5 control avanzado de procesos

Standards

Certification

Education & Training

Publishing

Conferences & Exhibits FERIA AUTOMATISA 2011

Bogotá, Abril 6-8 de 20111

International Society of Automation

COLOMBIA SECTION

1

Control Avanzado de Procesos,

APC

Fernando Otero, CAP

[email protected]

mailto:[email protected]

2

– Aspectos teóricos fundamentales de control de procesos

– Optimización de las bases del control regulatorio

– Alternativas de Control Avanzado de Procesos

– Evaluación de desempeño

– Sintonización comprensiva de lazos de control

– Control adaptivo

– Control basado en lógica difusa

– Utilización de redes neuronales en control de procesos

– Control predictivo basado en modelo (MPC)2

Control Avanzado de Procesos

3

– Durante los 60’s, se consideraba que el control avanzado era cualquier

algoritmo o estrategia de control que se desviara del controlador clásico

Proporcional-Integral-Derivativo (PID)

– El advenimiento de los computadores de proceso hizo que muchos

algoritmos de control que no podían realizarse con tecnología análoga,

ahora se pudiera implementar en los computadores.

– De hecho, la proliferación de las llamadas metodologías de control

avanzado sólo se pueden atribuir a los avances hechos en la industria

electrónica, especialmente en el desarrollo de dispositivos computacionales

de bajo costo

– Ahora, el control avanzado es sinónimo de la implementación de tecnologías

basadas en computador.

3


Introducción

4

– Se ha reportado recientemente que el control avanzado

– puede mejorar cantidad de producto;

– reducir el consumo de energía;

– incrementar la capacidad;

– mejorar la calidad y consistencia del producto;

– reducir la cantidad de producto que se regala;

– incrementar el nivel de respuesta;

– mejorar la seguridad del proceso y reducir las emisiones ambientales.

4


Introducción

5

– La implementación de control avanzado ha generado

ganancias entre el 2% y el 6% de los costos de operación

[Anderson, 1992].

– Estos beneficios son claramente enormes y se logran

disminuyendo la variabilidad de proceso, permitiendo que las

plantas operen a su capacidad de diseño

5


Introducción

6

• Qué exactamente el control avanzado?

• Dependiendo de la formación del individuo, el control avanzado puede significar diferentes

cosas.

• Puede ser la implementación de esquemas de control feedforward, cascada,

compensadores de tiempo muerto, algoritmos de autosintonía, control adaptativo, o

optimización.

• Se prefiere considerar el control avanzado como algo más que el simple uso de

computadores con multi-procesadores o ambientes de software state-of-the-art.

• No se refiere a la utilización singular de algoritmos sofisticados de control simplemente.

• Describe una práctica incluye elementos de varias disciplinas tales como la ingeniería de

control, procesamiento de señales, estadística, teoría de las decisiones, inteligencia artificial,

ingeniería de hardware y software.

• Un elemento central de esta filosofía es el requerimiento de siempre tener en cuenta el

entendimiento del comportamiento de la planta de proceso.

6


Introducción

7

Fundación sólida para implementar control avanzado

7


No puede tener esto

Sin esto

88


9

Control Avanzado Regulatorio

• Aún basado en control PID

• Incluye múltiples lazos

• Se puede presentar interacción de lazos

• Estrategias de control complejas

9


Control Regulatorio Avanzado

10

• Control por Cascada

• Control por Override (oleoductos)

• Control Feedforward (adelanto)– Control de 3 elementos en nivel de domo de vapor en calderas

• Control Selectivo (control de combustión; límites

cruzados)

• Control de Trim (O2 - CO trim en combustión)

• Linealización de Control (pH, presión en oleoductos)

10


1111


12

Identificación y Control Adaptivo

• La mayoría de las técnicas actuales para diseñar sistemas de control se basan

en un buen conocimiento o entendimiento del proceso bajo estudio y su

entorno.

• En muchos casos, el proceso a ser controlado es demasiado complejo y los

procesos físicos básicos en él no son conocidos o entendidos completamente.

• Las técnicas de diseño de control entonces necesitan agregar una forma de

identificación que permita progresivamente obtener un mejor conocimiento

del proceso a ser controlado.

• Usualmente la identificación y el control son pasos que se realizan en forma

separada.

• Si el proceso es periódicamente actualizado sobre la base de estimados previos

y datos nuevos (identificación), entonces la identificación y el control pueden

realizarse en forma concurrente.

12


Control adaptivo (o Control Adaptativo)

1313




Un sistema de control que permite lanzar en cualquier momento la identificación

del proceso y el cálculo de un nuevo controlador (regulador) .

1414




• Usualmente el paso primario de identificación ya ha sido llevado a cabo (e.g. FOPDT)

• Entonces sólo se necesita determinar los parámetros de un modelo fijo.

• Así, el problema se limita a una identificación paramétrica y un control adaptativo

paramétrico.

• En control adaptivo se aplica alguna técnica de identificación para obtener el

modelo del proceso y su entorno a partir de experimentos de entrada-salida y se

utiliza este modelo para diseñar y/o adaptar el controlador en forma periódica.

1515




Tipos más comunes de sistemas de control adaptativo:

• Control adaptativo programado

• Control adaptativo con modelo de referencia

• Control adaptativo autosintonizable

1616



Control Adaptativo Programado

1717



Control Adaptativo con Modelo de Referencia

1818



1919


20

Introducción a la Lógica Difusa y el Control basado en Lógica Difusa

• La Lógica Difusa se ha convertido en otra referencia en control.

• Sin embargo también ha traído cierto escepticismo por su nombre, el cual suena

como equivalente a:

– Lógica a medias

– Lógica vaga

• A pesar de que muchos hubieran preferido otra nombre, ya es tarde y la Lógica

Difusa es en realidad algo muy claro y directo.

• La Lógica Difusa es una forma de “interfazar” procesos análogos inherentes que

se mueven a través de un rango continuo de valores, a un computador digital

que le gusta valores numéricos discretos bien definidos.

20


Control basado en lógica difusa

21

The word “fuzzy” (la palabra “difuso”)

• La palabra “fuzzy”, en la teoría de conjuntos difusos, se usa para describir

términos, frases o sentencias que no son suficientemente claras, no son bien

conocidas, o su especificación está sujeta a la estimación, subjetividad o

intuición de la persona que hace la descripción. Ejemplo: varios, más o menos,

muy posible, está muy frío, parcialmente nublado…

• Note que la ambigüedad debe entenderse como un rango de tolerancia entre

ciertos valores posibles, y no como caos o desorden impredecible.

Definition: Fuzzy (definición de Fuzzy)

• El término Fuzzy significa impreciso, vago, poco claro. Cuando se aplica a la

teoría de conjuntos Fuzzy, se refiere a elementos pertenecientes a las fronteras

(difusas) de los conjuntos.

21



22

Control Fuzzy y el Control PID

• El control fuzzy tiene algunas ventajas:

– En muchos casos el modelo matemático del proceso a controlar no existe o ser muy

“caro” en términos de memoria y capacidad de procesamiento computarizado, y el

sistema basado en reglas empíricas puede ser más efectivo.

– Procesos muy no lineales no pueden ser manejados en forma eficiente por el control

PID; en cambio el control difuso lo puede hacer mejor.

– Además, la lógica difusa se acomoda más a implementaciones de bajo costo como

sensores más baratos, baja resolución de convertidores A/D, un solo chip

microcontrolador de 4 u 8 bits.

• En muchos casos el control difuso puede utilizarse para mejorar los

controladores tradicionales existentes mediante la adición de una capa extra de

inteligencia al método de control actual.

22



23

Elementos de un Controlador Fuzzy

Un sistema de control Fuzzy incluye tres etapas básicas:

• Función pertenencia (membership functions)

• Base de reglas (rule base)

• Procedimiento de inferencia (inference procedure)

23



2424

Curso de Control Avanzado de Procesos


Ejemplo de Controlador Difuso Comercial Embebido

2525



Aplicación Industrial

26

Aplicaciones de control Fuzzy

Aplicación Industrial

• Una aplicación que aparece en la mayoría de los textos, es el uso de control

Fuzzy en un tren metropolitano de Japón.

• Se emplea tanto para mantener velocidad constante, como para el proceso de

detención del tren.

• Su importancia radica en ser el primer sistema de control Fuzzy aplicado a un

proceso complejo, donde está en juego la seguridad de gran cantidad de

personas.

• El excelente comportamiento que ha tenido, impulsó el desarrollo y uso de estos

sistemas de control a nivel mundial.

26



2727


28

Qué es una Red Neuronal Artificial (RNA o ANN)?

• Es un paradigma de procesamiento de información inspirado en la

forma en que el cerebro procesa información.

• Las RNAs son grupos de modelos matemáticos que emulan algunas de

las propiedades de los sistemas nerviosos biológicos y toman los

principios de las analogías del aprendizaje adaptivo biológico.

• Una RNA se compone de un gran número de elementos de

procesamiento altamente interconectados que son análogos a las

neuronas y que están unidos con conexiones de peso que son

análogos a las sinapsis.

28


Utilización de redes neuronales en control de procesos

29

Neurona Artificial

29



30

Función de Transferencia Sigmoide

30



31

Red Neuronal con 2 Salidas

31



3232

Curso de Control Avanzado de Procesos


33

Aprendizaje -Pesos y Biases

33



34

Red neuronal4 entradas

1 capa escondida

3 neuronas en capa escondida

1 salida

34



35

Verificación del Modelo

35



36


36



37

Aplicaciones:

• Sensores Virtuales

• Predicción de Propiedades

• Creación de modelos de proceso

• Para sintonización de controladores PID

37



3838


3939


Control predictivo basado en modelo (MPC)

El Control Predictivo basado en Modelo (Model

Predictive Control, MPC) es un método avanzado de

control de procesos que ha sido utilizado en varias

industrias desde los 80s.

Los controladores predictivos basados en modelo utilizan

modelos dinámicos de los procesos. Estos modelos

usualmente son lineales y se obtienen mediante un

método de identificación.

4040



Investigaciones académicas sobre MPC

Algunas investigaciones teóricas realizadas por

Klieinmann, 1970

Thomas, 1975

Chen and Shaw, 1982

Etc.

Teoría de Control Predictivo:

Keerthi and Gilbert, 1988

Mayne and Michalska, 1990

Etc.

4141



Primeras aplicaciones industriales de MPC

• Model predictive Heuristic Control by Richalet et al. 1976

(Adersa)

• Dynamic Matrix Control (DMC) by Cutler and Ramaker 1979

(Shell Oil)

• Quadratic-Program Dynamic Matrix Control (QDMC) by Cutler et

al 1983 (Shell Oil)

4242



Implementar un MPC

MPC

4343



Implementar un MPC

MPC

44

Fundamentos de MPC

• El Control Predictivo basado en Modelo (MPC) es un algoritmo de control

multivariable que utiliza:

– Un modelo interno dinámico del proceso

– La historia de movimientos de control en el pasado, y

– Una función objetivo de optimización J en el horizonte de predicción para calcular los

movimientos de control óptimos.

– La función objetivo de optimización está dada por:

sin violar restricciones (límites bajo/alto)

• Con:

• xi = i -th variable de control (e.g. temperatura medida)

• ri = i -th variable de referencia (e.g. temperatura requerida)

• ui = i -th variable manipulada(e.g. movimientos de la válvula de control)

• = coeficiente de peso que refleja la importancia relativa de xi

• = coeficiente de peso que penaliza los cambios relativamente grandes en ui

44



45

Estructura básica del MPC

45



46

Componentes del MPC

• Modelo de Predicción

• Función Objetivo

• Obtención de la Ley de Control

46



47

Qué ha hecho al MPC exitoso en la Industria?

• Maneja naturalmente problemas de control multivariable

• Puede tomar en cuenta limitaciones en el actuador

• Permite operación más cerca de restricciones, por lo cual se

pueden incrementar los beneficios.

• Tiene suficiente tiempo para computaciones en línea.

• Puede manejar procesos de fase no mínima y procesos

inestables

• Es un método fácil de sintonizar

• Maneja cambios estructurales

47



48

Características del MPC

• Implementación de horizonte móvil

• Formulación en el dominio del tiempo orientado al desempeño

• Incorporación de restricciones

• Modelo explícito del sistema utilizado para predecir la dinámica

futura de la planta

48



4949



5050



51

Aplicaciones del MPC

• Columnas de destilación

• Unidades de Hidrocracking

• Plantas de Pulpa y Papel

• Mecanismos Servo

• Brazos Robóticos

• Otros…

51



52

Ejemplo:

Simplificando Control Override

52



53


53



54

Monitoreo del Desempeño

54


MPC

55

Costo de no tener un programa sostenido de Control

Avanzado

55


Más del 50% de las

aplicaciones de Control

Avanzado fueron apagadas

en los 2 primeros años

luego de su instalación

56

Porqué las aplicaciones de control avanzado no permanecen en

línea?

• Problemas de control regulatorio– Fallas de instrumentos

– Problemas en las válvulas

– Deficiente sintonía

• Cambios en el proceso– Nuevas restricciones o límites

– Diferentes objetivos de control

– Diferente dinámica de procesos

• Aplicaciones sin mantenimiento– Caja negra

– Mantenimiento sin presupuesto

– No hay monitoreo

• Falta de capacitación a operadores– Los operadores no entienden lo que el APC está haciendo

• Falta de capacitación técnica

• No hay un sistema de gerencia definido

• Otros factores humanos

56


GRACIAS

Preguntas?

57


5 control avanzado de procesos

Documents

algoritmos de control

control pid

ingeniera de control

control feedforward

control adaptativo

estrategia de control

estosin esto88control

computadores de proceso