Reconciliação de dados e detecção de erros grosseiros aplicados a uma petroquímica

Abstract

Devido ao desenvolvimento tecnológico, as empresas que desejam manter sua competitividade no mercado atual necessitam se atualizar constantemente, buscando sempre melhores equipamentos e instrumentos. Para a indústria, por exemplo, um dos grandes inconvenientes é a confiabilidade de determinados medidores, pois sabe-se que sua precisão é finita e eles estão sujeitos a diversos distúrbios. A técnica de reconciliação de dados surge, então, como uma importante ferramenta para a obtenção de dados mais fidedignos e confiáveis, dando uma maior segurança para quem utiliza as informações obtidas por medidores. O presente trabalho consiste na aplicação desse método em um processo industrial, onde são comparados três métodos de otimização diferentes. O método de otimização Method od Moving Asymptotes (MMA) apresentou a melhor performance quando comparado aos métodos Nelder-Mead e Inteior Point Optimizer (Ipopt), pois obteve uma boa minimização da função objetivo com um número de simulações reduzido. Como o trabalho proposto implementou distúrbios considerados erros aleatórios, não houve a detecção de erros grosseiros pelo teste global, resultado coerente e esperado pela análise.

Due to technological development, companies that wish to remain competitive in the current market need to constantly update themselves, always seeking better equipment and instruments. For industry, for example, one of the major drawbacks is the reliability of certain meters, as it is known that their accuracy is finite, and that they are subject to various disturbances. Hence, the data reconciliation technique emerges as an important tool for obtaining more reliable and trustworthy data, providing greater security to those who use the information obtained by meters. The present work consists in the application of this method in an industrial process, where three different optimization methods are compared. The Method of Moving Asymptotes (MMA) optimization method presented the best performance when compared to the Nelder-Mead and Interior Point Optimizer (Ipopt) methods, as it obtained a good minimization of the objective function with a reduced amount of simulations. As the proposed paper implemented disturbances considered random errors, there was no detection of gross errors by the global test, which is a consistent and expected outcome by the analysis.