Submitted by Gustavo Nascimento (gustavo.diniz@ufcg.edu.br) on 2018-02-02T12:22:34Z No. of bitstreams: 1 MARIÂNGELA DA SILVA ARAÚJO EMERENCIANO - TESE PPGEQ 2014.pdf: 2549347 bytes, checksum: 4f7d187e940acf4a6dcad840f1d5c392 (MD5) / Made available in DSpace on 2018-02-02T12:22:34Z (GMT). No. of bitstreams: 1 MARIÂNGELA DA SILVA ARAÚJO EMERENCIANO - TESE PPGEQ 2014.pdf: 2549347 bytes, checksum: 4f7d187e940acf4a6dcad840f1d5c392 (MD5) Previous issue date: 2014-12-17 / Capes / Os processos industriais são sistemas multivariáveis (MIMO) que consistem de múltiplas variáveis de entrada e múltiplas variáveis de saída, onde a interação entre essas variáveis é uma característica inerente desses processos. A identificação do modelo nesse tipo de processo é uma etapa importante na implementação do sistema de controle, principalmente quando se trata de controladores MPC, os quais incorporam um modelo explícito do processo. O procedimento de identificação realizado neste trabalho propõe uma abordagem diferente da que se tem visto na literatura. Enquanto o mais comum é estimular as variáveis manipuladas, a nova abordagem proposta visa estimular o processo a partir de perturbações nos setpoints das variáveis controladas, em malha fechada, com o intuito de se obter uma melhor avaliação dos efeitos das variáveis controladas e manipuladas. A proposta deste trabalho é comparar duas estratégias de controle: uma estratégia de controle clássico e uma estratégia de controle multivariável baseado em modelo (MPC). O estudo de caso é uma coluna de separação propeno/propano de alta pureza com recompressão de vapor. Quando comparado o controle descentralizado com o controle MPC, observa-se que o MPC apresenta melhores resultados, afirmação esta, baseada nos valores do índice de desempenho IAE (Integral Absolute Error) para as duas propostas analisadas. / Industrial processes are multivariable systems (MIMO) consisting of multiple input variables and multiple output variables, where the interaction between these variables is an inherent characteristic of these processes. The model identification in this type of process is an important step in the implementation of the control system, especially when it comes to MPC controllers, which incorporate an explicit process model. The identification procedure performed in this research proposes a different approach to what has been seen in the literature. While the most common is to stimulate the manipulated variables, the proposed new approach aims to stimulate the process from disturbances in the setpoints of the controlled variables, closed loop, in order to obtain a better assessment of the effects of controlled and manipulated variables. The purpose of this study is to compare two control strategies: A classic control strategy and a multivariable control strategy based on model (MPC). The case study is a column separation of propylene / propane with high purity vapor recompression. When compared with the decentralized control the MPC control, it is observed that the MPC performs better, this statement, based on the values of IAE performance index (Integral Absolute Error) for the two proposals analyzed.