Soteica S-PAA

Conceito e Definição

São Paulo
2022
 1. DEFINIÇÃO DO S-PAA

O S-PAA é um sistema desenvolvido pela Soteica do Brasil Ltda, o qual

utiliza o conceito de “R.T.O. - Real Time Optimization” (Otimização em Tempo
Real) para o gerenciamento dos setores de processo e de energia em plantas
industriais. O S-PAA pode ser visto como uma solução de Otimização Global,
baseado nos princípios fundamentais da Engenharia (Termodinâmica, Balanço
de Massa, Equilíbrio de Fase).

A otimização em tempo real por meio do S-PAA permite estabilizar o

processo como um todo, pois o algoritmo exclusivo do software foi desenvolvido
para lidar com os fenômenos termodinâmicos que regem os processos químicos.
Isto torna possível predizer as tendências do comportamento do processo frente
a uma perturbação ou variação, não se limitando a análise de um período
histórico, ou, aos efeitos em apenas um equipamento.

2. O ALGORITMO GENÉTICO HIBRIDO

Para que fosse possível modelar e otimizar processos variados, que

exigem um equacionamento complexo, o S-PAA foi criado utilizando um
algoritmo genético como parte de seu método de otimização, devido a sua
capacidade de adaptação a problemas de difícil solução, como problemas não-
lineares e de difícil equacionamento.

No entanto, por conta da complexidade dos processos industriais e do

número de variáveis inter-relacionadas, o tempo computacional para atingir o
ponto ótimo de uma variável é muito elevado, pois para garantir a diversidade e
evitar paradas em mínimos locais, a pressão sobre o operador de mutação era
muito elevada. Neste caso, o algoritmo demorava a se estabilizar e necessitava
de muitas avaliações da função objetivo. Deste modo, a hibridização com o
algoritmo geométrico (do tipo Politopo), adiciona um método de busca local para
promover um refinamento da solução final em menor tempo.

Um algoritmo politopo pode ser exemplificado por uma figura geométrica

na dimensão 𝑛 constituída de segmentos de linha interconectando seus 𝑛 + 1

1
vértices. Em duas dimensões um politopo é um triângulo, em três dimensões um
tetraedro e assim por diante. A cada passo do algoritmo, um novo vértice é
gerado. Se o novo vértice é melhor do que pelo menos um dos vértices
existentes, ele substitui o pior vértice.

De certa forma este algoritmo “tateia” o espaço de busca ao redor dos

vértices, seguindo o equacionamento pré-estabelecido. Ao vasculhar este
espaço próximo aos vértices, ele encontra o caminho que leva a minimização do
valor da função objetivo e direciona a solução neste caminho.

O Algoritmo Genético Hibrido (AGH) desenvolvido reúne conceitos dos

algoritmos genéticos tradicionais, como a criação de uma população inicial de
indivíduos, aleatoriamente, e os operadores básicos, com cruzamento e
mutação. Porém, difere dos tradicionais pelo direcionamento para região ótima,
obtido com a utilização do politopo, deixando assim de possuir caráter puramente
aleatório e passando a também seguir regras determinísticas. A Figura 1 mostra
um diagrama do processo de otimização via algoritmo desenvolvido.

Figura 1: Diagrama genérico de otimização via algoritmo genético hibrido Soteica.

2
 De acordo com o fluxograma da Figura 1, o algoritmo se inicia pela
geração da população inicial, cujo os indivíduos são variáveis manipuláveis do
processo produtivo. A geração é feita de modo randômico dentro das faixas
operacionais das variáveis, determinadas pelo usuário (planta industrial).

Em cada um dos operadores genéticos, os indivíduos gerados são

avaliados junto à função objetivo. As respostas da função objetivo são dadas em
termos de vazão de produtos e matérias-primas e devem ser indexadas em
termos do objetivo da otimização (custo, eficiência, produtividade, etc).

Após o crossover (cruzamento com uma nova população), ocorre o

primeiro direcionamento pelo algoritmo politopo, que nesta etapa, tem a função
de direcionar os indivíduos que podem ou não sofrer mutação. A mutação pode
ou não ocorrer a cada geração. A decisão de ocorrência fica a cargo de uma
variável binária gerada aleatoriamente a cada geração. Após a mutação, os
indivíduos são novamente direcionados pelo politopo.

Na sequência ocorre a Seleção por Torneio, onde aqueles que obtiveram

melhor resultado, no caso o menor, junto da função objetivo prosseguem e serão
escolhidos para formar a nova população inicial. Os melhores indivíduos
selecionados e os com resultados intermediários são novamente submetidos ao
politopo. Esta etapa visa vasculhar o espaço de busca onde se encontram os
indivíduos mais aptos, objetivando encontrar um caminho que melhore a
otimização como um todo. Por se tratar de um método multidirecional, a
avaliação dos resultados intermediários também pode levar a um caminho de
busca mais eficiente e, por este motivo, também são avaliados no algoritmo
politopo.

O algoritmo segue até que o critério de parada da otimização seja

satisfeito. A diversidade é mantida por novos indivíduos gerados no operador de
mutação, quando este operador ocorre.

3. O S-PAA COMO FERRAMENTA DE OTIMIZAÇÃO

O S-PAA é composto por uma interface gráfica 3D, na qual é modelado o

processo da planta industrial, de modo a obter uma “cópia digital” da planta física

3
(digital twin). Este modelo virtual da planta, irá conter as principais características
e restrições dos equipamentos e alinhamentos do processo, que impactam
diretamente no balanço energético. Além desta representação detalhada, o
modelo também irá conter um conjunto de estratégias heurísticas, restrições e
limites que devem ser obedecidas pelo algoritmo de otimização

O modelo será alimentado em tempo real com os dados de processo

medidos (pressão, vazão, temperatura e etc...), por meio do protocolo de
comunicação OPC com os PLCs, e com as informações de análises
laboratoriais, por meio do protocolo de comunicação ODBC com o banco de
dados da planta.

O algoritmo de otimização, utilizará estes dados para calcular em tempo

real os balanços de massa e energia, as equações de restrições característica
do processo e propriedades termodinâmicas das correntes de processo, para
obter como respostas valores otimizados de set point específicos do processo.
O cálculo dos set points irá mudar de acordo com as mudanças nas condições
operacionais e de acordo com a visão preditiva que o algoritmo tem do perfil
comportamental do processo frente aos distúrbios identificados nas análises dos
dados.

Os set points otimizados poderão ser aplicados automaticamente no

supervisório de controle da planta pelo próprio Sistema de Otimização (Laço
Fechado), ou poderão ser informados à equipe operacional na forma de
recomendação (Laço Aberto), cabendo a esta equipe tomar a decisão de aplicar
a informação no processo.

4. Integração do S-PAA com a planta industrial

A integração do S-PAA com a planta física pode ser dividida em dois

momentos distintos. O primeiro momento se caracteriza pela coleta de dados e
informações do processo. Isso acontece por meio da comunicação via protocolo
OPC entre o Sistema de Otimização e o PLC vinculado ao supervisório de
controle, e por protocolo ODBC entre o banco de dados de análises qualitativas.
Esta comunicação estabelece que as informações do processo medidas e

4
disponibilizadas digitalmente serão alimentadas no Sistema de Otimização
automaticamente e em tempo real uma vez que os Tags correspondentes de
cada variável sejam cadastrados no S-PAA.

O segundo momento de comunicação se dá quando o Sistema de

Otimização precisa retornar as informações otimizadas ao processo. Quando o
S-PAA está configurado para escrever automaticamente os set points otimizados
(Laço Fechado) no supervisório, esta transferência de informação ocorre
novamente utilizando o protocolo OPC. Deste modo, o S-PAA escreverá os
valores otimizados em seus respectivos Tags, criados especificamente para este
fim, dentro da lógica de controle do sistema supervisório. Assim, quando o S-
PAA for habilitado, a lógica de controle do supervisório de processo irá obedecer
os valores de set points calculados pelo S-PAA e não aceitará o comando
manual de definição de set point (em variáveis específicas).

5. FUNCIONALIDADES DO S-PAA

As principais funcionalidades do S-PAA são:

• Modelo 3D: o modelo virtual em 3D apresenta os principais equipamentos

e alinhamentos do processo. Este modelo, possui em esquema de cores paras
as linhas do processo, permitindo diferenciar as correntes de vapor e água das
correntes de processo. Os equipamentos modelados nesta interface também
possuem um esquema de cores que permite identificar, por exemplo, quando os
equipamentos estão parados ou com baixa eficiência.

• Laço Fechado: com a atuação em Laço Fechado, alguns set points

chaves para o processo são calculados, validados em tempo real e definidos no
supervisório de processo automaticamente pelo Sistema de Otimização em
Tempo Real, por meio de comunicação OPC. Com este modo habilitado, os set
points controlados não podem ser modificados manualmente, não necessitando
da atuação do operador nestes parâmetros. Este modo de operação deve ser
aplicado quando a planta está em regime permanente de operação e apta para
ser otimizada. A operação em Laço Fechado tem a vantagem de acelerar o

5
processo de captura dos ganhos previstos pelo software, e pode agregar um
ganho adicional nas operações onde a atuação manual demandaria um esforço
e uma prontidão além do razoável.

• Laço Aberto: esta funcionalidade, faz com que as informações

otimizadas calculadas pelo sistema sejam apresentadas como sugestão de
atuação para a equipe operacional. Assim, a informação não é aplicada
automaticamente no sistema supervisório, é a equipe operacional quem toma a
decisão de usar as informações otimizadas no processo.

• PDCA On-line: como parte do Laço Aberto, é possível cadastrar variáveis

do processo que serão acompanhadas pelo sistema, de modo a identificar os
momentos em que estas variáveis atingem determinados limites operacionais.
Uma vez que estes limites são atingidos, surge um alerta visual no modelo que
apresenta uma recomendação de atuação para a equipe operacional sanar
desvios específicos. Os limites de “gatilho” para estes alertas, bem como as
recomendações de atuação, são definidos pela equipe de gestão industrial.

• Gráficos e Relatórios personalizados: os dados das variáveis de

processo que o sistema tem acesso são armazenados e podem ser utilizados
em análises. Dentro da plataforma do sistema, há ferramentas para construção
de gráficos e relatórios personalizados que permitem entender o comportamento
do processo e identificar tendências.

• Envio de e-mail automático: Dentro do S-PAA, é possível configurar e-

mails com informações do processo para serem enviados automaticamente.

6. DIFERENÇA ENTRE RTO E CONTROLE AVANÇADO

Nos tempos atuais, é comum se associar uma melhoria da estratégia de

controle a uma otimização do processo. Entretanto, o aprimoramento da
estratégia de controle pode trazer benefícios em termos de redução da
variabilidade e tempos de resposta mais curtos, mas não garante que o processo
opere no ponto ótimo, não sendo este o objetivo primordial da estratégia de
controle.

6
 Por outro lado, a Otimização em Tempo Real tem como objetivo base
levar o processo produtivo o mais próximo, e pelo maior tempo possível, do seu
ponto ótimo operacional. Para isto, é essencial que a variabilidade seja reduzida
à um mínimo aceitável e é neste ponto em que as técnicas de controle avançado
e de otimização tem similaridade. Um RTO como o S-PAA, reduz a variabilidade
do processo devido a capacidade preditiva do comportamento do processo que
o algoritmo de otimização possui, em conjunto com o modelo virtual. A Tabela 1
apresenta algumas diferencias entre as técnicas.

Tabela 1: Diferenças entre Otimização em Tempo Real e Controle Avançado.

S-PAA
Parâmetros Controle Avançado Tradicional
(Otimização em Tempo Real)

Modelagem de toda a planta. Otimização on-line

Controle baseado normalmente em
Tecnologia baseada em princípios de engenharia
Lógica Fuzzy, utilizando dados históricos.
(termodinâmica, equilibro, balanço)

Pode abranger toda a planta, ou setores

específicos, como sistemas de vapor ou áreas de Objetivo e atuação delimitada a um
Abrangência
processo. equipamento ou uma operação unitária.
Objetivo global.

Otimização não linear, e multiobjetiva. A melhor condição proposta é baseada

Técnica de
Busca do ponto ótimo via algoritmo genético no histórico passado. Não possui um
Otimização
híbrido. algoritmo de otimização.

Atuação em Laço Aberto (sugestão ao

Atuação e operador/supervisor).
Automático
Integração Atuação em Laço Fechado (automático) integrado
ao supervisório.

Interface 3D com diagramação da planta real e laço

Interface Sem interface própria
fechado integrado ao supervisório.