Reconciliação robusta de dados de coluna de destilação com erro de modelo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/200375 |
Resumo: | Objetivando-se aumentar a confiabilidade dos dados de processo de plantas industriais, torna-se necessário ajustar as variáveis medidas e, se possível, estimar as variáveis não medidas de tal forma que elas satisfaçam aos balanços de massa e energia. Este objetivo pode ser alcançado pela reconciliação de dados, a qual é uma técnica computacional que ajusta variáveis de processo com base em medições de planta e dados de confiabilidade dos medidores de um modelo que as relaciona. Deste modo, as técnicas de reconciliação de dados são ferramentas importantes para o acompanhamento operacional de processos. Os erros vinculados às medidas de processo podem ser de dois tipos, aleatórios ou grosseiros, que devem ser tratados matematicamente de forma diferente. Em particular, as colunas de destilação, por sua importância técnica e econômica, são operações unitárias para as quais a reconciliação e a estimação de variáveis não medidas se tornam muito importante. Neste trabalho, foram aplicadas técnicas de reconciliação robusta de dados nos dados de uma coluna de destilação simulada da mistura BTX (benzeno, tolueno e xileno), operando em estado estacionário e apresentando erro grosseiro no modelo termodinâmico, caracterizando um problema de discrepância planta-modelo. Os modelos foram implementados no software MATLAB e usaram as funções normal contaminada e Fair como função objetivo de reconciliação. Os resultados indicam uma melhor resposta da reconciliação robusta frente à reconciliação clássica em casos onde há erro grosseiro no modelo termodinâmico da coluna, particularmente para as variáveis de vazão na coluna. |
id |
UFRGS-2_b14979483f3c874e9a94b5e947a54b21 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/200375 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Vacaro, Bernardo BritoFernandes, Pedro Rafael Bolognese2019-10-10T03:49:48Z2019http://hdl.handle.net/10183/200375001101652Objetivando-se aumentar a confiabilidade dos dados de processo de plantas industriais, torna-se necessário ajustar as variáveis medidas e, se possível, estimar as variáveis não medidas de tal forma que elas satisfaçam aos balanços de massa e energia. Este objetivo pode ser alcançado pela reconciliação de dados, a qual é uma técnica computacional que ajusta variáveis de processo com base em medições de planta e dados de confiabilidade dos medidores de um modelo que as relaciona. Deste modo, as técnicas de reconciliação de dados são ferramentas importantes para o acompanhamento operacional de processos. Os erros vinculados às medidas de processo podem ser de dois tipos, aleatórios ou grosseiros, que devem ser tratados matematicamente de forma diferente. Em particular, as colunas de destilação, por sua importância técnica e econômica, são operações unitárias para as quais a reconciliação e a estimação de variáveis não medidas se tornam muito importante. Neste trabalho, foram aplicadas técnicas de reconciliação robusta de dados nos dados de uma coluna de destilação simulada da mistura BTX (benzeno, tolueno e xileno), operando em estado estacionário e apresentando erro grosseiro no modelo termodinâmico, caracterizando um problema de discrepância planta-modelo. Os modelos foram implementados no software MATLAB e usaram as funções normal contaminada e Fair como função objetivo de reconciliação. Os resultados indicam uma melhor resposta da reconciliação robusta frente à reconciliação clássica em casos onde há erro grosseiro no modelo termodinâmico da coluna, particularmente para as variáveis de vazão na coluna.application/pdfporEngenharia químicaColunas de destilaçãoReconciliação robusta de dados de coluna de destilação com erro de modeloinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2019Engenharia Químicagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001101652.pdf.txt001101652.pdf.txtExtracted Texttext/plain60303http://www.lume.ufrgs.br/bitstream/10183/200375/2/001101652.pdf.txt2efbb68b7953789b64351e9a6a59cf43MD52ORIGINAL001101652.pdfTexto completoapplication/pdf674828http://www.lume.ufrgs.br/bitstream/10183/200375/1/001101652.pdf26b16615d7fa54889e0f5c3a3e34cf4eMD5110183/2003752019-10-11 03:54:59.520214oai:www.lume.ufrgs.br:10183/200375Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2019-10-11T06:54:59Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
title |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
spellingShingle |
Reconciliação robusta de dados de coluna de destilação com erro de modelo Vacaro, Bernardo Brito Engenharia química Colunas de destilação |
title_short |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
title_full |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
title_fullStr |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
title_full_unstemmed |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
title_sort |
Reconciliação robusta de dados de coluna de destilação com erro de modelo |
author |
Vacaro, Bernardo Brito |
author_facet |
Vacaro, Bernardo Brito |
author_role |
author |
dc.contributor.author.fl_str_mv |
Vacaro, Bernardo Brito |
dc.contributor.advisor1.fl_str_mv |
Fernandes, Pedro Rafael Bolognese |
contributor_str_mv |
Fernandes, Pedro Rafael Bolognese |
dc.subject.por.fl_str_mv |
Engenharia química Colunas de destilação |
topic |
Engenharia química Colunas de destilação |
description |
Objetivando-se aumentar a confiabilidade dos dados de processo de plantas industriais, torna-se necessário ajustar as variáveis medidas e, se possível, estimar as variáveis não medidas de tal forma que elas satisfaçam aos balanços de massa e energia. Este objetivo pode ser alcançado pela reconciliação de dados, a qual é uma técnica computacional que ajusta variáveis de processo com base em medições de planta e dados de confiabilidade dos medidores de um modelo que as relaciona. Deste modo, as técnicas de reconciliação de dados são ferramentas importantes para o acompanhamento operacional de processos. Os erros vinculados às medidas de processo podem ser de dois tipos, aleatórios ou grosseiros, que devem ser tratados matematicamente de forma diferente. Em particular, as colunas de destilação, por sua importância técnica e econômica, são operações unitárias para as quais a reconciliação e a estimação de variáveis não medidas se tornam muito importante. Neste trabalho, foram aplicadas técnicas de reconciliação robusta de dados nos dados de uma coluna de destilação simulada da mistura BTX (benzeno, tolueno e xileno), operando em estado estacionário e apresentando erro grosseiro no modelo termodinâmico, caracterizando um problema de discrepância planta-modelo. Os modelos foram implementados no software MATLAB e usaram as funções normal contaminada e Fair como função objetivo de reconciliação. Os resultados indicam uma melhor resposta da reconciliação robusta frente à reconciliação clássica em casos onde há erro grosseiro no modelo termodinâmico da coluna, particularmente para as variáveis de vazão na coluna. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-10-10T03:49:48Z |
dc.date.issued.fl_str_mv |
2019 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/200375 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001101652 |
url |
http://hdl.handle.net/10183/200375 |
identifier_str_mv |
001101652 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/200375/2/001101652.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/200375/1/001101652.pdf |
bitstream.checksum.fl_str_mv |
2efbb68b7953789b64351e9a6a59cf43 26b16615d7fa54889e0f5c3a3e34cf4e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1798486935277142016 |