Reconciliação e retificação de dados e classificação de variaveis de processo
AUTOR(ES)
Talita Furlanetto Mendes
DATA DE PUBLICAÇÃO
1995
RESUMO
Os dados de processo, obtidos em unidades industriais, são a base para decisões que vão influir na qualidade dos produtos que gera e de ações que podem, em certos casos, afetar a segurança industrial. Quando obtidos em equipamento em escala de laboratório, são o alicerce onde se fundamentam o projeto de novos processos. Em vista disto, quanto mais próximo os valores das quantidades medidas estiverem dos valores verdadeiros correspondentes, mais acertadas e confiáveis as ações fundamentadas na sua análise. Neste trabalho, foram desenvolvidos procedimentos computacionais para reconciliação e retificação de dados de processo, que buscam obter as melhores estimativas, de acordo com algum critério, para as quantidades medidas, seguidas da obtenção de estimativas para as quantidades não-medidas observáveis. Eles são aplicáveis a balanços de massa multicomponentes, sujeitos a restrições lineares, podendo ou não ocorrer reações químicas. Estes procedimentos utilizam projeção matricial para simplificação do problema de obtenção dos ajustes das quantidades medidas, o que é feito através do método dos mínimos quadrados ponderados e dos multiplicadores de Lagrange. Do conjunto de restrições, fazem parte, as equações de balanços de massa, podendo ser incluídas restrições adicionais, como a razão de partição conhecida de um divisor de fluxo... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital
ASSUNTO(S)
redundancia (engenharia) engenharia quimica processos quimicos
ACESSO AO ARTIGO
http://libdigi.unicamp.br/document/?code=vtls000095055Documentos Relacionados
- Estimação de parâmetros e reconciliação de dados em um conversor de FCC
- Avaliação de estratégias para reconciliação de dados e detecção de erros grosseiros
- Implantação de sistema de reconciliação de dados em uma refinaria de petróleo.
- Comparação entre estimadores para reconciliação dinamica de dados e estrategias de detecção de erros grosseiros
- Reconciliação de dados de processos e detecção de erros grosseiros em sistemas com restrições não-lineares