Monitoramento estatístico de processos baseado na análise de componentes principais (PCA) e cartas de controle

Abstract

As cartas de controle multivariadas (CCMs) são amplamente utilizadas no monitoramento de desempenho de processos. Com a crescente informatização e automatização dos processos industriais, tem-se verificado um aumento sensível na quantidade de informações disponíveis sobre variáveis de processo. Este aumento no número de variáveis monitoradas dificulta o monitoramento com as CCMs. Nesses casos as cartas de controle multivariadas baseadas em componentes principais (CCPs) são utilizadas, pois, monitoram simultaneamente diversas variáveis controlando somente algumas combinações lineares independentes delas. As CCPs são utilizadas principalmente para monitorar variáveis que influenciam na qualidade de um produto final ou na estabilidade do sistema. O objetivo deste trabalho é aplicar a técnica de Análise de Componentes Principais (PCA), reduzindo o sistema de variáveis, para a posterior utilização das CCPs no monitoramento de disturbios no processo estudado. Mostrar-se-á a aplicabilidade e a eficiência desta técnica para processos que envolvam um número elevado de variáveis que devem ser monitoradas para garantir a sua estabilidade e a qualidade do produto final. O processo estudado foi a coluna de separação de etilbenzeno, pertencente à Innova-PETROBRAS, que opera de forma a obter etilbenzeno com pureza igual ou maior que 99,6% na sua corrente de topo. A análise da composição da corrente de topo é feita a cada quatro horas gerando atrasos na correção de parâmetros e eventualmente produzindo produto fora da especificação. Para a análise de componentes principais e para a determinação do limite de controle da carta de controle, foram utilizados dados reais da planta operando dentro da especificação do produto de topo. Porém para a validação da carta de controle foram gerados dados de simulação da coluna, em Aspen Plus Dynamics, onde foram inseridos distúrbios em algumas variáveis. A carta de controle multivariada T² de Hotelling baseada na análise de componentes principais foi utilizada para detectar as distúrbios simuladas na operação da coluna e os resultados obtidos foram satisfatórios visto que 100% das distúrbios foram detectadas pela carta de controle gerando apenas dois alarmes falsos, totalizando 3% dos dados da mostra.