Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/228413086
CITATIONS READS
2 3,333
2 authors:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Francisco Antonio Lotufo on 25 August 2014.
Resumo: Sensores Virtuais ou Soft Sensors, possuem b) método manual através de amostras coletadas
implementado internamente um modelo que tem como periodicamente e analisadas por um especialista. Além
entradas variáveis secundárias que podem ser medidas, e de não fornecer sinais contínuos não os fornece também
como saída a variável de interesse que deverá ser inferida. com suficiente freqüência, portanto não sendo
São utilizados quando os sensores tradicionais apresentam completamente satisfatória [2].
uma performance ruim ou quando existe a impossibilidade
de seu uso. Para processos onde ocorre o exposto acima, ou seja,
aqueles em que é difícil medir a variável desejada devido ao
Keywords: sensores virtuais, soft sensors, modelagem e sensor disponível ser, por exemplo, muito caro, demasiado
identificação de sistemas. lento ou inexato para a aplicação específica, mas mesmo
assim seja necessário fazer a medição desta variável, surge à
1. INTRODUÇÃO seguinte questão: como efetuar esta medição?
Qualquer sistema de controle ou monitoramento requer o Portanto, em muitos tipos de processos industriais e em
emprego de elementos de interface com o mundo real, ou outros casos onde se pode contar com uma multiplicidade de
mundo físico. Assim, um processo industrial requer uma sensores e se tem também o monitoramento ou o controle
diversidade de sensores para poder observar e identificar seu realizados por computador, torna-se possível implementar
estado atual e poder tomar decisões de controle. um sensor virtual (soft-sensor), o qual nada mais é que um
Segundo González [1], “sensores são os olhos pelos modelo que estima, em tempo real, a variável desejada a
quais o comportamento de uma planta é visto e informação partir de dados medidos da planta. Na obtenção destes
sobre seu desempenho é obtida”. modelos são usados, como dados de entrada, os valores das
Dado que as áreas de aplicação dos sensores são muito variáveis que influenciam a variável desejada.
diversas, existem sensores de muitos tipos, que são O uso de um soft-sensor para estimar uma variável da
especificados dependendo da natureza da variável que será planta para a qual nenhum sensor é instalado fornece uma
medida e das condições da aplicação. Nos processos oportunidade para melhorar o desempenho de uma planta. A
industriais pode haver tipos distintos de sensores medindo parte mais importante de um soft-sensor é um modelo
diferentes variáveis que são relevantes ao controle ou parcial de uma planta que permite a geração de uma medida
monitoramento do processo. Como processar os dados dos estimada para substituir as medidas reais que faltam [1].
sensores e fazer deduções acerca do processo com base 1.1. Justificativas
nestas informações é motivo de muito estudo, já existem
teorias de controle para se aplicar a informação segundo a Sensores são de indiscutível importância para a
natureza do processo. Instrumentação, em diversas áreas da Engenharia e Ciências
Porém, a medição em tempo real de algumas variáveis aplicadas, pois permitem a percepção dos sistemas de
importantes ao controle de certos processos industriais pode automação e controle, gerando informações usadas tanto
ser impraticável. Isto pode acontecer por diversas razões, para o controle da planta, quanto para o monitoramento do
como as situações nas quais o sensor adequado não existe ou desempenho dos processos.
é proibitivamente caro, pelo que se desejaria uma maneira Por seu papel fundamental, os sensores vêm sendo foco
de se estimar a informação desta variável. Em muitos casos de constante evolução tecnológica, a fim de reduzir a um
a informação sobre essa variável não mensurável existe, número menor possível seus problemas e potencializar sua
porém em outras formas. Por exemplo, no caso de processos atuação.
de fermentação o monitoramento da concentração de Entre os problemas enfrentados pelos sensores podemos
biomassa e/ou produtos secundários é essencial, todavia, não citar os descritos abaixo:
existe um sensor para medi-las em tempo real, existindo
basicamente duas formas de se obter informações ou 1. Erros de Medição;
medidas destas variáveis: 2. Disponibilidade e Confiabilidade;
a) método automático através de um cromatógrafo ou 3. Atrasos de Medição;
densidade óptica, com custo da ordem de U$ 8000,00 4. Distância do ponto de medição;
5. Ambiente de medição;
(oito mil dólares);
1
Sensores Virtuais ou Soft Sensors: uma introdução
Francisco Antonio Lotufo, Claudio Garcia.
2
sem o intuito de fazer uma revisão abrangente deste tema, ser feitas depois do papel ser fabricado, quando uma
segue: amostra era levada para uma análise de laboratório. Esta
Em um trabalho de Muir (1990) da Universidade aplicação foi desenvolvida por Srinivas Budarajhu,
Carnegie Mellon é empregado o termo “sensor virtual” para engenheiro de aplicação da Pavilion Technologies, em seu
descrever uma etapa intermediária de fusão e análise de trabalho sobre uso de “soft-sensors” para predição das
dados que poderia ser convenientemente considerado como propriedades de qualidade da folha durante a fabricação do
um substituto para um sensor hipotético. papel [15].
Groen tratou de várias áreas de aplicação, dentre elas um A empresa Pavilion Technologies, produz também o que
modelo baseado em visão robótica e outro utilizado em eles chamam tecnologia PEMS (sistema de monitoramento
sistema de débito automático para cobrança eletrônica de de efluente preditivo), ou seja, um soft-sensor para aplicação
pedágio utilizado em uma auto-estrada da Holanda [13]. em plantas de tratamento de águas com o intuito de predizer
Atkinson (1997) da Universidade de West Virginia a demanda bioquímica de oxigênio para controle ambiental,
descreve um sistema de monitoramento de emissão com aplicações em tratamento de água em indústrias de
automotivo em tempo real empregando um sensor virtual papel, refinarias, processos químicos e estações de
baseado em rede neural. tratamentos de águas e resíduos urbanos [16].
Dixon (1999) da Carnegie Mellon University relata um Uma aplicação industrial bastante interessante é a
ambiente virtual para modelar um sistema de robô móvel descrita por Wil Chin da ARC Advisory Group, que explica
múltiplo que inclui a capacidade para combinar sensores sobre um problema a ser considerado em instrumentação,
reais e virtuais. encontrado na indústria com a denominação de “parâmetros
Kestell (2000) na Universidade de Adelaide (Austrália) intangíveis”, da seguinte maneira: “Parâmetros intangíveis
descreve um moderno controle ativo de ruído que emprega podem ser propriedades muito complexas de uma
sensores virtuais, aplicado em um avião monomotor para substância, tais como sabor ou gosto, cremosidade, cor,
redução do ruído dentro da cabine, que é um ambiente maciez ou suavidade, que podem somente ser
extremamente ruidoso, especialmente com respeito à subjetivamente definidos. Embora um parâmetro intangível
redução de som em baixa freqüência. possa ser vinculado a uma propriedade física da substância,
Oosterom (2000) da Technical University of Delft não há uma definição tipicamente conhecida”, e completa:
descreve um sensor virtual para aceleração de aeronave “tipicamente, parâmetros intangíveis devem ser medidos
usada em um sistema de detecção e identificação de falha sem ter qualquer conhecimento detalhado do parâmetro”
usando métodos de lógica nebulosa, em que o sensor virtual [15]. Chin disse ainda que parâmetros intangíveis podem ser
pode ser aplicado, dentro do sistema de monitoramento, em encontrados em todo o segmento industrial, incluindo as
lugar de um dos vários sensores redundantes, sendo que esta indústrias de óleo e gás. A indústria de analisadores virtuais
abordagem auxilia na identificação de sensores reais ou sensores virtuais trabalha para fazer análises
defeituosos. “impossíveis”, ou seja, sua metodologia é medir tudo que
Haley (2000) da Purdue University relata um “sensor afeta a variável do processo, aplica experiência e regras, e
virtual” para o organismo Listeria monocytogenes que calcula o valor da variável sem obter uma medida física, em
contamina produtos processados de carne. Baseado em um outras palavras, os sensores virtuais deduzem o valor.
modelo que descreve o índice cinético de mortalidade Podemos notar que os parágrafos anteriores estão longe
térmica para o organismo em um tipo específico de carne de ser uma revisão abrangente sobre o assunto “sensores
processada e um modelo de transferência de calor numérico virtuais” vistos até agora, mas eles provêem uma
para pasteurização, o modelo retorna uma predição da amostragem da gama de abordagens e aplicações que foram
quantidade de organismos residuais. consideradas, proporcionando-nos uma visão clara de que
Um dos parâmetros mais importantes dos processos em nos seminários da comunidade VIMS, poucos trabalhos
biotecnologia são as concentrações de biomassa. A foram e ainda estão sendo apresentados sobre este tema,
biomassa é comumente definida como a massa ou o número mesmo sendo um dos fóruns mais adequados para fazê-lo, e
de células, ou como o total da massa microbial, apesar de que a maior parte dos trabalhos são acadêmicos com
que a quantidade exata de interesse varia com a aplicação. algumas aplicações em escala industrial.
Leal Ascencio [2] [7] e Reynaga Gonzalez [14] propõem a
estimação inferencial, ou seja, uso de sensores virtuais para 2. APLICAÇÕES DE SENSORES VIRTUAIS
se obter uma estimação da biomassa a partir de conjuntos
diversos de medições, por exemplo, taxa de evolução de Pode-se dizer que um ‘sensor virtual’ seja um sistema
dióxido de carbono mais tempo transcorrido, e pH mais o projetado para substituir a indisponibilidade momentânea ou
tempo transcorrido e taxa de evolução de carbono mais taxa permanente de um sensor em uma planta. Esta substituição
de evolução de oxigênio mais o tempo transcorrido. pode ser exigida porque o sensor real tenha falhado ou
Outro exemplo de aplicação surge na indústria de papel, porque ele foi removido para manutenção. Pode também
que usa sensores virtuais ou “soft-sensor” para determinar acontecer que o sensor real seja usado em uma forma
parâmetros de qualidade considerados críticos da folha de compartilhada (time-sharing), ou não exista no mercado um
papel. Antes dos sensores virtuais, tais medidas tinham que sensor razoável disponível.
3
Sensores Virtuais ou Soft Sensors: uma introdução
Francisco Antonio Lotufo, Claudio Garcia.
u1
. SENSOR ou y
. AMOSTRAS de
PLANTA
. LABORATÓRIO
ur AMOSTRAGEM LABORATÓRIO
R
Fig. 4. Soft-sensor no caso quando nenhum sensor real está disponível.
η1 η2 η3
V
A Figura 5 mostra o caso no qual o soft-sensor usa um
SOFT-SENSOR
4
(iii) estimação da confiabilidade do soft-sensor como uma (i) no momento que o soft-sensor está para ser colocado
função do tempo decorrido desde que ele foi colocado em operação, e
em operação. (ii) durante o período em que ele está em operação.
(iv) problemas causados na malha de controle pela
substituição do soft-sensor quando ele substituiu o No primeiro caso, a fim de descobrir se o soft-sensor
sensor real. está apropriado, quando ele estiver para ser colocado em
operação, seu desempenho deve ser avaliado durante um
Em geral, um modelo satisfatório para controle baseado período de tempo t c antes da falha. Isto é feito na verdade,
em modelo não é necessariamente adequado para um soft-
sensor. De fato, o modelo de controle é normalmente usado medindo o erro quadrático médio entre a saída do soft-
para predizer um sinal dentro de um período relativamente sensor e o sinal real (que está na verdade sendo medido)
curto, enquanto no caso de um soft-sensor, um longo durante um período adequado de tempo t c antes da falha.
período de predição é normalmente necessário. Neste
contexto, por exemplo, um distúrbio de variação lenta - com Visto que t c não é conhecido com antecedência,
respeito ao tempo de resposta da planta - pode ser permanentemente períodos de testes sobrepostos são
considerado constante no caso de um modelo para controle, necessários.
mas pode necessitar ser representado em um modo dinâmico No segundo caso esta confiabilidade pode ser expressa
em muito maior extensão de tempo de predição para o em termos da probabilidade que o erro quadrático médio
modelo de soft-sensor. entre a saída do soft-sensor e a agora não mensurável
Outro aspecto a ser considerado no modelo do soft- variável real ultrapassar um certo limite em um dado
sensor está relacionado à sua estrutura relativa à porção da instante durante o período de operação do soft-sensor.
planta usada para representar o sinal desejado cuja medida Técnicas de modelagem específicas para soft-sensors
vai substituir. Quanto maior a parte da planta a ser usando redes neurais, conjuntos e agrupamentos (clustering)
modelada, maior a complexidade do modelo resultante tende nebulosos, constituem um interessante desenvolvimento a
a ser, e o tempo exigido para atualizar os parâmetros do ser pesquisado.
modelo pode ser muito mais longo. Também um número Embora testes experimentais tenham sido efetuados em
maior de distúrbios não mensuráveis pode estar incluído, plantas industriais, muito mais pesquisas são requeridas para
causando o aumento dos erros de estimação do sinal. Um garantir aplicações práticas bem sucedidas. Entre outros
modelo usando somente uma pequena parte da planta seria temas, a oportuna descoberta de um sensor falho é de suma
então desejável, usando medidas que estão de algum modo importância;
envolvidas com o sinal a ser predito. Mas, por outro lado, (i) que os parâmetros do modelo venham a ser
como discutido abaixo, até mesmo se um bom modelo é incorretamente estimados, e
obtido usando uma porção convenientemente pequena da (ii) a fim de trocar o sensor e o soft sensor a tempo.
planta, problemas sérios podem surgir quando o soft-sensor
é chamado para substituir o sensor real em uma malha de Em geral, então, a tese de soft-sensors é um rico campo
controle. para pesquisa, que pode conduzir a aplicações industriais,
Outro problema relacionado à estrutura do modelo, que visto que eles fornecem uma maneira para aumentar a
pode levar um modelo de soft-sensor a ser diferente de um robustez da malha de controle, ou no mínimo proporcionar
modelo usado em controle (baseado em modelo) está um meio a ela para diminuir em qualidade de forma gradual
relacionado à determinação da estrutura do modelo (por na eventualidade de falha ou remoção do sensor.
exemplo, achando quais são os componentes importantes -
sinais medidos, incluindo atrasos diferentes e formas 3. MÉTODOS UTILIZADOS
funcionais diferentes-) que constituem as entradas do
modelo. Estes podem ser determinados usando vários O sensor virtual (soft-sensor) pode ser dividido, como
métodos. Em algumas plantas, onde perturbações medidas mencionado anteriormente, em duas partes principais, uma
têm uma grande influência na variável a ser predita pelo composta pelos sensores propriamente ditos e outra
modelo, pode acontecer que o controle seja eliminado da composta pelo modelo. Cada uma dessas partes pode ser
estrutura. Isto é correto para um modelo de soft-sensor, mas projetada de maneira independente e depois integradas entre
certamente não para um modelo de controle, onde o si.
componente de controle deve ser forçosamente incluído De forma geral, são usados sensores disponíveis
(contudo o problema de controle pode se tornar difícil comercialmente e o objetivo final está concentrado no
devido a esta situação). modelo implementado em software. São muitos os métodos
A capacidade de um soft-sensor funcionar conforme usados para estimar variáveis através de outras variáveis
esperado, eficientemente e sem falhas, ou seja, a medidas. De acordo com Ljung [18] e também Ohshima e
confiabilidade de um soft-sensor é outra questão a ser Tanigaki [19], esses métodos podem ser classificados e
considerada: divididos em três grandes grupos:
5
Sensores Virtuais ou Soft Sensors: uma introdução
Francisco Antonio Lotufo, Claudio Garcia.
6
alternativa, usando, por exemplo, linguagem natural, regras, A destilação batch é usada, neste exemplo, para separar
modelos qualitativo, e possuem métodos formais para uma mistura zeotrópica ternária, que é executada em um
incorporar informações suplementares relevantes. retificador batch de 20 bandejas de acordo com
Modelagem nebulosa é exemplo típico de técnicas que procedimento de operação de refluxo constante. Nesta
fazem uso do conhecimento humano e processos dedutivos estratégia, a coluna é inicialmente operada em refluxo total.
[20]. Quando a composição de destilado encontra a especificação
A Lógica Nebulosa é uma generalização da Lógica de qualidade desejada, a retirada do destilado é iniciada, e
Clássica para conceitos imprecisos ou nebulosos. Tal como produtos e cortes residuais (“slop cuts”) são
um Sistema Especialista, Sistemas de Inferência Nebulosos seqüencialmente coletados do topo e segregados em tanques
podem ser obtidos da descrição lingüística do sistema, dada separados. O corte mais pesado é recuperado do “reboiler”
pelo especialista. no fim do batch. O diagrama esquemático da coluna batch é
Também podem ser encontrados métodos inspirados na mostrado na Figura 6 abaixo:
natureza, como Algoritmos Genéticos baseados na seleção
natural e nas leis de Darwin.
Uma outra abordagem, que também vem sendo bastante
usada para identificação de sistemas, quando estes
apresentam alta dimensionalidade e boa correlação linear
entre suas variáveis, é a utilização de Métodos Estatísticos
Multidimensionais como, por exemplo, Análise de
Componentes Principais e Mínimos Quadrados Parciais.
Uma restrição deste tipo de método é o fato de que somente
informação linear é extraída dos dados. Existem métodos
estatísticos, como a Regressão Localmente Ponderada
(LWR), que aliviam esta restrição, podendo ser usados para
sistemas não lineares.
4. EXEMPLOS
Como descrito anteriormente, os Sensores Virtuais ou
Soft Sensors podem ser usados no lugar de qualquer outro
sensor tradicional, portanto em qualquer campo da
Instrumentação. Há porém, algumas áreas nas quais o sensor
tradicional apresenta severas limitações e a preferência pelo
Soft Sensor é, cada vez mais, considerada.
Uma destas áreas é a de processos químicos complexos,
como polimerização, colunas de destilação e bioprocessos.
Há nestes processos variáveis cujo sensor tradicional Fig. 6. Diagrama esquemático do retificador batch.
apresenta problemas de preço e precisão (sensor de
concentração de substâncias específicas) ou problemas de O objetivo do processo é ter todos os produtos
atraso de medição (análises laboratoriais de DBO, biomassa satisfazendo a especificação de pureza fixada. Para cada
e MI). Há também outras variáveis que não possuem sequer produto, o limite mais baixo na pureza é 0,95 (fração molar)
instrumentos tradicionais para serem medidas, sendo a única para o componente dominante nesse produto. É assumido
alternativa possível o Soft Sensor. que medidas de temperatura estão disponíveis para o “still
Soft Sensors também têm sido usados para aumentar a pot” e quatro bandejas (bandejas 5, 10, 15, 20, considerando
confiabilidade e disponibilidade dos sensores tradicionais. um esquema de numeração da base para o topo). Estas
Enquanto o sensor está presente, o soft sensor usa suas medidas são usadas para estimar a composição dos
medidas para atualizar os parâmetros de seu modelo, para componentes leves e intermediários no fluxo destilado
em sua ausência, predizer seus valores perdidos. (xD(1) e xD(2), respectivamente), e a composição do
Dois exemplos interessantes encontrados na literatura componente pesado na base (xB(3)) por meio de um soft
que ilustram a dificuldade que se tem em alguns processos sensor baseado em PLS.
para se obter informações, ou seja, medidas de variáveis Em geral, os requisitos para monitoramento em malha
importantes que de certa forma só é possível através de aberta são diferentes daqueles para controle. Contudo, para
análise laboratorial, são descritos a seguir: o retificador batch, somente os requisitos para
4.1. Desenvolvimento de um sensor virtual (soft sensor) monitoramento necessitam ser tratados, porque a coluna é
para uma coluna de destilação batch usando técnicas de basicamente operada em um modo de malha aberta (isto é,
regressão PLS [16] em razão de refluxo constante).
7
Sensores Virtuais ou Soft Sensors: uma introdução
Francisco Antonio Lotufo, Claudio Garcia.
Zamprogna et al, utilizam várias abordagens de através das medidas on-line disponíveis. O essencial deste
regressão PLS para estimar a qualidade dos produtos obtidos dispositivo teórico encontra-se na justaposição dos dois
de uma coluna de destilação batch não somente no fim do tipos de informação disponível no sistema: seu
processo, mas também durante a completa duração do batch comportamento teórico, mantido pelo modelo, e seu
(fila, batelada). Um sensor virtual (soft sensor) baseado em comportamento observado, representado pelas medidas on-
PLS é desenvolvido de medidas de variáveis secundárias do line. Seus êxitos contam com o fato que incertezas
processo e uma base de dados histórica simulada. Assim, estocásticas nos parâmetros causam um ruído no sinal
várias questões são dirigidas tais como uma comparação da medido que é então filtrado por um soft sensor.
performance de modelos PLS lineares e não lineares, a Bernard et al, propõem então projetar um soft sensor não
seleção das variáveis de entrada mais informativas para os linear para uma cultura em “chemostat” (dispositivo usado
modelos PLS, e os efeitos do aumento dos dados originais para cultura de bactéria – um aparato projetado para permitir
do processo com medidas atrasadas. Por fim, uma nova o crescimento de culturas de bactérias em taxas controladas)
abordagem de regressão PLS é proposta a qual é baseada no da alga verde Dunaliella Tertiolecta.
desenvolvimento de modelos de regressão múltiplas para Os autores apresentam, em primeiro lugar, o modelo
diferentes porções ou fases, do processo batch. Droop descrevendo o crescimento de células de
phytoplancton sob limitações de nutrientes em cultura
4.2. Um sensor virtual não linear para monitorar a contínua (chemostat). Eles então definem uma classe de
cota de nitrogênio interno de células de phytoplancton [21]
modelos mais geral que o modelo Droop que encontra
O importante papel representado pela alga numerosas aplicações em ecologia e oceanografia.
(phytoplancton) no ciclo de carbono no oceano tem Estes modelos satisfazem as condições apropriadas que
aumentado os estudos visando melhorar o entendimento e a garantem a convergência exponencial dos observadores não
modelagem do crescimento deste phytoplancton. É, lineares. Apresentam também, o observador para estes
portanto, importante ter sensores que possam monitorar modelos e derivam um observador de alto ganho baseado no
precisamente o estado interno das células de phytoplancton modelo Droop para o monitoramento do phytoplancton.
durante o experimento. Porém, há uma carência de sensores Depois de uma revisão dos materiais e métodos usados,
confiáveis capazes de fornecer estimação em alta freqüência eles aplicam o soft sensor a experimentos reais, e extraem
de sinais biológicos tais como biomassa ou variáveis conclusões na validade e na eficiência do soft sensor.
fisiológicas relacionadas.
É mostrado neste estudo que é possível superar isto 5. CONCLUSÃO
empregando soft sensors (sensores virtuais), isto é,
Sensores inteligentes são uma revolução na
algoritmos que são usados para reduzir os efeitos de ruído
instrumentação. Sua utilização viabilizou o uso de sensores
de medidas assim como estimar variáveis que não são
medidas. em muitas situações em que os problemas apresentados pelo
sensor tradicional tornavam sua aplicação impossível e
Estas ferramentas que tiveram sua origem na teoria de
proibitiva.
controle foram inicialmente desenvolvidas para sistemas
Como um novo modelo aos sensores inteligentes, o soft
lineares e mais recentemente tem sido estendida para
sistemas químicos não lineares. Eles são baseados em saídas sensor, sensor virtual ou estimador inferencial nasce do
casamento do conceito de instrumentos inteligentes com as
de modelos matemáticos constantemente modificados por
teorias de modelagem e identificação de sistemas, elevando
um processo de ajuste de trajetória conduzida por medidas
ainda mais os objetivos da instrumentação.
parciais obtidas do sistema, como é mostrado na Figura 7:
Processos em que nunca ninguém tinha pensado em
automatizar podem ser monitorados on-line ou controlados
em malha fechada, com a utilização do soft sensor.
Assim, o Soft Sensor vem preencher uma lacuna
tecnológica e contribuir para a melhoria da Instrumentação
Inteligente.
REFERÊNCIAS
[1] GONZALEZ, G. D. Soft Sensors for processing plants.
Fig. 7. Diagrama sinóptico de um soft sensor In: Proc. 2nd International Conference on Intelligent
Processing and Manufacturing of Materials, IPMM 99,
Como é possível observar na figura acima, o soft sensor Hawaii, July 10-15, v. 1, p.59-70, 1999.
combina o conhecimento teórico de um sistema por
[2] LEAL ASCENCIO, R.R.; HERRERA LÓPEZ, E.J.
intermédio de um modelo matemático, e o conhecimento
Sensores virtuales mediante redes neuronales
prático de seu funcionamento real através de medidas. Se as
artificiales. Dos estudios de caso en biotecnología. In:
entradas agindo no sistema são conhecidas (e contanto que
Memorias de la Conferencia Internacional
condições teóricas sejam satisfeitas), e se, alem disso, o
CONIELECOMP, México. 1998. Disponível em:
modelo é uma aproximação adequada do sistema real, então
<http://iteso.mx/~rleal/archivos/conielec.pdf>. Acesso
o software sensor estima o completo estado do sistema.
em : 9 mar. 2003.
Por isso, se o modelo desempenhar as chamadas
propriedades de observabilidade, o software sensor fornece [3] ASSOCIAÇÃO BRASILEIRA DE NORMAS
estimativas em tempo real das variáveis chaves do processo TÉCNICAS. Instrumentos Elétricos e Eletrônicos de
8
Medição - Terminologia - NBR 6509. Rio de Janeiro, [14] REYNAGA GONZALEZ, C.F.; LEAL ASCENCIO,
1986. R.R. Estimación de biomasa y pigmento en línea para
una fermentación tipo fed-batch utilizando redes
[4] BERNI, C.C. Implementação em hardware/firmware
neuronales artificiales. In: Memorias del congreso
de um sensor virtual utilizando algoritmo de
SOMI XV, Guadalajara, Mexico, oct. 2000, Disponível
identificação nebulosa. 179p. Dissertação (Mestrado) – em: < http://iteso.mx/%7Erleal/archivos/estima.pdf>.
Escola Politécnica, Universidade de São Paulo. São
Acesso em : 9 mar. 2003.
Paulo, 2004.
[15] MERRITT, R., HARDWARE VS. VIRTUAL
[5] BRIGNELL, J.E. The future of intelligent sensors: a
ANALYZERS. Control Magazine. Março 2002.
problem of technology or ethics? Sensor and Actuator
Aplicações de sensores virtuais em fabricação de papel.
A, vol. 56, p.11-15, 1996.
Disponível em: <http://www.controlmagazine.com/
[6] DE ASSIS, A. J.; FILHO, R. M. Soft sensors Web_First/ct.nsf/ArticleID/PSTR-56KM99>. Acesso
development for on-line bioreactor state estimation. em: 06 de set. 2002.
Computers and Chemical Engineering. vol. 24,
[16] ZAMPROGNA, E.; BAROLO, M.; SEBORG, D. E.
p.1099-1103, 2000. Development of a Soft Sensor for a batch distillation
[7] LEAL ASCENCIO, R.R.; AGUILERA GALICIA, C.R. column using linear and nonlinear PLS regression
Biomass estimation using artificial neural networks on techniques. In: Proc. 15th Triennial World Congress,
field programmable analog devices. In: The 2000 IEEE IFAC 02, Barcelona, 2002.
International Symposium on Industrial Electronics,
[17] GONZALEZ, G.D. et al. Issues in soft-sensor
Mexico. 2000. Disponível em: <http://iteso.mx/~rleal
applications in industrial plants. In: Symposium
/archivos/hardvirtual.pdf>. Acesso em : 9 mar. 2003. Proceedings, ISIE 94, IEEE Trans. Ind. Electron., 1994,
[8] GALINDO HERNÁNDEZ, M.L.; LEAL ASCENCIO p.380-385.
R.R.; AGUILERA GALICIA, C. An artificial neural [18] LJUNG, L. System Identification: Theory for the
network on a complex programmable logic device as a
User. New Jersey: Prentice-Hall, 1987.
virtual sensor. In: Proceedings of the International
Symposium on Robotics and Automation - ISRA'98, [19] OHSHIMA, M.; TANIGAKI, M. Quality control of
Saltillo, Coahuila, MEXICO, 1998, p.12-14. polymer production processes. Journal of Process
Control, v.10, n.2-3, p.135-148, 2000.
[9] AGUIRRE, L.A. Introdução à identificação de
sistemas: técnicas lineares e não-lineares aplicadas a [20] BABUŠKA, R. Fuzzy systems, modeling and
sistemas reais. Belo Horizonte: Editora UFMG, 2000. identification. In: Knowledge-Based Control Systems
554p. (lecture notes for the course ET4-099), Delft University
of Technology, Holanda. 2000. Disponível em:
[10] GARCIA, C. Identificação de Sistemas. São Paulo, <http://tiger.ees.kyushu-u.ac.jp/~hu/Reference/Online/
Universidade de São Paulo, Junho de 2003./ Notas de
fuzzmod.pdf>. Acesso em : 20 abril 2001.
Aula do curso PTC-5719, São Paulo, 2003.
[21] BERNARD, O.; SCIANDRA, A.; SALLET, G. A non-
[11] ESMAILY-RADVAR, G. Soft sensor development
linear software sensor to monitor the internal nitrogen
using nonlinear inferential modeling. In: CME
quota of phytoplanktonic cells. Oceanologia Acta, v.
DEPARTAMENTAL SEMINAR, CPC GROUP,
24, n.5, p.435-442, 2001.
Departament of Chemical & Materials Engineering,
University of Alberta, Canada. 2001. Disponível em: <
http://www.ualberta.ca/CMENG/research/new-
control/seminars>. Acesso em : 9 mar. 2003.
[12] SIEGEL, M. Sensor modeling and simulation: Can it
pass the Turing Test? VIMS2001: Workshop Virtual
and Intelligent Measurement Systems. Budapest, 2001.
Disponível em: <http://www.cs.cmu.edu/~mws>.
Acesso em: 11 maio 2003.
[13] SOFT SENSOR – WASTEWATER, Pavilion
Technologies. Aplicações de soft-sensor em tratamento
de água. Disponível em: <http://www.pavtech.com
/pavilion/value/industry/environmental/Environmental
_Water.html>. Acesso em: 06 de set. 2002.