Ver Legenda
Página Existente
Página não encontrada
Autor: Carlos André Vaz Júnior.
Orientadores: José Luiz de Medeiros e Ofélia Queiroz Fernandes Araújo.
Laboratório: H2CIN
Extrair informações relevantes a partir do grande volume de dados atualmente disponível em sistemas de controle de plantas industriais é um desafio. Devido às dimensões das bases de dados, ferramentas estatísticas específicas são necessárias para obter informações a respeito das condições operacionais do processo.
Metodologias tais como redes neurais, análise de componentes principais, método de protótipos, classificação hierárquica e modelos auto-regressivos (AR) são algumas das diversas técnicas atualmente empregadas. Tais ferramentas passaram a ser vastamente aplicadas em plantas químicas e petroquímicas, inclusive em dutovias.
Dentre os diversos recursos e possibilidades criados a partir do uso de ferramentas de mineração de dados, tornou-se possível o desenvolvimento de sistemas de detecção de falhas baseados em séries temporais. As abordagens baseadas em séries temporais tendem a apresentar processamento matemático rápido e elevada capacidade adaptativa.
Nesse trabalho, são desenvolvidas metodologias baseadas em análise de componentes principais (PCA), classificação hierárquica e teoria dos protótipos com a finalidade de detectar, identificar, e quantificar a ocorrência de anomalias operacionais em rede de dutos. Também são desenvolvidos recursos de detecção de vazamentos baseados na utilização de preditores auto-regressivos com entrada externa (ARX) em contexto multi-entrada e multisaída (MIMO).
São estudadas as respostas do sistema frente a duas espécies distintas de problemas operacionais: falhas em sensores e ocorrências de vazamento na tubulação. Diferentes severidades de erro no sinal gerado pelos sensores e diversos diâmetros de vazamento são testados. Após estar devidamente treinado, o detector ARX é lançado em sessão de vigilância do processo fazendo predições do mesmo um instante adiante.
Admitindo-se que não ocorreram outros tipos de anormalidades, estabelece-se a detecção de uma ruptura quando há desvio estatisticamente significativo entre predições do detector e valores amostrados das variáveis de saída do processo. Estando definida a detecção de um vazamento, é necessário proceder a sua localização e quantificação. Entre as várias abordagens aqui propostas está a utilização de preditores ARX também para tal tarefa. Por outro lado modelos PCA também são usados para diagnosticar mudanças no comportamento do processo.
Modelos que descrevem o comportamento normal das variáveis podem indicar quando o sinal gerado pelos sensores desvia-se do padrão. Com objetivo semelhante, a classificação hierárquica é aplicada sobre os dados visando separar as amostras em agrupamentos: "com" e "sem" falha. Quatro métricas de similaridade são aplicadas: Euclidiana, City Block e Minkowski de ordens 3 e 4. Melhores resultados são obtidos com uso da métrica Minkowski de ordem 4. A ferramenta baseada em PCA revela maior capacidade de detecção quando comparada aos classificadores hierárquicos.