ANÁLISE DE DESEMPENHO DE MALHAS DE CONTROLE EM INDÚSTRIAS PETROQUÍMICAS

BERNARDO S. TORRES, EDUARDO S. HORI

DEPARTAMENTO DE OTIMIZAÇÃO, ATAN CIÊNCIA DA INFORMAÇÃO
AV. AFONSO PENA, 4001 9º ANDAR
FUNCIONÁRIOS – BELO HORIZONTE – MG
CEP 30130-008
E-MAILS: BERNARDO.TORRES@ATAN.COM.BR, EDUARDO.SHIGUEO@ATAN.COM.BR

4º Seminário Nacional de Controle e Automação (SNCA), Salvador/BA, Julho 2005

Resumo  O estudo de monitoramento, avaliação e diagnóstico de malhas de controle tem apresentado

significativo crescimento, sendo que muitos trabalhos têm sido apresentados nos últimos anos.
Considerando-se que as plantas químicas modernas possuem centenas ou até mesmo milhares de malhas
de controle, torna-se necessário o desenvolvimento de técnicas que consigam monitorar e avaliar estas
malhas continuamente com o objetivo de selecionar aquelas que resultariam num maior retorno
econômico se otimizadas. Tendo isto em vista, o objetivo deste trabalho é apresentar como o uso de
software de monitoramento e avaliação de malha pode auxiliar na melhora do desempenho da planta,
aumentando assim a sua lucratividade.

Abstract – The study of control loops monitoring, evaluation and diagnosing has highly increased and
several papers have been presented in the last years. Considering that the modern chemical plants have
hundreds or even thousands of control loops, it is necessary to develop methods that can monitor and
evaluate these loops to select those that would result in higher economical return. So, the objective of
this work is to present how the use of loop monitoring and evaluation software can help in plant per-
formance improvement, increasing its profitability.

Palavras-chave
 Monitoramento, avaliação, malhas de controle, sintonia, agarramento de válvulas.

Introdução atuadores como agarramento e histerese de válvulas,

mal dimensionamento levando a saturações e ruído
Em indústrias petroquímicas modernas, é
elevado no sensor [1],[2].
comum o emprego de estratégias de controle
avançado e de sistemas especialistas para otimização
da produção. Através destes sistemas, é possível
determinar o set point ótimo para as malhas de
controle, de forma a garantir o maior ritmo de
produção, gastando-se o mínimo possível de insumos
e efetuando toda a operação com segurança e
qualidade. No entanto, grande parte destes sistemas
de otimização determinam o set point para malhas de
controle SISO (Single-Input, Single-Output) do tipo
PID. Desta forma, o controle regulatório PID é
fundamental para garantir a estabilidade do sistema,
seguindo o set point determinado com o melhor
desempenho possível. Porém, observa-se que,
freqüentemente, os controladores PID não apresentam Fig. 1 – Set point (azul), PV (vermelho) e MV
performance suficiente para garantir o alto (verde) de uma malha de controle de vazão de
desempenho necessário para os sistemas de controle. combustível em um forno.
A Fig. 1 apresenta uma malha de controle de vazão
de combustível em um forno, sendo que o set point
O procedimento para verificação das malhas era
para o PID é proveniente de um sistema especialista.
feito tradicionalmente através de inspeção de gráficos
Observa-se que a variável de processo (PV) tem
de tendência em softwares supervisórios e relatórios
comportamento bastante oscilatório, gerando um erro
fornecidos pelos operadores do sistema. Procurava-se
médio absoluto muito grande, o que irá afetar o
atuar nas malhas de controle apenas quando
desempenho da malha e assim comprometer a
conseqüências relevantes do baixo desempenho
eficácia do sistema especialista.
destas malhas prejudicavam o processo. Devido a
Estudos anteriores a respeito do desempenho de estes problemas, é muito importante que se monitore
malhas SISO mostraram que as razões para o seu continuamente o desempenho destas malhas para que
baixo desempenho estão relacionadas, entre outros se possa corrigí-las de forma preditiva quando
fatores, à sintonia inadequada, problemas nos necessário, afim de melhorar o desempenho do
processo. Porém, as plantas modernas possuem
centenas ou até mesmo milhares de malhas de
controle, tornando praticamente impossível a
avaliação de cada malha individualmente. Em vista
disso, nos últimos anos, tem crescido grandemente a
área de pesquisa em monitoramento de desempenho
de malhas de controle, sendo que muitos trabalhos
têm sido escritos sobre monitoramento de malhas [3],
[4], [5], [10].
Este trabalho irá mostrar exemplos da aplicação
destas novas ferramentas para avaliação on-line de
desempenho de malhas de controle em uma planta
petroquímica. Esta é uma planta de separação de
óleo, gás e água de uma grande indústria petrolífera, a
qual já utiliza as ferramentas apresentadas para
monitorar continuamente mais de 6.000 malhas de
controle.
Software de Avaliação, Diagnóstico e Sintonia de
Malhas de Controle
O interesse em monitoramento de desempenho e
diagnóstico de malhas ressurgiu devido ao trabalho
de Harris [6]. Em seu trabalho, Harris propôs o uso
de um controlador de mínima variância como sendo
um limite inferior para avaliar o desempenho de
controladores de malha simples. Este limite inferior é
estimado a partir de dados de operação em malha
fechada. Em seguida, Desborough e Harris [3],[7]
propuseram o uso de um índice de desempenho que
seja a razão entre a melhor variância atingível e a
variância da variável controlada sob avaliação.
Assim, o índice de Harris é definido como a razão
entre a variância do erro (PV – SP) durante a
avaliação e a variância alcançável por um controlador
de variância mínima ( σ y2 / σ MVC
2
). Quanto maior o
índice, pior o desempenho da malha. O índice de
Harris é sempre maior ou igual a 1, sendo 1 o
controlador perfeito (controlador de variância
mínima). Ajustes lentos têm efeito negativo no índice
Harris, fazendo com que ele se reduza. Por outro
lado, uma resposta cíclica ou uma sintonia muito
agressiva aumentará o índice. Além disso a
quantidade de ruído presente e sua forma podem
afetar consideravelmente o índice de Harris. Este
índice pode ser normalizado da seguinte forma:
1 diagnósticos dos principais problemas das malhas,
NHI = 1 −
ÍndiceHarris
Este índice varia entre 0 e 1 sendo que, quanto
menor seu valor, melhor o desempenho da malha. Um
índice igual a 0 indica o uso do controlador de
mínima variância. Valores altos deste índice indicam
um problema de desempenho. Por outro lado, apesar
de pequenos valores serem, teoricamente, bons, na
prática não indicam uma boa performance da malha.
Enfim, somente valores altos do índice Harris são
conclusivos. Valores acima de 0,8 ou 0,9
normalmente indicam que a malha pode ser melhor
sintonizada enquanto que valores abaixo de 0,5
indicam a necessidade de uma análise mais
cuidadosa.
O trabalho de Harris está focado em apenas um
critério de avaliação de desempenho baseado na
variância. No entanto, novas ferramentas e
metodologias para avaliação de desempenho já
apresentam diversos outros índices de avaliação
disponíveis além do índice de Harris, os quais podem
ser combinados para gerar uma nota global para cada
malha de controle e para a planta como um todo [9],
além de indicar automaticamente os prováveis
diagnósticos das malhas de controle. Alguns índices
de diagnóstico calculados são:
- erro médio absoluto: é o valor absoluto médio
do erro entre a variável de processo e o set point.
Quanto menor este valor, melhor o desempenho da
malha.
- ruído: é a análise estatística do percentual de
ruído da malha. Quanto maior o seu valor, pior o seu
desempenho.
- IAE: é a integral do valor absoluto do erro
entre a variável de processo e o set point. Quanto
menor o seu valor, melhor o desempenho da malha.
- análise de oscilação: esta análise visa
determinar se uma oscilação está presente na malha.
Caso haja oscilação, é importante que detecte a sua
causa, visto que quanto maior o índice de oscilação,
pior é o desempenho da malha. As principais causas
de oscilação são carga (outra malha causa a
oscilação), sintonia agressiva e problemas nos
equipamentos (agarramento, histerese).
- variância: mede a dispersão da variável de
processo.
Neste trabalho foi utilizado o software
PlantTriage© desenvolvido pela Expertune©, o qual
permite a avaliação contínua de todas as malhas de
controle da planta, dando notas ponderadas
economicamente, o que auxilia o trabalho do pessoal
de manutenção na determinação das malhas
prioritárias a serem otimizadas. Os dados são
coletados de forma contínua, através do protocolo
OPC, diretamente dos controladores do sistema.
Periodicamente o software calcula os índices de
desempenho e disponibiliza os mesmos para consulta
histórica através da WEB. São calculados
como agarramento de válvulas, sintonia inadequada,
acoplamento entre malhas, histese de válvulas,
oscilação e causas entre outros [10].
A sintonia das malhas pode ser feita utilizando-
se o software, o qual identifica a malha através de
técnicas baseadas no domínio da freqüência e fornece
os melhores parâmetros de sintonia através de
diversos métodos disponíveis. Além disso, é possível
simular a resposta e fazer análises de robustez antes
mesmo de se implementar os novos parâmetros
sugeridos.
 em geral, foi o agarramento de válvulas. Este
Processo de Auditoria das malhas problema prejudica muito o controle da malha,
reduzindo consideravelmente o seu desempenho e
3.1 Avaliação geral
causando oscilações. Através do software, é possível
Durante o processo de auditoria realizado na
identificar automaticamente oscilações, suas causas e
planta em questão, foram auditadas 25 malhas de
malhas acopladas.
controle, verificando-se a seguinte situação das
malhas: A Tabela 2 apresenta diagnóstico de oscilação
(100%) em duas malhas de controle de vazão de
• 20% das malhas estavam em manual.
recirculação em uma torre de estabilização. Através
• 64% oscilavam grande parte do tempo. do software é possível ainda obter o diagnóstico de
• Várias malhas oscilavam com o mesmo oscilação (hardware, sintonia ou carga) e também os
período, ou seja, interagiam entre si. três principais períodos de oscilação, identificados
• 68% saturavam em algum momento. através de análise espectral. Através do diagnóstico
• 24% apresentavam alta variabilidade. fornecido automaticamente pelo software podemos
• 12% das malhas apresentavam problema perceber que a malha 31FIC303B apresenta um
nas válvulas de controle. problema em sua válvula que está causando oscilação
A Tabela 1 apresenta as notas de avaliação com período em torno de 320 segundos. Além disso,
global (Avg % to threshold) para algumas malhas de período praticamente semelhante (340 segundos) é
controle em uma determinada hora. Através desta observado na malha 31FIC303A, a qual oscila devido
tabela é possível identificar quais as piores malhas de a acoplamento (90% - Osc. Load), o que ressalta a
controle (notas percentuais mais elevadas, no topo da grande probabilidade de acoplamento entre estas
tabela, indicando a ocorrência de maiores problemas) malhas.
e assim focar o trabalho de manutenção nestas piores A Fig. 2 apresenta gráficos temporais das
malhas. A composição da nota global, neste caso, é malhas 31FIC303B e 31FIC303A. O formato das
uma média dos índices normalizados [10] de Harris, curvas, controlada com formato retangular e
erro médio absoluto, diagnóstico automático de manipulada com formato triangular, mostram
oscilação, tempo em modo de operação automático claramente o problema de agarramento [8]. Observa-
da malha, desgaste de atuador (reversão e excursão de se que, colocando a malha 31FIC303B em manual, as
válvula), e ocorrência de saturação da válvula. Todos oscilações em PV cessam, assim como as oscilações
estes índices, e vários outros, são calculados em 31FIC303A, comprovando os diagnósticos
continuamente através do software e podem ser fornecidos pelo software. A solução a ser tomada
escolhidos para diagnosticar os principais problemas para se eliminar o agarramento é a manutenção da
da malha. válvula de controle da malha 31FIC303B, para que
esta possa realizar seu trabalho sem prejudicar o
desempenho do processo.
Tabela 1: Notas globais para as malhas de
controle.
Tabela 2 – Diagnóstico de oscilação, causas e
Avg % to
Malha Descrição threshold acoplamentos entre duas malhas de controle
31FIC302E V201 Cond to 31-T-302 Tray 1 199.8
31PIC202L V202 Inlet Sep to HP Flare HDR 99.91
31FIC303A Stab Reboiler Pass A Flow 85.22
31PIC202N V202 Inlet Separator 73.53
31PIC201N V201 Inlet Sep Press Cntl 68.89
31FIC303B Stab Reboiler Pass B Flow 53.05
31LIC202N Inlet Sep V202 Cond Level 51.98
31LIC202X 31V202 Sep Cond Outlet Lvl Cntl 45.39
31PIC302A Stabilizer OVHD Gas 32.41
31PIC303N Fuel Gas to 31-H-303 Brnr Cntl 27.6
33TIC1042
R Diesel Heater Outlet 24.05
33PIC1042
Y 33H-1042 Heater Main Gas 22.67
31FIC302H V202 Cond to 31-T-302 Tray 9 0

3.2 Diagnóstico de oscilação e agarramento de

válvulas
Um dos problemas encontrados durante a
auditoria, e que também é muito comum na indústria
Fig. 2 Acoplamento entre as malhas 31FIC303A e B.

3.3 Malhas em manual e saturações

É muito comum observar malhas em manual em
quase todas as plantas industriais. Diversos são os
motivos para que o operador mantenha uma malha em
manual, entre eles: erros de projeto, grandes
oscilações presentes quando a malha está em
automático devido a sintonia inadequada, ou até
mesmo crença do operador de que pode realizar ele
mesmo melhor serviço em manual que o controlador
em automático. Deve-se assim, identificar quais
malhas permanecem em manual e conversar com os Além disso é possível monitorar continuamente
operadores para identificar e sanar os problemas o percentual de tempo que a malha permanece
existentes. saturada e o percentual de tempo em modo normal
(automático ou cascata). A Tabela 3 mostra que, na
É importante ressaltar que uma malha bem
indústria petroquímica avaliada, várias malhas
sintonizada é capaz de reduzir drasticamente a
apresentam problemas de saturação na saída do
variabilidade da variável controlada, como pode ser
controlador (Output at limit > 0) e também
visto na Fig. 3. Esta figura apresenta uma malha de
permanecem parte do tempo em manual (Time in
controle de pH funcionando em automático até às
normal < 100). Deve-se assim verificar para cada
02:59 e, a partir deste horário, funcionando em
caso o motivo que leva a estes diagnósticos.
manual. Observa-se um aumento considerável de
variabilidade da malha em manual.
3.4 Ajuste de malha integradora
Outro aspecto importante para diagnóstico de
Uma situação muito comum na indústria é a
malhas de controle é a monitoração de saturações na
existência de malhas integradoras. Como estas malhas
malha de controle, ou seja, a saída do controlador
são não auto-regulatórias, elas não podem ser
permanecendo grande parte do tempo em 0 ou 100%.
ajustadas pela forma comum de resposta ao degrau.
Saturações podem indicar um problema de
Assim, como mostrado na Fig. 8, estas malhas foram
dimensionamento inadequado do atuador ou
sintonizadas através de software utilizando-se um
distúrbios excessivos de outras malhas de controle.
teste de resposta ao pulso. A Fig. 9 apresenta o
modelo obtido a partir deste teste.
Como esta malha apresentava grande ruído (ver
Fig. 10), além da sintonia adicionou-se um filtro de
primeira ordem de 4 segundos, cuja constante de
tempo foi calculada através do software. A Fig. 11
apresenta o gráfico temporal após a re-sintonia e a
adição do filtro. Como pode ser verificado, a
variabilidade da malha caiu significativamente, além
de reduzir os movimentos da variável manipulada.
A Tabela 4 apresenta a comparação entre as
sintonias antiga e nova da malha 31LIC202F.

Fig. 3. Malha de pH funcionando em automático com

reduzida variabilidade e em manual com elevada
variabilidade.

Tabela 3 – Diagnósticos de saturações e malhas

operando em modo normal (automático ou cascata)

Fig. 8. Teste de resposta ao pulso utilizado para se

obter o modelo.

Fig. 9. Modelo integrador obtido a partir do teste de
resposta ao pulso.
Fig. 10. Gráfico temporal da malha 31LIC202F antes
da sintonia.
Fig. 11. Gráfico temporal da malha 31LIC202F após
a sintonia e adição de filtro.
Tabela 4: Valores dos parâmetros antigos e
novos da malha 31LIC202F.
Sintonia KP TI (min/rep) TD
Antiga 10 4 0
Nova 7 2,5 0
3.5 Sintonia muito agressiva
A partir do modelo obtido, o software calcula os
parâmetros do controlador PID que resultam no
melhor desempenho da malha de controle. Os tipos
de sintonia obtidas são: agressiva, moderada e
conservadora. Para a obtenção da sintonia agressiva,
minimiza-se a integral do erro absoluto; para a
sintonia moderada, usa-se uma razão de decaimento
de um quarto da amplitude; e para a conservadora,
usa-se 10% de overshoot. Além disso, pode-se usar a
sintonia lambda caso seja importante que não se tenha
overshoot.
Várias das malhas monitoradas apresentaram
sintonia inadequada, sendo que algumas delas
possuíam sintonias excessivamente agressivas,
fazendo com que a malha oscilasse muito, chegando
próximo da instabilidade. A Fig. 4 apresenta o
exemplo da malha 31FIC302F, a qual apresentava
sintonia muito agressiva (Kp=0,4, Ti=0,04 min/rep).
A Fig. 5 apresenta a mesma malha após a sua re-
sintonia (Kp=0,17, Ti=0,04 min/rep). Como pode ser
claramente visto, a sintonia reduziu
significativamente a oscilação da malha. A Fig. 6
apresenta alguns índices de avaliação da malha antes
da sintonia e a Fig. 7 apresenta os índices após a
sintonia. Através destas figuras observa-se uma
redução de variabilidade de 3,01% para 1,17%.
Observa-se também uma redução significativa da
integral do erro absoluto (IAE) e também da
atividade do sinal de controle, representados através
dos índices valve travel (excursão da válvula) e valve
reversals (reversões da válvula). Estes índices
quantificam o percurso e número de reversões da
válvula, respectivamente. Quanto menores estes
índices, menor o desgaste do atuador e menor o
consumo de ar de instrumentação e energia, o que
pode gerar um benefício econômico significativo
[11].
Fig. 4. Malha apresentando oscilação devido a
sintonia excessivamente agressiva.
Fig. 5. Oscilação da malha reduz após a sua re-
sintonia.

Fig. 6 – Índices de avaliação antes da
sintonia
Fig. 7 – Índices de avaliação após a sintonia
Conclusões
Este trabalho apresentou alguns resultados do
diagnóstico e sintonia de malhas em uma indústria
petroquímica. Os resultados apresentados
demonstram a importância de se monitorar e avaliar o
desempenho das malhas de controle da planta de
forma contínua, pois estas podem perder desempenho
devido a diversos problemas.
A utilização de software para avaliação contínua
e diagnóstico de malhas é fundamental para aumentar
a eficiência das equipes de manutenção e garantir a
obtenção de resultados superiores, principalmente
quando o número de malhas de controle é elevado.
Desta forma, é possível ordenar as malhas através de
suas notas, de maneira objetiva, e assim definir quais
as malhas apresentam o pior desempenho e também
são importantes economicamente para o processo. É
importante destacar que a nota global da malha é
determinada através da composição de vários índices
de desempenho, levando-se assim em consideração
vários aspectos importantes da malha de controle.
Com a auditoria de malhas, a partir dos
diagnósticos fornecidos pelo software, foi possível
melhorar, em pouco tempo, o desempenho de várias
malhas importantes, fazendo a sua re-sintonia e
inclusão de filtros. Além disso, sem causar nenhum
distúrbio na planta, foi possível verificar quais
válvulas necessitam de manutenção pois
apresentavam agarramento.
Em se tratando de processos contínuos, o
acoplamento entre malhas de controle pode ser
severo. Desta forma, o estudo de oscilações e causas,
diagnósticos estes fornecidos automaticamente
através de software, contribui significativamente para
estudar estes acoplamentos. Através de análise
espectral, é possível ainda obter, de forma
automática, os principais períodos de oscilação das
malhas de controle.
A avaliação contínua de desempenho e auditoria
de malhas de controle pode assim garantir resultados
financeiros e de qualidade superiores, aumentando o
lucro e competitividade das empresas. O uso de
softwares dedicados constitui assim uma nova
tendência para otimização de malhas de controle.
Nomenclatura
CO / MV – saída do controlador (variável
manipulada)
IAE – integral do valor absoluto do erro
Mode – modo de operação (manual, automático,
remoto)
Overshoot – Desvio da variável de processo além do
setpoint desejado, ocasionando em grande erro (PV-
SP)
PID – controlador proporcional, integral, derivativo
PV – variável de processo
SP – set point
σ y2 - variância do processo
2
σ MVC - variância do controlador de variância mínima
Referências Bibliográficas
[1] Ender, D. B. Process Control Performance: not
as good as you think. Cont. Eng., 180-190, 1993.
[2] Hägglund, T. A control-loop performance moni-
tor. Cont. Eng. Prac., 3: 1543-1551, 1995.
[3] Desborough, L. e Harris, T. Performance assess-
ment measures for univariate feedback control. Can.
J. Chem. Eng., 70:1186-1197, 1992.
[4] Qin, S. J. Control performance monitoring – a
review and assessment. Comp. Chem. Eng., 23:173-
186, 1998.
[5] Thornhill, N. F., Oettinger, M. e Fedenczuk, P.
Refinery-wide control loop performance assessment.
J. Proc. Cont., 9:109-124, 1999.
[6] Harris, Assessment of control loop performance.
Can. J. Chem. Eng., 67(10): 856-861,1989.
[7] Desborough, L. e Harris, T. Performance assess-
ment measures for univariate feedforward/feedback
control. Can. J. Chem. Eng., 71:605, 1993.
[8] Singhal, A. e Salsbury, T. I. A simple method for
detecting valve stiction in oscillating control loops. J.
Proc. Cont., 15:371-382, 2005.
[9] Fonseca, M. O., Seixas, C., Torres, B. S.. Avalia-
ção de Desempenho e Auditoria de Malhas de Con-
trole, Revista Intech Brasil, no 63, págs. 32 a 35,
2004.
[10] Torres, B. S., Fonseca, M. O., Aquino, R. D.,
Faria, D. C.. Aplicação de software dedicado para
diagnóstico de malhas de controle, sintonia e
redução de variabilidade de processos, 4º Congresso
Internacional de Automação, Sistemas e
Instrumentação - ISA Show South America 2004, São
Paulo/SP, Novembro, 2004.
[11] Buckbee, G. Control Valves: The hidden cost of
poor controller tuning, Control Magazine, abril,
2002.