Capítulo I

Introdução ao Controle de Processos

1. Entendimento do problema
1.1 Dinâmica e controle

O principal objetivo deste curso é capacitar o (futuro) Engenheiro de

Automação em Controle de Processos. A primeira etapa consiste em
entender e saber responder a perguntas tais como:

 o que é controle de processos?

 por que controlar um processo?
 como controlar um processo?
 o que o engenheiro é capaz de fazer para isto?

Um dos conceitos mais queridos dos estudantes de engenharia química é o

estado estacionário. Sempre que ele aparece em uma questão de prova,
rapidamente percebemos que será possível utilizar uma equação simplificada
(obtida igualando a zero todas as derivadas em relação ao tempo).

Esta simplificação é extremamente útil para o dimensionamento de

equipamentos, já que reflete a condição de operação desejável. Mas o estado
estacionário, na maior parte das vezes, é somente um objetivo buscado, mas
nem sempre atingido ou mantido por muito tempo.

Dinâmica: as coisas mudam

Em qualquer processo industrial, as condições de operação estão sujeitas a

mudanças ao longo do tempo. O nível de líquido em um equipamento, a
pressão em um vaso, a vazão de um reagente ou sua composição; todas estas
condições podem (e costumam) variar. Mesmo os dados que consideramos
constantes no projeto (por exemplo, a temperatura ambiente) têm o hábito de
variar apesar de nossas premissas em contrário.

Controle: uma tentativa de influir no processo

Controlar um processo significa atuar sobre ele, ou sobre as condições a que o

processo está sujeito, de modo a atingir algum objetivo - por exemplo,
podemos achar necessário ou desejável manter o processo sempre próximo de
um determinado estado estacionário, mesmo que efeitos externos tentem
desviá-lo desta condição. Este estado estacionário pode ter sido escolhido por
atender melhor aos requisitos de qualidade e segurança do processo.
Objetivo de controle: precisa-se

Conta-se que um sujeito entrou correndo em um elevador, quase sem fôlego. O

ascensorista pergunta: "Que andar?", e ouve em resposta: "Qualquer um, estou
no prédio errado mesmo".

Infame como piada, a anedota serve para ilustrar uma questão fundamental em
controle de processo. Devemos ter uma clara noção de nossos objetivos. É
inútil influir em um processo sem saber o que desejamos obter.

1.2 Exemplos cotidianos

Manter um carro na estrada

monitora-se a trajetória/ velocidade/ tráfego

atua-se sobre volante/ acelerador/ freio
controla-se a trajetória
segurança: guard-rails/ muretas

Tomar uma ducha quente

monitora-se temperatura/ vazão da água
x atua-se sobre as torneiras
Figura imprópria para este horário controla-se a temperatura (e vazão, se der)
segurança: box maior que o jato da ducha
Controle de orçamento

monitora-se o saldo bancário

atua-se sobre desembolsos
controla-se o orçamento
segurança: poupança?

Navegação interplanetária

monitora-se trajetória/ combustível

atua-se por meio de TCMs
controla-se a trajetória
segurança: . . .

Altitude de vôo
monitora-se tudo
atua-se sobre manche, etc.
controla-se a altitude
segurança: . . .

1.3 Uma representação esquemática simplificada

A atuação de um controlador pode ser representada graficamente como um
fluxo de informações entre módulos com funções distintas. Na figura abaixo,
um módulo de monitoração obtém uma informação proveniente do processo e
envia ao controlador (este procedimento pode conter várias etapas, por
exemplo de conversão de sinais). O controlador recebe esta informação, toma
decisões e comunica a um elemento final a ação a ser tomada. O elemento
final, por sua vez, interfere em alguma condição de processo para tentar alterar
o comportamento do processo.

Observe que este esquema não representa um fluxo de informação

fundamental: de onde o controlador obtém os objetivos de controle?

1.4 O papel do Engenheiro de Automação

Nos próximos capítulos, veremos como o Engenheiro de Automação pode ter

participação ativa nas seguintes atividades:
 contribuir na fase de projeto (projeto controlável)
 determinar estratégias de controle
 selecionar sensores (tipo, localização)
 selecionar elementos finais de controle
 dimensionar sistemas de controle
 contribuir no desenvolvimento da interface com os operadores (displays)

2. Conceitos básicos
Utilizando como exemplo um aquecedor elétrico de líquido, vamos definir
alguns conceitos básicos de controle de processo.

No desenho, T e F representam respectivamente temperatura e vazão. Os

subscritos indicam entrada e saída. O objetivo do processo é aquecer o líquido
(inicialmente na temperatura Te) até um valor desejado, TR.

2.1 O ponto de vista do projeto

Dimensiona-se o equipamento de modo a fornecer a quantidade de calor
adequada aos objetivos do processo.

Balanço material: Fe = Fs = F
Balanço térmico: Q = F.c.(TR - Te) para que Ts = TR

2.2 O ponto de vista da operação

O processo raramente opera de forma estável nas condições de projeto. Para

operar com sucesso, é necessário compensar o efeito de perturbações
externas.

Supondo que Te esteja sujeita a perturbações, qualquer uma das abordagens a seguir
poderia ser utilizada:

variável controlada variável medida variável manipulada

TR Ts Q
TR Te Q
TR Ts F
TR Te F
TR Te e Ts Q
TR Te e Ts F

Observação: em certos casos, o objetivo do processo pode ser garantido sem

controle
=> aumentar capacitância do sistema (volume)

Controle por realimentação (feed-back): o controle é feito com base na

comparação entre o resultado obtido e o desejado.

Controle feed-forward (chamado às vezes de preditivo): o controle é feito com

base nos dados de entrada. Para sua aplicação, o controlador deve entender
as relações de causa e efeito relativos ao comportamento do processo.

2.3 Controle automático simplificado

Q = Qproj + K. (TR - Ts)

Representação esquemática

3. Abrangência da automação
3.1 Controle de processo
  Controle de temperatura, vazão, pressão, nível
 Controle de pH
 Balanceamento de passes, controle de razão, etc.

3.2 Segurança do processo

 Válvulas de segurança/ discos de ruptura
 Intertravamento
 Diagrama de causa e efeito
 Diagrama lógico

3.3 Níveis de automação

No início da revolução industrial, o objetivo da automação se restringia a

controlar (no sentido de manter constante) uma variável específica. Not
anymore...

3.4 Controle e supervisão

 Tempo de resposta
 Algoritmos de controle
 Otimização de processo

3.5. Controle tradicional e controle avançado

 Modelos empíricos
 Controle baseado em modelos

4. Motivação para controle de processo

4.1 Principais objetivos de controle
 Segurança operacional e pessoal
 Adaptação a perturbações externas
 Estabilidade operacional
  Especificação do produto
 Redução do impacto ambiental
 Adaptação às restrições inerentes (equipamento/ materiais/ etc.)
 Otimização
 Resultado econômico do processo

4.2 Justificativa econômica

Um sistema de controle confiável permite operar próximo aos limites impostos

pela segurança, pelo meio-ambiente e pelo processo (temperatura máxima,
pureza mínima), o que permite alterar as condições de operação normais (linha
tracejada na figura) para uma condição mais favorável (linha contínua).

Os ganhos associados a uma menor variabilidade se tornam ainda maiores em processos

onde existem transições entre produtos com diferentes graus ou especificações, como
ocorre freqüentemente no refino do petróleo e em unidades de polimerização.
Inevitavelmente, durante a transição, haverá um período em que será gerado um produto
fora de especificação, que será reciclado (maior gasto de energia) ou vendido (a preços
mais baixos). A seleção de uma boa estratégia de controle permite reduzir o tempo de
produção fora da especificação, e conseqüentemente melhora o resultado econômico do
processo.

5. Leis de Luyben
O autor do livro-texto propõe duas leis básicas para quem pretende trabalhar com
controle de processo.

Primeira Lei: O sistema de controle mais simples que atende aos requisitos é o melhor.

Segunda Lei: Entender o processo é requisito para poder controlá-lo.

Capítulo II
Modelagem matemática de processos dinâmico

1. Entendimento do problema
1.1 Modelagem dinâmica
No curso de Engenharia , muitas disciplinas costumam enfocar a
modelagem matemática do estado estacionário. Este enfoque se justifica
porque freqüentemente o dimensionamento de equipamentos e unidades
industriais é feito para a operação contínua, nas quais o estado
estacionário representa uma situação operacional aceitável. A modelagem
dinâmica é usada para o projeto de processos em batelada, nos quais não
se pretende atingir um estado estacionário.

Para o entendimento de problemas de controle de processo, a modelagem

dinâmica é fundamental.

A teoria básica necessária para a modelagem dinâmica já é conhecida: as

equações são levantadas por meio de balanços (material, energético, de
quantidade de movimento) e de equações constitutivas. O único
"complicador" é que as derivadas em relação ao tempo não se anulam
necessariamente, e devem ser levadas em consideração.

Durante a modelagem, deve-se atentar para a necessidade de identificar

claramente as variáveis de processo para garantir que o modelo tenha
graus de liberdade adequados à situação física.

1.2 Graus de liberdade

O número de graus de liberdade de um modelo matemático pode ser

determinado pela diferença entre o número de variáveis e o número de
equações independentes do modelo.

Um sistema com zero graus de liberdade é um sistema determinado, ou

seja, que só admite uma solução para um conjunto de dados. Um sistema
com um ou mais graus de liberdade, ou seja, com mais variáveis do que
equações independentes, é indeterminado, admitindo infinitas soluções.
Um número negativo de graus de liberdade significa que o modelo não
tem solução, uma situação que deixo por conta de sua imaginação.

Os modelos que se destinam a prever o comportamento de um sistema

sob determinadas condições operacionais são necessariamente sistemas
determinados, com zero graus de liberdade.

Em geral, ao montarmos as equações que descrevem um sistema, obtemos

menos equações do que incógnitas. Isto significa apenas que o sistema
pode apresentar diferentes estados dependendo das condições impostas a
ele. Para reduzir a zero o número de graus de liberdade, devemos
recorrer a condições externas ao sistema.
Uma variável de perturbação, por exemplo, é determinada externamente
ao sistema. Ao considerarmos uma variável -, por exemplo p, como
variável de perturbação, estamos reduzindo um grau de liberdade, já que
isto equivale a dizer que

p = g(t)

A função g pode ser desconhecida a priori; o importante é que sabemos

que p independe das demais variáveis do sistema e pode variar ao longo
do tempo.

Um controlador simples, do tipo discutido no capítulo 1, utiliza uma

variável monitorada (m) e um set-point (s) para decidir como atuar sobre
uma variável manipulada (a). Neste caso, também reduzimos em uma
unidade o número de graus de liberdade do sistema:

a = f(m,s)

Para pensar em casa: revertendo o raciocínio feito acima, discuta como o

número de graus de liberdade de um sistema determina o número de
controladores necessários para operar este sistema.

1.3 O processo da modelagem

A modelagem matemática é um processo complexo que não se resume

simplesmente a montar e resolver uma equação. Ao executar a
modelagem de um sistema, não devemos perder de vista a distinção entre
modelo e sistema: o modelo a ser desenvolvido deve ser uma
representação adequada (não necessariamente perfeita, somente
adequada) do sistema.

Marlin apresenta um procedimento estruturado que ressalta

alguns cuidados essenciais para a aplicação prática da
modelagem. O processo tem seis etapas, que resumimos a
seguir:

Defina os objetivos

Prepare a informação disponível

Formule o modelo

Resolva

Analise a solução

Valide o modelo

No desenvolvimento dos exemplos a seguir, discutiremos as etapas acima à

medida em que desenvolvermos os modelos.

2. Exemplos
2.1 Reservatório de líquido

Considere o tanque pulmão apresentado na figura abaixo. O tanque se destina

a manter um inventário de líquido entre um ponto de fornecimento e um de
consumo.

A vazão de entrada é função da produção de uma unidade a montante. A

descarga de líquido é feita somente pela ação da gravidade.

Modele o processo acima, considerando inicialmente que:

1. a vazão Fe é variável ao longo do tempo
2. a temperatura de alimentação é variável, de modo que a massa
específica do líquido pode variar.

2.2 Reator agitado contínuo (CSTR)

Modele um CSTR onde ocorre uma reação de isomerização A = B. A reação é

de ordem n, com velocidade específica k.

2.3 Trocador de calor

Considere o trocador de calor ilustrado a seguir, onde um líquido passa pelo

tubo e é aquecido sem mudança de estado. O calor necessário é fornecido por
vapor d'água, que é fornecido pelo lado do casco e é totalmente condensado
no trocador.

Modele a temperatura do líquido ao longo do trocador de calor, T = f(t, z).

Capítulo III
Simulação dinâmica

1. Entendimento do problema
De posse das equações diferenciais resultantes da modelagem matemática de
um sistema, podem ser feitas simulações para estudar o seu comportamento.
Para isto, deve-se escolher um cenário (valores iniciais, condições de contorno,
variações previstas) e resolver as equações com este modelo.

Importante: a simulação mostra o comportamento do modelo.

A simulação mostra soluções do modelo que refletem apenas o comportamento

do modelo matemático. Cabe ao engenheiro conhecer o sistema a um nível
que permita identificar até que ponto o comportamento do sistema é similar ao
do modelo. Um erro comum é confundir o sistema com o modelo!

Em raros casos, é possível resolver algebricamente as equações; um exemplo

comum são modelos simplificados usados para dimensionamento preliminar.
Na maior parte dos casos, porém, é necessário resolver numericamente o
modelo matemático. O objetivo deste capítulo é mostrar de forma rápida como
executar a simulação dinâmica de sistemas de Engenharia Química relevantes
para a indústria.

2. Cuidados
Ao analisar e utilizar resultados de uma simulação, tenha sempre em mente
que:
 o modelo é um modelo, não o sistema.
 o método utilizado para a solução não faz milagres; a precisão obtida é
função do método e da escolha de parâmetros.
 não simplifique as equações de forma a prejudicar a similaridade entre o
modelo e o sistema. Um erro comum é simplificar a equação diferencial
considerando que um parâmetro é constante, e depois usar a equação
resultante para avaliar o efeito deste parâmetro sobre o comportamento
do sistema.

3. Exemplos de simulação em malha aberta e em

malha fechada
Malha aberta

O sistema opera sem que nenhuma ação de controle automática esteja sendo
executada.

Malha fechada

O sistema opera sob ação de controle automática.

3.1. Tanque pulmão em malha aberta

Considere o sistema constituído por um tanque pulmão como o que vimos no

Capítulo II. Para simplificar, considere que a densidade do fluido não se altera.

A dinâmica do sistema representado acima pode ser representada por um

modelo utilizando duas equações:

Balanço de massa no tanque pulmão, [acúmulo] = [entra] - [sai]. Considerando-

se constante a densidade,

Aplicando a segunda lei de Newton, obtém-se a vazão de saída por

escoamento gravitacional através de um tubo com perda de carga por atrito
(escoamento turbulento):

ou, de forma simplificada:

onde L e Ap representam respectivamente o comprimento reto equivalente e a

área transversal do tubo de descarga, At é a área transversal do tanque, K é o
coeficiente de perda de carga em regime turbulento, a massa específica do
líquido e g a aceleração da gravidade.

Considere que o tanque se encontra incialmente em estado estacionário com

nível de 50% do nível máximo e realize as seguintes simulações:

a. a partir de um determinado instante, a vazão de alimentação aumenta em

25% e se mantém constante.

b. a partir de um determinado instante, a vazão de alimentação começa a

aumentar a uma taxa de 10% por hora até atingir 150% da vazão original.
 Dados do problema
g 9,8 m/s2
L 100 m
Ap 0,65669 m2
At 10,50709 m2
hmáx 3 m
K 4,414 N/(m/s)2/m
 1000 kg/m3

A simulação do tanque pode ser encontrada em planilhas Excel.

3.2. Tanque pulmão em malha fechada

3.2.1. Controle On-Off

A aplicação de controle automático pode ser representada em um modelo. Vamos

considerar um caso simplificado em que utilizamos um controle de vazão de saída com
as seguintes características:

Objetivo Manter o nível do tanque próximo a 50%

Controla Nível (h)
Atua sobre Vazão de saída (Fs)
Monitora Todas as variáveis (fácil quando se trata de modelo!)

Balanço de massa no tanque pulmão, [acúmulo] = [entra] - [sai]. Considerando-

se constante a densidade,

Ação de controle on-off atuando em função do desvio em relação ao nível

desejado:

DA = desvio aceitável sem ação de controle

se nível > (50% + DA), abrir totalmente a válvula de saída
se nível < (50% - DA), fechar totalmente a válvula de saída
Observe que o sistema de controle nada faz enquanto o nível estiver entre
(50% - DA) e (50% + DA).

Para facilitar a simulação, considere que a vazão de saída com a válvula

completamente aberta é um múltiplo da vazão no estado estacionário. A figura
a seguir mostra como se comporta o nível do tanque ao longo do tempo.

3.2.2. Ação de controle calculada

Considere a mesma situação do item 3.2.1 com a aplicação de um algoritmo

que permita executar ações menos bruscas. Um algoritmo é o chamado
controle proporcional, pelo qual a ação de controle é proporcional ao desvio
entre o valor medido e o valor desejado (o setpoint); este desvio é normalmente
chamado de erro (ver Capítulo IV).

Ação de controle proporcional ao desvio em relação ao nível desejado:

Fs(t) = Fee + Kc [h(t) - hSP]

onde ee se refere às condições do estado estacionário e SP representa o

setpoint.

O erro costuma ser definido como e = [hSP - h(t)]

A figura a seguir mostra como se comporta o nível após uma perturbação.

3.3. Sistema de reação (reatores em série)

Um sistema de reação é constituído de três reatores de mesmo volume, de tipo
tanque agitado (CSTR), associados em série conforme esquema a seguir. São
conhecidos os volumes dos reatores, V e a vazão volumétrica de alimentação,
F. Os reatores são mantidos à mesma temperatura.

Dentro do sistema um reagente (de concentração molar C) é consumido por

meio de uma reação de primeira ordem com velocidade específica k. A
concentração de reagente na saída de cada reator é indicada por Ci, i=1,2,3; a
concentração na entrada do sistema é representada por C0.

Capítulo IV

Teoria de controle - domínio temporal

1. Entendimento do problema
Este capítulo se destina à apresentação de noções de teoria de
controle utilizando a representação dos fenômenos transientes
que ocorrem na presença e na ausência de controle de
processos.
O capítulo se limita às representações que podem ser
visualizadas pelo comportamento de um sistema ao longo do
tempo. Alguns aspectos da teoria de controle serão observados
mas não poderão ser generalizados: por exemplo, a estabilidade
de sistemas de controle será aprofundada em outros capítulos
fazendo uso de diferentes modelos e de ferramentas matemáticas
mais avançadas.

2. Conceitos básicos
Linearidade Um sistema é chamado linear quando é representado por
equações diferenciais lineares. Um sistema linear,
matematicamente, é aquele em que se x1 e x2 são
soluções do sistema, c1 e c2 constantes arbitrárias, então
c1.x1 + c2.x2 também é solução do sistema.
Em sistemas lineares, aplica-se o princípio da
superposição. Muitas aplicações práticas de Engenharia
Química não podem ser representadas por sistemas
lineares, como veremos em alguns exemplos.
Ordem A ordem de um sistema é a ordem da equação diferencial
que o representa.
Estabilidade Um sistema estável costuma ser chamado de auto-
regulável. Discutir em sala de aula:
 estabilidade
 instabilidade
 estabilidade em malha aberta

 estabilidade em malha fechada

Perturbações Para estudar o comportamento dinâmico dos sistemas,
provocaremos diversos tipos de perturbações, analisando
posteriormente o efeito destas sobre o sistema:
 perturbação em pulso
 perturbação em degrau
 perturbação em rampa
 perturbação senoidal

A perturbação pode ser provocada de diversas formas. Em

uma malha de controle, são especialmente importantes as
perturbações de processo (load disturbances) e as
perturbações de setpoint.

3. Estudo dinâmico de sistemas lineares

3.1. Variáveis de perturbação

Considere um sistema dinâmico em que x varia com o tempo; seja xee o valor
de x no estado estacionário. Definimos a variável de perturbação xp pela
equação:

xp(t) = x(t) - xee

Em sistemas lineares, o uso destas variáveis traz vantagens.

Exercício 1

Analisar a aplicação de variáveis de perturbação a um sistema descrito por

duas equações diferenciais do tipo:

dx/dt = ax + by + c
dy/dt = dx + ey + f

onde t = 0 => x = xee e y = yee

3.2. Simplificando o problema

Na modelagem de perturbações em degrau, podemos simplificar a abordagem

matemática considerando que a perturbação ocorre em t = 0, e utilizando
variáveis de perturbação. Com isto, além de evitar o uso da função degrau
(substituída por uma simples constante), simplificam-se as condições de
contorno.

Para t ≤ 0, o sistema é representado por uma equação diferencial homogênea

cuja solução (já conhecida) é o estado estacionário. Para t > 0, o sistema é
representado por uma equação diferencial heterogênea.

A simplificação envolve, portanto, a solução de uma equação diferencial que

inclui o efeito da perturbação, considerando como condição inicial a informação
do estado estacionário na ausência da perturbação externa.

3.3. Sistemas lineares de primeira ordem

Exercício 1

Analise o comportamento dinâmico do seguinte sistema de primeira ordem:

t = 0 => y = 0

 D é o valor da perturbação externa em degrau ocorrida em t = 0. Em

outras palavras, alguma variável de perturbação externa x passou de
x = 0 para x = D no instante t = 0.
 p é a constante de tempo do processo, relacionada à velocidade de
resposta, e
 Kp é o ganho do processo no estado estacionário
Defina matematicamente o conceito de ganho em função da variável y e do
parâmetro D.

Exercício 2

Mostre que qualquer sistema linear de primeira ordem pode ser reduzido à
forma canônica acima.

Exercício 3

Monte a forma canônica para a representação de um CSTR onde se processa

uma reação de primeira ordem.

3.4. Sistemas lineares de segunda ordem

Exercício 1

Analise o comportamento dinâmico do seguinte sistema de segunda ordem:

p é a constante de tempo do processo, relacionada à velocidade de resposta

 é o coeficiente de amortecimento (damping coefficient)

Exercício 2

Analise o comportamento dinâmico de um sistema descrito pela equação a

seguir:

3.5. Linearização

Em determinados casos, o comportamento de sistemas não lineares pode ser

estudado por meio de aproximações. Uma forma comum é a linearização em
torno de uma determinada condição de operação.

O assunto não será tratado no curso. O livro-texto comenta, com exemplos, o

procedimento de linearização no item 6.2.1.

3.6. Sistemas em malha fechada

Ao introduzirmos um elemento final de controle em um sistema, sua

complexidade aumenta. Em alguns sistemas lineares é possível manter o
número de equações por meio de manipulação algébrica; com isto, a ordem do
sistema aumentará.

4. Equipamentos convencionais de controle

4.1. Sensores e transmissores

Os elementos primários de medição têm por função medir alguma

propriedade do sistema e convertê-la em um sinal que possa ser
utilizado para controle. Em alguns casos, o elemento sensor gera
um tipo de sinal que não é diretamente compatível com o sistema
de controle. Neste caso, utiliza-se um transmissor para gerar um
sinal compatível a partir do sinal recebido do sensor. Em muitos
casos, o próprio transmissor é também o elemento sensor.

Tipicamente, o sensor e o transmissor estão localizados perto do processo, e

por isso são denominados "elementos de campo".

Existem diversas padronizações para o envio de sinais a um sistema de

controle. O padrão pneumático (pressões de ar de 0,2 a 1,0 kgf/cm2 ou de 3 a
15 psi), usual há alguns anos, está praticamente em desuso. O padrão
eletrônico consiste em sinais de corrente de 4 a 20 mA. Cada vez mais se
impõe a comunicação digital entre os elementos de campo e o sistema de
controle. Recentemente foi padronizado, depois de anos de teste, o protocolo
fieldbus de comunicação digital, em que os elementos de campo trocam
informações entre si.

4.2. Válvulas de controle

O elemento final de controle mais utilizado na indústria química é a

válvula de controle. Basicamente, a válvula de controle é uma válvula
capaz de variar a restrição ao escoamento de um fluido em resposta a
um comando recebido na forma de um sinal padrão.
Em geral, o movimento da haste da válvula é obtido pelo
balanço entre duas forças: a tensão de uma mola ligada à
haste (função da posição da haste), e a força exercida sobre
um diafragma na cabeça da válvula (função da pressão de ar
na cabeça da válvula). O comando da válvula é feito pela
variação da pressão de ar fornecido à válvula.

Atualmente, é comum encontrar válvulas com posicionadores

eletropneumáticos, que permitem que o sistema de controle
envie um sinal de 4 a 20 mA diretamente para a válvula. Em
outros sistemas, o sinal eletrônico deve ser convertido em um
sinal pneumático por meio de um conversor I/P.

Um dos aspectos importantes na especificação de uma válvula

de controle é a sua posição de falha, ou seja, sua posição na
ausência do sinal de controle externo. Esta especificação é
geralmente ditada pela segurança do processo. Em algumas
aplicações, como no suprimento de vapor para um aquecedor,
é desejável que a válvula feche na falta de um sinal de
comando: esta válvula é chamada de falha-fecha, ou ar-para-
abrir. Em outras situações, a segurança do processo exige a
abertura da válvula em caso de falha do sistema: falha-abre,
ou ar-para-fechar.

O tamanho da válvula é normalmente dado por um coeficiente de tamanho,

Cv. Este coeficiente é determinado experimentalmente pela passagem de fluido
pela válvula. Para líquidos sem flasheamento, por exemplo, a vazão através da
válvula é dada por:

onde F é a vazão; x é a posição da haste da válvula expressa em percentagem

da abertura; f(x) representa a fração da vazão máxima (em função da posição
da válvula).

A função f(x) representa uma propriedade importante da válvula, a sua

característica inerente. A característica da válvula é determinada por diversos
fatores, especialmente formato do obturador e do assento. São comuns na
indústria as válvulas de característica linear, onde f(x) = x, e as de
característica de igual percentagem, nas quais f(x) = x-1, onde  é um
parâmetro com valor entre 20 e 50 dependendo do projeto da válvula.

O dimensionamento de válvulas de controle deve levar em conta a faixa de

controlabilidade desejada. A queda de pressão na válvula, usada no cálculo do
Cv, depende da abertura da válvula e de outros fatores referentes a condições
de escoamento (outros equipamentos em série, etc.).
4.3. Controladores

4.3.1. Definições

Um controlador deve ter, no mínimo, as seguintes características:

 receber um sinal com o valor da variável controlada (PV = process
value)
 receber um setpoint (SP)
 gerar um sinal de saída para o elemento final de controle (CO =
controller output)
 receber um comando de seleção de pelo menos dois modos: MANUAL e
AUTOMÁTICO

Em modo MANUAL, o controlador opera como um mero controle remoto. O

operador informa o sinal de saída desejado, e o controlador simplesmente
repassa este valor para o elemento final de controle.

Em modo AUTO, o controlador usa os valores lidos (PV e SP) e determina, por
meio de um algoritmo, o valor do sinal de saída (CO). O foco deste capítulo,
evidentemente, é o modo AUTO.

Um conceito importante para os algoritmos de controle mais comuns é o de

erro. Aplicado a controladores, o erro representa simplesmente a diferença:

e = SP - PV

4.3.2. Algoritmos de controle tradicionais

O tipo mais simples de controlador é o liga-desliga ou on-off.

Matematicamente, sua ação pode ser descrita como:

e > e1 => CO = 1
e < e2 => CO = 0

onde e1 > e2 são valores predeterminados. Se o erro estiver no intervalo [e2,

e1], a saída não é alterada. Este intervalo costuma ser denominado banda
morta.

Este tipo de controle é comum em equipamentos térmicos (geladeiras,

condicionadores de ar).

Os controladores com ação proporcional determinam a saída por meio da

equação

onde bias representa o sinal de saída na condição "neutra". Kc é chamado de

ganho do controlador.

Alguns livros e catálogos ainda usam o termo banda proporcional ao invés do

ganho. A banda proporcional, expressa em percentagem, é o inverso do ganho:
O ganho do controlador pode ser positivo ou negativo. O sinal do ganho define
a ação do controlador, que pode ser direta ou reversa.

Se tivermos ganho positivo e mantivermos constante o setpoint, qual será a

sua resposta a uma variação da PV? Se a PV aumenta, o erro diminui (e = SP -
PV) e conseqüentemente a saída CO diminui. Este comportamento é chamado
de ação reversa.

Ganhos negativos fazem com que CO aumente quando a PV aumenta: ação

direta.

IMPORTANTE: a ação do controlador (direta/ reversa) deve ser escolhida de

forma compatível com a ação do elemento final de controle (falha abre/ falha
fecha), de modo que a ação conjunta (controlador + elemento final) seja
adequada aos objetivos de controle. Exercícios em aula!

Os controladores de ação integral obedecem à equação:

Os controladores de ação derivativa obedecem à equação:

É possível associar estas ações P (proporcional), I (integral) e D (derivativa)

obtendo algoritmos compostos (PI, PD, PID). A equação de um controlador PID
pode ser dada por:

4.4. Outros componentes

Além dos instrumentos citados, diversos tipos de seletores, conversores e

módulos de cálculo podem ser incluídos em uma malha de controle. Estes
instrumentos serão vistos no estudo de controle avançado.

4.5. Documentação do sistema de controle

Os instrumentos e as estratégias de controle são documentados em diversos

estágios de um projeto de engenharia. Já no projeto básico do sistema, os
instrumentos são representados nos fluxogramas de engenharia, também
conhecidos como P&I D (do inglês piping and instrument diagram).

Os diversos componentes de uma malha costumam ser representados em um

diagrama que indica as ligações físicas entre eles (pneumáticas, elétricas e
digitais). Estes documentos, chamados diagramas de malha, são essenciais
para o entendimento das funções de cada elemento da malha.

As malhas mais complexas podem ser descritas em diagramas de controle

que são diagramas mais abstratos em que os detalhes de interligação são
omitidos. Neste curso, sempre utilizaremos diagramas simplificados, já que o
nosso escopo é o comportamento do sistema de controle.

Diversos outros documentos de engenharia são gerados em um projeto de

instrumentação: as folhas de dados e especificações técnicas, por exemplo,
definem os requisitos e características de cada instrumentos; diagramas de
interligação e plantas de instrumentação, entre outros, fornecem informações
que permitem a montagem eficiente dos sistemas e seus componentes.

5. Desempenho de controladores
5.1. Definição de índices de desempenho

Qualitativamente, o desempenho de um controlador pode ser avaliado pela sua

capacidade de manter a variável controlada próximo ao valor desejado
(setpoint), mesmo em presença de perturbações externas.

Em aplicações práticas, porém, pode ser desejável "medir" o desempenho de

um controlador por meio de um índice que permita buscar melhoras de
desempenho.

Alguns índices sugeridos na literatura e na prática são dados a seguir. Em

geral, eles consideram a resposta do controlador a uma perturbação em
degrau.

 coeficiente de amortecimento, obtido ao comparar a resposta do

controlador à de um sistema de segunda ordem; Luyben, por exemplo,
recomenda um valor entre 0,3 e 0,5;

 overshoot, ou seja, o máximo desvio do setpoint observado logo após a

perturbação;
 velocidade de resposta, definida como o tempo necessário para atingir o
setpoint (não necessariamente se estabilizando no setpoint);
 taxa de decaimento, medida como a razão entre as amplitudes de duas
oscilações sucessivas;
 tempo de resposta, considerado como o tempo a partir do qual as
oscilações se limitam a uma certa fração (geralmente 5%) da mudança
de setpoint;
  diversos índices calculados por integração de uma função do erro ao
longo do tempo: ISE (integral do quadrado do erro), IAE (integral do
valor absoluto do erro) ou ITAE (integral do produto entre tempo e valor
absoluto do erro).

Cada critério tem suas vantagens e desvantagens, e têm fornecido material

para muitas discussões na literatura. Shinskey (Feedback controllers for the
process industries, McGraw-Hill, 1994) discute os méritos relativos de diversos
índices de desempenho e situações em que eles não se aplicam.

5.2. Limitações da análise de desempenho

Todos os critérios acima "premiam" a capacidade de levar a variável controlada

para próximo do setpoint. Em alguns casos, isto não é necessario nem
desejável: por exemplo, uma malha de controle de nível em um tanque pulmão
não precisa ser mantida junto ao setpoint (qual seria a conseqüência?). Antes
de aplicar um critério de desempenho qualquer, verifique antes se ele faz
sentido para a aplicação.

Outro aspecto não considerado nos índices de desempenho é a robustez do

controlador. É possível ajustar um controlador com um excelente desempenho
para perturbações pequenas, mas que seja instável quando ocorrer uma
perturbação maior. Ao considerar a segurança

5.3. Desempenho de controladores tradicionais

5.3.1. Controlador on-off

O controle on-off, evidentemente, não consegue manter a variável em um

setpoint. O comportamento da variável controlada equivale a uma oscilação
próximo aos valores equivalentes aos comandos on e off do controlador. A
figura a seguir ilustra a resposta de um sistema sob controle on-off, mostrando
que a oscilação não é necessariamente senoidal. A linha vermelha indica o
valor desejado da variável controlada; observe que a média não equivale
necessariamente ao valor desejado.
Uma característica interessante do controle on-off é que o valor médio da
variável controlada muda conforme a perturbação externa. Este efeito é
observado em sistemas de condicionamento de ar: mantido o setpoint, a
temperatura média é mais alta em dias quentes.

5.3.2. Controlador proporcional

A figura a seguir ilustra o comportamento de uma variável controlada por um

controlador proporcional após uma perturbação externa em degrau. O setpoint
é indicado pela linha vermelha.

Uma característica do controlador proporcional é que ele não consegue "zerar"

o desvio do setpoint, deixando um erro residual (offset). Explique por que o
controlador não consegue mudar a variável controlada quando ele atinge a
região do offset.
5.3.3. Controlador PI

Ao adicionarmos a integral do erro, o controlador passa a não tolerar que um

desvio do setpoint seja mantido por muito tempo. Desta forma, elimina-se o
problema do offset.

5.3.4. Controlador PID

A ação derivativa tira proveito da informação de processo que permite prever, a

curto prazo, a tendência da variável de processo. Assim, ao observar que a
variável está aumentando, a ação derivativa atuará no sentido de reduzí-la,
mesmo que o erro e a integral do erro apontem em outra direção. Desta forma,
a ação derivativa torna a resposta do controlador mais rápida.

O uso de ação derivativa requer cuidados, e deve ser evitada em variáveis cuja
medição esteja sujeita a ruídos (como vazão em escoamento turbulento). Neste
caso, o comportamento oscilante da vazão faz com que a derivada mude
continuamente de sinal, com efeito negativo sobre o desempenho do
controlador.

A ação derivativa deve ser evitada em situações onde o erro varie

bruscamente, em forma de degrau. Um exemplo é dado por cromatógrafos de
processo, que atualizam suas leituras em intervalos de alguns minutos: nestes
instantes, a derivada é infinita; um controlador PID abre ou fecha
completamente a válvula de controle nesta situação. Outro exemplo ocorre
quando o setpoint é alterado pelo operador, especialmente em sistemas
digitais. Atualmente, uma das formas de evitar este problema consiste em
calcular a derivada da variável de processo (PV) em vez da derivada do erro.

5.4. Sintonia de controladores

Os controladores possuem parâmetros ajustáveis que permitem alterar seu

comportamento de modo a obter o melhor desempenho para uma dada
aplicação. O ganho do controlador, por exemplo, está relacionado à
agressividade do controlador: ganhos altos fazem com que o controlador atue
com mudanças rápidas na saída, enquanto ganhos baixos fazem com que a
saída se altere pouco, caracterizando um comportamento mais passivo do
controlador.

Um campo interessante da teoria de controle, com muita aplicação prática, é a

sintonia de controladores. Hoje, dispomos de um conjunto de regras empíricas
e matemáticas que permitem sistematizar a busca de melhores desempenhos,
sem comprometer a segurança do processo.

Ziegler e Nichols foram os primeiros a sistematizar, com dois métodos extremamente

simples e facilmente aplicáveis na indústria. Estes métodos devem ser encarados como
uma forma sistemática de obter uma primeira aproximação (em geral conservadora), a
ser melhorada.

O método de sintonia em malha fechada consiste em deixar o sistema em controle

proporcional, aumentando o ganho até obter uma oscilação de amplitude constante. Este
ganho é denominado ganho limite (Ku), já que ganhos maiores levariam à instabilidade.
O período de oscilação nesta situação é chamado de Pu.

Ziegler e Nichols propuseram que a seguinte tabela fosse utilizada para determinar os
parâmetros de sintonia:

Kc tau (I) tau (D)

controlador P Ku/2
controlador PI Ku/2,2 Pu/1,2
controlador PID Ku/1,7 Pu/2 Pu/8

Hoje em dia existem diversas ferramentas de software que permitem obter os

dados em tempo real (por meio de um sistema de controle) durante transientes.
A análise destes dados permite identificar o comportamento do processo e
propor parâmetros para a sintonia de controladores.

6. Controle avançado
6.1. Conceito

Os controladores estudados anteriormente se caracterizam por uma relação

biunívoca entre uma variável controlada e uma variável manipulada. Em
diversas situações, é interessante utilizar formas distintas de relacionar mais de
uma variável controlada e/ ou mais de uma variável manipulada.

Uma das formas mais simples é a atuação do controlador em duas válvulas

(split-range) distintas, cada válvula correspondendo a uma faixa da saída do
controlador. Neste caso, uma única variável controlada permite a manipulação
de duas outras variáveis. Observe que, neste exemplo, dependendo das faixas
de atuação, somente uma variável é manipulada de cada vez.

Neste capítulo, estudaremos algumas estratégias de controle que fazem uso de

mais de duas variáveis em uma malha de controle fechada.

6.2. Controle de razão

Uma situação muito comum em unidades de processo é a necessidade de
manter uma relação entre quantidades. Em unidades com escoamento
contínuo, isto se traduz na necessidade de manter uma razão entre vazões de
correntes distintas. O controle da razão é fundamental em processos com
reação química, onde se deseja manter uma relação estequiométrica entre
reagentes (relação ar/ combustível em uma fornalha, por exemplo), em
processos de separação (refluxo em colunas de destilação) e de mistura
(blending).

Geralmente, uma das vazões é determinada por outros sistemas da unidade ou

fora dela. O objetivo do sistema de controle, então, é manipular a outra vazão
para que, mesmo que a primeira vazão varie, a razão permaneça o mais
constante possível.

Uma forma de implementar o controle de razão consiste em medir as duas

vazões e calcular a razão entre elas. Este valor calculado passa a ser a PV
para um controlador de razão (FFC), que recebe um setpoint e manipula uma
das vazões para que ela fique proporcional à outra.

Esta implementação apresenta uma desvantagem: em determinadas situações

(partida, emergências), pode ser necessário controlar a vazão e não a razão.
Um outro esquema, freqüentemente utilizado na prática, é o de utilizar um
controlador de vazão para a segunda corrente de processo que opere em três
modos: manual, automático e razão. Os modos manual e automático são os
tradicionais; o modo automático permite que o operador forneça um setpoint de
vazão. O modo razão utiliza um elemento (FY) que multiplica a vazão da
primeira corrente por um setpoint de razão, determinando assim o setpoint do
controlador de vazão.
6.3. Controle em cascata

Provavelmente, a estratégia de controle avançado mais aplicada na prática é o

controle em cascata. O controle em cascata utiliza pelo menos duas variáveis
controladas para atuar sobre uma única variável manipulada.

O controle em cascata consiste de duas ou mais malhas de controle

integradas. A malha interna contém a válvula e o controlador chamado escravo.
A malha externa abrange o outro controlador, denominado controlador mestre,
cuja saída fornece o setpoint para o controlador escravo.
O controle em cascata é eficaz em situações onde existem perturbações a
serem eliminadas. É o caso do controle de temperatura pela injeção de vapor:
caso fosse utilizado apenas um controlador de temperatura atuando
diretamente sobre a válvula de vapor, não haveria como compensar eventuais
variações de pressão na linha de vapor. O uso de um controlador de vazão
escravo permite atuar de forma diferenciada durante as variações de pressão.

6.4. Controle seletivo

Existem processos em que uma variável manipulada, que interfere sobre mais
de uma variável de processo, exige estratégias diferentes dependendo do
estado do processo. A vazão de vapor para o fundo de uma coluna de
destilação, por exemplo, afeta a temperatura do fundo e, pela vaporização do
líquido, o nível do fundo da coluna. Em uma situação normal de operação,
provavelmente se deseja que a vazão de vapor seja utilizada para controlar a
temperatura do fundo, mas se o nível estiver muito baixo, pode passar a ser
prioritário o controle do nível de fundo, para evitar a perda de sucção das
bombas de descarga e talvez o entupimento do refervedor.

O controle seletivo opera por meio de elementos comparadores, que

selecionam o maior ou o menor entre dois ou mais sinais, enviando somente
um deles à válvula de controle (ou ao controlador escravo).

6.5. Controle inferencial

Em alguns casos, a variável a ser controlada não pode ser medida de forma
econômica. Uma abordagem é o controle inferencial, em que a variável
controlada não é medida diretamente e sim calculada a partir de outras
variáveis de processo que podem ser medidas mais facilmente.

Um exemplo típico é o controle de composição. Em misturas binárias em fase

vapor, a composição pode ser determinada a partir da pressão e da
temperatura por meio de uma equação de estado.

Outro exemplo extremamente comum é o controle de vazão mássica, que pode

ser feito a partir de medições da vazão volumétrica, da temperatura e (no caso
de gases) da pressão. Exemplos mais sofisticados incluem o cálculo do
excesso de ar ou da carga térmica de uma fornalha e a modelagem de
propriedades físicas de produtos (índice de octanagem de gasolinas, ponto de
fluidez de plásticos, etc.).

6.6. Controle feedforward

A implementação de estratégias de controle feedforward normalmente envolve

o conhecimento de modelos do processo que permitam determinar o melhor
valor da variável manipulada a partir do valor atual da(s) variável(is)
monitorada(s).

A imprecisão do modelo é um aspecto de segurança importante que

dificilmente permite a implementação de estratégia feedforward "puras". Em
geral, o valor calculado pelo controlador feedforward é enviado a um
controlador feedback, aumentando a robustez do sistema.

6.7. Controle multivariável

O uso de modelos que representam o comportamento dinâmico do processo

permite a implementação de controladores que, por meio de simulação, podem
calcular mais de um valor de saída, a partir de mais de uma variável de
processo. Controladores que apresentam diversas PVs e diversas saídas são
denominados controladores multivariáveis.

Um dos controladores multivariáveis mais utilizados é o DMC (dynamic matrix

control), ou suas variações. Este tipo de controlador é descrito no item 8.9 do
livro texto, e não será incluído nesta homepage devido à grande quantidade de
equações.

6.8. Outras estratégias de controle avançado

Com a facilidade de implementação de algoritmos complexos em máquinas

capazes de efetuar os cálculos necessários em tempo hábil, diversas
estratégias diferentes de controle avançado estão sendo utilizadas.

Um dos campos recentes que recebe muita atenção (especialmente de

marketing) é a aplicação de redes neurais e outras ferramentas derivadas do
estudo de inteligência artificial (fuzzy logic, sistemas especialistas baseados em
regras).