Baixado 17 vezes
Mais conteúdo relacionado
Curso DVR
- 2. Balanço de Massacom Reconciliação & Certificação de Dados Um programa de melhorias rumo à Excelência Operacional
- 3. Balanço de Massacom Reconciliação & Certificação de Dados • O que é?; • Por que reconciliação? • Primeiros trabalhos; • Importância; • Áreas de Aplicação;
- 4. “Estou enxergando bem?” Limites teóricos Nitidez! Aumentar a Lucratividade
- 5.
- 6. Reflexão com implicaçõespráticas Quais são no processo as áreas, setores ou equipamentos onde julgamos haver “problemas de nitidez”
- 7. Toda medida temerros Uma medida física é um “estimador” do valor verdadeiro e sempre tem erros associados.
- 8. Toda medida temerros
- 9. Toda medida temerros
- 10. Toda medida temerros
- 11. Toda medida temerros
- 12. Toda medida temerros Exatidão × Precisão I. Preciso e Exato; II. Impreciso e Exato; III.Preciso e inexato; IV.Impreciso e inexato.
- 13. Toda medida temerros Tipos de Erros: • Aleatórios; • Viéses (biases); • Valores espúrios (outliers);
- 14. Toda medida temerros Fontes de Erros: • Instrumento descalibrado; • Modelagem inadequada; • Leitura fora de faixa; • Frequência de amostragem inadequada; • Não linearidade do instrumento; • Erro de transmissão; • Densidade do fluido incorreta ou variável;
- 15. Reflexão com implicaçõespráticas Listar na Tabela 1 o máximo de informações disponíveis sobre a instrumentação de um equipamento escolhido. NOTAS • Entender o “Impacto” como importância sobre o controle ou na geração de KPIs, com avaliação de 1 a 5; • Classificação quanto à exatidão e precisão;
- 16. O que podeser feito para aumentar a nitidez do processo? ... E o que vamos precisar para isso.
- 17. Dados, dados emais dados Quantidade ($↓) Disponibilidade (Capacidade de Armazenamento↑ e Velocidade de Recuperação↑)
- 18. Qualidade do Dado •Começa com a precisão do instrumento dada pelo fornecedor; • Correção da precisão no tempo;
- 19. Estrutura do Processo Topologia
- 20.
- 21. “Quem tem umrelógio sabe as horas...” Redundância
- 22. Redundância 10kg/min 35kg/min Corrente 1 A Corrente 3 Corrente 2 25kg/min
- 23. Reflexão com implicaçõespráticas Indicar a instrumentação no diagrama de um equipamento e observar redundâncias.
- 24. Reconciliação de Dados O que é, como se faz? • Disponibilidade de dados; • Conhecimento sobre a qualidade dos dados; • Estrutura do processo (modelos); • Conhecimento sobre o funcionamento de cada equipamento (modelos); • REDUNDÂNCIA;
- 25. Reconciliação de Dados O que é, como se faz? com redundância f
- 26. Reconciliação de Dados O que é, como se faz? sem redundância f
- 27. Reconciliação de Dados Classificação de Variáveis Redundantes Medidas Não Redundantes Observáveis Não Medidas Não Observáveis
- 28. Reconciliação de Dados Classificação de Variáveis
- 29. Reconciliação de Dados Classificação de Variáveis
- 30. Reconciliação de Dados Classificação de Variáveis
- 31. Reconciliação de Dados Formulação matemática
- 32. Reconciliação de Dados Formulação matemática Vetor das Estimativas
- 33. Reconciliação de Dados Formulação matemática 1 A 3 2
- 34. Reconciliação de Dados O caso linear estacionário • Balanços mássicos globais; • Estado estacionário; • Modelo mais simples e “perfeito”; • Aplicação mais comum.
- 35.
- 36. Reconciliação de Dados Acessórios
- 37. Pré-condicionamento dos dados •Médias em janela móvel; • Filtros;
- 39. Detecção de ErrosGrosseiros Erros grosseiros (erros sem a característica do ruído branco – erro aleatório) podem estar presentes entre as leituras. A reconciliação não funciona com eles!
- 40. Detecção de ErrosGrosseiros Fontes de erros grosseiros: • Viéses na instrumentação; • Vazamentos/perdas de material e energia; • Valores espúrios verdadeiros; • Partidas do estacionário;
- 41. Detecção de ErrosGrosseiros Tratamento de erros grosseiros: • Identificar a existência; • Identificar a localização; • Identificar a quantidade; • Identificar o tipo (viés ou vazamento); • Determinar a dimensão; Ações: • Eliminar a medida contendo o erro ou • Corrigir a medida ou o modelo; e • Rodar a RD novamente;
- 42. Detecção de ErrosGrosseiros Alguns testes para DEG: • Teste global; • Teste nodal; • Teste da medida;
- 43. Fluxo da Reconciliaçãoe Certificação de Dados Dados Modelos Não Observável Pré- Classificação de condicionamento Variáveis Observável Coaptação de Não Redundante Redundante Dados Qualidade Reconciliação de Elim. ou Correção do Dado Dados de Variáveis Estimativas Detecção de Erros Grosseiros Publicar Estimativas Reconciliadas
- 44. Reconciliação e Certificaçãode Dados Benefícios • Retrato mais fiel das eficiências; • Estimar variáveis não medidas; • Contabilidade mais precisa; • Detecção de problemas na instrumentação (manutenção preventiva); • Detecção de vazamentos; • Controle avançado; • Otimização;
- 45. Reflexão com implicaçõespráticas Listar na Tabela 2 eventos suspeitos de perdas de matéria, indicando a fonte, o que deve ser feito, o respectivo investimento e a prioridade.
- 46. Reconciliação de Dados Cases Aplicação a um reator de polimerização (BA, Brasil) – Aplicação em tempo real; – Janela móvel de tempo de 2 horas com leituras a cada 5 minutos; – Com e sem balanço energético; – Resultados off-line: somente análises de dados sem retorno de dados para o processo; – Encontraram soluções para a degradação da qualidade do polímero e sugeriram mudanças no processo (vz. cat.). FONTE: Simultaneous Data Reconciliation and Parameter Estimation in Bulk Polypropylene Polymerizations in Real Time, Diego Martinez Prata, Enrique Luis Lima, José Carlos Pinto, Macromol. Symp. 2006, 243, 91–103
- 47. Reconciliação de Dados Cases Avaliação do impacto da implantação da RD em uma refinaria de petróleo da Petrobras (REFAP-RS). – Avaliação do impacto; – Aumento da confiança nos dados de processo; – O sistema de RD reduziu o índice de perdas de 1,09% para 0,34%; – Redução mensal de perdas na ordem de R$ 1,6x106. FONTE: Implantação de Sistema de Reconciliação de Dados em uma Refinaria de Petróleo, Idney José Gil Cordão, Escola de Administração/UFBA, Dissertação de Mestrado, 2005
- 48.
- 49. Referências • BAGAJEWICZ, Miguel J., Smart Process Plants – Software and Hardware Solutions for Accurate Data and Profitable Operations, McGraw-Hill, 2010. • BARBOSA, Agremis Guinho, Desenvolvimento de um Software para Detecção de Erros Grosseiros e Reconciliação de Dados Estática e Dinâmica de Processos Químicos e Petroquímicos, tese de doutorado, UNICAMP, 2008. • BARBOSA, Agremis Guinho e COGHI, Marco, Balanço de Massa com Reconciliação e Certificação de Dados, artigo técnico, http://www.cbta.com.br/index.php/balanco-de-massa-industrial; • Data Reconciliation LinkedIn Group, http://www.linkedin.com/groups?home=&gid=2395227&trk=anet_ug_hm • NARASIMHAN, Shankar e JORDACHE, Cornelius, Data Reconciliation & Gross Error Detection, Gulf Publishin Company, 2000. • ROMAGNOLI, José A. e SÁNCHEZ, Mabel Cristina, Data Processing and Reconciliation for Chemical Process Operations, Academic Press, 2000. • SOUDEK, Ales, Data reconciliation and data quality, OSI Software, Inc.