MPC Deltav

RICARDO PASTORELLO
INTEGRAO VIA OPC DE CONTROLADOR PREDITIVO

COMERCIAL COM SIMULADOR DINMICO DE
PROCESSOS GERANDO AMBIENTE
VIRTUAL DE TESTES
SO CAETANO DO SUL
2008
RICARDO PASTORELLO
INTEGRAO VIA OPC DE CONTROLADOR PREDITIVO

COMERCIAL COM SIMULADOR DINMICO DE
PROCESSOS GERANDO AMBIENTE VIRTUAL DE TESTES
Dissertao apresentada Escola de

Engenharia Mau do Centro Universitrio do
Instituto Mau de Tecnologia para obteno
de ttulo de Mestre em Engenharia de
Processos e Bioqumicos.
Linha de pesquisa: Anlise e controle de
processos qumicos
Orientador: Prof. Dr. Claudio Garcia
SO CAETANO DO SUL
2008
DEDICATRIA
A Deus por todas as minhas conquistas, por minha vida, pela minha fora de vontade que me
trouxe at esse momento, pela minha perseverana e a busca da compreenso das suas
palavras e sabedoria.
A meu falecido Pai, que certamente est orgulhoso deste momento, observando de onde est,
e a minha me pela dedicao em nossa criao.
A Nilce, minha espsa, Leonardo e Carolina filhos adorados, que sempre estiveram ao meu
lado, com amor, admirao e gratido por sua compreenso, carinho, presena e incansvel
apoio ao longo do perodo de elaborao deste trabalho.
Ao Prof. Claudio Garcia, que nos anos de convivncia, muito me ensinou, contribuindo para
meu crescimento cientfico e intelectual, mais que um professor um grande amigo.
A Joaquim Guimares, um amigo, que colaborou com seu conhecimento para realizao deste
trabalho.
A todos amigos em geral, que colaboraram para que este projeto se tornasse realidade.
LISTA DE ILUSTRAES
FIGURA 1.1 DIAGRAMA ESQUEMTICO DA COLUNA DE DESTILAO
17
FIGURA 1.2 DIAGRAMA ESQUEMTICO DO CONTROLE DA COLUNA DE

DESTILAO
18
FIGURA 1.3 DIAGRAMA DE ENTRADAS E SADAS E PERTUBAES DO SISTEMA

A SER CONTROLADO
FIGURA 2.1 MPC PARA CONTROLE MALHA NICA DIRETO NA VLVULA
19
33
FIGURA 2.2 CONTROLE COM INTERAO ENTRE MALHAS USANDO

MPC
34
FIGURA 2.3 MPC PARA UM CONTROLE DE MALHA NICA COM DUAS

PERTURBAES MEDIDAS
35
FIGURA 2.4 MALHA DE CONTROLE COM UMA RESTRIO MEDIDA
36
FIGURA 2.5 EXEMPLO DE CONFIGURAO DO BLOCO MPC
37
FIGURA 2.6 DIAGRAMA DE BLOCOS PARA IMPLEMENTAO DE UM MPC
38
FIGURA 3.1 EXEMPLO DE ARQUITETURA SERVIDOR CLIENTE OPC
43
FIGURA 3.2 INTERFACE ENTRE CLIENTE OPC E UM SERVIDOR
43
FIGURA 3.3 INTERFACE ENTRE UM GRUPO E ITEM
44
FIGURA 3.4 INTERFACE ENTRE APLICAES OPC E SEVIDOR
45
FIGURA 3.5 ARQUITETURA TPICA DE UMA OPC
46
FIGURA 4.1 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU

NO VALOR DE REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S
48
FIGURA 4.2 RESPOSTA DE XB COM PID EM AMBIENTE MAT LAB COM DEGRAU
NO VALOR DE REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S
48
FIGURA 4.3 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM

DEGRAU NO VALOR DE REFERNCIA DE XB DE 0,02 PARA
0,015 EM T= 20 S
49
FIGURA 4.4 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM

DEGRAU NO VALOR DE REFERNCIA DE XB DE 0,020 PARA
0,015 EM T=20S
49
FIGURA 4.5 RESPOSTA DE XB COM PID EM AMBIENTE MAT LAB COM

DEGRAU NO VALOR NA VAZO DE ALIMENTAO F DE 100 PARA
105 EM T=20S
50
FIGURA 4.6 RESPOSTA DE XD COM PID EM AMBIENTE MAT LAB COM

DEGRAU NA VAZO DE ALIMENTAO F DE 100 PARA
105 EM T=20S
51
FIGURA 4.7 MODELO DA COLUNA COM A OPC PARA COMUNICAO COM O

DELTA V
53
FIGURA 4.8 CONFIGURAO DOS PIDS, AIS E AOS NO DELTA V
54
FIGURA 4.9 TESTE DE SINTONIA USANDO DELTA V TUNE
57
FIGURA 4.10 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA

DE XB DE 0,020 PARA 0,025 NO INSTANTE T=20S
58
FIGURA 4.11 RESPOSTA DE XD A DEGRAU NO VALOR DE REFERNCIA DE XB

DE 0,020 PARA 0,025 NO INSTANTE T=20S
59
FIGURA 4.12 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE

XD 0,98 PARA 0,975 NO INSTANTE T = 20S
60
FIGURA 4.13 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD

DE 0,98 PARA 0,975 NO INSTANTE T = 20S
60
FIGURA 4.14 RESPOSTA DE XB A DEGRAU NA VAZO DE ALIMENTAO F DE

100 PARA 105 NO INSTANTE T = 80S
61
FIGURA 4.15 RESPOSTA DE XD A DEGRAU NA VAZO DE ALIMENTAO F DE

62
FIGURA 4.16 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE

XB DE 0,02 PARA 0,025 NO INSTANTE T = 200S
63

63

0,98 PARA 0,975 NO INSTANTE T = 200S
64

65

66

66
FIGURA 5.1 CONFIGURAO DOS BLOCOS MPC, PIDs, AIs, AOs NO CONTROL
STUDIO DO DELTA V
69
FIGURA 5.2 AMBIENTE PREDICT PARA EXECUO DE TESTE PARA CRIAO

DO MODELO
70
FIGURA 5.3 AMBIENTE PREDICT EXECUTANDO TESTE PARA CRIAO DO

MODELO
72
FIGURA 5.4 AMBIENTE PREDICT PARA VISUALIZAO DA MATRIZ 2X2

GERADA
73
FIGURA 5.5 AMBIENTE PREDICT PARA VISUALIZAO E EDIO GRFICA

DOS MODELOS GERADOS
74
FIGURA 5.6 AMBIENTE PREDICT PARA VISUALIZAO E EDIO ANALTICA

ATRAVS DE COEFICIENTES DOS MODELOS GERADOS
75
FIGURA 5.7 AMBIENTE PREDICT PARA VISUALIZAO DAS OPES DE

VERIFICAO DAS CURVAS DO MODELO GERADO
FIGURA 5.8 AMBIENTE
PREDICT
PARA
VISUALIZAO
DA
CONTROLADA 1 COM AS INFORMAES ORIGINAIS
76
CURVA
DA
77
FIGURA 5.9 CONTROL STUDIO COM O BLOCO MPC E SELEO DO MPC

OPERATE
FIGURA 5.10 SIMULAO OFF LINE UTILIZANDO O MPC OPERATE
78
79
FIGURA 5.11 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE

80

80

81

82

83

84
SUMRIO
1 INTRODUO
15
1.1 OBJETIVOS
16
1.2 DESCRIO DO PROCESSO
16
1.3 REVISO BIBLIOGRFICA
20
1.3.1 Consideraes sobre controle preditivo
20
1.3.2 Consideraes sobre o controle em colunas de destilao
23
1.3.3 Consideraes sobre a variabilidade
27
1.4 ESTRUTURA DA DISSERTAO
29
2 ASPECTOS CONCEITUAIS ENVOLVENDO O SISTEMA DE CONTROLE

DELTA V E A FERRAMENTA DELTA V PREDICT
30
3. ASPECTOS CONCEITUAIS ENVOLVENDO FERRAMENTA OPC
41
3.1 DEFINIO E APLICAO
41
3.2 PROPOSTA DE DESENVOLVIMENTO E ESPECIFICAES
42
3.3 FUNDAMENTOS DA OPC
42
3.3.1 Componentes da OPC e suas interfaces
43
3.4 ACESSO A UMA OPC
44
3.5 ARQUITETURA E COMPONENTES DE UM OPC GENRICO
45
4 OPERAO DA COLUNA COM PIDS GERADOS NO MODELO EM MATLAB E

NO AMBIENTE DELTA V
47
4.1 CONFIGURAO E OPERAO DOS PIDS NO AMBIENTE MATLAB
47
4.1.1 Degrau no valor de referncia da concentrao XD
48
4.1.2 Degrau no valor de referncia da concentrao XB
49
4.1.3 Degrau na vazo de entrada F com as concentraes XB e XD estveis
50
4.2 OPERAO DA COLUNA COM PIDS GERADOS NO AMBIENTE DELTA V
52
4.2.1 Configurao da comunicao entre o modelo da coluna no Matlab e a ferramenta

Delta V
52
4.2.2 Configurao dos blocos PIDs, AIs, AOs dentro do Delta V
54
4.2.3 Realizao dos testes de comunicao e operao em tempo real
55
4.2.3.1 Utilizando a ferramenta Delta V tune para realizao das sintonias dos PIDs no
DeltaV
55
4.2.3.2 Operao do DeltaV tune para realizao das sintonias dos controladores
56
4.3 TESTES DE DESEMPENHO PARA OS PIDS CONFIGURADOS NO DELTA V
58
4.3.1 Degrau no valor de referncia de XB
58
4.3.2 Degrau no valor de referncia de XD
60
4.3.3 Degrau na vazo de alimentao F
61
4.4 TESTES DE DESEMPENHO PARA OS PIDS CONFIGURADOS NO AMBIENTE

MATLAB UTILIZANDO SINTONIA UTILIZADA NO PIDS DO DELTAV
63
4.4.1 Degrau valor de referncia de XB
63
4.4.2 Degrau valor de referncia de XD
64
4.4.3. Degrau na vazo de alimentao F
65
5 CONFIGURAO DO CONTROLE PREDITIVO DENTRO DO AMBIENTE

DELTA V
68
5.1 CONFIGURANDO OS BLOCOS DENTRO DO DELTA V
68
5.2 ATRIBUIO DAS ENTRADAS E SADAS PARA O DELTA V HISTORIAN
69
5.3 UTILIZANDO O AMBIENTE PREDICT PARA CRIAO DO MODELO
70
5.3.1 Execuo de testes para criao do modelo dentro do bloco MPC
71
5.4 TESTES DE DESEMPENHO DO CONTROLADOR GERADO A PARTIR DO

MODELO DO PROCESSO VIA DELTA V PREDICT
80
5.4.1 Degrau no valor de referncia XB
80
5.4.2 Degrau no valor de referncia XD
81
5.4.3 Degrau na vazo de alimentao F
83
6 CONCLUSES
85
6.1 RECOMENDAES PARA TRABALHOS FUTUROS
86
REFERNCIAS
87
ANEXO A - TEORIA DMC
RESUMO
Nos ltimos anos a tecnologia de controle digital tem evoludo rapidamente, os fabricantes de
sistemas digitais oferecem solues de hardware e software com maior capacidade e menor
custo.
A instrumentao de campo melhorou muito a sua qualidade, oferecendo muitas opes para
o aumento da eficincia de controle, tais como transmissores e posicionadores inteligentes.A
comunicao entre sistemas foi bastante simplificada com a adoo do padro OPC.Algumas
tecnologias de controle avanado saram das universidades e esto disponveis sob forma de
ferramentas de uso mais fcil.
Toda esta disponibilidade de tecnologia para integrao e implementao reduziu
drasticamente os custos e prazos dos projetos de controle avanado e com isto cada vez mais
sistemas com controle avanado vm sendo implementados.
Uma das grandes dificuldades na implementao destes sistemas tem sido a necessidade de
gerar modelos do processo baseando-se em testes de planta, que normalmente causa perdas de
produo, instabilidade da qualidade do produto e riscos a equipamentos e do prprio
processo.
Com este cenrio, a proposta deste trabalho de criar um ambiente vitual para testes vem de
encontro s expectativas de criar um ambiente economicamente mais vivel e ao mesmo tempo
mais seguro.
Este trabalho utilizou como processo a ser controlado uma coluna de destilao de mistura
binria, equipada com oito pratos perfurados, onde se necessita controlar as composies de
topo e de fundo. Trata-se de uma coluna simulada, modelada no Matlab com base em
(Luyben, 1990). O controle simultneo das composies de topo e de fundo numa coluna de
destilao um problema complexo, devido ao acoplamento inerente das duas variveis de
sada com as variveis de entrada, restringindo o uso de tcnicas de controle convencionais,
do tipo PID (Proporcional, Integral, Derivativo). Para tanto, se utiliza neste trabalho um
controlador controle preditivo comercial, como alternativa para soluo deste problema.
Dentre as opes disponveis no mercado, optou-se por utilizar o Delta V Predict que faz parte
do sistema de controle Delta V do fabricante Emerson Process.
A integrao do modelo da coluna de destilao e do DeltaV Predict foi feita atravs da
ferramenta OPC, normalmente utilizada para integrao de sistemas.
Foram realizados testes de desempenho com controladores PID multimalha construdos no
Matlab, depois no sistema Delta V e finalmente um controlador DMC gerado a partir de um
modelo instalado no Delta V Predict .
Os resultados dos testes de desempenho das trs opes acima descritas so comparados
analisados.
ABSTRACT
Over the past few years, the digital control technology has evolved rapidly, while
manufacturers of digital systems have been providing hardware and software solutions
featuring greater capacity at lower costs. The field instrumentation has improved a lot in terms
of quality, providing many options to enhance control efficiency, such as smart transmitters
and positioners. The communication between systems has been much simplified by the
adherence to the OPC standard. Some advanced control technologies have come out of
universities and are available in the form of tools that are easier to use.
All such availability of integration and implementation technologies has drastically reduced
costs and shortened advanced control project implementation time frames, and, as a result,
more and more systems with advanced controls have been implemented. One of the major
difficulties with the implementation of these systems has the been need to create process
models based on plant tests, which usually gives rise to production losses, product quality
instability and risks to the equipment and the very process.
In this scenario, the purpose of this paper is to create a virtual testing environment that meets
the expectations for greater economic feasibility while being safer. As the process to be
controlled, this paper has used a binary mixture distillation column equipped with eight
perforated trays, where control of top and bottom compositions is required. It is a simulated
column modeled on Matlab based on (Luyben, 1990).
The simultaneous control of top and bottom compositions in a distillation column is a
complex problem, due to the inherent coupling of the two variables, thereby limiting the use
of standard control techniques such as the PID (Proportional, Integral, Derivative) type, and,
therefore, it was used a commercial predictive control as an alternative to solve that problem.
Of the options available on the market, it was chosen to use Delta V Predict, which is part of
the Delta V control system from manufacturer Emerson Process. The integration between the
distillation column model and Delta V Predict was accomplished using the OPC tool, which is
typically used to integrate systems.
Performance tests were run with multiloop PID controllers built first on Matlab, in the Delta
V system and finally a DMC controller generated from a model implemented on Delta V
Predict. The results from the performance testing of the three options described above are
compared and analyzed.
15
1 INTRODUO
Nos ltimos anos tem ocorrido uma grande mudana nas estratgias de controle avanado,
constatando-se que a otimizao em uma linha implementada com controle preditivo propicia
um dos melhores mtodos para controle e otimizao de plantas industriais.
Dentro deste contexto, uma tcnica de controle preditivo, o Controle por Matriz Dinmica
(DMC), foi desenvolvida e aplicada na indstria com sucesso.O mtodo apresentou boa
aceitao devido sua relativa facilidade de modelagem, baseada em uma representao de
resposta a degrau aplicado ao processo em malha aberta e diferindo dos modelos em espao de
estados ou funes de transferncia. O DMC , portanto, obtido a partir de curvas de resposta
entrada-sada experimentais e efetua o clculo das aes de controle, de modo a otimizar a
trajetria futura do processo, incorporando restries nas variveis.
O controle da composio dos produtos de topo e fundo de colunas de destilao um problema

essencialmente multivarivel e com restries de operao. Alm disso, o comportamento
dinmico do sistema estudado no-linear. Tais condies limitam o uso de tcnicas
convencionais, do tipo PID (Proporcional Integral Derivativo).
O processo a ser controlado apresentado definindo-se as variveis controladas, manipuladas e

de perturbao.
16
1.1 OBJETIVOS
O objetivo desta dissertao efetuar o controle DMC, bem como a anlise dos resultados deste
tipo de controle aplicado a uma coluna de destilao de oito pratos para separao de uma
mistura binria, coluna esta que simulada dinamicamente no aplicativo Simulink do Matlab,
dever ser controlada atravs do aplicativo Delta V Predict, do sistema de controle Delta V do
fabricante Emerson Process. A coluna simulada em Matlab, bem como o sistema de controle
Delta V esto instalados em microcomputadores distintos e a integrao de ambos os softwares
feita via OPC.
A integrao visa criar um ambiente virtual de testes, que possibilite obter reduo de custos,
pois evita que o equipamento estudado tenha perdas de produo, devidas a testes efetuados no
sistema de controle durante a criao dos modelos e o comissionamento do mesmo, alm de ser
um ambiente mais seguro para realizao dos testes, argumento suficientemente consistente
para as instalaes industriais atuais.
1.2 DESCRIO DO PROCESSO

As colunas de destilao so encontradas na maioria das instalaes petroqumicas. O objetivo
de uma coluna de destilao separar uma mistura de lquidos em dois ou mais produtos, com
composies diferentes daquela da alimentao.
A alimentao realizada no terceiro prato, contado a partir do topo da coluna. Trata-se de

uma coluna simulada, modelada com base em (Luyben, 1990). O modelo est implantado no
Simulink do Matlab. Um esquema da coluna mostrado na figura 1.1.
17
MD
F Z TF
Coluna
de
destilao
D XD
QV
MB
B
XB
FIGURA 1.1 DIAGRAMA ESQUEMTICO DA COLUNA DE DESTILAO
F=Vazo da corrente de alimentao

Z=Composio da corrente de alimentao
TF= Temperatura da corrente de alimentao
MD= Nvel de lquido no condensador
MB=Nvel de lquido no refervedor
D=Vazo de destilado
B=Vazo de produto de fundo
R= Vazo de reciclo
XB=Composio do produto de fundo
XD=Composio do destilado
QV=Vazo de vapor de aquecimento do refervedor
Nesta coluna, o produto com valor comercial o de topo, sendo que o produto de fundo
basicamente gua.
O controle da coluna proposto neste trabalho mostrado na figura 1.2. As variveis de entrada
so F, Z, TF, QV, R, D, B e as de sada so MD, MB, XD, XB.
A configurao de controle a ser empregada descrita a seguir:

-
O nvel MD controlado pela vazo de produto destilado (D);
O nvel MB controlado pela vazo de produto de fundo (B);
18
A composio de topo (XD) controlada pela relao R/D, isto , pela relao entre a
vazo de reciclo e a vazo de destilado; e

-
A composio de fundo (XB) controlada pela relao QV/B, isto , pela razo entre a
carga trmica do refervedor e a vazo de produto de fundo.
Controlador
de MD
MD
F Z TF
QV
Coluna
de
destilao
MB
XD
Controlador
de MB
XB
B
QV
XD
R/D
Controlador
DMC
XB
QV/B
FIGURA 1.2 DIAGRAMA ESQUEMTICO DO CONTROLE DA COLUNA DE DESTILAO
Como no h necessidade de um controle rigoroso nos nveis do condensador e do

referverdor, por no serem variveis essenciais para o desempenho da coluna, ambos os nveis
so regulados por controladores PI. Dessa forma, o controle preditivo do tipo DMC
utilizado para controlar apenas as composies dos produtos de topo (XD) e de fundo (XB).
Resulta ento o diagrama esquemtico da figura 1.3 para ilustrar o sistema a ser controlado
pelo algoritmo DMC.
19
Perturbaes
Z
R/D
Entradas
QV/B
TF
Sistema
a ser
controlado
XD
Sadas
XB
FIGURA 1.3 DIAGRAMA DE ENTRADAS, SADAS E PERTURBAES DO SISTEMA A SER

CONTROLADO
Em sntese, as variveis controladas so:

(i)- nvel de fluido no condensador (MD);
(ii)- nvel de fluido no refervedor (MB);
(iii)- composio do destilado ou produto de topo (XD) e
(iv)- composio do produto de fundo (XB);
Por sua vez, as variveis manipuladas so:
(v)- vazo de destilado (D), usada para controlar o nvel de fluido no condensador (MD);
(vi)- vazo de produto de fundo (B), usada para controlar o nvel de fluido no fundo da coluna
(MB);
(vii)- vazo de reciclo (R). lido o valor da varivel D e, controlando-se o valor da razo
R/D, calcula-se o sinal que atua na vlvula que manipula R, e
(viii)- vazo de vapor de aquecimento do refervedor (QV). lido o valor da varivel B e
controlando-se o valor da relao QV/B, calcula-se o sinal que atua na vlvula que manipula
QV.
20
1.3 - REVISO BIBLIOGRFICA
1.3.1 Consideraes sobre controle preditivo
Recentemente foi reconhecido que a anlise no domnio do tempo pode ter um importante
papel conceitual na anlise e controle de processos, baseando-se em modelos de convoluo.
Em decorrncia do desenvolvimento da tecnologia digital, os clculos no domnio do tempo
se tornaram mais acessveis, superando a anlise baseada em transformadas integrais.
Nos ltimos anos tm sido propostas tcnicas de controle preditivo baseadas em modelos de
convoluo discretos, isto , modelos de resposta a impulso (ou degrau) ou modelos no
paramtricos. Outras tcnicas preditivas trabalham com modelos paramtricos, principalmente
no contexto adaptativo.
De modo geral, estas tcnicas so denominadas MPC (Model Predictive Control), que se
referem a uma famlia de controladores onde h a utilizao direta de um modelo. A tcnica
MPC fornece a metodologia de se manipular variveis de modo sistemtico durante o projeto
e a implementao do controlador.
Surgidas a partir de procedimentos heursticos, duas tcnicas de controle apresentaram

bastante interesse industrial: o MAC (Model Algorithmic Control) e o DMC (Controle por
Matriz Dinmica). Ambas envolvem basicamente um modelo de convoluo discreto para
representao do sistema, uma trajetria da referncia, um critrio de otimizao e a
considerao de restries.
21
Apresenta-se, a seguir, um sumrio da evoluo do controle preditivo, baseado em (Pinto,

1990).
De acordo com PINTO (1990) e LUYBEN (1990), o DMC foi desenvolvido e aplicado na
Shell Oil Co., sendo citado por CUTLER e RAMAKER (1979) a sua utilizao em um
sistema de forno com pr-aquecedor. PRETT e GILLETE (1979) descrevem a otimizao em
linha com controle DMC multivarivel e com restries. A aplicao do DMC com
otimizao em linha foi efetuada na Suncor (Canad), controlando um reator de
hidrocraqueamento que envolve cinco variveis manipuladas e quatro variveis controladas
(CUTLER e HAWKINS, 1987).
Diferentemente do MAC, que utiliza um modelo interno de resposta a impulso, o DMC possui
a representao interna do processo baseada na resposta ao degrau. Os dois algoritmos so
comparados por MARTIN (1981) para o caso monovarivel, ressaltando-se suas principais
semelhanas com o controlador deadbeat.
CUTLER (1982) indica as modificaes necessrias no DMC para controlar sistemas que no
atinjam um valor estacionrio; ilustrado o controle de nvel de produto de fundo de uma
coluna fracionadora.
O SMPC (Simplified Model Predictive Control) pode ser considerado uma particularizao do
DMC. MARCHETTI (1982) apresenta o DMC para o caso de uma predio; verifica-se sua
semelhana com o SMPC (ARULALAN, 1985). O algoritmo comparado ao PID para
sistemas monovariveis de primeira ordem com tempo morto por VALDYA e DESHPANDE
(1988).
22
O LDMC (Controle por Matriz Dinmica Linear), baseado no conceito original do DMC, foi
desenvolvido por MORSHEDI, CUTLER e SKROVANEK (1985). O algoritmo utiliza o
mtodo de programao linear e possui uma habilidade especial de manipular restries
explicitamente.
GARCIA e MORARI (1982) mostraram, no caso monovarivel, que vrios esquemas de

controle e o MPC em particular, possuem uma estrutura comum, denominada Controle por
Modelo Interno (IMC). Com base nesta estrutura so analisadas as caractersticas de
estabilidade, qualidade de controle e robustez. A extenso para o caso multivarivel tambm
mostrada (GARCIA e MORARI; 1985).
Seguindo a mesma estrutura IMC, ECONOMOU et alli (1986) fazem a extenso para
sistemas no-lineares. As propriedades desenvolvidas para o IMC no caso linear continuam
vlidas quando definies apropriadas so feitas.
Os algoritmos de controle preditivo que utilizam modelos paramtricos requerem a

identificao dos parmetros para a implementao em linha e so usados essencialmente no
contexto adaptativo. Os desenvolvimentos so usualmente limitados a sistemas monovariveis
com a extenso conceitualmente direta ao caso multivaravel, mas muito intrincada quando os
detalhes so considerados. Alm disso, casos com restries no so considerados em detalhe.
Os principais controladores so:
-
GPC (Generalized Predictive Control) de CLARKE et alli (1987), que possui ao

integral, introduzida atravs de um modelo CARIMA (controlled auto-regressive
integrated moving average). Pode ser usado diretamente em processos de fase no
23
mnima. O desenvolvimento terico do algoritmo, a menos do modelo interno,

semelhante ao DMC.
EPSAC (Extended Prediction Self-adaptive Controller) desenvolvido por DE KEYSER

e VAN CAUWENBERGHE (1985), utilizando um modelo interno tipo CARMA
(Controlled auto-regressive moving average). um caso particular do GPC.
EHAC (Extended Horizon Adaptive Controller), de YDSTIE et alli (1985), que calcula
os valores preditos das variveis de sada apenas num instante futuro e no ao longo de
um horizonte. Permite tambm a adoo das diversas estratgias relativas s futuras
aes de controle.
Uma comparao entre verses adaptativas dos algoritmos MAC, DMC, EHAC e EPSAC (De
KEYSER et alli, 1988) mostrou que o desempenho de todos foi satisfatrio em termos de
robustez. As vantagens do tipo de modelo utilizado (paramtrico ou no paramtrico) so
evidenciadas. Segundo os autores, a adoo de modelos no paramtricos (MAC e DMC)
envolve problemas de estimao dos diversos parmetros de controle, enquanto os modelos
paramtricos (EHAC e EPSAC) possuem problemas com processos que possuam tempos
mortos e com a superestimao da ordem do modelo.
1.3.2 Consideraes sobre o controle em colunas de destilao
A existncia de um grande nmero de artigos publicados a respeito de vrios aspectos do

controle de colunas de destilao uma evidncia da importncia que as comunidades
acadmica e industrial do a este problema. As necessidades atuais de minimizao de custos,
24
com reduo do consumo de matrias primas e energia requerem, no apenas o controle de

uma composio, mas o controle multivarivel de colunas.
O controle simultneo das composies de topo e de fundo numa coluna de destilao um
problema complexo, devido ao acoplamento inerente das duas variveis, restringindo o uso de
tcnicas de controle convencionais, tais como PID (Proporcional, Integral, Derivativo).
SKOGESTAD e MORARI (1987) citam os problemas de implementao pela indstria, do

controle dual de composies numa coluna. Segundo os autores, o principal problema a
estabilidade quando se sintoniza os controladores com a finalidade de se obter uma resposta
rpida. Outros fatores so tambm importantes, a saber:
(i)- Comportamento altamente no linear,

(ii)- Resposta muito lenta,
(iii)- Problema de medio: tempos mortos para analisadores, e
(iv)- Dificuldade na escolha de variveis manipuladas.
Um aspecto muito importante no controle de colunas de destilao a sntese de estruturas de

controle, ou seja, a seleo de variveis manipuladas e/ou pares de variveis controladas /
variveis manipuladas.
TAKAMATSU et alii (1988) propem a escolha criteriosa das variveis manipuladas,

segundo uma abordagem geomtrica, para reduzir a interao entre as malhas com
controladores monovariveis. Segundo os autores, a escolha das razes entre vazes de
lquido e vapor de topo e fundo fornece os melhores resultados para o controle dual de
composies.
25
SKOGESTAD e MORARI (1987) tambm analisam o problema da configurao de controle

em colunas de destilao. So recomendadas a vazo de refluxo e a relao entre as vazes de
sada do refervedor e do produto de fundo para o controle multivarivel das composies de
topo e fundo. A escolha destas variveis torna o controle mais eficiente no caso regulador.
O efeito das perturbaes em diferentes configuraes de controle numa torre de destilao
discutido por WALLER et alii (1988), sendo a sensibilidade a perturbaes relacionada com
as interaes das variveis controladas.
O uso de tcnicas de controle avanado apresenta grande potencial de implementao,

contudo, torna-se necessria a seleo de um mtodo adequado que seja aplicvel a sistemas
multivariveis no-lineares e interagentes.
WOOD e BERRY (1973) testaram um controle de razo para minimizar problemas de

interao entre as composies de topo e fundo. Uma abordagem alternativa a utilizao de
controle no-interagente ou controle com desacoplamento (WOOD e BERRY, 1973;
LUYBEN, 1990). Normalmente se conclui que o desacoplamento aumenta o desempenho do
controle; porm questionado se possvel desacoplamento em certas colunas, de
comportamento altamente no-linear.
TYREUS (1978) lista as principais tcnicas de sintonia de controladores utilizadas na

indstria, separando-as em dois grandes grupos, segundo o modelo de processo requerido. O
autor ressalta a dificuldade de se obter um modelo em espao de estados manipulvel de uma
coluna de destilao, descartando tcnicas como controle timo, alocao de plos, funes
26
de Lyapunov e controle adaptativo multivarivel. Por outro lado, deriva facilmente funes de
transferncia a partir de testes de planta. utilizado o mtodo da Matriz Inversa de Nyquist.
LUYBEN (1985) e LUYBEN (1986) defendem a utilizao de controladores monovariveis
tipo PI, ressaltando o pequeno nmero de implementaes de controladores multivariveis.
proposta a utilizao da Matriz de Ganhos Relativos (RGA) e do ndice de Resilncia de
Morari (MRI) para a escolha de pares de variveis controladas e variveis manipuladas. A
sintonia dos parmetros feita pelo mtodo BLT (Biggest Log Modulus Tuning) e testada
em modelos linearizados de colunas de destilao.
A comparao entre a sintonia clssica de controladores por Ziegler-Nichols e a tcnica BLT

no controle dual de composies feita por ANDERSEN et alii (1989). Os autores
determinam os pares de variveis via RGA e utilizam desacoplamento.
A aplicao do DMC monovarivel a uma coluna de destilao batelada em escala piloto foi
feita por YOON (1986), onde a concentrao de sada controlada pela razo de refluxo.
CUTLER (1983) utilizou o controle DMC e LDMC num modelo de fracionadora com uma
retirada lateral. Foram controladas as composies de topo e da corrente lateral, manipulandose o refluxo interno e o refluxo lateral. No caso do LDMC utilizado um procedimento
heurstico para reduzir a dimenso do problema de programao linear.
O controle dual de composies foi realizado numa coluna de destilao multicomponente em

escala piloto por MARCHETTI (1982), utilizando o MPC e alocao de plos. proposta a
utilizao do Controle Preditivo Simples (SPC) em lugar de mltiplas predies.
27
O DMC com ganho programado (gain scheduling) foi aplicado em colunas de destilao
binrias de alta pureza por McDONALD e McAVOY (1987). O objetivo da estratgia
ajustar os parmetros do controlador de modo a manter constante o ganho global da malha,
compensando as no-linearidades do processo.
GEORGIOU et alii (1988) propem a utilizao do DMC com transformao no-linear das
composies. A transformao tem efeito semelhante ao ganho programado, isto , tratar de
forma mais eficiente a no-linearidade do processo. O desempenho do DMC com
transformao comparado ao DMC convencional e aos controladores PI multimalha com
sintonia BLT.
1.3.3 Consideraes sobre a variabilidade
Qualquer processo de produo, independentemente de suas caractersticas, contm muitas

fontes de variabilidade. Por melhor ajustado que esteja, ele produzir produtos que
apresentaro diferenas entre si, podendo ser grandes ou at mesmo muito pequenas.
Esta variabilidade natural o conjunto de efeitos acumulativos que so compostos de causas

incontrolveis. importante que estas variabilidades naturais sejam pequenas, at que atinjam
um certo nvel aceitvel, para que no comprometam o desempenho do processo.
Um trabalho publicado no ISA Show Brasil/95 (Coghi, 1995) diz o seguinte:
Baseado num cenrio desastroso dentro do parque industrial brasileiro, pesquisou-se o
motivo pelo qual as empresas perdem dinheiro em controle de processos e atravs deste
estudo podemos considerar que as principais causas da variabilidade nos processos industriais
so:
28
Apesar de terem histricos para estudos estatsticos, no so aproveitados;
Pela falta de conhecimento do processo;
Oscilao na composio das matrias primas, aditivos e produtos qumicos;
Alto custo de manuteno dos equipamentos, quando no se utiliza a tecnologia

adequada;
30 a 40% das malhas de controle esto operando em manual;
60% das malhas que operam em AUTOMTICO trabalhariam melhor em MANUAL;
30% dos transmissores necessitam de manuteno ou calibrao;
35% das vlvulas esto mal dimensionadas ou tm problemas de atrito e histerese e a

maioria dos controladores no est devidamente sintonizada.
A eliminao das variabilidades de processo pode contribuir com uma reduo de at 30% no
custo total dos produtos vendidos. Em termos menos tcnicos, reduo de variabilidade
significa manter as plantas de processo funcionando de maneira tima, ou seja, permitir que o
produto industrial final seja fabricado exatamente na sua especificao, sem necessidade de
reprocessamentos e gastos adicionais de energia e matria prima. Um dos fatores
preponderantes para que isto ocorra a instalao de instrumentao, sistemas de controle e
controles avanados de alto desempenho com qualidade e preciso.
29
1.4 ESTRUTURA DA DISSERTAO
A dissertao constituda por seis captulos e um anexo.

No captulo 1 foram abordados essencialmente assuntos como objetivos da dissertao,
descrio do processo e a reviso bibliogrfica do controle preditivo e do controle em colunas
de destilao e variabilidade.
No captulo 2 apresentada a teoria de funcionamento do sistema DeltaV Predict, os
principais benefcios obtidos com a sua utilizao e a descrio de sua implementao prtica.
No captulo 3 abordada essencialmente a Teoria da OPC, explicando seu funcionamento,
seus componentes e interfaces, acesso e arquitetura.
No captulo 4 so apresentados os resultados obtidos com a configurao e sintonia dos PIDs
gerados, tanto no ambiente Matlab como no ambiente Delta V.
No captulo 5 so apresentados os resultados obtidos com a configurao do controlador
preditivo comercial.
No captulo 6 so apresentadas as concluses e as recomendaes para trabalhos futuros.
No anexo A abordada a teoria do DMC e suas respectivas equaes.
30
2 ASPECTOS CONCEITUAIS ENVOLVENDO O SISTEMA DE CONTROLE

DELTA V E A FERRAMENTA DELTA V PREDICT
O Delta V um sistema de controle comercial fornecido pela Emerson Process, cuja

finalidade efetuar o controle de processo de uma unidade e/ou planta industrial.
O sistema de controle Delta V composto de interface homem-mquina baseada em
microcomputadores, redes de comunicao Ethernet em meio fsico por cabo ou fibra ptica e
hubs passivos de 8 ou 12 portas. O sistema possui ainda a disponibilidade de integrar-se com
sistemas externos atravs de porta serial.
Os controladores e suas fontes de alimentao so montados em bases e estes, por sua vez, se
conectam a outras bases onde so instalados os cartes de entrada e sada. Estes controladores
possuem capacidade limitada por senha de 25 at 500 DSTs (Device Signal Tags), que em
outras palavras equivalem a um sinal fsico ou de comunicao de entrada ou sada.
As linguagens de configurao seguem as normas estabelecidas pela IEC e so divididas em

blocos de funes tanto para controle regulatrio, os quais espelham os mesmos blocos de
funes bsicas e avanadas da Fieldbus Foundation, como para controle seqencial
(batelada) e para intertravamentos. Os cartes de entrada e sada permitem trocas a quente, ou
seja, sem que seja necessria a parada da unidade.
O sistema possui alguns softwares que so utilizados para aplicaes especficas, tais como o
Delta V Tune, Delta V Fuzzy, Delta V Predict, etc.
Como dito anteriormente o Delta V Predict um aplicativo que pertence ao sistema Delta V e
cuja finalidade principal proporcionar uma maior taxa de produo, uma reduo de
31
variabilidade e um aumento de rentabilidade. O uso do poder de controle da matriz dinmica

facilita controlar processos com interao e de dinmicas complexas. Na ferramenta Delta V
Predict pode-se usar componentes de engenharia pr-definidos e blocos de funo para
desenvolver as estratgias de controle multivariveis, validar e testar todo o sistema e o
controle de processo. So tambm projetadas aplicaes de controle poderosas para serem
usadas com o sistema de controle existente, para tanto basta conect-los serialmente via OPC.
O texto deste captulo baseou-se em informaes extradas do stio do fabricante Emerson
Process e no link da ferramenta DeltaV Predict.
Dentre os benefcios proporcionados pelo emprego da ferramenta Delta V Predict, pode-se

citar: (i) a melhoria da qualidade do produto obtido, com uma menor variabilidade do
processo, pois o controle preditivo (MPC) baseado em modelo uma tecnologia usada pelo
Delta V Predict, que verifica as interaes do processo e a dinmica de processos complexos.
O Delta V Predict manuseia, com facilidade, processos com tempo morto excessivo,
constante de tempo longa, respostas inversas e interaes de malhas, (ii) - O aumento da taxa
de produo considerando as restries de processo pode ser obtida como resultado da
reduo da variabilidade de processo fornecida pelo Delta V Predict, possvel aumentar a
produo mesmo quando a planta esteja limitada por uma ou mais restries de processo. A
reduo da variabilidade de processo permite um timo desempenho de controle, sem
aumentar o risco de violar as restries operacionais. O otimizador do Predict permite operar
at mesmo as unidades mais complexas com rentabilidade mais alta, ou seja, sempre ir
trabalhar no ponto timo de operao, (iii)- a economia de tempo usando um modelo
automatizado, pois o Delta V Predict automatiza o desenvolvimento do modelo de processo
usado no controle preditivo. Na maioria dos casos, tudo que se precisa fazer identificar as
variveis que precisam ser controladas e manipuladas. So executados testes de processo
32
(degraus) e coleta de dados automaticamente. Baseado nesta informao pode ser gerado o
modelo de processo e do controlador multivarivel associado automaticamente, e (iv) - Testes
do bloco MPC offline, pois antes de comissionar o MPC, possvel testar e treinar os
operadores neste novo modo de operar o processo. Usando a capacidade de simulao
fornecida pelo Delta V Predict, pode-se observar a resposta ao set point e s perturbaes na
carga.
O modelo de processo usado para desenvolver o bloco de MPC tambm pode ser usado para
simular o processo e para testar a estratgia de controle. Podendo ser usadas as mesmas telas
grficas e interfaces de operador que sero usadas para a planta.
A ferramenta Delta V Predict permite uma nova abordagem para a implementao do modelo
de controle preditivo. Usando o bloco de funo MPC desta ferramenta, pode-se implementar
um modelo multivarivel baseado em estratgias de controle de maneira mais muito mais fcil
do que nas estratgias tradicionais de controle.
A ferramenta Delta V Predict deve ser aplicada em algumas condies caractersticas, tais
como:
-
Processos que tenham mltiplas entradas que possam ser manipuladas, onde cada uma
afete mais de uma varivel controlada.

-
Processos com uma ou mais perturbaes medidas e/ou restries dinmicas
complexas associadas, tais como tempo morto muito grande, resposta inversa, etc.
-
A taxa de execuo do bloco de MPC pode ser configurada em 1 segundo ou mais
lenta. Desta forma, o MPC deveria ser aplicado para processar somente exigncias de
controle que possam ser satisfeitas com esta velocidade de execuo.
33
Como alguns exemplos de aplicao da ferramenta Delta V Predict, pode-se citar: (i)processos de dinmica complexa; (ii)- interao entre as malhas de controle; (iii)
perturbaes medidas e (iv)- restrio medida.
Nos casos de processos de dinmica complexa, quando a resposta do processo para qualquer
mudana na entrada manipulada influenciada por um atraso, o controle PID fica muito lento
para atender estas necessidades de controle. Em tal situao o bloco MPC pode ser utilizado,
pois este configura o controle a ser utilizado e est baseado em um modelo do processo, neste
caso pode ser alcanado um controle mais rpido do que com o PID. O exemplo desta
configurao mostrado na figura 2.1. O bloco MPC abaixo configurado contm o modelo do
processo, o que o torna mais rpido que a colocao de PIDs sucessivos e em cascata para
execuo da mesma estratgia de controle.
A1
201 TM 30
SIMULATE_IN OUT
#1
AO
201 CV 130
MPC
CAS_IN
MPC1
CNTRL1
OUT
BKCAL_OUT
MNPLT1
BKCAL_IN1
#3
#2
FIGURA 2.1 MPC PARA CONTROLE DE MALHA NICA DIRETO NA VLVULA
Para os processos onde ocorram interaes entre as malhas de controle, o modelo que
desenvolvido para o MPC controla o impacto de uma mudana nas entradas manipuladas,
bem como as perturbaes e todas as sadas do processo. Assim possvel para o MPC fazer a
correo de um desvio de um parmetro controlado, sem afetar outros parmetros controlados
34
associados a este bloco MPC. A implementao e comissionamento de tal controle podem ser
feitos facilmente e tambm muito rapidamente, o exemplo mostrado na figura 2.2.
A1
AO
201CV100
CAS_IN
SIMULATE_IN OUT
#2
A1
BKCAL_OUT
MPC
MPC1
CNTRL1
MNPLT1
CNTRL2
MNPLT2
OUT
#4
AO
BKCAL_IN1
201CV102
SIMULATE_IN OUT
BKCAL_IN2
CAS_IN
#1
#3
OUT
BKCAL_OUT
#5
FIGURA 2.2 CONTROLE COM INTERAO ENTRE MALHAS USANDO O MPC
Nas aplicaes onde as perturbaes sejam medidas, o modelo identifica a dinmica associada
a uma perturbao medida do processo e este modelo a base para o controle MPC, o qual
permite a compensao automtica das perturbaes. Nenhum elemento de compensao
dinmica adicional necessrio (como com as tcnicas tradicionais). A figura 2.3 ilustra este
caso.
35
A1
201AM136
MPC
SIMULATE_IN OUT
#1
AO
MPC1
A1
201CV130
CNTRL1
201tM77
SIMULATE_IN OUT
#2
MNPLT1
BKCAL_IN1
CAS_IN
OUT
BKCAL_OUT
DSTRB1
#5
DSTBR2
A1
201FM71
#4
SIMULATE_IN OUT
#3
FIGURA 2.3 MPC PARA UM CONTROLE DE MALHA NICA COM DUAS PERTURBAES MEDIDAS
Nas aplicaes onde uma restrio medida, a manipulao da mesma uma funo
integrante do bloco MPC. Baseado nas predies feitas pelo MPC, o impacto das perturbaes
e das mudanas em entradas manipuladas sobre as restries podem ser preditas. Quando o
valor predito exceder o limite de restrio, ento o set point predicto da varivel controlada
associada ser reduzido automaticamente, de forma que as mudanas resultantes nas entradas
manipuladas impeam a restrio de exceder seu limite. A figura 2.4 apresenta este caso.
36
A1
201TM30
SIMULATE_IN OUT
#1
MPC
AO
MPC1
201CV130
CNTRL1
MNPLT1
OUT
BKCAL_OUT
BKCAL_IN1
A1
CAS_IN
#4
CNSTRL1
SIMULATE_IN OUT
#2
#3
FIGURA 2.4 MALHA DE CONTROLE COM UMA RESTRIO MEDIDA
O levantamento de dados do processo para o desenvolvimento do modelo, usado pela

ferramenta Delta V Predict totalmente automatizado. O controle baseado no modelo
dinmico do processo (resposta a um degrau ou um impulso) e a atuao baseada na
resposta futura calculada usando este modelo. Em processos de respostas rpidas, a gerao
do controlador pode ser feita em questo de minutos.
A ferramenta Delta V Predict foi desenvolvida para fornecer um bom desempenho de

controle, mesmo quando o ganho do processo e a dinmica do mesmo mudem as condies
operacionais. Este controle desenvolvido minimiza te a necessidade de periodicamente
ressintonizar o controlador.
A ferramenta Delta V Predict implementada como um bloco de funo que executado

no controlador do Delta V. Este permite que se usem as ferramentas padro do sistema
37
Delta V para definir as variveis controladas e de restries, bem como as manipuladas e de

perturbao. Um exemplo de configurao mostrado na figura 2.5.
AI
PI-8627
AI
FI-22402
AI
FI-8627
AI
FI-4688
A0
MPC
PYI-8627
MPC1
OUT
CAS IN
CNTR1
CNTR2
MNPL1
BKCAL_OUT
MNPL2
A0
VLVULA DE
CONTROLE DE
PRESSO
BKCAL/N1
BKCAL/N2
CNSTR1
CNSTR2
FIGURA 2.5 EXEMPLO DE CONFIGURAO DO BLOCO MPC
CAS IN
OUT
BKCAL_OUT
BOMAB 402
VFD
38
O diagrama de blocos apresentado na figura 2.6 ilustra as etapas de implementao do MPC.

Criar mdulo contendo o
block MPC e Download
Control
studio e
aplicao
do
Predict
As entradas e sadas
devem ser
automaticamente
designadas para o Delta
V Historian
Teste de planta.
Mudar as entradas do
processo durante a
operao normal
Identificar o modelo e
gerar o controlador
MPC
Delta V
Historian
Verificao usando o
bloco de simulao,
criar a interface para o
operador
Fazer download para o
controlador e o monitor
de operao
Control
studio e
interface
do
operador
FIGURA 2.6 DIAGRAMA DE BLOCOS PARA IMPLANTAO DE UM MPC
O Delta V Continuous Historian automaticamente coleta as informaes das entradas e

sadas usadas pelo bloco MPC. O Delta V Predict automaticamente executa o teste no
processo, necessrio para desenvolver o modelo do processo. As informaes coletadas
durante o teste do processo podem ser facilmente vistas e qualquer anomalia das informaes
pode ser eliminada usando as ferramentas grficas, selecionando a opo expert mode. No
Delta V Predict pode-se ver e editar os modelos do processo gerados no teste.
O tempo para o regime permanente definido como o tempo de uma sada do processo em
resposta a um degrau em uma entrada do mesmo, com todas outras entradas constantes,
39
definido no Bloco MPC por 120 pontos. O scan rate de um mdulo que contem ao bloco
MPC deve ser configurado para 1 segundo ou maior. O bloco MPC automaticamente ser
executado, a intervalos de 1 segundo ou o tempo para regime permanente/120, o que for
maior.
O controlador MPC automaticamente gerado a partir do modelo do processo e

subseqentemente carregado para o bloco de funo do MPC no controlador do Delta V
Predict.
O MPC faz a predio do controle atual e dos parmetros de controle, baseado nos ajustes do
passado, sendo que os efeitos das perturbaes so incorporados dentro do controle,
predizendo os parmetros das restries automaticamente.
Aps estas tarefas o MPC calcula o que se deseja como trajetria futura para os parmetros
controlados, calculando os ajustes necessrios, movendo as variveis manipuladas para que os
parmetros de controle sigam a trajetria desejada.
A Simulao tambm utilizada no Delta V Predict. Usando este ambiente, pode-se testar o
modelo e as estratgias de controle preditivo at 100 vezes mais rpido do que em tempo real,
antes de colocar este controlador para efetuar o controle do processo.
40
Com o Delta V Predict possvel configurar telas grficas que tornem a interface IHM do
MPC to amigvel como a de um PID. Atravs desta interface o operador pode fazer a
interao com a estratgia do MPC.
Os valores preditos das variveis controladas e das manipuladas so automaticamente
mostrados nos grficos de tendncia histrica e armazenados para serem consultados.
A tabela 1 apresenta as especificaes tcnicas do sistema DeltaV Predict.
TABELA 1 - ESPECIFICAO BSICA DE UM DELTA V PREDICT

Bloco de funo MPC com uma varivel manipulada
Sadas de processo
Uma varivel controlada e at quatro
restries
Entradas de processo
Uma varivel manipulada e at quatro
variveis de perturbao
Carregamento do controlador para uma Aproximadamente 0,1% por bloco de MPC
segunda execuo
Bloco de funo MPC com at quatro variveis manipuladas
Sadas de processo
Oito no total com um mximo de quatro
controladas e quatro restries
Entradas de processo
Oito no total com um mximo de quatro
manipuladas e quatro variveis de
perturbao
Carregamento do controlador para uma 0,3 % at 2 % por bloco MPC, dependendo
segunda execuo
do nmero de entradas e sadas
41
3. ASPECTOS CONCEITUAIS ENVOLVENDO A FERRAMENTA OPC
3.1 DEFINIO E APLICAO
A OPC uma ferramenta padro tipicamente utilizada para comunicao entre diversas
fontes, qualquer dispositivo, sistema ou uma base de dados.
A ferramenta OPC pode ser utilizada para vrias aplicaes, dentre as quais se destacam: (i)Gerenciamento de campo, pois com o advento dos dispositivos inteligentes de campo, uma
quantidade de informaes pode ser fornecida por estes dispositivos, que anteriormente no
estavam disponveis, tais como funcionalidade dos dispositivos, configurao de parmetros,
materiais de construo etc. Todas estas informaes podem ser fornecidas ao operador para
as mais diversas finalidades, (ii)- Gerenciamento do processo. A instalao do SDCD e de
sistemas SCADA para monitorar e controlar processos de manufatura faz com que a
informao facilmente torne-se disponvel para os nveis de engenharia e gerencial, o que
antes somente era obtido de forma manual e (iii)- Gerenciamento do Negcio. Benefcios
podem ser aumentados pela instalao de um sistema de controle interligado a um sistema de
informao via OPC, pois a coleta de informaes importantes do processo pode ser utilizada
para tomadas de decises de investimentos pelos departamentos de engenharia e financeiro.
O segredo em todos os casos ter uma arquitetura efetiva de comunicao, concentrando-se

no acesso da informao e nos tipos existentes destas.
42
3.2 PROPOSTA DE DESENVOLVIMENTO E ESPECIFICAES
Com ampla aceitao na indstria, a OPC fornece muitos benefcios, dentre os quais se
destacam: (a)-Os fabricantes de hardware tm somente que fazer um conjunto dos
componentes de software para que os clientes possam utilizar em suas aplicaes; (b)Desenvolvedores de software no tm que retrabalhar os drivers, pois as principais mudanas
ou adies so efetuadas nos novos lanamentos do hardware e (c)-Os usurios tm mais
escolhas com uma classe mundial de sistemas de manufatura integrados.
Um crescente nmero de aplicaes customizadas est sendo desenvolvido em ambientes

como Visual Basic (VB), Delphi etc. A OPC deve levar esta tendncia em considerao e a
Microsoft entendeu esta tendncia e projetou o OLE/COM para permitir que componentes
escritos em C e C++ possam ser utilizados por um programa customizado e comum.
O OLE para controle de processos projetado para permitir acesso s informaes do
processo industrial de uma forma consistente.
3.3 FUNDAMENTOS DA OPC
Como salientado anteriormente, a OPC baseada na tecnologia OLE/COM da Microsoft e,

portanto sua funcionalidade pode ser explicada atravs da teoria apresentada a seguir.
43
3.3.1 Componentes da OPC e suas interfaces

Um cliente OPC pode conectar-se a servidores OPC de um ou mais fornecedores, conforme
mostrado na figura 3.1.
Servidor OPC
Fornecedor A
Servidor OPC
Fornecedor B
Cliente OPC
Servidor OPC
Fornecedor C
FIGURA 3.1 - EXEMPLO DE ARQUITETURA SERVIDOR-CLIENTE OPC
A OPC pode ser fornecida por diferentes fornecedores. O fornecedor determina os cdigos
para que cada servidor acesse de cada dispositivo as informaes e detalhes a respeito de
como fisicamente acess-las. A figura 3.2 ilustra este caso.
Servidor
OPC
Fornecedor
CLIENTE OPC#1
Servidor
OPC
Fornecedor
Servidor
OPC
FornecedorC
CLIENTE OPC
#3
FIGURA 3.2 INTERFACE ENTRE CLIENTE OPC E UM SERVIDOR
CLIENTE OPC
#2
44
3.4 ACESSO A UMA OPC
O servidor de acesso a OPC compreende alguns componentes tais como: o servidor OPC, o
grupo OPC e o item. O componente servidor OPC mantm a informao sobre o servidor e
utilizado como uma rea para armazenar componentes do grupo OPC. O grupo OPC mantm
a informao dele mesmo e fornece um mecanismo para armazenar e ordenar os vrios itens
OPC.
Os grupos OPC fornecem um modo para que os clientes organizem a informao. Por
exemplo, o grupo pode representar itens em um display para o operador ou at um relatrio,
pois as informaes podem ser lidas e escritas. Um cliente OPC pode configurar a taxa com
que um servidor OPC deveria fornecer as mudanas das informaes para qualquer outro
cliente.
Existem dois tipos de grupos: pblico e local (ou privado). O pblico utilizado para
comunicar-se com vrios clientes e o local atende especificamente a um cliente local.
Dentro de cada grupo o cliente pode definir um ou mais itens OPC, conforme figura 3.3.
GRUPO
Item 1
Item 2
Item 3
FIGURA 3.3 INTERFACE ENTRE UM GRUPO E ITEM.
45
Os itens de uma OPC representam as conexes para as fontes de informaes dentro do

servidor, sendo que todo acesso a estes itens somente pode ser efetuado atravs do grupo OPC
associado, que contm este item. Associado a cada item est o valor, a qualidade e o tempo. O
valor est na forma de uma varivel e a qualidade similar ao especificado pelo barramento
de campo.
Note-se que os itens no so fontes de informao, eles so somente conexes para estas, por
exemplo, os tags de um SDCD existem independentemente do cliente OPC os estar
normalmente acessando ou no.
3.5 ARQUITETURA E COMPONENTES DE UM OPC GENRICO
Especificaes de uma OPC sempre contm dois tipos de interfaces, a interface personalizada
e a interface automatizada, como mostrado na figura 3.4.
Aplicao C++
OPC CUSTOMIZADA
I/F
Aplicao VB
Servidor OPC r
(Local, Remoto)
Lgica especfica do
fornecedor
OPC Automation I/F
FIGURA 3.4 - INTERFACE ENTRE APLICAES OPC E SERVIDOR
A arquitetura OPC acima um modelo servidor-cliente onde o servidor OPC fornece a

informao a um cliente OPC atravs de uma interface. Um OPC cliente se comunica com um
servidor OPC atravs de interfaces automatizadas e customizadas. Os servidores OPC devem
implementar a interface customizada e, opcionalmente, podem implementar a interface
automatizada. Em alguns casos, a OPC Foundation fornece uma interface automatizada
46
padro chamada Wrapper DLL, que pode ser usada por qualquer fornecedor especfico.
Abaixo segue o exemplo de arquitetura tpica de OPC.
Aplicao VB
Interface automatizada
da OPC (Wrapper)
Servidor OPC Local ou Remoto

(Dividido por muitos clientes)
Aplicao C++
Memria do Servidor de
informao
Dispositivo
Fsico
Informao
FIGURA 3.5 ARQUITETURA TPICA DE UMA OPC
47
4. OPERAO DA COLUNA COM PIDS GERADOS NO MODELO EM MATLAB E

NO AMBIENTE DELTA V
Como mencionado anteriormente, o modelo utilizado para este estudo foi o de uma coluna de
destilao de mistura binria baseada em (Luyben, 1990), sendo que o simulador
implementado em Simulink foi fornecido pelo professor orientador. Para sua utilizao,
inicialmente foram feitas as adequaes do modelo em questo, a fim de receber as
configuraes e operao de controladores PIDs internos ao modelo, PIDs no sistema
DeltaV, bem como toda a preparao para a introduo de um controle preditivo comercial,
que oriundo do sistema DeltaV.
4.1 CONFIGURAO E OPERAO DOS PIDS EM AMBIENTE MATLAB
Como proposto, deve-se efetuar o controle das concentraes XD e XB, manipulando-se as

relaes R/D (vazo de reciclo pela vazo de destilado) e QV/B (carga trmica do referverdor
pela vazo de produto de fundo). Para tanto utilizado em um primeiro instante a
configurao de PIDs no prprio Matlab, ou seja, configurando-os atravs da ferramenta
Simulink.
Foram efetuadas as sintonias dos controladores, utilizando o critrio de tentativa e erro

utilizando a experincia anterior do modelo , resultando ento os seguintes valores:
Para XB, obteve-se Kc = 6,5 e Ti = 105 e para XD, obteve-se Kc = 6, Ti = 100.
Os testes em degrau para verificar-se o desempenho dos PIDs implementados, os resultados
so mostrados a seguir.
48
4.1.1 Degrau no valor de referncia da concentrao XD.

Os resultados obtidos para as concentraes XD e XB so mostrados nas figuras 4.1 e 4.2.
0.994
0.992
0.99
0.988
0.986
0.984
0.982
0.98
0.978
20
40
60
80
100
120
140
160
180
200
FIGURA 4.1 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S .
0.024
0.0235
0.023
0.0225
0.022
0.0215
0.021
0.0205
0.02
0.0195
20
40
60
80
100
120
140
160
180
200
FIGURA 4.2 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XD DE 0,98 PARA 0,99 EM T=20S.
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB, com o
pico atingindo 0,0235, contudo rapidamente o controlador PID de XB conseguiu trazer a
varvel ao seu valor de set point . No grfico de XD notamos pouca oscilao o controlador
49
PID de XD conseguiu rapidamente atingir o seu novo set point. Isto mostra que existe um
forte acoplamento entre a varivel manipulada R e a concentrao XB.
4.1.2 Degrau no valor de referncia da concentrao XB.

Os resultados obtidos para as concentraes XD e XB so mostrados nas figuras 4.3 e 4.4.
0.021
0.02
0.019
0.018
0.017
0.016
0.015
20
40
60
80
100
120
140
160
180
200
FIGURA 4.3 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XB DE 0,02 PARA 0,015 EM T=20S.
0.9802
0.9801
0.98
0.9799
0.9798
0.9797
0.9796
0.9795
0.9794
20
40
60
80
100
120
140
160
180
200
FIGURA 4.4 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR DE
REFERNCIA DE XB DE 0,020 PARA 0,015 EM T=20S.
50
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XD, seu valor
elevou-se rapidamente, contudo o controlador PID de XD conseguiu trazer a varvel ao seu
valor de set point. No grfico de XB nota-se pouca oscilao, o controlador PID de XB
conseguiu rapidamente atingir o seu novo set point. Conforme citado anteriormente, verificase um forte acoplamento da varivel manipulada Qv sobre XD.
4.1.3 Degrau na vazo de entrada F com as concentraes XB e XD estveis

Os resultados obtidos para as concentraes de XD e XB so mostrados nas figuras 4.5 e 4.6.
0.0225
0.022
0.0215
0.021
0.0205
0.02
0.0195
20
40
60
80
100
120
140
160
180
200
FIGURA 4.5 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM DEGRAU NO VALOR NA
VAZO DE ALIMENTAO F DE 100 PARA 105 EM T=20S
51
0.9802
0.9801
0.98
0.9799
0.9798
0.9797
0.9796
0.9795
0.9794
20
40
60
80
100
120
140
160
180
200
FIGURA 4.6 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU NA VAZO DE
ALIMENTAO F DE 100 PARA 105 EM T=20S.
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XB,
mostrando que a variao na vazo de entrada teve maior influncia nesta composio. A
composio XD mostrou uma queda brusca em seu valor, contudo retornou rapidamente ao
seu valor de set point.
52
4.2 OPERAO DA COLUNA COM PIDS GERADOS NO AMBIENTE DELTA V
Passa-se ento a configurar e operar novos PIDs para efetuar o controle das concentraes
XD e XB, manipulando as relaes R/D, vazo de reciclo pela vazo de destilado e QV/B,
carga trmica do referverdor pela vazo de produto de fundo, agora utilizando PIDs externos
ao Matlab, ou seja, configurando-os atravs da ferramenta denominada Control Studio no
sistema de controle Delta V.
4.2.1 Configurao da comunicao entre o modelo da coluna no Matlab e a ferramenta Delta

V
A fim de estabelecer a comunicao entre o computador que contm o modelo da coluna de
destilao e o computador onde est instalado o Delta V, foram iniciados os estudos para
realizar essa integrao.
Optou-se por utilizar a ferramenta OPC toolbox existente no software Matlab verso 7.1,
como padro para estabelecer a comunicao entre os computadores. O OPC toolbox uma
ferramenta de fcil manuseio e que est disponvel dentro do Matlab / Simulink e, portanto,
configurada dentro do modelo em estudo. Para esta configurao foram utilizados trs blocos
do seu menu de opes, so eles:
(i) O bloco OPC configuration onde se configura basicamente na arquitetura servidor-cliente,
o endereo relacionado ao servidor, o endereo relacionado ao cliente, ou seja, determina-se
quem e onde se disponibiliza a informao. O tempo configurado para aquisio e envio de
informaes foi o tempo real.
53
(ii) OPC Read, bloco responsvel por ler a informao originada pelo Delta V e que est
disponvel para o modelo. Aqui basicamente se configura o endereo do mdulo, bloco,
parmetro (sinal de sada do Delta V), que de onde a informao originada no Delta V, ou
seja, as relaes R/D e QV/B.
(iii) OPC Write, bloco responsvel por enviar as informaes que o modelo est gerando para
o Delta V, para que o mesmo efetue o controle. Da mesma forma se configura endereo do
mdulo, bloco, parmetro (sinal de entrada do Delta V) das variveis de processo dentro do
Delta V, que precisam ser atualizadas para efetuar o controle, neste caso as concentraes XD
e XB.
Aps realizao das configuraes acima mencionadas, resulta o modelo conforme mostrado
na figura 4.7.
FIGURA 4.7 MODELO DA COLUNA COM OPC PARA COMUNICAO COM O DELTA V.
54
4.2.2 Configurao dos blocos PIDs, AIs, AOs dentro do Delta V

Aps a configurao da comunicao efetuada no modelo, deve-se ento efetuar a
configurao dos PIDs no control studio do Delta V. De forma anloga ao que foi feito
anteriormente no modelo, faz-se a configurao dos blocos denominados floating points no
control studio. Estes blocos so responsveis pela comunicao com o modelo, que envia os
valores de XD e XB para o Delta V e que iro enviar as informaes das relaes R/D e QV/B
para o modelo. Foram efetuadas tambm as configuraes dos blocos PIDs, entradas
analgicas (AIs) e sadas analgicas (AOs). A figura 4.8 ilustra estas configuraes.
FIGURA 4.8 - CONFIGURAO DOS BLOCOS PIDS, AIS, AOS NO DELTA V.
55
4.2.3 Realizao dos testes de comunicao e operao em tempo real

Aps estas configuraes passou-se ento a fazer os testes de comunicao e operao em
tempo real para efetuar o controle das relaes pelos PIDs no Delta V.
Os testes de comunicao mostraram que as informaes eram trocadas de forma correta, no

entanto, percebeu-se que o Matlab com esta comunicao no conseguia processar o modelo
em tempo real. A partir desta constatao foi consultada a empresa OpenCadd, representante
da MathWorks no Brasil para sanar este problema. No entanto aps meses de tentativas, o
problema ainda no foi solucionado.
De qualquer forma, optou-se em continuar e passou-se ento prxima etapa, a sintonia dos
PIDs.
4.2.3.1 Utilizando a ferramenta Delta V Tune para realizao da sintonia dos PIDs no DeltaV
Inicialmente tentou-se utilizar as mesmas sintonias aplicadas aos PIDs implementados no

ambiente Matlab, contudo obteve-se resultados muito ruins no chegando-se a uma
estabilizao das malhas. O motivo disto esta relacionado ao fato de que o Matlab no
conseguiu atuar em tempo real. Mesmo ocorrendo esta falha, tentou-se seguir novas tcnicas
para sinonozar os PIDs.
Para realizao ento das sintonias dos PIDs optou-se por uma ferramenta que pertence ao
sistema Delta V, denominada Delta V Tune.
Esta uma ferramenta utilizada para fazer a identificao do processo, baseado no princpio
Relay Self Oscillation, podendo ser aplicada a qualquer tipo de varivel: lenta, rpida, autoregulada, integrativa etc.
56
uma ferramenta imune a rudos e variaes de carga, auxilia principalmente na reduo do

tempo de sintonia, devido sua facilidade de utilizao.
A sada de controle variada em forma de rel. Aps um perodo de inicializao, em que a

sada alterada com uma variao pr-definida na PV, a sada alterada na direo inversa
cada vez que a PV corta o eixo do set point. Este rel prov um controle bi-estado e causa
uma oscilao com amplitude pequena e controlada. Com amplitude e freqncia o Delta V
Tune calcula o perodo e ganhos crticos. Com as caractersticas do processo e do controlador,
so calculados os parmetros de sintonia por critrios tais como: Zieglier-Nichols, IMC,
Lambda etc.
Os clculos crticos associados identificao so implementados no controlador. Isto

permite que a dinmica seja capturada sem erros, causados por atrasos de comunicao.
O Delta V Tune na workstation tambm fornece uma interface grfica e os clculos dos
parmetros de sintonia.
Passa-se agora a efetuar o teste para encontrar a sintonia recomendada.
4.2.3.2 Operao do Delta V Tune para realizao da sintonia dos controladores.
Conforme salientado anteriormente, passa-se agora a realizar os testes utilizando o Delta V

Tune para a sintonia dos controladores de XD e XB.
57
Para tanto deve-se primeiramente abrir o Control Studio no ambiente de configurao do

Delta V, selecionando-se o PID que se quer sintonizar. Aps isto, na prpria tela faz-se
algumas pequenas verificaes, tais como se a sada no est em zero (0%) ou saturada
(100%), o tamanho do degrau em %, o tipo de mtodo que ser utilizado, exemplo PI,
Lambda, Ziegler Nichols, a velocidade de resposta desejada etc.
Aps estes cuidados, seleciona-se o boto test e a partir deste instante os testes so efetuados,
conforme mostrado na figura 4.9.
FIGURA 4.9 TESTE DE SINTONIA USANDO DELTA V TUNE.
58
Aps alguns testes chegou-se a definio dos seguintes parmetros:

Mtodo de sintonia utilizada foi Zieglier Nichols para ambos PIDs.
Parmetros de sintonia encontrados foram: PID XB: Gain = 1,69, Reset = 14,10, Rate = 0;
PID XD: Gain = 0,95, Reset = 8.04, Rate = 0.
4.3 TESTES DE DESEMPENHO PARA OS PIDS CONFIGURADOS NO DELTA V.
Foram realizados testes em degrau para verificar o comportamento dos PIDs implementados
no DeltaV. A seguir mostras-se os testes de comportamento com os PIDs de XB e XD.
4.3.1
Degrau no valor de referncia de XB.
As respostas de XB e XD a um degrau de 0,020 a 0,025 no valor de referncia de XB podem

ser vistas nas figuras 4.10 e 4.11.
0.027
0.026
0.025
0.024
0.023
0.022
0.021
0.02
0.019
20
40
60
80
100
120
140
160
180
200
FIGURA 4.10 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,020 PARA 0,025
NO INSTANTE T=20S
59
0.9816
0.9814
0.9812
0.981
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
0.9796
20
40
60
80
100
120
140
160
180
200
FIGURA 4.11 RESPOSTA DE XD A DEGRAU NO VALOR DE REFERNCIA DE XB DE 0,020 PARA

0,025 NO INSTANTE T=20S
Analisando-se os grficos nota-se que a oscilao foi mais intensa no grfico de XD, com o
pico atingindo 0,9813, contudo o controlador PID de XD conseguiu trazer a varvel ao seu
valor de referncia, contudo isto demorou em torno de 60s. No grfico de XB nota-se menos
oscilao, o controlador PID de XB conseguiu rapidamente (em torno de 10s) atingir o seu
novo valor de referncia.
60
4.3.2
Degrau no valor de referncia de XD.
As respostas de XD e XB a um degrau de 0,98 para 0,975 no valor de referncia de XD

podem ser vistas nas figuras 4.12 e 4.13.
0.982
0.981
0.98
0.979
0.978
0.977
0.976
0.975
0.974
20
40
60
80
100
120
140
160
180
200
FIGURA 4.12 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,98 PARA 0,975
NO INSTANTE T=20S
0.02
0.02
0.0199
0.0199
0.0199
0.0198
0.0198
0.0197
20
40
60
80
100
120
140
160
180
200
FIGURA 4.13 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD DE 0,98 PARA 0,975

NO INSTANTE T=20S
61
pico atingindo 0,0198, contudo o controlador PID de XB conseguiu trazer a varvel ao seu
valor de referncia novamente, contudo demorou em torno de 60 s para se atingir novamente
o seu valor de referncia. No grfico de XD nota-se menos oscilao, o controlador PID de
XD conseguiu em 20s, atingir o seu novo valor de referncia.
4.3.3. Degrau na vazo de alimentao F.

As respostas de XB e XD, a um degrau de 100 para 105 no valor da vazo de alimentao F,
0.0218
0.0216
0.0214
0.0212
0.021
0.0208
0.0206
0.0204
0.0202
0.02
0.0198
20
40
60
80
100
120
140
160
180
200
FIGURA 4.14 RESPOSTA DE XB A DEGRAU NA VAZO DE ALIMENTAO F DE 100 PARA 105 NO

INSTANTE T=80S
62
0.984
0.9835
0.983
0.9825
0.982
0.9815
0.981
0.9805
0.98
0.9795
20
40
60
80
100
120
140
160
180
200
FIGURA 4.15 RESPOSTA DE XD A DEGRAU NA VAZO DE ALIMENTAO F DE 100 PARA 105 NO

INSTANTE T=80S
Analisando-se os grficos, nota-se que houve uma oscilao no instante t=80 s, quando houve
o degrau na vazo de alimentao F. Contudo verifica-se que os controladores de XD e XB
conseguiram rapidamente estabilizar novamente no valor de referncia tanto de XD quanto de
XB. Nota-se tambm a oscilao foi mais intensa em XB, mostrando que o degrau na vazo
de alimentao F causou maior oscilao nesta composio.
63
4.4 TESTES DE DESEMPENHO PARA OS PIDS CONFIGURADOS NO AMBIENTE

MATLAB UTILIZANDO A SINTONIA UTILIZADA NOS PIDS DO DELTAV
4.4.1 Degrau no valor de referncia de XB.

As respostas de XB e XD a um degrau de 0,020 a 0,025 no valor de referncia de XB podem
0.026
0.025
0.024
0.023
0.022
0.021
0.02
0.019
200
400
600
800
1000
1200
1400
1600
FIGURA 4.16 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE XB DE 0,020

PARA 0,025 NO INSTANTE T=200S
0.9812
0.981
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
200
400
600
800
1000
1200
1400
1600

64
Analisando-se os grficos e comparando-os com os grficos obtidos com os PIDs no DeltaV,

verifica-se que o tempo de estabilizao aumentou consideravelmente, para 1400 s. Os
grficos, contudo, mostraram-se com menos oscilaes com relao aos PIDs obtidos no
DeltaV. Nota-se que com esta sintonia o desempenho piorou, mostrando que realmente h
algo de errado na comunicao OPC, pois as sintonias obtidas nos PIDs do Delta V foram
obtidas com testes em degrau nas variveis manipuladas do modelo e podem ter gerado
valores imprecisos de sintonia, devido a esta impreciso na comunicao.
4.4.2 Degrau no valor de referncia de XD.

As respostas de XD e XB a um degrau de 0,98 para 0,975 no seu valor de referncia de XD
0.982
0.981
0.98
0.979
0.978
0.977
0.976
0.975
200
400
600
800
1000
1200
1400
1600
NO INSTANTE T=200S
65
0.045
0.04
0.035
0.03
0.025
0.02
0.015
200
400
600
800
1000
1200
1400
1600
FIGURA 4.19 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD DE 0,98 PARA 0,975

NO INSTANTE T=200S
Analisando-se estes grficos encontram-se situaes similares s citadas no comentrio

anterior, pois, verifica-se que o tempo de estabilizao aumentou consideravelmente, para
1400 s. Os grficos contudo mostraram-se com menos oscilaes com relao os PIDs
obtidos no DeltaV indicando novamente um problema na comunicao OPC.

As respostas de XB e XD, a um degrau de 100 para 105 na vazo de alimentao F, podem
66
0.06
0.055
0.05
0.045
0.04
0.035
0.03
0.025
0.02
0.015
200
400
600
800
1000
1200
1400
1600

INSTANTE T=200S
0.99
0.988
0.986
0.984
0.982
0.98
0.978
200
400
600
800
1000
1200
1400
1600

INSTANTE T=200S
67
Analisando-se os grficos e comparando-os com os PIDs obtidos com PIDs do DeltaV,

verifica-se que o tempo de estabilizao aumentou
para 400 s. Os grficos contudo
mostraram que o tempo de estabilizao neste caso foi menor que os anteriores (degrau em
XB e XD), o que nos mostra que o degrau na vazo F causou menos oscilaes que nos
grficos anteriores. Contudo, conforme citado anteriormente, verifica-se que com esta sintonia
desempenho piorou.
68
5. CONFIGURAO DO CONTROLE PREDITIVO DENTRO DO AMBIENTE

DELTAV
Passa-se agora a configurar o controle preditivo dentro do Delta V, a fim de se estabelecer o
controle atravs do bloco MPC e no ambiente Predict.
5.1 CONFIGURANDO OS BLOCOS DENTRO DO DELTA V
A primeira etapa para criao de um controle preditivo dentro do Delta V a configurao

dos blocos de entrada (AI), sada (AO), PIDs e o bloco MPC (Model Predictive Control).
Para tanto, primeiramente deve-se abrir o control studio dentro do Delta V, que o ambiente
onde se deve efetuar a configurao destes blocos. Aps a criao de um novo mdulo que foi
denominado Predict, atravs da biblioteca do control studio, deve-se realizar as seguintes
tarefas:
(i) Configurao das entradas (AI) de XD e XB, informaes estas originadas no modelo da
coluna;
(ii) Configurao das sadas analgicas (AO) de R/D e QV/B, variveis que sero
manipuladas para que se tenha as concentraes XB e XD dentro dos limites especificados;
(iii) Configurao dos PIDs, que recebero os set points do bloco MPC que estar efetuando
o controle, atravs do modelo criado dentro deste ltimo.
(iv) Configurao do bloco MPC que utilizar o modelo para predizer os set points para os
PIDs. Neste ltimo item determina-se e configura-se o nmero de variveis manipuladas
(neste caso R/D e QV/B) e de controladas (XB e XD).
69
A Figura 5.1 ilustra o trabalho realizado dentro do Delta V utilizando o control studio.
FIGURA 5.1 CONFIGURAO DOS BLOCOS MPC, PIDS, AIS, AOS NO CONTROL STUDIO DO
DELTA V
5.2 ATRIBUIO DAS ENTRADAS E SADAS PARA O DELTA V HISTORIAN
Para criao do modelo dentro do bloco MPC necessrio que se tenha as informaes do
teste que ser realizado dentro do ambiente Predict. Para tanto as entradas e sadas analgicas
(XD, XB, R/D, QV/B respectivamente) devero ser assinaladas no Delta V Historian, que
ser responsvel por obter as informaes para criao do modelo do processo durante o teste.
Aps as configuraes dos blocos e atribuio das entradas e sadas para o Historian, faz-se
um download para o controlador e o Continuous Historian.
70
5.3 UTILIZANDO O AMBIENTE PREDICT PARA CRIAO DO MODELO
Aps a realizao das configuraes descritas anteriormente, seleciona-se o bloco MPC e

escolhe-se a opo advanced control e, com isto, abre-se o ambiente Predict, conforme ilustra
a figura 5.2.
FIGURA 5.2 AMBIENTE PREDICT PARA EXECUO DE TESTE PARA CRIAO DO MODELO
Aps esta abertura, seleciona-se o bloco MPC configurado previamente e passa-se a efetuar
os testes para criao do modelo.
71
5.3.1
Execuo de testes para criao do modelo dentro do bloco MPC
Antes de iniciar o teste, deve-se efetuar algumas verificaes nas configuraes do ambiente
Predict.
Inicialmente, deve-se prestar ateno ao degrau a ser gerado para teste, pois se deve aumentlo em 5% caso se tenha sinais ruidosos; o tempo de estabilizao baseado na resposta mais
lenta em relao s entradas (aproximadamente 3 x constante de tempo + tempo morto). O
tempo de teste ser de aproxidamente 6 vezes o valor especificado para o tempo de
estabilizao.
Aps a realizao destas configuraes e/ou verificaes, deve-se determinar o tempo para o
regime permanente do processo que se est controlando, definido no sistema por TSS, a fim
de se poder configurar corretamente este parmetro no Predict.
Com o processo estvel, pode-se ento iniciar o teste para identificao e gerao do modelo.
Para tanto selecionado o boto TEST dentro da tela do Predict, que automaticamente
coloca os blocos anteriores e posteriores ao bloco MPC em modo CASC e o teste iniciado
automaticamente. Na parte baixa direita da tela v-se o parmetro control mudar de LO para
MPC, mostrando que a partir daquele instante este bloco est com controle das aes que
faro a identificao e gerao do modelo, como mostrado na figura 5.3.
72
FIGURA 5.3 AMBIENTE PREDICT EXECUTANDO TESTE PARA CRIAO DO MODELO
Aps o trmino do teste de identificao e gerao do modelo, seleciona-se a opo expert do

Predict e na parte baixa da tela ao centro aparecer a opo create model. Selecionando-se
esta opo, o Predict automaticamante mostra os modelos gerados e, neste caso, sero
mostrados na forma de matriz 2 x 2, onde se pode visualizar as curvas da matriz. A figura 5.4
mostra como esto dispostos os modelos e as respectivas curvas associadas.
73
Figura 5.4 AMBIENTE PREDICT PARA VISUALIZAO DA MATRIZ 2 X 2 GERADA

A partir desta visualizao possvel selecionar cada uma destas curvas que representam os
pares das controladas e manipuladas e, caso o modelo gerado no esteja preciso, pode-se
efetuar ajustes neste, a fim de aumentar a sua preciso e, por consequncia, do controlador
associado a este que ser gerado.
Selecionando-se o quadrado da curva que se quer ajustar ou pelos pares mostrados no lado
esquerdo da tela, pode-se entrar na curva propriamente dita e ento escolher a opo para
efetuar o ajuste.
Incialmente mostra-se o ajuste por edio grfica da CRTL 1 X MANPLT 1, conforme

74
FIGURA 5.5 AMBIENTE PREDICT PARA VISUALIZAO E EDIO GRFICA DOS MODELOS
GERADOS
Selecionando a opo Design response no lado direito da tela, possivel visualizar as curvas
da ARX identificada, FIR (finite impulse response) e da resposta projetada para este par e
aparecem na tela tambm os parmetros que podem ser ajustados, a fim de melhorar a
preciso da curva de resposta.
Para efetuar estes ajustes, manuseia-se principalmente os parmetros Dead time, Gain e First
Order Time constant, que so os que mais ajudam nos ajustes das curvas.
75
De maneira similar possvel tambm fazer os ajustes de forma analtica, atravs dos ajustes
do coeficiente da curva gerada. Para tanto, seleciona-se a opo Edit Coef e aparecem na tela
todos os coeficientes da curva, possibilitando efetuar os devidos ajustes na mesma.
O exemplo deste ajuste pode ser visualizado na figura 5.6.
FIGURA 5.6 AMBIENTE PREDICT PARA VISUALIZAO E EDIO ANALTICA ATRAVS DE

COEFICIENTES DOS MODELOS GERADOS
Aps os ajustes de todas curvas ou pares, pode-se fazer a comparao do modelo gerado com
o processo e verificar se os ajustes individuais de cada par resultou em um modelo mais
preciso.
76
Esta verificao feita, selecionando-se a opo Verify Against na parte baixa da tela e
seleciona-se contra o que se quer comparar. Pode ser contra as informaes originais, contra
as informaes selecionadas ou contra as informaes trazidas de um arquivo externo.
A ilustrao destas aes mostrada na figura 5.7.
FIGURA 5.7 AMBIENTE PREDICT PARA VISUALIZAO DAS OPES DE VERIFICAO DAS
CURVAS DO MODELO GERADO.
Aps a seleo feita, pode-se visualizar as curvas das controladas x opo feita.
A figura 5.8 ilustra esta verificao. Nela pode-se ver a curva de modelo da contralada 1
comparada com os dados originais.
77
FIGURA 5.8 AMBIENTE PREDICT PARA VISUALIZAO DA CURVA DA CONTROLADA 1 COM AS

INFORMAES ORIGINAIS.
Aps a verificao e anlise, pode-se efetuar a gerao do controlador, para tanto basta
selecionar o boto Generate CRTL na parte baixa da tela e o controlador associado ser
gerado e mostrado na rvore de modelos no lado esquerdo da tela, na frente do modelo que
foi selecionado como mostrado na figura 5.7.
Pode-se agora para efetuar o download deste controlador gerado para o bloco MPC no control
studio. Realizando esta aose est pronto para efetuar os testes deste controlador gerado e
carregado para o MPC.
Pode-se, antes de efetuar o teste de controle com o modelo da coluna, utilizar a ferramenta
MPC Operate e com isso simular o controle no prprio ambiente do Delta V, para tanto basta
78
selecionar o bloco MPC e escolher a opo Advanced Control e MPC Operate, como ilustra a
figura 5.9.
FIGURA 5.9 CONTROL STUDIO COM O BLOCO MPC E SELECO DO MPC OPERATE
Com isto pode-se visualizar a tela do MPC Operate e efetuar a simulao off line como
79
FIGURA 5.10 SIMULAO OFF LINE UTILIZANDO O MPC OPERATE
Com este teste efetuado se est pronto para fazer o teste de controle com o modelo da coluna
de destilao.
80
5.4 TESTES DE DESEMPENHO DO CONTROLADOR GERADO A PARTIR DO

MODELO DO PROCESSO VIA DELTAV PREDICT
5.4.1
Degrau no valor de referncia de XB.
As respostas de XB e XD a um degrau de 0,020 a 0,015 em seu valor de referncia, podem ser

vistas nas figuras 5.11 e 5.12.
0.02
0.0199
0.0198
0.0197
0.0196
0.0195
0.0194
0.0193
50
100
150
200
250
300
350
400
450
500
FIGURA 5.11 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE 0,020 PARA 0,015
NO INSTANTE T=150S
0.9808
0.9806
0.9804
0.9802
0.98
0.9798
0.9796
50
100
150
200
250
300
350
400
450
500

81
pico atingindo 0,0194. O controlador gerado, contudo est ineficiente, pois no conseguiu
trazer o valor de XB para o seu novo valor de set point XB=0,015, atingindo uma certa
estabilidade em XB= 0,0197. No grfico de XD nota-se menor oscilao, atingindo valor de
0.9806. O controlador tambm no conseguiu atingir o seu set point, contudo chegou a
estabilizar em um valor mais prximo do esperado XD=0,9798. Isto nos faz acreditar que
realmente a aquisio das informaes para gerao do modelo no est confivel, o que gera
um controlador ineficiente.
5.4.2
Degrau no valor de referncia de XD.
As respostas de XD e XB a um degrau de 0,98 para 0,975 em seu valor de referncia podem

0.9804
0.9802
0.98
0.9798
0.9796
0.9794
0.9792
50
100
150
200
250
300
350
400
450
500
NO INSTANTE T=150S
82
0.0205
0.0204
0.0203
0.0202
0.0201
0.02
0.0199
0.0198
0.0197
0.0196
0.0195
50
100
150
200
250
300
350
400
450
500
FIGURA 5.14 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD DE 0,98 PARA

Analisando-se os grficos nota-se que a oscilao foi igualmente intensa tanto em XB quanto
em XD. Neste ltimo observa-se picos de valor mximo 0,9802 e mnimo de
aproximadamente 0,9793. O controlador gerado, contudo, est ineficiente, pois no conseguiu
trazer o valor de XD para o seu novo valor de set point em XD=0,975, atingindo uma certa
estabilidade em aproximadamente XD= 0,9799. No grfico de XB nota-se tambm oscilao,
atingindo valores de pico mximo de 0,0205 e mnimo de 0,0196. Neste caso, o controlador
conseguiu atingir o seu set point novamente XB=0,02 em aproximadamente 50s.
83

As respostas de XB e XD, a um degrau de 100 para 105 na vazo de alimentao F, podem
0.07
0.06
0.05
0.04
0.03
0.02
0.01
50
100
150
200
250
300
350
400
450
500

INSTANTE T=100S
84
0.994
0.992
0.99
0.988
0.986
0.984
0.982
0.98
0.978
50
100
150
200
250
300
350
400
450
500

INSTANTE T=100S
Analisando-se os grficos nota-se que no houve grandes oscilaes, contudo percebe-se que
tanto para XB quanto XD os valores no retornaram aos seus respectivos valores de set points
XD=0,98 e XB=0,02. Com o degrau promovido na vazo de alimentao F, verifica-se que o
valor de XB estabilizou-se em XB=0,069, ou seja diferente do esperado e o valor de XD
estabilizou-se em aproximadamente XD = 0,99 tambm diferente de seu valor de set point.
Isto somente confirma o que estamos observando, que realmente a aquisio das informaes
para gerao do modelo no est confivel, o que gera um controlador ineficiente.
85
6. CONCLUSES
O trabalho apresentado demonstra o desafio de criar um ambiente virtual de testes atravs da
comunicao entre dois softwares com caractersticas distintas.
Demonstra-se que com as ferramentas existentes no mercado para simulao e controle de
processos, possvel criar um ambiente virtual para testes de controle de processos, o que
propicia indstria novas alternativas para seleo e criao de estratgias de controle.
Contudo, verifica-se que existe ainda a necessidade de evoluo de alguns softwares de
simulao no que diz respeito comunicao via OPC, bem como o claro entendimento por
estas empresas da importncia deste tipo de comunicao na simulao de processos
industriais.
Comparando-se os testes efetuados, com controladores PIDs dentro Matlab com
controladores PIDs no sistema de controle DeltaV, verifica-se que os primeiros tiveram um
comportamento mais estvel, contudo os controladores utilizados no DeltaV mostraramse,
apesar de menos estveis, com certa robustez.
Quando da gerao dos modelos a partir do Delta V Predict, verifica-se que estes se
mostraram imprecisos, ou seja, os modelos ARX e FIR no se mostraram sobrepostas como o
esperado, apesar de a maioria dos modelos gerados mostrarem boa tendncia. Contudo esta
impreciso nos mostra claramente a falta de comunicao em tempo real entre o Delta V e o
Matlab.
Passa-se ento a verificar onde poderia estar o problema e identificou-se que o Matlab no
consegue fazer com que o modelo da coluna simule em tempo real.
Devido dificuldade na soluo do problema, verifica-se outras possibilidades de
comunicao, tais como, Visual Basic e banco de dados, contudo, devido falta de
conhecimento suficiente dos fabricantes envolvidos, no obtivemos sucesso.
86
Esgotadas todas possibilidades de melhorar-se a comunicao, fizemos ento a criao do

controlador associado ao modelo gerado e realizando os testes de desempenho, verifica-se que
realmente o controlador gerado mais impreciso e com tempo de estabilizao bem mais
longo, comparando-se com controladores PIDs gerados tanto no Matlab quanto os
controladores PIDs gerados no DeltaV.
Verifica-se tambm a robustez do algoritmo PID, pois mesmo com a deficincia na
comunicao em tempo real, os controladores PIDs gerados no DeltaV mantiveram controle
das composies de topo e fundo da coluna.
6.1 RECOMENDAES PARA TRABALHOS FUTUROS
O trabalho realizado traz muita informao nova sobre a utilizao do controlador preditivo
da Emerson, sua facilidade na gerao e criao do controlador associado, sua facilidade de
configurao. Traz tambm informao sobre o Matlab e sua metodologia de comunicao,
contudo mostra a vulnerabilidade ainda nesta metodologia de comunicao e que estamos
provavelmente no limiar da tecnologia existente para a aplicao proposta.
Com isto posto, o grande desafio que se apresenta o desenvolvimento do OPC toolbox do
Matlab com consistncia, a fim de poder manter suas aplicaes em tempo real.
Outro grande desafio desenvolver outras possibilidades de comunicao a fim de conseguir
manter as aplicaes simulando em tempo real
Acredita-se que com a evoluo da tecnologia dos softwares de simulao, este problema ser
solucionado e com interfaces melhores, acreditamos que ambientes virtuais para testes sero
muito utilizados na indstria em futuro muito prximo.
87
REFERNCIAS
ANDERSEN, H.W.; KUMMEL, M.; NORGAARD HANSEN, A.; NIELSEN, K. Tuning of
dual-composition distillation column control, Chem. Eng. Science, 44(3), (1989), p. 619630.
ARULALAN, G. R. Application of model predictive control to distillation. Ph.D. Thesis,
Univ. of Louisville, 1985.
CLARKE, D. W.; MOHTADI, C.; TUFFs, P. S. Generalized predictive control Part I:
The Basic Algorithm, Automatica, 23(2), 1987a, p. 137-148.
CLARKE, D. W.; MOHTADI, C.; TUFFs, P. S. Generalized predictive control Part II:
Extensions and Interpretations, Automatica, 23(2), 1987a, p. 149-160.
COGHI, M. Diminuio da variabilidade, Artigo tcnico, ISA SHOW, 1995, So Paulo.
CUTLER, C. R. Dynamic matrix control of imbalanced systems, ISA Transactions, 21(12)
1982, p. 1-6.
CUTLER, C. R.; HAWKINS, R. B. Constrainer multivariable montrol of hydrocracker
reator. Proc. Am. Cont. Conf., 1987, p 1014-1020.
CUTLER, C. R.; RAMAKER, B. L. Dynamic matrix control: Computer control
algorithm. AICHE 86th, 1979, National Meeting, Paper 51-B.
DE KEYSER, R. M. C.; VAN CAUWENBERGHE, A. R. Extended prediction selfadaptive control, IFAC Symposium on Identification and System Parameter Estimation,
York (UK), 1985, p. 1255-1259.
DE KEYSER, R. M. C.; VAN DE VELDE, Ph. G. A.; DUMORTIER, F. A. G. A
comparative study of self-adaptive long-range predictive control methods, Automatica,
24(2), 1988, p. 149-163.
ECONOMU, C. G.; MORARI, M.; PALSSON, B. O. Internal model control - Extention to
nonlinear systems, Ind. Eng. Chem. Process Des. Dev., 25, 1986, p. 403-411.
EMERSON PROCESS MANAGEMENT. DeltaV predict application. USA, 2002.
Disponvel em: <http:www.emersonprocess.com> . Acesso em: 10 ago. 2005
EMERSON PROCESS MANAGEMENT. DeltaV predict and Deltav PredictPro. USA,
2004. Disponvel em: <http:www.> . Acesso em: 10 ago. 2005
GARCIA, C. Controle preditivo multivarivel do tipo DMC aplicado a uma coluna de
destilao. In. CONGRESSO DE EQUIPAMENTOS E AUTOMAO DA INDSTRIA
QUMICA E PETROQUMICA, 3, 1997, So Paulo. Anais So Paulo, SP: ABIQUIM,
1998. p. 96-106.
GARCIA, C. Studies in optimizing and regulatory control of chemical processing
systems, Ph.D. Thesis, Univ. of Wisconsin, 1982.
88
GARCIA, C.; MORARI, M. Internal model control Design procedure for multivariable
systems, Ind Eng. Chem Process Des., 24, 1985, p. 472-484.
GARCIA, C.; MORARI, M. Internal model control - Multivariable control law
computation and tuning guidelines, Ind Eng. Chem Process Des., 24, 1985, p. 484-494.
GEORGIOU, A.; GEORKAKIS, C.; LUYBEN, W. L. Nonlinear dynamic matrix control
for high-purity distillation columns, AICHE J., 34(8), 1988, p. 1287-1297
LUYBEN, W. L. Simple method for tuning SISO controllers in multivariable systems,
Ind. Chem. Process Des. Dev., 25, 1986, p. 654-660.
LUYBEN, W. L. P. Process modeling, simulation, and control for chemical engineers. 2.
ed. New York: McGraw-Hill, 1989. 725p.
MARCHETTI, J. L. Predictive computer control of a distillation column. Ph. D. Thesis,
1982, Univ. of Santa Barbara.
MARTIN, G. D. Long-range predictive control, AICHE J., 27, 1981, p. 748-753.
McDONALD, K. A.; McAVOY, T. J. Application of dynamic matrix control to moderate
and high-purity distillation towers, Ind. Eng. Chem. Res., 26, 1987, p. 1011-1018.
MORSHEDI, A. M.; CUTLER, C. R.; SKROVANEK, T. A. Optimal solution of dynamic
matrix control with linear programming techniques (LDMC). Proc. Am. Control Conf.,
Boston, 1985, p.199-208.
OPC
FOUDATION.
OPC
overview.
EUA,
<http:www.opcfoudation.org > . Acesso em: 20 jun. 2005
OPC
FOUDATION.
What
is
OPC?.
EUA,
<http:www.opcfoudation.org > . Acesso em: 20 jun. 2005
1998.
2005.
Disponvel
em:
Disponvel
em:
PINTO, Jos M. Controle por matriz dinmica em coluna de destilao. Dissertao de

mestrado, Universidade Federal do Rio de Janeiro, Rio de Janeiro: 1990. 149p
PRETT, D. M.; GILLETTE, R. D. Optimization and constrained multivariable control of
a catalytic cracking unit, AICHE, 86th National Meeting, April, 1979, p. 51-c.
SKOGESTAD, S.; MORARI, M. Control configuration selection for distillation columns,
AICHE J., 33(10), 1987, p. 1620-1635.
TAKAMATSU, T.; HASHIMOTO, I.; HASHIMOTO, Y. Selection of manipulated
variables to minimize interaction in multivariable control of a distillation column, Int.
Chem. Eng., 27(4), 1988.
TYREUS, B. D. Multivariable control system design for na industrial distillation
column, Ind. Eng. Chem. Process Des. Dev., 18, 1978, p. 177-182
89
VALDYA, C. M.; DESHPANDE, P. B. Single loop simplified model predictive control.

Hydrocarbon Processing, June, 1988, p 53-57.
WALLER, K. V.; HAGGBLOM, K. E.; SANDELIN, P. M.; FINNERMAN, D. H.
Disturbance sensitivity analysis of distillation control structures, AICHE J., 34, 1988, p.
853-858.
WOOD, R. K.; BERRY, M. W. Terminal composition control of a binary distillation
column, Chem. Eng Science, 28, 1973, p. 1707-1717.
YDSTIE, B. E.; KERSHENBAUM, L. S.; SARGENT, R. W. H.Theory and application of
an extended horizon self-tuning controller, AICHE J., 31, 1985, p. 1771-1779.
ANEXO A
TEORIA DMC
Apesar de processos qumicos serem normalmente no-lineares, muitos deles podem ser
linearizados em torno do ponto normal de operao. O algoritmo DMC pode ser aplicado em
processos descritos ou aproximados por um conjunto de equaes diferenciais lineares. As
propriedades mais importantes de sistemas lineares so:
- Preservao da escala: se y sada do processo para uma entrada u, ento c.y a sada do
mesmo para a entrada c.u.
- Superposio: se y1 a sada do processo para uma entrada u1 e y2 a sada para uma
entrada u2, ento y1 + y2 a sada para a entrada u1 + u2 .
Estas propriedades so teis para o desenvolvimento do caso multivarivel, onde se

superpem os efeitos de todas as variveis manipuladas nas variveis controladas. Alm
disso, se conhecida a resposta para um degrau de certa intensidade, tem-se a resposta para
outro degrau.
Outros elementos encontrados na metodologia DMC so:
Predio das sadas de interesse sobre o horizonte futuro de tempo, corrigida por ao
feedback;
Estabelecimento de uma trajetria das variveis de sada. Originalmente (CUTLER e

RAMAKER, 1979), era apenas fornecido o setpoint; MARCHETTI (1982) apresenta
uma trajetria de primeira ordem, que ser adotada neste desenvolvimento;
91
Clculo dos movimentos futuros das variveis manipuladas de modo que as variveis de
entrada e de sada satisfaam algum critrio de performance.
assumido que o modelo seja estvel em malha aberta e que o DMC seja implementado em
um sistema com dados amostrados. Portanto, considerado um modelo discreto do processo,
onde valores das variveis sejam conhecidos somente em intervalos discretos de tempo k:
k .T Tempo (k + 1).T
Onde T o tempo de amostragem do sistema.
utilizada uma abordagem de horizonte de predio mvel, onde a cada intervalo de

amostragem a predio atualizada e os movimentos futuros das variveis manipuladas so
calculados. No entanto, somente a varivel manipulada correspondente ao instante presente de
amostragem implementada.
A.1. SISTEMAS MONOVARIVEIS
A.1.1. Previso simples
O DMC baseado na compensao do processo predito por um modelo de convoluo

discreto, onde a varivel de sada se relaciona com a varivel de entrada ao longo do tempo.
Para o instante k:
y k = hi .u k 1
(1)
i =1
Considera-se uma representao finita, fazendo hi = 0 para i > N, sendo N um nmero de

intervalos de amostragem (GARCIA et alli, 1989). Assim para o instante k:
92
y k = hi .u k 1
(2)
i =1
Pode-se escrever para o instante k+1:

N
y k +1 = hi .u k +1i
(3)
i =1
Subtraindo a equao (2) da equao (3):

N
y k +1 y k = hi .(u k +1i u k i )
(4)
i =1
Definindo:
u k = u k u k 1
(5)
A expresso ( 4 ) se torna:
N
y k +1 = y k + hi .u k +1i
(6)
i =1
O modelo acima deve sofrer correes, incorporando uma estratgia de realimentao. No

instante anterior, o valor predito de sada comparado ao valor medido, sendo o desvio usado
para correo no instante atual:
y kC+1 = y k +1 + ( y k y k )
(7)
O valor desejado para a sada no instante k+1 especificado na forma de uma trajetria de
referencia, que assumida de primeira ordem. Esta representao do valor desejado
equivalente a um filtro de primeira ordem e no constava da estratgia inicial da DMC, sendo
incorporada da estratgia MAC. O parmetro determina o quo rpido a trajetria atinge o
setpoint yspk:
y kd+1 = . y k + (1 ). ysp k
0 1
O objetivo que se tenha:
y kc +1 = y kd+1
(9)
(8)
93
Substituindo as equaes ( 7 ) e ( 8 ) em ( 9 ):
y k +1 + y k y k = . y k + (1 ). ysp k
(10)
y k +1 y k = (1 ).ek
Onde:
(11)
ek = ysp k
Utilizando o modelo de convoluo, dado por (6), tem-se:

N
h .u
i
k +1 i
= (1 ).ek
(12)
i =1
A ao de controle (varivel manipulada) determinada no instante k, rearranjando-se a

expresso (12):
u k = u k u k 1 =
(1 ) .e
h1
1 N
. hi .u k +1i
h1 i =2
(13)
A.1.2. Previso Mltipla
Na seo (A.2.1), a sada do processo era predita apenas para o primeiro instante no futuro e a
varivel manipulada determinada de modo que a resposta calculada fosse igual desejada.
Nesta seo, a resposta ser predita em R instantes futuros e as aes de controle sero
calculadas visando minimizar as diferenas entre a resposta e a trajetria desejada.
O modelo de convoluo, equao (6), pode ser estendido para R instantes futuros:
N
y k + j = y k + j 1 + hi .u k + j 1
j = 1,.............,R
(14)
i =1
Analogamente seo anterior [expresso (7)], o modelo corrigido:
y kc + j = y k + j + y kc + j 1 y k + j 1
Onde:
y kc = y k
j = 1,.........,R
(16)
(15)
94
Combinando as equaes (14) e (15), chega-se a:

N
y kc + j = y kc + j 1 + hi .u k + j 1
j = 1,..............,R
(17)
i =1
Para o instante (k+1):
c
k +1
i =1
i =1
= y + hi .u k +1i = y k + hi .u k +1i
c
k
y kc +1 = y k + h1 .u k + h2 .u k 1 + ...... + h N .u k +1 N
(18)
Os valores u k 1 , u k 2,LL, u k N so conhecidos. Agrupando-os num nico termo, tem-se:

N
S1 = hi .u k +1i
(19)
i=2
Portanto, a equao (18) se torna:
y kc +1 = y k + h1 .u k + S1
(20)
Repetindo o procedimento para (k+2):

N
y kc + 2 = y kc +1 + hi .u k + 2i
i =1
y kc + 2 = y kc +1 + h1 .u k +1 + h2 .u k + L + h N .u k + 2 N
(21)
Agrupando novamente os valores conhecidos num nico termo:

N
S 2 = hi .u k + 2i
(22)
i =3
Chega-se a:
y kc + 2 = y kc +1 + h1 .u k +1 + h2 .u k + S 2
(23)
Substituindo (20) em (23):
y kc + 2 = y k + (h1 + h2 ).u k + h1 .u k +1 + S1 + S 2
(24)
Analogamente, para (k+3):
y kc +3 = y k + (h1 + h2 + h3 ).u k + (h1 + h2 ).u k +1 + h1u k + 2 + S1 + S 2 + S 3
(25)
95
Onde:
N
S 3 = hi .u k +3i
(26)
i =4
Definindo-se genericamente:
i
Pi = S m
i = 1,............,R
(27)
m =1
Sm =
h .u
i
k + m 1
m = 1,......,R
(28)
i = 1,........,R
(29)
i = m +1
ai = h j
j =1
Para o instante k+j:
y kc + j = y k + a j .u k + a j 1 .u k +1 + K + a1 .u k + j 1 + Pj
(30)
A equao (30) pode ser reescrita na forma vetor-matriz para os R instantes futuros. Assim:
y kc +1 a1
c
yk +2 a2
M = M
c

y k + R 1 a R 1
y c a R
k +R
a1
a R2
L a1
a R 1
L a2
0 u k y k
0 u k +1 y k +1
M M + M

0 u k + R 2 y k + R 2
a1 u k + R 1 y k + R 1
P1
P2
M
PR 1
PR
(31)
Sendo a trajetria dada por:
y kd+ j = j . y k + (1 j ). ysp k
(32)
Na forma matricial:
y kd+1 1 . y k
d
yk +2 2 . yk
M =
d
y k + R 1 R 1 . y k
y d R .yk
k+R
+ (1 1 ). ysp k
+ (1 2 ). ysp k
+ (1 R 1 ). ysp k
+ (1 R ). ysp k
(33)
96
Subtraindo a equao (31) da equao (32), tem-se:
E = A.u + E
(34)
Onde A e u so, respectivamente, a matriz triangular RxR e o vetor R-dimensional dados

na expresso (31). Os demais vetores so definidos a seguir:
y kd+1 y kc +1
d
c
yk +2 y k +2
E=
M
d
c
y k = R 1 y k + R 1
yd yc
k +r
k +r
(1 1 ).ek
(1 ).e
2
k
E =
M
(1 R 1 ).ek
(1 R ).ek
P1
P2
PR 1
PR
(35)
A definio de ek dada pela equao (11). importante notar que E calculado com base
nas aes passadas de controle e representa o desvio predito da sada com respeito trajetria
desejada. Porm, o calculo de E assume que no ocorrero perturbaes no intervalo
[k;(k+R)].
Se requerido que a sada predita seja igual desejada, ento:
E = 0 0 = A.u + E `
(36)
Conseqentemente:
1
u = ( A) .E
(37)
A soluo dada pela equao (37) nica, sendo obtida a partir de um sistema determinado;
entretanto, baseada na imposio de que a varivel controlada seja igual trajetria desejada
ao longo do horizonte de controle, o que , muitas vezes, fisicamente impossvel.
A estratgia do DMC consiste em se obter um sistema indeterminado, reduzindo

arbitrariamente a dimenso do vetor u . Admite-se que u k + j = 0 para j L , sendo L<R.
O sistema (31) passa a ser:
97
y kc +1 a1
c
yk +2 a2
M = M
c

y k + R 1 a R 1
y c a R
k+R
0
a1
M
a R2
a R 1
0
0
M
u k y k + P1
u
y +P
k +1
2
k
. M +
L a R L u k + L 2 y k + PR 1
L a R L +1 u k + L 1 y k + Pr
L
L
(38)
A equao (34) pode ser escrita como:
E = A.u + E `
(39)
Onde A chamada Matriz Dinmica de dimenso RxL e u o vetor de aes de controle,

que aparece na expresso (38). Nota-se que a matriz A formada pelas L primeiras colunas de
A.
O sistema que no apresenta uma nica soluo, deve ser resolvido segundo um critrio de
otimizao. Segundo a estratgia original (CUTLER e RAMAKER, 1979), a melhor
soluo obtida por mnimos quadrados, minimizando o ndice de desempenho quadrtico:
(u ) = E T .E
(40)
A soluo (Apndice I):
u = A . A . A .E `
(41)
So determinadas as aes de controle no intervalo [k;k+L-1], porem somente u k ser

implementada. No instante k+1 a equao (41) utilizada novamente.
A equao (41) fornece a soluo para o problema de otimizao sem restries. A lei de
controle pode resultar em movimentos bruscos na varivel manipulada. Define-se um ndice
de performace modificado que incorpore restries de suspenso, penalizando os movimentos
da varivel manipulada:
98
(u ) = E T .Q.E + u T .R.u
(42)
Onde Q e R so matrizes positivas semi-definidas e diagonais. Nota-se que Q permite

introduzir penalidades nos erros preditivos.
A lei de controle resultante da funo objetivo definida em (42) dada por:
u = A .Q. A + R . A .Q.E
(43)
A.2. SISTEMAS MULTIVARIVEIS
O desenvolvimento apresentado anteriormente limitou-se ao caso monovarivel, onde uma

sada controlada requer uma entrada manipulada. Tal situao, porm, no tpica de muitos
processos qumicos, onde duas ou mais sadas so controladas por duas ou mais entradas.
Alm disso, todas as entradas influem em todas as sadas, resultando em processos com
mltiplas interaes.
A.2.1. Previso simples
A representao em modelo de convoluo para o caso multivarivel :

N
i =1
i =1
i =1
i =1
i =1
i =1
i =1
i =1
i =1
y1,k = h1,1,i .u1,k 1 + h1, 2,i .u 2,k 1 + L + h1, M ,k i

y 2 = h2,1,i .u1,k 1 + h2, 2,i .u 2,k 1 + L + h2, M ,k i
y c ,k = hc ,1,i .u1, k 1 + hc , 2,i .u 2,k 1 + L + hc ,M ,k i
Em notao compacta:
N
y k = H i .u k 1
i =1
(45)
(44)
99
Analogamente equao (5):

N
y k +1 = y k + H i .u k +1i
(46)
i =1
O valor corrigido :
c
y k +1 = y k +1 + y k y
(47)
A trajetria desejada dada por:
y k +1 = . y k + (I ).r k
d
(48)
Impondo-se:
c
(49)
y k +1 = y k +1
Chega-se a:
y k +1 + y k y k = . y k + (I ).rk
y k +1 y k = (I ).e k
(50)
Onde:
(51)
ek = r k y k
Utilizando a equao (46) em (50), tem-se:
N
Hi.u
k +1 i
= (1 ).e k
(52)
i =1
Finalmente:
N
1
u k = u k u k 1 = H i (I ).e k H i .u k +1i
i=2
(53)
100
A.2.2 Previso Mltipla
Para sistemas multivariveis com previso de R intervalos futuros, o desenvolvimento

equivalente ao da seo A.1.2. A expresso (14) , no caso multivriavel:
N
y k + j = y k = j 1 + H i .u k + j i
j = 1,...........,R
(54)
j = 1,...........,R
(55)
i =1
Corrigindo o valor com base no valor atual:
c
c
y k + j = y k + j + y k + j 1 y k + j 1
Onde:
c
yk = yk
Substituindo a equao (55) na equao (54), tem-se o modelo corrigido:
N
y k + j = y k + j 1 + H i .u k + j 1
c
j = 1,...........,R
(56)
i =1
Repetindo o procedimento apresentado nas equaes (18)-(30), chega-se forma

multivarivel da equao (32):
y c A1
ck +1
y k +2 A2
M = M

y k + R 1 A R 1
c A
y k + R R
0
A1
M
A R 2
A R 1
0
0
M
L A1
L A2
L
L
0 u k y k + P 1
0 u k +1 y k + P 2
M
M . M +
y + P
0 u k + R 2 k
R 1
A1 u k + r 1 y k + P R
(57)
Onde:
i
Pi = S m
i = 1,..........,R
(58)
m = 1,.............,R
(59)
m =1
Sm =
H
i = m +1
.u k + m1
101
Ai = H
i = 1,..............R
(60)
j =1
A trajetria :
y k + j = j . y k + (I j ). ysp k
d
(61)
Para os R instantes futuros:
y d 1.y
k
dk +1
.
y
y
k +2 2 k
M =
d
y k + r 1 R 1 . y k
d .y
y k + r R k
(
(
)
)
+ I 1 . ysp k
+ I 2 . ysp k
+ I R 1 . ysp k
+ I R . ysp k
(
(
(62)
Subtraindo a equao (57) da equao (62), chega-se ao sistema:
E = A'.u + E '
(63)
A definio de E e E absolutamente anloga da expresso (35) e A e u aparecem em

(61). Aplica-se a estratgia DMC de modo equivalente, valendo todas as concluses
apresentadas para sistemas monovariveis:
A.3 DMC NO CONTEXTO IMC
A formulao do DMC bastante atrativa e foi amplamente utilizada em aplicaes

industriais. Porm, uma anlise completa de suas propriedades (estabilidade, robustez e
desempenho) no possvel com as ferramentas atualmente disponveis.
A estrutura IMC possui caractersticas gerais que possibilitam analisar aspectos de

estabilidade do DMC, uma vez que este ltimo possui uma estrutura semelhante do
primeiro.
102
A.3.1 Fundamentos Tericos
A estrutura de controle feedback vista na figura (4), onde o processo representado por
uma funo de transferncia discreta G(z). O algoritmo de controle C(z) pode ser um PID ou
~
qualquer outro algoritmo digital. Denotando a funo de transferncia do modelo por G ( z ) ,

pode-se subtrair e adicionar o efeito de entrada m no sinal medido ym.
ysp(z)
m(z)
C(z)
-
G(z)
d(z)
y(z)
ym(z)
d
~
G( z)
G( z )
modelo
ym(z)
-
modelo
Figura A.1 Sistema feedback com modificaes do modelo (linhas pontilhadas).
Considerando, na figura (A.2), a funo de transferncia Gc(z) como novo controlador, tem-se
a estrutura bsica do IMC. A relao entre os controladores nas duas configuraes dada
por:
C (z ) =
Gc ( z )
~
1 Gc ( z ). G ( z )
(64)
103
ysp(z)
Gc(z)
m(z)
G(z)
d(z)
y(z)
controlador
~
G( z)
ym(z)
-
Figura A.2 Estrutura bsica do IMC

Garcia e Morari (1982) mostram que o controlador Gc ( z ) mais fcil de se projetar que C(z)
e que a estrutura IMC permite introduzir a robustez como parmetro de projeto de modo
explcito.
O IMC apresenta propriedades importantes, cujas demonstraes podem ser encontradas na

referncia acima. As principais so:
~
P1. Critrio de estabilidade dual: quando o modelo exato ( G = G ), a estabilidade do sistema

e a estabilidade do controlador so condies suficientes para a estabilidade global da malha
fechada.
P2. Controlador perfeito: se o modelo for perfeito ( G = G ), ento o controlador perfeito

Gc(z)=G-1(z), desde que G(z) no tenha tempo morto e/ou seja no-mnima (zero fora do
circulo de raio unitrio).
~
1
P3. Offset nulo: Se o controlador satisfaz Gc (1) = G (1) a malha possui offset nulo.
104
Pode-se insensibilizar o IMC com respeito a imprecises do modelo, adicionando um filtro

F(z) no sinal realimentado para levar em conta a diferena entre o modelo e o processo,
~
refletida na perturbao estimada d ( z ) .
Alm disso, pode-se fazer com que o esquema siga uma trajetria de referncia, alimentando
o setpoint com um bloco R(z). A figura (A.3) mostra a estrutura completa do IMC.
Ysp(z)
R(z)
m(z)
Gc(z)
d(z)
G(Z)
controlador
ym(z)
G(z )
F(z)
d (z )
Figura A.3 Estrutura IMC completa
A.3.2. Relao com o Problema de Controle Preditivo
O DMC resolve o seguinte problema de otimizao:
min J (u ) = y y
sujeito a:
) .Q.(y
c T
y + u .R.u
(65)
y(z)
105
y k + j = y k + j + d k + j = hi .u k + j i + d k + j
c
j = 1,......,R
(66)
i =1
u k + j = 0 para j L sendo L<R.

A predio da perturbao feita impondo-se igual perturbao no instante atual:
j = 1,.....,R
dk+ j = dk
(67)
onde dk o sinal feedback, obtido pelo desvio entre o valor medido e o valor predito pelo
modelo:
^
(68)
d k = yk yk
O problema de otimizao (65) com as restries (66) equivalente ao da equao (42).

Analogamente, a soluo fornece as aes de controle u , dadas por:
u = A .Q. A. + R . A .Q.E '

T
(69)
Onde o vetor E ' definido em (35) e a matriz A definida em (38). Nota-se que E ' contm
uma parcela referente a ek e outra parcela Pi, que representa as aes de controle anteriores ao
instante k.
Tomando-se apenas a primeira linha da expresso (69), tem-se a ao de controle no instante

k. De forma geral:
N 1
R
^
u k + i .u k 1 = i . y kd+1 y k y k
i =1
i =1
(70)
A forma geral da lei de controle em transformada Z portanto:

^
Dc ( z ).u ( z ) = z.N c (z ). y d ( z ) N c (1). y ( z ) y ( z )
onde:
(71)
106
Dc ( z ) = 1 + 1 .z 1 + 2 .z 2 + K + N 1 z N +1
N c ( z ) = 1 + 2 .z + 3 .z 2 + K + p .z R 1
A estabilidade do sistema determinada pelas razes de Dc ( z ) . A figura (A.4) mostra a

estrutura do controle preditivo em termos da estrutura IMC completa. O compensador de
offset definido de acordo com a propriedade P3.
Processo
Dc (1)
~
N c (1) H (1)
Compensador de
offset
N c (z )
N c (1)
Preditor de
setpoint
N c (1)
Dc ( z )
H(z)
controlador
H (z )
+
-
modelo
Dc (1)
~
N c (1) H (1)
Compensador
de offset
Figura A.4 Estrutura IMC com controle preditivo
A seguir so mostrados os teoremas de estabilidade do IMC dentro do contexto de controle
preditivo. Observa-se que a propriedade (P2) um caso particular do Teorema 1.
Teorema 1 : para R = 0 , q ii = 0 e selecionando L = R N tem-se Gc ( z ) = H 1 ( z ) .
Quando L =R, R = 0 e q ii = 0 o problema pode ser resolvido exatamente, conforme a
equao (37):
107
u = ( A') .E '
(37)
Sendo a matriz A' triangular, a primeira equao fornece:

u k =
1
h1
N
^
d
y
+
y
hi . k +1i
k
k
k +1
i =2
h .
i
k +1 i
(72)
= y kd+1 y k + y ^ k
i =1
Em transformada-Z:
^
N
1i
d
h
.
z
.
u
(
z
)
=
H
(
z
)
.
u
(
z
)
=
z
.
y
(
z
)
y
(
z
)
+
y
(z )
i
i =1
(73)
Ou seja:
Gc ( z ) =
N c (1)
= H 1 ( z )
Dc ( z )
(74)
Corolrio 1 Se os zeros de H(z) esto no exterior do circulo de raio unitrio, o sistema

instvel.
Teorema 2: Assumindo que o sistema possua uma resposta monotnica a degrau e que
R = 0 , q ii 0 e R=N. Para L suficientemente pequeno, a lei de controle estvel.
Para sistemas que no possuam resposta monotnica a degrau, pode-se assegurar a

estabilidade considerando R 0 , ou seja, penalizando as aes de controle, como visto no
teorema (3).
Teorema 3: Existe um r < 0 finito, o qual para rii r a lei de controle estvel para todo
L 1, R 1 e q ii 0 .
108
Teorema 4: Assumindo q ii = 1 e rii = 0 , ento para L suficientemente pequeno e um R

suficientemente grande tal que R > N+L 1, o controlador estvel.
A.4 ESTUDO DOS PARMETROS DO ALGORITMO
Nesta seo analisado o comportamento dos parmetros do DMC utilizando-se um modelo

simplificado de coluna de destilao. O modelo empregado o desenvolvido por WOO e
BERRY (1973) para uma coluna de destilao binria em escala piloto.
O modelo foi obtido a partir de dados de resposta a degrau aproximados por uma funo de
primeira ordem com tempo morto. A funo de transferncia que relaciona a composio de
destilado com a vazo de refluxo dada por:
X D (s )
12.8 e 1s
= G (s ) =
R (s )
16.7.s + 1
(75)
A fim de implement-lo em computador, procedeu-se obteno da funo de transferncia

na forma discreta, com um segurador de ordem zero. Assim, considerando o tempo de
amostragem igual ao tempo morto, tem-se:
1 e
HG ( z ) = Z
1. s
12.8 e 1s
.
16.7.s + 1
(76)
Desenvolvendo a expresso (76) e aplicando a transformada Z inversa chega-se equao de

diferenas:
109
1
1
1
1
16.7
16.7
16.7
16.7
X D (n ) = 1 + e
X D (n 2 ) + 12.81 e
X D (n 1) e
R(n 2 ) 12.81 e
R(n 3)
(77)
Os parmetros analisados so horizonte de controle (R), horizonte de otimizao (L), fator de

supresso (), constante de trajetria () e nmero de termos do modelo de convoluo (N).
O critrio de avaliao da qualidade do controle a Integral do Erro Absoluto (IAE) definido

da seguinte forma para o caso discreto:
tf
IAE = e(i )
(78)
i =0
onde:
t f = tempo final de simulao

e(i ) = y sp (i ) y (i )
Nota-se que o efeito de reduzir a dimenso do vetor u de R para L relaxar a condio

imposta para o projeto do controlador. Como L elementos u so usados para minimizar R
erros futuros, so fornecidos R-L graus de liberdade ao sistema. Portanto, medida que L
diminui, o ajuste entre a varivel controlada e o set-point relaxado.

MPC Deltav

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

MPC Deltav

Enviado por

Direitos autorais:

Formatos disponíveis

RICARDO PASTORELLO

INTEGRAO VIA OPC DE CONTROLADOR PREDITIVO

INTEGRAO VIA OPC DE CONTROLADOR PREDITIVO

Dissertao apresentada Escola de

FIGURA 1.1 DIAGRAMA ESQUEMTICO DA COLUNA DE DESTILAO

FIGURA 1.2 DIAGRAMA ESQUEMTICO DO CONTROLE DA COLUNA DE

FIGURA 1.3 DIAGRAMA DE ENTRADAS E SADAS E PERTUBAES DO SISTEMA

FIGURA 2.2 CONTROLE COM INTERAO ENTRE MALHAS USANDO

FIGURA 2.3 MPC PARA UM CONTROLE DE MALHA NICA COM DUAS

FIGURA 2.4 MALHA DE CONTROLE COM UMA RESTRIO MEDIDA

FIGURA 2.5 EXEMPLO DE CONFIGURAO DO BLOCO MPC

FIGURA 2.6 DIAGRAMA DE BLOCOS PARA IMPLEMENTAO DE UM MPC

FIGURA 3.1 EXEMPLO DE ARQUITETURA SERVIDOR CLIENTE OPC

FIGURA 3.2 INTERFACE ENTRE CLIENTE OPC E UM SERVIDOR

FIGURA 3.3 INTERFACE ENTRE UM GRUPO E ITEM

FIGURA 3.4 INTERFACE ENTRE APLICAES OPC E SEVIDOR

FIGURA 3.5 ARQUITETURA TPICA DE UMA OPC

FIGURA 4.1 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM DEGRAU

FIGURA 4.3 RESPOSTA DE XB COM PID EM AMBIENTE MATLAB COM

FIGURA 4.4 RESPOSTA DE XD COM PID EM AMBIENTE MATLAB COM

FIGURA 4.5 RESPOSTA DE XB COM PID EM AMBIENTE MAT LAB COM

FIGURA 4.6 RESPOSTA DE XD COM PID EM AMBIENTE MAT LAB COM

FIGURA 4.7 MODELO DA COLUNA COM A OPC PARA COMUNICAO COM O

FIGURA 4.8 CONFIGURAO DOS PIDS, AIS E AOS NO DELTA V

FIGURA 4.9 TESTE DE SINTONIA USANDO DELTA V TUNE

FIGURA 4.10 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA

FIGURA 4.11 RESPOSTA DE XD A DEGRAU NO VALOR DE REFERNCIA DE XB

FIGURA 4.12 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE

FIGURA 4.13 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD

FIGURA 4.14 RESPOSTA DE XB A DEGRAU NA VAZO DE ALIMENTAO F DE

FIGURA 4.15 RESPOSTA DE XD A DEGRAU NA VAZO DE ALIMENTAO F DE

FIGURA 4.16 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE

FIGURA 4.17 RESPOSTA DE XD A DEGRAU NO VALOR DE REFERNCIA DE XB

FIGURA 4.18 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE

FIGURA 4.19 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD

FIGURA 4.20 RESPOSTA DE XB A DEGRAU NA VAZO DE ALIMENTAO F DE

FIGURA 4.21 RESPOSTA DE XD A DEGRAU NA VAZO DE ALIMENTAO F DE

FIGURA 5.2 AMBIENTE PREDICT PARA EXECUO DE TESTE PARA CRIAO

FIGURA 5.3 AMBIENTE PREDICT EXECUTANDO TESTE PARA CRIAO DO

FIGURA 5.4 AMBIENTE PREDICT PARA VISUALIZAO DA MATRIZ 2X2

FIGURA 5.5 AMBIENTE PREDICT PARA VISUALIZAO E EDIO GRFICA

FIGURA 5.6 AMBIENTE PREDICT PARA VISUALIZAO E EDIO ANALTICA

FIGURA 5.7 AMBIENTE PREDICT PARA VISUALIZAO DAS OPES DE

CONTROLADA 1 COM AS INFORMAES ORIGINAIS

FIGURA 5.9 CONTROL STUDIO COM O BLOCO MPC E SELEO DO MPC

FIGURA 5.11 RESPOSTA DE XB A DEGRAU EM SEU VALOR DE REFERNCIA DE

FIGURA 5.12 RESPOSTA DE XD A DEGRAU NO VALOR DE REFERNCIA DE XB

FIGURA 5.13 RESPOSTA DE XD A DEGRAU EM SEU VALOR DE REFERNCIA DE

FIGURA 5.14 RESPOSTA DE XB A DEGRAU NO VALOR DE REFERNCIA DE XD

FIGURA 5.15 RESPOSTA DE XB A DEGRAU NA VAZO DE ALIMENTAO F DE

FIGURA 5.16 RESPOSTA DE XD A DEGRAU NA VAZO DE ALIMENTAO F DE

1.2 DESCRIO DO PROCESSO

1.3 REVISO BIBLIOGRFICA

1.3.1 Consideraes sobre controle preditivo

1.3.2 Consideraes sobre o controle em colunas de destilao

1.3.3 Consideraes sobre a variabilidade

1.4 ESTRUTURA DA DISSERTAO

2 ASPECTOS CONCEITUAIS ENVOLVENDO O SISTEMA DE CONTROLE

3. ASPECTOS CONCEITUAIS ENVOLVENDO FERRAMENTA OPC

3.1 DEFINIO E APLICAO

3.2 PROPOSTA DE DESENVOLVIMENTO E ESPECIFICAES

3.3 FUNDAMENTOS DA OPC