No description available.

El presente Trabajo de Título tuvo por objetivo la simulación del control de Oxígeno Disuelto (OD) y la Demanda Química de Oxígeno (DQO) biodegradable en un sistema de lodos activados utilizando el modelo IWA ASM1 (considerando solo la remoción de carbono). Los datos de dimensionamiento, concentraciones y cinética bacteriana necesarias para la implementación del control fueron obtenidos de la ingeniería de una planta de tratamiento de aguas servidas. El control se basó en dos lazos feedback que controlaban el OD y DQO modificando las variables de entrada coeficiente de transferencia global de oxígeno (KLa) y tasa de recirculación de lodos activos ( r ), las que corresponden a flujo de aire alimentado y a flujo de lodos reciclado. La medición de las variables controladas se llevó a cabo mediante un método directo de medición de OD y uno indirecto para inferir la DQO biodegradable. La simulación dinámica del control realizado ante perturbaciones en la DQO biodegradable alimentada responde ajustándose dentro de límites impuestos por autoridad ( 70 ppm de DQO biodegradable en el efluente) y los límites necesarios para la operatividad del proceso (1 ppm de OD en el reactor). Otro objetivo que se persigue es un tiempo de asentamiento de las respuestas de los sistemas controlados sea cercano a medio turno de operador. Los resultados de la simulación son bastante alentadores respecto a la utilización de un sensor virtual de DQO biodegradable basado en la medición de OD y en una relación constante DQO biodegradable/OD, puesto que al cerrar el lazo de control de DQO con esta medición, se ajusta bastante bien al comportamiento del valor teórico. No obstante, esta medición no es certera y produce problemas de estabilidad, por lo que resulta más complejo hacer la sintonización y debiera utilizarse acompañado de mediciones periódicas de DQO biodegradable que permitan corregir valores predichos. En cualquier caso, es posible mantener las respuestas bajo los criterios de control impuestos. También se pudo observar que el sistema entrega valores distantes a los empíricamente esperados en algunos casos, producto de la hipótesis simplificatoria que mantiene la concentración de biomasa de los lodos constante, esto debe ser corregirse en futuras experiencia mediante un sensor virtual de DQO biodegradable basado en un balance de masa de lodos sedimentados o mediante un sensor de sólidos suspendidos. Ya sea utilizando una hipótesis de densidad constante o un balance de masas más estricto, debiese realizarse periódicamente una comprobación de la densidad de los lodos con tal de predecir comportamientos con mayor grado de certeza. Finalmente, se considera que el programa es un buen complemento para el control (no necesariamente automático) del funcionamiento de la planta puesto que sus resultados pueden ser aplicados en el programa de control diario.

Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores, que são raramente tratados em publicações científicas. É também proposta uma metodologia para detecção e correção destes erros que foram encontrados e que afetam o comportamento do sensor, alterando sua precisão e capacidade de ser utilizado em um controle inferencial da planta. / Soft sensors for composition inference models (that are responsible for the quality) of distillation column products, correspond to virtual instruments implemented in software. This software is able to estimate, in real time, the composition of the output products of the column, based on information such as temperature and pressure on several points of the column and on input, output and recycle flow. The purpose of this work is to obtain a soft sensor that estimates the instantaneous composition of the product at the top of a multicomponent distillation column with a partial condenser, employing artificial neural networks. The chosen architecture was the feedforward neural network with three layers. It was chosen based on many tested options. It was developed a dynamical simulator of this column for data acquisition based on a non-linear model. In this study, it was included an investigation about the influence of partial training in the performance of the soft sensor. The goal is to study the results achieved in the case of a soft sensor trained beforehand, with data acquired from the simulator of this column. This procedure makes possible to have an operational soft sensor, trained based on a simulated data set or on a small amount of points and then retrained when a real or larger data set is available. Another important contribution is the study performed about the main errors that may appear in this kind of sensor. These errors are rarely mentioned in scientific papers. It also aims at implementing techniques to enable detection and correction of those errors that the soft sensor may present, and that affect the performance of the soft sensor, changing its precision and making it inadequate for inferential control.

Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores, que são raramente tratados em publicações científicas. É também proposta uma metodologia para detecção e correção destes erros que foram encontrados e que afetam o comportamento do sensor, alterando sua precisão e capacidade de ser utilizado em um controle inferencial da planta. / Soft sensors for composition inference models (that are responsible for the quality) of distillation column products, correspond to virtual instruments implemented in software. This software is able to estimate, in real time, the composition of the output products of the column, based on information such as temperature and pressure on several points of the column and on input, output and recycle flow. The purpose of this work is to obtain a soft sensor that estimates the instantaneous composition of the product at the top of a multicomponent distillation column with a partial condenser, employing artificial neural networks. The chosen architecture was the feedforward neural network with three layers. It was chosen based on many tested options. It was developed a dynamical simulator of this column for data acquisition based on a non-linear model. In this study, it was included an investigation about the influence of partial training in the performance of the soft sensor. The goal is to study the results achieved in the case of a soft sensor trained beforehand, with data acquired from the simulator of this column. This procedure makes possible to have an operational soft sensor, trained based on a simulated data set or on a small amount of points and then retrained when a real or larger data set is available. Another important contribution is the study performed about the main errors that may appear in this kind of sensor. These errors are rarely mentioned in scientific papers. It also aims at implementing techniques to enable detection and correction of those errors that the soft sensor may present, and that affect the performance of the soft sensor, changing its precision and making it inadequate for inferential control.

[pt] As tecnologias de imageamento em três dimensões (3D) vêm tendo seu uso cada vez mais disseminado no meio acadêmico e no setor industrial, especialmente na forma de nuvens de pontos, uma representação matemática da geometria e superfície de um objeto ou área. No entanto, a obtenção desses dados pode ainda ser cara e demorada, reduzindo a eficiência de muitos procedimentos que são dependentes de um grande conjunto de nuvens de pontos, como a geração de datasets para treinamento de aprendizagem de máquina, cálculo de dossel florestal e inspeção submarina. Uma solução atualmente em voga é a criação de simuladores computacionais de sistemas de imageamento, realizando o escaneamento virtual de um cenário feito a partir de arquivos de objetos 3D. Este trabalho apresenta o desenvolvimento de um simulador de sistema LiDAR (light detection and ranging) baseado em algoritmos de rastreamento de raio com paralelismo (GPU raytracing), com o sensor virtual modelado por parâmetros metrológicos e calibrado por meio de comparação com um sensor real, juntamente com um gerador flexível de cenários virtuais. A combinação destas ferramentas no simulador resultou em uma geração robusta de nuvens de pontos sintéticas em cenários diversos, possibilitando a criação de datasets para uso em testes de conceitos, combinação de dados reais e virtuais, entre outras aplicações. / [en] Three dimensional (3D) imaging technologies have been increasingly used in academia and in the industrial sector, especially in the form of point clouds, a mathematical representation of the geometry and surface of an object or area. However, obtaining this data can still be expensive and time consuming, reducing the efficiency of many procedures dependent on a large set of point clouds, such as the generation of datasets for machine learning training, forest canopy calculation and subsea survey. A trending solution is the development of computer simulators for imaging systems, performing the virtual scanning of a scenario made from 3D object files. At the end of this process, synthetic point clouds are obtained. This work presents the development of a LiDAR system simulator (light detection and ranging) based on parallel ray tracing algorithms (GPU raytracing), with its virtual sensor modeled by metrological parameters. A way of calibrating the sensor is displayed, by comparing it with the measurements of a real LiDAR sensor, in addition to surveying error models to increase the realism of the virtual scan. A flexible scenario creator was also implemented to facilitate interaction with the user. The combination of these tools in the simulator resulted in a robust generation of synthetic point clouds in different scenarios, enabling the creation of datasets for use in concept tests, combining real and virtual data, among other applications.

Submitted by Samira Prince (prince@ufpa.br) on 2012-05-11T14:16:38Z No. of bitstreams: 1 Dissertacao_EstimacaoPorcentagemFluor.pdf: 3010181 bytes, checksum: 0b250d533f6f07d9141beb6a3afccea1 (MD5) / Approved for entry into archive by Samira Prince(prince@ufpa.br) on 2012-05-14T13:54:38Z (GMT) No. of bitstreams: 1 Dissertacao_EstimacaoPorcentagemFluor.pdf: 3010181 bytes, checksum: 0b250d533f6f07d9141beb6a3afccea1 (MD5) / Made available in DSpace on 2012-05-14T13:54:38Z (GMT). No. of bitstreams: 1 Dissertacao_EstimacaoPorcentagemFluor.pdf: 3010181 bytes, checksum: 0b250d533f6f07d9141beb6a3afccea1 (MD5) Previous issue date: 2011 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / CVRD - Companhia Vale do Rio Doce / As indústrias têm buscado constantemente reduzir gastos operacionais, visando o aumento do lucro e da competitividade. Para alcançar essa meta, são necessários, dentre outros fatores, o projeto e a implantação de novas ferramentas que permitam o acesso às informações relevantes do processo de forma precisa, eficiente e barata. Os sensores virtuais têm sido aplicados cada vez mais nas indústrias. Por ser flexível, ele pode ser adaptado a qualquer tipo de medição, promovendo uma redução de custos operacionais sem comprometer, e em alguns casos até melhorar, a qualidade da informação gerada. Como estão totalmente baseados em software, não estão sujeitos a danos físicos como os sensores reais, além de permitirem uma melhor adaptação a ambientes hostis e de difícil acesso. A razão do sucesso destes tipos de sensores é a utilização de técnicas de inteligência computacional, as quais têm sido usadas na modelagem de vários processos não lineares altamente complexos. Este trabalho tem como objetivo estimar a qualidade da alumina fluoretada proveniente de uma Planta de Tratamento de Gases (PTG), a qual é resultado da adsorção de gases poluentes em alumina virgem, via sensor virtual. O modelo que emula o comportamento de um sensor de qualidade de alumina foi criado através da técnica de inteligência computacional conhecida como Rede Neural Artificial. As motivações deste trabalho consistem em: realizar simulações virtuais, sem comprometer o funcionamento da PTG; tomar decisões mais precisas e não baseada somente na experiência do operador; diagnosticar potenciais problemas, antes que esses interfiram na qualidade da alumina fluoretada; manter o funcionamento do forno de redução de alumínio dentro da normalidade, pois a produção de alumina de baixa qualidade afeta a reação de quebra da molécula que contém este metal. Os benefícios que este projeto trará consistem em: aumentar a eficiência da PTG, produzindo alumina fluoretada de alta qualidade e emitindo menos gases poluentes na atmosfera, além de aumentar o tempo de vida útil do forno de redução. / The industries have been often seeking to reduce operating expenses, as to increase profits and competitiveness. To achieve this goal, it must take into account, among other factors, the design and implementation of new tools that accurately, efficiently and inexpensively allow access to information relevant to process. Soft sensors have been increasingly applied in industry. Since it offers flexibility, it can be adapted to make estimations of any measurement, thus a reducing in operating costs without compromising the measurements, and in some cases even improve the quality of generated information. Since they are completely softwarebased, they are not subjected to physical damage as the real sensors, and are better adaptated to harsh environments with hard access. The success of this king of sensors is due to the use of computational intelligence techniques, which have been widely used in the modeling of several nonlinear complex processes. This work aims to estimate the quality of alumina fluoride from a Gas Treatment Center (GTC), which is the result of gaseous adsorption on alumina virgin, using a soft sensor. The model that emulates the behavior of a alumina quality sensor the plant was created using an artificial intelligence technique known as Artificial Neural Network. The motivations of this work are: perform virtual simulations without compromising the GTC and make accurate decisions based not only on the operator's experience, to diagnose potential problems before they can interfere with the quality of alumina fluoride; maintain the aluminum reduction pot control variables within normal limits, since the production from low quality alumina strongly affects the reaction of breaking the molecule that contains this metal. The benefits this project brings include: increasing the GTC efficiency, producing high quality fluoridated alumina and emitting fewer greenhouse gases into the atmosphere and increasing the pot lifespan.

Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2013-01-28T18:16:37Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_AplicacaoSensoresVirtuais.pdf: 9054333 bytes, checksum: f79560bbe3c6335b7cfbaf8594f9b28b (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2013-01-29T14:48:19Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_AplicacaoSensoresVirtuais.pdf: 9054333 bytes, checksum: f79560bbe3c6335b7cfbaf8594f9b28b (MD5) / Made available in DSpace on 2013-01-29T14:48:19Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_AplicacaoSensoresVirtuais.pdf: 9054333 bytes, checksum: f79560bbe3c6335b7cfbaf8594f9b28b (MD5) Previous issue date: 2009 / As indústrias buscam a todo o momento reduzir seus gastos operacionais para aumentar seus lucros e sua competitividade. Uma boa gestão é o fator mais importante, porém uma boa gestão é feita com auxílio de ferramentas que permitam o acesso às informações relevantes para o processo, que tenham bastante influência na tomada de decisões estratégicas, com o menor custo possível. O uso de sensores virtuais tem sido aplicado cada vez mais nas indústrias. Por ser flexível, ele pode ser adaptado a qualquer tipo de medição, promovendo uma redução de custos operacionais sem comprometer, e em alguns casos até melhorar, a qualidade da informação gerada. Como estão totalmente baseados em software, não estão sujeitos a danos físicos como os sensores reais, além de permitirem uma melhor adaptação a ambientes hostis e de difícil acesso. A razão do sucesso destes tipos de sensores é a utilização de técnicas de inteligência computacional, as quais têm sido usadas na modelagem de vários processos não lineares altamente complexos. Atualmente, muitas indústrias já utilizam com sucesso os sensores virtuais, e este trabalho explora a sua utilização, em conjunto com as Redes Neurais Artificiais, em um processo químico em uma importante indústria de alumínio brasileira cujo controle é muito difícil pois é muito difícil extrair medidas da planta dada sua natureza corrosiva e cujas medições exigem certo custo operacional além de estarem sujeitas a ruídos. A aplicação dos sensores virtuais poderá reduzir os intervalos de medições bem como os custos operacionais. Ao longo deste trabalho será apresentada a metodologia de como projetar o sensor virtual utilizando o processo químico como estudo de caso, seguindo a literatura recomendada. / Nowadays, industries worldwide are looking forward to enlarge their profits and become more competitive. A good management is a key factor to accomplish the company’s target, however all management decisions are supported by tools that provide good and relevant information for the process, which usually influences decision making strategically. Soft Sensors have been applied in industries which are aiming that target and its use has been growing lately. A soft sensor can be adapted to any application regarding variable measurement, therefore reducing operational costs without compromising the current information quality, and in some cases, better results can be obtained. Since they are software based, they are not subjected to physical damages as real sensors are, so they can be adapted virtually to hostile environments. The key of this kind of sensor success is the use of computational intelligence techniques, which has been heavily used in nonlinear and highly complex process modeling. Currently, many industries already use them successfully, and this work exploits its use with Neural Networks in a chemical process in an important Brazilian Aluminum Smelter whose control is very hard to maintain once it is not easy to retrieve information from the plant due to its corrosive nature and whose measurements require some operational resources. The usage of soft sensors within it may reduce costs and delays of measures drastically. A case of use of the soft sensor for temperature measure is presented on this work, since its design through implementation at production, according to a researched methodology.