Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9643
Título: Diagnóstico de falhas em processos industriais via causalidade de Granger
Autor(es): Zuqui Junior, Gercilio Carlos
Orientador: Munaro, Celso José
Data do documento: 12-Ago-2015
Editor: Universidade Federal do Espírito Santo
Resumo: Falhas que se propagam por plantas industriais podem levar muitas malhas de controle a operar fora de faixas de segurança e de maiores ganhos econômicos. Neste contexto o diagnóstico de falhas em ambientes industriais é de fundamental importância para a competitividade de uma empresa. Neste trabalho é apresentado um estudo na área de detecção, identificação e diagnóstico de falhas. Uma revisão bibliográfica é realizada nas técnicas existentes e um método para indicar a fonte de falhas diretamente a partir de dados de operação é apresentado. As malhas de controle afetadas pela falha são identificadas baseando-se na análise por cartas de controle, componentes principais e estatística T 2 de Hotelling e, as relações de causalidade entre as mesmas é detectada via causalidade de Granger. A metodologia foi aplicada em dois estudos de caso: uma central termelétrica muito sujeita a distúrbios devido à troca dos combustíveis usados para gerar energia; e em um forno de pelotização, que possui um grande nível de interação entre malhas de controle devido ao reaproveitamento de energia. O algoritmo proposto indicou corretamente as fontes das falhas propagadas pelas malhas de controle.
Faults that propagate in industrial plants can cause many control loops to operate outside of regions of security and greater economic profits. In this context, fault diagnosis in industrial plants is an essential feature for the company’s competitiveness. In this paper, a study in the area of fault detection, identification and diagnosis is presented. A bibliographic revision is performed about the existing techniques and a method to indicate the source of faults directly from operating data is presented. The control loops affected by the disturbance are identified based on control charts, principal component analysis and Hotelling’s T2 statistic and the causal relationships between them are detected via Granger causality. The methodology was applied to two case studies: a thermoelectric power plant subject to disturbances due to switching fuels used to generate energy; and a pelletizing furnace, that has a many control loops interactions caused by energy reuse. The proposed algorithm correctly indicated the sources of faults that propagated through the control loops.
URI: http://repositorio.ufes.br/handle/10/9643
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_6869_Dissertacao_GercilioZuqui_Revisao_Final.pdf2.31 MBAdobe PDFVisualizar/Abrir


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