Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9583
Título: Detecção de Falhas de Processos Industriais em Múltiplos Pontos de Operação via Análise Externa Linear e Não Linear
Autor(es): Faria, Júlio César Oliveira
Orientador: Munaro, Celso José
Data do documento: 27-Abr-2018
Editor: Universidade Federal do Espírito Santo
Resumo: Os métodos de controle estatístico multivariado de processos com foco em detecção de falhas têm grande potencial de extrair informações relevantes dos dados gerados por instrumentos e sistemas de controle das plantas industriais, que normalmente são subutilizados. Porém, as técnicas tradicionais de controle estatístico multivariado não devem ser utilizadas para processos que operam em múltiplos pontos de operação, devido a incapacidade de distinguir uma falha de uma mudança normal de operação. Essa limitação dificulta o uso destas técnicas em processos reais. Neste contexto, este trabalho apresenta estudos e propõe cinco métodos baseados em Análise Externa não linear e Análise Externa com múltiplos modelos lineares, para detecção de falhas em processos industriais, que naturalmente são não lineares e trabalham em múltiplos pontos de operação. Estes métodos serão aplicados a um simulador benchmark da literatura e no monitoramento de um processo real de vibrações de um ventilador de processo de grande porte, usado em um forno de pelotização de minério de ferro. Os resultados mostram que os métodos propostos conseguem distinguir falhas de variações normais de pontos de operação de processos industriais, mantendo o nível de alarmes falsos no valor especificado. Adicionalmente, os resultados mostram que estes métodos têm potencial de detectar falhas automaticamente de forma antecipada, possibilitando ações corretivas que podem diminuir ou até evitar danos a equipamentos de determinado processo, gerando um potencial de ganhos financeiros.
The methods of multivariate statistical control of processes focused on fault detection have great potential to extract relevant information from the data generated by instruments and control systems of industrial plants, which are usually underutilized. However, traditional multivariate statistical control techniques should not be used for processes operating at multiple points of operation due to the inability to distinguish a failure from a normal change of operation. This limitation makes it difficult to use these techniques in real processes. In this context, this work presents studies and proposes five methods based on Nonlinear External Analysis and External Analysis with multiple linear models, to detect failures in industrial processes, which are naturally nonlinear and work at multiple points of operation. These methods will be applied to a literature benchmark simulator and to the monitoring of a real vibration process of a large process fan used in an iron ore pelletizing furnace. The results show that the proposed methods can distinguish failures from normal variations of operating points of industrial processes, keeping the level of false alarms in the specified value. Additionally, the results show that these methods have the potential to detect failures automatically in advance, allowing for corrective actions that may reduce or even avoid damages to equipment of a certain process, generating a potential for financial gains.
URI: http://repositorio.ufes.br/handle/10/9583
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_12073_Dissertação Júlio Cesar Oliveira Faria.pdf4.97 MBAdobe PDFVisualizar/Abrir


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