Site antigo: versão de 03/09/2021
Clique aqui para acessar a nova página
Ver Legenda
Página Existente
Página não encontrada
Autora: Raquel Machado Castro
Orientador: Mauricio Bezerra de Souza Junior.
O aumento da complexidade dos processos atuais, devido às restrições de qualidade, segurança e ambientais, e o elevado número de variáveis a serem observadas nos sistemas de controle são razões fundamentais para o desenvolvimento da área de detecção e diagnóstico de falhas (FDD).
Nas refinarias de petróleo, a adoção de especificações de qualidade mais restritas tem impulsionado investimentos cada vez maiores. O processo de hidrotratamento (HDT) tem grande importância na remoção de contaminantes, adequando os produtos às especificações de qualidade; contudo, trata-se de um processo operacionalmente complexo e que possui diversas variáveis a serem acompanhadas, exigindo um monitoramento efetivo.
O objetivo desse trabalho foi o desenvolvimento de ferramentas de apoio operacional, que permitam o monitoramento automático da condição operacional corrente a partir de dados do processo, auxiliando o operador na tomada de decisões para uma melhor condução do processo.
Inicialmente, foram usados dados simulados de uma unidade de HDT de diesel na comparação de técnicas de detecção e diagnóstico de falhas baseadas em análise de componentes principais (PCA) e redes neuronais. Como a abordagem baseada em PCA apresentou melhor desempenho e maior especificidade, foi desenvolvido um algoritmo para seu uso como ferramenta de apoio operacional. Na sequência, obteve-se sucesso na aplicação do algoritmo para dados reais de uma unidade de hidrotratamento da PETROBRAS, habilitando a abordagem para futuras aplicações on-line.