Este artículo apareció en una revista publicada por Elsevier. La copia adjunta se proporciona al autor para uso interno de investigación y educación no comercial, incluso para instrucción en la institución del autor. y compartir con colegas. Otros usos, incluida la reproducción y distribución, o la venta o la concesión de licencias de copias, o la publicación en personal, institucional o de terceros. los sitios web están prohibidos. En la mayoría de los casos, los autores pueden publicar su versión del artículo (por ejemplo, en formato Word o Tex) en su sitio web personal o repositorio institucional. Los autores que requieran más información sobre las políticas de archivo y manuscritos de Elsevier son animado a visitar: http://www.elsevier.com/copyright Copia personal del autor Journal of Cultural Heritage 11 (2010) 339–344 Artículo original Seguimiento del microclima mediante control estadístico multivariado: Los frescos renacentistas de la Catedral de Valencia (España) Fernando-Juan García-Diegoa,∗, Manuel ZarzoB,1 a Departamento de Física Aplicada (UD Agrónomos), Universidad Politécnica de Valencia, Camino de Vera s / n, 46022 Valencia, España B Departamento de Estadística Aplicada, Investigación Operativa y Calidad, Universidad Politécnica de Valencia, Camino de Vera s / n, 46022 Valencia, España información del artículo resumen Historia del artículo: Los frescos renacentistas de la catedral metropolitana de Valencia, ubicados en la bóveda del ábside, fueron restaurados en 2006. Describimos un sistema de vigilancia del microclima que se implementó para la conservación preventiva de las pinturas. Está compuesto por un conjunto de sensores de temperatura y humedad relativa colocados en diferentes puntos de la bóveda. Este sistema es bastante único porque algunos de estos sensores se insertaron dentro de las pinturas durante el proceso de restauración. El análisis de componentes principales se aplicó a los datos de humedad relativa registrados en febrero de 2007. El análisis se repitió en tres meses adicionales de 2007. Las gráficas de carga resultantes resaltan las similitudes y disimilitudes más relevantes entre los sensores. Estas parcelas pueden considerarse como una especie de mapas de control que podrían usarse para detectar condiciones anormales en el futuro. En realidad, los problemas de humedad en determinadas zonas de los frescos están provocando la formación de e fl orescencia, y los sensores ubicados cerca de estas zonas son los que registran los valores más altos de humedad relativa. Recibido el 25 de marzo de 2009 Aceptado el 12 de junio de 2009 Disponible en Internet el 23 de marzo de 2010 Palabras clave: Humedad Temperatura Conservación del arte Diagnóstico Sensor © 2010 Elsevier Masson SAS. Reservados todos los derechos. Objetivos de la investigación humedad relativa, humedad específica, punto de rocío) dentro de los museos [2–5]. Estudios similares han monitoreado la temperatura y la humedad relativa Este trabajo describe un sistema de monitoreo del entorno microclimático que rodea las pinturas al fresco para su conservación preventiva. El sistema está (HR) en las iglesias.[6–9]. Estos edificios contienen valiosas obras de arte y los requisitos de microclima son similares a los de los museos. compuesto por sensores de temperatura y humedad. Durante el proceso de restauración, algunos de estos sensores se instalaron en el interior de las pinturas Los cambios de temperatura y humedad pueden afectar la conservación de y otros en el exterior, como se describe a continuación. El objetivo principal de las pinturas al fresco. Los trabajos reportados han caracterizado la distribución de este trabajo fue analizar los datos obtenidos durante los primeros meses de parámetros térmicos e higrométricos con el fin de estudiar las interacciones entre seguimiento con el fin de evaluar la viabilidad del sistema para la detección la atmósfera interior y las paredes que sostienen frescos o pinturas murales[10-12] temprana de condiciones anormales que puedan ser perjudiciales para las , incluso los frescos de Miguel Ángel en la Capilla Sixtina del Vaticano [13] y la pinturas. famosa pintura mural de la "Última Cena" de Leonardo [14]. 1. Introducción 1.1. Monitoreo del microclima para la conservación preventiva El entorno interno de un museo debe ser apropiado para la conservación y exhibición de las colecciones en su interior. [1]. Intentando evaluar la complejidad de los riesgos potenciales relacionados con el desequilibrio de temperatura y humedad, diferentes obras han monitoreado parámetros termohigrométricos (por ejemplo, temperatura del aire, 1.2. Frescos renacentistas de la catedral de Valencia, España La basílica metropolitana catedral de Santa María de Valencia inició en 2004 la restauración de la capilla mayor y los frescos renacentistas (Figura 1) que decoran muy bien los severos techos abovedados del presbiterio (http:// www.frescosdelacatedral.com). El equipo restaurador observó la presencia de e fl orescencia que hubo que eliminar en diferentes zonas de los frescos. También se identificaron algunas piezas con problemas de deterioro por alta humedad.[15]. Dado que la humedad estaba restringida a zonas específicas, se sospechaba que el problema podría deberse a la infiltración de agua de lluvia a través del techo ∗ Autor correspondiente. Tel .: +34 963877520; fax: +34 963877529. Correos electrónicos: [email protected] (F.-J. García-Diego), [email protected] (M. Zarzo). 1 Tel .: +34 963877490; Fax: +34 963877499. 1296-2074 / $ - ver la primera página © 2010 Elsevier Masson SAS. Reservados todos los derechos. doi:10.1016 / j.culher.2009.06.002 sobre el ábside. Intentando evitar este tipo de problemas en el futuro, se remodeló este techo y se colocó una lámina de techo asfáltico. Copia personal del autor 340 F.-J. García-Diego, M. Zarzo / Journal of Cultural Heritage 11 (2010) 339–344 Figura 1. Vista de los frescos renacentistas de la catedral de Valencia tal y como se pueden observar desde el presbiterio. Las siete nervaduras convergen en la clave de la bóveda, que aparece en el centro de la imagen. Posición de las 29 sondas que se ubicaron durante el proceso de restauración para la monitorización del aire interior: siete de ellas en las costillas (cuadrados), dos sondas en la cornisa (rombos), 10 sondas en las paredes debajo de los severos (triángulos) y 10 sondas en los frescos (círculos). Cada sonda contiene un sensor de temperatura y humedad relativa (RH). se colocó debajo de las baldosas. La presencia de cualquier junta que no esté superficie de los frescos. Además, se instalaron 10 sondas en las paredes del debidamente sellada o cualquier grieta en la hoja puede convertirse en una ábside a una distancia de unos 120 cm por debajo de los severos (verFigura 1). fuente de infiltración de agua. Las pequeñas cantidades de agua que puedan Estas sondas se introdujeron en un tubo cerámico del tipo descrito anteriormente acumularse durante las próximas décadas se difundirían por capilaridad hasta los que se insertó en el muro perforando el mortero entre dos sillares. Dos sondas frescos y causarían problemas de humedad en las pinturas. La importancia de la adicionales se ubicaron en la cornisa del ábside, a 3,5 m por debajo de las del impermeabilización en el techo sobre los frescos para evitar que la humedad muro. caiga a través de la acción capilar se discute en la literatura. [dieciséis]. Teniendo en cuenta que es muy difícil asegurar una impermeabilidad a largo Las 29 sondas contienen un circuito integrado de contorno pequeño, modelo DS2438 (Maxim Integrated Products, Inc.) que incorpora un sensor de temperatura directo a digital con una precisión de ±2 ◦C, así como un convertidor plazo de la cubierta sobre estas pinturas que se van a conservar durante siglos, el de voltaje de analógico a digital. Este convertidor mide el voltaje de salida de un equipo restaurador decidió implementar un sistema de monitoreo compuesto por sensor de humedad (HIH-4000, Honeywell International, Inc.). sensores de HR y temperatura. Estos sensores se instalaron durante el proceso de restauración en diferentes puntos de la bóveda, algunos dentro de las pinturas y Se compró un conjunto de 30 sensores HIH-4000 al fabricante, quien otros en el exterior. Este sistema de control es bastante único porque los sensores proporcionó la curva de calibración de segundo orden determinada rara vez se insertan en las preciosas paredes que sostienen los frescos. El experimentalmente para uno de ellos. Esta ecuación permite la estimación de RH propósito principal de este sistema es la detección de valores anormalmente más de acuerdo con la salida de voltaje con una precisión de±3,5% de HR. El siguiente altos de humedad en partes específicas de la bóveda, lo que podría indicar una procedimiento de calibración se aplicó en laboratorio. Los 30 sensores de HR se infiltración de agua a través del techo. El presente trabajo describe el sistema de introdujeron en una pequeña cámara equilibrada con una solución saturada de seguimiento y reporta el análisis de los datos obtenidos durante los primeros una sal y se midió la salida de voltaje de los 30 sensores. Se cambió la solución meses de seguimiento. saturada y, una vez alcanzado el equilibrio, se volvió a medir la salida de voltaje. Este experimento se repitió con diferentes soluciones saturadas. A continuación, se obtuvieron ecuaciones de calibración para cada sensor con el fin de relacionar 2. Materiales y métodos 2.1. Descripción de sondas: características e instalación. Durante el proceso de restauración, los especialistas tuvieron que retirar y reintegrar la capa de yeso que soporta las pinturas en zonas muy deterioradas por problemas de humedad. Se insertaron diez tubos de cerámica porosa en estas zonas perforando en el mortero entre dos ladrillos del severy. La posición exacta de los ladrillos y las juntas se identificó mediante un dispositivo de ultrasonido como se describe en otra parte. [17]. Se colocó una sonda dentro de cada tubo para que el sensor de HR la salida de voltaje y la HR, la cual fue estimada a partir del sensor de referencia calibrado por el fabricante. Cada sensor de HR recibe una entrada de 5 V CC suministrada por un circuito integrado TL7805. Este circuito presenta cierta variabilidad, y el suministro de voltaje real varía de 4.9 a 5.1, lo que afecta la estimación de la HR. En realidad, según el fabricante, la salida de voltaje de los sensores HIH-4000 es proporcional al suministro de voltaje. Por lo tanto, para mejorar la precisión de las mediciones de HR, se midió el valor exacto del suministro de voltaje para cada sensor de HR una vez que se instalaron todas las sondas y conexiones en la bóveda del ábside, y las curvas de calibración de cada sensor individual se corrigieron en consecuencia. permanezca en la superficie de la pintura (Figura 2). Se implementaron otras sondas del mismo tipo, 19 en total, para obtener información complementaria que pudiera ayudar a interpretar los datos registrados en los frescos. Para ello, se colocaron siete sondas en las nervaduras 2.2. Sistema de adquisición de datos que separan los severos de la bóveda del ábside, a unos 2 m de la clave (Figura 1). Estos sensores miden la HR y la temperatura del aire a unos 5 cm de la De cada sonda salen cuatro cables eléctricos: dos para la fuente de alimentación de CC de 12 voltios y dos cables para la transferencia de datos. Todos los sensores son Copia personal del autor F.-J. García-Diego, M. Zarzo / Journal of Cultural Heritage 11 (2010) 339–344 341 Figura 2. Esquema que representa la instalación de sondas en los frescos. El tubo cerámico poroso se introdujo después de perforar en zonas específicas del yeso donde no estaba presente la pintura original. En esta figura, el tubo poroso está parcialmente seccionado para ver el interior. conectado a un microcontrolador que registra las mediciones en formato digital. lograr una intercambiabilidad ajustada que, según el fabricante, reduce o elimina Los datos se descargaron semanalmente a una computadora portátil. Teniendo la calibración de los sensores individuales [18]. Sin embargo, todos los sensores en cuenta que el fabricante recomienda una corrección de la estimación de HR de HR utilizados en este sistema de monitoreo fueron calibrados individualmente según la temperatura[18], se aplicó la corrección propuesta para mejorar la antes de su instalación en la bóveda del ábside. Las curvas de calibración se precisión. obtuvieron teniendo en cuenta la información proporcionada por un sensor de Los trabajos de restauración finalizaron en diciembre de 2006 y la adquisición referencia calibrado por el fabricante. Todas las curvas de calibración resultantes de datos comenzó en febrero de 2007. El microcontrolador estaba programado fueron muy similares para los 30 sensores, lo que está en consonancia con la alta para registrar un dato por hora de cada sensor y, por lo tanto, esperábamos intercambiabilidad reivindicada por el fabricante. También se implementó la obtener cada mes alrededor de 720 observaciones de tiempo (es decir, 30 días×24 corrección de la señal según la temperatura y el suministro de voltaje real de cada horas / día). Desafortunadamente, debido a diferentes problemas, solo fue sensor, como se describió anteriormente. posible registrar las mediciones en 90 observaciones de tiempo en febrero, 62 en septiembre, 108 en octubre y 172 en noviembre. El sensor F se averió y no se tuvo en cuenta. Los datos de los sensores M y N solo estaban disponibles para febrero. En noviembre, los datos de seis sensores adicionales (C, D, J, L, Q y U) eran anormales y también tuvieron que descartarse (verFigura 1 para códigos de etiqueta). 3.2. Pretratamiento de datos antes de PCA Graficamos la HR registrada de todos los sensores en función del tiempo y se observó que las variaciones diarias estaban claramente marcadas, como se muestra en Fig. 3 para cuatro sensores representativos. Estas variaciones son más altas que la precisión de los sensores de HR. También observamos que la 2.3. Análisis de datos multivariados evolución de la señal a lo largo del tiempo fue bastante paralela para todos los sensores. Por lo tanto, la HR promedio registrada por cada sensor, que será Los datos de HR registrados en febrero se ordenaron en una matriz compuesta por 90 observaciones (instantes de tiempo, en filas) por 28 variables (sensores de HR, en columnas). Esta matriz fue centrada en filas como se describe a continuación y, a continuación, se realizó un análisis de componentes principales (PCA) utilizando el software SIMCA-P 10.0 (http://www.umetrics.com). El mismo análisis se repitió con los datos obtenidos en septiembre, octubre y noviembre de 2007. Se compararon los resultados de estos cuatro modelos para comprobar si las relaciones entre los sensores se mantenían mes tras mes. El mismo procedimiento también se aplicó a las matrices de temperatura. 3. Resultados y discusión 3.1. Precisión de los sensores RH El sensor HIH-4000 es un elemento sensor capacitivo de polímero termoestable con acondicionamiento de señal integrado en el chip. Este modelo fue seleccionado porque tiene una mayor precisión (±3,5%), intercambiabilidad (desde±5% a±8% RH, ver hoja de datos), histéresis (±0.5% RH) y tiempo de subida (15 s), en comparación con otros sensores RH capacitivos. El elemento dieléctrico de estos sensores se recorta con láser para Fig. 3. Evolución de la humedad relativa registrada durante 7 días consecutivos (noviembre de 2007) correspondientes a cuatro sensores: H (línea superior más gruesa), T (línea inferior más gruesa), U (línea superior más delgada) y D (línea inferior más delgada). Códigos de sensor según Figura 1. La escala horizontal indica horas (7 días≈170 valores). DP significa período de discriminación. Copia personal del autor 342 F.-J. García-Diego, M. Zarzo / Journal of Cultural Heritage 11 (2010) 339–344 Figura 4. (izquierda) Evolución simulada de la humedad relativa en función del tiempo correspondiente a ocho sensores (s1 a s8). (derecha) Parcela de carga (p [2] vs p [1]) obtenido aplicando PCA a la matriz de humedad relativa (RH) simulada. Los datos se centraron en filas antes del análisis. denominado Rhj (es decir, el valor medio de la columna j) es el parámetro que cantidad de la variabilidad total de los datos. De manera similar, PC2 es la mejor describe las diferentes prestaciones entre sensores. estructura de correlación que explica tanto como sea posible la variabilidad PCA es una técnica útil para explicar la variabilidad de datos de una matriz, así restante no descrita por PC1. Las contribuciones de las variables en la formación como para la interpretación de relaciones entre observaciones y variables. Se de un componente dado se denominan cargas, siendop [1] pueden aplicar diferentes métodos de pretratamiento antes de realizar una PCA. las cargas correspondientes a PC1, y así sucesivamente. Si el interés se basa en la identificación de estructuras de correlación entre Para comprender las ventajas del pretratamiento de datos propuesto, se variables, que es el caso común, los datos se centran en columnas antes del PCA realizó un estudio anterior. Teniendo en cuenta los ciclos diarios observados en restando el valor de cada columna, de modo que todas las variables centradas Fig. 3, se generaron datos de HR simulados para ocho sensores (Figura 4, tengan un promedio nulo. Este pretratamiento parece apropiadoa priori en este izquierda), resultando una matriz de ocho variables por 170 observaciones. La caso porque el objetivo es comprender las similitudes y diferencias entre evolución de la HR en función del tiempo es casi paralela para todos los sensores; sensores. Aplicamos PCA tras este pretratamiento y se obtuvo que los resultados la única diferencia es que la parte inferior del ciclo es más nítida en los sensores explican básicamente s2, s4, s6 y s8, pero más plana en el resto. las diferencias entre sensores según Rhj, porque todas las variables están El PCA se llevó a cabo después de aplicar el pretratamiento de centrado de fuertemente correlacionadas debido a la evolución paralela de la HR. filas. El diagrama de dispersión dep [2] versus p [1], que se conoce como gráfico En consecuencia, decidimos probar otras alternativas. de carga PC1-2 (Figura 4, derecha), refleja claramente las relaciones entre los El valor medio de HR registrado por todos los sensores en un instante dado sensores. Con respecto ap [1], Los sensores están dispuestos de acuerdo con su de tiempo tI será referido como RhI. La evolución versus el tiempo de señal promedio, mientras que p [2] los discrimina de acuerdo con las diferentes RhI es de interés relevante para la identi fi cación de variaciones excesivas diurnas formas de la señal. Este ejemplo ilustra que la metodología estadística es muy o estacionales que puedan ser perjudiciales para los frescos. Esto poderosa para resaltar ligeras diferencias cuando el patrón de un conjunto de patrón común de RhI es seguido por todos los sensores, y el objetivo en este caso sensores es bastante paralelo, lo que ocurre en el presente caso. es diagnosticar las ligeras variaciones de cada sensor respecto este rendimiento medio. Por lo tanto, si la variabilidad de los datos causada por el tiempo se elimina de la matriz, el PCA posterior reflejará más claramente las 3.4. PCA de datos RH relaciones entre los sensores. Para este propósito, centrado los datos por fila (es decir, restando RhI a los elementos de la fila I), de modo que todas las filas centradas tengan un promedio nulo. La idea de aplicar este pretratamiento especial proviene de la literatura sobre La matriz de HR correspondiente a febrero se centró en filas como se describe, y a continuación se aplicó un PCA. Se repitió el mismo análisis con datos de septiembre, octubre y noviembre. Dado que todos los sensores siguen un el control estadístico multivariado de procesos químicos discontinuos. [19-23]. En patrón paralelo, el centrado por fila conduce a valores que son casi constantes una reacción por lotes, las variables del proceso, como las temperaturas o para cada sensor. En consecuencia, PC1 explica gran parte de la variabilidad total presiones, siguen un patrón particular a lo largo del curso de la reacción, y el de los datos: 98,2% en febrero, 95,8% en septiembre, 94,3% en octubre y 99,6% en objetivo es controlar adecuadamente el proceso para que las desviaciones con noviembre. Lap [1] cargas (es decir, eje horizontal en Figura 5) discriminar sen- respecto al patrón objetivo sean lo más bajas posible. En estos casos, el PCA se puede aplicar para el diagnóstico de procesos con el fin de identificar lotes sors según Rhj porque este promedio da cuenta de la principal variabilidad de anormales que se desvían de las condiciones operativas normales. Para este datos de la matriz centrada, como ya se explicó en el propósito, la variabilidad de datos causada por el tiempo generalmente se elimina caso simulado. de la matriz antes de aplicar el PCA.[19,20]. Se han reportado muchas aplicaciones exitosas de esta metodología.[21-23]. Para determinar si PC2 proporciona información relevante, inspeccionamos las parcelas de carga PC1-2 correspondientes a cada modelo. Si las cuatro parcelas se superponen (Figura 5), se observa una coherencia razonable para PC1 y PC2 y, por lo tanto, ambos componentes pueden considerarse relevantes. 3.3. PCA de datos simulados También comparamos las parcelas de carga correspondientes a PC2-3 para los cuatro modelos, pero no se observó consistencia para PC3. Por tanto, no se El primer componente principal (PC1) se puede interpretar como la combinación lineal de las variables originales que explica la mayor consideró la información de este componente. Copia personal del autor F.-J. García-Diego, M. Zarzo / Journal of Cultural Heritage 11 (2010) 339–344 343 otras partes de la bóveda, quizás debido a pequeñas cantidades de agua de lluvia que se infiltraron por el techo a lo largo de los años. Con respecto a Y y W, que también pertenecen a dos severos convergentes, las medidas de HR son ligeramente más altas que las sondas de pared. No obstante, especulamos que el riesgo de problemas de humedad es probablemente menor que en el caso de R y H porque sus cargas en PC2 son positivas, lo que no es el caso de R, H y N. La gráfica de carga para PC1-2 (Figura 5) destaca las relaciones entre sensores y puede considerarse como una especie de mapa de control. El enfoque que proponemos para la conservación preventiva de frescos basado en mediciones de HR es repetir el mismo análisis multivariado mes tras mes, obtener la gráfica de carga para PC1-2 y compararla conFigura 5Obtuvimos resultados consistentes durante cuatro meses, aunque el número de observaciones de tiempo fue diferente en cada caso. Por lo tanto, una ventaja importante de este método es que puede manejar fácilmente los datos perdidos, lo que a menudo ocurre en la práctica. Esperamos que la posición relativa en la parcela de los Figura 5. Superposición de cuatro parcelas de carga correspondientes a PC1 y PC2 (es decir, p [2] vs p [1]). sensores instalados en las nervaduras o paredes de la bóveda se mantenga más o Cada parcela se obtuvo aplicando PCA a una matriz de humedad relativa (HR) diferente: febrero menos con el tiempo, pero puede que no sea el caso de los que están en los de 2007 (diamantes); Septiembre (plazas); Octubre (triángulos); Noviembre de 2007 (círculos). En todos los casos, las matrices se centraron en filas antes del PCA. Las variables unidas corresponden al mismo sensor (etiquetas como enFigura 1). Los puntos de relleno resaltan los frescos. Por lo tanto, si el análisis revela un aumento sostenido de la humedad relativa mes tras mes para un sensor en particular, esa señal advertiría sobre sensores ubicados en las nervaduras de la bóveda o en la cornisa. Las líneas de puntos posibles problemas de humedad que deberían investigarse más a fondo con corresponden a los sensores ubicados en los frescos. Las líneas continuas que unen puntos inspección visual y pruebas adicionales. vacíos indican sensores ubicados en las paredes. Los sensores ubicados en las nervaduras de la bóveda (I, J, X, S, Ñ, D y C) así como en la cornisa (A, B) aparecen agrupados a la izquierda de la parcela (Figura 5 ). Curiosamente, existe una correspondencia entre la posición de las sondas en este grupo y en la bóveda (Figura 1). Estos resultados sugieren que el entorno que rodea a los frescos no es el mismo en todos los puntos de la bóveda. Los sensores colocados en las paredes o en las pinturas tienden a registrar valores más altos que los de las nervaduras de la bóveda. Teniendo en cuenta este resultado y la evolución paralela de la HR frente al tiempo, sugerimos que los primeros midan la HR del aire interior en el ábside más una contribución proveniente del tubo cerámico. Todas las sondas de pared, excepto M y V, también están próximas entre sí en Figura 5. Por el contrario, los sensores de los frescos abarcan un rango más amplio de valores de HR. El volumen delimitado por dos cruces adyacentes que convergen en un mismo nervio de bóveda, el muro y la cubierta del ábside se rellena con un material calizo-arenoso capaz de retener agua. Si este material está 3.5. PCA de datos de temperatura También se realizaron análisis preliminares de las matrices de temperatura con PCA, y se obtuvo que PC1 explica el valor medio de temperatura. En realidad, como en el caso de la HR, las temperaturas registradas siguen un patrón paralelo a lo largo del tiempo que se mantiene mes tras mes. Comprobamos que los valores medios de temperatura registrados por los diferentes sensores en febrero no se correlacionaban significativamente con los valores medios de HR (p =0,092), y se obtuvieron resultados similares en septiembre (p =0,48), octubre (p =0,91) y noviembre (p =0,79). En el caso de PC2, la comparación de las gráficas de carga sugirió que este componente no era significativo y era significativamente diferente de un mes a otro. Las razones son inciertas, pero especulamos que un dato por hora registrado por el sistema probablemente no fue suficiente para identificar pequeñas diferencias entre el patrón común de temperatura seguido por todos los sensores. seco, se espera que ninguno de los severos que encierran el volumen presente problemas de humedad, y sus sensores correspondientes reflejarían condiciones más secas. Este es probablemente el caso de T y O, porque sus datos de HR son más bajos que los de los sensores de pared. Actualmente no se observan problemas de e fl orescencia en esta parte de la bóveda, así como en los sensores K y E, que funcionaron de manera similar (Figura 5). El sensor H es algo anormal porque presenta el menor p [2] cargasFigura 5). Por tanto, es de interés discutir la disposición de los sensores según PC2.Fig. 3 muestra la evolución de los sensores T, U, H y D. Dos de ellos, T y U, se caracterizan por p [2]>0, que no es el caso de H y D (Figura 5). Inspeccionamos cuidadosamente la evolución de la HR para estos cuatro sensores y encontramos ciertos ciclos diarios con un patrón diferente.Fig. 3 indica dos de estos períodos de discriminación, reflejando un desempeño similar de H y D diferente de T y U. Serán necesarios más estudios para comprender por qué el patrón es ligeramente diferente en ciertos sensores en ciertos períodos. La frecuencia de adquisición de datos se estableció inicialmente en un dato por hora porque los sensores están ubicados a 18 m del nivel del suelo y no se esperaban variaciones significativas del microclima que rodea los frescos. a priori por períodos inferiores a una hora. Sin embargo, este intervalo de tiempo de muestreo parece demasiado largo y la mejor solución sería igualarlo al tiempo de respuesta del sistema de monitoreo en condiciones reales. Este valor será superior a 15 s, que es el tiempo de respuesta de los sensores de HR, pero el óptimo es incierto y no hay literatura disponible para este caso. Así, a finales de 2007, la frecuencia de adquisición de datos se fijó en un dato por minuto. Un minuto es una resolución alta y el sistema muestreará muchas veces el mismo valor. No obstante, el registro de estos datos redundantes permitirá realizar más estudios con el fin de determinarposteriormente el tiempo óptimo de muestreo de datos. Esta optimización es de interés porque el tamaño de la base de datos resultante aumentará a lo largo de los años y se debe evitar una sobrecarga de datos excesiva. Los sensores R, H y N registraron los valores más altos de RH (Figura 5). Curiosamente, H y N se encuentran en severidades con problemas de humedad 4. Conclusiones durante la restauración. La e fl orescencia vuelve a aparecer básicamente en las mismas zonas en las que se identificó tras las primeras obras de restauración. Es Una descripción general de los datos de HR registrados por los sensores importante señalar que R y H pertenecen a dos severos que convergen en la instalados en la bóveda muestra que: (i) el entorno microclimático que rodea las misma nervadura. El material de relleno encerrado por estos severos pinturas al fresco sufre variaciones considerables a lo largo del tiempo, y (ii) las probablemente retiene más agua que en señales siguen una evolución paralela. La diferencia Copia personal del autor 344 F.-J. García-Diego, M. Zarzo / Journal of Cultural Heritage 11 (2010) 339–344 Las diferencias entre los sensores se reflejan muy bien en las gráficas de carga correspondientes a PC1 y PC2. Se obtuvieron resultados consistentes repitiendo el análisis de datos mes tras mes. Tres sensores insertados en los frescos (H, N y R) registraron valores más altos que los instalados en las paredes y, curiosamente, dos de ellos (HandR) están ubicados en partes de la bóveda donde aparecieron problemas de humedad durante la restauración. Así, estas señales altas parecen reflejar una humedad excesiva de la capa de yeso que soporta los frescos. De acuerdo con los resultados actuales, no podemos concluir que se requieran medidas correctivas para reducir el riesgo de deterioro que la humedad pueda producir en los frescos a largo plazo, pero al menos los resultados enfatizan la necesidad de continuar con el sistema de monitoreo. La metodología estadística que aquí se aplica es de uso común para el seguimiento, diagnóstico y detección de fallas de procesos químicos discontinuos, pero esta es probablemente la primera vez que se aplica dicha metodología para el seguimiento de obras de arte orientadas a la conservación preventiva. Con el fin de fomentar una mayor investigación en el monitoreo microclimático del patrimonio cultural, estamos creando una base de datos de medidas termohigrométricas que estará disponible para la comunidad científica a través de un sitio web que se encuentra actualmente en construcción. Agradecimientos Esta investigación formó parte de un proyecto multidisciplinar dirigido a la conservación preventiva de los frescos renacentistas de la catedral de Valencia, apoyado por la Conselleria de Cultura y Deporte de la Generalitat Valenciana y el Instituto Valenciano de Conservación y Restauración del Patrimonio Cultural (IVC + R). Los autores agradecen a J. Pérez-Miralles su valiosa ayuda en la instalación de las sondas durante el proceso de restauración, [3] A. Bernardi, D. Camuffo, Microclima en el Museo Municipal del Palacio Chiericati, Vicenza, MuseumManag. Curaduría 14 (1995) 5–18. [4] D. Camuffo, A. Bernardi, G. Sturaro, A. Valentino, El microclima dentro de las salas Pollaiolo y Botticelli en la Galería Uf fi zi, Florencia, J. Cult. Herit. 3 (2002) 155-161. [5] K. Gysels, F. Delalieux, F. Deutsch, R. Van Grieken, D. Camuffo, A. Bernardi, et al., Medio ambiente interior y conservación en el Museo Real de Bellas Artes, Amberes, Bélgica, J. Culto. Herit. 5 (2004) 221–230. [6] Y. Tabunschikov, M. Brodatch, Requisitos de clima del aire interior para iglesias y catedrales rusas, Aire interior 14 (Supl. 7) (2004) 168-174. [7] D. Camuffo, G. Sturaro, A. Valentino, Intercambios termodinámicos entre la capa límite exterior y el microclima interior en la basílica de Santa Maria Maggiore, Roma, Italia: el problema de la conservación de las obras de arte antiguas, Bound. Meteorito de capa. 92 (1999) 243–262. [8] E. Vuerich, F. Malaspina, M. Barazutti, T. Georgiadis, M. Nardino, Mediciones en interiores de las variables del microclima y el ozono en la iglesia de San Vincenzo (Monasterio de Bassano Romano - Italia): un estudio piloto, Microchem . J. 88 (2008) 218–223. [9] G. Loupa, E. Charpantidou, I. Kioutsioukis, S. Rapsomanikis, Microclima interior, ozono y óxidos de nitrógeno en dos iglesias medievales en Chipre, Atmos. Env. 40 (2006) 7457–7466. [10] D. Camuffo, Climatología dinámica interior: investigaciones sobre las interacciones entre paredes y ambiente interior, Atmos. Env. 17 (1983) 1803–1809. [11] D. Camuffo, A. Bernardi, Estudio del microclima de la Sala de los Gigantes en el Palacio de Carrara en Padua, Stud. Conservat. 40 (1995) 237–249. [12] D. Camuffo, E. Pagan, A. Bernardi, F. Becherini, El impacto de la calefacción, la iluminación y las personas en la reutilización de edificios históricos: un estudio de caso, J. Cult. Herit. 5 (2004) 409–416. [13] D. Camuffo, A. Bernardi, El microclima de la Capilla Sixtina, Eur. Culto. Heritage Newslett. Res. 9 (1995) 7-33. [14] D. Camuffo, A. Bernardi, Themicroclimate of Leonardo's Last Supper, Bollettino Geo fi sico 14 (3) (1991) 1-75. [15] F. Marías Franco, Angélico Borgia: Frescos de la catedral de Valencia, FMR 22 (2007) 49–72. [16] A. Bernardi, V. Todorov, J. Hiristova, Análisis microclimático en la iglesia de San Esteban, Nessebar, Bulgaria después de intervenciones para la conservación de frescos, J. Cult. Herit. 1 (2000) 281–286. [17] D. Del Vescovo, A. Fregolent, Evaluación de desprendimientos de frescos mediante un método acústico no invasivo, J. Sound Vib. 284 (2005) 1015–1031. [18] Honeywell Inc. (2009). Hoja de datos Sensores de humedad de la serie HIH-4000 (Obtenido de http://sensing.honeywell.com/index.cfm/ci id / 140570 / la id / 1 / document / 1 / re id / 0 el 27 de mayo de 2009). MC Pérez-García por la coordinación del equipo multidisciplinar involucrado en este proyecto y J. Alario-Genovés por la producción de alta calidad de algunas figuras y C. Villanueva por su amigable colaboración. [19] P. Nomikos, JF MacGregor, Monitoreo de procesos por lotes usando análisis de componentes principales de múltiples vías, AIChE J. 40 (1994) 1361-1375. [20] P. Nomikos, Detección y diagnóstico de operaciones por lotes anormales basadas en análisis de componentes principales de múltiples vías, ISA Trans. 35 (1996) 259–266. [21] NB Gallagher, BM Wise, CW Stewart, Aplicación del análisis de componentes principales de múltiples vías para el monitoreo de tanques de almacenamiento de desechos nucleares, Comput. Chem. Ing. Referencias [1] D. Camuffo, Microclima para el patrimonio cultural, Elsevier, Amsterdam, 1998. [2] A. Bernardi, Microclima en el Museo Británico, Londres, Museum Manag. Curaduría 9 (1990) 169–182. 20 (1996) S739 – S744. [22] S. Rännar, JFMacGregor, S.Wold, Monitoreo adaptativo de lotes mediante PCA jerárquico, Chemom. Intell. Laboratorio. Syst. 41 (1998) 73–81. [23] M. Zarzo, A. Ferrer, Diagnóstico del proceso por lotes: PLS con selección variable frente a PCR en bloque, Chemom. Intell. Laboratorio. Syst. 73 (2004) 15-27.