Fevereiro 2015 vol. 1 num. 2 - XX Congresso Brasileiro de Engenharia Química

Artigo - Open Access.

Idioma principal

DESAFIOS E PERSPECTIVAS NA AUDITORIA DE MPCS

BOTELHO, V. R. ; TRIERWEILER, J. O. ; FARENZENA, M. ; MÜLLER, G. H. ;

Artigo:

A crescente demanda pela melhoria operacional dos processos aliada ao desenvolvimento da tecnologia da informação tornam a utilização de controladores preditivos baseados em modelos (MPC) uma prática cada vez mais comum na indústria. Contudo, o monitoramento e manutenção destes sistemas ainda é um desafio, principalmente devido às correlações fortes associadas às variáveis que o compõe. Este trabalho visa investigar o potencial de aplicação prática das principais técnicas disponíveis para avaliação de controladores preditivos. Uma revisão teórica foi realizada e algumas técnicas potencialmente aplicáveis industrialmente foram selecionadas e testadas em um sistema de quatro tanques cilíndricos utilizando um controlador preditivo clássico. Constatou-se que as técnicas foram capazes de identificar adequadamente a ocorrência de degradação no desempenho do sistema proposto na maioria dos casos.

Artigo:

Download (PDF)

Palavras-chave:

DOI: 10.5151/chemeng-cobeq2014-0348-25895-159464

Referências bibliográficas
  • [1] ALCALA, C.; QIN, J. Analysis and generalization of fault diagnosis methods for process monitoring. Journal of Process Control v. 21, p. 322–330, 201
  • [2] ALGHAZZAWI, A.; LENNOX, B. Model predictive control monitoring using multivariate statistics. Journal of Process Control, v. 19, p. 314–327, 2009.
  • [3] Área temática: Simulação, Otimização e Controle de Processos 7BADWE, A.; GUDI, R.; PATWARDHAN, R.; SHAH, S.; PATWARDHAN, S. Detection of model-plant mismatch in MPC applications. Journal of Process Control, v. 19, p. 1305–1313, 2009.
  • [4] CONNER, J.; SEBORG, D. Assessing the Need for Process Re-identification. Ind. Eng. Chem. Res., v. 44, p. 2767–2775, 2005.
  • [5] HARRIS, T. J.; Assessment of Control Loop Performance. The Canadian Journal of Chemical Engineering, v. 67, p. 856–861, 1989.
  • [6] HARRISON, C.; QIN, S. Minimum variance performance map for constrained model predictive control. Journal of Process Control, v.19, p.1199–1204, 2009.
  • [7] HUGO A.; Process Controller Performance Monitoring and Assessment. Control Arts Inc, 2002.
  • [8] JELALI, M. Control Performance Management in Industrial Automation: Assessment, Diagnosis and Improvement of Control Loop Performance. Londres: Editora Springer, 2013.
  • [9] JIANG, H.; SHAH, S.; HUANG, B. WILSON,B., PATWARDHAN, R.; SZETO, F. Model analysis and performance analysis of two industrial MPCs. Control Engineering Practice. v. 20, p. 219–235, 2012.
  • [10] JOHANSSON, K. The Quadruple-Tank Process: A Multivariable Laboratory Process with an Adjustable Zero. EEE Transactions on Control Systems Technology, v. 8, 2000.
  • [11] LEE, K. H.; HUANG, B.; TAMAYO, E. Sensitivity analysis for selective constraint and variability performance assessment of industrial MPC. Control Engineering Practice, v. 16, p. 1195–1215, 2008.
  • [12] QI, F.; HUANG, B. Bayesian methods for control loop diagnosis in the presence of temporal dependent evidences. Automatica, v. 47, p. 1949 –1356, 2011.
  • [13] QIN, J.; YU, J. Recent developments in multivariable controller performance monitoring. Journal of Process Control, v. 17, p. 221–227, 2007.
  • [14] QIN, J.; YU, J. Statistical MIMO controller performance monitoring. Part I: Data-driven covariance benchmark, v. 18, p. 277–296, 2008.
  • [15] QIN, J.; YU, J. Statistical MIMO controller performance monitoring. Part II: Performance diagnosis, v. 18, p. 297–319 , 2008.
  • [16] SCHAFER, J.; CINAR, A. Multivariable MPC system performance assessment, monitoring, and diagnosis. Journal of Process Control, v. 14, p. 113–129, 2004.
  • [17] SUN, Z.; QIN, J.; SINGHAL, A. MEGAN, L. Performance monitoring of model-predictive controllers via model residual assessment. Journal of Process Control, v. 23, p. 473–482, 2013.
  • [18] TRIERWEILER, J. ;FARINA, L; DURAISK, R. RPN Tuning Strategy for Model Predictive Control. Preprints of DYCOP , p. 283–288, 2001.
  • [19] ZHANG, Q.; SHAYUAN, L. Performance Monitoring and Diagnosis of Multivariable Model Predictive Control Using Statistical Analysis. . Chinese Journal of Chemical Engineering, v. 14, p. 207–215, 2006.
Como citar:

BOTELHO, V. R.; TRIERWEILER, J. O.; FARENZENA, M.; MÜLLER, G. H.; "DESAFIOS E PERSPECTIVAS NA AUDITORIA DE MPCS", p. 11422-11429 . In: Anais do XX Congresso Brasileiro de Engenharia Química - COBEQ 2014 [= Blucher Chemical Engineering Proceedings, v.1, n.2]. São Paulo: Blucher, 2015.
ISSN 2359-1757, DOI 10.5151/chemeng-cobeq2014-0348-25895-159464

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações