KPI oriented approach for real-time optimization

Abstract

Indicadores-chave de desempenho (Key-performance Indicators - KPIs) são ferramentas capazes de medir e avaliar o nível de desempenho e sucesso econômico e/ou operacional de um dado processo. Além disso, a busca pelo maior lucro através de um melhor consumo de matéria-prima e energia garantindo uma maior qualidade e conformidade de especificações é facilitada pela aplicação de técnicas de otimização em tempo real. Essas técnicas aliadas à KPIs e a controladores preditivos baseado em modelo possibilitam o controle e otimização de sistemas com maior número de variáveis controladas do que manipuladas, sistemas que operam em faixas (também chamadas soft-constraints) e presença de restrições operacionais. No entanto, distúrbios externos não-medidos e a má qualidade de modelos prejudicam o funcionamento robusto do processo levando o sistema a operar fora das especificações, ou em regiões sub-ótimas. Por isso, esta tese aborda um estudo sobre estratégias de otimização em tempo real (Real-time Optimization - RTO) e suas aplicações. As principais contribuições do trabalho são: (1) revisão bibliográfica sobre estratégias de RTO abordando suas principaiscaracterísticas e aplicações; (2) estratégia preliminarde controlador MPC estendido, capaz de abordar controle e otimização em uma única camada; (3) emprego de estimadores de estado e medições do processo para atualização do KPI operacional, considerado uma variável controlada através de set-point pelo controlador MPC; (4) análise da influência do ponto de operação dos modelos utilizados para o KPI e para o controlador MPC linear, estimando-os e atualizando-os através de técnicas de estimação de distúrbios não medidos e parâmetros, baseados em medições do modelo dinâmico não-linear; e (5) influência de fatores de robustez para MPC econômico orientado à KPIs capaz de manter as variáveis controladas através de faixas de operação impondo restrições para as variáveis de entrada e saída do modelo baseado na magnitude do distúrbio. As técnicas propostas são avaliadas e testadas em estudos de caso simulados de forma a exemplificar aplicações industriais corroborando a metodologia proposta ao controlar a função custo no valor ótimo (dado pelo KPI), rejeitando distúrbios e mantendo as saídas do processo nas especificações de forma robusta e sem elevado tempo computacional.

Key-performance Indicators (KPIs) are tools capable of measure and evaluate the economic and/or operational development and success of a given process. Besides that, the search for higher operational profit through better consumption of raw materials and energy ensuring greater quality and specifications is facilitated by the application of Real-time Optimization techniques. These techniques allied to KPIs and combined with model-based predictive controllers allow the control and optimization of systems with a greater number of controlled than manipulated variables, systems that operate in ranges (also called softconstraints), and the presence of operational constraints. However, unmeasured external disturbances and poor model quality jeopardize the robust process operation, leading the system to operate outside specifications, or in sub-optimal regions. For this reason, this thesis addresses a study about Real-time Optimization strategies and their applications. The main contributions of this work are (1) bibliographic review about RTO strategies and their main characteristics and applications; (2) preliminary strategy of extended MPC controller, capable of handle control and optimization in one layer; (3) employment of state estimators and process measurements to update the operational KPI, considered as a controlled variable through set-point by the MPC controller; (4) analysis of the operation points of the models employed in the KPI and the linear MPC, estimating and updating them through parameters and unmeasured disturbance estimations techniques, based on measurements of the dynamic nonlinear model; and (5) robustness factors influence for Economic MPC oriented by KPIs, capable of keeping the controlled outputs in ranges and imposing constraints in the inputs and outputs according to the disturbance magnitude. The proposed techniques are evaluated and tested in simulated case studies to exemplify industrial applications corroborating the proposed methodology by controlling the cost function at the optimal value (given by the KPI), rejecting disturbances, and keeping the process outputs in the specifications in a robust way and without higher computational load.