Monitoramento e avaliação de desempenho de sistemas MPC utilizando métodos estatísticos multivariados

• Main Author: Fontes, Nayanne Maria Garcia Rego
• Other Authors: Sotomayor, Oscar Alberto Zanabria
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Sergipe 2017
• Subjects: Engenharia elétrica; Controle de processo; Controlador preditivo; Análise de Componentes Principais (ACP); Análise de componentes independentes; Monitoramento; Model Predictive Control (MPC); Principal Component Analysis (PCA); Independent Component Analysis (ICA); Monitoring; ENGENHARIAS::ENGENHARIA ELETRICA
• Online Access: https://ri.ufs.br/handle/riufs/5037

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === Monitoring of process control systems is extremely important for industries to ensure the quality of the product and the safety of the process. Predictive controllers, also known by MPC (Model Predictive Control), usually has a well performance initially. However, after a period, many factors contribute to the deterioration of its performance. This highlights the importance of monitoring the MPC control systems. In this work, tools based on multivariate statistical methods are discussed and applied to the problem of monitoring and Performance Assessment of predictive controllers. The methods presented here are: PCA (Principal Component Analysis) and ICA (Independent Component Analysis). Both are techniques that use data collected directly from the process. The first is widely used in Performance Assessment of predictive controllers. The second is a more recent technique that has arisen, mainly in order to be used in fault detection systems. The analyzes are made when applied in simulated processes characteristic of the petrochemical industry operating under MPC control. === O monitoramento de sistemas de controle de processos é extremamente importante no que diz respeito às indústrias, para garantir a qualidade do que é produzido e a segurança do processo. Os controladores preditivos, também conhecidos pela sigla em inglês MPC (Model Predictive Control), costumam ter um bom desempenho inicialmente. Entretanto, após um certo período, muitos fatores contribuem para a deterioração de seu desempenho. Isto evidencia a importância do monitoramento dos sistemas de controle MPC. Neste trabalho aborda-se ferramentas, baseada em métodos estatísticos multivariados, aplicados ao problema de monitoramento e avaliação de desempenho de controladores preditivos. Os métodos aqui apresentados são: o PCA (Análise por componentes principais) e o ICA (Análise por componentes independentes). Ambas são técnicas que utilizam dados coletados diretamente do processo. O primeiro é largamente utilizado na avaliação de desempenho de controladores preditivos. Já o segundo, é uma técnica mais recente que surgiu, principalmente, com o intuito de ser utilizado em sistemas de detecção de falhas. As análises são feitas quando aplicadas em processos simulados característicos da indústria petroquímica operando sob controle MPC.