Monitoring and performance assessment of MPC system using multivariate statistical methods

dc.contributorSotomayor, Oscar Alberto Zanabria
dc.creatorFontes, Nayanne Maria Garcia Rego
dc.date2017-09-26T18:08:18Z
dc.date2017-09-26T18:08:18Z
dc.date2017-01-30
dc.date.accessioned2023-09-28T22:33:59Z
dc.date.available2023-09-28T22:33:59Z
dc.identifierFONTES, Nayanne Maria Garcia Rego. Monitoramento e avaliação de desempenho de sistemas MPC utilizando métodos estatísticos multivariados. 2017. 159 f. Dissertação (Pós-Graduação em Engenharia Elétrica) - Universidade Federal de Sergipe, São Cristóvão, 2017.
dc.identifierhttps://ri.ufs.br/handle/riufs/5037
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9072246
dc.descriptionMonitoring of process control systems is extremely important for industries to ensure the quality of the product and the safety of the process. Predictive controllers, also known by MPC (Model Predictive Control), usually has a well performance initially. However, after a period, many factors contribute to the deterioration of its performance. This highlights the importance of monitoring the MPC control systems. In this work, tools based on multivariate statistical methods are discussed and applied to the problem of monitoring and Performance Assessment of predictive controllers. The methods presented here are: PCA (Principal Component Analysis) and ICA (Independent Component Analysis). Both are techniques that use data collected directly from the process. The first is widely used in Performance Assessment of predictive controllers. The second is a more recent technique that has arisen, mainly in order to be used in fault detection systems. The analyzes are made when applied in simulated processes characteristic of the petrochemical industry operating under MPC control.
dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES
dc.descriptionO monitoramento de sistemas de controle de processos é extremamente importante no que diz respeito às indústrias, para garantir a qualidade do que é produzido e a segurança do processo. Os controladores preditivos, também conhecidos pela sigla em inglês MPC (Model Predictive Control), costumam ter um bom desempenho inicialmente. Entretanto, após um certo período, muitos fatores contribuem para a deterioração de seu desempenho. Isto evidencia a importância do monitoramento dos sistemas de controle MPC. Neste trabalho aborda-se ferramentas, baseada em métodos estatísticos multivariados, aplicados ao problema de monitoramento e avaliação de desempenho de controladores preditivos. Os métodos aqui apresentados são: o PCA (Análise por componentes principais) e o ICA (Análise por componentes independentes). Ambas são técnicas que utilizam dados coletados diretamente do processo. O primeiro é largamente utilizado na avaliação de desempenho de controladores preditivos. Já o segundo, é uma técnica mais recente que surgiu, principalmente, com o intuito de ser utilizado em sistemas de detecção de falhas. As análises são feitas quando aplicadas em processos simulados característicos da indústria petroquímica operando sob controle MPC.
dc.formatapplication/pdf
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Sergipe
dc.publisherPós-Graduação em Engenharia Elétrica
dc.publisherBrasil
dc.publisherUFS
dc.rightsAcesso Aberto
dc.subjectEngenharia elétrica
dc.subjectControle de processo
dc.subjectControlador preditivo
dc.subjectAnálise de Componentes Principais (ACP)
dc.subjectAnálise de componentes independentes
dc.subjectMonitoramento
dc.subjectModel Predictive Control (MPC)
dc.subjectPrincipal Component Analysis (PCA)
dc.subjectIndependent Component Analysis (ICA)
dc.subjectMonitoring
dc.subjectENGENHARIAS::ENGENHARIA ELETRICA
dc.titleMonitoramento e avaliação de desempenho de sistemas MPC utilizando métodos estatísticos multivariados
dc.titleMonitoring and performance assessment of MPC system using multivariate statistical methods
dc.typeDissertação


Este ítem pertenece a la siguiente institución