/ LUBRICACIÓN La calibración del sensor ha sido llevada a cabo mediante todos los residuales son combinados para obtener una esti- el análisis multivariable de datos (calibración multivariable) mación del error de predicción del modelo. Todo el análisis obteniéndose dos modelos de calibración para la monitori- quimiométrico fue realizado con el software The Unscram- zación del contenido de aditivos del aceite lubricante Mobil bler ver. 9.8 (Camo process AS, Oslo, Noruega). La tabla 1 Jet Oil II. El primer modelo de calibración ha sido desarro- muestra los resultados de los modelos de calibración llado para la monitorización del contenido de aditivo en un desarrollados para la monitorización del contenido de aditi- rango comprendido entre el 100-30% mientras que el vos del aceite lubricante Mobil Jet Oil II. A pesar de que los seg 70% fin undo modelo cubre el rango comprendido entre el 100- resultados obtenidos durante la calibración son satisfacto- . El primero de los rangos ha sido seleccionado con el rios todavía es necesario mejorar la exactitud de los mode- de monitorizar la degradación casi total del aceite mien- los de calibración desarrollados para la monitorización del tras que el segundo rango ha sido seleccionado debido a que contenido de aditivos. en aviación este tipo aceite generalmente se cambia cuando su contenido de aditivo disminuye hasta un 80-70%. Los espectros obtenidos con el sensor han sido correlaciones Detector de partículas Óptico (OPD) con el contenido de aditivo (RULER, ASTM-D 6810-2) de las muestras analizadas en el laboratorio de análisis industrial El sensor OPD sensor es un prototipo cuyas funciones son de Wearcheck Ibérica. Para ello se han seguido los siguien- la detección y cuantificación de burbujas y partículas metá- tes pasos: pre-procesamiento de los espectros obtenidos, licas y no-metálicas en el aceite lubricante. El sensor toma generación del modelo de calibración y finalmente la vali- una imagen de la muestra aceite y mediante la inteligencia dación del modelo. A la hora del pre-procesado se han artificial que tiene implementada es capaz de distinguir las probado diferentes métodos, desde el suavizado de los burbujas de las partículas y realizar su clasificación en espectros hasta métodos para corregir efectos dispersión. función de su tamaño. El sensor da como resultado un Los modelos de calibración fueron obtenidos mediante informe en formato pdf en el que se muestra una imagen de Regresión sobre Mínimos Cuadros Parciales o Partial Least la muestra aceite con las partículas marcadas en rojo y las Squares Regression (PLS). PLS es una de las técnicas de burbujas en verde y el número de partículas clasificados en regresión lineal más utilizadas en el análisis multivariable tres rangos: ≥ 4 μm, ≥ 6 μm y 14 μm por ml de muestra. de datos. Se trata un método que relaciona las variaciones Finalmente el número de partículas se codifica tomando en en una o más variables respuesta (Y-variables) con la varia- cuenta la norma ISO 4406. ción en múltiples variables predictoras (X-variables) [6]. El conjunto del sensor OPD está formado por un filtro de Finalmente la validación de los modelos de calibración ha partículas de 190 micras que impide que entren partículas sido realizada mediante un método de validación cruzada de gran tamaño que puedan obturar algún componente del conocido como leave-one-out cross validation. Es un método sensor, un presostato (0-25 bar) que permite la entrada de de validación basado únicamente en los datos utilizados aceite siempre y cuando la presión en el sistema sea inferior para la calibración por el cual se crean tantos sub-modelos a 7 bares, un caudalímetro, una cámara CMOS (Edmund EO como muestras hay en la calibración, dejando cada vez una 5012 C), una celda fluídica iluminado por un panel leds blan- muestra fuera para utilizarla en la validación. El proceso se cos (Backlight) y una tarjeta de adquisición de datos. La repite hasta que cada muestra utilizada en la calibración figura 4 muestra los diferentes componentes del sensor haya sido dejada una vez fuera para la validación. Después OPD. Resultados obtenidos durante la calibración del sensor Vis-NIR Parámetros del modelo Contenido Aditivo: 100-40% Contenido aditivo: 100-70% Número de muestras 30 13 Componentes Principales (PC) 6 3 Correlación 0,962 SECV 0,879 4,809 4,827 20 / a aSECV: error estándar de la validación cruzada