FACULDADE SENAI PARAÍBA

CURSO DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

LEONALDO BEZERRA CAVALCANTE

MARIA APARECIDA FRANCELINO DA SILVA

ESTUDO DA APLICAÇÃO DA LÓGICA FUZZY EM PROCESSOS INDUSTRIAIS

JOÃO PESSOA – PB

2019
 LEONALDO BEZERRA CAVALCANTE

MARIA APARECIDA FRANCELINO DA SILVA

ESTUDO DA APLICAÇÃO DA LÓGICA FUZZY EM PROCESSOS INDUSTRIAIS

Trabalho de conclusão do Curso Superior de

Tecnologia em Automação Industrial da
Faculdade SENAI Paraíba, como pré-requisito
para a obtenção do grau de Tecnólogo, tendo
como orientador o professsor MSc. Geovani
Bastos Vanderley e co-orientador o professor
Esp. Daniel dos Santos Brandão.

JOÃO PESSOA – PB

2019
 LEONALDO BEZERRA CAVALCANTE

MARIA APARECIDA FRANCELINO DA SILVA

ESTUDO DA APLICAÇÃO DA LÓGICA FUZZY EM PROCESSOS INDUSTRIAIS

Trabalho de Conclusão do Curso Superior de Tecnologia em Automação Industrial da

Faculdade SENAI da Paraíba, como pré-requisito para a obtenção do grau de Tecnólogo,
apreciada pela Banca Examinadora composta pelos seguintes membros:

Aprovada em ______/_______/2019.

BANCA EXAMINADORA

_________________________________________

Prof. MSc. Geovani Bastos Vanderley

_____________________________________________

Prof. Esp. Daniel dos Santos Brandão

______________________________________________

Prof. MSc. Leonardo Alves Dias

______________________________________________

Prof. MSc. Ronnan de Brito Cardoso

Dedicamos este trabalho aos nossos pais,
pilares da nossa formação como seres
humanos, aos nossos conjugues pelo
companheirismo durante essa trajetória, aos
vários amigos pelo apoio e incentivo, aos
professores em especial os orientadores deste
trabalho, a equipe técnica da faculdade SENAI
Paraíba por todo suporte e dedicação prestados
para que pudéssemos realizar nosso sonho.
 AGRADECIMENTOS

Agradecemos a Deus desde o primeiro momento em que fomos abençoados ao sermos

aprovados no vestibular. Obrigado por nos transmitir força, foco e fé que nos
acompanharam ao longo desses anos e que não nos permitiram desistir. Seremos
eternamente gratos ao Senhor por todas as bênçãos sobre o nosso lar e por
proporcionar tranquilidade aos nossos corações e de todos aqueles que acompanharam
a nossa trajetória acadêmica.
RESUMO
Este trabalho fundamenta os conceitos necessários para implementação da lógica fuzzy em
controle de processos industriais apresentando no primeiro momento um estudo bibliográfico
sobre o controlador fuzzy. A proposta é simular o processo de moagem de coque com o uso
da lógica fuzzy, a fim de mostrar a possibilidade de aplicação desse sistema no controle de
processos industriais. No desenvolvimento do projeto será utilizado o software MATLAB
utilizando o Fuzzy Logical Toobox para simulações da lógica fuzzy. Por meio dos resultados
obtidos pudemos observar que em sistemas de controle a adaptabilidade do controlador fuzzy
a adaptabilidade do deste controlador é maior do que em outros controles utilizados
atualmente, pois para aplicação da lógica fuzzy, após o conhecimento do processo e
identificação de seu comportamento, as etapas para implantação são as escolhas das variáveis
e das regras de controle fuzzy para encontrar a resposta satisfatória para o método de
inferência aplicado ao controlador.

Palavras Chaves: Controle de Processos Industriais, Lógica Fuzzy, Moagem de Coque.

ABSTRACT
This work bases the concepts necessary for the implementation of fuzzy logic in industrial
process control presenting in the first moment a bibliographic study on the fuzzy controller.
The proposal is to simulate the coke grinding process with the use of fuzzy logic, in order to
show the possibility of applying this system in the control of industrial processes. In the
development of the project will be used MATLAB software using the Fuzzy Logical Toobox
for fuzzy logic simulations. By means of the obtained results we could observe that in control
systems the adaptability of the fuzzy controller and the adaptability of this controller is greater
than in other controls currently used, because for the application of fuzzy logic, after the
knowledge of the process and identification of its behavior, the steps for implementation are
the choices of variables and fuzzy control rules to find the satisfactory answer to the inference
method applied to the controller.

Keywords: Control of Industrial Processes, Fuzzy Logic, Coke Grinding.

LISTA DE FIGURAS

Imagem 1 – Diagrama de blocos de um sistema típico de controle ......................................... 14

Imagem 2 - Sistema de controle em malha aberta .................................................................... 15
Imagem 3 - Controle em Malha Fechada ................................................................................. 16
Imagem 4 - Malha Típica de Controle por Realimentação ...................................................... 16
Imagem 5 - Controle Fuzzy ...................................................................................................... 18
Imagem 6 - Função de pertinência Triangular.......................................................................... 21
Imagem 7 - Função de Pertinência Gaussiana .......................................................................... 21
Imagem 8 - Função de Pertinência Trapezoidal ....................................................................... 22
Imagem 9 - Planta da Moagem de Coque................................................................................. 24
Imagem 10 - Função de pertinência para pressão do moinho .................................................. 25
Imagem 11 - Função de pertinência para o nível dos silos de armazenamento........................ 26
Imagem 12 - Regras de controle fuzzy ..................................................................................... 27
Imagem 13 - Método de inferência do controle fuzzy.............................................................. 28
Imagem 14 - Vazão da balança sendo alterada pela pressão do moinho:
Regra de controle 1 ................................................................................................................... 29
Imagem 15 - Vazão da balança sendo alterada pela pressão do moinho:
Regra de controle 2. .................................................................................................................. 30
Imagem 16 - Vazão da balança sendo alterada pela pressão do moinho:
Regra de controle 3 ................................................................................................................... 31
Imagem 17 - Vazão da balança sendo alterada pelo nível do silo: Regra 4 ............................. 32
Imagem 18 - Gráfico da superfície de controle ........................................................................ 33
SUMÁRIO

1.INTRODUÇÃO ................................................................................................................... 10
1.1.JUSTIFICATIVA ............................................................................................................... 11
1.2.OBJETIVOS ....................................................................................................................... 11
1.2.1.Objetivos Gerais .............................................................................................................. 12
1.2.2.Objetivos Específicos ...................................................................................................... 12
1.3.Organização do trabalho ..................................................................................................... 12
2.FUNDAMENTOS DE CONTROLE DE PROCESSOS INDUSTRIAIS ....................... 13
2.1.INDÚSTRIAS DE PROCESSO ......................................................................................... 13
2.2.CONTROLE DE PROCESSOS ......................................................................................... 13
2.3.TIPOS DE CONTROLE .................................................................................................... 15
2.4.CONTROLE POR REALIMENTAÇÃO: ESTRATÉGIAS DE CONTROLE ................. 16
2.4.1.Controle Fuzzy ................................................................................................................ 17
2.5.PROCESSO DE FABRICAÇÃO DE CIMENTO ............................................................. 22
3.METODOLOGIA PROPOSTA PARA IMPLEMENTAÇÃO DA LÓGICA FUZZY. 23
3.1.MOAGEM DE COQUE DE PETRÓLEO ......................................................................... 23
3.2.DESCRIÇÃO DA PLANTA DE MOAGEM DE COQUE EM UMA FÁBRICA DE
CIMENTOS .............................................................................................................................. 24
3.3.METODOLOGIA PROPOSTA PARA SIMULAÇÃO DA PLANTA COM LÓGICA
FUZZY ..................................................................................................................................... 25
4.RESULTADOS .................................................................................................................... 29
5.CONSIDERAÇÕES FINAIS .............................................................................................. 34
5.1.TRABALHOS FUTUROS ............................................................................................... 34
REFERÊNCIAS ..................................................................................................................... 35
1. INTRODUÇÃO

Os sistemas de controle têm uma grande presença tanto em processos industriais

simples, quanto em processos mais complexos. Diferentes tipos de controladores são usados
em diferentes processos, sendo escolhidos de acordo com suas aplicações.
No cenário competitivo atual, a necessidade de produzir mais, a exigência dos
consumidores por melhor qualidade dos produtos e a responsabilidade de promover um
ambiente de produção mais sustentável, tem movido as empresas na procura de aplicações
continuadas para melhorias dos processos produtivos tanto na esfera econômica quanto social
e ambiental. Segundo Rosário (2009), as aplicações voltadas para área de automação
direcionam ao projeto de sistemas automatizados uma estrutura de controle e arquitetura de
comandos distribuídos que permite a configuração e escolha de equipamentos que atendam
aos pré-requisitos funcionais e tempos de respostas destes sistemas.
Novas tecnologias são inventadas devido a necessidades específicas. O advento da
lógica fuzzy foi causado pela necessidade de um método capaz de expressar de uma maneira
sistemática quantidade imprecisa, vagas, mal-definidas. Os controladores industriais baseados
em lógica fuzzy podem ser programados com o conhecimento de experimental de operadores
humanos já treinados, fazendo com que a ação de controle seja tão boa quanto a deles e
sempre consistentes. (SHAWN & SIMÔES, 2007).
A teoria e a aplicação de controle têm sido uma das mais importantes tecnologias que
possibilitou a revolução industrial, desde os primários níveis de processos movidos por
motores a vapor, até a atualidade onde há uma interação profunda com sistemas de
informação e processos de fabricação. A lógica fuzzy é atualmente uma das mais bem
sucedidas ferramentas no desenvolvimento de controladores aplicados a sistemas não lineares
e difíceis de modelar. Uma grande vantagem de se utilizar o controle fuzzy é a possibilidade
de tratar incertezas, associadas às variáveis de entrada e saída do sistema, com o tratamento de
imprecisão, raciocínio aproximado, sistemas baseados em regras e manipulação de termos
linguísticos. Sendo assim, é uma ferramenta poderosa, que possibilita a expressão de
conceitos vagos e onde usualmente é empregado um nome ou adjetivo para descrevê-lo. Neste
tipo de controlador, são utilizadas regras lógicas com intuito de descrever a experiência e a
intuição humana para o controlador. A lógica fuzzy expressa as leis operacionais de um
sistema de controle por termos linguísticos, ao invés de equações matemáticas, como ocorre

10
na metodologia clássica, sendo essa a sua principal vantagem. (SOUZA & FRANCISCO,
2010).
Este trabalho fundamenta os conceitos necessários para aplicação da lógica fuzzy em
controle de processos industriais apresentando no primeiro momento um estudo bibliográfico
sobre o controlador fuzzy. Posteriormente será implementado a simulação da lógica fuzzy
aplicada ao processo de moagem de coque utilizando o software MATLAB.

1.1. JUSTIFICATIVA

Groover (2011) define controle industrial como a regulação automática das operações
de produção e seus equipamentos associados, bem como a integração e a coordenação dessas
operações no sistema de produção maior. Desta forma a construção de conhecimentos e
modelos que possam servir de base a especialistas no controle de processos industriais pode
beneficiar uma organização de fabricação, principalmente em processos complexos e que
ocorram sob incertezas e dados incompletos.
O presente trabalho tem como proposta simular o processo de moagem de coque com
o uso da lógica fuzzy, a fim de mostrar a possibilidade de aplicação desse sistema no controle
de processos industriais. A fabricação de cimento não é simples e requer muita energia, seja
na forma de energia térmica (calor), por meio de combustíveis utilizados para aquecer os
fornos rotativos para a produção de clínquer, seja na forma de energia elétrica, consumida em
todo o processo industrial para movimentar máquinas, fazer girar os fornos rotativos e os
moinhos. Os combustíveis que alimentam os fornos são, na maior parte das vezes, de fontes
não renováveis, como o petróleo e o carvão, sendo o coque de petróleo o principal
combustível utilizado no forno rotativo de clinquer. O motivo desse combustível ser muito
utilizado se deve ao seu elevado poder calorífico associado com o baixo custo de aquisição.
Apesar do processo de fabricação de cimentos não gerar resíduos sólidos As fábricas de
cimento acabam poluindo o ambiente através da emissão dos gases poluentes provenientes da
queima de combustíveis sólidos sendo responsáveis por impactos ambientais relevantes. A
partir desta observação surgiu a ideia de realizar um estudo a cerca da lógica fuzzy e sua
aplicação no processo de moagem de coque.

1.2. OBJETIVOS

11
 1.2.1. OBJETIVOS GERAIS

Desenvolver um estudo bibliográfico sobre o controle fuzzy, aplicado ao processo de

moagem de coque em uma indústria de cimentos.

1.2.2. OBJETIVOS ESPECÍFICOS

 Estudar sobre as técnicas de controle;
 Simular a lógica fuzzy no processo de moagem de coque;
 Analisar a aplicação da lógica fuzzy ao processo de moagem de coque,
buscando estabilizar a alimentação média do moinho.

1.3. ORGANIZAÇÃO DO TRABALHO

A organização do trabalho será da seguinte forma:
 Capítulo 1: Toda a parte introdutória da dissertação, contendo os objetivos,
justificativa e organização do trabalho.
 Capítulo 2: Contém o desenvolvimento de uma fundamentação teórica dos
principais conteúdos imersos no trabalho.
 Capítulo 3: Serão descritos matérias e métodos utilizados no projeto.
 Capítulo 4: Serão apresentados os resultados simulados da lógica fuzzy no
processo de moagem de coque.
 Capítulo 5: Serão descritas as considerações finais, as conclusões relativas ao
estudo bibliográfico e propostas de trabalhos futuros.

12
 2. FUNDAMENTOS DE CONTROLE DE PROCESSOS INDUSTRIAIS
O sistema de controle é um dos componentes básicos de um sistema automatizado. E
pode ser definido como um conjunto de elementos e dispositivos interconectados com a
finalidade de atingir uma resposta desejada. Segundo Groover (2011), os elementos de
controle em um sistema automatizado executam um programa de instruções e faz com que o
processo execute sua função de forma a realizar alguma operação de produção.
Este capítulo fundamenta o trabalho proposto apresentando uma introdução aos
sistemas de controle, visando conceituar o controle de processos e suas principais
características. Posteriormente será mostrado um estudo abrangendo os aspectos básicos
relacionados ao sistema de inferência fuzzy e como este método de controle é utilizado na
indústria e por fim um descritivo do processo de fabricação de cimento com o objetivo de
contextualizar o estudo da moagem de coque.

2.1. INDÚSTRIAS DE PROCESSO

Conforme Groover (2011), as indústrias de processo executam suas operações de

produção em montantes de materiais. Estes tendem a ser líquidos, gases, pós e similares.
Essas indústrias são comumente caracterizadas pela circulação de matéria-prima a partir de
uma unidade de processamento para outra, através de métodos de mudança ou refinamento
com a finalidade de desenvolvimento de um produto final (FRENCHI, 2011).

2.2. CONTROLE DE PROCESSOS

O controle automático de aplicado as indústrias de processo é intitulado controle de

processos. Garcia (2018), afirma que controlar um processo é fazer com que suas variáveis
interajam de modo ordenado, mantendo-se o mais próximo possível de valores considerados
ideais, diuturnamente. Conforme o autor, saber quando, como e quanto mudar o valor de uma
variável para obter uma melhor resposta do sistema constitui o problema central de uma
estratégia de controle.
Um sistema típico de controle pode ser representado pelo diagrama de blocos
conforme ilustrado na imagem 1.

13
 Imagem 1 – Diagrama de blocos de um sistema típico de controle

Fonte: Autores

A entrada ou referência expressa à saída desejada (ou ideal) para planta, enquanto que
a saída corresponde ao valor real. A relação entrada-saída representa a relação causa e efeito
do processo, o qual por sua vez representa o processamento do sinal de entrada para fornecer
um sinal de saída desejado. (DORF, 2018). O controlador gera o sinal de controle que atua
sobre a planta de modo à idealmente, levar o erro (diferença entre a entrada e a saída) ao valor
nulo. Em um controlador as entradas são alimentadas por sinais elétricos vindos de sensores,
conversores, interruptores, enquanto os sinais de controle são aplicados a elementos
atuadores, como válvulas ou motores.
Ogata (2010) declara que no estudo da engenharia de controle, é preciso que sejam
definidos os termos necessários à descrição dos sistemas de controle, bem como sua
terminologia básica.
Assim, os termos mais utilizados serão descritos a seguir conforme definições
apresentadas por Franchi (2011) e Ogata (2010).

 Variável controlada: a variável controlada é a grandeza ou a condição que é

medida e controlada, ou seja, é a variável que se deseja controlar em um
processo. Em indústrias de processos essas variáveis são: pressão, vazão,
temperatura, nível, condutividade, peso, entre outras.
 O sinal de controle ou variável manipulada: é a grandeza ou condição
modificada pelo controlador, de modo que afete o valor da variável controlada,
para mantê-la num valor desejado (setpoint). Normalmente a variável
controlada é a saída do sistema.
 Setpoint: é o valor que se deseja manter para variável de processo. Segundo
Ogata (2010), controlar significa medir o valor da variável controlada do
sistema e aplicar o sinal de controle ao sistema para corrigir ou limitar os
desvios do valor medido a partir do valor desejado.

14
  Erro (offset): é a diferença entre a variável de processo e o setpoint e pode ser
positiva ou negativa. O objetivo de qualquer sistema de controle é eliminar o
erro, mantendo ao longo do tempo, a variável controlada o mais próximo
possível do valor desejado.
 Distúrbios: um distúrbio é um sinal que tende a afetar de maneira adversa o
valor da variável de saída de um sistema. Conforme Ogata (2010), se um
distúrbio for gerado dentro de um sistema, ele será chamado distúrbio interno,
enquanto um distúrbio externo é aquele gerado fora do sistema e que se
comporta como um sinal de entrada no sistema.
 Controle com realimentação: fazer referência a uma operação que, na
presença de distúrbios, tende a diminuir a diferença ente a saída de um sistema
e alguma entrada. (OGATA, 2010).

2.3. TIPOS DE CONTROLE

 Controle em Malha Aberta

Em um controle de malha aberta, a ação do controle é independente da saída, ou seja,

um dispositivo de atuação é utilizado para controlar o processo diretamente sem usar
realimentação. Desta forma, a saída não tem efeito na ação do controle conforme ilustra a
imagem 2.

Imagem 2 - Sistema de controle em malha aberta

Fonte – Franchi (2011, p. 27)

 Controle em Malha Fechada

O sistema de controle em malha fechada é também conhecido como um sistema de

controle por realimentação, igualmente chamado de controle feedback. Neste processo uma
variável de saída é comparada com um parâmetro de entrada (setpoint), sendo obtido um erro.
Esse sinal de erro é enviado a um controlador, cuja função é efetuar a correção e garantir que
a saída esteja em conformidade com a entrada.

15
 Conforme imagem 3, um sistema de controle em malha fechada é composto por seis
elementos básicos: parâmetro de entrada, processo, variável de saída, sensor por
realimentação, controlador e atuador.

Imagem 3 - Controle em Malha Fechada

Fonte – Groover (2011, p. 63)

2.4. CONTROLE POR REALIMENTAÇÃO: ESTRATÉGIAS DE CONTROLE

O intuito central de um controle realimentado é que a saída de um sistema pode ser

medida e retransmitida a um controlador usado para fazer o controle. Conforme mostrado na
imagem 4,a finalidade é manter a variável controlada no valor de referência em meio a
distúrbios ou perturbações existentes.

Imagem 4 - Malha Típica de Controle por Realimentação

Fonte – Garcia (2018, p. 44)

Garcia (2018) explica que a regulação via realimentação é conseguida medindo a

variável c e atuando em outra variável de processo, a qual pode ser manipulada, intitulada
variável manipulada m, com uma intensidade que é a função do valor de desvio entre o valor
desejado e a variável controlada como mostra a equação 1.

(1)

16
 Onde:
e = erro
r = valor de referência
c = variável controlada

Assim, o elemento de controle tem como entrada um sinal de erro e como saída um
sinal que se torna entrada da unidade de correção, tal que uma ação possa ser iniciada para
eliminar o erro. Segundo Bolton (1995), existe algumas formas de o elemento de controle
reagir a um sinal de erro. Para o controle em malha fechada os controles são do tipo on-off
(duas posições), controle proporcional ou controle proporcional combinado com alguma outra
ação.
Cita-se também Bolton (1995), no controle on-off, o sinal de erro, que é uma entrada
para o elemento de cotrole, ora é zero ora possui um determinado valor fixo, e a saída deste
chaveia o elemento de correção nos estados ligado ou desligado. Já no controle proporcional,
a saída do controlador é um sinal que é proporcional ao erro: quanto maior o erro, maior a
saída, isto significa que o elemento de correção receberá um sinal que depende da quantidade
de correção necessária.
O controle proporcional apresente uma série de problemas e por este motivo é
frequentemente combinado a outras formas de controle. No controle derivativo, a saída do
elemento de controle é proporcional à taxa de variação do sinal de erro; e no controle integral,
a saída do elemento de controle é proporcional a integral do sinal de erro entre os instantes de
tempo t = 0 e t. (BOLTON, 1995).
Atualmente existem controladores de processos contínuos que executam técnicas de
controle dos mais diversos tipos, tais como: Lógica Fuzzy (lógica nebulosa), entre outros
(BEQUETTE, 2003). Com base nessas premissas as formas de estratégia de controle fuzzy
citada a cima será detalhada na seção 2.4.1 deste trabalho.

2.4.1. Controle Fuzzy

A lógica fuzzy, também chamada de lógica nebulosa, lógica difusa, ou ainda como
teoria das possibilidades, tem como embasamento a Teoria dos Conjuntos Fuzzy apresentada
pelo Professor Zadeh em seu artigo “Fuzzy Sets” publicado no ano de 1965. Trata-se de um
tipo de lógica multivalente (KANDEL, 1986). Este conceito contrapõe-se ao da lógica
clássica, bivalente, fundada por Aristóteles, segundo a qual uma determinada proposição
17
somente pode assumir os valores: Verdadeiro ou Falso, representados respectivamente pelos
números 0 e 1, excluindo-se definitivamente qualquer possibilidade de ocorrerem valores
intermediários. Trata-se do Princípio do Meio Excluído (BOYER, 1996).
Esta lógica admite, portanto que uma determinada proposição pode assumir qualquer
valor no intervalo entre 0 e 1. Segundo Shaw e Simões (1999), a capacidade de se manipular
conjuntos e números fuzzy é uma das atividades mais extraordinárias do cérebro humano,
logo, a lógica fuzzy permite a implementação de implicações lógicas idênticas às usadas pelo
indivíduo. Busca modelos capazes de simular sua percepção da realidade, incluindo assim
suas características na realização de deduções e tomadas de decisões.
Um sistema baseado na lógica fuzzy permite generalizar e inferir dentro do universo
de referência de cada variável controlada. Assim, o controle fuzzy pode considerar vários
critérios de desempenho simultaneamente, que podem ser escritos de forma matemática ou
mesmo linguística. (CAMPOS, 2004).
O controle fuzzy vem sendo usado nos últimos anos por assumir uma implementação
fácil e rápida, oferecendo maior confiabilidade aos sistemas. Segundo Souza & Francisco
(2010), este tipo de controle trata de uma relação entre entradas e saídas de forma linguística,
o que faz com que o mesmo seja capaz de proporcionar um desempenho eficaz e satisfatório
aos sistemas, proporcionando um controle que não requer cálculos ou equações complexas
como aqueles utilizados no controle PID.
Para Shaw, Simões (2007), uma das mais importantes características dos controladores
Fuzzy é a habilidade em se executar controle multiobjetivos, mesmo com requisições
conflitantes, de forma a se obter um bom compromisso na estratégia de controle.
Para desenvolver um controlador Fuzzy é imprescindível que se obtenha três etapas:
Fuzzificação, Inferência e Defuzzificação. Desta forma, cada etapa será descrita, seguindo o
modelo Mamdani, como mostrado na imagem 5 .

Imagem 5 - Controle Fuzzy

Fonte - Autores
18
  Fuzzificação
Para Shaw e Simões (1999), "fuzzificação” é uma espécie de pré-processamento de
categorias ou classes do sinal de entrada, reduzindo grandemente o número de valores a serem
processados. Os valores discretos (não – fuzzy) das variáveis de entrada geralmente são
provenientes de sensores das grandezas físicas ou de dispositivos de entrada
computadorizadas. Um fator de escala pode ser usado para converter os valores reais de
entrada para outros que sejam cobertos pelos universos de discurso pré-definidos para cada
variável de entrada. A demais, a interface de fuzzicação usa as funções de pertinência
contidas na base de conhecimento, convertendo os sinais de entrada em um intervalo [0,1] que
pode ser associado a rótulos linguísticos. (SHAW, SIMÕES, 2018)
Nesta etapa são consideradas todas as informações referentes à imprecisão e
incerteza, então os especialistas na área de controladores fuzzy devem ser consultados para
saber os valores relacionados ao grau de pertinência para as variáveis que estão sendo
estudadas, pois isso faz com que os resultados sejam mais precisos.

 Base de Regras
Segundo Shaw & Simões (2018), a base de regras caracteriza os objetivos de controle
e a estratégia de controle utilizada por especialistas na área, por meio de um conjunto de
regras de controle em geral linguísticas.
 Inferência
A inferência fuzzy é um processo de avaliação de entradas com o objetivo de, obter
conclusões por meio de regras previamente definidas utilizando-se a teoria de conjuntos
fuzzy. Neste processo ocorre a validação das regras estabelecidas para o controle e une,
através de um cálculo arbitral, média ou máxima, os valores correspondentes aos resultados
da regra aplicada. A regra é um formato de decisão (SHAW & SIMÕES, 2010).
Os controladores fuzzy descritos na literatura são classificados em função das
características gerais do seu método de tomada de decisão. O método Mamdani de inferência
fuzzy (difusa) se baseia em regras de conjuntos fuzzy cujo objetivo é representar experiências
da vida real. Este controlador tem como base o trabalho pioneiro de Mamdani, publicado em
1973. A implementação de cada regra é feita mediante a definição de operadores para o
processamento do antecedente da regra e da função de implicação que irá definir o seu
consequente. A ação do controlador fuzzy é definida pela agregação das n regras que
compõem o algoritmo, mediante o uso do conectivo “também”, o qual pode ser implementado

19
por diferentes operadores. Esta agregação resulta no conjunto fuzzy, que define a saída do
controlador. A saída efetiva do controlador é então obtida por meio de um processo de
defuzificação aplicado ao conjunto fuzzy.
Já o método Sugeno consiste numa simplificação do controlador de Mamdani, onde o
consequente de cada regra é definido como uma função das variáveis lingüísticas de entrada.
Neste método, o resultado de cada regra é, portanto, um valor numérico (não um conjunto
fuzzy), que assume como peso o valor da pertinência resultante do processamento do
antecedente da regra. A resposta final do controlador é obtida pela média ponderada das
respostas das regras individuais. Neste tipo de controlador não cabe processo de
defuzificação.

 Defuzzificação
Após a etapa da inferência, vem a última etapa, que é a defuzzificação. Nela são
aplicados os valores encontrados no processo anterior, em métodos para achar a saída do
controlador Fuzzy que irá ser aplicado ao sistema.
A defuzzificação consiste em obter-se um único valor discreto, utilizável numa ação
de controle concreta no mundo real, a partir de valores fuzzy de saída obtidos. Esta função é
necessária apenas quando a saída do controlador tiver de ser interpretada como uma ação de
controle discreta. Existem sistemas que não exigem defuzzificação porque o padrão de saída
fuzzy é comparado com aqueles que correspondem a certos aspectos qualitativos. (SHAW &
SIMÕES, 2018)

 Funções de Pertinência Fuzzy

As funções de pertinência fuzzy representam aspectos fundamentais de todas as ações
teóricas e práticas de sistemas fuzzy. Conforme Shaw & Simões (2018), uma função de
pertinência é uma função numérica gráfica ou tabulada que atribui os valores de pertinência
fuzzy para valores discretos de uma variável, em seu universo de discurso.
As funções de pertinência triangulares são caracterizadas por um triângulo (a, b, c),
onde a e c definem o intervalo no qual a função de pertinência assume valores diferentes de
zero, e b é o ponto onde a função de pertinência atinge o valor máximo (AMENDOLA M;
SOUZA, 2005). A imagem 6 mostra uma função de pertinência triangular onde podem ser
observados a, b e c.

20
 Imagem 6 - Função de pertinência Triangular

Fonte – Revista Energia na Agricultura1

As funções de pertinência gaussianas são caracterizadas pela média (m) e desvio

padrão (s) da curva. A função de pertinência gaussiana decai suavemente e tem valores
diferentes de zero para toda variável analisada (AMENDOLA M; SOUZA, 2005). A imagem
7 mostra uma função de pertinência gaussiana. Podem ser observados no eixo vertical os
valores da função de pertinência e no eixo horizontal os valores da variável desejada.

Imagem 7 - Função de Pertinência Gaussiana

Fonte - Autores

As funções de pertinência trapezoidais são caracterizadas por um conjunto composto

de quatro valores (a, b, c e d), onde a e d determinam o intervalo dentro do qual a função de
pertinência assume valores diferentes de zero, b e c determinam o intervalo dentro do qual a
função de pertinência é máxima e igual a 1 (AMENDOLA M; SOUZA, 2005). A imagem 8
ilustra uma função de pertinência trapezoidal.

1
Disponível em: energia.fca.unesp.br. Acesso em: julho 2019
21
 Imagem 8 - Função de Pertinência Trapezoidal

Fonte – Repositório researchgate 2

2.5. PROCESSO DE FABRICAÇÃO DE CIMENTO

O processo de fabricação de cimento abrange seis etapas principais que são mineração,
moagem de cru, clinquerização, moagem de cimento, ensacamento e expedição. A mineração
é responsável pela detonação de material carbonático que, em grande parte das fábricas de
cimento, utiliza-se do calcário pela sua abundância na crosta terrestre. Na moagem de cru as
matérias primas calcário, argila e óxidos de ferro e alumínio são moídos e misturados até a
obtenção de um pó fino (farinha crua). Em seguida todo esse material é levado a um forno
rotatório aquecido a uma temperatura de aproximadamente 1500° C, dando origem ao
clínquer. Este último é misturado com gesso e outras adições dando origem aos diversos tipos
de cimento que são por fim ensacados para que possam ser comercializados.
Esse método de produção demanda um alto consumo de energia, seja na forma
térmica, por meio de combustíveis usados para aquecer os fornos rotativos na produção de
clínquer ou energia elétrica, consumida em todo processo industrial. O gasto de energia
térmica equivale a maior parte deste consumo durante a queima dos combustíveis.
Na grande maioria dos processos, os combustíveis que mantêm o forno são de fontes
não renováveis, como petróleo e carvão. Dentre esses combustíveis podemos destacar o coque
de petróleo, gasolina, gás natural e outros derivados de carvão mineral. O coque de petróleo é
o principal combustível utilizado no forno rotativo de clínquer.

2
Disponível em:
https://www.researchgate.net/publication/228397206_ANALISE_DE_RISCO_E_INCERTEZA_NA_TOMADA_DE_
DECISAO_NA_GESTAO_HIDROAMBIENTAL . Acesso em: julho 2019.
22
3. METODOLOGIA PROPOSTA PARA IMPLEMENTAÇÃO DA LÓGICA FUZZY
Neste capítulo serão mostrados todos os materiais e métodos utilizados para realização
deste trabalho. A pesquisa trata de um estudo bibliográfico sobre controles de processos e
aplicação da lógica fuzzy em processos industriais. Inicialmente foi desenvolvido um
referencial teórico a partir de pesquisas sobre a temática do projeto. Em seguida o processo de
moagem de coque será descrito para fins de compreensão da simulação da lógica fuzzy. Por
fim, será desenvolvida a simulação do controlador fuzzy com base nos dados coletados no
sistema supervisório da referida planta. O simulador foi desenvolvido utilizando o software
MATLAB.

3.1. MOAGEM DE COQUE DE PETRÓLEO

O procedimento a ser estudado é a moagem de coque de petróleo em uma indústria de
cimento. Neste processo as operações tem como principio manter o fluxo de alimentação da
matéria-prima contínuo e dentro das especificações estabelecidas para garantir o
funcionamento do moinho.
Como os combustíveis sólidos requerem uma certa quantidade de processamento antes
que sua energia latente possa ser completamente explorada, instalações industriais de queima
de carvão ou outros são combinadas com unidades de moagem e secagem de tal produto. Para
que se contextualize a moagem de coque descreve-se o processo.
A moagem de coque se dá em circuito fechado, cujo equipamento principal é o
moinho tubular de bolas. As matérias-primas são alimentadas por balanças dosadoras de
vazão (toneladas/hora), coforme a quantidade de material triturado pelo moinho formando
uma massa pulvurulenta e homogênea. Ao atingir a granulometria de saída, o material é
elevado por um transportador vertical e classificado. A fração fina se dirige aos filtros de
manga cuja função é separar as partículas de coque (fase sólida) dos gases efluentes (fase
gasosa), objetivando a recuperação de produto industrial sólido e purificação dos gases
mediante a retirada dos poluentes, enquanto a fração grossa volta para ser moída até a
granulometria especificada. Após a filtragem nos filtros de manga o coque é direcionado aos
silos de armazenamento de produto e assim dar início a alimentação do forno para o processo
de cliquerização.

23
 3.2. DESCRIÇÃO DA PLANTA DE MOAGEM DE COQUE EM UMA FÁBRICA DE
CIMENTOS
Conforme ilustrado na imagem 9 a planta de moagem de coque é composta por um
silo de coque bruto (BI 01), uma balança dosadora de vazão (WF01), cujo setpoint varia entre
11 e 16 toneladas/hora, uma correia transportadora (BC 01), um moinho de bolas (BM 01),
que deve trabalhar dentro de um range de pressão interna entre -4 e -20 mbar (milibar). Um
classificador de material (CLA 01), que como descrito anteriormente classifica as partículas
de coque moído de acordo a granulatura, enviando as partículas grossas para reprocesso, um
filtro de mangas (BF 01), para separar as partículas de coque dos gases efluentes, um exaustor
(FN 02) e dois silos de armazenamento do coque moído (BI 02 e BI 03). O controle do
processo é feito pelo CLP que recebe as informações dos sensores de pressão, vazão, balança
de carga, nível e temperatura. Estes medem as variáveis do processo: pressão interna do
moinho, vazão de material na balança dosadora, temperatura dos gases, vibração no moinho e
nível de material nos silos de armazenamento.
O controlador, implementado na planta, tem a função de controlar a vazão do material
para balança dosadora levando em conta os níveis de material nos silos de armazenamento e
pressão interna do moinho.

Imagem 9 - Planta da Moagem de Coque

Fonte - Autores

24
 3.3. METODOLOGIA PROPOSTA PARA SIMULAÇÃO DA PLANTA COM LÓGICA
FUZZY
A simulação da lógica fuzzy foi realizada tendo como base o controle aplicado no
modelo real, cuja função do controlador está descrita na seção 3.2 deste trabalho. A
implementação da simulação da lógica fuzzy foi desenvolvida no MATLAB, utilizando o
Fuzzy Logical Toobox.
As variáveis de entrada do sistema são a pressão no moinho e o nível do silo de
armazenamento. Estes dados foram coletados a partir da leitura do sistema supervisório da
planta de moagem de coque. A variável de saída é a vazão na balança dosadora.
Para as variáveis de entrada foram aplicadas a função de pertinência gaussiana na
pressão do moinho, conforme ilustrado na imagem 10, tendo uma amplitude de atuação com
valores entre [-4 a -7] mbar no instante da leitura. Esta variável contém três conjuntos fuzzy
divididos em [-6 a -7], [-5 a -6] e [-4 a5] conforme o exposto na Figura 10. Este limite de
amplitude consiste de [-4 a -7] mbar devido a simulação representar a planta em
funcionamento. No ambiente real o setpoint destas variáveis são de [-4 a -20] mbar.

Imagem 10 - Função de pertinência para pressão do moinho

Fonte - Autores

Para a variável de entrada nível do silo de armazenamento foi aplicado a função de

pertinência trapezoidal conforme mostra a imagem 11, tendo uma amplitude de atuação com
valores entre [0 e 80] toneladas no instante da leitura. Este limite de amplitude também se
aplica no ambiente real.

25
 Imagem 11 - Função de pertinência para o nível dos silos de armazenamento

Fonte - Autores

Com a devida associação das funções de entrada, são então formadas 4 regras de
controle para o estimador fuzzy conforme mostrado na imagem 12. A primeira regra
estabelece que se a pressão do moinho assumir o valor de [-4] mbar ou o nível dos silos de
armazenamento estiver entre [0 e 74] toneladas, a vazão de material na balança dosadora
assumirá valores entre [11 e 13] toneladas. Na segunda regra se a pressão do moinho estiver
em [-5] mbar ou o nível dos silos de armazenamento estiver entre [0 e 74] toneladas, a vazão
de material na balança dosadora assumirá valores entre [13 e 15] toneladas. A terceira regra
expressa que se a pressão do moinho for [-6 ] mbar ou o nível dos silos de armazenamento
estiver entre [0 e 74] toneladas, a vazão de material na balança dosadora assumirá valores
entre [15 e 17] toneladas. Por fim, a quarta regra mostra que se os níveis dos silos de
armazenamento estiverem altos, com valores entre [75 a 80] toneladas a vazão de material na
balança dosadora deverá diminuir, enviando menos matéria – prima para o moinho de coque.

26
 Imagem 12 - Regras de controle fuzzy

Fonte - Autores

O método de inferência utilizado é o método mamdani exibido na imagem 13, onde se

definem quais são os conectivos lógicos usados para estabelecer a relação fuzzy que modela a
base de regras. É nesta etapa que o controlador irá interpretar as funções de pertinências e
seus valores respectivos para gerar uma saída desejada.
No caso da lógica aplicada o conectivo lógico estabelecido foi [or] mostrado na
imagem 12, pois a ação do controlador na balança dosadora será de acordo com o nível alto e
baixo dos silos de armazenamento ou pressão interna do moinho, liberando mais ou menos
material para moagem.

27
Imagem 13 - Método de inferência do controle fuzzy

Fonte - Autores

28
4. RESULTADOS
Neste item serão apresentados os resultados da simulação computacional da planta de
moagem de coque aplicado à lógica fuzzy realizado no software MATLAB através do
ambiente de simulação Fuzzy Logical Toobox, conforme regras de controle explicado na
seção 3.3 deste trabalho.

Imagem 14 - Vazão da balança sendo alterada pela pressão do moinho: Regra de controle 1

Fonte - Autores

A imagem 14 mostra a resposta do controlador fuzzy para vazão de material na

balança dosadora de acordo com a pressão interna do moinho. No momento da leitura o valor
da variável pressãodomoinho era de [-4.62] mbar, neste instante a variável vazãodabalança
assumiu um valor de [12.3] toneladas, admitindo valores estimados dentro do range
estipulado nas regras de controle estabelecidas na seção 3.3 quando a pressão interna do
moinho estivesse operando a [-4] mbar.

29
 Imagem 15 - Vazão da balança sendo alterada pela pressão do moinho: Regra de controle 2.

Fonte - Autores

A imagem 15 apresenta a resposta do controlador fuzzy quando a pressão interna do

moinho estivesse operando a [-5] mbar. No momento da leitura o valor da variável
pressãodomoinho era de [-5.72] mbar, neste modo de operação, a variável vazãodabalança
admitiu um valor de [14.5] toneladas, resultando dentro dos valores estimados no range das
regras de controle estabelecidas na seção 3.3 quando a pressão interna do moinho estivesse
operando a [-4] mbar. Neste modo de operação da vazão de material se mantém constante se
comparada com o resultado mostrado na imagem 14.

30
 Imagem 16 - Vazão da balança sendo alterada pela pressão do moinho: Regra de controle 3

Fonte - Autores

A imagem 16 exibe a resposta do controlador fuzzy quando a pressão interna do

moinho está operando a [-6] mbar. No momento da leitura o valor da variável
pressãodomoinho era de [-6.68] mbar, neste modo de operação, a variável vazãodabalança
admitiu um valor de [16.3] toneladas, mantendo a vazão de material constante resultando em
valores estimados no range das regras de controle estabelecidas na seção 3.3

31
 Imagem 17 - Vazão da balança sendo alterada pelo nível do silo: Regra 4

Fonte - Autores

A imagem 14 mostra a resposta do controlador fuzzy para vazão de material na

balança dosadora de acordo com o nível de material nos silos de armazenamento. No
momento da leitura o valor da variável nívelsilo1ou2 era de [77.5] toneladas, neste instante a
variável vazãodabalança assumiu um valor de [11] toneladas, dimuindo a quantidade de
material enviada ao moinho e assumindo os valores estimados dentro do range estipulado
nas regras de controle estabelecidas na seção 3.3 quando o nível do silo de armazenamento
estivesse operando na faixa de [75 a 80] mbar.
Analisando o gráfico da superfície de controle apresentado na figura 18, podemos
observar a variação de vazão na balança em relação as alterações de pressão do moinho e do
nível nos silos de armazenamento. A lógica de controle aplicada aumenta a resposta do
sistema, pois a saída do controlador é inversamente proporcional a sua entrada, ou seja, na

32
medida em que a pressão no moinho ou nível de armazenamento nos silos diminui a vazão da
balança dosadora aumenta, enviando uma quantidade maior material para ser processado.

Imagem 18 - Gráfico da superfície de controle

Fonte - Autores

33
5. CONSIDERAÇÕES FINAIS
O presente trabalho apresentou um estudo bibliográfico do sistema de controle com a
finalidade de mostrar a aplicação da lógica fuzzy em ambientes de produção industrial. A
implementação do controle se deu por meio de simulação da lógica fuzzy com dados obtidos
no ambiente real. As avaliações sobre o projeto tiveram como base o funcionamento da lógica
fuzzy no processo de moagem de coque e as repostas do controlador para o sistema.
Levando em consideração os estudos realizados a cerca do controlador fuzzy chegou-
se à conclusão de que em sistemas de controle a adaptabilidade do deste controlador é maior
do que em outros controles utilizados atualmente, pois para aplicação da lógica fuzzy, após o
conhecimento do processo e identificação de seu comportamento, as etapas para implantação
são as escolhas das variáveis, as regras de controle fuzzy para encontrar a resposta satisfatória
para o método de inferência aplicado ao controlador. Esse resultado pôde ser observado
através da implementação da lógica fuzzy em software bastando à aquisição dos parâmetros
referentes ao processo de moagem de coque obtidos em visitas técnicas ao ambiente fabril e
alguns meses em estudo a cerca do tema explorado neste trabalho.

5.1. TRABALHOS FUTUROS

Algumas perspectivas podem ser provindas desse trabalho, as quais podem gerar
trabalhos futuros. Quais sejam:
 Construção de um protótipo que simule o ambiente real;
 Programação e simulação do controlador fuzzy para o processo de moagem de
coque utilizando o Matlab/Simulink;
 Programação e simulação do controle PID aplicado ao processo de moagem de
coque utilizando o Matlab/Simulink, com finalidade de observação das
respostas deste tipo de controle para a planta em questão.
 Estudo comparativo dos controladores fuzzy e PID aplicados ao processo de
moagem de coque, com o intuito de mostrar qual melhor se aplica ao processo.

34
REFERÊNCIAS
AMENDOLA M; SOUZA, A; BARROS L. Manual do uso da teoria dos conjuntos Fuzzy
no Matlab 6.5., 2005.

BEQUETTE, B. Wayne; Process control: modeling, design and simulation. Prentice-Hall.

2003.

BOLTON, W. Engenharia de Controle. 1° ed. Rio de Janeiro: Makron Books Ltda., 1995.

BOLTON, William. Mecatrônica: Uma abordagem multidisciplinar. 4. ed. Porto

ALEGRE: BOOKMAN, 2010.

BOYER, C. B. História da Matemática, São Paulo, Editora Edgar Blücher, 1996.

CAMPOS, Mario Massa de; SAITO, Kaku. Sistemas inteligentes em controle e automação de
processos. Rio de Janeiro: Editora Ciência Moderna, Ltda, 2004.

DORF, Richard C; BISHOP, Robert H. Sistemas de controle modernos. 13ª Edição. Rio de
Janeiro: LTC, 2018.

FRANCHI, Claiton Moro. Controle de processos industriais: princípios e aplicações. 1ª

Edição. São Paulo: Érica, 2011.

GARCIA, Cláudio. Controle de Processos Industriais: Eetratégias Convencionais.

Volume 1. São Paulo: Blucher, 2018.

GROOVER, Mikell P. Automação Industrial e Sistemas de Manufatura. 3ª Edição. São

Paulo: Pearson, 2011.

KANDEL, A., 1986. Fuzzy Mathematical Techniques with Applications, U.S.A., Addison-
Weslwy Publishing Company.

OGATA, Katisuhiko. Engenharia de controle moderno. 5ª Edição. São Paulo: Pearson,

2010.

ROSÀRIO, João Maurício. Automação Industrial. 1ª Edição. São Paulo: Baraúna, 2009.

SOUZA A. L; FRANCISCO, L. E. S CARVALHO A. S;. Identificação e controle fuzzy de

uma planta didática de nível. Simpósio de Excelência em Gestão e
Tecnologia, 2010. Disponível em: <
https://www.aedb.br/seget/arquivos/artigos10/451_Identificacao%20e%20Controle%20Fuzzy
%20de%20uma%20planta%20didatica%20de%20nivel.pdf> Acesso em: junho 2019.

SHAW, I. S., SIMÕES, M. G., 1999, Controle e Modelagem Fuzzy, São Paulo, Editora
Edgar Blücher.

SHAW, I. S., SIMÕES, M. G.,2007 , Controle e Modelagem Fuzzy, São Paulo, Editora
Edgar Blücher.

35
SHAW, I. S., SIMÕES, M. G.,20018 , Controle e Modelagem Fuzzy, São Paulo, Editora
Edgar Blücher.

36