sonda de laboratorio y mantenerla inmersa en una solución por lapsos de tiempo
prolongados afectaría su capa de platino, para corroborar esto se realizaron las pruebas
pertinentes de calibración y desgaste. En el primer caso se usaron los buffers de calibración
de 1.413 mS/cm y 12.88 mS/cm recomendados para la calibración de dicha sonda, esta
inicialmente arroja un valor entero entre 1024 leído por la Arduino al cual se le debe asociar
una recta de calibración y así obtener el valor real:
Tabla 2. Toma de datos directamente de la Arduino
Medición del sensor en
raw [INT]
Buffer 1,413
mS/cm
Buffer
12,88
mS/cm
Promedio 46,47 413,70
Desviación 1,96 2,69
Tabla 3. Toma de datos con la sonda calibrada
Medición del sensor
[mS/cm]
Buffer 1,413
mS/cm
Buffer
12,88
mS/cm
Promedio 1,45 12,78
Desviación 0,05 0,14
Usando el criterio de 3 desviaciones obtenemos un rango de 0.15 mS/cm de confianza para rangos
bajos y uno de 0.42 mS/cm para rangos altos, según la guía de hidroponía de [7], la violeta
africana cuenta el rango más bajo de conductividad con un valor deseado 1.2 a 1.5 mS/cm, por lo
tanto se concluye que la sonda cuenta con la precisión necesaria para el proyecto, con esto en mente
se prosigue a realizar las pruebas de desgaste:
Fase Duración Inicio Final Semana
1 2 3 4 5 6 7 8 9
Duración total del proyecto 9 20/01/2020 8/05/2020
Revisión bibliográfica 3 20/01/2020 07/02/2020
Estudio de tecnologías disponibles 6 27/01/2020 13/03/2020
Caracterización de los sensores 6 10/02/2020 27/03/2020
8
Tabla 4. Prueba de desgaste de la sonda de DFRobot
Tiempo
transcurrido
[horas]
Valor de conductividad [mS/cm]
Promedio
buffer
1.413
mS/cm
Desviación
buffer
1.413
mS/cm
Promedio
buffer
12,88
mS/cm
Desviación
buffer
12,88
mS/cm
0 1,434 0,064 12,794 0,083
12 1,424 0,074 11,924 0,084
24 1,642 0,063 13,695 0,154
Según las pruebas la sonda después de 24 horas mantiene su rango de medición, sin embargo,
su medición del valor objetivo cambia considerablemente, reduciendo su exactitud, teniendo
en cuenta esto se propone realizar una calibración diaria de la sonda, lo cual sería poco
práctico, o realizar pruebas con sondas de uso continuo.
Para solucionar el dilema anterior se propuso a utilizar una sonda de uso continuo, partiendo
de la sonda de Hanna Intruments HI7632-00 del equipo HI2500 la cual cuenta además con
un sensor de compensación de temperatura resistivo, sin embargo, no tiene una guía de cables
que indique el uso del sensor en otros equipos diferentes a su controlador. Por lo tanto, se
realizaron pruebas con la sonda en su controlador observando su respuesta a estímulos de
cambios de conductividad eléctrica en lecturas de voltaje, llegando a identificar los cables de
cada sensor. El sensor de temperatura al ser un sensor resistivo NTC de 10kΩ de base se
conecta directamente a la Arduino mientras el sensor de conductividad se conecta por medio
del Gravity de la sonda de DFRobot, este dispositivo cumple la función de realizar el filtrado
y linealización de la señal para ser reportada al Arduino, y en base a esto se llega al siguiente
diseño inicial:
Figura 2. Montaje de prueba para el sensor HI7632-00
Con base a esto se realiza la calibración de la sonda de temperatura usando un termopar como
referencia llegando a los siguientes datos:
9
Tabla 5. Medición del sensor de temperatura directamente a la Arduino
Valores
análogos
Temperatura
[°C]
470,14 20,71
567,63 31,25
670,90 41,30
No se logró realizar las pruebas con el sensor de conductividad ni se diseñaron los
experimentos para la compensación de conductividad con la temperatura y se complementó
con la realización de un sistema virtual junto con el estudiante Gabriel Monsalve:
Tabla 6. Cronograma del Proyecto segunda parte
Fase Duración Inicio Final Semana
10 11 12 13 14 15 16
Duración total del proyecto 7 30/03/2020 22/05/2020
Requerimientos del sistema 1 30/03/2020 03/04/2020
Revisión de ecuaciones 2 13/04/2020 17/04/2020
Arreglo al modelo de Simulink 2 13/04/2020 24/04/2020
Desarrollo código Codesys 2 20/04/2020 01/05/2020
Conexión con OPC virtual 2 27/04/2020 08/05/2020
Análisis de resultado 2 04/05/2020 15/05/2020
Entrega final 2 11/04/2020 22/05/2020
Para iniciar se realizó un análisis de requerimientos del sistema, un análisis de entradas y
salidas, y se estableció una tabla y diagrama de estados, teniendo en cuenta la botonería y
luces necesarias para su posterior diseño, esto con el objetivo de tener todas las condiciones
de funcionamiento claras y en base a estas poder realizar ajustes necesarios al modelo de
Simulink y el diseño del código de control en Codesys más adelante. Esto se realizó a partir
de la información previa con la que se contaba del sistema junto con el diagrama P&ID final
realizado en paralelo por el estudiante Gabriel Monsalve. Los resultados se pueden observar
resumidos en el HMI, tabla y diagrama de estados, para más detalles de estos observar los
anexos y documentos correspondientes.
Posteriormente se recibió el modelo de Simulink realizado anteriormente en el proyecto, a
partir de este se realizó la comprensión completa del mismo y se extrajeron las ecuaciones
de comportamiento que controlaban el modelo, realizando las correcciones de estas hasta
llegar a las siguientes conclusiones:
𝑉 = ∫(𝑄𝑖𝑛 − 𝑄𝑜𝑢𝑡)𝑑𝑡
Ecuación 1. Volumen en el tanque
𝐻 =𝑉
𝐴=
4𝑉
𝜋 ∗ 𝐷2
Ecuación 2. Altura de agua del tanque
𝐸𝐶𝑖𝑛 =𝐸𝐶1𝑄1 + 𝐸𝐶2𝑄2 + 𝐸𝐶3𝑄3 + 𝐸𝐶4𝑄4
𝑄𝑇
Ecuación 3. EC que entra al tanque de nutrientes.
𝑝𝐻𝑖𝑛 =𝑝𝐻1𝑄1 + 𝑝𝐻2𝑄2 + 𝑝𝐻3𝑄3 + 𝑝𝐻4𝑄4
𝑄𝑇
Ecuación 4. pH que entra al tanque de nutrientes
10
𝐸𝐶𝑓𝑖𝑛𝑎𝑙 =∫(𝐸𝐶𝑖𝑛 ∗ 𝑄𝑖𝑛 − 𝐸𝐶𝑜𝑢𝑡 ∗ 𝑄𝑜𝑢𝑡)𝑑𝑡
∫ 𝑑𝑡
Ecuación 5. Conductividad eléctrica final del tanque de
mezcla
𝑝𝐻𝑓𝑖𝑛𝑎𝑙 =∫(𝑝𝐻𝑖𝑛 ∗ 𝑄𝑖𝑛 − 𝑝𝐻𝑜𝑢𝑡 ∗ 𝑄𝑜𝑢𝑡)𝑑𝑡
∫ 𝑑𝑡
Ecuación 6. pH final del tanque de mezcla
En base a las ecuaciones obtenidas se modificó el modelo de Simulink para que este se
ajustara a las necesidades del sistema, esto se hizo por medio de la modificación de las
ecuaciones de comportamiento ya planteada, se agregaron nuevos módulos que
complementaban el funcionamiento y se añadieron elementos de control faltante tales como
algunos controles de nivel y las bombas. Finalmente, también se implementó el bloque de
control OPC y se conectaron las variables necesarias antes de realizar la vinculación de estas
con Codesys.
Después de tener un modelo funcional para el sistema se procedió a realizar el código de
Codesys basado en los estados ya establecidos con sus respectivas transiciones, junto con el
diseño de HMI con la botonería y las luces previamente planteadas.
Al tener ambos sistemas se procedió a realizar la conexión entre los mismo mediante el
servidor OPC, vinculando las variables de Codesys con los elementos ya seleccionados del
modelo de Simulink.
Figura 3. OPC Write Simulink
Figura 4. OPC Read Simulink
Se realizaron las pruebas de funcionamiento pertinentes para corroborar que no ocurrían
errores de funcionamiento, después de esto y realizar correcciones al código se tomó la
decisión de realizar ajustes al modelo de Simulink y así este sea más fácil de manejar, junto
con una animación de funcionamiento de Codesys para que las pruebas sean más claras.
11
Figura 5. Modelo de Simulink final
Figura 6. Animación Codesys estado inicial
Figura 7. Animación Codesys estado intermedio
Por último, se realizaron ajustes a los parámetros iniciales del sistema para que sean lo más
cercano a las condiciones del sistema físico. Para empezar, se desea establecer las
concentraciones de los tanques de fertilizantes y el pH del tanque de ácido, junto con los
rangos de control para el código de Codesys, para esto primero se observaron los parámetros
más comunes de algunas plantas:
12
Tabla 1. Conductividades y pH de algunas plantas (adaptado de [7])
Conductividad eléctrica optima [mS/cm] pH optimo
Planta Mínimo Máximo Promedio Rango Mínimo Máximo Promedio Porcentaje rango
Espárragos 1,40 1,80 1,60 0,40 6,00 6,80 6,40 12,5%
Violeta
africana 1,20 1,50 1,35 0,30 6,00 7,00 6,50 15,4%
Albahaca 1,00 1,60 1,30 0,60 5,50 6,00 5,75 8,7%
Frijol 2,00 4,00 3,00 2,00 6,00 6,00 6,00 0,0%
Plátano 1,80 2,20 2,00 0,40 5,50 6,50 6,00 16,7%
Brócoli 2,80 3,50 3,15 0,70 6,00 6,00 6,00 0,0%
Repollo 2,50 3,00 2,75 0,50 6,50 7,00 6,75 7,4%
Apio 1,80 2,40 2,10 0,60 6,50 6,50 6,50 0,0%
Clavel 2,00 3,50 2,75 1,50 6,00 6,00 6,00 0,0%
Calabacines 1,80 2,40 2,10 0,60 6,00 6,00 6,00 0,0%
Pepino 1,70 2,00 1,85 0,30 5,00 5,50 5,25 9,5%
Berenjena 2,50 3,50 3,00 1,00 6,00 6,00 6,00 0,0%
Ficus 1,60 2,40 2,00 0,80 5,50 6,00 5,75 8,7%
Puerro 1,40 1,80 1,60 0,40 6,50 7,00 6,75 7,4%
Lechuga 1,20 1,80 1,50 0,60 6,00 7,00 6,50 15,4%
Calabacín 1,80 2,40 2,10 0,60 6,00 6,00 6,00 0,0%
Okra 2,00 2,40 2,20 0,40 6,50 6,50 6,50 0,0%
Pak Choi 1,50 2,00 1,75 0,50 7,00 7,00 7,00 0,0%
Pimiento 0,80 1,80 1,30 1,00 5,50 6,00 5,75 8,7%
Perejil 1,80 2,20 2,00 0,40 6,00 6,50 6,25 8,0%
Ruibarbo 1,60 2,00 1,80 0,40 5,50 6,00 5,75 8,7%
Rosa 1,50 2,50 2,00 1,00 5,50 6,00 5,75 8,7%
Espinaca 1,80 2,30 2,05 0,50 6,00 7,00 6,50 15,4%
Fresa 1,80 2,20 2,00 0,40 6,00 6,00 6,00 0,0%
Salvia 1,00 1,60 1,30 0,60 5,50 6,50 6,00 16,7%
Tomate 2,00 4,00 3,00 2,00 6 6,5 6,25 8,0%
Con esto tenemos que la conductividad eléctrica promedio es de 2.06 mS/cm, usando el
criterio de inyección de 1:100, podemos suponer que los tanques de fertilizante cuentan con
una conductividad de 206 mS/cm. Adicionalmente para el control se utilizara el rango más
pequeño con el que se cuenta en esta referencia, siendo de 0.3 mS/cm. Por el lado del tanque
de ácido comúnmente es de ácido sulfúrico, ácido nítrico o fosfórico los cuales rondan entre
un pH de 2 y 3, ya que el modelo se comporta como sales, y el pH es una escala logarítmica
se realizaron pruebas y se decidió unas un pH en el modelo de -50, para que sea capaz de
bajar el pH como en la realidad, en el sistema de control se usó un rango porcentual debido
a que al ser logarítmica es más adecuado, en este caso se usó el valor mínimo diferente de 0,
es decir 7.4% y según el trabajo de Juan Giraldo se supuso que el ácido no altera la
conductividad.
Por otro lado, para las bombas se usó el caudal nominal de las bombas peristálticas de
700mL/min, y para las demás bombas y electroválvulas se usó un caudal de 0.004 𝑚3/𝑠 ya
que permitía que el sistema respondiera sin desbordarse y que la simulación fuese los más
rápida posible. Por último, se eligieron la posición de los sensores de nivel a 5 cm para los
13
de bajo nivel y a 50 cm para los de alto nivel, en el caso del tanque de mezcla se llena de
agua hasta la altura de 47 cm y la altura máxima de alarma es de 55 cm.
Todas estas suposiciones deben ser comprobadas experimentalmente y realizar ajustes en
caso de algún cambio necesario.
ANALISIS
Se puede observar que el comportamiento es teóricamente similar al que debería tener el
sistema, sin embargo, debido al no haber realizado pruebas en el sistema físico no existe un
punto de comparación claro, esto se deberá corroborar posteriormente. Adicionalmente
contamos con que los fertilizantes son esencialmente sales, las ecuaciones de
comportamiento de usadas en el modelo son ideales para el caso de la conductividad eléctrica,
suponiendo que varía linealmente respecto a la cantidad de sales disueltas, sin embargo, el
pH al ser una escala logarítmica y depender de reacciones químicas internas no se pude
modelar con exactitud, por lo que se tiene que corroborar experimentalmente su
comportamiento.
También se observa que el rango de precisión de la sonda de DFRobot se ajusta a los valores
escogidos en el control de Codesys, por lo que si se usara en pruebas con el sistema físico
debería comportarse correctamente las primeras horas de uso hasta que se descalibre.
Finalmente, con la animación de Codesys se puede supervisar claramente el funcionamiento
del sistema, en el caso del modelo virtual permite corroborar su funcionamiento acorde con
los requerimientos del sistema. Mientras que este también puede ser aplicado al sistema físico
para corroborar el estado de los sensores y estados de funcionamiento del sistema, la
diferencia presente se debe a que las alturas de la animación se extraen del modelo virtual,
debido a la falta de sensores análogos en cada tanque esto no será visualizado, la aplicación
de esto debe ser considerado más adelante.
RECOMENDACIONES
En el Codesys se están registrando las alturas de cada tanque por medio de la información
del modelo, al conectarse por medio del PLC real las alturas de los tanques no se verán
reflejadas en la animación.
En el código de control se está suponiendo que se recibe directamente la información de
conductividad eléctrica y de pH, por lo que en los trabajos futuros con la selección de sondas
se debe tener en cuenta si el PLC recibe la información ya procesada o se debe realizar sus
respectivas conversiones.
14
Los softwares presentan errores de comunicación en algunas versiones de Codesys, por lo
tanto, se recomienda el uso de la misma versión que se empleó en la elaboración de este
proyecto (v3.5.11.3).
REFERENCIAS
[1] United Nations, «2019 Revision of World Population Prospects,» 2019. [En línea]. Available:
https://population.un.org/wpp/. [Último acceso: 10 Enero 2020].
[2] United Nations, «2018 Revision of World Urbanization Prospects,» 2018. [En línea].
Available: https://population.un.org/wup/. [Último acceso: 10 Enero 2020].
[3] S. Mohammed, Tomorrow's agriculture : "nft hydroponics"-- grow within your budget, Cham,
Switzerland: Springer, 2018.
[4] G. Jages Barbosa, F. D. Almeida Gadelha, N. Kublik, A. Proctor, ,. L. Richel, E. Weissinger, G.
M. Wohlleb y R. U. Halden, «Comparison of Land, Water, and Energy Requirements of
Lettuce Grown Using Hydroponic vs. Conventional Agricultural Methods,» Int. J. Environ. Res.
Public Health, nº 12, 2015.
[5] G. Barbieri, A small-scale flexible test bench for the investigation of fertigation strategies in
soilness culture, 2018.
[6] EMERSON Process Management, «Theory and application of conductivity,» 2010.
[7] H. Singh y D. Bruce, «Electrical Conductivity and pH Guide for Hydroponics,» Oklahoma
Cooperative Extension Service, 2016.
[8] N. S. Mattson y C. Peters, «A Recipe for Hydroponic Success,» InsideGROWER, pp. 16-19,
2015.
[9] UNITRONICS, «What is the definition of "PLC"?,» Unitronicsplc.com, 2017. [En línea].
Available: https://unitronicsplc.com/what-is-plc-programmable-logic-controller/.
[10] J. S. Giraldo Jaime, «Implementación de un Sistema de Inyección de Fertilizantes controlado
en un Banco de Prueba Flexible a Pequeña Escala,» Bogota D.C, 2019.
[11] J. M. Virgen Carvajal, «Procesamiento de señal de pH para control por mc de un sistema de
fertirriego en cultivos hidroponicos,» 2019.
[12] DFRobot, «Gravity: Analog Electrical Conductivity Sensor /Meter V2 (K=1),» 2020.
15
ANEXOS
ANEXO A: P&ID
16
ANEXO B: HMI
17
ANEXO C: Tabla de estados
Name # State V110 P120 P121 P210 P220 P230 P310 P320 C200 LED_WORKING LED_STOPPED LED_ALARM LED_WAITING
Idle 1 0 0 0 0 0 0 0 0 0 0 1 0 0
Tank_110 2 1 0 0 0 0 0 0 0 0 1 0 0 0
Tank_120 3 0 1 0 0 0 0 0 0 0 1 0 0 0
Tank_240 4 0 0 1 0 0 0 0 0 0 1 0 0 0
Waiting 5 0 0 0 0 0 0 0 0 0 1 0 0 1
Start_line_1 6 0 0 0 0 0 0 0 0 0 1 0 0 0
Start_line_2 7 0 0 0 0 0 0 0 0 0 1 0 0 0
Start_C200 8 0 0 0 0 0 0 0 0 1 1 0 0 0
EC_cal 9 0 0 0 0 1 1 0 0 1 1 0 0 0
EC_com 10 0 0 1 0 0 0 0 0 1 1 0 0 0
pH_cal 11 0 0 0 1 0 0 0 0 1 1 0 0 0
Verification 12 0 0 0 0 0 0 0 0 1 1 0 0 0
Tank_310 13 0 0 0 0 0 0 1 0 1 1 0 0 0
Tank_320 14 0 0 0 0 0 0 0 1 1 1 0 0 0
Alarm 15 0 0 0 0 0 0 0 0 0 0 0 1 0
18
ANEXO D: Diagrama de estados