Escolar Documentos
Profissional Documentos
Cultura Documentos
Curso de
Especialização em
Instrumentação,
Automação, Controle e
Otimização de
Processos Contínuos
Apostila - autor:
Marcelo Embiruçu
(71) 203.9806 - embiruçu@ufba.br
MAIO de 2004
Escola Politécnica da
UFBA UFBA
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Marcelo Embiruçu
Departamento de Engenharia Química
Escola Politécnica da Universidade Federal da Bahia
Resumo
As indústrias de manufatura são julgadas pela qualidade, custo e
disponibilidade do seu produto. Mais do que nunca, depois da competição
global, muitas companhias estão fazendo uso de medições quantitativas para
monitorizar e direcionar melhoramentos em parâmetros operacionais chave,
tais como produção e qualidade. Em poucas palavras, é necessário operar com
máxima qualidade e máxima produtividade. Um dos caminhos disponíveis para
que se alcance esse estágio de máxima qualidade e máxima produtividade é o
controle automático de processos. Assim como em outros projetos, é sempre
fundamental, para dar suporte às decisões gerenciais, que seja demonstrada a
viabilidade econômica de um projeto de controle automático.
O objetivo deste trabalho é discutir, sistematizar e apresentar métodos e
procedimentos para a realização destes estudos de viabilidade, em especial a
etapa de estimativa de benefícios oriundos da implantação ou de melhorias de
controle automático de processos, que é a etapa mais crítica para
quantificação. É mostrado que, havendo dados de planta disponíveis, o que é
cada dia mais verdadeiro, as ferramentas de avaliação podem ser aplicadas
com sucesso para avaliar estes benefícios. Para isso é indispensável um
correto entendimento do negócio e do processo, envolvendo aí a
disponibilidade de modelos, especialmente os microeconômicos. Na ausência
de dados, procedimentos alternativos, muito mais trabalhosos, podem ser
empregados.
Através de exemplos práticos reais, é mostrada a aplicabilidade da
metodologia de avaliação de benefícios. Neste caso, são mostrados casos com
características diversas, tais como variância de medição importante e
desprezível e ganhos tangíveis e intangíveis, além de situações onde melhorias
de controle não são necessárias. São mostradas também diferentes situações
no que se relaciona com a utilização da redução de variabilidade advinda das
melhorias de controle. Os exemplos demonstram que projetos de controle
podem gerar ganhos econômicos significativos.
Palavras-chave
Controle de Processos, Projetos de Controle e Automação, Avaliação
Econômica, Estimativa de Benefícios Econômicos.
Maio de 2004
(Revisão-3, Maio-2004) 2 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Índice
2. Os Negócios e seus Objetivos .................................................................................5
2.1. Controle de Processos e Objetivos do Negócio .............................................5
2.2. Alcançando Benefícios Através de Controle de Processos..........................6
3. Projetos de Controle Automático de Processos (CAP)........................................9
3.1. Custos e Benefícios do Projeto .......................................................................10
3.2. Análise de Processo para Identificar Oportunidades de Controle .............11
3.2.1. Identificação dos Objetivos do Negócio ..................................................12
3.2.2. Relacionando os Objetivos do Negócio às Propriedades do
Produto e às Variáveis-Chave ..........................................................14
3.2.3. Verificação das Especificações do Consumidor e das Condições
Operacionais Padrão ..........................................................................17
3.2.4. Aplicação de Técnicas Estatísticas de Medição de Desempenho......18
3.2.5. Revisão dos Sistemas de Monitorização e Controle das
Variáveis e Propriedades Críticas ....................................................18
3.3. Incertezas Associadas ......................................................................................20
4. Estimando Benefícios ..............................................................................................21
4.1. Fontes de Variabilidade e Técnicas para a sua Redução...........................22
4.2. Quantificação da Variabilidade e sua Utilização...........................................23
4.2.1. Medidas de Variabilidade ..........................................................................23
4.2.2. Variabilidade do Processo e Objetivos do Negócio ..............................26
4.2.3. Determinação da Quantidade de Não Especificações e da
Aproximação de Restrições...............................................................30
4.2.4. Outras Distribuições: Distribuições Não Normais e
Transformação de Dados ..................................................................33
4.2.5. Critérios de Desempenho Tradicionais em Controle de
Processos.............................................................................................36
4.3. Cálculo da Variabilidade e de sua Redução .................................................37
4.3.1. Capacidade Máxima do Processo e Capacidade Alcançável
com CAP – Cálculos com Dados de Processo ..............................39
4.3.1.1. Cálculo da Capacidade Máxima ........................................................40
4.3.1.2. Compensação para Tempo Morto.....................................................41
4.3.1.3. Capacidade Alcançável com CAP.....................................................42
4.3.2. Capacidade Máxima do Processo e Capacidade Alcançável
com CAP – Cálculos com Modelos ..................................................45
5. Exemplos de Aplicação ...........................................................................................47
6. Conclusões................................................................................................................48
Lista de Símbolos e Abreviaturas ..............................................................................49
Abreviaturas ...............................................................................................................49
Símbolos 49
Símbolos Gregos .......................................................................................................49
Subscritos 49
Sobrescritos................................................................................................................50
Referências Bibliográficas ...........................................................................................51
Lista de Figuras.............................................................................................................53
Lista de Tabelas............................................................................................................54
(Revisão-3, Maio-2004) 3 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
1. Introdução
As indústrias de manufatura são julgadas pela qualidade, custo e
disponibilidade do seu produto. Mais do que nunca, depois da competição
global, muitas companhias estão fazendo uso de medições quantitativas para
monitorizar e direcionar melhoramentos em parâmetros operacionais chave,
tais como qualidade, produção (throughput), especificação de produto sem
reprocessamento (fist-pass first-quality yield), tempo decorrido entre a compra
das matérias-primas e a venda dos produtos (cycle time, similar ao ciclo de
batelada) e percentual de tempo em que os equipamentos estão
operacionalmente disponíveis para utilização em taxa máxima (uptime, tempo
de disponibilidade operacional). Em síntese, é necessário operar com máxima
qualidade e máxima produtividade, no sentido amplo. Nos tempos atuais, para
sobreviver, é necessário ser “de classe mundial” (world class), o que significa
estar entre os melhores do mundo. Os melhores estabelecem os padrões de
competição. Para isso, são necessários melhoramentos sustentados
constantes. Ter um desempenho de padrão “classe mundial”, nos parâmetros
citados, leva à competitividade na qualidade, no custo e na disponibilidade do
produto.
A fim de que se alcance esse estágio de máxima qualidade e máxima
produtividade, estão disponíveis atualmente diversas técnicas, metodologias e
procedimentos, tanto gerenciais e organizacionais quanto operacionais. Uma
dessas abordagens é o controle automático de processos. Assim como em
outras ações e atividades em um negócio, a implementação de estratégias de
controle automático deve ser precedida de um projeto consistente. Assim como
em outros projetos, é sempre fundamental, para dar suporte às decisões
gerenciais, que seja demonstrada a viabilidade econômica de um projeto de
controle automático. O objetivo deste trabalho é, portanto, discutir, sistematizar
e apresentar métodos e procedimentos para a realização destes estudos de
viabilidade. Sendo a parte de estimativa de benefícios a de mais difícil
quantificação, é dada atenção especial a esta etapa. Além disso, a fim de
mostrar a importância do controle de processos para alcançar os objetivos
mencionados anteriormente, é feita uma discussão inicial dos objetivos gerais
de um negócio e da participação do controle de processos dentro deste
contexto. Depois, os principais elementos de um projeto de controle automático
são abordados, envolvendo aspectos como custos, identificação de
oportunidades, incertezas e benefícios. Em seguida, este último elemento é
discutido com profundidade, sendo apresentada uma forma sistemática para a
estimativa de benefícios, dependendo das condições objetivas do problema
abordado. Finalmente, são mostrados alguns exemplos de aplicação destes
procedimentos, e são tecidas as conclusões finais.
(Revisão-3, Maio-2004) 4 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 5 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Identificar Oportunidades
de Controle de Processos Análise de Processos
Focadas no Negócio
CAMINHO COMO
Figura 1. Alcançando Benefícios Através de Controle de Processos.
(Revisão-3, Maio-2004) 7 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 8 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
• Falta de Cultura;
• Fracassos Passados.
(Revisão-3, Maio-2004) 11 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Identificar Variáveis-Chave do
Processo que Determinam as
Propriedades do Produto
(Revisão-3, Maio-2004) 12 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 13 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 14 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
VARIÁVEIS DE PROCESSO
DIRETRIZES DO NEGÓCIO
Rendimento X
Produção X
Tempo de Ciclo X
Qualidade X
Lucro X
X
Importância = Total
INSTRUÇÕES
(Revisão-3, Maio-2004) 15 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
PROPRIEDADES DO PRODUTO
DESEJOS DO CLIENTE
X
Importância = Total
INSTRUÇÕES
(Revisão-3, Maio-2004) 16 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
VARIÁVEIS DE PROCESSO
PROPRIEDADES DE PRODUTO
Importância = Total
INSTRUÇÕES
(Revisão-3, Maio-2004) 17 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 18 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
tecnologia
Figura 8. Avaliação dos Sistemas do Processo.
• Equipamentos (Hardware);
• Aplicativos computacionais (Software);
• Implementação.
• Economia;
• Ambiente (competição).
(Revisão-3, Maio-2004) 20 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
4. Estimando Benefícios
O principal foco deste texto é discutir a estimativa de benefícios para
projetos de CAP. É possível distinguir duas situações: comparação entre
unidades de otimização e avaliação de uma unidade de otimização específica.
No primeiro caso, a situação típica é uma necessidade gerencial de se
ter uma avaliação preliminar dos possíveis benefícios que a implantação de
controle avançado pode gerar em um processo produtivo de uma forma geral.
Neste caso, dado, em geral, a exigüidade do tempo em face da complexidade
do problema, que envolverá possivelmente a avaliação de diversas unidades
de otimização, recomenda-se uma solução rápida. Assim, deve ser feita uma
busca de relatos na literatura sobre aplicações semelhantes e os benefícios
alcançados, e/ou aplicação de percentual (tipicamente 2.5 a 3.5%) de melhoria
na função econômica da unidade. A partir dos resultados obtidos, os números
devem ser analisados, comparados e discutidos com especialistas das
unidades, para que se possa chegar a números definitivos.
No segundo caso, o de análise de uma unidade de otimização
específica, algumas opções podem ser consideradas:
(Revisão-3, Maio-2004) 22 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
n (X −X )
2
S =∑
2 i
Eq. 2
i =1 (n − 1)
onde
(Revisão-3, Maio-2004) 23 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
∑X i
Eq. 3 X = i =1
n (X −X )2
∑ (n − 1)
i
Eq. 4 S =
i =1
n (X − X sp )
2
∑ (n − 1)
i
Eq. 5 S tot =
i =1
(Revisão-3, Maio-2004) 24 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Eq. 6 2
S prod = S tot
2
− S med
2
Eq. 7 S prod = 2
S tot − S med
2
(
Eq. 8 Y = f X 1 , X 2 ,..., X N )
uma relação linear entre Y e X pode ser estimada por uma expansão em série
de Taylor (em torno da média) truncada:
δf
( ) ⋅ (X i − X i )
N
Eq. 9 Y ≅ f X 1 , X 2 ,..., X N + ∑
i =1 δX i
δf
onde X i é a média ou valor estacionário de Xi, e é a derivada parcial de f
δX i
em relação a Xi.
A média e a variância de Y são aproximadamente:
(
Eq. 10 Y ≅ f X 1 , X 2 ,..., X N )
2
N
δf
Eq. 11 S Y2 ≅ ∑ ⋅ S i2
i =1 δX i
Eq. 12 V = a ⋅ W b ⋅ P c
(Revisão-3, Maio-2004) 25 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Eq. 13 V ≅ a ⋅ W b ⋅ P c + (a ⋅ W b ⋅ c ⋅ P c −1 ) ⋅ (P − P ) + (a ⋅ P c ⋅ b ⋅ W b −1 ) ⋅ (W − W )
( ) ( )
Eq. 14 SV2 ≅ a ⋅ W b ⋅ c ⋅ P c −1 ⋅ S P2 + a ⋅ P c ⋅ b ⋅ W b −1 ⋅ SW2
(Revisão-3, Maio-2004) 26 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Variável de Processo
RESTRIÇÃO
RESTRIÇÃO
SETPOINT
NOVO
SETPOINT
ANTIGO
CONTROLE MELHORADO
CONTROLE RUIM
Tempo
(Revisão-3, Maio-2004) 27 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Freqüência
Histograma de Freqüência
Valor da Variável
Figura 11. Exemplo de um Histograma.
Baixa
(Revisão-3, Maio-2004) 28 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 29 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
FREQÜÊNCIA média
Xantigo Xnovo XL BENEFÍCIOS
Otimização do Processo
Maiores rendimentos
Distribuição antes da Menores resíduos
Maiores Produções
melhoria de controle
Distribuição depois da
melhoria de controle
Mesmo número
de violações
depois da melhoria
de controle
(Revisão-3, Maio-2004) 30 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
XH − X
Eq. 15 Z H =
S
Então, a fração dos dados que são maiores do que XH é 1-f(ZH), onde
f(ZH) é determinada a partir de tabelas padrão de distribuição normal
acumulada normalizada (f(Z)), ou a partir da própria função da distribuição
normalizada (p(Z)), que são dadas por:
1 Z2
p (Z ) = ⋅ exp −
2 ⋅π 2
Eq. 16 Z* Z*
1 Z2
f (Z *) = ∫ p(Z ) ⋅ dZ = ∫ ⋅ exp − ⋅ dZ
−∞ −∞ 2 ⋅π 2
onde:
X−X
Eq. 17 Z =
S
1 [X − X ]2
Eq. 18 f ( X ) = ⋅ exp −
2 ⋅π ⋅ S 2 2⋅S2
+∞
1
+∞
[X − X ]2
∫ f (X ) 2 ⋅π ⋅ S XH
2
⋅ ∫ exp −
2 ⋅ S 2
f X >XH =
XH
= =
+∞
1
+∞
[X − X ] 2
∫ f (X ) ⋅ ∫ exp −
2 ⋅ S 2
−∞ 2 ⋅ π ⋅ S −∞
2
1 [X − X ]2
+∞
Eq. 19 =
2 ⋅π ⋅ S 2 XH
∫ − 2 ⋅ S 2 =
⋅ exp
+ ∞ [X − X ]2 X H
− exp − [X − X ]
1 2
⋅ ∫ exp − =
2 ⋅ S 2 −∫∞
=
2 ⋅ π ⋅ S 2 −∞
2⋅S2
1 [X − X ]2
XH
= 1− ⋅ ∫ exp −
2 ⋅ π ⋅ S 2 −∞ 2⋅S2
onde fX>XH é a fração dos dado que viola o limite de especificação superior XH.
(Revisão-3, Maio-2004) 31 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
XL − X
Eq. 20 Z L =
S
Então, a fração dos dados que são menores do que XL é f(ZL). Embora
estas equações se apliquem estritamente a dados que são normalmente
distribuídos, se a distribuição for aproximadamente normal, estas equações são
uma boa aproximação. Existem algumas técnicas para testar a normalidade
dos dados. Um destes métodos consiste em colocar os dados em um papel de
probabilidade normal. Neste tipo papel, dados com distribuição normal se
apresentam como uma reta. Desta forma, quanto maior o desvio de uma reta,
maior o desvio de uma distribuição normal. Uma maneira de verificar, na força
bruta, se os dados estão deformados em relação a uma distribuição normal é
fazer um histograma dos dados e compará-lo, no olho, com uma distribuição
normal. Recomenda-se, na elaboração do histograma, que os dados sejam
agrupados em 10 a 30 intervalos ou blocos de dados.
Um dos benefícios de reduzir a variabilidade é operar mais próximo das
restrições ou limites do processo, o que é ilustrado na figura abaixo.
FREQÜÊNCIA média
Xantigo Xnovo XL
Distribuição antes da
melhoria de controle
Distribuição depois da
melhoria de controle
Mesmo número
de violações
depois da melhoria
de controle
A quantidade pela qual a média pode ser movida é dada pela seguinte
equação (Latour et al., 1986; Martin et al., 1991):
S
Eq. 21 ∆X = 1 − CAP ⋅ (X L − X antigo )
S tot
(Revisão-3, Maio-2004) 32 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
500 − 450
Eq. 23 f X >500 = 1 − f = 1 − f (2) = 1 − 0.977 = 0.023 = 2.3%
25
(Revisão-3, Maio-2004) 33 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
tendem a ser desviadas em direção a altas purezas, como mostra a Figura 15.
É provavelmente correto dizer que quando se está lidando com materiais de
alta pureza, em processos químicos, assumir, a priori, que os dados serão
desviados é mais seguro do que assumir a hipótese da normalidade (Shunta,
1995). Uma maneira de compensar o comportamento não linear é linearizar a
medição do processo por uma função de controle com uma característica não
linear oposta. Por exemplo, em colunas de destilação, não é prática incomum
controlar o logaritmo da composição, ao invés da composição diretamente.
Número de Ocorrências
HISTOGRAMA DOS
DADOS ORIGINAIS
% Pureza
Figura 15. Um Exemplo de Distribuição Desviada em
Relação à Distribuição Normal.
Eq. 24 T1 ( X ) = a ⋅ X p + b p≠0
Eq. 25 T2 ( X ) = c ⋅ log( X ) + d
onde a>0 para p>0 e a<0 para p<0, e a, b, c e d são números reais que podem
ser ajustados para fazer com que a distribuição dos dados transformados se
ajuste à distribuição normal.
Uma distribuição que é pesadamente deformada para valores maiores
será feita mais normal por uma transformação logarítmica. Uma transformação
quadrática tem o efeito contrário. O certo é que a transformação correta
depende da distribuição dos dados originais.
A desvantagem de se trabalhar com dados transformados é que se
perde o sentimento da variável e, portanto, transformações devem ser
(Revisão-3, Maio-2004) 34 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
onde o valor limiar (threshold) é menor do que o menor valor dos dados.
Transformações valeriam a pena se a razão for grande (>20), mas seriam
provavelmente desnecessárias para razões pequenas (<2). Quanto mais
desviados forem os dados, maior será a razão. Deve-se tomar cuidado com o
valor limiar em situações onde os dados são desviados e agrupados ao mesmo
tempo. Por exemplo, suponha que os dados variem entre 99.05 e 99.99. A
razão 99.99/99.05 é em torno de 1. No entanto, usando um valor limiar de 99, a
razão é 20. Esta é, provavelmente, uma avaliação mais precisa da necessidade
de transformar os dados.
A figura abaixo mostra a distribuição dos dados da figura anterior,
quando transformados por uma função logarítmica:
Número de Ocorrências
HISTOGRAMA DOS
DADOS TRANSFORMADOS
ln (% Pureza – 99.3)
Figura 16. Dados Transformados para Normalizar a Distribuição.
ln( X L − θ ) − Y
Eq. 28 Z L =
SY
ln( X H − θ ) − Y
Eq. 29 Z H =
SY
(Revisão-3, Maio-2004) 35 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Portanto:
+∞
∫ P( X )
XH
Eq. 32 f X > X H = +∞
∫ P( X )
−∞
n
Eq. 33 ISE = ∑ ei ⋅ Ta
2
i =0
n
Eq. 34 IAE = ∑ ei ⋅ Ta
i =0
n (X − X sp )
2
ISE
=∑
i
Eq. 35 S 2
≅
tot
i =1 (n − 1) t
n (X − X sp )
2
ISE
∑ (n − 1)
i
Eq. 36 S tot = ≅
i =1 t
n
Eq. 37 EA = ∑ ei ⋅ Ta
i =0
Este critério, no entanto, não pode ser usado para medir a variabilidade,
porque erros positivos e negativos se cancelam. No entanto, McMillan (1990)
ressalta que o EA pode estimar a quantidade total de produto que não satisfaz
as especificações. Isto pode ser feito multiplicando EA pela vazão da corrente
de produto, usualmente em correntes líquidas que são eventualmente
misturadas.
(Revisão-3, Maio-2004) 37 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
importante também que os dados sejam coletados sem filtros (por exemplo,
médias), ou procedimentos similares (Martin et al., 1991), e em situação
operacional “normal”, ou seja, em uma condição típica, livre de anormalidades
casuais. Isto é, em uma situação onde as variabilidades são ocasionadas por
problemas de controle, e não por outras causas. Se não existem dados de
processo disponíveis, a situação fica mais complicada. Se existem modelos,
algumas abordagens alternativas podem ser empregadas, como será discutido
posteriormente. Se não existem nem dados nem modelos, a alternativa é
aceitar as estimativas iniciais como estimativa dos benefícios, sem utilizar as
ferramentas de análise de redução de variabilidade.
No caso onde dados de processo estão disponíveis, a variabilidade pode
ser calculada através do cálculo do desvio padrão:
n (X −X )
2
Eq. 38 Stot = ∑ (n − 1)
i =1
i
2
Eq. 39 Stot = S proc
2
+ S med
2
Eq. 40 S proc = 2
S tot − S med
2
aquela onde se revelará o maior benefício econômico. Portanto, ela pode ser
usada, por exemplo, para rejeitar um projeto, se for revelado um benefício
marginal. Existem na literatura estudos e propostas de metodologias para
avaliação econômica através de complexas simulações computacionais, que
não parecem atraentes para o uso cotidiano em plantas industriais, ao menos
no estágio atual (veja, por exemplo, Bahri et al., 1994; Narraway e Perkins,
1993).
(Revisão-3, Maio-2004) 39 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
VALOR DE PROCESSO
TEMPO
“Capacidade”: Histograma de todos os
apenas dados, icluindo variabilidade
variabilidade de curto e longo prazo ou de
aleatória ou de curto prazo
curto prazo
Figura 17. Variabilidade Total e Capacidade.
n X i − X i −1
Eq. 41 MR = ∑
i =2 (n − 1)
O desvio padrão da capacidade a partir da média da faixa móvel é dado
por (Ott et al., 2000; Wadsworth et al., 2001):
MR
Eq. 42 S cap =
d2
média, as variações de longo prazo são canceladas. Olhando a Figura 17, isto
é similar a calcular o desvio padrão dos pequenos quadrados.
O desvio padrão da capacidade estimado com o MSSD é similar ao
método da faixa móvel:
n
( X i − X i −1 )2
Eq. 43 S cap = ∑
i=2 2 ⋅ (n − 1)
Eq. 44 S cap = ∑
ns
(X − X ni ,ns )
i
2
i = ni (ns − ni + 1 − 1)
(Revisão-3, Maio-2004) 41 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
∑ (X i − X i −1− d )
2
Eq. 46 S cap (d ) = i = 2+ d
2 ⋅ (n − 1 − d )
2
S cap
Eq. 47 S CAP = S cap 2 −
S tot
(Revisão-3, Maio-2004) 42 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
1.5 100
1.3 60
1.2 40
1.1 20
Scap / Stot
1 0
0 0.2 0.4 0.6 0.8 1
Figura 18. Estimando a Redução na Variabilidade a
Partir dos Desvios Capaz e Total.
S
Eq. 48 Porcentagem de Redução no Desvio Padrão = 100 ⋅ 1 − CAP
S tot
(Revisão-3, Maio-2004) 43 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
S tot
Eq. 49 S apc =
2
(Revisão-3, Maio-2004) 44 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Tempo (minutos)
COMPOSIÇÃO DO REATOR SOB BOM CONTROLE
Composição
do Reator Stot = 0.47
Tempo (minutos)
Figura 19. Comparação entre Controladores Bem e Mal Sintonizados.
(Revisão-3, Maio-2004) 45 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
2
Eq. 50 S mod = S proc
2
+ Serro
2
Eq. 51 S erro = 2
S mod − S proc
2
Eq. 52 S CAP = 2
S mod, CAP − S erro
2
(Revisão-3, Maio-2004) 46 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
5. Exemplos de Aplicação
Bons exemplos ilustrativos podem ser encontrados na literatura (p.e.: Shunta,
1995; Wanderley e Magalhães, 1990; Siles e Suffredini, 19??).
(Revisão-3, Maio-2004) 47 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
6. Conclusões
Neste texto, a estimativa de benefícios oriundos da implantação ou de
melhorias de controle automático de processos (CAP) foi discutida, dentro da
perspectiva dos objetivos de um negócio. Muitos relatos da literatura dão conta
de que CAP é uma ferramenta que sempre pode trazer benefícios concretos e
tangíveis. A despeito desses relatos, e havendo dados de planta disponíveis, o
que é cada dia mais verdadeiro, as ferramentas de avaliação podem ser
aplicadas com sucesso para avaliar estes benefícios. Para isso é indispensável
um correto entendimento do negócio e do processo, envolvendo aí a
disponibilidade de modelos, especialmente os microeconômicos. Na ausência
de dados, procedimentos alternativos, muito mais trabalhosos, podem ser
empregados.
Uma parte significativa da metodologia proposta foi ilustrada, através de
sua aplicação em um exemplo prático real, servindo também para mostrar a
aplicabilidade da metodologia de avaliação de benefícios. Desta forma, foram
vistos casos com características diversas, com a variância da medição sendo
significativa em um caso, e não sendo em outro, com um dos casos
apresentando simultaneamente ganhos tangíveis e intangíveis, enquanto o
outro caso mostra apenas ganhos tangíveis. Além disso, um dos casos ilustra,
inclusive, alguns tipos de situações possíveis, onde melhorias de CAP não são
necessárias. As duas situações mostram também ações distintas em como
utilizar a redução de variabilidade advinda das melhorias de controle. Do ponto
de vista mais específico do caso analisado, a estimativa mostra ganhos
significativos, em face dos investimentos necessários (que não foram
discutidos, mas que, pode-se assegurar, para o caso em questão é
significativamente menor do que o benefício estimado), apesar de não terem
sido analisados todos os potenciais de ganho, e de ter sido analisada apenas
uma pequena parcela dos grades de produção. Tal estudo pode,
evidentemente, ser revisado detalhadamente, revelando os benefícios de forma
mais exata e refinada.
(Revisão-3, Maio-2004) 48 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Símbolos
a, b, c, d, p : Constantes;
d : Relação entre tempo mortor r tempo de amostragem;
f : Distribuição de probabilidade acumulada;
f : Função;
n : Número de pontos;
N : Número de variáveis;
ni : Ponto inferior;
ns : Ponto superior;
P : Distribuição de probabilidade;
P : Porcentagem de sólidos;
S : Desvio padrão;
T, T : Tempo;
V : Viscosidade;
W : Peso molecular;
X, Y : Variáveis;
Z : Variável normalizada.
Símbolos Gregos
: Operador diferença;
: Valor limiar.
Subscritos
a : Amostragem;
antigo : Antigo;
cap : Capacidade máxima;
CAP : Controle Automático de Processos;
erro : Erro de modelagem;
H : Limite superior;
L : Limite inferior;
med : Medição;
(Revisão-3, Maio-2004) 49 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
mod : Modelo;
novo : Novo;
P : Porcentagem de sólidos;
proc : Processo;
prod : Produto;
sp : Valor desejado (setpoint);
tot : Total;
V : Viscosidade;
W : Peso molecular.
Sobrescritos
- : Média.
(Revisão-3, Maio-2004) 50 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Referências Bibliográficas
Anônimo, “Cost Justification of an Automated Data Collection”, Internet, (????);
Bahri, P. A., Bandoni, J. A., Barton, G. W., Romagnoli, J. A., "Disturbance
Economics in Optimising Control: Back-off Calculations for an Industrial
Distillation Column", Proceedings of PSE'94, pp. 983-988, (1994);
Bailey, S. P., Fellner, W. H., “Some Useful Aids for Understanding and
Quantifying Process Control and Improvement Opportunities or How to
Deal with the Process Capability”, Catch 22 – ASQC/ASA Fall Technical
Conference, Rochester, NY, Outubro, (1993);
Bailey, J. K., Pedersen, C. C., Hawkins, R. B., "Estimate the Benefits of
Advanced Controllers On-line", Chemical Engineering Progress, junho,
pp. 74-78, (1992);
Barreto, C. S., Chamma, S. C. B., “Curso Básico de Análise de Investimento na
Indústria Petroquímica”, IBP, (19??);
Brisk, M. L., "Process Control: Theories and Profits", IFAC World Congress, vol.
7, pp. 241-250, (1993);
Chowdhury, S., “The Power of Six Sigma : An Inspiring Tale of How Six Sigma
Is Transforming the Way We Work”, Dearborn Trade, (2001);
Ender, D. B., "Process Control Performance: Not as Good as you Think",
Control Engineering, setembro, pp. 180-190, (1993);
Friedmann, P. G., “Economics of Control Improvement”, ISA, (1995);
Gurovitz, H., “Dá para se Defender do Desperdício?”, Negócios Exame,
setembro, (2001);
Harris, T. J., “Assessment of Control Loop Performance”, Can. Jnl. of Chem.
Eng., vol. 67, pp. 856-861, (1989)
Haskins, D. E., "How to Justify Small-Refinery Info/Control System
Modernization", Hydrocarbon Processing, maio, pp. 69-72, (1993);
Hoaglin, D. C. et al. (eds.), “Understanding Robust and Exploratory Data
Analysis”, John Wiley, New York, (1983);
JIPM, Japan Institute of Plant Maintenance, “TPM for Every Operator”,
Shopfloor Series, Productivity Pr, (1996);
Juran, J. M., Gryna, F. M., “Quality Planning and Analysis: from Product
Development through Use”, McGraw-Hill, New York, (2000);
King, M. J., "How to Lose Money with Advanced Control", Hydrocarbon
Processing, junho, pp. 47-50, (1992);
Koppel, L. B., “Quantify Information System Benefits”, Hydrocarbon Processing,
junho, (1995);
Latour, P. L. et al., “Estimating Benefits from Advanced Control”, ISA
Transactions, vol. 25, n. 4, pp. 13-21, (1986);
Lima, D. S., "Metodologia para Execução de Estudos de Benefícios", I
Seminário de Controle e Otimização de Processos - DEPIN / DIREP /
SEAUT / PETROBRÁS S. A., vol. I, Rio de Janeiro-RJ, Brasil, pp. 1-22,
(1990);
Marlin, T. E., Perkins, J. D., Barton, G. W., Brisk, M. L. (eds.), "Advanced
Process Control Applications - Warren Centre Industrial Case Studies of
Opportunities and Benefits", Instrument Society of America / The Warren
Centre for Advanced Engineering-The University of Sidney, (1987);
Martin, G. D., Turpin, L. E., Cline, R. P., "Estimating Control Functions
Benefits", Hydrocarbon Processing, junho, pp. 68-73, (1991);
Martin, P., “Automation Payback”, Internet, (1999);
(Revisão-3, Maio-2004) 51 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
(Revisão-3, Maio-2004) 52 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Lista de Figuras
Figura 1. Alcançando Benefícios Através de Controle de Processos................. 6
Figura 2. Passos na Análise de Processo. ......................................................... 8
Figura 4. Passos para Identificar Melhorias. .................................................... 12
Figura 5. Relacionando Diretrizes do Negócio com Variáveis de Processo. .... 15
Figura 6. Relacionando os Desejos do Cliente com as Propriedades do
Produto para Controle de Qualidade. .............................................. 16
Figura 7. Relacionando as Propriedades do Produto e as Variáveis de
Processo para Controle de Qualidade............................................. 17
Figura 8. Avaliação dos Sistemas do Processo. .............................................. 20
Figura 9. A Relação entre Desvio Padrão e Distribuição Normal. .................... 25
Figura 10. Aproximação de Restrições e Otimização do Processo Através
da Redução da Variabilidade – Gráfico de Tendência. ................... 27
Figura 11. Exemplo de um Histograma. ........................................................... 28
Figura 12. Exemplo de uma Curva de Distribuição (Normal). .......................... 28
Figura 13. Benefícios de uma Variabilidade Reduzida. .................................... 30
Figura 14. A Redução da Variabilidade Permite uma Operação mais
Próxima das Restrições................................................................... 32
Figura 15. Um Exemplo de Distribuição Desviada em Relação à
Distribuição Normal. ........................................................................ 34
Figura 16. Dados Transformados para Normalizar a Distribuição.................... 35
Figura 17. Variabilidade Total e Capacidade.................................................... 40
Figura 18. Estimando a Redução na Variabilidade a Partir dos Desvios
Capaz e Total. ................................................................................. 43
Figura 19. Comparação entre Controladores Bem e Mal Sintonizados............ 45
Figura 20. Trem de Separação de Monômeros em Planta de Polietileno. ...........
(Revisão-3, Maio-2004) 53 de 54
Embiruçu, M. EP/UFBA, 2004 Estimativa de Benefícios em Projetos de
Controle Automático de Processos
Lista de Tabelas
Tabela 1. Dados Coletados para Estimativa de Benefícios - Produção ...............
Tabela 2. Resultados dos Cálculos Estatísticos - Produção
Tabela 3. Previsão de Nova Condição Operacional Depois das Melhorias
de Controle - Produção .......................................................................
Tabela 4. Potencial de Ganho - Produção............................................................
Tabela 5. Dados Coletados para Estimativa de Benefícios - Qualidade ..............
Tabela 6. Resultados dos Cálculos Estatísticos - Qualidade ...............................
Tabela 7. Previsão de Nova Condição Operacional Depois das Melhorias
de Controle - Qualidade ......................................................................
Tabela 8. Potencial de Ganho - Qualidade...........................................................
(Revisão-3, Maio-2004) 54 de 54