Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFS |
Texto Completo: | https://ri.ufs.br/handle/riufs/1479 |
Resumo: | A classificação de variáveis em plantas industriais modernas pode fornecer conjuntos de dados ricos e detalhados para o desenvolvimento de estudos de modelagem de processos e estimação de parâmetros. Todavia, devido à existência de erros aleatórios e, possivelmente, de erros grosseiros, as medidas geralmente não satisfazem as restrições dos processos. Esses dados precisam ser reconciliados. A estimação de parâmetros dos modelos de um processo a partir de dados industriais disponíveis se enquadra nesse contexto. Primeiramente, o modelo matemático fornece as restrições do processo. Em segundo lugar, os parâmetros do modelo devem ser ajustados de modo a minimizar os desvios observados entre as medidas do processo e as equações de conservação, a partir dos dados industriais utilizados para a construção do modelo. Foi desenvolvido um novo código computacional para classificação de variáveis em sistemas dinâmicos com uma abordagem diferenciada. A metodologia desenvolvida para classificação propiciou uma reconciliação eficiente dos dados, de modo que possibilitasse a estimação dos parâmetros cinéticos de uma polimerização industrial de propileno com catalisadores Ziegler-Natta (SUZANO-RJ). O algoritmo de classificação também foi testado para o balanço hídrico de uma fábrica de fertilizantes (FAFEN-SE) com sucesso. Os resultados obtidos mostram que a abordagem utilizada para classificação de variáveis e estimação de parâmetros, utilizando a técnica de reconciliação de dados, é capaz de descrever o comportamento dos dados industriais e predizer as respostas do processo, em diferentes condições operacionais, sem que seja necessário conduzir muitos experimentos em laboratório. _________________________________________________________________________________________ ABSTRACT: The classification of variables in modern industrial plants can supply a group of rich and detailed data sets for the development of modeling studies and parameter estimation. However, as a result of random and possibly, gross errors process measurements do not generally satisfy process constraints. Thus they need to be reconciled. The estimation of process model parameters from available plant data is certainly in this context. First, the mathematical model provides the process constraints to be satisfied. Second, model parameters have to be adjusted to minimize the deviations observed between process measurements and process constraints. Available data have yet to be filtered to allow for removal of inconsistent data sets from the process data used for model building. A new computational code was developed for classification of variables in dynamic systems with a differentiated approach. The methodology developed for classification propitiated efficient data reconciliation, so that it made possible, allowing for estimation of the kinetic parameters for industrial propylene polymerization using Ziegler-Natta catalysts (SUZANO-RJ). The classification algorithm was also tested with success for the hydric balance of a factory of fertilizers (FAFEN-SE). The obtained results show that the approach used for classification of variables and parameters estimation using the technique of data reconciliation is capable to describe the behavior of the industrial data and to predict process responses in different operational conditions, without to carry out extensive experimental plans in the laboratory. |
id |
UFS-2_9151e2c8ae01932a26a65f57f6ac5c20 |
---|---|
oai_identifier_str |
oai:ufs.br:riufs/1479 |
network_acronym_str |
UFS-2 |
network_name_str |
Repositório Institucional da UFS |
repository_id_str |
|
spelling |
Oliveira Júnior, Antônio MartinsLima, Enrique Luis2015-02-09T22:51:57Z2015-02-09T22:51:57Z2006-05OLIVEIRA JÚNIOR, A. M. Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados. 2006. 197 f. Tese (Doutorado em Engenharia Química)-Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006. Disponível em: <http://www.dominiopublico.gov.br/pesquisa/DetalheObraForm.do?select_action=&co_obra=33167>. Acesso em: 9 fev. 2015.https://ri.ufs.br/handle/riufs/1479Direitos autorais pertencentes ao(s) autor(es)A classificação de variáveis em plantas industriais modernas pode fornecer conjuntos de dados ricos e detalhados para o desenvolvimento de estudos de modelagem de processos e estimação de parâmetros. Todavia, devido à existência de erros aleatórios e, possivelmente, de erros grosseiros, as medidas geralmente não satisfazem as restrições dos processos. Esses dados precisam ser reconciliados. A estimação de parâmetros dos modelos de um processo a partir de dados industriais disponíveis se enquadra nesse contexto. Primeiramente, o modelo matemático fornece as restrições do processo. Em segundo lugar, os parâmetros do modelo devem ser ajustados de modo a minimizar os desvios observados entre as medidas do processo e as equações de conservação, a partir dos dados industriais utilizados para a construção do modelo. Foi desenvolvido um novo código computacional para classificação de variáveis em sistemas dinâmicos com uma abordagem diferenciada. A metodologia desenvolvida para classificação propiciou uma reconciliação eficiente dos dados, de modo que possibilitasse a estimação dos parâmetros cinéticos de uma polimerização industrial de propileno com catalisadores Ziegler-Natta (SUZANO-RJ). O algoritmo de classificação também foi testado para o balanço hídrico de uma fábrica de fertilizantes (FAFEN-SE) com sucesso. Os resultados obtidos mostram que a abordagem utilizada para classificação de variáveis e estimação de parâmetros, utilizando a técnica de reconciliação de dados, é capaz de descrever o comportamento dos dados industriais e predizer as respostas do processo, em diferentes condições operacionais, sem que seja necessário conduzir muitos experimentos em laboratório. _________________________________________________________________________________________ ABSTRACT: The classification of variables in modern industrial plants can supply a group of rich and detailed data sets for the development of modeling studies and parameter estimation. However, as a result of random and possibly, gross errors process measurements do not generally satisfy process constraints. Thus they need to be reconciled. The estimation of process model parameters from available plant data is certainly in this context. First, the mathematical model provides the process constraints to be satisfied. Second, model parameters have to be adjusted to minimize the deviations observed between process measurements and process constraints. Available data have yet to be filtered to allow for removal of inconsistent data sets from the process data used for model building. A new computational code was developed for classification of variables in dynamic systems with a differentiated approach. The methodology developed for classification propitiated efficient data reconciliation, so that it made possible, allowing for estimation of the kinetic parameters for industrial propylene polymerization using Ziegler-Natta catalysts (SUZANO-RJ). The classification algorithm was also tested with success for the hydric balance of a factory of fertilizers (FAFEN-SE). The obtained results show that the approach used for classification of variables and parameters estimation using the technique of data reconciliation is capable to describe the behavior of the industrial data and to predict process responses in different operational conditions, without to carry out extensive experimental plans in the laboratory.VariáveisParâmetrosDadosIndústriaProduçãoEstimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dadosEstimation of process model parameters using data reconciliation and industrial datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFSinstname:Universidade Federal de Sergipe (UFS)instacron:UFSinfo:eu-repo/semantics/openAccessTHUMBNAILEstimacaoParametros.pdf.jpgEstimacaoParametros.pdf.jpgGenerated Thumbnailimage/jpeg1383https://ri.ufs.br/jspui/bitstream/riufs/1479/4/EstimacaoParametros.pdf.jpg47c8909cf11e156467b59b38aa9f5032MD54ORIGINALEstimacaoParametros.pdfEstimacaoParametros.pdfapplication/pdf4274927https://ri.ufs.br/jspui/bitstream/riufs/1479/1/EstimacaoParametros.pdff3202d46efbd3614af354f8fe41f528aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://ri.ufs.br/jspui/bitstream/riufs/1479/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTEstimacaoParametros.pdf.txtEstimacaoParametros.pdf.txtExtracted texttext/plain455531https://ri.ufs.br/jspui/bitstream/riufs/1479/3/EstimacaoParametros.pdf.txt024cb5bf857b787c1efc718ab693eb17MD53riufs/14792015-02-11 21:44:38.164oai:ufs.br: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Repositório InstitucionalPUBhttps://ri.ufs.br/oai/requestrepositorio@academico.ufs.bropendoar:2015-02-12T00:44:38Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS)false |
dc.title.pt_BR.fl_str_mv |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
dc.title.alternative.pt_BR.fl_str_mv |
Estimation of process model parameters using data reconciliation and industrial data |
title |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
spellingShingle |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados Oliveira Júnior, Antônio Martins Variáveis Parâmetros Dados Indústria Produção |
title_short |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
title_full |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
title_fullStr |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
title_full_unstemmed |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
title_sort |
Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados |
author |
Oliveira Júnior, Antônio Martins |
author_facet |
Oliveira Júnior, Antônio Martins |
author_role |
author |
dc.contributor.leader.pt_BR.fl_str_mv |
Lima, Enrique Luis |
dc.contributor.author.fl_str_mv |
Oliveira Júnior, Antônio Martins |
dc.subject.por.fl_str_mv |
Variáveis Parâmetros Dados Indústria Produção |
topic |
Variáveis Parâmetros Dados Indústria Produção |
description |
A classificação de variáveis em plantas industriais modernas pode fornecer conjuntos de dados ricos e detalhados para o desenvolvimento de estudos de modelagem de processos e estimação de parâmetros. Todavia, devido à existência de erros aleatórios e, possivelmente, de erros grosseiros, as medidas geralmente não satisfazem as restrições dos processos. Esses dados precisam ser reconciliados. A estimação de parâmetros dos modelos de um processo a partir de dados industriais disponíveis se enquadra nesse contexto. Primeiramente, o modelo matemático fornece as restrições do processo. Em segundo lugar, os parâmetros do modelo devem ser ajustados de modo a minimizar os desvios observados entre as medidas do processo e as equações de conservação, a partir dos dados industriais utilizados para a construção do modelo. Foi desenvolvido um novo código computacional para classificação de variáveis em sistemas dinâmicos com uma abordagem diferenciada. A metodologia desenvolvida para classificação propiciou uma reconciliação eficiente dos dados, de modo que possibilitasse a estimação dos parâmetros cinéticos de uma polimerização industrial de propileno com catalisadores Ziegler-Natta (SUZANO-RJ). O algoritmo de classificação também foi testado para o balanço hídrico de uma fábrica de fertilizantes (FAFEN-SE) com sucesso. Os resultados obtidos mostram que a abordagem utilizada para classificação de variáveis e estimação de parâmetros, utilizando a técnica de reconciliação de dados, é capaz de descrever o comportamento dos dados industriais e predizer as respostas do processo, em diferentes condições operacionais, sem que seja necessário conduzir muitos experimentos em laboratório. _________________________________________________________________________________________ ABSTRACT: The classification of variables in modern industrial plants can supply a group of rich and detailed data sets for the development of modeling studies and parameter estimation. However, as a result of random and possibly, gross errors process measurements do not generally satisfy process constraints. Thus they need to be reconciled. The estimation of process model parameters from available plant data is certainly in this context. First, the mathematical model provides the process constraints to be satisfied. Second, model parameters have to be adjusted to minimize the deviations observed between process measurements and process constraints. Available data have yet to be filtered to allow for removal of inconsistent data sets from the process data used for model building. A new computational code was developed for classification of variables in dynamic systems with a differentiated approach. The methodology developed for classification propitiated efficient data reconciliation, so that it made possible, allowing for estimation of the kinetic parameters for industrial propylene polymerization using Ziegler-Natta catalysts (SUZANO-RJ). The classification algorithm was also tested with success for the hydric balance of a factory of fertilizers (FAFEN-SE). The obtained results show that the approach used for classification of variables and parameters estimation using the technique of data reconciliation is capable to describe the behavior of the industrial data and to predict process responses in different operational conditions, without to carry out extensive experimental plans in the laboratory. |
publishDate |
2006 |
dc.date.issued.fl_str_mv |
2006-05 |
dc.date.accessioned.fl_str_mv |
2015-02-09T22:51:57Z |
dc.date.available.fl_str_mv |
2015-02-09T22:51:57Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
OLIVEIRA JÚNIOR, A. M. Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados. 2006. 197 f. Tese (Doutorado em Engenharia Química)-Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006. Disponível em: <http://www.dominiopublico.gov.br/pesquisa/DetalheObraForm.do?select_action=&co_obra=33167>. Acesso em: 9 fev. 2015. |
dc.identifier.uri.fl_str_mv |
https://ri.ufs.br/handle/riufs/1479 |
dc.identifier.license.pt_BR.fl_str_mv |
Direitos autorais pertencentes ao(s) autor(es) |
identifier_str_mv |
OLIVEIRA JÚNIOR, A. M. Estimação de parâmetros em modelos de processo usando dados industriais e técnica de reconciliação de dados. 2006. 197 f. Tese (Doutorado em Engenharia Química)-Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006. Disponível em: <http://www.dominiopublico.gov.br/pesquisa/DetalheObraForm.do?select_action=&co_obra=33167>. Acesso em: 9 fev. 2015. Direitos autorais pertencentes ao(s) autor(es) |
url |
https://ri.ufs.br/handle/riufs/1479 |
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.source.none.fl_str_mv |
reponame:Repositório Institucional da UFS instname:Universidade Federal de Sergipe (UFS) instacron:UFS |
instname_str |
Universidade Federal de Sergipe (UFS) |
instacron_str |
UFS |
institution |
UFS |
reponame_str |
Repositório Institucional da UFS |
collection |
Repositório Institucional da UFS |
bitstream.url.fl_str_mv |
https://ri.ufs.br/jspui/bitstream/riufs/1479/4/EstimacaoParametros.pdf.jpg https://ri.ufs.br/jspui/bitstream/riufs/1479/1/EstimacaoParametros.pdf https://ri.ufs.br/jspui/bitstream/riufs/1479/2/license.txt https://ri.ufs.br/jspui/bitstream/riufs/1479/3/EstimacaoParametros.pdf.txt |
bitstream.checksum.fl_str_mv |
47c8909cf11e156467b59b38aa9f5032 f3202d46efbd3614af354f8fe41f528a 8a4605be74aa9ea9d79846c1fba20a33 024cb5bf857b787c1efc718ab693eb17 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFS - Universidade Federal de Sergipe (UFS) |
repository.mail.fl_str_mv |
repositorio@academico.ufs.br |
_version_ |
1802110709216051200 |