Artigo
A identificação estrutural como proposta de classificação de variáveis para a reconciliação de dados industriais
Registro en:
1808-2793
Autorização para publicação no Repositório Institucional da Universidade Federal de Sergipe (RIUFS) concedida pelo editor
Autor
Oliveira Júnior, Antônio Martins
Pinto, José Carlos Costa da Silva
Lima, Enrique Luis
Institución
Resumen
A reconciliação dos dados é fortemente afetada pela formulação do problema, pelo desempenho da otimização e interpretação estatística dos resultados. Isto deve ser avaliado por uma cuidadosa classificação das variáveis. Devido a complexidade dos atuais processos integrados e a grande quantidade de dados disponíveis em plantas automatizadas de alto desempenho, o uso de algoritmos de classificação vem crescendo dia a dia. Eles são aplicados no projeto de novas unidades, revamps e sistemas de monitoramento para reduzir a dimensão do problema de reconciliação de dados. É descrito um novo algoritmo que poderá ajudar o engenheiro a encontrar eficientes estratégias para o problema de classificação, aliado à formulação matemática. Algumas propriedades estruturais são discutidas e ilustradas, bem como é descrito o algoritmo de identificação estrutural. Há um grande incentivo econômico para a classificação robusta de variáveis, pois um procedimento deficiente irá requerer uma instrumentação adicional. _________________________________________________________________________________________ ABSTRACT: Data reconciliation is strongly affected by formulation problem, statistical results interpretation and
optimization performance. This must be valued by a carefully variable classification. Due to of the
complexity of integrated process and the large volume of available data in highly automated plants;
classification algorithms are increasing used nowadays. They are applied to the revamps, design and
monitoring systems and to reduce the dimension of the data reconciliation problem. A new algorithm is
described which can help the engineer find efficient strategies for the classification problem allied with
the mathematical formulation. Some structural properties are discussed and illustrated. The new structural
identification algorithm is described. There is a large economical incentive for the variable robust
classification, because a defective procedure will request an additional instrumentation.