Detection of abnormal situations in chemical recovery boilers. / Detecção de situações anormais em caldeiras de recuperação química.

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

O desafio para a área de monitoramento de processos, em indústrias químicas, ainda é a etapa de detecção, com a necessidade de desenvolvimento de sistemas confiáveis. Pode-se resumir que um sistema é confiável, ao ser capaz de detectar as situações anormais, de modo precoce, e, ao mesmo tempo, de minimizar a geração de alarmes falsos. Ao se ter um sistema confiável, pode-se empregá-lo para auxiliar o operador, de fábricas, no processo de tomada de decisões. O objetivo deste estudo é apresentar uma metodologia, baseada na técnica, modelo oculto de Markov (HMM, acrônimo de ?Hidden Markov Model?), para se detectar situações anormais em caldeiras de recuperação química. As aplicações de maior sucesso de HMM são na área de reconhecimento de fala. Pode-se citar como aspectos positivos: o raciocínio probabilístico, a modelagem explícita, e a identificação a partir de dados históricos. Fez-se duas aplicações. O primeiro estudo de caso é no ?benchmark? de um sistema de evaporação múltiplo efeito de uma fábrica de produção de açúcar. Identificou-se um HMM, característico de operação normal, para se detectar cinco situações anormais no atuador responsável por regular o fluxo de xarope de açúcar para o primeiro evaporador. A detecção, para as três situações abruptas, é imediata, uma vez que o HMM foi capaz de detectar alterações, abruptas, no sinal da variável monitorada. Em relação às duas situações incipientes, foi possível detectá-las ainda em estágio inicial; ao ser o valor de f (vetor responsável por representar a intensidade de um evento anormal, com o tempo), no instante da detecção, próximo a zero, igual a 2,8% e 2,1%, respectivamente. O segundo estudo de caso é em uma caldeira de recuperação química, de uma fábrica de produção de celulose, no Brasil. O objetivo é monitorar o acúmulo de depósitos de cinzas sobre os equipamentos da sessão de transferência de calor convectivo, através de medições de perda de carga. Este é um dos principais desafios para se aumentar a eficiência operacional deste equipamento. Após a identificação de um HMM característico de perda de carga alta, pôde-se verificar a sua capacidade de informar o estado atual e, por consequência, a tendência do sistema, de modo similar à um preditor. Pôde-se demonstrar também a utilidade de se definir limites de controle, com o objetivo de se ter a informação sobre a distância entre o estado atual e os níveis de alarme de perda de carga.

ASSUNTO(S)

monitoramento de processos químicos processo "kraft" detection of abnormal situations kraft process caldeiras de recuperação química detecção de situações anormais modelo oculto de markov process trend analysis chemical recovery boilers reconhecimento de padrões pattern recognition análise de tendência de processo hidden markov model chemical process monitoring

ACESSO AO ARTIGO

Documentos Relacionados