Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/9550 |
Resumo: | Process monitoring methods using statistical approaches assume that the data have a normal distribution. Moreover, many of these techniques require that the plant operation remains in the same region, resulting in the generation of a large number of false alarms if not fulfilled. In this work, a robust data clustering technique is used for treating plants operating in multiple operating points. The methodology is applied to fault detection in plugs of control valves, which belongs to this class of problem. Furthermore, the fault is considered difficult to detect due to the difficulty of installing sensors. For evaluation of the methodology, the benchmark DAMADICS was used. The clustering technique presented has the ability to handle a certain percentage of outliers in data that may arise, including in transient state. This feature optimizes the step of pre-processing of data. A comparison with the traditional method (no clustering) is performed highlighting its main features and superiority. |
id |
UFES_10f0e25473268c3ed1562a1543a51522 |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/9550 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Munaro, Celso JoséMoutinho, Marcus Vinicius BatistaRauber, Thomas WalterZoghbi Filho, Roberto Bastos2018-08-02T00:00:35Z2018-08-012018-08-02T00:00:35Z2016-08-09Process monitoring methods using statistical approaches assume that the data have a normal distribution. Moreover, many of these techniques require that the plant operation remains in the same region, resulting in the generation of a large number of false alarms if not fulfilled. In this work, a robust data clustering technique is used for treating plants operating in multiple operating points. The methodology is applied to fault detection in plugs of control valves, which belongs to this class of problem. Furthermore, the fault is considered difficult to detect due to the difficulty of installing sensors. For evaluation of the methodology, the benchmark DAMADICS was used. The clustering technique presented has the ability to handle a certain percentage of outliers in data that may arise, including in transient state. This feature optimizes the step of pre-processing of data. A comparison with the traditional method (no clustering) is performed highlighting its main features and superiority.Muitas técnicas de monitoramento de processos usando abordagens estatísticas assumem que os dados possuem uma distribuição normal. Além disso, várias destas técnicas requerem que a operação da planta se mantenha na mesma região, resultando na geração de um número elevado de falsos alarmes caso não sejam satisfeitas. Neste trabalho, uma técnica robusta de agrupamento de dados é utilizada para tratar plantas operando em múltiplos pontos de operação. A metodologia é aplicada à detecção de falhas em internos de válvulas de controle, que pertence a esta classe de problema. Além disto, a falha considerada é de difícil detecção dada à dificuldade de instalar sensores para tal. Para avaliação da metodologia estudada, foi utilizado o benchmark DAMADICS. A técnica de agrupamento apresentada tem a capacidade de lidar com um determinado percentual de dados espúrios que podem surgir, inclusive em situações transitórias. Essa característica otimiza a etapa de pré-tratamento dos dados. Uma comparação com o método tradicional (sem agrupamento) é realizado destacando suas características e superioridade.Texthttp://repositorio.ufes.br/handle/10/9550porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoClusterizaçãoAnálise por agrupamentoLocalização de falhas (Engenharia)Válvulas de controle pneumáticoEngenharia Elétrica621.3Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_10163_dissertação_Marcus_Final.pdfapplication/pdf1595922http://repositorio.ufes.br/bitstreams/1fd64257-978e-42f7-8fd2-ed5b4beef0ee/downloade550fa281295a5776160ee86eafd29d1MD5110/95502024-06-28 16:11:21.422oai:repositorio.ufes.br:10/9550http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-06-28T16:11:21Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
title |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
spellingShingle |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação Moutinho, Marcus Vinicius Batista Clusterização Engenharia Elétrica Análise por agrupamento Localização de falhas (Engenharia) Válvulas de controle pneumático 621.3 |
title_short |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
title_full |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
title_fullStr |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
title_full_unstemmed |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
title_sort |
Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação |
author |
Moutinho, Marcus Vinicius Batista |
author_facet |
Moutinho, Marcus Vinicius Batista |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Munaro, Celso José |
dc.contributor.author.fl_str_mv |
Moutinho, Marcus Vinicius Batista |
dc.contributor.referee1.fl_str_mv |
Rauber, Thomas Walter |
dc.contributor.referee2.fl_str_mv |
Zoghbi Filho, Roberto Bastos |
contributor_str_mv |
Munaro, Celso José Rauber, Thomas Walter Zoghbi Filho, Roberto Bastos |
dc.subject.por.fl_str_mv |
Clusterização |
topic |
Clusterização Engenharia Elétrica Análise por agrupamento Localização de falhas (Engenharia) Válvulas de controle pneumático 621.3 |
dc.subject.cnpq.fl_str_mv |
Engenharia Elétrica |
dc.subject.br-rjbn.none.fl_str_mv |
Análise por agrupamento Localização de falhas (Engenharia) Válvulas de controle pneumático |
dc.subject.udc.none.fl_str_mv |
621.3 |
description |
Process monitoring methods using statistical approaches assume that the data have a normal distribution. Moreover, many of these techniques require that the plant operation remains in the same region, resulting in the generation of a large number of false alarms if not fulfilled. In this work, a robust data clustering technique is used for treating plants operating in multiple operating points. The methodology is applied to fault detection in plugs of control valves, which belongs to this class of problem. Furthermore, the fault is considered difficult to detect due to the difficulty of installing sensors. For evaluation of the methodology, the benchmark DAMADICS was used. The clustering technique presented has the ability to handle a certain percentage of outliers in data that may arise, including in transient state. This feature optimizes the step of pre-processing of data. A comparison with the traditional method (no clustering) is performed highlighting its main features and superiority. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-08-09 |
dc.date.accessioned.fl_str_mv |
2018-08-02T00:00:35Z |
dc.date.available.fl_str_mv |
2018-08-01 2018-08-02T00:00:35Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufes.br/handle/10/9550 |
url |
http://repositorio.ufes.br/handle/10/9550 |
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 |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro Tecnológico |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/1fd64257-978e-42f7-8fd2-ed5b4beef0ee/download |
bitstream.checksum.fl_str_mv |
e550fa281295a5776160ee86eafd29d1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1804309162898751488 |