Reconciliação de dados e detecção de erros grosseiros aplicados a uma petroquímica

• Autor(a) principal: Pamplona, Guilherme Silveira
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/193164
• topic: Reconciliação de dados; Indústria petroquímica; Data reconciliation; Gross error detection; Flow meters; Petrochemical

Devido ao desenvolvimento tecnológico, as empresas que desejam manter sua competitividade no mercado atual necessitam se atualizar constantemente, buscando sempre melhores equipamentos e instrumentos. Para a indústria, por exemplo, um dos grandes inconvenientes é a confiabilidade de determinados medidores, pois sabe-se que sua precisão é finita e eles estão sujeitos a diversos distúrbios. A técnica de reconciliação de dados surge, então, como uma importante ferramenta para a obtenção de dados mais fidedignos e confiáveis, dando uma maior segurança para quem utiliza as informações obtidas por medidores. O presente trabalho consiste na aplicação desse método em um processo industrial, onde são comparados três métodos de otimização diferentes. O método de otimização Method od Moving Asymptotes (MMA) apresentou a melhor performance quando comparado aos métodos Nelder-Mead e Inteior Point Optimizer (Ipopt), pois obteve uma boa minimização da função objetivo com um número de simulações reduzido. Como o trabalho proposto implementou distúrbios considerados erros aleatórios, não houve a detecção de erros grosseiros pelo teste global, resultado coerente e esperado pela análise.