Abstract— In this paper, Key Performance Indicators - KPIs are developed as a cheap alternative to systems that are specifically designed to perform a continuous monitoring of the process variables. In this work, the KPIs are implemented in a high performance data-historian (OSIsoft Enterprise PI Server), as well as a methodology for analyzing and monitoring of control loops that allow quantifying the divergences between the set point and process variables and analyze possible problems in the measuring and actuating instruments. This methodology is applied to a pH Neutralization Pilot Plant. In order to reduce the variability of the control loops generated by control valves with excessive friction, a friction compensation strategy is developed and implemented.
Keywords— Control loop performance, Key Performance Indicators, pH control, Stiction compensation, PI System.
I.INTRODUÇÃO
radicionalmente, a avaliação do desempenho de sistemas de controle era realizada mediante a análise da variabilidade dos gráficos de tendência das variáveis de processo e manipuladas, mostrados nos softwares supervisórios e relatórios elaborados pelos engenheiros do sistema [1].
Nas últimas décadas, surgiram ferramentas de monitoramento e análise de malhas de controle, pois a existência de perturbações, desgaste dos instrumentos atuadores com o passar do tempo, erros na calibração dos sensores, presença de não-linearidades no processo, sintonia inadequada de controladores e deficiência na estratégia de controle, entre outros, são sinais de degradação e redução do desempenho das malhas, comprometendo assim a qualidade do produto final [2], [3], [4].
Tais razões levaram a pesquisas sobre técnicas de monitoramento e análise de malhas de controle nas indústrias, com a finalidade de manter a produção industrial estável, com maior segurança e eficiência [5]. Em [6], o bom gerenciamento das malhas de controle da companhia Eastman Chemical permitiu o aumento da produtividade e da qualidade do produto, mediante a estabilidade das variáveis de processo da planta e da estratégia de controle. No Brasil, [7] apresenta métodos de avaliação do desempenho em malhas de controle operando em modo regulatório, assim como também uma metodologia para análises e monitoramento das mesmas. Isto
C. S. M. Alvarado, Universidade de São Paulo, São Paulo, Brasil, cmoralesa@usp.br.
C. Garcia, Universidade de São Paulo (USP), São Paulo, Brasil, clgarcia@lac.usp.br.
foi aplicado a uma unidade industrial de hidrotratamento localizada na Refinaria Alberto Pasqualini (REFAP S.A.).
Por isto, a importância no desenvolvimento de índices de análise de desempenho KPIs (do Inglês Key Performance Indicators), como alternativa ao monitoramento constante de sistemas de controle, permite quantificar as divergências entre o valor de referência e a variável de processo, bem como a variabilidade ou variância das variáveis do processo e das variáveis manipuladas ao longo da produção, possibilitando ainda a detecção de problemas existentes nos instrumentos no campo [8]. A análise da variabilidade e variância das principais variáveis de uma malha de controle pode ser realizada mediante a relação da variância mínima em malha aberta e fechada do processo [9].
Nos últimos anos, a indústria de processos tem demandado softwares para a análise e monitoramento de malhas de controle em modo regulatório, baseados no cálculo de KPIs para quantificar seu desempenho [5], [10]. Estas ferramentas calculam uma série de notas individuais para cada malha, assim como também notas globais para uma determinada área do processo. Com estes resultados, a equipe de manutenção pode realizar procedimentos técnicos, no instante em que a malha de controle apresente uma perda de desempenho e, com isto, evitar problemas na operação do processo.
Em contrapartida, estas ferramentas comerciais, por serem uma solução específica na área industrial, têm um custo elevado. No entanto, atualmente existem historiadores de grande capacidade para realizar a análise de dados dos processos, como é o caso do PI Server da OSISoft. Nesta ferramenta comercial podem ser desenvolvidos KPIs para a análise e monitoramento das malhas de controle, aproveitando os recursos de uma forma ótima dentro do setor industrial, que é o objetivo deste trabalho.
Este trabalho é organizado a seguir. Na seção II são descritos os indicadores de desempenho (KPIs) para análises de malhas de controle. A Planta-Piloto de neutralização de pH, localizada na Universidade de São Paulo, a arquitetura da rede para a coleta dos dados e os testes em modo regulatório para analisar o desempenho das estratégias de controle aplicadas são mencionados na seção III. Finalmente, na seção IV são resumidas as principais conclusões deste trabalho.
II. INDICADORES DE ANÁLISE DE DESEMPENHO (KPIS)
No setor de processos industriais, um indicador permite o desenvolvimento de KPIs, a fim de obter uma explicação matemática sobre o comportamento de uma malha de controle.
Christiam Segundo Morales Alvarado and Claudio Garcia
Implementation of KPIs for Analyzing
Control Loop Performance by using PI System
of the OSIsoft Enterprise
A avaliação da malha de controle permite obter uma visão do desempenho do controlador, assim como também analisar o estado dos instrumentos que compõem a malha, com a finalidade de estabelecer procedimentos de manutenção aos instrumentos da malha [1]. A análise da malha é realizada em função da capacidade em proporcionar variações mínimas da variável de processo, PV (do Inglês Process Variable) e da variável manipulada, MV (do Inglês Manipulated Variable), ou seja, obter erros mínimos para um valor desejado. Para isto, os KPIs são desenvolvidos, utilizando um conjunto de dados do Set Point, PV e MV, dentro de um intervalo de tempo [10].
Estes KPIs, conforme indica a Tabela I, são encontrados com frequência nos softwares de fabricantes reconhecidos como ABB (Loop Optimizer Suite), Expertune (Plant Triage), Honeywell (Loop Scout), Andritz (Sindus OPP), entre outros, e são classificados segundo a aplicação ([11], [12], [13], [14], [15], [16], [17]).
TABELA I. KPIS PARA QUANTIFICAR O DESEMPENHO DO CONTROLADOR E DO INSTRUMENTO ATUADOR.
Desempenho do controlador (PV e SP) Índice de desempenho de Harris
Watchdog index Expert Tune Index Integral do erro quadrático (ISE)
Integral do erro absoluto (IAE)
Integral do tempo multiplicado pelo erro quadrático (ITSE) Integral do tempo multiplicado pelo erro absoluto (ITAE)
Índice de variabilidade Índice de regularidade dos períodos
Taxa de decaimento
Desempenho do controlador e medição do esforço de controle e desgaste do atuador Média aritmética Variância Desvio padrão Variabilidade Variabilidade relativa Índice de capabilidade
Medição do esforço de controle e desgaste do atuador (MV) Excursão da Válvula
Reversões da Válvula
Da Tabela I, o índice de desempenho de Harris é calculado baseado na metodologia proposta por [11], cuja vantagem se encontra na simplicidade computacional, podendo ser do tipo online e off-line para calcular a mínima variância teórica. O Watchdog Index, proposto em [12], foi desenvolvido com a finalidade de monitorar o desvio da variável de processo com relação ao SP em uma malha de controle. O Expert Tune Index (ETI), proposto em [13], compara o IAE obtido do controlador com o IAE otimizado; este último é definido quando se desenvolve um controlador para um desempenho requerido. Os índices baseados na integral do erro como ISE, IAE, ITSE e ITAE permitem avaliar o comportamento do erro do processo obtido da diferença entre SP e PV. Sobre a análise da variabilidade da malha e a MV, em [14] se propõem dois índices de variabilidade. No primeiro deles, a variabilidade está em função da média e da variância; no segundo, a variabilidade relativa está em função da normalização do desvio da variável a analisar. Estes dois índices permitem comparar diferentes processos em diferentes condições. O índice de Capabilidade (CPK), proposto em [15], permite
determinar se a média de uma amostra ou processo está centrada em relação aos limites superior (LSE) ou inferior (LIE) da especificação, quantificando a capacidade de estabilidade do processo.
Para quantificar se uma malha é considerada oscilatória ou não, dois métodos matemáticos são citados neste trabalho. O primeiro método foi proposto em [16] e é denominado índice de regularidade dos períodos, o qual utiliza os cruzamentos de zeros da função de autocorrelação ACF (do Inglês Autocorrelation Function). O segundo método foi proposto em [17] e tem como base a ACF. Este último método calcula uma taxa de decaimento dos primeiros ciclos da ACF, permitindo detectar se um sinal apresenta ou não oscilações, incluindo aqueles sinais com decaimento exponencial. Métricas estatísticas como a média, variância e o desvio padrão são utilizadas para a análise da variável de processo e a variável manipulada, com o objetivo de medir a dispersão dos valores em torno de seu valor médio. Finalmente, a medição do esforço de controle e o desgaste do elemento atuador são medidos através da excursão da válvula e do número de reversões que esta realiza. A excursão da válvula é dada pelo somatório do valor absoluto da diferença do valor atual e o valor anterior do sinal de controle; a reversão mede o número total de reversões (ou picos máximos e mínimos) do movimento da válvula.
Com tudo isto, uma metodologia para a análise e monitoramento de malhas de controle é desenvolvida neste trabalho, tal como se mostra na Fig. 1, permitindo detectar os problemas na malha de controle, caso estejam relacionados à sintonia do controlador ou à estratégia de controle utilizada ou ainda ao instrumento atuador.
Figura 1: Metodologia para a análise de malhas de controle.
De acordo com a Fig. 1, os KPIs que estão em função da variável de processo permitem analisar se o desempenho do controlador é aceitável. Caso isto não esteja ocorrendo, opta-se por melhorar a sintonia do controlador, mudar a estratégia de controle ou utilizar técnicas de controle avançado APC (do Inglês Advanced Process Control), a fim de não comprometer a produtividade do processo. Para os KPIs em função da variável manipulada, caso o elemento final de controle esteja
com problemas, devido à falta de manutenção do instrumento, opta-se por desenvolver compensadores de atrito, a fim de não perder a estabilidade da malha, caso ainda não seja o tempo de parada para manutenção da planta, permitindo assim a redução de custos.
III. TESTES NA PLANTA PILOTO DE NEUTRALIZAÇÃO DE PH
A Planta Piloto de neutralização de pH, simula um processo de tratamento de efluentes industriais, permitindo o estudo e desenvolvimento de algoritmos de controle, modelagem fenomenológica e identificação de modelos matemáticos do tipo caixa preta. Além disso, a Planta Piloto utiliza softwares de supervisão, sistemas de instrumentação e controle e historiadores de grande capacidade, de marcas reconhecidas como ABB, Emerson, OSIsoft, Rockwell, Yokogawa, entre outros, os quais são utilizados na indústria de processos. Os reagentes utilizados, diluídos em agua filtrada, foram: solução ácida de HCl, a uma concentração de 0,0056 mol/litro a 36,5%, obtendo-se um pH de 2,35 e solução básica de NaOH, a uma concentração de 0,0185 mol/litro a 99% dando um valor de pH de 12,25. Caso não houvesse controle, a faixa máxima de variação do pH do efluente seria de 2,35 a 12,25.
Para realizar a coleta dos dados da planta, a arquitetura da rede no LCPI é mostrada na Fig. 2, onde cada componente é descrita a seguir:
• A fonte de dados, gerados pela instrumentação do processo de neutralização de pH passam pelos Sistemas Digitais de Controle Distribuído DCS (do Inglês Distributed Control System) da ABB;
• O servidor de conectividade CSFF01, do sistema 800xA da ABB, que comunica diretamente com o controlador da planta de pH, permite o acesso aos equipamentos e controladores da Planta-Piloto pelos sistemas instalados nos demais computadores da rede Cliente-Servidor. Possui também instalado o servidor OPC (do Inglês OLE for Process Control) da rede, para que aplicativos cliente OPC possam comunicar-se com os equipamentos das plantas. Neste servidor estão instaladas as interfaces PI-OPC e o servidor PI-Buffer do PI system;
• O PI Server, que contém aplicativos do sistema PI. Este servidor recebe os dados coletados pelas interfaces do sistema PI e realiza a operação de exceção e compressão, armazenando os dados mais relevantes da planta;
• Usuário PI, usuário final que acessa os dados da planta através de interfaces visuais, assim como também tem privilégios para desenvolver aplicativos utilizando os aplicativos do PI Server.
Os KPIs mencionados na Tabela I são desenvolvidos na ferramenta Process Book do software da OSISoft, a fim de realizar a análise e o monitoramento da malha de controle da Planta-Piloto de pH. Para isto, foi utilizado como linguagem de programação, o Visual Basic, que permitiu desenvolver as funções matemáticas de cada índice.
Figura 2: Arquitetura de rede para a coleta de dados do PI da OSISoft.
A. Testes utilizando controladores PID
O teste realizado na Planta Piloto foi do tipo regulatório. No processo de neutralização de pH foi aumentada a vazão de ácido na entrada do Tanque Reator, a fim de gerar uma perturbação na malha de controle. Em plantas industriais, o controlador PID ou variações secundárias é o algoritmo de controle mais utilizado na indústria de processos, sendo que a maioria das malhas de controle do tipo feedback são controladas por este algoritmo [18]. Neste trabalho foi utilizado o controlador PID para realizar os testes na Planta Piloto de Neutralização de pH. Os valores máximos e mínimos permitidos para as PVs e MVs, assim como também a sintonia do controlador da malha de pH, a qual foi obtida em [19], são mostrados nas Tabelas II e III, respectivamente.
TABELA II. VALORES MÁXIMO, MÍNIMO E FAIXA DAS VARIÁVEIS PARA A MALHA DE PH.
Variável da malha de pH máximo Limite mínimo Limite Faixa da variável Manipulada (MV) 80% 20% 60%
Processo (PV) 8 6 12
TABELA III. PARÂMETROS DO CONTROLADOR PID DA MALHA DE PH.
Parâmetro Malha de pH
K! 4,1
T! 180
T! 3
A fim de analisar e monitorar o comportamento atual da malha de pH, utilizando um controlador PID, foi realizado o teste com duração de 1h e 30 minutos, aproximadamente, mantendo o set point fixo em 7. Como resultado do teste, a Fig. 3 mostra o comportamento do pH na saída do reator de neutralização, em que se sintonizou o controlador PID pelo método da Síntese Direta [20], buscando o valor da constante de tempo em malha fechada que gerasse o melhor desempenho.
Segundo a Fig. 3, visualmente, percebe-se oscilações do pH, com picos máximo e mínimo de 7,50 e 6,15, respectivamente; isto devido ao aumento da vazão de ácido secundário, mostrando oscilações durante o ensaio.
Figura 3: Tendência do SP e PV no teste em modo regulatório utilizando o controlador PID na planta de pH.
Como forma de quantificar a variabilidade e índices de oscilações das variáveis na malha de pH, a Tabela IV mostra os KPIs obtidos como resultado da aplicação dos métodos mencionados na seção II.
TABELA IV. KPIS OBTIDOS UTILIZANDO O CONTROLADOR PID NA PLANTA DE PH.
Índice Valor PV Valor MV
Média 6,94 49,73
Desvio Padrão 0,16 14,17 Variância 0,024 200,81 Amplitude Máxima 7,50 96,50% Amplitude Mínima 6,15 32,03% Posição da Válvula Máxima ---- 72,18% Posição da Válvula Mínima ---- 20,45% Variabilidade 4,48% 56,99% Variabilidade Relativa 1,98% 171,57% Índice de Capabilidade 2,02 0,70 ISE 132,96 ---- IAE 381,38 ---- ITSE 663,11 ---- ITAE 1068.4 ---- Índice de Variabilidade 89,10% ---- Índice de desempenho de Harris 10,90 ---- Watchdog Index 1346,31 ---- Índice de Thornhill 0,98 ---- Índice de Miao - Seborg 0,99 ---- Excursão da Válvula – MV ---- 395,55%/h
Excursão da Válvula - ZT ---- 270,73%/h Reversões da Válvula - MV ---- 1749/h Reversões da Válvula - MV ---- 1499/h De acordo com os KPIs obtidos, o índice de variabilidade
VI mostra um valor considerável de 89,10%. Com relação aos
valores obtidos das amplitudes máxima e mínima, esta última está próxima ao limite mínimo permitido. Os índices de Harris e o Watchdog Index mostraram que o controlador PID atual opera com um desempenho baixo. Sobre a quantificação se a malha é considerada oscilatória ou não, mostraram indícios de uma malha oscilatória, pois o limite do índice de regularidade dos períodos e a taxa de decaimento ficaram muito maior que 0,5 e próximo de 1, respectivamente. O índice de qualidade da saída do pH obtido indica provavelmente que se está cumprindo com os requisitos solicitados, mas poderia ser melhorado, a fim de incrementar a produtividade do processo.
Sobre a variável manipulada, que atua na válvula de controle da malha de pH, de acordo com os KPIs obtidos, o valor máximo do sinal de controle ultrapassou o limite máximo estabelecido. Os valores da variabilidade e da variabilidade relativa da MV resultaram muito altos, indicando desgaste do atuador. O valor do índice de capabilidade obtido indica um processo deficiente, segundo os requisitos
estabelecidos. Sobre a excursão e reversões da válvula, a relação entre posição da haste e sinal de controle foi de 68,44% e a relação entre o número de reversões da válvula e reversões do sinal de controle foi de 85,70%. Isto indica a presença de atrito na válvula de controle, pois o ideal seria que, para certa variação no sinal de controle, a válvula se movimentasse.
B. Métodos de Compensação de Atrito
Os testes em modo regulatório com o controlador PID na malha de pH mostraram uma deficiência no desempenho da malha de pH, devido ao atrito presente na válvula. A fim de incrementar o desempenho da malha, opta-se por implementar técnicas de compensação de atrito, pois o atrito presente nas válvulas insere variabilidade na malha, reduzindo assim o desempenho do controlador [21]. A quantificação do atrito é baseada no cálculo experimental de dois parâmetros, S e J. O parâmetro S representa a soma da banda morta e da banda de agarramento; o parâmetro J representa a magnitude da banda de agarramento. De acordo com [19], estes valores são 12,28% e 0,75%, respectivamente.
Definidos os parâmetros S e J, é proposto o uso de duas técnicas de compensação de atrito, de compensadores de atrito, CR e CR2. Esta solução é dada partindo-se da premissa que a válvula de controle pneumática tem que operar por mais um certo tempo sem manutenção, pois o processo é contínuo e não é possível realizar paradas de manutenção [21].
O primeiro compensador, o CR (do Inglês Constant Reinforcement) proposto em [22], tenta eliminar a banda morta !" gerada pelo atrito em válvulas de controle, adicionando um sinal de compensação. Este sinal aditivo de compensação !! depende do sentido do sinal de saída do
controlador !! e da banda morta !", tal como é mostrado na
equação (1).
!! =!"2 !"#(!"!!) (1)
Portanto, o sinal de controle total MV representa a soma do sinal do controlador PID e do sinal de compensação da banda morta !!, tal como se mostra na Fig. 4.
Figura 4: Estrutura da malha de controle utilizando o compensador CR. O segundo compensador, uma alternativa ao CR proposta em [23], denominado compensador CR2, no qual o sinal de compensação !! está em função do sinal de erro, tal como é
indicado na equação (2).
!!=!"2 !"#(!(!)) (2)
O compensador CR2 é representado na forma de diagrama de blocos mostrado na Fig. 5
Figura 5: Estrutura da malha de controle utilizando o compensador CR2. Definido os compensadores CR e CR2, são realizados testes em modo regulatório no processo de pH, a fim de analisar o desempenho da estratégia de controle PID + Compensador de Atrito. Como resultado dos testes, as Fig. 6 e 7 mostram a tendência do pH, empregando o compensador CR e CR2, respectivamente. Na Fig. 6 percebem-se oscilações durante o experimento, devido à presença de atrito na válvula e com um sobressinal chegando até o valor de 6,65, aproximadamente. A Fig. 7 mostra um sobressinal chegando a 6,67, aproximadamente. Nela se nota que o pH ficou mais próximo ao SP ao longo do teste do que na Fig. 7.
Figura 6: Tendência do SP e PV para o teste em modo regulatório utilizando o controlador PID + Compensador CR na planta de pH.
Figura 7: Tendência do SP e PV para o teste em modo regulatório utilizando o controlador PID + Compensador CR2 na planta de pH.
Em seguida, com os dados coletados das variáveis da malha de pH (SP, PV e MV), são aplicados os KPIs e, como resultado, as Tabelas V e VI mostram os índices para as estruturas de controle PID + Compensador CR e CR2, respectivamente.
TABELA V. KPIS OBTIDOS UTILIZANDO O CONTROLADOR PID + COMPENSADOR CR NA PLANTA DE PH.
Índice Valor PV Valor MV
Média 6,98 36,50 Desvio Padrão 0,06 4,81 Variância 0,003 23,18 Amplitude Máxima 7,10 50,99% Amplitude Mínima 6,66 26,97% Variabilidade 1,60% 26,97% Variabilidade Relativa 0,68% 105,02% Índice de Capabilidade 5,87 1,14 ISE 16,54 ---- IAE 139,08 ---- ITSE 215,27 ---- ITAE 634,44 ---- Índice de Variabilidade 77,41% ---- Índice de desempenho de Harris 22,59% ----
Índice Valor PV Valor MV Watchdog Index 598,04 ---- Índice de Thornhill 1,08 ---- Índice de Miao - Seborg 0,99 ---- Excursão da Válvula – MV ---- 5084,04%/h
Excursão da Válvula - ZT ---- 2875,70%/h Reversões da Válvula - MV ---- 1773/h Reversões da Válvula - MV ---- 1766/h TABELA VI. KPIS OBTIDOS UTILIZANDO O CONTROLADOR PID + COMPENSADOR CR2 NA PLANTA DE PH.
Índice Valor PV Valor MV
Média 6,99 38,80 Desvio Padrão 0,06 5,20 Variância 0,004 27,051 Amplitude Máxima 7,09 55,29% Amplitude Mínima 6,63 28,30% Variabilidade 1,74% 26,81% Variabilidade Relativa 0,74% 99,59% Índice de Capabilidade 5,41 1,20 ISE 19,38 ---- IAE 117,39 ---- ITSE 232,69 ---- ITAE 577,62 ---- Índice de Variabilidade 78,76% ---- Índice de desempenho de Harris 21,24% ---- Watchdog Index 645,45 ---- Índice de Thornhill 0,79 ---- Índice de Miao - Seborg 0,99 ---- Excursão da Válvula – MV ---- 5163,66%/h
Excursão da Válvula - ZT ---- 1637,50%/h Reversões da Válvula - MV ---- 1788/h Reversões da Válvula - MV ---- 1705/h Sobre os valores dos KPIs obtidos para o pH, os índices de variabilidade, variabilidade relativa e VI, foram reduzidas em 2,88%, 1,30% e 11,69% com o compensador CR e 1,24%, 0,13% e 10,34% com o compensador CR2, dos valores da variabilidade obtidos somente com o controlador PID. As amplitudes máxima e mínima do pH foram reduzidas em 2,85% e 3,64% empregando o compensador CR e em 2,92% e 3,43% com o compensador CR2, assim como também ficaram afastados da região limite permitida. Sobre o desempenho do controlador, o índice de Harris aumentou de 11,65% e o
Watchdog Index reduziu em 2,25 vezes com o CR e, com o
compensador CR2, aumentou-se o desempenho em 10,34% e reduziu-se o WI de 2,08 vezes. Sobre a quantificação da malha se é oscilatória ou não, o compensador CR não reduziu o comportamento oscilatório, pois os valores obtidos foram maiores que os valores máximos permitidos; já o compensador CR2 reduziu o índice de regularidade dos períodos em 19,38%. Na medida da qualidade do pH, os índices de capabilidade dos compensadores CR e CR2 aumentaram de 2,90 e 2,68 vezes com respeito aos valores do controlador PID, cumprindo assim com as especificações estabelecidas.
Analisando-se os índices para a MV, o sobressinal máximo foi reduzido em 45,16% e 40,86%, utilizando a estratégia de controle PID + compensador CR e CR2, mas teve-se aumento de 5,06% e 3,73% no limite mínimo, respectivamente. As variabilidade e variabilidade relativa da MV foram reduzidas em 30,61% e 66,55% com o compensador CR e 30,18% e 71,98% com o compensador CR2, respectivamente, mostrado assim melhorias sobre o controlador PID. Os índices de capabilidade empregando os compensadores CR e CR2
aumentaram em 0,44 e 0,50, respectivamente, sobre o controlador PID, mas ainda indicam um processo deficiente. Finalmente, para o compensador CR, a relação entre posição da haste e sinal de controle foi de 56,56% e a relação entre o número de reversões da válvula e reversões do sinal de controle foi de 99,60%; para o compensador CR2, relação entre posição da haste e sinal de controle foi de 31,71% e a relação entre o número de reversões da válvula e reversões do sinal de controle foi de 95,36%. Para o compensador CR houve uma redução de 11,88% da relação de excursão, mas o número total de reversões da haste aumentou em 11 vezes, aproximadamente, comparado com o controlador PID. Para o compensador CR2 percebe-se que houve uma redução de 36,73% na excursão da válvula, mas o número total de reversões da haste aumentou em 6 vezes, comparado com o controlador PID. Sobre a relação do número de reversões da válvula, ambos os compensadores ficam próximos de 100%, indicando que a válvula acompanha as variações do sinal de controle.
Realizada a análise de cada compensador de atrito, a Tabela VII mostra o cálculo do ETIs, utilizando os valores obtidos do ISE, IAE, ITSE e ITAE, a fim de avaliar o desempenho das estruturas de controle PID + Compensador CR e PID + Compensador CR2 em relação ao controlador PID.
TABELA VII. ETIS PARA A MALHA DE PH.
Compensador (ExperTune ETI
Index - IAE) ETI (ExperTune Index - ISE) ETI (ExperTune Index - ITSE) ETI (ExperTune Index - ITAE) CR 63,53% 87,56% 89,46% 65,84% CR2 69,22% 85,42% 87,69% 70,77% Segundo os resultados da Tabela VIII, pode-se perceber que para cada índice ETI calculado, baseado na integral do erro, os compensadores CR e CR2 não mantêm uma superioridade constante um referente ao outro. Isto é, os erros grandes do compensador CR2 foram mais penalizados que os erros obtidos pelo compensador CR em 2,14% e 1,77% a mais, segundo indica os ETI-ISE e ETI-ITSE, respectivamente, mas os erros do compensador CR, que permanecem ao longo do tempo, foram maiores que os erros do CR2 em 5,69% e 4,93% a mais, segundo indica os índices ETI-IAE e ETI-ITAE, respectivamente.
IV. CONCLUSÕES
O desenvolvimento de KPIs, assim como também a proposta de uma metodologia para quantificar o comportamento de malhas de controle, utilizando um historiador de alta capacidade foram realizados neste trabalho.
O teste em modo regulatório demostrou que a malha de pH operando com o controlador PID, apresenta índices de variabilidade consideráveis e um baixo desempenho do controlador; isto devido ao efeito do atrito na válvula de controle e à influência da não-linearidade do processo.
Como alternativa em melhor o desempenho da malha de pH, a implementação de compensadores de atrito permitiu reduzir os índices de variabilidade e aumentar o desempenho da estratégia de controle. Os resultados dos KPIs, utilizando os compensadores CR e CR2, mostraram que, o compensador CR2 foi quem conseguiu reduzir mais o índice de oscilação da malha de pH assim como também aumentou o desempenho da estrutura de controle, desgastando menos a haste da válvula, pois o número total de reversões obtidas foi a metade aproximadamente, do valor total de reversões que gera o compensador CR.
REFERÊNCIAS
[1] B. S. Torres e E. S. HORI, “Novas tecnologias para avaliação do desempenho e auditoria de malhas de controle em plantas de papel e celulose”, Revista O Papel, p. 64-71, Junho, 2006.
[2] T. Harris, C. Seppala, L. Desborough, “A review of performance assessment and process monitoring techniques for univariate and multivariate control systems”, Journal of Process Control, Vol. 9, p. 1-17, 1999.
[3] M, Jelali and B. Huang, Detection and diagnosis of stiction in control
loops. First, New York, USA: AIC - Advances in Industrial Control,
2010.
[4] C. Makarovsky and R. T. Arbex, “Reduzindo custos variáveis, diminuindo as variabilidades dos processos”, Revista InTech, Nº 63, pp. 38-44, 2004.
[5] K. D. Starr, H. Petersen, M. Bauer, “Control loop performance monitoring–ABB’s experience over two decades”,
IFAC-PapersOnLine, v. 49, n. 7, p. 526-532, 2016.
[6] M. A. Paulonis and J. W. Cox, “A practical approach for large-scale controller performance assessment, diagnosis, and improvement”,
Journal of Process Control, Vol. 13, p. 155–168, 2003.
[7] L. G. S. Longhi, A. S. Reginato, H. C. G. Teixeira, C. A. C. Cortez, L. P. Lusa, S. S. Gonzalez, T. D. Fleck, “Control loop performance assessment and improvement of an industrial hydrotreating unit and its economical benefits”, Sba: Controle & Automação Sociedade
Brasileira de Automatica, Vol. 23, N° 1, p. 60-77, 2012.
[8] R. S. Patwardhan and M. Ruel, “Best Practices for Monitoring your PID Loops - The Key to Optimizing Control Assets”, ISA Expo, Houston, TX, 2008.
[9] Y. Qiaolin and L. BARRY, “Control performance assessment for multivariable systems based on a modified relative variance”, Journal
of Process Control, Vol. 19, N° 3, p. 489-497, 2009.
[10] M. Fazenzena, J. O. Trierweiler, “Variability Matrix: A New Tool to Improve the Plant Performance”, Adchem. Gramado, Brasil. Abril de 2006.
[11] J. P. Shunta, Achieving World Class Manufacturing Through Process
Control, Prentice Hall PTR, 1995.
[12] R. R. Rhinehart, “A Watchdog for Controller Performance Monitoring”, American Control Conference, Seattle, Washington, 1995.
[13] J. Gerry, “Performance measurement - the rest of history”, ExperTune
Newsletter, 2004.
[14] B. G. Liptak, Instrument Engineers' Handbook, Volume Two: Process
Control Optimization, Fourth Edition, Taylor & Francis Group, 2006.
[15] V. E. Kane, “Process Capability indices”, Journal of Quality
Technology, Vol. 18. Nº. 1, p. 41-52, 1986.
[16] N. F. Thornhill, B. Huang, H. Zhang, “Detection of multiple oscillations in control loops”, Journal of Process Control, Nº 13, p. 91-100, 2003.
[17] Y. T. Miao and D. E. Seborg, “Automatic detection of excessively oscillatory feedback control loops”, In: Proceedings of IEEE
International Conference on Control Applications, Kohala Coast, HW,
p. 359-364, 1999.
[18] M. Bauer, A. Horch, L. Xie, M. Jelali, N. F. Thornhill, “The current state of control loop performance monitoring–A survey of application in industry”, Journal of Process Control, Vol. 38, p. 1-10, 2016. [19] A. C. V. Penaloza, C. Garcia, “Comparação de métodos de
compensação de atrito em uma válvula de controle em planta de neutralização de pH”, In: 12ª Conferência Brasileira de Dinâmica,
[20] E. B. Dahlin, “Designing and tuning digital controllers”, Instrument
and Control Systems, vol. 41, no. 6, p. 77-83, 1968.
[21] M. A. A. S. Choudhury, M. Jain, S. L. Shah, “Stiction-definition, modeling, detection and quantification”, Journal of Process Control, Vol. 18, p. 232-243, 2008.
[22] T. Hägglund, “A friction compensator for pneumatic control valves”,
Journal of Process Control, Elsevier, Vol. 12, Nº 8, p. 897-904, 2002.
[23] T. Hägglund, “Automatic on-line estimation of backlash in control loops”, Journal of Process Control, Elsevier, Vol. 17, Nº 6, p. 489-499, 2007.
Christiam Segundo Morales Alvarado é Engenheiro
Eletrônico formado pela Universidad Privada Antenor Orrego (2010). Possui Mestrado em Engenharia Elétrica com enfasis em Automação e Controle (2013), MBA em Automação Industrial (2016) e Doutorado em Engenharia Eletrica (2017) pela Universidade de São Paulo. Tem atuação nos seguintes temas de pesquisa e desenvolvimento: KPI para avaliação de malhas de Controle, Modelagem e Simulação de Processos Industriais, Identificação de Sistemas, Automação e Controle Avançado Multivariável de Processos Industriais
Claudio Garcia é graduado em Engenharia Elétrica
Escola Politécnica pela Universidade de São Paulo (1979), mestrado em Engenharia Elétrica pela Universidade de São Paulo (1987) e doutorado em Engenharia Elétrica pela Universidade de São Paulo (1992). Atualmente é professor doutor da Universidade de São Paulo. Tem experiência na área de Engenharia Elétrica, com ênfase em Controle de Processos Eletrônicos, Retroalimentação, atuando principalmente nos seguintes temas: identificação de sistemas em malha aberta e fechada, quantificação e compensação de atrito em válvulas de controle, modelagem e controle de processos industriais.
