Controle Plant Wide

Responde às seguintes perguntas:

1) Que variáveis devem ser controladas, medidas e manipuladas?

2) Como interconectar estas variáveis

A pergunta central:

Como definir uma estrutura de controle?

 Controle Plant Wide

Um configuração de controle é a estrutura do controlador

que interconecta as variáveis controladas e as
variáveis manipuladas.

O controlador pode ser estruturado (decomposto) em

blocos tanto de forma hierárquica (vertical) quanto
descentralizada (horizontal).
 Controle Plant Wide
Porque decompor um controlador?
(1) Envolve menos cálculos. Atualmente, as plantas têm
informações centralizadas e poder computacional abundante
esta razão enfraquece.

(2) A tolerância a falha,

(3) O controle decomposto explora a facilidade de unidades

locais rejeitarem rapidamente perturbações.

(4) A mais importante é provavelmente a redução do custo

envolvido em definir o problema de controle, e estabelecer
um modelo dinâmico detalhado, necessário em controle
centralizado.

(5) Os sistemas são menos sensíveis a incertezas no modelo (pois

não usam modelos explícitos).
 Controle Plant Wide

Porque decompor um controlador?

Ao impor uma certa configuração de controle, estamos

implicitamente fornecendo informação sobre o
comportamento do processo. Com um controlador
centralizado esta informação seria fornecida
explicitamente em um modelo.
 Controle Plant Wide
Medições secundárias

Controlador centralizado: todas as medições são usadas para

cálculo das entradas manipuladas. Tem implicitamente um
estimador interno.
Controle inferencial: baseado em medições auxiliares, calcula
a saída primária (a saída controlada) que é enviada para
um controlador separado.
Controle cascata: as medições secundárias são controladas e
seus set-points são usados como grau de liberdade por uma
camada hierárquica superior.
 Controle Plant Wide
Graus de Liberdade
O ponto de partida em controle plant-wide é estabelecer o número
de graus de liberdade para operação, tanto dinâmico (para
controle, NC) quanto estacionário (para otimização, NSS).

A base é que o número de variáveis a serem controladas deve

igualar-se ao número de variáveis que podem ser manipuladas
(NM, válvulas, motores, etc.):
NC = NM
O número de graus de liberdade estacionários é normalmente
muito menor
NSS=NC-NO
Onde NO é o número de variáveis sem efeito na no estado
estacionário.
 Controle Plant Wide
Decomposição
1. Baseada nas unidades de processamento. Os conflitos entre as
estruturas resultantes são resolvidos por ajustes mútuos. Tem
sido historicamente usada nas indústrias. Contudo, com o
aumento de reciclos, integração energética e necessidade de
redução de inventários, esta abordagem pode resultar em
muitos conflitos e se tornar impraticável.

2. Baseada na estrutura de processo: reciclos, separação,

integração energética (Douglas)

3. Baseada nos objetivos de controle (balanço material, balanço

de energia, qualidade de produtos, etc)

4. Baseada em escala temporal.

Seleção de Estrutura de Controle: Emparelhamento
Matriz de Ganhos Relativos: Λ=K.*(KT)-1
1) Soma dos elementos de uma linha = 1
2) Soma dos elementos de uma coluna =1
3) Emparelha i com j cujos λij estiverem mais próximos de 1
4) Desvantagem: λij podem ser negativos, pequenos, grandes
5) O problema de emparelhar baseado em interação é que esta
não é necessariamente ruim.

Índice de Niederlinski: IN = det(K)/Πj=1,NKjj

1) Se o índice for negativo, o sistema é instável para qualquer
ajuste de controlador
2) Usado para eliminar emparelhamentos instáveis. É uma
condição necessária mas não-suficiente para estabilidade de
uma malha fechada
 Controle Descentralizado: Multi-Malhas SISO
Seleção de Variáveis Controladas:
1) Julgamento de engenharia: ferramenta principal. Em
colunas: pureza de produtos, em reatores e trocadores de
calor, temperatura.
2) Considerações econômicas, de segurança, restrições de
processo
3) Disponibilidade e confiabilidade de sensores
4) Controle de inventários

Dificuldades:
1) Seleção de prato em coluna de destilação
2) Variedade de compostos não-chaves.
 Decomposição em Valores Singulares - SVD
Guia na escolha de que variáveis controlar
T
1) K = U ΣV

2) Matriz de Valores Singulares: Σ

3) Os maiores valores absolutos de U indicam as saídas mais
sensíveis. Pode ser usado para apontar pratos mais sensíveis
de coluna

Dificuldades:
1) Seleção de prato em coluna de destilação
2) Variedade de compostos não-chaves.
 Decomposição em Valores Singulares - SVD
Prato Delta T/ Delta R Delta T / Delta Q
9 -0.00773271 0.0134723
8 -0.02399404 0.2378752
7 -2.5041590 2.4223120
6 -5.9972530 5.7837800
5 -1.6773120 1.6581630
4 0.0217166 0.0259478
3 0.1976678 -0.1586702
2 0.1289912 -0.1068900
1 0.0646059 -0.0538632
Decomposição em Valores Singulares - SVD
∆T9 
 ∆T 
 8 =K 
 R
 #  D
 
 
 ∆T1 
T
K = U ΣV
Decomposição em Valores Singulares - SVD

 − 0.0015968 − 0.0828981
− 0.0361514 − 0.0835548

− 0.3728142 − 0.0391486
 
 − 0.8915611 0.1473784 
U =  − 0.2523673 − 0.6482796
 
 − 0.0002581 − 0.6482796
 0.0270092 − 0.0063671
 
 0.0178741 − 0.2450451
 0.0089766 − 0.1182182

Decomposição em Valores Singulares - SVD

9.3452 0 
Σ= 
 0 0 .052061
T  0.7191619 − 0.6948426
V = 
 − 0. 6948426 − 0.7191619 
 Seleção de Variáveis Manipuladas
O conjunto de variáveis manipuladas que forneça o maior valor
singular mínimo deve ser escolhido.

1) Um controlador ideal deveria ser o inverso do GP.

2) Garantindo um valor singular mínimo estamos criando uma

planta facilmente inversível (em oposição a uma planta com
matriz singular).

3) O valor singular mínimo é uma medida da capacidade

inerente da planta de suportar perturbações, mudanças em
condições de operação.
 Método Sistemático

Não existe!

As estruturas alternativas de controle são geradas de três formas:

a) Orientação matemática
b) Orientação para o processo (baseada em heurística)
c) Orientação híbrida (combinando as duas abordagens)
 Orientação Matemática

Identifica as estruturas candidatas através de modelo do processo

(estático ou dinâmico) e métodos quantitativos da teoria de
controle e otimização não-linear.

Orientação pelo Processo

Usa experiência de engenharia e insight sobre o processo.
 Abordagem Híbrida

• Concilia as duas abordagens anteriores, e decompõe o

controle Plant-Wide em estágios, resolvendo-os em série.

• O método mais simples é projetar uma estrutura para cada

estágio, sem considerar interação.

• Não funciona na prática: uma estrutura pode funcionar

localmente e não ser possível integrada no processo.
Analogamente, um ótimo de um estágio pode não
corresponder (e freqüentemente não corresponderá) ao ponto
ótimo de operação do processo.
 Dois Pontos Principais

1. Como capturar qualitativa e/ou quantitativamente as

interações do processo:

• modelo do processo (de um modelo qualitativo) a um

modelo fenomenológico.
• Uso de RGA e regras de emparelhamento associadas

2. Em face às interações, como definir estruturas de controle.

• Variáveis manipuladas e controladas; estrutura:

centralizada ou descentralizada?
 Procedimento hierárquico

1. Dificuldade de encontrar um ótimo global para todos os

objetivos de controle

2. Projeto hierárquico facilita a decomposição com busca

subseqüente em um espaço reduzido.

3. Modelos lineares ou linearizados em torno do ponto de

operação são adequados a esta análise. (e.g. Modelos LTI
(variáveis de estado). McAvoy propõe combinar modelos LTI
com controle ótimo na definição de estratégias de controle.
 Síntese de Estratégias PlantWide

As possibilidades combinatoriais de alternativas de estratégia de

Controle é explosiva.

Não existe uma possibilidade única ou “solução correta” para o

Problema de síntese de estratégia de controle.
 Proposta de Buckley
Buckley propôs um procedimento de síntese de controle “plant
Wide” que consiste em dois níveis, dependentes da freqüência
das perturbações:

1) Inicialmente, projetar malhas de balanço material para

controle de inventário de de tanques para perturbações de baixa
freqüência.

2) A seguir, malhas para controle de qualidade são projetadas

para regular perturbações de alta freqüência.

O procedimento de Buckley foi bastante usado no passado e é

uma ase conceitual para várias abordagens “plant wide”
posteriores.
 Luyben, Tyreus e Luyben

Luyben e Tyreus & Luyben investigaram sistematicamente o efeito

de reciclos na dinâmica de processos, com diferentes níveis de
complexidade:

-diferentes números de unidades de processo,

-diferentes números de espécies químicas presentes.

Introduziram a noção do efeito “bola de neve”: uma pequena

perturbação resulta resulta em aumento acentuado nas vazões de
reciclo e no balanço material.
 Luyben, Tyreus & Luyben

-O efeito de reciclo material

-O efeito de integração energética

-A necessidade de contabilizar inventário de compostos

químicos.
 Downs & Vogel

Em 1993, Downs e Vogel publicaram um problema de controle

Industrial “plant-wide”, o processo Tnnessee Eastman (TE), que
tem sido usado por pesquisadores em controle de processos.
 O Problema Eastman Tennessee

• Tem três unidades principais: reator, separador e stripper.

 O Problema Eastman Tennessee

• Tem três unidades principais: reator, separador e stripper.

• Do ponto de vista de cada unidade, a pressão deve ser

controlada (para garantir segurança operacional).

• Do ponto de vista global, apenas uma pressão deve ser

controlada já que estas 3 pressões são altamente
correlacionadas, sendo necessário o controle de apenas uma.

• Tentar controlar as três pressões resultará em problemas

sérios de interação.
 TE – Buckley et al.

1. Decidir taxa de produção e controle de inventário.

2. Decidir por controle de especificação de produtos.
3. Examinar restrições de equipamento e de operação.
• Projetar malhas de controle que antecipem e compensem
restrições de equipamentos.
• Projetar malhas que previnam contra a violação de
restrições de segurança.
• Projetar malhas de controle para restrições não-econômicas
como restrições de emissões ambientais.
4. Projetar malhas de controle adicionais para maximizar
desempenho econômico.
 TE - McAvoy – Controle Descentralizado
1. Fecha malhas rápidas, como malhas internas de controle
cascata. A seleção destas malhas se baseia em experiência.

2. Considera todas as malhas exceto as associadas com analisadores

e taxa de produto.

a) fecha todas as malhas de nível usando conhecimentos de

engenharia. A matriz de ganhos estacionários para sub-
sistemas de nível é calculada.
b) avalia interação, estabilidade e problemas de saturação para
selecionar estruturas de controle:
 TE - McAvoy – Controle Descentralizado
i. Analisa matriz de ganhos estacionários e, através de
considerações de operação, elimine algumas
alternativas. Escolhas as variáveis que devem ser
controladas, para reduzir o número de considerações
possíveis.

ii. Determina o emparelhamento de variáveis por uma

análise da Matriz de Ganhos Relativos (RGA).

iii. Analisa estabilidade usando o índice de Niederlinski.

iv. Elimina algumas estruturas baseando-se em argumentos

físicos.

v. Analisa saturação linear de válvulas.

 TE - McAvoy – Controle Descentralizado

c. Analisa os ganhos de estado estacionários das

perturbações.

4. Adiciona controladores de nível hierárquico superior como

adaptação de ganho estacionário e controle preditivo ao sistema
regulatório desenvolvido nas etapas anteriores.

5. Fecha as malhas de analisadores e taxas de produto usando uma

abordagem baseada em balanços materiais simplificados.
 TE - ARKUN & BARNARJEE

1. Considera a estrutura de controle para pressão, nível e

temperatura

2. Obtém modelos dinâmicos lineares do sistema

3. Escolhe as variáveis de processo a serem controladas e

decide sobre o tamanho mínimo do sistema de controle

4. Conduz procedimento de seleção segundo Teorema 2.1 de

Banerjee e Arkun.

5. Todas as malhas de controle de composição são consideradas

neste nível. O projeto baseia-se nas equações
estequiométricas.
 TE -Ricker
1. Determina os graus de liberdade;

2. Seleciona as variáveis que devem ser controladas;

3. Determina a malha para controle da taxa de produção;

4. Coordena o controle de inventário ao controle escolhido

para a taxa de produção

5. Composição de produto

6. Controle de inventário de produto

7. Trata os outros graus de liberdade;

8. Considera controles overrides

 TE - Luyben

1. Estabelece objetivos de controle.

2. Determina os graus de liberdade de controle.

3. Estabelece sistema para gerenciar consumo de energia.

4. Estabelece a taxa de produto.

5. Controla qualidade do produto e trata restrições de segurança,

operacionais e ambientais.

6. Controla inventários (pressões e níveis) e estabelece uma vazão

para cada reciclo.
 TE - Luyben

7. Verifica balanço de compostos.

8. Controla operações unitárias individuais.

9. Otimiza a economia do processo ou melhora a

controlabilidade dinâmica.
 Problema Desafio
Tennessee Eastman (TE)
4 reagentes: A, C, D e E 2 produtos: G e H
1 inerte: B

13 correntes
 A(g) + C(g) + D(g) → G (líq), Produto 1
O PROCESSO

A(g) + C(g) + E(g) → H (líq), Produto 2

A(g) + E(g) → F (líq), Sub-produto

3D(g) → 2F (líq), Sub-produto

MODELO DA ZONA DE MISTURA
MODELO DO REATOR
MODELOS DO COMPRESSOR E SEPARADORES
MODELO DA COLUNA DE ESGOTAMENTO
 1. Composição do Produto: permanecer em ±5 % molar do
seu Set-Point. Set-Point varia de 10% (wt) a 90% (wt)
dependendo do modo de operação;
OBJETIVOS DE OPERAÇÃO

2. Vazão de produção: A vazão volumétrica da corrente 11

(medida) deve ficar em ±5 % do Set-Point, sem off-set. A
resposta servo deve ser “boa” para mudanças de Set-Point de
±15 % ;

3. Inventário de Líquido: Minimizar inventário no reator:

controle “apertado” em 50% do nível. Os inventários do
separador e stripper não têm influência econômica e devem
ser usados como capacidade de surge para minimizar
flutuações na produção;
 4. Pressão do Reator: se atingir valor superior a 3MPa, o
OBJETIVOS DE OPERAÇÃO

processo irá shut-down. O sistema deverá operar próximo a

este limite sem shut-down.

5. Variabilidade nas Correntes: as correntes 1, 2 e 4 têm

disponibilidade limitada. As estratégias de controle deverão
limitar variações de alta-freqüência nestas vazões;

6. Inventário de Produtos: o sistema deve controlar o

inventário de 8 espécies (evitar acúmulo excessivo ou
exaustão);
OBJETIVOS DE OPERAÇÃO

7. Rejeição a Perturbações: Downs e Vogel (autores

do poroblema) fornecem 20 perturbações teste, a
maioria não medidas, proibindo o uso de
feedforward. Podem ocorrer individualmente ou em
combinação;

8. Operação Ótima: Deve permitir a operação ótima

(minimizar custo de operação ou maximizar
produtividade);
OBJETIVOS DE OPERAÇÃO

Artigo original:
MODOS DE OPERAÇÃO DO PROCESSO TE

(Caso Base)
BALANÇOS DE MASSA E ENERGIA _ MODO 1
PROPRIEDADES FÍSICAS
PERTURBAÇÕES DO PROCESSO

Sugestão do Artigo original:

VARIÁVEIS MANIPULADAS
VARIÁVEIS COM MEDIÇÕES CONTÍNUAS
VARIÁVEIS COM MEDIÇÕES DISCRETAS
RESTRIÇÕES DO PROCESSO
 • O processo TE tem 12 graus de liberdade: 11
válvulas e uma taxa de agitação.
• Dos objetivos apresentados pelo menos 6
variáveis devem ser controladas:
GRAUS DE LIBERDADE

1. Vazão de Produção
Controladas
2. %molar de G no produto
3. Pressão do Reator
4. Nível de líquido no reator
5. Nível de líquido no separador
6. Nível de líquido na stripper
• Pelo menos 5 graus de liberdade devem ser
atribuídos a estes objetivos Manipuladas
• A agitação no seu valor máximo (100%)
maximiza potencial de resfriamento,
deixando disponíveis 5 graus de liberdade que
podem ser explorados pela estratégia de
controle e/ou otimização da produção
CUSTOS DE OPERAÇÃO DO PROCESSO
CUSTOS DE OPERAÇÃO DO PROCESSO
 1) Utilizar RGA para emparelhamento

Manipuladas Controladas
NOSSO SEGUNDO TRABALHO

2) Sintonizar

3) Analisar a qualidade do controle

HDA
Filosofia de McAvoy
 Estágios do Procedimento McAvoy

1. O PROCESSO É ESCALONADO. As variáveis relacionadas

com a segurança do processo são identificadas.
2. Estruturas de controle descentralizadas são propostas para as
variáveis identificadas no estágio 1.

3. Estruturas de controle centralizadas ou descentralizadas são

propostas para controle da taxa de produção e da qualidade
do(s) produto(s).
4. Estruturas de controle centralizadas ou descentralizadas são
propostas para as outras variáveis de controle relacionadas a
inventário e operações unitárias.

5. Avaliar desempenho: metodologia de controle ótimo.

 Modelo LTI – Controle Ótimo

Variáveis manipuladas

Medições

Feedback de estado

Trajetória
Função objetivo para projeto de feedback de minimiza função
estado ótimo capaz de levar o processo de uma objetivo
condição inicial arbitrária para zero. quadrática
 Modelo LTI – Controle Ótimo

Q e R são matrizes de peso

gij é o peso de kij na matriz K

Na maioria dos casos, gij é zero

Para multi-malhas SISO, gij é o usado para forçar os

termos fora da diagonal a zero (um valor alto de gij força
Kij a zero)
 Para satisfazer as condições de otimalidade

Resolvidas por
métodos de
otimização não-
linear

g*K é uma matriz com elementos gijkij

R deve ser positiva definida

Q deve ser positiva semi-definida para garantir que CTQC seja positiva semidefinida.

P será positiva definida (ou semi-definida) se AC for estável) e (CTKTRKC +

CTQC) seja positiva definida (ou positiva-semidefinida).
S será positiva definida (ou semi-definida) se AC for estável e BKC for positiva
definida (ou positiva semi-definida).
 Observar:

K dependerá de como y, x e u estiverem escalonados.

Se os estados tiverem significado físico, devem ser escalonados pelo seu
valor de estado estacionário ou pela faixa de movimento que se deseja
para estes estados.

Se não tiverem significado físico, devem ser deixados não-escalonados

As variáveis medidas, y, devem ser escalonadas pelas faixas dos sensores.

 Observar:

Se usar cascata, controladores devem ser puramente proporcionais para

serem incorporados no modelo

As variáveis manipuladas devem sempre estar escalonadas (e.g, com a

faixa física das válvulas).
 Observar:

Quando o modelo estiver escalonado, Q e R devem ser escolhidos como

matrizes identidade.

Querendo-se colocar mais peso em uma variável ou manipulação,

multiplica-se a entrada diagonal equivalente por um fator.
 Observar:

A solução depende do valor inicial. Quando

x(0) não for conhecido, esta dependência não é
desejável

Para contornar este problema, McAvoy sugere que J minimize a

matriz de autocorrelaçao do estado inicial:
X=E{x(0) x(0) T}
Assumindo que o estado inicial está no ciclo unitário, X=I.
Problema

Existe um Feedback de estado estático para o

problema?
Redução de Ordem
 Como Extrair Informação da Matriz K
• A métrica mais simples é o valor absoluto de Kij..Se pequeno,
pouca influência da manipulada j na controlada i.
 Como Extrair Informação da Matriz K
• Abordagem de matriz de sensibilidade (análoga à Matriz
RGA)

1) Resolver um caso base de OSOF para R0 (=I)

2) Resolver o OSOF para Ri , que ressalta a variável i:
todas as entradas da diagonal de R são multiplicadas
por 100 exceto para a variável i
3) σij dá o peso da manipulada j na controlada i durante
o transiente por controle OSOF
Como Extrair Informação da Matriz K
Como Extrair Informação da Matriz K