Universidade Federal de Ouro Preto Escola de Minas em Colegiado Do Curso de Engenharia de Controle e Automaao Cecau

UNIVERSIDADE FEDERAL DE OURO PRETO
ESCOLA DE MINAS - EM
COLEGIADO DO CURSO DE ENGENHARIA DE
CONTROLE E AUTOMAÇÃO - CECAU
AVALIAÇÃO DE DESEMPENHO DE MALHAS DE CONTROLE
MONOGRAFGIA DE GRADUAÇÃO EM ENGENHARIA DE CONTROLE E

AUTOMAÇÃO
BEN-HUR SALLES RODRIGUES
Ouro Preto, 2010

BEN-HUR SALLES RODRIGUES
AVALIAÇÃO DE DESEMPENHO DE MALHAS DE

CONTROLE
Monografia apresentada ao Curso de

Engenharia de Controle e Automação
da Universidade Federal de Ouro Preto
como parte dos requisitos para a
obtenção do Grau de Engenheiro de
Controle e Automação.
Orientador: Ronílson Rocha
Ouro Preto
Escola de Minas – UFOP
Agosto/2010
R696a Rodrigues, Ben-Hur Salles.
Análise de desempenho de malhas de controle [manuscrito] / Ben-Hur
Salles Rodrigues. – 2010.
74 f. : il., color., tabs.
Orientador: Prof. Dr. Ronilson Rocha.
Monografia (Graduação) - Universidade Federal de Ouro Preto. Escola de

Minas. Colegiado de Engenharia de Controle e Automação.
1. Malhas de controle. 2. Controle de processo. I. Universidade Federal de

Ouro Preto. II. Título.
CDU: 67.02
Catalogação: sisbin@sisbin.ufop.br
CDU: 669.162.16
EPÍGRAFE
“You can't know it all. No matter how smart you

are, no matter how comprehensive your
education, no matter how wide ranging your
experience, there is simply no way to acquire all
the wisdom you need to make your business
thrive.” (Donald Trump)
DEDICATÓRIA
Dedico este trabalho, símbolo da caminhada

árdua chamada Graduação aos meus pais, a
toda a minha família, e a todos que me
apoiaram durante essa fase da minha vida.
AGRADECIMENTOS
Agradeço aos professores presentes, não somente durante a graduação, mas também em todas
as etapas que foram necessárias para chegar até aqui.
Aos meus irmãos Luciano e Luana por todo conhecimento e apoio, não somente na esfera
acadêmica.
Aos profissionais da Escola de Minas pelo crescimento profissional enquanto bolsista e pela
amizade incondicional.
A VALE, em especial os integrantes da GAUAS e GAKAS das minas de Alegria e

Timbopeba, pelo apoio e ensinamentos, tanto pessoal quanto profissionalmente.
RESUMO
Atualmente a maioria das malhas de controle presentes nas indústrias tem o desempenho
muito abaixo do esperado para as mesmas, o que torna necessário uma política de
monitoramento de desempenho de tais sistemas. Para realizar este monitoramento online e de
forma passiva, um dos softwares mais utilizados é o PlantTriage, que possui vários
indicadores de desempenho das malhas de controle e possibilidade de execução de sintonia
das mesmas através de diversos métodos descritos neste trabalho. São demonstradas também,
algumas das funções do PlantTriage e como estas podem influenciar tanto no diagnóstico de
desvios no desempenho das malhas de controle quanto na tomada de ações para a correção
destes desvios. Além disso, é apresentado um estudo de caso sobre a sintonia de uma malha
de controle de pressão em uma bomba de vácuo, onde pode ser observado a motivação,
metodologia e resultados da sintonia.
Palavras-Chave: Malhas de controle; PlantTriage; sintonia; monitoramento de desempenho;

controle PID.
ABSTRACT
Nowadays, most of control loops present in industries have a performance lower than
expected, wich makes necessary a policy of performance monitor of such systems. In order to
make this monitoring online and passive, one of the most used softwares is PlantTriage, that
calculates many performance assessment values for each control loop and brings the
possibility of tunning this loops through many methods explained in this work. Some
functions of PlantTriage and how they can affect both diagnosis of deviations in the
performance of the control loops and in actions to correct these deviations are also shown.
Furthermore, it’s presented a case study on the tunning of a pressure control loop of a vacuum
pump, where can be seen the motivation, methodology and results of tunnning.
Keywords: Control loops; PlantTriage; tunning; performance monitor; PID control.

Lista de Figuras
Figura 2.1 – Sistema de controle em malha aberta...................................................................19

Figura 2.2 – Sistema de controle em malha fechada.................................................................21
Figura 2.3 – Curva de resposta a uma entrada em degrau unitário...........................................23
Figura 3.1 – Estrutura de um bloco PID do software RSLogix5000 da Rockwell....................27
Figura 3.2 – Exemplo de oscilações sustentadas para aplicação do Método ZN......................33
Figura 3.3 – Parâmetros do sistema sugeridos pelo PID Tuner................................................38
Figura 4.1 – Hierarquia do PlantTriage....................................................................................40
Figura 4.2 – Exemplo de Arquitetura Clássica de uma comunicação OPC..............................41
Figura 4.3 – Exemplo de seleção de pesos econômicos das malhas.........................................43
Figura 4.4 – Exemplo de leitura de limites da saída do controlador via OPC..........................46
Figura 4.5 – Diagnóstico de oscilações pelo PlantTriage.........................................................48
Figura 4.6 – Diagnósticos dos indicadores de válvulas pelo PlantTriage.................................49
Figura 4.7 – Mapa de operação da mina de Alegria.................................................................51
Figura 4.8 – Exemplo da utilização das notas de engenharia de uma malha............................53
Figura 5.1 – Mecanismos de cominuição .................................................................................56
Figura 5.2 – Exemplo de concentrador magnético do tipo Jones.............................................58
Figura 5.3 – Esquema de funcionamento de uma bomba de vácuo..........................................60
Figura 6.1 – Desempenho da malha de controle de pressão da 2BV-01 antes da sintonia.......61
Figura 6.2 – Válvula de controle tipo semi-esfera....................................................................62
Figura 6.3 – Degrau aplicado para a determinação de um modelo do processo.......................64
Figura 6.4 – Modelo obtido com o teste do degrau feito no sistema........................................64
Figura 6.5 – Sugestão de parâmetros feita pelo software.........................................................65
Figura 6.6 – Desempenho da malha de controle de pressão da 2BV-01 depois da sintonia....66
Figura 6.7 – Resposta a mudança de setpoint..........................................................................66
Figura 6.8 – Resposta a um distúrbio de carga........................................................................67
Figura 6.9 – Medida do ruído da resposta................................................................................67
Figura 6.10 – Resposta do controlador ao degrau comparada a simulação com nova
sintonia......................................................................................................................................68
Figura 6.11 – Sumário de performance da sintonia.................................................................68
Figura 6.12 – Gráfico de robustez do sistema..........................................................................69
Figura 6.13 – Diagrama de Bode para o sistema e o modelo obtido.......................................70
Figura 6.14 – Malha antes (1), durante (2) e após (3) a sintonia realizada..............................70
Lista de Tabelas
Tabela 3.1 – Parâmetros de Sintonia por Ziegler-Nichols........................................................33

Tabela 3.2 – Parâmetros Modificados de Sintonia por Ziegler-Nichols...................................34
Tabela 3.3 – Ganhos do controlador através da Sintonia Lambda............................................36
Tabela 4.1 – Diagnósticos simples das malhas.........................................................................47
Lista de siglas e abreviações
PLC – Programable Logical Controller (Controlador Lógico Programável)

PV – Proccess Variable (Variável de Processo)
SP – Setpoint
CO – Controller Output (Saída do Controlador)
PID – Proporcional, Integral e Derivativo
PIMS – Process Information Management System
FOPDT – First Order plus Dead Time (Primeira Ordem com Tempo Morto)
RRT – Response Time (Tempo de resposta)
MES – Manufacturing Execution Systems (Sistemas de Execução da Produção)
DCOM – Distributed Component Object Model
OPC – Open Connectivity
OPC DA – OPC Data Access
OPC HDA – OPC Historical Data Access
KPI’s – Key Performance Indicators (Indicadores Chave de Desempenho)
SUMÁRIO
1. INTRODUÇÃO.................................................................................................................15
1.1. Objetivo.......................................................................................................................15
1.2. Justificativa.................................................................................................................16
1.3. Metodologia................................................................................................................16
1.4. Estrutura do Trabalho..............................................................................................17
2. SISTEMAS DE CONTROLE..........................................................................................19
2.1. Sistemas de controle em malha aberta.....................................................................19
2.2. Sistemas de controle em malha fechada..................................................................21
2.3. Objetivos de um sistema de controle........................................................................21
3. CONTROLE PID..............................................................................................................25
3.1. Ação Proporcional.....................................................................................................26
3.2. Ação Integral..............................................................................................................27
3.3. Ação Derivativa..........................................................................................................28
3.4. Sintonia de Controladores PID.................................................................................30
3.4.1. Sintonia por Tentativa e Erro........................................................................31
3.4.2. Sintonia pelo Método de Ziegler-Nichols......................................................32
3.4.3. Sintonia por Métodos Baseados em Modelos de 1ª Ordem.........................34
3.4.4. Projeto de Controladores pelo Método Direto.............................................35
3.4.5. Sintonia Lambda..............................................................................................36
3.4.6. Sintonia por Software.....................................................................................37
4. PLANTTRIAGE...............................................................................................................39
4.1. Comunicação..............................................................................................................41
4.2. Avaliação das Malhas de Controle...........................................................................42
4.3. Interface Web.............................................................................................................49
4.4. Interface de Engenharia............................................................................................51
5. BENEFICIAMENTO DE MINÉRIO.............................................................................55
5.1. Cominuição.................................................................................................................55
5.2. Classificação...............................................................................................................56
5.3. Concentração..............................................................................................................57
5.4. Desaguamento............................................................................................................59
6. ESTUDO DE CASO..........................................................................................................61
6.1. Motivação...................................................................................................................61
6.2. Válvula de Controle...................................................................................................62
6.3. Sintonia da Malha......................................................................................................63
6.4. Resultados...................................................................................................................65
7. CONSIDERAÇÕES FINAIS...........................................................................................72
REFERÊNCIAS BIBLIOGRÁFICAS..................................................................................73
1 INTRODUÇÃO
Ultimamente, vem ocorrendo um aumento considerável na automatização da indústria de

processos, sendo que o principal motivo para tal crescimento é o benefício econômico
associado com um aumento na produtividade e na qualidade dos produtos. Na maioria das
instalações industriais, sejam elas de qualquer natureza, são utilizadas tipicamente de centenas
a milhares de malhas de controle (MEJÍA et al, 2008).
Apesar de o controle automático, mais especificamente as malhas de controle, terem sido

criadas para realizar determinada tarefa sem a necessidade da interferência do homem, o
desempenho apresentado pelas mesmas não é, na maioria das vezes, o melhor possível. Tal
deficiência se deve a variados fatores, muitos dos quais serão discutidos nesse trabalho.
Na maioria das vezes, o trabalho de identificação do problema leva tempo, e necessita de um

alto grau de conhecimento do processo. Além de um gerenciamento de ativos consistente,
visto que comumente os sensores ou os elementos finais de controle são os causadores do
mau funcionamento da malha.
O objetivo de uma malha de controle é manter a variável de processo (PV – Process Variable)
igual ao valor desejado (Setpoint – SP), na presença de mudanças de SP, perturbações de
carga ou distúrbios de origens diversas. Porém, há objetivos mais específicos que podem
variar de uma malha de controle para outra, devido a natureza do processo.
Na maioria das vezes, é utilizado o controle realimentado, ou de malha fechada, no qual a CO

é calculada como função da diferença entre o SP e a PV. O controlador PID (Proporcional,
Integral e Derivativo) é o mais comum na indústria. O controlador calcula sua saída de
controle (CO – Control Output) através do erro atual ou da própria PV.
1.1 Objetivo
Discutir o estado atual do monitoramento assistido por software do desempenho de malhas de

controle presentes na indústria e apresentar estudos de caso em malhas de uma planta de
beneficiamento de minério.
16
1.2 Justificativa
Foi observado que o objetivo da criação de malhas de controle nem sempre é alcançado na
prática, devido a diversos problemas. O que acaba se tornando um problema grave no
processo de várias empresas. As vezes, o funcionamento inadequado das malhas de controle
presentes na planta prejudica não somente a área a qual a mesma pertence, mas também
índices globais como produção, lucro e qualidade do produto.
Além disso, outra consequência grave do mau desempenho automático das malhas de controle
é a operação das mesmas em modo manual, o que desvia a atenção do operador de partes mais
críticas do processo, novamente interferindo em índices importantes para o bom
funcionamento de qualquer indústria.
1.3 Metodologia
Para que seja possível a realização deste trabalho, será feita uma revisão bibliográfica sobre
avaliação de desempenho de malhas de controle, estratégias mais comuns de controle de
processos industriais, instrumentação aplicada a mineração e sobre softwares de assistência no
diagnóstico de problemas existentes no mercado.
Com o intuito de obter um maior conhecimento teórico do assunto foi realizada a revisão
bibliográfica, sobre os assuntos pertinentes a área de interesse deste trabalho. Porém, a maior
parte do embasamento do mesmo vem da execução de um projeto de melhoria do
desempenho das malhas de controle da mina de Alegria da VALE.
Após adquirido conhecimento teórico suficiente, serão feitos estudos de caso com base em
ações realizadas no mesmo projeto citado anteriormente, demonstrando ganhos obtidos e as
ações realizadas para tal.
Como plataforma principal para aquisição de dados, simulações, sintonias e outros

diagnósticos e ações necessárias para o projeto foi utilizado o software de monitoramento e
diagnóstico de malhas de controle chamado PlantTriage, fabricado pela empresa norte-
americana ExperTune.
17
Foram analisadas todas as malhas de controle presentes na mina, adicionadas algumas,

excluídas outras; porém, foi dada uma maior importância aquelas com os parâmetros
analisados mais insatisfatórios para o bom andamento do processo. Tais parâmetros, que serão
discutidos com uma maior ênfase mais tarde neste trabalho são: erro médio absoluto, tempo
em modo normal (automático ou remoto) e tempo de saída de controle saturada.
Existem vários outros parâmetros disponibilizados pelo software citado, como diagnóstico de
atuadores e sensores, oscilação, acoplamento de malhas; mas para o escopo do trabalho e
como o mesmo se baseia apenas em uma fase de implantação do projeto, tais parâmetros não
foram analisados nessa fase do projeto.
Além disso, também foram utilizadas várias ferramentas do PIMS (Process Information
Management System) utilizado pela VALE, o PI Process Book, devido a necessidade de
monitoramento de alguns parâmetros externos a malha para diagnósticos de causas de
oscilação, possibilidade de novas estratégias de controle, dentre outros.
1.4 Estrutura do Trabalho
Neste primeiro capítulo é feita uma breve introdução sobre o tema a ser discutido durante o
trabalho, além da descrição da metodologia e ferramentas adotadas. Também neste capítulo é
exposto a motivação que levou a realização deste trabalho, procurando demonstrar a
importância do mesmo.
No segundo e terceiro capítulos, é feita uma revisão sobre a teoria de controle clássica, sobre
os sistemas de controle mais comuns e uma explicação detalhada da estrutura e métodos de
sintonia de controladores PID.
No quarto capítulo são explicadas as principais funcionalidades do software utilizado durante

todo o estágio na VALE e que foi base para esse trabalho.
No quinto capítulo, é dada uma breve introdução do processo de beneficiamento de minério e

as principais malhas de controle presentes em cada área.
18
No sexto capítulo é apresentado um estudo de caso sobre a sintonia de uma malha de controle
de pressão de uma bomba de vácuo, sendo detalhados no capítulo a metodologia adotada, as
ferramentas, especificação do elemento final de controle da malha e resultados obtidos.
No sétimo capítulo são apresentadas as considerações finais referentes ao trabalho, tanto sobre
a parte prática realizada quanto sobre o uso do software e suas funcionalidades.
19
2 SISTEMAS DE CONTROLE
Apesar de grande parte dos sistemas físicos serem tratados como lineares, a maioria é
realmente linear apenas para um intervalo limitado de operação. Na prática, muitos sistemas
largamente utilizados para o controle de processos industriais envolvem relações não-lineares
entre suas entradas e saídas (OGATA, 2003). Apesar disso, na mina de Alegria da VALE;
todas as malhas de controle são tratadas como sistemas lineares, devido a limitada faixa de
operação linear dos sistemas físicos ser satisfatória para um bom controle.
Segundo DiStefano et al (1990), um sistema de controle é um arranjo de componentes físicos

conectados ou relacionados de tal maneira para comandar, regular ou direcionar a si mesmo
ou a outro sistema. Aplicando essa linguagem ao ambiente industrial, pode-se afirmar que um
sistema de controle é um determinado conjunto de equipamentos destinados a manter o
funcionamento do processo dentro de sua faixa de operação ótima.
2.1 Sistemas de Controle em Malha Aberta
Ogata (2003) define sistemas de controle de malha aberta como aqueles em que o sinal de
saída não interfere na ação de controle do sistema. Ou seja, o sinal de saída não é medido nem
realimentado para comparação com a entrada. Como a saída não é comparada com a entrada,
cada entrada de referência corresponde a uma condição fixa de operação, independente das
outras variáveis inerentes ao processo, deixando o sistema de controle em malha aberta
altamente dependente de uma calibração.
FIGURA 2.1 – Sistema de controle em malha aberta.

FONTE: PALHARES, 2009
A FIG. 2.1 mostra o diagrama de blocos de um sistema de controle em malha aberta, onde a
saída do controlador Y(s) depende somente da entrada U(s) e da função de transferência G(s)
do controlador.
20
Outra característica inerente aos sistemas de controle em malha aberta é a resposta aos
distúrbios. Uma vez que a saída não é medida, não é possível determinar o erro ou desvio do
sistema com relação ao valor desejado, com isso, qualquer distúrbio pode impedir ou pelo
menos atrapalhar o sistema de executar a tarefa desejada para tal entrada. Ou, conforme
descrito por Carvalho (2000), o sistema em malha aberta é caracterizado por uma
incapacidade de autocorreção diante de inevitáveis diferenças entre a realidade e os dados
armazenados.
Os sistemas de controle em malha aberta são mais indicados para casos em que a relação entre
a entrada e a saída do sistema seja conhecida e que não haja nenhum distúrbio interno ou
externo. O que torna sua aplicação mais restrita no campo industrial, devido a dificuldade de
obtenção dos modelos matemáticos que regem as operações.
Softwares de monitoramento das malhas como o PlantTriage deduzem os modelos das malhas
monitoradas, porém, como os modelos são deduzidos a partir de testes como degrau, rampa,
impulso, entre outros; tal modelo pode variar com as condições específicas do processo em
que o teste foi realizado, inviabilizando assim o uso de um sistema de controle em malha
aberta (sem realimentação).
Uma das vantagens dos sistemas de controle em malha aberta é que estes são mais fáceis de
serem construídos, principalmente devido ao fato de a estabilidade ser um problema de mais
fácil resolução. Além disso, a maioria dos testes de estabilidade ou de sintonia devem ser
feitos com o sistema em malha aberta, ou seja, sem realimentação.
Para aplicações que necessitam de um alto nível de desempenho, pode-se utilizar um controle
em malha aberta com sinal de feedforward (compensação direta). Tal controle se baseia nos
distúrbios, e não no erro, medindo as perturbações mais importantes que podem afetar o
processo antes que as mesmas o afetem. Então um sinal é enviado diretamente ao controlador,
que realiza os cálculos e determinam a saída de controle correta para que a variável de
processo continue próxima ao SP mesmo sob o efeito de perturbações. Algumas
características do controle feedforward são: em geral possui custo elevado para implantação,
possui várias equações complexas e apresenta um alto desempenho quando programado
corretamente.
21
2.2 Sistemas de Controle em Malha Fechada
Segundo Carvalho (2000), a principal diferença entre o controle em malha aberta e o controle
em malha fechada (também denominado as vezes como controle realimentado) é o fato do
controle em malha fechada detectar qualquer afastamento da variável controlada (PV) em
relação ao valor desejado (SP) e responder com uma ação para corrigir tal afastamento.
Ogata (2000) define um sistema de controle em malha fechada como uma variação de um
sistema de controle com realimentação, que por definição é um sistema que estabelece uma
relação de comparação entre a saída e a entrada de referência, utilizando-a como meio de
controle. Porém, especificamente, o sistema de controle de malha fechada é caracterizado pelo
sinal de erro atuante, que é a diferença entre os sinais de entrada e de realimentação, que pode
ser tanto o próprio sinal de saída quanto alguma função do mesmo, incluindo integrais ou
derivadas; que realimenta o controlador, de modo a minimizar ou até mesmo eliminar o erro
do sistema.
FIGURA 2.2 – Sistema de controle em malha fechada

FONTE: PALHARES, 2009
A FIG. 2.2 representa um diagrama de blocos de um sistema de controle em malha fechada,

onde a entrada R(s) é comparada ao sinal de realimentação B(s), que é uma função H(s) da
saída Y(s). A diferença entre R(s) e B(s) gera o sinal de erro U(s) que alimenta G(s), que
representa o conjunto controlador/processo.
2.3 Objetivos de um Sistema de Controle
O objetivo de um sistema de controle é, basicamente, manter a variável de processo igual ao

setpoint na presença de interferências, mudanças de carga ou até mesmo mudanças de
22
setpoint. Porém, não se pode julgar o desempenho de um sistema de controle apenas por um
ângulo.
Como dito anteriormente, não é determinante para o desempenho global da malha a análise
somente estacionária ou dinâmica do sistema. Uma malha pode atender as exigências de
controle em regime estacionário, porém, não ter um desempenho satisfatório em regime
transiente. Ou até mesmo o contrário, apresentar bom desempenho em regime transiente e
insatisfatório para regime estacionário.
Certamente o ideal seria um controlador perfeito, sem oscilações e sensível a mudanças de

setpoint e robusto a distúrbios de carga, interferências. Mas a realidade é que algumas dessas
qualidades devem ser priorizadas de acordo com características do processo que está sendo
controlado. Além disso, certamente não é possível conseguir a mesma resposta obtida em
simulações e cálculos teóricos quando se trata da realidade.
Algumas características da resposta do controlador a uma mudança de setpoint ou de carga

são mais comuns de serem analisadas para determinar se o desempenho do controlador está
como o desejado. Algumas delas se encontram na FIG. 2.3 e podem ser definidas segundo
Ogata (1998) como:
23
FIGURA 2.3 – Curva de resposta a uma entrada em degrau unitário.

FONTE: OGATA, 1998
 tr (tempo de subida): é o tempo necessário para que a resposta passe de 10% a 90%,
de 5% a 95%, ou de 0% a 100% do valor final. A variação da faixa se dá de acordo
com o tipo de sistema, se o mesmo é subamortecido, amortecido ou superamortecido;
 td (tempo de atraso): é o tempo necessário para que a resposta alcance metade do seu
valor pela primeira vez;
 tp (tempo de pico): é o tempo para que a resposta atinja o primeiro pico de sobre-sinal;
 ts (tempo de acomodação): é o tempo necessário para que a curva de resposta alcance
valores dentro de uma faixa, geralmente de ±2% a ±5%, em torno do valor final;
 Mp (máximo sobre-sinal, overshoot): é o valor máximo de pico da curva de resposta.
E é calculado como:
c(tp ) c( )
Mp (2.1)
c( )
Além destes, alguns outros parâmetros não demonstrados na FIG. 2.3 podem ser relevantes na
análise de desempenho do controlador; como por exemplo:
24
 Td (tempo morto): é a quantidade de tempo necessária para se detectar uma mudança

na variável de processo após uma mudança no valor enviado para a saída de controle;
 ess (offset ou erro em estado estacionário): diferença entre o valor desejado e o valor
final atingido pela variável de processo.
Em uma situação ideal, cada um dos parâmetros apresentados acima teria de ser ajustado para
que todos tendessem a zero. O que é impossível na prática. Portanto, deve-se analisar o
processo a ser controlado para minimizar a maioria desses parâmetros.
25
3 CONTROLADOR PID
Existem três estruturas predominantes para um controlador PID. A utilização de cada uma
dessas estruturas influencia não só na implementação do controlador, mas também na sintonia
do mesmo. Alguns fabricantes de PLC’s utilizam estruturas diferentes, o que exige uma maior
atenção do profissional que irá lidar com a implementação/manutenção dos controladores.
As três estruturas são:
 Ideal (padrão; ISA, não-interativa): é definida pela equação:
dE
CO Kp ( E Ki Edt Kd ) (3.1)
dt
Onde:
o CO = Saída do Controlador;
o E = PV – SP;
o Kp = Ganho Proporcional;
o Ki = Ganho Integral;
o Kd = Ganho Derivativo.
 Série (interativo): é definida pela equação:
dE
1 dt )
CO Kp (1 Ki Kd ) ( E Edt (3.2)
1 Kd 1 Ki
Ki Kd
 Paralelo (não-interativo): é definida pela equação:
dE
CO Kp E Ki Edt Kd (3.3)
dt
26
Apesar de apresentarem estruturas diferentes, é possível obter parâmetros equivalentes para as

três estruturas, e assim, obter a mesma resposta para o controlador em questão (TORRES,
2004).
No caso dos PLC’s encontrados na mina de Alegria, onde foi realizado todo o experimento
base desse trabalho, usa-se a estrutura do controlador em Paralelo, também conhecida como
Não-interativa ou Independente. Apenas em um dos casos observados utilizou-se a estrutura
ISA, também conhecida como Standard.
3.1 Ação Proporcional
A ação proporcional de um controlador pode ser descrita, de uma forma sucinta, como um
amplificador operacional puro, que multiplica o valor do erro do sistema pela constante Kp
para obter o valor da variável de saída.
Como não há padrões em controladores PID, fabricantes utilizam várias unidades para
mensurar a ação proporcional. A mais comum é o ganho proporcional, explicado
anteriormente, que também pode ser obtido dividindo a diferença obtida na saída pela
diferença aplicada na entrada. Porém, é possível encontrar variações para a medição da ação
proporcional, e a mais comum dentre estas é a banda proporcional, que pode ser definida
como uma representação gráfica da faixa do controlador e é igual ao inverso do ganho
proporcional em porcentagem.
CO
Kp (3.4)
E
1
Pb 100% (3.5)
Kp
Quando se utiliza um controlador puramente proporcional, deve-se observar que quanto maior
o valor de Kp, menor será o erro em estado estacionário; porém, este erro nunca será anulado
completamente. Além disso, se aumentarmos muito o ganho proporcional em sistemas de
segunda ou maior ordem, o mesmo pode apresentar instabilidade. Num controlador
proporcional puro, a saída de controle seria:
27
CO Kp E (3.6)
Alguns controladores industriais trazem seus parâmetros em função do ganho proporcional ou

da banda proporcional, cabendo ao profissional observar esses detalhes para um ajuste ótimo
do controlador. No caso do software RSLogix5000 da Rockwell, são utilizados somente
ganhos, tanto proporcional, explicado anteriormente, quanto integral e derivativo que serão
explicados na sequência.
FIGURA 3.1 – Estrutura de um bloco PID do software RSLogix5000 da Rockwell.

FONTE: Rockwell Automation Technologies.
3.2 Ação Integral
Como dito anteriormente, a ação proporcional pura consegue diminuir o sinal de erro presente
no sistema, mas não consegue anulá-lo. Isso pode ser feito através do ajuste de um
feedforward, porém essa é uma solução de curta duração, pois no surgimento de um distúrbio
de carga qualquer, o erro residual aparecerá novamente.
28
Para eliminar o erro em estado estacionário permanentemente, utiliza-se a ação integral, que
age através da integral do erro no tempo. Isso também pode ser explicado pela integral levar
em conta o histórico do processo, ou seja, modifica a saída de controle de acordo com o
histórico do erro. Diferentemente da ação proporcional que modifica a saída de controle
apenas baseada no erro atual.
É importante notar que a ação integral age somente para eliminar o erro característico de um
controle puramente proporcional, e tal ação traz consigo consequências. Uma das mais
notórias é o aumento do overshoot com o aumento da parcela de ganho integral inserida no
controlador. Analogamente a ação proporcional, há duas maneiras mais comuns de se
especificar a ação integral. Uma delas, e a presente no controlador utilizado nesse trabalho, é
o ganho integral Ki; e a outra é o tempo de integral Ti. A relação entre as duas ações pode ser
vista na equação 3.7.
1
Ki (3.7)
Ti
Não são encontrados controladores puramente integrais na indústria, pois os mesmos não
podem ser aplicados separados de uma ação proporcional. Para tanto, utiliza-se o controlador
PI (proporcional e integral), cuja relação entre saída e erro para a estrutura de um controlador
em paralelo pode ser vista na equação 3.8.
CO Kp E Ki Edt (3.8)
3.3 Ação Derivativa
A ação derivativa dificilmente é utilizada nos controladores industriais, devido a dualidade de

opiniões sobre o seu uso entre os profissionais da área. Assim como a ação integral, a
derivativa não pode ser aplicada isoladamente, e sim acompanhada de uma ação proporcional,
constituindo-se assim um controle PD (proporcional e derivativo).
A variação na saída do controlador devido a ação derivativa pode ser descrita como uma ação
proporcional a velocidade da variação do sinal de erro, ou seja, a parcela derivativa do
29
controlador tem o intuito de reduzir a velocidade das variações da variável de processo,

evitando que a mesma aumente ou diminua muito bruscamente. Devido a isso, a ação
derivativa também é conhecida como ação antecipatória.
Se o erro do sistema é constante, não há variações da saída do controlador oriundas da ação

derivativa, pois se derivarmos uma constante, naturalmente o resultado será nulo. Observa-se
melhor a atuação do controle derivativo durante o estado transitório do sistema, na presença
de perturbações de carga, mudanças de setpoint ou durante a partida do processo.
Uma das maiores consequências do uso da ação derivativa nos controladores é a diminuição
do overshoot e a rejeição a grandes mudanças no sinal de erro. Porém, a parcela derivativa
presente no controlador causa um aumento no tempo de subida do sistema, tornando-o mais
lento, e inviável para certas aplicações.
Além disso, para respostas com erros pequenos e com presença de ruídos, o controlador pode
computar grandes derivadas, resultando em grandes saídas de controle sem necessidade.
Tornando extremamente importante o uso de filtros de ruído, para evitar a amplificação dos
mesmos pela ação derivativa do controlador.
Na mina de Alegria da VALE, a maioria das malhas de controle apresenta um controlador PI,
com estrutura em paralelo, como descrito na equação 3.8. O fato da não utilização da ação
derivativa se deve a ausência de mudanças bruscas constantes na variável de processo e
inevitável presença de ruídos devido a hostilidade do ambiente de mineração.
Diferentemente da ação integral, a derivativa não apresenta diferenças entre o tempo

derivativo Td e o ganho derivativo Kd, o que torna mais simples a padronização do
controlador. A ação derivativa pode ser usada somente com a proporcional, ou em conjunto
com as duas outras ações, formando o PID.
O esquema do controlador PD em paralelo se encontra na EQ 3.9; já o PID é exatamente

como descrito na equação 3.3.
dE
CO Kp E Kd (3.9)
dt
30
3.4 Sintonia de Controladores PID
A sintonia de um controlador pode ser definida, simplificadamente, como definir os valores

de ganho das ações proporcional, integral e derivativa, para alcançar o objetivo de controle
adequado aquela malha. Como discutido anteriormente, tal objetivo de controle varia de
acordo com o processo em questão e suas condições ótimas de funcionamento (TORRES,
2004).
Ao sintonizarmos uma malha, devemos escolher o tipo de sintonia mais adequada a mesma:
agressiva, lenta ou intermediária. Apesar de, na escolha de uma sintonia agressiva, o controle
estar sempre mais próximo a instabilidade, tal estratégia se torna necessária para malhas com
constantes mudanças de setpoint, caso comum em malhas que possuem o mesmo sendo
calculado em tempo real.
Por outro lado, se escolhermos uma sintonia lenta, na presença de perturbações ou mudanças
de setpoint, o erro gerado será corrigido lentamente, sendo assim inviável para alguns casos
onde é extremamente importante que tais erros não persistam na malha.
Deve-se ter muita cautela na sintonia de controladores, pois apesar de não haver nenhuma
restrição prévia para os valores de ganhos, o ajuste impensado dos mesmos pode levar o
controlador a insensibilidade ou a instabilidade. Geralmente a razão entre a instabilidade e a
insensibilidade pode ser determinada por um fator de 4, tanto para o ganho proporcional
quanto para o integral e derivativo (TORRES, 2004).
Os dois métodos de sintonia de controladores PID mais utilizados na prática atualmente

apresentam objetivos de sintonia completamente opostos. Um busca respostas rápidas a
qualquer tipo de perturbações, sem preocupar-se com oscilações ou overshoot e é chamado de
Sintonia Ziegler-Nichols; e o outro é chamado de Sintonia Lambda, que apresenta resposta
lenta a perturbações ou mudanças de setpoint, mas possui estabilidade e robustez maiores que
a de Ziegler-Nichols (TORRES, 2004).
Apesar de opostas, os dois métodos abarcam uma boa parte das necessidades de sintonia
presentes na indústria. No caso de um setpoint dinâmico, que é calculado durante cada scan
do PLC, se torna mais adequado o método ZN (Ziegler-Nichols), já no caso de um setpoint
31
estático, que apresenta modificações somente por demandas do processo, pode ser adotado o
método Lambda. Mas estes não são os únicos métodos possíveis de sintonia de controladores,
havendo várias outras possibilidades de sintonia.
3.4.1 Sintonia por Tentativa e Erro
Este é o método de sintonia mais utilizado atualmente em sistemas industriais, talvez esse seja
um dos maiores responsáveis pelo mau funcionamento da maioria das malhas de controle. Tal
método consiste em alterar, iterativamente, os valores de Kp, Kd e Ki; buscando melhorar o
desempenho do controlador.
Embora seja possível obter resultados considerados bons, para tal é necessário uma grande
experiência dos profissionais responsáveis pela sintonia. Além disso, na maioria das vezes,
tais resultados são mantidos somente fora da presença de distúrbios de carga ou mudanças de
setpoint, pois é feita uma mudança nos parâmetros de forma a diminuir as oscilações. Isso
causa uma falta de sensibilidade do controlador a quaisquer distúrbios do sistema, apesar de
diminuídas consideravelmente as oscilações.
Porém, apesar de não ser uma técnica muito eficiente se utilizada isoladamente, a sintonia por
tentativa e erro pode ser muito útil após a aplicação de outros métodos de sintonia. Segundo
TORRES (2004), para tanto, é necessário entender as alterações causadas pelas modificações
em cada um dos ganhos do controlador. Seborg et al (1989) apresentam algumas
considerações adotadas na sintonia por tentativa e erro:
 Se aumentarmos muito Kp, controlador responderá mais rapidamente ao aparecimento

de um erro, porém, isso causará oscilações tanto na PV quanto na CO. No caso desta
última, é gerado um desgaste excessivo no atuador.
 Por outro lado, se diminuirmos muito Kp, certamente as oscilações na PV e CO serão
atenuadas, mas o controlador se tornará mais lento para correção de erros e em um
caso extremo até insensível as mesmas.
 Para corrigir o erro em estado estacionário deixado em caso de um controle apenas
proporcional, é incorporado o controle integral para eliminar tal erro. Se Ki for muito
pequeno, o erro será corrigido muito lentamente. Em contrapartida, se aumentarmos
32
muito Ki, o sistema se tornará rápido, porém oscilatório e mais próximo da

instabilidade.
 Além da ponderação entre velocidade e estabilidade, o controle integral deve trazer
consigo a preocupação de saturação da saída do controlador, conhecida como “Reset
Windup”. Para isso é recomendável acoplar mecanismos de limitação da ação integral
(“anti-windup”), aliados a utilização de parâmetros mais conservativos.
 A ação derivativa pode diminuir os efeitos desestabilizadores da ação integral,
reduzindo as oscilações na PV e na CO, pois tem efeito antecipatório, ou seja, que age
com base na tendência do sinal de erro, diminuindo o tempo de acomodação do
sistema. Porém, deve-se tomar cuidado, pois esta ação amplifica os sinais de alta
frequência, como ruídos por exemplo. Portanto, sendo necessária a implementação de
um filtro na PV, o que nem sempre é possível.
3.4.2 Sintonia pelo Método de Ziegler-Nichols
Segundo Torres (2004), a grande difusão do método ZN se deve a facilidade de sua

implantação em plantas e sistemas de controle reais, e aos resultados frequentemente bons
obtidos com sua aplicação, mas deve-se observar que tal método gera respostas muito
agressivas do controlador, sendo inviável para alguns casos.
Na verdade Ziegler e Nichols propuseram dois métodos para determinação dos parâmetros de
controladores P, PI e PID. Um método em malha aberta que usa a curva de resposta ao degrau
(“Curva de Reação”) e outro em malha fechada (“continuous cycling method”). Nesse
primeiro instante trataremos apenas do método em malha fechada.
O método ZN em malha fechada tem a vantagem de poder ser realizado em sistemas que
possuem dinâmica e modelo desconhecidos, o que facilita sua aplicação em indústrias. Porém,
o mesmo foi desenvolvido para gerar overshoot de aproximadamente 25%, podendo variar de
10% a 60%. Para a diminuição de overshoot pode-se utilizar uma sintonia fina através de
tentativa e erro depois de obtida a sintonia de ZN.
Para obtenção dos parâmetros, primeiramente deve-se zerar os ganhos integral e derivativo,
de forma a deixar o controlador apenas com a parcela proporcional. Então, deve-se aumentar
o ganho proporcional até que sejam obtidas oscilações contidas (de mesma amplitude e
33
período) na PV. O valor de Kp para o qual o sistema apresentou oscilações é denominado

ganho crítico (Kcr), e o período das oscilações é denominado período crítico (Pcr). Vale
ressaltar que este método serve apenas para modelos de ordem igual ou superior a dois.
1.5
0.5
0
0 10 20 30 40 50
FIGURA 3.2 – Exemplo de oscilações sustentadas para aplicação do Método ZN.

FONTE: ROSSI
A partir do ganho e período críticos, é possível determinar os ganhos para controladores P, PI

ou PID conforme a TABELA 3.1. Lembrando que se utilizados sem um posterior
refinamento, os parâmetros obtidos pelo método ZN geram um controlador agressivo.
TABELA 3.1 – Parâmetros de Sintonia por Ziegler-Nichols.

FONTE: TORRES, 2004
Controlador Kp Ti Td
P 0,5 Kcr - -
PI 0,45 Kcr 0,83 Pcr -
PID 0,6 Kcr 0,5 Pcr 0,125 Pcr
A sintonia gerada pelo método ZN gera uma resposta com taxa de amortecimento de ¼ de
onda. Porém, para algumas aplicações tanto o overshoot quanto o decaimento de ¼
apresentado pela sintonia de ZN são indesejáveis. Assim, foi proposto por Seborg et al (1989)
uma modificação dos parâmetros de modo a obter-se uma resposta mais lenta e amortecida.
Tais modificações estão demonstradas na TABELA 3.2.
34
TABELA 3.2 – Parâmetros Modificados de Sintonia por Ziegler-Nichols.

FONTE: TORRES, 2004
Kp Ti Td
Original (¼ decaimento) 0,6 Kcr 0,5 Pcr 0,125 Pcr
Algum overshoot 0,33 Kcr 0,5 Pcr 0,333 Pcr
Sem overshoot 0,2 Kcr 0,5 Pcr 0,333 Pcr
3.4.3 Sintonia por Métodos Baseados em Modelos de 1ª Ordem
Também conhecida como métodos de sintonia baseados em modelos FOPDT (“First Order
Plus Dead Time” – Primeira ordem mais tempo morto), este tipo de sintonia oferece uma
alternativa para a determinação de parâmetros de sistemas cujo método de ZN em malha
fechada pode ser inadequado. Seja pelo fato de se levar o sistema próximo a instabilidade ou
pela presença de grandes constantes de tempo (TORRES, 2004).
Se o modelo FOPDT do sistema for conhecido, torna-se uma tarefa trivial sintonizar um
controlador PID. Um dos problemas que podem ser levantados são a simplicidade e
imprecisão dos modelos de 1ª ordem, mas mesmo com tais características, os FOPDT’s
podem descrever satisfatoriamente a maioria dos sistemas encontrados nas indústrias. O maior
problema enfrentado pelos profissionais é encontrar tal modelo.
Uma das formas mais utilizadas para obtenção do modelo FOPDT é observando a resposta do
sistema, em malha aberta, a um degrau na CO (“Curva de Reação” de ZN). Uma vez obtida
essa resposta, pode-se determinar o ganho K, a constante de tempo τ e o tempo morto θ do
sistema para determinação dos parâmetros de sintonia.
O maior problema desse tipo de sintonia é o fato de que apenas a inspeção visual da resposta
do controlador não proporcionará a obtenção de tais parâmetros do controlador se o sinal de
saída do sistema contiver ruídos, o que é muito comum na indústria. Assim, torna-se
necessário um software para identificação e sintonia da malha.
35
No caso da mina de Alegria da VALE, a identificação do modelo e a sugestão dos parâmetros

de sintonia da malha são feitos através do degrau em malha aberta, em paralelo com o
software ExperTune PID Tuner, que será discutido posteriormente.
3.4.4 Projeto de Controladores pelo Método Direto
Através desse método, especifica-se uma resposta desejada ao sistema em malha fechada,
anulando a função de transferência (modelo) do sistema, forçando o sistema a assumir a
função de transferência desejada. A vantagem do Método Direto é que se pode obter uma
relação direta entre o controlador desejado e o modelo do processo, como demonstrado na
equação 3.10.
C
1 R d
Gc (3.10)
G 1 C
R d
Onde:
o Gc = Função de Transferência desejada;

o G = Função de Transferência do sistema;
o C = Função de Transferência desejada em malha fechada.

Rd
Apesar de nem sempre ser possível obter uma estrutura PID para o controlador resultante,
para processos FOPDT ou de 2ª ordem é sempre possível obter controladores PI ou PID
(TORRES, 2004; SEBORG et al, 1989).
Além disso, para a implementação de controladores pelo Método Direto, deve-se ter um
modelo confiável do processo, uma vez que a parcela 1 da função de transferência do

G
controlador deve ser anulada. Se o modelo do sistema não for condizente com o real,
aparecerão desvios na resposta desejada do controlador, variando desde uma piora no
desempenho até a instabilidade dependendo da diferença entre o modelo real e o usado na
fórmula.
36
Segundo Torres (2004), o sucesso desse método depende muito da especificação de C ;o

Rd
que exige um profundo conhecimento do processo, ou seja, é necessário determinar as
possibilidades de melhoria de desempenho que o controlador pode trazer ao processo.
3.4.5 Sintonia Lambda
A Sintonia Lambda é apenas um caso particular do projeto de controladores pelo Método

Direto, no qual se busca uma resposta de 1ª ordem e sem overshoot. Devido a natureza da
resposta obtida, esta sintonia se torna muito robusta, no que diz respeito a estabilidade do
processo, o que implica em uma resposta lenta a distúrbios de carga e mudanças de SP.
Outra particularidade da Sintonia Lambda é que os parâmetros são alterados conforme a

relação entre o tempo morto θ e a constante de tempo τ do sistema; conforme a TABELA 3.3.
TABELA 3.3 – Ganhos do controlador através da Sintonia Lambda.

FONTE: TORRES (2004)
( t ol ) se ( t cl )
Kp Ti Kp Ti
Relaxado (t cl 2 t ol ) 1
2 K K 2
Muito relaxado (t cl 3 t ol ) 1
3 K K 3
Onde:
o t ol = Constante de tempo em malha aberta;
o t cl = Constante de tempo em malha fechada;

o K = Ganho do sistema.
37
3.4.6 Sintonia através de Software
Apesar de apresentarem altos índices de eficiência, os métodos manuais de sintonia

apresentados são trabalhosos e imprecisos; principalmente devido ao fato de serem
dependentes de várias informações, na maioria das vezes de difícil obtenção.
Métodos como o de ZN produzem uma sintonia muito agressiva, sendo necessária uma
sintonia fina após a aplicação do mesmo; o oposto da sintonia Lambda, que produz
parâmetros muito conservadores; já para o método Direto, se faz necessário o conhecimento
do modelo do processo, que o torna muitas vezes inviável, e finalmente os métodos baseados
em modelos FOPDT, se realizados sem o auxílio de um software, são muito prejudicados pela
presença de ruídos.
Softwares como o PlantTriage, utilizado na VALE, além de auxiliarem na sintonia de

controladores, possuem vários parâmetros de diagnóstico de falhas e possíveis causas de
desvios no desempenho do sistema, os quais serão discutidos posteriormente.
Para obtenção dos parâmetros de sintonia, o software exige um conhecimento prévio do

modelo, e para tanto não são necessários cálculos ou conhecimento prévio da dinâmica do
sistema. O próprio software captura o modelo em tempo real se for possível, ou pode fazê-lo
através de testes simples como um degrau em malha aberta (na CO) ou uma mudança de
setpoint.
Como para algumas malhas essenciais ao funcionamento do processo não é possível executar
esses testes durante o funcionamento das mesmas, deve-se aproveitar paradas da planta para
executar a captura do modelo, e posterior sintonia da malha, com o cuidado das condições do
teste não serem condizentes com as normais de operação.
Com a obtenção do modelo do sistema, o PlantTriage automaticamente calcula várias opções

de sintonia, fornecendo como opções desde sintonias agressivas a mais conservadoras. O que
leva a melhores resultados, devido a possibilidade de adequação de cada caso a sua sintonia
ótima, e uma grande otimização do trabalho de sintonia e auditoria das malhas de controle de
uma planta.
38
FIGURA 3.3 – Parâmetros do sistema sugeridos pelo PID Tuner.

FONTE: ExperTune PID Tuner.
Então, cabe ao profissional por trás do software escolher a melhor opção para determinada
malha. A FIG. 3.3 mostra o quadro de sintonias sugeridas pelo PlantTriage, com opções tanto
para controladores PI quanto PID. Nele é possível visualizar valores pertinentes a sintonia,
como RRT (Response Time), Safety Factor (Coeficiente de segurança), tempo sugerido para
aplicação de filtros na PV, escolha do tipo de filtro, entre outros.
39
4 PLANTTRIAGE
O objetivo do PlantTriage é um monitoramento online para avaliação das malhas de controle

presentes na indústria. Além do diagnóstico de quais as malhas estão com as piores
avaliações, o PlantTriage indica os principais motivos para o mau desempenho das mesmas,
facilitando assim ações de manutenção e inspeção.
Devido a alta disponibilidade de ferramentas de avaliação e a integração das mesmas, é

possível visualizar dados sobre a avaliação de desempenho, diagnóstico, análise e sintonia das
malhas de controle. Para tal, o PlantTriage conta com mais de 60 índices de avaliação, alguns
dos quais serão discutidos mais adiante nesse capítulo (ExperTune, 2007).
Algumas das funcionalidades do software são (ATAN, 2008):
 Monitoração online passiva de todas as malhas de controle;

 Vários índices de avaliação diferentes;
 Listagem das malhas com maior oportunidade de retorno econômico, direcionando os
recursos de manutenção;
 Apresentação do desempenho das malhas, unidades e planta através de navegadores
web, permitindo o monitoramento a partir de qualquer computador e com recursos
para observação do desempenho de todas as malhas em uma única tela (Treemap);
 Ferramentas para diagnóstico rápido de problemas e sintonia de malhas.
Como uma planta industrial pode conter de dezenas a milhares de malhas de controle,
dependendo do seu tamanho e também do tipo de processo envolvido, o bom funcionamento
das mesmas é indispensável para a obtenção de um alto nível de qualidade e produtividade.
Além disso, malhas com o funcionamento ótimo trazem aumento nos lucros e diminuição nas
despesas.
Para tanto, é necessário um monitoramento constante do desempenho das malhas, o que é

inviável até mesmo para plantas que não possuem muitas malhas. Por exemplo, na mina de
Alegria da VALE, existem aproximadamente 160 malhas de controle, das quais 86 são
monitoradas online pelo PlantTriage. A escolha de quais malhas serão monitoradas faz parte
40
de um trabalho em equipe das áreas de Manutenção, Operação, Processos e Automação, pois

tal decisão influencia no trabalho de cada uma em prol do bom funcionamento da planta.
O PlantTriage tem uma hierarquia desenvolvida para agrupar as malhas nele cadastradas. Em
primeiro lugar, está o Site que representa a empresa como um todo, depois vem a Planta, que
representa cada unidade da empresa onde o software atua; logo em seguida a Unidade, que
representa cada unidade de operação da Planta em questão, e por último as Malhas
pertencentes a cada unidade. O esquema dessa hierarquia pode ser visto na FIG. 4.1. O
software pode ser integrado com sistemas PIMS, MES (Manufacturing Execution Systems) e
sistemas de controle.
FIGURA 4.1 – Hierarquia do PlantTriage.

41
4.1 Comunicação
A captura dos dados referentes as malhas de controle pode ser feita de duas formas distintas,
são elas OPC DA e OPC HDA. Tais comunicações são compatíveis com quaisquer PLC’s
encontrados na indústria, em alguns casos sendo necessária a utilização de um software de
sincronismo. A arquitetura clássica da comunicação OPC é como demonstrada na FIG. 4.2.
O protocolo OPC DA fornece dados em tempo real, estando sempre focado na comunicação
ininterrupta, para comunicações entre interfaces tais como PLC’s e interfaces homem
máquina (IHM’s), ou entre servidores. Este último é o caso do PlantTriage; o servidor OPC
local pega as informações diretamente do PLC, e as envia para o servidor central do
PlantTriage, onde as informações são tratadas adequadamente.
FIGURA 4.2 – Exemplo de Arquitetura Clássica de uma comunicação OPC.

FONTE: OPC Foundation
Este é o protocolo utilizado na mina de Alegria, porém há a necessidade de um software de

sincronismo, como mencionado anteriormente, para a comunicação entre o servidor OPC
42
local e o servidor central do PlantTriage, o Matrikon OPC Tunneller. A existência desse

software deve-se ao fato de a comunicação OPC pura, ou sem qualquer tipo de auxílio é muito
susceptível a falhas, devido a instabilidade e difícil configuração/manutenção do protocolo
DCOM (Distributed Component Object Model).
Já o protocolo OPC HDA trabalha com dados históricos do processo, armazenando assim uma
quantidade maior de dados no servidor OPC. No caso da VALE, é utilizado um outro
software para fazer a função de historiador, o Canary Labs. Como o historiador não é o foco
deste trabalho, o mesmo será apenas citado.
É importante ressaltar, que mesmo com a utilização do Matrikon OPC Tunneller, é possível o
aparecimento de problemas de comunicação entre os servidores OPC locais e o servidor do
PlantTriage. Além disso, nem todas as minas utilizam esse software como interface de
comunicação; apenas em casos mais críticos como o da mina de Alegria, que não possui um
servidor OPC dedicado para o uso do PlantTriage.
4.2 Avaliação das Malhas de Controle
Como apenas as notas das malhas podem não significar muito para pessoas com pouco
conhecimento sobre as funcionalidades e métodos do software, o PlantTriage disponibiliza
três tipos de normalizações para que, independentemente dos valores desejado (Baseline) e de
limiar (Threshold), qualquer pessoa que tenha acesso as avaliações possam entendê-las. São
estas a %T, a %E e a %L.
A normalização %T (% towards Threshold) consiste em um indicador do quão próximo a

avaliação da malha está de seu limite, tendo seu mínimo em 0% e sem valor máximo definido.
Segundo ATAN (2008), uma nota %T igual a 100% quer dizer que o referido indicador está
em seu limite, enquanto uma nota %T igual a 0% quer dizer que o mesmo atingiu
desempenho igual ao desejado. Analogamente, uma nota %T maior que 100% quer dizer que
o indicador em questão está acima do limite pré-estabelecido. A normalização %T é calculada
como demonstrado na equação 4.1.
Valor _ do _ Indicador Baseline

%T 100 (4.1)
Threshold Baseline
43
Apesar de ser um índice bastante utilizado, o %T não leva em consideração a importância

econômica da malha em questão. Vale ressaltar que em todo processo industrial, algumas
malhas de controle sempre vão ter uma influência maior nos custos e qualidade do produto
final do que outras. Pensando nisso, foi desenvolvida a normalização %E, para que seja
possível atribuir um peso econômico as avaliações das malhas.
Existem três possíveis denominações para a importância econômica das malhas de controle no
PlantTriage, são elas High (Alta), Average (Média) e Low (Baixa). De acordo com a
importância econômica da malha, é atribuído um peso econômico a mesma. Esse peso pode
ser editado no próprio software, como mostrado na FIG. 4.3.
FIGURA 4.3 – Exemplo de seleção de pesos econômicos das malhas.

FONTE: ExperTune PlantTriage
Uma vez atribuídos valores para os pesos econômicos das malhas de controle, torna-se
possível a obtenção da normalização %E, e o cálculo é feito conforme a equação 4.2. Não é
possível alterar o peso econômico para importância econômica alta (1 por default), podendo
assim, definir o quanto vão ser diminuídas as notas das malhas com menores importâncias
econômicas.
%T
%E (4.2)
Peso _ Econômico
44
Finalmente, a normalização %L representa a porcentagem das malhas de uma unidade

operacional, área, planta ou site, cujo valor %T do indicador em questão é maior ou igual a
100%, ou seja, a porcentagem de malhas cujo valor atual do indicador está insatisfatório.
Isso se torna importante no diagnóstico de mau desempenho de toda uma unidade operacional
ou apenas de algumas malhas da mesma, tornando possível um direcionamento efetivo de
esforços de manutenção. Devido a natureza da normalização, não é possível sua aplicação
apenas a uma malha, sendo aplicável somente para sites, plantas ou unidades.
Apesar de o PlantTriage disponibilizar vários indicadores de desempenho, é desejável que o

desempenho da malha de controle possa ser simplificadamente definido por apenas alguns
desses. A escolha de tais indicadores deve ser feita cuidadosamente, de forma que os
parâmetros escolhidos possam representar, de forma mais completa possível, a situação da
malha de acordo com os fatores que possuem um maior impacto no desempenho da mesma.
Esses indicadores são determinados KPI’s (Key Performance Indicators – Indicadores Chave
de Desempenho), e são utilizados na composição da Nota Global. O objetivo da Nota Global é
refletir o desempenho da malha como um todo em uma única nota, apontando as malhas com
pior desempenho e que necessitam uma análise mais detalhada.
A Nota Global abrange as notas %T dos KPI’s selecionados, demonstrando o quanto a malha
está próxima ou não dos limiares estabelecidos. Portanto, assim como a nota %T, a Nota
Global indica melhor desempenho para menores valores. O cálculo é feito através da média
das notas %T para os KPI’s definidos pelo usuário, tornando a Nota Global igual a Nota
Global %T. Porém, é possível ainda a obtenção da Nota Global %E, que também é definida
como Loop Health %E.
Para o projeto de auditoria das malhas de controle da VALE, foram escolhidos apenas três
indicadores para funcionar como KPI’s. Tal decisão foi tomada devido a situação anterior das
malhas do complexo Mariana, que não estavam tendo nenhum tipo de acompanhamento antes
da implantação do projeto.
45
Foi decidido que até a adequação do desempenho das malhas com o esperado, seriam
utilizados apenas os três KPI’s iniciais, e juntamente com a melhora gradual do desempenho,
seriam aumentadas também as exigências através de incorporação de novos KPI’s.
Os três KPI’s escolhidos para comporem a Nota Global foram:
 Erro Médio Absoluto (Average Absolute Error);

 Saída Saturada (Output at Limit);
 Tempo em Modo Normal (Time in Normal).
O Erro Médio Absoluto utiliza o erro entre a variável de processo e o setpoint, normalizado
para ser indicado como porcentagem do span da variável de processo. O indicador usa a soma
dos erros absolutos, em porcentagem do span, dividido pelo número de pontos de aquisição
de dados durante o período de avaliação. O resultado apresentado fica entre 0% e 100%,
sendo que números menores indicam melhor desempenho da malha para o indicador em
questão (ExperTune, 2007).
A Saída Saturada indica a porcentagem do tempo em que a saída do controlador esteve em

seu limite durante o período de avaliação. Tais limites não são necessariamente 0% e 100%,
pois tais valores podem ser configurados para serem lidos via OPC; como exemplificado na
FIG. 4.4. Uma observação importante sobre esse indicador é que o seu valor original (somente
Saída Saturada) e a normalização %T são inversos. Para valores originais, são desejadas notas
altas, e para valores %T, sempre notas menores indicam um melhor desempenho.
O Tempo em Modo Normal indica a porcentagem de tempo em que a malha se encontra em

algum modo de operação automático durante o período de avaliação. Ou seja, modo normal
indica qualquer modo de operação que não seja manual, podendo ser automático, local ou
remoto. O importante para esse tipo de avaliação é que o controlador não esteja em modo
manual, indicando assim que a programação para o controle está sendo utilizada
normalmente. Esse indicador possui a mesma relação com sua normalização %T do descrito
para o indicador Saída Saturada.
46
FIGURA 4.4 – Exemplo de leitura de limites da saída do controlador via OPC.

Pode-se observar na FIG. 4.4 as opções de limites fixos da saída do controlador ou que os
mesmos sejam lidos via OPC, com a possibilidade para o teste da comunicação e procura de
novas tags para representação dos limites.
Além desses indicadores apresentados, são usados vários outros na análise detalhada das
malhas de controle, dentre eles os diagnósticos completo e simples das malhas (Loop
Diagnosis Full e Simple), todos os indicadores de oscilações (Oscilating, Oscilating-Load,
Oscilating-Tuning e Oscilating-Valve) e os diagnósticos de excursão e reversão da válvula
(Valve Travel e Valve Reversals).
47
Os diagnósticos, completo e simples, das malhas são extremamente úteis para o

direcionamento dos esforços de manutenção da malha. No diagnóstico completo, as
informações são fornecidas em forma textual, mais completa e de fácil entendimento; já no
simples, as informações são dadas de maneira separada, acompanhadas de números para que o
profissional tenha uma noção da gravidade daquele problema. O diagnóstico simples pode
conter as expressões detalhadas na TABELA 4.1, que traz também os significados das
expressões.
TABELA 4.1 – Diagnósticos simples das malhas.

FONTE: ATAN, 2008.
Diagnóstico Significado
Oscilating – Valve Oscilando devido a válvula.
Oscilating – Tuning Oscilando devido a sintonia.
Oscilating – Load Oscilando devido a carga
(acoplamento entre malhas).
Bad Communications Problemas de comunicação.
Valve (or CO) at a Limit Válvula (ou CO) saturada.
PV at Limit PV Saturada.
Not in Normal Mode Não está em modo normal.
Loop Unable to Hold SP Malha incapaz de atingir o SP (erro
médio não-absoluto elevado).
Excessive Valve Travel Excursão excessiva da válvula.
Flat Lining PV estagnada.
Failed Sensor Problemas no sensor.
Sensor High Noise Ruído excessivo no sensor.
Sluggish Tuning Sintonia lenta.
Filter too Large Constante de tempo do filtro muito
grande.
Inappropriate Derivative Ação derivativa utilizada
inapropriadamente.
Excessive Valve Wear Desgaste excessivo da válvula.
Inneffective Derivative Ação derivativa ineficaz.
OK Sem problemas.
48
Os diagnósticos de oscilações são importantes, mas suas derivações são mais úteis no
diagnóstico da causa do problema. De posse da informação da causa da oscilação, se a mesma
tem origem na válvula, na sintonia ou no acoplamento entre malhas do processo, se torna mais
fácil realizar uma inspeção e a posterior correção do problema. Pode ser visto na FIG. 4.5 que
o diagnóstico específico das oscilações sempre é dado de forma a compor o indicador
principal, ou seja, como o indicador Oscilating possui valor de 100%, este valor se encontra
decomposto em oscilações de carga (OscLoad) e oscilações de válvula (OscHardware), nos
valores de 60% e 40%, respectivamente.
FIGURA 4.5 – Diagnóstico de oscilações pelo PlantTriage.

FONTE: ExperTune PlantTriage.
Já os diagnósticos referentes as válvulas, tem grande importância na detecção de potenciais

problemas existentes nas mesmas. Uma válvula com grande índice de reversões pode estar
com agarramento ou sofrendo um desgaste excessivo devido a fatores como, por exemplo,
uma sintonia agressiva da malha. Já uma válvula com elevado índice de excursão, é uma séria
candidata a ter problemas no futuro. Ambos diagnósticos sobre as válvulas são normalizados
para um período de 24 horas. Na FIG. 4.6 podem-se observar os altos índices tanto de
reversão quanto de excursão de válvula.
49
FIGURA 4.6 – Diagnósticos dos indicadores de válvulas pelo PlantTriage.

As notas geradas pelo PlantTriage podem vir acompanhadas de alguns caracteres especiais,
que indicam situações atípicas no cálculo das mesmas. O conhecimento destes é importante
principalmente para a verificação da disponibilidade dos dados, ou de algum problema de
comunicação. Os caracteres utilizados e seus significados são explicados a seguir.
 “†” → Significa que esta nota corresponde a uma avaliação passada;

 “*”→ Significa que a nota ultrapassou o limiar configurado para a mesma, ou seja, tal
símbolo aparecerá somente para valores brutos da nota, sem normalização;
 “#”→ Significa que não há valores históricos armazenados para a nota em questão,
ocasionando na exibição dos valores atuais;
 “–” → Se o valor da nota for substituído por este traço, significa que o valor desse
indicador é desconhecido, o que implica que o mesmo nunca foi gerado.
4.3 Interface Web
A interface web é uma funcionalidade do PlantTriage onde é possível visualizar informações

sobre o desempenho das malhas de controle de forma mais rápida e simples se comparado a
50
interface de engenharia. Contendo recursos tais como sinais de alerta, relatórios específicos,
malhas com maior retorno econômico possível, mapa de operação (Treemap), dentre outras
funcionalidades.
Através desta interface, é possível criar novos relatórios, contendo os indicadores mais
pertinentes a cada usuário, com a opção de torná-los públicos ou não. Além disso, alguns
relatórios padrões podem ser visualizados e modificados, sendo necessário salvá-los com um
nome diferente do original. Tal interface permite também gerar relatórios para um período
determinado de tempo, configurando hora de início e de término dos indicadores a serem
exibidos.
A exibição desses relatórios não é feita apenas na interface web do software, mas também
podem ser enviados para e-mails previamente configurados. O envio pode ser feito tanto com
relatórios em formato .pdf quanto exportados para Excel.
Esta interface permite também a configuração de alarmes. Por exemplo, se determinada malha
possui função vital no processo de uma indústria, pode-se configurar um alarme para informar
os usuários do PlantTriage sobre o desempenho da mesma, seja via e-mail, alerta na página
inicial da interface ou via registro de alarmes. Desta maneira é possível minimizar o tempo
entre a piora do desempenho da malha e as ações para o retorno a sua operação normal.
Outra funcionalidade importante presente na interface web do PlantTriage é o mapa de

operação, também conhecido como Treemap. Nele todas as malhas de um site, planta ou
unidade são mostradas como retângulos, os quais é possível configurar o que vai determinar o
tamanho do retângulo, a cor correspondente, o esquema de cores e quantas serão utilizadas
para a representação. Por proporcionar uma fácil diferenciação entre as malhas com
desempenho satisfatório e insatisfatório, o mapa de operação se torna uma importante
ferramenta de diagnóstico no dia-a-dia das empresas que possuem o PlantTriage.
51
FIGURA 4.7 – Mapa de operação da mina de Alegria.

FONTE: PlantTriage Interface Web.
4.4 Interface de Engenharia
Através da interface de engenharia do PlantTriage, é possível realizar todas as configurações

sobre o monitoramento das malhas de controle cadastradas no software, além de incluir novas
malhas e retirar outras, seja por questão de ativação/desativação ou diminuição da importância
para o bom andamento do processo como um todo.
52
Também está disponível nessa interface a visualização de dados referentes ao processo quanto
aos indicadores fornecidos pelo software, tanto históricos quanto em tempo real. A inspeção
desses dados proporciona a detecção de situações não descritas pelos indicadores do
PlantTriage, bem como a confirmação dos mesmos.
Devem ser feitas nessa interface quaisquer tipos de configurações sobre o desempenho ótimo
e aceitável da malha (Baselines e Thresholds), bem como a definição dos KPI’s que serão
utilizados pelo software. Na parte destinada as propriedades da malha, também presente na
interface de engenharia, podem ser vistos e/ou alterados parâmetros tais como:
 Descrição da malha;
 Definição de quando a malha será avaliada ou não (malha online ou offline);
 Os spans da variável de processo, saída do controlador;
 Modificação de endereços de leitura das variáveis referentes a malha.
Porém, além dessas possíveis configurações presentes no PlantTriage, há um campo que

chama atenção pela possibilidade de integração dos vários usuários do software. O campo
chamado de notas de engenharia (Loop Engineering Notes), onde podem ser colocados
livremente 800 caracteres ASCII. Esse campo é considerado tão importante devido a troca de
informação entre os vários profissionais que utilizam o PlantTriage, como por exemplo,
inspeções já realizadas na malha ou até mesmo em caso de mudança de profissional
responsável.
Há também na janela das propriedades da malha, as notas obtidas pela malha na última
avaliação. Além da demonstração numérica, o PlantTriage utiliza as cores das linhas para
simbolizar o quanto este indicador se encontra próximo ao limiar configurado, analogamente
ao sistema de cores utilizado pelo mapa de operação. Os significados das cores são:
 Sem preenchimento → O indicador não possui limiar configurado ou está próximo do

desempenho desejado;
 Amarelo → Valor próximo ao limiar configurado, porém ainda abaixo do mesmo;
 Vermelho → Valor acima do limiar configurado.
53
FIGURA 4.8 – Exemplo da utilização das notas de engenharia de uma malha.

Além das notas dos indicadores, a interface de engenharia proporciona também se foi possível
calcular as notas para a malha e um diagnóstico simplificado do porquê um determinado
conjunto de índices não foi calculado. Alguns desses diagnósticos são explicados a seguir.
 YES → Todos os indicadores foram calculados;

 YES, DATA REPAIR → Os dados foram estimados ou corrigidos com base no
algoritmo de validação do PlantTriage;
 YES, SPAN SMALL → Os valores de span máximo e mínimo são iguais ou muito
próximos;
54
 YES, NO DATA → Algum valor não esteve sempre disponível, sendo calculados todos
os indicadores que não dependem desse valor. A especificação de qual valor esteve
indisponível aparece entre parênteses. Ex.: (NO DATA (PV));
 YES, DATA MISSING → O valor estava disponível, mas houve perda de dados. A
especificação do valor vem entre parênteses assim como no diagnóstico NO DATA;
 YES, SP = PV → Os indicadores são calculados, mas os que dependem do setpoint
terão valor nulo ou muito pequeno;
 NO, NO DATA → A variável de processo e a saída do controlador estiveram
indisponíveis durante todo o período de avaliação;
 NO, DATA MISSING → Houve perda de dados e não há informação suficiente para o
cálculo dos indicadores;
 NO, LOOP OFFLINE → A indicação do status da malha permaneceu em offline
durante parte superior a desejada para avaliação da mesma;
 NO, UNIT OFFLINE → A indicação do status da unidade permaneceu em offline
durante parte superior a desejada para avaliação da mesma.
55
5 BENEFICIAMENTO DE MINÉRIO
As principais operações efetuadas nas minerações são compostas basicamente de duas fases, a
fase de lavra e a de beneficiamento do minério. A fase de lavra consiste na extração de
substancias minerais a partir de depósitos ou massas minerais. Já a fase de beneficiamento
consiste em adequar o minério lavrado as especificações em termos de teores e granulometria
exigidas pelos clientes.
Devido a presença maior da automação na fase de beneficiamento do minério, apenas esta

será descrita com uma maior riqueza de detalhes. As áreas serão divididas conforme a divisão
utilizada por Silva e Carvalho (2003).
5.1 Britagem
A britagem é parte do estágio primário do beneficiamento de minério denominado

fragmentação. Seu objetivo é adequar o tamanho das rochas provenientes da mina a sua
utilização imediata ou tratamento posterior e individualizar o minério de diferentes espécies
minerais para possibilitar sua separação (SILVA & CARVALHO, 2003).
As operações de britagem e moagem tem um custo muito alto devido a energia gasta e
material de desgaste (revestimentos ou corpos moedores), portanto deve-se evitar a redução
excessiva, limitando-a ao tamanho estritamente necessário para as operações posteriores.
Na área de britagem da mina de Alegria, são monitoradas as malhas referentes aos britadores
cônicos, malhas de taxa de alimentação de vários alimentadores importantes para o bom
desempenho do processo e algumas malhas de adição de água em peneiras, para prevenir o
agarramento de material e indesejável quebra da tela das peneiras. Nos britadores cônicos, é
necessário monitorar o nível da câmara de britagem, devido ao desgaste excessivo dos
mesmos em caso de funcionamento em vazio.
Nestas malhas há uma constante oscilação devido a alimentação vinda da mina não ser
homogênea, e não haver a possibilidade do controle da mesma. Além de não ser constante a
taxa de material, também não pode ser considerada homogênea sua natureza, ou seja, teor,
dureza, etc.
56
A cominuição se dá através de diferentes mecanismos, classificados de acordo com as

principais forças envolvidas nos mesmos. As forças podem ser: de choque ou impacto, de
esmagamento, ou de cisalhamento por abrasão, conforme demonstrado na FIG. 5.1.
FIGURA 5.1 – Mecanismos de cominuição.

FONTE: SILVA & CARVALHO, 2003
5.2 Classificação
Uma vez que as partículas provenientes da minas adquirem um tamanho adequado para o
tratamento após a cominuição, torna-se necessário sua separação. Esta classificação pode ser
feita através de vários meios, dentre eles o peneiramento (classificação geométrica) e a
classificação hidráulica.
O peneiramento consiste em separar as partículas submetendo-as a ação de uma série de

peneiras donde se deduz que as propriedades físicas típicas empregadas na separação são o
tamanho e a forma das partículas. Pode-se dizer ainda que é uma forma de fazer passar uma
mistura de diferentes tamanhos através de um meio de aberturas calibradas (SILVA &
CARVALHO, 2003).
Durante o peneiramento, quando executado a úmido, deve-se ter o controle da quantidade de

água adicionada ao processo. Não somente por razões relacionadas a durabilidade das
peneiras ou de seus componentes, mas também pelo desempenho ótimo das mesmas e
economia de água, um dos insumos mais utilizados na indústria de mineração. Por isso se
torna importante o monitoramento das malhas de controle de adição de águas nas peneiras.
57
Na classificação hidráulica, pode-se destacar dois métodos mais utilizados na mineração de

ferro; a classificação espiral e por meio de hidrociclones. Como a primeira já tem como
entrada polpa (minério + água) e possui parâmetros mais simples, não se faz necessário o
monitoramento através de malhas de controle, sendo suficiente apenas intertravamentos e
controles mais simples feitos no PLC.
Já a classificação por meio de hidrociclones depende de vários fatores que necessitam um

controle mais robusto e complexo, fazendo-se necessário o uso de malhas de controle para o
mesmo. Os hidrociclones utilizam a força centrífuga para acelerar a taxa de deposição das
partículas, separando as mesmas por uma diferença de granulometria, densidade, entre outros
fatores.
Para especificar o corte entre as partículas que irão para o concentrado e o rejeito, uma das
técnicas mais utilizadas é o controle da pressão de alimentação dos hidrociclones. O controle
da pressão é feito através da velocidade das bombas de polpa que alimentam os hidrociclones,
compondo assim uma malha de controle. Atualmente na mina de Alegria as malhas de
controle de pressão dos hidrociclones não se encontram monitoradas pelo PlantTriage, porém,
recebem uma atenção especial através de ferramentas PIMS/MES.
5.3 Concentração
Após a etapa de classificação granulométrica terminar, o minério é encaminhado as etapas de

concentração da mistura, para obtenção do concentrado final que é o produto destinado a
indústria de transformação e um rejeito que é descartado. As operações de concentração se
baseiam em diferenças físicas ou físico-químicas entre o mineral desejado e a ganga, como
por exemplo, densidade, suscetibilidade magnética e condutividade elétrica.
Os métodos de concentração empregados na mina de Alegria da VALE são a concentração

magnética e a flotação. Um bom desempenho dos concentradores é sempre desejável, uma
vez que caso haja algum desvio nessas operações há perda de valiosos ou contaminação do
concentrado com elementos deletérios.
58
Na concentração magnética a propriedade diferenciadora entre os minerais-minérios e a ganga

é a suscetibilidade magnética dos minerais presentes na polpa para separá-los. A deficiência
desse processo provoca contaminação do produto e baixa recuperação mássica. Para esses
processos, é importante uma taxa de alimentação mássica constante, levando a necessidade de
malhas de controle de vazão mássica, densidade, porcentagem de sólidos ou vazão
dependendo do caso. Além dessas, algumas variáveis de projeto são importantes para o
desempenho dos concentradores, porém estas não são do escopo deste trabalho.
A FIG. 5.2 mostra um exemplo de um dos concentradores magnéticos Jones utilizados na

mina de Alegria.
ALIMENTAÇÃO
SUPERIOR/
INFERIOR ÁGUA DE RINSE
(MÉDIO)
ÁGUA DE
SISTEMA DE
LAVAGEM
REFRIGERAÇÃO A AR
(CONCENTRADO)
CONJUNTO
ELETROMAGNÉTICO:
ROTOR/
MAGNETOS +
CARROSSE
BOBINAS ELÉTRICAS
L
DESCARGA DESCARGA MÉDIO

REJEITO DESCARGA
CONCENTRADO
FIGURA 5.2 – Exemplo de concentrador magnético do tipo Jones.

FONTE: OLIVEIRA et al, 2008b.
Na flotação inversa do minério de ferro flota-se o mineral pelo qual não se tem interesse; que
é o quartzo principalmente, várias variáveis devem ser controladas para um desempenho
59
ótimo. Dentre estas o pH, a interface polpa-espuma e a dosagem de reagentes (depressores e

coletores). Para o controle de todas essas variáveis existem malhas de controle, devido não
somente a preocupação com o bom desempenho da flotação, mas também com os custos dos
reagentes. Em caso de mau desempenho na etapa de flotação, assim como na concentração
magnética, pode haver contaminação do produto ou desperdício do mesmo no rejeito.
5.4 Desaguamento
A maioria dos processos na mineração envolve grandes quantidades de água, porém, o

concentrado final tem que ser separado da polpa. A etapa de desaguamento tem como intuito
produzir um concentrado final com umidade em torno de 10% para ser comercializado. Os
principais métodos de desaguamento utilizados na vale são o espessamento e a filtragem,
sendo que o primeiro gera um produto com aproximadamente 55 a 65% de sólidos e o
segundo de 80 a 90%, podendo chegar até a 95% (SILVA & CARVALHO, 2003).
No espessamento, a porcentagem de sólidos é aumentada por sedimentação. As duas funções

primárias do espessamento são produzir água limpa no overflow e um produto espessado
concentrado no underflow. As principais malhas de controle presentes nos espessadores são de
adição de reagentes, sendo estes adicionados para ajudar no processo de adensamento de
material, ou para controle de pH nos mesmos.
Segundo Silva e Carvalho (2003) a filtragem é o processo de separação dos sólidos de

líquidos através de um meio poroso, que retém os sólidos e deixa que o líquido passe. Grande
parte dos filtros utiliza vácuo no processo de secagem. Para a boa formação de vácuo, é
necessário um controle da pressão presente na bomba de vácuo, tal controle é comumente
feito por uma malha, que age na válvula de adição de água de selagem da bomba de vácuo.
A FIG. 5.3 mostra o esquema de funcionamento de uma bomba de vácuo como as utilizadas
na mina de Alegria.
60
FIGURA 5.3 – Esquema de funcionamento de uma bomba de vácuo.

FONTE: CORRAIDE, 2004a.
61
6 ESTUDO DE CASO
Para estudo de caso foi utilizada a ação de adequação do funcionamento de uma malha de
controle de pressão de uma das bombas de vácuo presentes na área da filtragem da mina de
Alegria.
6.1 Motivação
Como explicado anteriormente, é necessário realizar um desaguamento do insumo para a

obtenção do concentrado final por diversos fatores. Para tanto, uma das etapas mais
importantes no processo de beneficiamento na mina de Alegria é a filtragem a vácuo.
Para a filtragem adequada do minério, é necessário o controle de pressão das bombas que
produzem o vácuo utilizado nos filtros. Devido a características de construção das bombas de
vácuo, é inevitável uma pequena oscilação na pressão produzida pelas mesmas, porém, no
caso da bomba de vácuo analisada, a oscilação estava bem acima da tolerável.
FIGURA 6.1 – Desempenho da malha de controle de pressão da 2BV-01 antes da sintonia.

62
A seguinte legenda será usada para as FIG. 6.1, 6.3, 6.6 e 6.14 referentes as tendências da
malha de controle:
 Vermelho → Variável de processo;

 Azul → Setpoint;
 Preto → Saída do controlador (abertura da válvula).
Pode-se notar através dos dados apresentados que a oscilação da malha é muito grande,
variando aproximadamente de 1,2 kgf/cm2 a 2,2 kgf/cm2. Se considerarmos o span da variável
que é de 0 a 6 kgf/cm2 isso representa uma oscilação de aproximadamente 16,67%.
6.2 Válvula de Controle
A válvula de controle é definitivamente um dos componentes mais afetados pela ação

oscilatória da malha. Seus indicadores de reversão e excursão de válvula apresentados pelo
PlantTriage eram altíssimos antes da sintonia, gerando um desgaste excessivo e desnecessário
a uma peça que não é de reposição fácil e muito menos barata. Um conjunto válvula e
posicionador gira em torno de R$ 20 mil; uma despesa que nenhuma empresa gostaria de ter
constantemente.
FIGURA 6.2 – Válvula de controle tipo semi-esfera.

FONTE: HITER & CROSBY DO BRASIL.
63
A válvula em questão é do tipo semi-esfera, também chamada de segmento esférico. Segundo

Mathias (2008) esse tipo de válvula de controle tem como elemento móvel de vedação um
disco semi-esférico, com área total de 20% da área de uma esfera convencional. Esta área
menor resulta em um menor curso para abertura e fechamento do obturador, cujo movimento
é concêntrico em relação ao sentido do escoamento do fluxo.
Além disso, como apenas uma parte da superfície da esfera é utilizada para controle, quando
na posição aberta a mesma fica totalmente fora da corrente do fluxo. Isso torna a válvula ideal
para o controle de fluidos pesados, abrasivos e viscosos. O que torna a válvula indicada para o
transporte de polpa na indústria de mineração, um fluido muito abrasivo.
6.3 Sintonia da Malha
A sintonia da malha de controle foi realizada com o auxílio do software ExperTune PID
Tuner, parte do pacote de funcionalidades do PlantTriage. Foi utilizado o método baseado em
modelos de 1ª ordem, e para obtenção do modelo a metodologia adotada foi: colocar a malha
em manual e atribuir um valor comum para a saída do controlador. Logo após foi dado um
degrau na mesma, de amplitude comum ao processo em questão, e a partir da resposta do
sistema a esse degrau foi obtido um modelo para o processo.
Na FIG. 6.3 é possível observar o controlador já em manual, com a saída fixada em 20% e
logo em seguida o degrau negativo de 10%, resultando em uma saída do controlador no valor
de 10%. A partir desse teste foi possível a obtenção de um modelo para o processo. O modelo
resultante do teste demonstrado pode ser visto na FIG. 6.4.
64
FIGURA 6.3 – Degrau aplicado para a determinação de um modelo do processo.

FIGURA 6.4 – Modelo obtido com o teste do degrau feito no sistema.

A FIG. 6.5 mostra a sintonia sugerida pelo software após a execução de uma sintonia fina
através do gráfico de robustez e com base no conhecimento do processo.
65
FIGURA 6.5 – Sugestão de parâmetros feita pelo software.

6.4 Resultados
Com os novos parâmetros aplicados ao controlador, o desempenho do mesmo foi

acompanhado durante um período do tempo, sendo possível observar uma considerável
melhora nas oscilações, como pode ser visto na FIG. 6.6. É importante ressaltar que a FIG.
6.6, a FIG. 6.3 e a FIG. 6.1 estão na mesma escala, tornando possível a visualização dos
ganhos apenas através de inspeções visuais.
Além da inspeção visual, os ganhos puderam ser observados através de índices fornecidos
pelo ExperTune PID Tuner. As FIG. 6.7, 6.8, 6.9 e 6.10 mostram a diferença entre a resposta
da sintonia antiga da malha de controle e a simulação da sintonia sugerida pelo software em
diversas situações.
É importante observar que são apenas simulações, ou seja, não necessariamente a nova
sintonia vai gerar respostas tão boas e livres de oscilações. Apesar disso, nota-se em todas as
comparações feitas que a sintonia sugerida gera respostas muito mais robustas, com menor
índice de excursão e reversões de válvula. Em toda as figuras é possível observar a melhora
dos indicadores da válvula que se encontram entre o gráfico da variável de processo e da saída
do controlador.
66
FIGURA 6.6 – Desempenho da malha de controle de pressão da 2BV-01 depois da sintonia.

FIGURA 6.7 – Resposta a mudança de setpoint.

A seguinte legenda será usada para as FIG. 6.7, 6.8, 6.9 e 6.10 referentes a comparação entre
as sintonias:
 Vermelho → Sintonia nova;

 Azul → Sintonia antiga;
 Preto → Setpoint.
67
Na FIG. 6.7 é visível que ao invés das oscilações sustentadas presentes na sintonia anterior, a
nova sintonia agirá apenas na presença de oscilações de carga, ou seja, provenientes do
processo, o que definitivamente aumenta a robustez do sistema.
FIGURA 6.8 – Resposta a um distúrbio de carga.

A FIG. 6.8 demonstra que na presença de um simples distúrbio de carga, a sintonia anterior
não iria parar de oscilar, mesmo que o distúrbio não voltasse a acontecer. Diferentemente da
nova sintonia, que após um tempo relativamente pequeno (em torno de 30 segundos) retorna
ao seu valor inicial.
FIGURA 6.9 – Medida do ruído da resposta.

68
A FIG. 6.9 mostra que apesar de conter um ruído, esse mesmo não influencia na qualidade da
resposta da nova sintonia. Apesar da melhora no índice de reversões de válvula nesse caso ser
muito pequena, a mesma pode ser explicada pelo ruído introduzido na variável de processo,
exigindo assim ações mais rápidas da válvula. Isso pode ser diminuído aumentando-se o
tempo de atuação do PID no PLC ou introduzindo um filtro na variável de processo.
FIGURA 6.10 – Resposta do controlador ao degrau comparada a simulação com nova

sintonia.
A FIG. 6.10 simula apenas como seria a resposta do sistema ao degrau que gerou o modelo se
a nova sintonia já estivesse implementada.
FIGURA 6.11 – Sumário de performance da sintonia.

A FIG 6.11 mostra os ganhos de desempenho, robustez, índices referentes a válvula de

controle e tempo de resposta do sistema. Este último aumentou, tornando o sistema mais
69
lento. Isso poderia se tornar um problema, porém, como o processo mantém o setpoint
constante e não sofre paradas frequentes, é possível aumentar a robustez do sistema sem a
preocupação com o seu tempo de resposta, pois raramente o sistema vai apresentar grandes
erros.
FIGURA 6.12 – Gráfico de robustez do sistema.

A seguinte legenda será usada para a FIG. 6.12 referente a comparação de robustez do
sistema:
 Vermelho → Sintonia nova;

 Azul escuro → Sintonia antiga;
 Preto → Ponto de instabilidade;
 Azul claro → Fator de segurança da malha.
Apesar de o software não ter calculado o ganho de robustez, é possível visualizá-lo na FIG.
6.12, onde a curva em azul representa a sintonia antiga da malha, e a curva vermelha a
sintonia nova. O losango azul claro com a cruz no meio simboliza o fator de segurança do
sistema, que pode ser configurado; e a cruz representa o ponto de instabilidade do sistema.
Portanto, se antes a sintonia não atendia o fator de segurança configurado para a malha, com a
nova sintonia a resposta do controlador vai ter uma robustez muito maior, o que pode ser
confirmado pela diminuição das oscilações.
A FIG. 6.13 representa o diagrama de Bode do sistema e do modelo obtido. A proximidade do

ganho e do ângulo de fase do sistema com os obtidos somente com os modelos demonstra a
boa qualidade do modelo obtido.
70
FIGURA 6.13 – Diagrama de Bode para o sistema e o modelo obtido.

FIGURA 6.14 – Malha antes (1), durante (2) e após (3) a sintonia realizada.
71
Na FIG. 6.14 é possível visualizar todo o processo de sintonia da malha de controle, onde
estão delimitadas por linhas pretas verticais e indicadas por números as situações em que a
malha esteve durante todo o processo, onde:
o 1 → Representa o desempenho da malha antes da sintonia, desde a partida da bomba

até a troca do modo da malha para manual;
o 2 → Representa os degraus aplicados na malha para obtenção do modelo do sistema,
foram aplicados mais de um degrau ao sistema e escolhido aquele que obteve um
modelo com qualidade superior segundo o software;
o 3 → Representa o desempenho da malha depois da sintonia, demonstrando o ganho de
robustez e estabilidade obtidos.
72
7 CONSIDERAÇÕES FINAIS
Durante a elaboração do trabalho foi possível perceber que o PlantTriage e suas

funcionalidades desempenham um papel fundamental, tanto para o monitoramento das malhas
de controle de uma indústria quanto para a melhoria de desempenho das mesmas. Porém,
somente a presença do software não é suficiente para nenhum dos propósitos citados acima,
sendo necessário um profissional capacitado para a implantação, monitoramento e
manutenção que se fizerem necessários.
Além disso, obteve-se uma grande melhora de desempenho na malha de controle de pressão
analisada no estudo de caso. Tal processo de sintonia deve ser, posteriormente, repetido para
todas as outras malhas de controle de pressão da área, pois não é prudente simplesmente
copiar os resultados de sintonia obtidos na malha analisada para outras. Pois por mais que
sejam compostas de instrumentos e atuadores similares, há sempre peculiaridades em cada
processo, como por exemplo um desgaste maior de uma válvula de controle, ou perda de
carga nas tubulações. Enfim, tornam-se necessários novos testes nas malhas que compõe o
restante da área de filtragem da mina de Alegria.
É importante ressaltar que o projeto de melhoria das malhas de controle foi acompanhado
apenas durante sua implantação e início de desenvolvimento, devido ao término do período de
estágio na VALE, tornando os potenciais ganhos de um projeto similar muito maiores do que
os apresentados nesse trabalho. Também se faz válida a observação de que um trabalho de
melhoria de desempenho de malhas de controle não tem fim, no sentido de que sempre há
possibilidades de melhorias a serem realizadas.
73
REFERÊNCIAS BIBLIOGRÁFICAS
CARVALHO, J. L. M. Sistemas de Controle Automático. Rio de Janeiro: Ed. LTC, 2000.
CORRAIDE, J. Treinamento de Processo – Filtragem. CVRD. 2004a.
CORRAIDE, J. Treinamento de Processo – Flotação. CVRD. 2004b.
DISTEFANO, J. J.; STUBBERUD, A. R.; WILLIAMS, I. J. Schaum's Outline of Theory

and Problems of Feedback and Control Systems. 2. Ed. New York: Ed. McGraw-Hill.
1990.
DOT 02 – Curso de Análise Detalhada e Sintonia de Malhas de Controle com o PID

Tuner – Transparências. ATAN. 2004b.
DOT 04 – Curso de Avaliação de Desempenho de Malha de Controle – Transparências.

ATAN. 2004a.
FERREIRA, W. Treinamento de Processo – Flotação. CVRD. 2007.
Fundamentos de Controle de Processos. TOP Control, traduzido por ATAN. 2005.
HITER & CROSBY DO BRASIL. Catálogo de válvulas. Disponível em:

<http://www.hiter.com.br>. Acesso em 27 de julho de 2010.
MATHIAS, A. C. Válvulas Industriais, Segurança, Controle: Tipos, Seleção,

Dimensionamento. São Paulo: Artliber Editora. 2008.
MEJÍA, R. I. G.; COELHO, A. A. R.; FARENZENA, M.; TRIERWEILER, J. O.; NUNES,

G. C. Auditoria de Malhas de Controle em Processos Industriais. Tutoriais do XVII
Congresso Brasileiro de Automática. Juiz de Fora: Book Editora. 2008.
OGATA, K. Engenharia de Controle Moderno. 4. Ed. São Paulo: Ed. Pearson Prentice
Hall, 2003.
74
OGATA, K. Ingeniería de Control Moderna. 3. Ed. México: Ed. Prentice Hall

Hispanoamericana. 1998.
OLIVEIRA, L. G.; SILVA, G. A.; OLIVEIRA, S.; TOTOU, A. Manual de Processo.

Concentração Magnética por WDRE. VALE. 2008a.
OLIVEIRA, L. G.; SILVA, G. A.; OLIVEIRA, S.; TOTOU, A. Manual de Processo.

Concentração Magnética por WHC. VALE. 2008b.
OLIVEIRA, L. G.; SILVA, G. A. Manual de Processo. Filtragem – Disco Vertical. VALE.

2008c.
OPC Foundation – About OPC. Disponível em: <http://www.opcfoundation.org>. Acesso

em 23 de julho de 2010.
PALHARES, R. M. Controle de Sistemas Lineares – Notas de aula. Engenharia de

Controle e Automação. UFMG. 2009.
PlantTriage Interface WEB – Manual do Engenheiro. ATAN. 2008.
PlantTriage Manual. ExperTune. 2007.
ROSSI, G. Teoria de Controle – Notas de aula. Engenharia Mecânica. UFMG.
SEBORG, D. E.; EDGAR, T. F.; MELLICHAMP, D. A. Process Dynamics and Control.

USA. John Wiley & Sons. 1989.
SILVA, E.; CARVALHO, C. G. de. Conceitos Básicos de Mineração. CVRD. 2003.
TORRES, B. S. DOT 04 – Curso de Avaliação de Desempenho de Malha de Controle –

Notas de aula. ATAN. 2004.

Universidade Federal de Ouro Preto Escola de Minas em Colegiado Do Curso de Engenharia de Controle e Automaao Cecau

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Universidade Federal de Ouro Preto Escola de Minas em Colegiado Do Curso de Engenharia de Controle e Automaao Cecau

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE OURO PRETO

AVALIAÇÃO DE DESEMPENHO DE MALHAS DE CONTROLE

MONOGRAFGIA DE GRADUAÇÃO EM ENGENHARIA DE CONTROLE E

BEN-HUR SALLES RODRIGUES

Ouro Preto, 2010

AVALIAÇÃO DE DESEMPENHO DE MALHAS DE

Monografia apresentada ao Curso de

Orientador: Ronílson Rocha

Orientador: Prof. Dr. Ronilson Rocha.

Monografia (Graduação) - Universidade Federal de Ouro Preto. Escola de

1. Malhas de controle. 2. Controle de processo. I. Universidade Federal de

“You can't know it all. No matter how smart you

Dedico este trabalho, símbolo da caminhada

A VALE, em especial os integrantes da GAUAS e GAKAS das minas de Alegria e

Palavras-Chave: Malhas de controle; PlantTriage; sintonia; monitoramento de desempenho;

Keywords: Control loops; PlantTriage; tunning; performance monitor; PID control.

Figura 2.1 – Sistema de controle em malha aberta...................................................................19

Tabela 3.1 – Parâmetros de Sintonia por Ziegler-Nichols........................................................33

PLC – Programable Logical Controller (Controlador Lógico Programável)

Ultimamente, vem ocorrendo um aumento considerável na automatização da indústria de

Apesar de o controle automático, mais especificamente as malhas de controle, terem sido

Na maioria das vezes, o trabalho de identificação do problema leva tempo, e necessita de um

Na maioria das vezes, é utilizado o controle realimentado, ou de malha fechada, no qual a CO

Discutir o estado atual do monitoramento assistido por software do desempenho de malhas de

Como plataforma principal para aquisição de dados, simulações, sintonias e outros

Foram analisadas todas as malhas de controle presentes na mina, adicionadas algumas,

1.4 Estrutura do Trabalho

No quarto capítulo são explicadas as principais funcionalidades do software utilizado durante

No quinto capítulo, é dada uma breve introdução do processo de beneficiamento de minério e

Segundo DiStefano et al (1990), um sistema de controle é um arranjo de componentes físicos

2.1 Sistemas de Controle em Malha Aberta

FIGURA 2.1 – Sistema de controle em malha aberta.

2.2 Sistemas de Controle em Malha Fechada

FIGURA 2.2 – Sistema de controle em malha fechada

A FIG. 2.2 representa um diagrama de blocos de um sistema de controle em malha fechada,

2.3 Objetivos de um Sistema de Controle

O objetivo de um sistema de controle é, basicamente, manter a variável de processo igual ao

Certamente o ideal seria um controlador perfeito, sem oscilações e sensível a mudanças de

Algumas características da resposta do controlador a uma mudança de setpoint ou de carga

FIGURA 2.3 – Curva de resposta a uma entrada em degrau unitário.

 Td (tempo morto): é a quantidade de tempo necessária para se detectar uma mudança

As três estruturas são:

 Ideal (padrão; ISA, não-interativa): é definida pela equação:

 Série (interativo): é definida pela equação:

 Paralelo (não-interativo): é definida pela equação:

Apesar de apresentarem estruturas diferentes, é possível obter parâmetros equivalentes para as

3.1 Ação Proporcional

Alguns controladores industriais trazem seus parâmetros em função do ganho proporcional ou

FIGURA 3.1 – Estrutura de um bloco PID do software RSLogix5000 da Rockwell.

3.2 Ação Integral

3.3 Ação Derivativa

A ação derivativa dificilmente é utilizada nos controladores industriais, devido a dualidade de

controlador tem o intuito de reduzir a velocidade das variações da variável de processo,

Se o erro do sistema é constante, não há variações da saída do controlador oriundas da ação

Diferentemente da ação integral, a derivativa não apresenta diferenças entre o tempo

O esquema do controlador PD em paralelo se encontra na EQ 3.9; já o PID é exatamente

3.4 Sintonia de Controladores PID

A sintonia de um controlador pode ser definida, simplificadamente, como definir os valores

Os dois métodos de sintonia de controladores PID mais utilizados na prática atualmente

3.4.1 Sintonia por Tentativa e Erro

 Se aumentarmos muito Kp, controlador responderá mais rapidamente ao aparecimento

muito Ki, o sistema se tornará rápido, porém oscilatório e mais próximo da

3.4.2 Sintonia pelo Método de Ziegler-Nichols