O BRLumina ´e uma ferramenta de simulac¸ ˜ao de processos controlados pelo CPM. Este software permite a avaliac¸ ˜ao do funcionamento do controlador em um am- biente offline atrav ´es da criac¸ ˜ao de diferentes cen ´arios de operac¸ ˜ao. Nestes cen ´arios ´e possivel alterar os limites de operac¸ ˜ao das vari ´aveis, a sintonia do controlador e o ponto de operac¸ ˜ao. Al ´em disso, os modelos podem ser alterados para introduzir erros de modelagem e perturbac¸ ˜oes n ˜ao medidas e ´e poss´ıvel introduzir ru´ıdos.
Os cen ´arios a serem simulados no BRLumina devem ser criados dentro de um projeto que cont ´em todos os arquivos necess ´arios para a simulac¸ ˜ao. Estes arquivos s ˜ao:
• As DLLs que implementam os algoritmos de controle e de simulac¸ ˜ao. • Os arquivos de modelos.
• O arquivo que define as vari ´aveis e perturbac¸ ˜oes do problema de controle. • O arquivo que define os par ˆametros de sintonia do controle, .
A figura 4.3 mostra a p ´agina de criac¸ ˜ao de um cen ´ario. Nesta etapa s ˜ao es- colhidos os algoritmos de controle e simulac¸ ˜ao da planta, os modelos de planta e de predic¸ ˜ao e o tempo de simulac¸ ˜ao. O BRLumina permite a utilizac¸ ˜ao de dados de perturbac¸ ˜oes reais na simulac¸ ˜ao. Isso permite a criac¸ ˜ao de um cen ´ario mais pr ´oximo do real. Uma vez definidos os algoritmos, a planta e o controlador, ´e hora de esco- lher os par ˆametros de sintonia do controle. Pode-se usar os par ˆametros previamente definidos no projeto ou modific ´a-los.
Os resultados no BRLumina s ˜ao mostrados em gr ´aficos. O comportamento das vari ´aveis pode ser analisado atrav ´es de um gr ´afico simples, que mostra o target, o valor de sa´ıda e os limites de operac¸ ˜ao, ou de gr ´aficos multivari ´aveis, que agrupam v ´arias vari ´aveis para comparac¸ ˜ao. Diferentes cen ´arios tamb ´em podem ser compara- dos atrav ´es dos gr ´aficos multivari ´aveis.
Al ´em dos gr ´aficos, uma planilha de resultados .csv ´e gerada. Nela ficam grava- das os targets, as sa´ıdas do processo, os incrementos de controle e outras informac¸ ˜oes, como status e shadow price. Apesar do BRLumina gerar um arquivo de resultados bastante completo, o erro de predic¸ ˜ao n ˜ao ´e registrado. Como esta ´e uma informac¸ ˜ao necess ´aria para o calculo do ´ındice de erro de modelagem, uma modificac¸ ˜a na DLL de controle foi feita para que arquivos com tais informac¸ ˜oes fossem gerados.
4.3: Coment ´arios finais
Neste cap´ıtulo foram mostradas as ferramentas de simulac¸ ˜ao e o processo a partir do qual foram criados os cen ´arios de operac¸ ˜ao, mostrados no cap´ıtulo 5, utiliza- dos no estudo dos ´ındices.
Figura 4.2: Esquema simplificado torre desbutanizadora
Cap´ıtulo 5: Implementac¸ ˜ao do FAST
Este cap´ıtulo mostra como o c ´alculo dos ´ındices foi implementado, que ferra- mentas foram usadas e que dificuldades foram encontradas para a obtenc¸ ˜ao dos da- dos necess ´arios. Como mostrado no cap´ıtulo 3, os dados necess ´arios para o c ´alculo do ´ındices s ˜ao:
• Refer ˆencia das vari ´aveis controladas - W • Valor medido das vari ´aveis controladas - Y • Predic¸ ˜ao das vari ´aveis controladas - ¯Y • Ponderac¸ ˜ao das vari ´aveis controladas - Qy
• Refer ˆencia das vari ´aveis manipuladas - uss
• Incrementos de controle - ∆U
• Ponderac¸ ˜ao as vari ´aveis manipuladas - Qu
Os algoritmos que implementam o CPM, tanto na planta real como no BR- Lumina, geram ou recebem automaticamente todos esse dados. No entanto, nem todos ficam armazenados. As predic¸ ˜oes calculadas para as vari ´aveis controladas eram perdidas de uma iterac¸ ˜ao para outra do controle. Foram necess ´arias algumas modificac¸ ˜oes nesses algoritmos para que a predic¸ ˜ao fosse salva em arquivos .csv.
Os ´ındices estudados foram calculados a partir dos dados obtidos nas simulac¸ ˜oes de cen ´arios no BRLumina. A cada passo de simulac¸ ˜ao, que corrensponde a 1 minuto de operac¸ ˜ao, uma planilha .csv contendo diversos dados gerados pelo CPM ´e criada num diret ´orio. Uma aplicac¸ ˜ao desenvolvida em Python varre este diret ´orio e l ˆe cada planilha, copiando apenas os dados necess ´arios para gerar os vetores W , Y , ¯Y, Qy
A partir desses vetores s ˜ao calculados os ´ındices instant ˆaneos, que por sua vez s ˜ao usados para calcular os ´ındices m ´edios atrav ´es da m ´edia recursiva mostrada na sess ˜ao 3.1. Estes valores finais s ˜ao plotados em 5 gr ´aficos. S ˜ao eles:
• Desvio m ´edio total e individual, figura 6.1 • ´Indice de seguimento relativo, figura 6.2
• ´Indices de supress ˜ao de movimento e controle, figura 6.3 • ´Indice de erro de modelagem, figura 6.4
• ´Indice de estabilidade, figura 6.5
Al ´em dos dados provenientes do BRLumina, foram utilizados dados reais me- didos na planta e gerados pelo controle da mesma para calcular os ´ındices. Estes dados reais tamb ´em foram armazenados em planilhas .csv e lidos por uma aplicac¸ ˜ao em Python que gera os vetores necess ´arios para os c ´alculos. A partir desses vetores, os c ´alculos foram feitos da mesma maneira descrita anteriormente.
Para a realizac¸ ˜ao deste trabalho, a implementac¸ ˜ao do FAST MPC se limita a c ´odigos em Python que l ˆeem as planilhas, geram vetores, calculam os ´ındices e plotam gr ´aficos. Posteriormente, estas rotinas do Python e um algoritmo para auxiliar na tomada de decis ˜ao estar ˜ao integrados a uma interface que facilitar ´a o uso dos ´ındices.
5.1: Coment ´arios finais
Neste cap´ıtulo foram descritas as ferramentas usadas para o c ´alculo dos ´ındices, assim como o ambiente de simulacao utilizado. No pr ´oximo cap´ıtulo s ˜ao analisados os resultados obtidos com estas ferramentas.
Cap´ıtulo 6: Avaliac¸ ˜ao dos ´ındices e
resultados
Para avaliar o comportamento dos ´ındices foram criados cen ´arios no BRLumina a partir de arquivos de configurac¸ ˜ao e modelos utilizados na UPGN. No BRLumina ´e poss´ıvel modificar as informac¸ ˜oes importadas desses arquivos para criar cen ´arios com diferentes sintonias e modelos.
O BRLumina simula n ˜ao s ´o o controle mas tamb ´em a camada de otimizac¸ ˜ao na qual s ˜ao calculados os targets para todas as vari ´aveis. Neste processo, as perturbac¸ ˜oes medidas w1 e w2 fazem parte do problema de otimizac¸ ˜ao. Estas perturbac¸ ˜oes s ˜ao a vaz ˜ao e a composic¸ ˜ao do g ´as natural na entrada do processo. Ent ˜ao quando seus valores mudam, os targets calculados para as vari ´aveis tamb ´em mudam. Por isso, os valores de perturbac¸ ˜ao utilizados no cen ´ario zero s ˜ao valores obtidos a partir de medic¸ ˜oes reais. Assim, o cen ´ario criado se aproxima muito de uma situac¸ ˜ao real.
As sess ˜oes a seguir explicam os resultados obtidos a partir da an ´alise dos cen ´arios para estudar o funcionamento dos ´ındices.
6.1: Caso zero: cen ´ario inicial
Este cen ´ario, usado como refer ˆencia, foi criado a partir dos arquivos de configurac¸ ˜ao do controle e do modelo da UPGN sem que nenhuma modificac¸ ˜ao fosse feita. Neste caso, chamado cen ´ario zero, o modelo da planta e o de predic¸ ˜ao s ˜ao iguais e este modelo ´e o mesmo usado como modelo de predic¸ ˜ao no controle da planta real. As matrizes de supress ˜ao Qy e Qu tamb ´em n ˜ao foram alteradas e seus valores s ˜ao os
mesmos utilizados no controle da UPGN.
O gr ´afico de desvios m ´edios individuais, figura 6.1, mostra que as vari ´aveis controladas y3, y7 e y8 s ˜ao as que apresentam maior desvio. O objetivo de controle ser ´a ent ˜ao diminuir o desvio das vari ´aveis y3, y7 e y8, sem aumentar o desvio das
outras.
Pelo ´Indice de Estabilidade, figura 6.5, das tr ˆes vari ´aveis apenas a y3 possui um espac¸o que podemos acelerar a din ˆamica desta resposta sem levar todo o sistema para a instabilidade. E que a y7 est ´a em seu limite e n ˜ao conseguiremos melhorar muito esta resposta.
Pelo ´Indice de Erro de Modelagem, figura 6.4, vemos que a controlada y8 est ´a mal modelada. Isto pode ser causado tanto por um modelo de predic¸ ˜ao ruim quanto pela presenc¸a de perturbac¸ ˜oes n ˜ao modeladas influenciando nesta resposta. Vemos que a controlada y1 tamb ´em tem um modelo ruim mas sua resposta apresenta um baixo desvio m ´edio individual. Corrigir esse modelo n ˜ao apresenta muita import ˆancia, a menos que o objetivo de controle seja manter ela bem controlada.
O ´Indice de supress ˜ao de movimento, figura 6.3, Pelo ´ındice de supress ˜ao de movimento vemos que a maior supress ˜ao de movimento est ´a na vari ´avel y4 mas essa vari ´avel j ´a est ´a fazendo um bom seguimento de refer ˆencia, provavelmente pela din ˆamica r ´apida da vari ´avel. Das vari ´aveis propostas inicialmente para serem melho- radas apenas y3 tem possibilidade de melhoria modificando as ponderac¸ ˜oes de Qu.
Para as vari ´aveis y7 e y8 deve-se dar mais atenc¸ ˜ao a ponderac¸ ˜ao Qye aos modelos de
predic¸ ˜ao visto que pelas ponderac¸ ˜oes de Qu n ˜ao ser ´a poss´ıvel nenhuma melhora. As vari ´aveis manipuladas que a influenciam y3 s ˜ao: u1, u2, e u10. Dessas manipuladas, s ´o a u2 tem uma parcela alta do esforc¸o de controle, como mostra o ´Indice de Con- trole na figura 6.3. Neste caso, pelos ´ındices de controle n ˜ao ponderados, de u1 e u10 est ˜ao pouco acionadas e podem ser mais liberadas (diminuindo a ponderac¸ ˜ao Qu). A
u2, apesar de bem manipulada, parece est ´a mais acionada que o real para o controla- dor, por causa da ponderac¸ ˜ao. Neste caso, ponderac¸ ˜ao dela pode ser diminu´ıda para permitir que ela seja mais utilizada.
Estas conclus ˜oes foram obtidas seguindo a m ´etodologia de tomada de decis ˜ao proposta. No entanto, cen ´arios criados a partir dessas conclus ˜oes n ˜ao mostraram uma melhora no desempenho do sistema, o que sugere que a sintonia j ´a est ´a muito boa para manter o sistema em bom desempenho para os objetivos de controle.
Este cen ´ario zero foi ent ˜ao utilizado como o exemplo de boa sintonia e desem- penho deste controle nesta planta. Os dados obtidos nesta simulac¸ ˜ao foram usados para definir o tamanho da janela de m ´edia m ´ovel, mostrada na sess ˜ao 3.1, que ser ´a usada nos c ´alculos dos ´ındices nas pr ´oximas an ´alises.
Figura 6.1: Desvios M ´edios
Figura 6.3: ´Indices de Supress ˜ao de Movimento e Controle Relativo
Figura 6.5: ´Indice de Estabilidade
encia no resultado final. Se a janela escolhida for muito pequena, somente amostras muito pr ´oximas da atual s ˜ao consideradas e valores de ´ındices instant ˆaneos muito diferentes poder ˜ao levar a conclus ˜oes erradas sobre o desempenho do sistema. Se a janela for muito grande, mudanc¸as de sintonia ou ponto de operac¸ ˜ao, que podem afetar o desempenho do controle, podem demorar muito para aparecer, j ´a que muita informac¸ ˜ao do passado ainda tem peso no presente. ´E preciso ent ˜ao escolher uma janela com um tamanho ideal que minimize esses dois efeitos.
Para definir o tempo da janela Nmedia foram calculados os ´ındices com janelas
de diferentes tamanhos e o Nmedia que representa o sistema, ou seja, o menor tama-
nho de janela que gera um resultado que n ˜ao mudar ´a se a janela for aumentada, foi escolhido.
Assim, foram testados 3 tamanhos de janela: 4, 7 e aproximadamente 15 dias, ou seja, todo o conjunto de dados. Os resultados mudaram muito entre 4 e 7 dias, mas de 7 para 15 n ˜ao. Por isso, o tamanho escolhido foi 7 dias e todos os cen ´arios mostrados nas pr ´oximas sess ˜oes tiveram os i ´ndices calculados com uma janela de 7 dias.