O objetivo deste trabalho é o desenvolvimento de uma ferramenta de regressão multivariável apropriada para abordar o problema da modelagem de propriedades relacionadas à qualidade final de produtos em processos industriais. No caso geral, dados provenientes de sistemas físicos e químicos típicos do meio industrial são caracterizados pela presença de relação não linear entre as variáveis, podendo, ainda, apresentar outros problemas que dificultam o processo de modelagem empírica, como baixa disponibilidade de observações experimentais, presença de ruído excessivo nas medidas e a presença de colinearidade entre os termos explicativos. Foi feita uma revisão de diferentes métodos de regressão multivariável tais como regressão linear múltipla (MLR), regressão não linear baseada em transformações das variáveis explicativas e métodos de redução de dimensionalidade (PCA, PLS, QPLS e BTPLS). Também foram propostas novas metodologias para a abordagem das questões da seleção de variáveis e estimação das incertezas dos modelos. Posteriormente, utilizando as metodologias revisadas e propostas, foi sugerida uma sistemática para o tratamento da questão da modelagem empírica de dados industriais, que constitui a base para a implementação da ferramenta desejada. A aplicabilidade da ferramenta desenvolvida foi ilustrada através de alguns estudos de caso retirados da literatura, onde modelos para a predição de propriedades relativas à qualidade de produtos produzidos em quatro tipos de processos industriais diferentes são obtidos.

A identificação de modelos é determinante no sucesso das modernas técnicas de controle avançado de processos. Um modelo para o sistema pode ser obtido através de modelagem rigorosa, baseada em equações governantes do sistema ou através da modelagem empírica e estimação de parâmetros. Embora mais rápida e fácil, a modelagem empírica necessita de alguns testes de identificação nos quais as variáveis manipuladas são variadas de modo que resultem em variações nas variáveis controladas. Os testes de identificação podem apresentar custos muito elevados tendo em vista que o sistema pode sair de seu ponto normal de operação, gerando produtos com folga de especificação. Este fato ocorre porque usualmente as perturbações aplicadas nas variáveis manipuladas nas indústrias de processos são independentes umas das outras, aumentando a duração do teste de identificação. Desta forma, neste trabalho foi desenvolvida uma nova metodologia de projeto de perturbações simultâneas para a identificação de modelos dinâmicos baseada na direcionalidade do sistema, com o objetivo de fornecer dados mais ricos para se capturar corretamente o comportamento multivariável do sistema e manter o processo no ponto de operação normal. As perturbações são projetadas conforme as características de um modelo simplificado do processo, ou pré-modelo. Este modelo inicial é obtido essencialmente de dados históricos de planta, selecionados através de uma sistemática análise de correlação desenvolvida neste trabalho A metodologia proposta é composta de duas partes: a primeira parte diz respeito à análise dos dados históricos de planta para obtenção de informações prelimirares as quais são utilizadas no planejamento de perturbações, tais como amplitude do ruído de medida, correlação entre as variáveis de processo, constante de tempo do sistema e matriz de ganhos. E a segunda parte consiste no cálculo da amplitude das perturbações baseado nos resultados da primeira etapa do planejamento. Para sistemas mal-condicionados verificou-se que as perturbações planejadas pela metodologia removem menos a planta de seu ponto de operação gerando resultados mais consistentes em relação às perturbações tradicionais. Já para sistemas bem-condicionados, os resultados são semelhantes. A metodologia foi aplicada em uma unidade piloto experimental e numa unidade de destilação da PETROBRAS, cujos resultados apontam pouca remoção dos sistemas do ponto de operação e modelos consistentes. A validação dos modelos também foi contemplada na dissertação, uma vez que foi proposto um novo critério de validação que considera a derivada dos dados de planta e a do modelo e não apenas os dados de planta e os dados da simulação das saídas do modelo.

A consolidação da automação na indústria química trouxe um desafio: transformar o grande volume de dados provenientes dos processos em informação útil. Com o advento dos sistemas digitais, a expansão no desenvolvimento de sensores e métodos de amostragem possibilitou a aquisição de uma elevada quantidade de dados advindos do campo industrial, de forma que, atualmente, engenheiros e operadores dificilmente carecem de informações sobre as diferentes variáveis de um processo. Os algoritmos para compressão de dados de planta surgiram como alternativa para reduzir o espaço de armazenamento demandado por essas informações. Comprimir dados significa gravar apenas uma porção da informação original, devendo-se preservar, no entanto, as características importantes que elas carregam. Ultimamente, não é apenas o espaço em disco que deve ser priorizado quando se fala em compressão. É necessário que os dados sejam fieis às reais informações do processo e, além disso, devem ser recuperados e transmitidos em velocidade razoável. Neste trabalho são apresentadas duas metodologias para a compressão de dados de processos químicos. Para tanto, são utilizadas técnicas para o cálculo da derivada de sinais ruidosos e curvas polinomiais (splines cúbicas) que preservam as características dos dados. Também são propostas sistemáticas para o ajuste automático dos parâmetros nas rotinas de compressão do sistema PI da OSIsoft®. A fim de avaliar essas propostas, foram utilizados alguns estudos de caso, compreendendo sinais reais de uma planta laboratorial e outros artificiais gerados por simulação computacional, abrangendo dinâmicas distintas e características peculiares. Os resultados mostram que os algoritmos são promissores para gravar dados de processos sem que se perca a essência da informação, a qual armazenada pode ser transformada em conhecimento sem prejuízo da qualidade em termos dinâmicos e estáticos. / The consolidation of the automation in the chemical industry has brought a challenge: translating the large volume of data in useful information. With the advent of digital systems, the expansion in the development of sensors and sampling methods allowed the acquisition of a large amount of data from the process field. Thus, nowadays, engineers and operators rarely suffer from lack of information arising from the several process variables. The algorithms for data compression appeared as an alternative to reducing the storage space demanded by these information. Data compressing means to record only a portion of the original information, preserving, however, the relevant features that they hold. Recently, is not only the disk space that must be prioritized when one talks about compression. It is necessary data to be reliable to the actual process information, and, moreover, must be retrived and transmitted at an aceptable speed. In this work, two methodologies for data compression of chemical processes are presented. Therefore, techniques to estimate derivatives of noisy signals and polynomial curves (cubic splines), which preserve the data features, are used. Also, systematic approaches to automate the tuning of the parameters in the OSIsoft® PI System® compression routines are proposed. In order to evaluate these proposals, some case studies are taken, composed by real signals, from a laboratorial plant, and artificial ones generated by computacional simulation, embracing diversified dynamics and peculiar features. The results show that the proposed algorithms are promising to store processes data without significant loss of information, which can be converted in knowledge without jeopardizing the quality in static and dynamic aspects.

Com o aumento da competitividade no mercado nos últimos anos, a busca por alternativas que permitam a redução dos custos de produção tem sido constante. Este fato, aliado aos custos crescentes da energia e a preocupação cada vez maior com o impacto ambiental dos processos, tornam indispensável o controle e o aumento da eficiência dos mesmos, assim como o maior aproveitamento possível da energia. No presente trabalho, uma nova metodologia para a otimização da eficiência energética em colunas de destilação é proposta. A partir de uma simulação estacionária de um processo de separação, desenvolvida em Aspen Plus®, e validada com dados do processo real, foram obtidos modelos empíricos de curvas de operação baseadas na energia requerida para atingir a especificação dos produtos. A metodologia proposta foi avaliada no estudo de caso de uma coluna de separação de benzeno, tolueno e xileno (BTX). Com o modelo de energia requerida identificado para o processo, duas condições operacionais distintas do processo real foram avaliadas com relação à sua eficiência. A partir da redução na vazão de vapor no refervedor, verificou-se um aumento na eficiência energética do processo de 75 para cerca de 100%, indicando a operação muito próxima do ponto ótimo. Para avaliar a utilização do modelo de energia requerida no controle de processos, duas estratégias alternativas foram propostas a partir de uma simulação dinâmica da unidade, desenvolvida em Aspen Dynamics®. A configuração de bloco de cálculo em conjunto com um controlador de composição apresentou o melhor desempenho entre as configurações avaliadas. A utilização do modelo permite que apenas a energia requerida seja efetivamente utilizada, enquanto que o controle de composição garante a especificação do produto de topo nestas situações. Com esta configuração, seria possível obter um incremento na vazão desta corrente da ordem de 92 t/ano a partir da incorporação de inertes. / With the competitive and global business environment, the search for opportunities to reduce the production costs has been constant. This fact associated with higher energy costs and the concern about the environmental impact of the processes, makes it essential to control and increase their efficiency. In this work, a new methodology for optimizing the energy efficiency in distillation columns is proposed. From a steady state simulation of a separation process, implemented in Aspen Plus® and validated against process data, models for the required energy were obtained. The methodology was evaluated for a case study of a benzene, toluene and xylene separation column (BTX). With the required energy model identified, two distinct operational conditions of the real process were evaluated regarding their efficiency. After a vapor flow reduction in the reboiler, there was an increase in process efficiency from 75% to about 100, indicating the operation condition very close to the optimum. To evaluate the use of the energy required model in process control, two strategies were proposed from a dynamic simulation of the process in Aspen Dynamics®. The configuration of a calculation block along with a composition controller showed the best performance among the alternatives tested. The use of the model allows only the required energy to be used, whereas the composition control ensures the top product specification in these situations. With this configuration, it would be possible to obtain an increase in the product flow of 92 t/year.

As constantes pressões por redução de margem de lucro, melhoria de qualidade de produtos e segurança operacional que a indústria de processamento vem sofrendo, tem levado as mesmas a utilizarem ferramentas especializadas de otimização de processos. Nas décadas de 1980 e 1990, esta indústria investiu fortemente na utilização de ferramentas de otimização estacionária em tempo real (RTO) nas formas online e offline. Esta tecnologia já atingiu o seu grau de maturidade. Porém está limitada pelas suas características estacionárias, não tendo capacidade de otimizar processos diante das perturbações freqüentes, tais como alterações de qualidade e quantidade de carga, transições decorrentes de alterações de programação de produção ou de receita de uma produção em batelada ou semi-batelada, dentre outros. Para cobrir este espaço, a otimização dinâmica em tempo real (DRTO) é a tecnologia adequada para reduzir a quantidade de produtos fora de especificação e otimizar o lucro operacional diante destas perturbações. Porém, esta tecnologia ainda não atingiu o seu grau de maturidade, tendo ferramentas comerciais apenas na sua versão offline. Com o objetivo de contribuir com a consolidação desta tecnologia, propõe-se estudar e desenvolver uma arquitetura de sistema de DRTO para operar nas plantas de processo, promover melhorias conceituais nesta tecnologia, e desenvolver uma ferramenta de diagnóstico e sintonia de DRTO. Esta estrutura é bem completa e fornece a flexibilidade necessária para uso industrial. A ferramenta de diagnóstico permite resolver os problemas que ocorrerem ao longo do uso do DRTO. Além disso, é apresentada uma nova metodologia de análise e solução de inviabilidades, baseada em otimização multiobjetivos aplicada à otimização dinâmica. Esta técnica pode ser utilizada tanto online quanto offline, para diagnóstico, e na solução de problemas de otimização dinâmica, conferindo mais robustez ao DRTO, evitando insucessos do otimizador. / Considering the constant pressures for profit margins reduction, improvement of products quality and operational safety, that the processing industry has been submitted, has led them to the use of specialized tools of processes optimization. In the 1980 and 1990 decades, this industry has invested strongly in the use of stationary real-time optimization tools (RTO), in the online and offline forms. This technology already reached its degree of maturity, but limited to its stationary characteristics, having no ability to optimize processes due to frequent disturbances, such as quality and feed flows transitions, consequence of frequent changes in the production scheduling or recipes in batch or semibatch operations, and others. To cover this space, the dynamic real-time optimization (DRTO) is the appropriate technology to reduce the off-spec production and optimize the operational profit when the process is submitted to these disturbances. However, this technology has not reached its maturity, having only commercial tools available only in yuor offline version. In order to contribute to the consolidation of this technology, it is proposed to study and develop a DRTO system architecture to operate in process plants, to promote a conceptual improvements in this technology, and to develop a DRTO diagnostic and tuning tool. This structure is quite complete and provides the flexibility required for industrial application. The diagnostic tool allows us to solve problems that occur during the use of the DRTO system. In addition, a new methodology for infeasibility analysis and solution in DAOP is proposed here, and it is based on the solution of the multiobjective dynamic optimization. This technique can be used in online and offline modes, for diagnostics and troubleshooting dynamic optimization problems, giving more robustness to the DRTO systems, avoiding some optimizer failures.

As constantes pressões por redução de margem de lucro, melhoria de qualidade de produtos e segurança operacional que a indústria de processamento vem sofrendo, tem levado as mesmas a utilizarem ferramentas especializadas de otimização de processos. Nas décadas de 1980 e 1990, esta indústria investiu fortemente na utilização de ferramentas de otimização estacionária em tempo real (RTO) nas formas online e offline. Esta tecnologia já atingiu o seu grau de maturidade. Porém está limitada pelas suas características estacionárias, não tendo capacidade de otimizar processos diante das perturbações freqüentes, tais como alterações de qualidade e quantidade de carga, transições decorrentes de alterações de programação de produção ou de receita de uma produção em batelada ou semi-batelada, dentre outros. Para cobrir este espaço, a otimização dinâmica em tempo real (DRTO) é a tecnologia adequada para reduzir a quantidade de produtos fora de especificação e otimizar o lucro operacional diante destas perturbações. Porém, esta tecnologia ainda não atingiu o seu grau de maturidade, tendo ferramentas comerciais apenas na sua versão offline. Com o objetivo de contribuir com a consolidação desta tecnologia, propõe-se estudar e desenvolver uma arquitetura de sistema de DRTO para operar nas plantas de processo, promover melhorias conceituais nesta tecnologia, e desenvolver uma ferramenta de diagnóstico e sintonia de DRTO. Esta estrutura é bem completa e fornece a flexibilidade necessária para uso industrial. A ferramenta de diagnóstico permite resolver os problemas que ocorrerem ao longo do uso do DRTO. Além disso, é apresentada uma nova metodologia de análise e solução de inviabilidades, baseada em otimização multiobjetivos aplicada à otimização dinâmica. Esta técnica pode ser utilizada tanto online quanto offline, para diagnóstico, e na solução de problemas de otimização dinâmica, conferindo mais robustez ao DRTO, evitando insucessos do otimizador. / Considering the constant pressures for profit margins reduction, improvement of products quality and operational safety, that the processing industry has been submitted, has led them to the use of specialized tools of processes optimization. In the 1980 and 1990 decades, this industry has invested strongly in the use of stationary real-time optimization tools (RTO), in the online and offline forms. This technology already reached its degree of maturity, but limited to its stationary characteristics, having no ability to optimize processes due to frequent disturbances, such as quality and feed flows transitions, consequence of frequent changes in the production scheduling or recipes in batch or semibatch operations, and others. To cover this space, the dynamic real-time optimization (DRTO) is the appropriate technology to reduce the off-spec production and optimize the operational profit when the process is submitted to these disturbances. However, this technology has not reached its maturity, having only commercial tools available only in yuor offline version. In order to contribute to the consolidation of this technology, it is proposed to study and develop a DRTO system architecture to operate in process plants, to promote a conceptual improvements in this technology, and to develop a DRTO diagnostic and tuning tool. This structure is quite complete and provides the flexibility required for industrial application. The diagnostic tool allows us to solve problems that occur during the use of the DRTO system. In addition, a new methodology for infeasibility analysis and solution in DAOP is proposed here, and it is based on the solution of the multiobjective dynamic optimization. This technique can be used in online and offline modes, for diagnostics and troubleshooting dynamic optimization problems, giving more robustness to the DRTO systems, avoiding some optimizer failures.

O objetivo deste trabalho é o desenvolvimento de uma ferramenta de regressão multivariável apropriada para abordar o problema da modelagem de propriedades relacionadas à qualidade final de produtos em processos industriais. No caso geral, dados provenientes de sistemas físicos e químicos típicos do meio industrial são caracterizados pela presença de relação não linear entre as variáveis, podendo, ainda, apresentar outros problemas que dificultam o processo de modelagem empírica, como baixa disponibilidade de observações experimentais, presença de ruído excessivo nas medidas e a presença de colinearidade entre os termos explicativos. Foi feita uma revisão de diferentes métodos de regressão multivariável tais como regressão linear múltipla (MLR), regressão não linear baseada em transformações das variáveis explicativas e métodos de redução de dimensionalidade (PCA, PLS, QPLS e BTPLS). Também foram propostas novas metodologias para a abordagem das questões da seleção de variáveis e estimação das incertezas dos modelos. Posteriormente, utilizando as metodologias revisadas e propostas, foi sugerida uma sistemática para o tratamento da questão da modelagem empírica de dados industriais, que constitui a base para a implementação da ferramenta desejada. A aplicabilidade da ferramenta desenvolvida foi ilustrada através de alguns estudos de caso retirados da literatura, onde modelos para a predição de propriedades relativas à qualidade de produtos produzidos em quatro tipos de processos industriais diferentes são obtidos.

A identificação de modelos é determinante no sucesso das modernas técnicas de controle avançado de processos. Um modelo para o sistema pode ser obtido através de modelagem rigorosa, baseada em equações governantes do sistema ou através da modelagem empírica e estimação de parâmetros. Embora mais rápida e fácil, a modelagem empírica necessita de alguns testes de identificação nos quais as variáveis manipuladas são variadas de modo que resultem em variações nas variáveis controladas. Os testes de identificação podem apresentar custos muito elevados tendo em vista que o sistema pode sair de seu ponto normal de operação, gerando produtos com folga de especificação. Este fato ocorre porque usualmente as perturbações aplicadas nas variáveis manipuladas nas indústrias de processos são independentes umas das outras, aumentando a duração do teste de identificação. Desta forma, neste trabalho foi desenvolvida uma nova metodologia de projeto de perturbações simultâneas para a identificação de modelos dinâmicos baseada na direcionalidade do sistema, com o objetivo de fornecer dados mais ricos para se capturar corretamente o comportamento multivariável do sistema e manter o processo no ponto de operação normal. As perturbações são projetadas conforme as características de um modelo simplificado do processo, ou pré-modelo. Este modelo inicial é obtido essencialmente de dados históricos de planta, selecionados através de uma sistemática análise de correlação desenvolvida neste trabalho A metodologia proposta é composta de duas partes: a primeira parte diz respeito à análise dos dados históricos de planta para obtenção de informações prelimirares as quais são utilizadas no planejamento de perturbações, tais como amplitude do ruído de medida, correlação entre as variáveis de processo, constante de tempo do sistema e matriz de ganhos. E a segunda parte consiste no cálculo da amplitude das perturbações baseado nos resultados da primeira etapa do planejamento. Para sistemas mal-condicionados verificou-se que as perturbações planejadas pela metodologia removem menos a planta de seu ponto de operação gerando resultados mais consistentes em relação às perturbações tradicionais. Já para sistemas bem-condicionados, os resultados são semelhantes. A metodologia foi aplicada em uma unidade piloto experimental e numa unidade de destilação da PETROBRAS, cujos resultados apontam pouca remoção dos sistemas do ponto de operação e modelos consistentes. A validação dos modelos também foi contemplada na dissertação, uma vez que foi proposto um novo critério de validação que considera a derivada dos dados de planta e a do modelo e não apenas os dados de planta e os dados da simulação das saídas do modelo.

A consolidação da automação na indústria química trouxe um desafio: transformar o grande volume de dados provenientes dos processos em informação útil. Com o advento dos sistemas digitais, a expansão no desenvolvimento de sensores e métodos de amostragem possibilitou a aquisição de uma elevada quantidade de dados advindos do campo industrial, de forma que, atualmente, engenheiros e operadores dificilmente carecem de informações sobre as diferentes variáveis de um processo. Os algoritmos para compressão de dados de planta surgiram como alternativa para reduzir o espaço de armazenamento demandado por essas informações. Comprimir dados significa gravar apenas uma porção da informação original, devendo-se preservar, no entanto, as características importantes que elas carregam. Ultimamente, não é apenas o espaço em disco que deve ser priorizado quando se fala em compressão. É necessário que os dados sejam fieis às reais informações do processo e, além disso, devem ser recuperados e transmitidos em velocidade razoável. Neste trabalho são apresentadas duas metodologias para a compressão de dados de processos químicos. Para tanto, são utilizadas técnicas para o cálculo da derivada de sinais ruidosos e curvas polinomiais (splines cúbicas) que preservam as características dos dados. Também são propostas sistemáticas para o ajuste automático dos parâmetros nas rotinas de compressão do sistema PI da OSIsoft®. A fim de avaliar essas propostas, foram utilizados alguns estudos de caso, compreendendo sinais reais de uma planta laboratorial e outros artificiais gerados por simulação computacional, abrangendo dinâmicas distintas e características peculiares. Os resultados mostram que os algoritmos são promissores para gravar dados de processos sem que se perca a essência da informação, a qual armazenada pode ser transformada em conhecimento sem prejuízo da qualidade em termos dinâmicos e estáticos. / The consolidation of the automation in the chemical industry has brought a challenge: translating the large volume of data in useful information. With the advent of digital systems, the expansion in the development of sensors and sampling methods allowed the acquisition of a large amount of data from the process field. Thus, nowadays, engineers and operators rarely suffer from lack of information arising from the several process variables. The algorithms for data compression appeared as an alternative to reducing the storage space demanded by these information. Data compressing means to record only a portion of the original information, preserving, however, the relevant features that they hold. Recently, is not only the disk space that must be prioritized when one talks about compression. It is necessary data to be reliable to the actual process information, and, moreover, must be retrived and transmitted at an aceptable speed. In this work, two methodologies for data compression of chemical processes are presented. Therefore, techniques to estimate derivatives of noisy signals and polynomial curves (cubic splines), which preserve the data features, are used. Also, systematic approaches to automate the tuning of the parameters in the OSIsoft® PI System® compression routines are proposed. In order to evaluate these proposals, some case studies are taken, composed by real signals, from a laboratorial plant, and artificial ones generated by computacional simulation, embracing diversified dynamics and peculiar features. The results show that the proposed algorithms are promising to store processes data without significant loss of information, which can be converted in knowledge without jeopardizing the quality in static and dynamic aspects.

Dado a larga aplicação dos modelos matemáticos, a procura pelo aprimoramento dos métodos de identificação de modelos sempre é bem vinda. Foi em cima disto que se desenvolveu o presente trabalho. Considerando a problemática de que os distúrbios desconhecidos nas entradas comprometem a qualidade da estimação dos parâmetros, se estudou a estimação combinada com o estimador de estados CEKF (Constrained Extended Kalmam Filter). Isto porque se supôs que com o emprego do CEKF o efeito do distúrbio desconhecido seria reduzido. Para tanto, se tomou um caso de estudo de seis tanques esféricos interligados e formam simulados dados experimentais computacionalmente. Foi escolhido um ponto de operação para a estimação com base na estimabilidade dos parâmetros. Antes da estimação os dados experimentais foram filtrados. Para a estimação dos parâmetros foi elaborada uma metodologia iterativa, caracterizada pelos três procedimentos: (1) estimação dos parâmetros, (2) ajuste de função objetivo: possibilidade de incorporar as derivadas medidas, bem como os estados e derivadas estimados pelo CEKF e (3) melhoria dos dados com a passagem do CEFK. Em outras palavras, a metodologia desenvolvida consiste em estimações de parâmetros seqüenciais acompanhadas com a melhoria progressiva dos dados devido à aplicação do CEKF. Para o estudo de caso tomado foi perceptível a melhoria na estimação dos parâmetros, tornando interessante a continuidade do estudo que foi iniciado no presente trabalho. / Given the wide application of mathematical models, the demand for improvement of methods of identification of models is always welcome. It was upon this that has developed in this work. Considering the problem of the unknown disturbances in the inputs affect the quality of the estimation of parameters, we studied the estimation combined with the estimator states CEKF (Extended Constrained Filter Kalmar). This is because it was assumed that with the use of CEKF the effect of unknown disturbance would be reduced. As such, it took a case study of six spherical tanks interconnected to form simulated experimental data computationally. Was chosen an operating point for the estimation based on the estimated parameters. Before estimating the experimental data were filtered. For the estimation has been elaborated iterative methodology, characterized by three procedures: (1) parameter estimation, (2) adjustment of the objective function: the possibility of incorporating the derived measures, and states and derive the estimated CEKF and (3 ) improvement of data with the passage of CEFK. In other words, the methodology consists of sequential estimation of parameters together with the gradual improvement of data due to application of CEKF. For the case study was taken a noticeable improvement in the estimation of parameters, makes it interesting to continue the study that was initiated in this work.