Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9550
Título: Detecção de falhas em internos de válvulas de controle atuando em múltiplas regiões de operação
Autor(es): Moutinho, Marcus Vinicius Batista
Orientador: Munaro, Celso José
Palavras-chave: Clusterização
Data do documento: 9-Ago-2016
Editor: Universidade Federal do Espírito Santo
Resumo: 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.
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.
URI: http://repositorio.ufes.br/handle/10/9550
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_10163_dissertação_Marcus_Final.pdf1.56 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.