Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/267693
Type: TESE
Title: Tecnicas estatisticas multivariadas para o monitoramento de processos industriais continuos
Author: Diaz Consul, Celeste Maria
Advisor: Maciel Filho, Rubens, 1958-
Filho, Rubens Maciel
Abstract: Resumo: Na indústria de processos químicos, geralmente varias variáveis são anipuladas e monitoradas ao mesmo tempo. Nestes casos passam a ser de extrema importância as etapas de tratamento de dados e o desenvolvimento de modelos de representação do processo para a detecção e identificação de falhas no processo. Usando técnicas estatísticas multivariadas, como Análise de Componentes Principais (PCA) e Análise Discriminante de Fisher (FDA), tira-se proveito da natureza multivariada dos dados e é possível proceder com a detecção de problemas de monitoramento no processo, assim como diagnosticar quais as causas destes comportamentos. Neste trabalho consideramos como caso estudo um reator de hidrogenação do fenol a ciclo-hexanol. Dados históricos, com um grande número de variáveis e observações, foram coletados durante a operação do processo. A idéia geral do método da PCA é explicar a estrutura de variância e covariância dos dados através de umas poucas combinações lineares das variáveis originais, as quais tentam refletir as dimensões verdadeiramente importantes. O desempenho do processo poderá então ser monitorado no espaço das componentes principais, dimensionalmente menor. Usando o modelo PCA e alguns gráficos auxiliares foi possível a avaliação e identificação de um conjunto de falhas no processo. Por outro lado, usando um banco de falhas apropriadamente construído FDA conseguiu classificar todas as observações amostradas com uma boa taxa de classificação. Uma reflexão sobre a importância do uso destas técnicas multivariadas na detecção de falhas é apresentada junto a avaliação dos resultados obtidos

Abstract: In the industry of chemical processes, a lot of variabIes are manipulated and monitored at the same time. In these cases, it start to be of extreme importance the stages of data treatment and the deveIopment of models for representation of the processo One of the most important goals are detection and identification of faults in the processo Using multivariable statistical techniques, as Principal Components Analysis (PCA) and Fisher's Discriminant Analysis (FDA), is possible to take advantage of the data multivariabIe nature and it is possible to proceed with the detection of monitoring problems as well as diagnosing which the causes of these behaviors. In this work is considered as study case a hydrogenation of phenol to cyclohexanol reactor. Historical data, with a great number of variables and obsexvations, were collected during the operation of the processo The general idea of the method of PCA is to expIam the covariance structure of the data through some few lineal combinations of the original variabIes, which try to reflect the dimensions tru1y important. The acting of the process then can be monitored in the space of the principal components, of smaller dimension. Using the model PCA was possible the evaluation and identification of a group of faults in the processo On the other hand, using a bank of faults, adequately built, FDA got to classify the obsexvations with a good classmcation taxo A reflection on the importance of the use of these multivariabIe techniques for detection and fault diagnose is presented with the evaluation of the obtamed results
Subject: Controle de qualidade
Análise de componentes principais
Análise discriminante
Engenharia - Métodos estatísticos
Localização de falhas (Engenharia)
Language: Português
Editor: [s.n.]
Date Issue: 2002
Appears in Collections:FEQ - Dissertação e Tese

Files in This Item:
File SizeFormat 
DiazConsul_CelesteMaria_D.pdf3.27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.