Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Laborat
orio de Validac
ao de Sistemas
PPGEE, UFMG
Av. Antonio Carlos 6627, Belo Horizonte, MG
LEACOPI
CEFET/MG
Av. Amazonas,7675, Belo Horizonte, MG
Emails: lucio.passos@cpdee.ufmg.br, laura@cpdee.ufmg.br, carmela@ufmg.br,
anisio.braga@uol.com.br
Abstract The variability of control loops is an important process performance index. Statistical control
tools allow to detect whether the variability has some assignable cause, but does not specify the root cause. This
work presents an algorithm based on R chart useful to detect a variability increasing related with some operation
range of the manipulated variable. Tests were performed with several loops, from different production units, that
certified this pattern as a strong indicator of device fault, such as controllers with inadequate tuning or defective
actuators.
Keywords
Introdu
c
ao
PV
700
500
400
2000
4000
6000
18000
18000
MV(%)
PV
3
t(s)
6000
30
10
600
4000
20
700
2000
40
800
50
500
600
x 10
0.35
0.3
0.25
60
0.2
PV
MV(%)
0.15
40
0.1
0.05
0
-0.05
20
-0.1
-0.15
0.5
1.5
2.5
3.5
4.5
t(s)
3
t(s)
x 10
x 10
MV(%)
5
4
3
2
1
0.5
1.5
2.5
3.5
4.5
t(s)
x 10
Algoritmo Proposto
O objetivo do algoritmo e obter um ndice , capaz de detectar faltas relacionadas com o ponto
de operac
ao da MV. Mais especificamente, deve
detectar malhas cujas amostras da PV fora de
controle estatstico apresentem um determinado
padr
ao estatstico para a MV e, de maneira complementar, que tambem verifique se este padrao
n
ao ocorre em amostras da PV que estejam sob
controle estatstico. E, por se tratar de sinais
estoc
asticos, o ndice deve ser gradual, com incrementos positivos sempre que a hip
otese de falta
for confirmada e com incrementos negativos caso
contr
ario.
Este ndice e normalizado entre 0 e 100, indicando o percentual de certeza do diagn
ostico.
Detalha-se, a seguir, o procedimento proposto
para c
alculo do ndice.
A. Pr
e-processamento dos sinais:
Dados utilizados em cartas de controle devem
ser normalmente distribudos e descorrelacionados no tempo (Montgomery, 2001). Esta
u
ltima suposic
ao pode ser verificada graficamente por meio de correlogramas. A minimizac
ao da correlac
ao temporal pode ser realizada por meio de decimac
ao e utilizacao do
resduo de um modelo AR (Auto-Regressivo)
dos dados.
B. Projeto da carta de controle R para a
vari
avel controlada:
Como o objetivo e classificar as amostras
quanto ao nvel de variabilidade, utiliza-se
uma carta de Shewhart do tipo R. Esta
carta e baseada no range (diferenca entre o
maior e menor valor) de cada amostra. Inicialmente, um conjunto de amostras, representativo de bom estado operacional do processo,
e tomado como referencia e seus ranges sao
usados para o c
alculo dos limites de controle
m
aximo e mnimo (UCL e LCL). As demais
e futuras amostras s
ao classificadas, durante
a fase de monitoramento, como sob controle
estatstico se seus ranges estiverem dentro
desses limites e s
ao classificadas como fora
de controle estatstico caso contr
ario.
C. Estima
c
ao de um modelo estatstico de
refer
encia para a MV:
Seleciona-se na carta de controle R da PV um
intervalo com diversas amostras fora do limite
de controle. Estima-se a media e a variabilidade da MV (mv , mv ) para as amostras
(1)
|mv mv (i)|
,1
3mv
(2)
= 1 min
= min
E. Atualiza
c
ao do modelo estatstico da
MV:
` medida que novas amostras forem sendo coA
letadas, o modelo de referencia da MV deve
ser atualizado com dados de amostras fora de
controle estatstico. A atualizacao e feita de
maneira recursiva, parametrizada pelo fator
n. Quanto maior n, menor sera a influencia
de novas amostras nos parametros do modelo.
As equacoes recursivas utilizadas sao mostradas abaixo.
l
mv =
1X
mvl
l 1
(3)
mv (i) =
mv (i) =
1
n
mv (i 1) +
mv
(n + 1)
n+1
(4)
n
1
mv (i1)+
|mv mv (i)|
(n + 1)
n+1
(5)
F. Totaliza
c
ao do ndice de detec
c
ao:
O ndice e calculado por meio da acumulac
ao dos valores de /nu calculados para cada
amostra. Um fator deve ser ajustado `a sensibilidade do ndice em relac
ao aos incrementos.
(i)
max(min((i 1)
+ , 100), 0)R
(6)
Obteno da
Distribuio inicial da
MV: [mv(0), mv(0)]
Srie Original
i=1
0.8
50
0.6
S
Ri >UCLPV?
0.4
0.2
-50
-100
D
-0.2
0
4
t
-200
0
200
lags
Correlograma do Resduo
x 10
Resduo da Srie Original
50
0.8
0.6
0
0.4
0.2
0
-50
-0.2
i = i+1
-200
0
lags
200
Habilitado?
N
FIM
Exemplos de aplica
c~
ao do algoritmo.
Como exemplo, cada etapa do procedimento sera
aplicado `
a malha de controle de vaz
ao, a j
a citada
na sec
ao 2, como tendo um problema no posicionador.
A Figura 5 mostra, na linha superior, o grafico
de tendencia da vari
avel controlada e seu correlograma. A correlac
ao ultrapassa o limite de confianca para amostras com ate 100 lags, o que e esperado, considerando que o processo possui tempo
180
100
80
V (%)
160
140
120
60
40
20
0
100
100
200
300
80
400
500
Amostras
600
700
800
60
40
20
0
100
200
300
400
Samples
500
600
700
800
V (%)
100
50
Malha Nvel 1 - Resduo PV
Malha Nvel 1 - MV
20
MV (%)
PV
1
0
-1
300
400
Amostras
500
600
10
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Nvel 2 - Resduo PV
700
0.5
1.5
2
2.5
3
3.5
Malha Nvel 2 - MV
2
2.5
3
3.5
Malha Presso - MV
4.5
5
4
x 10
15
10
5
-2
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
1.5
0
-0.02
-0.04
0.5
1.5
MV (%)
PV
2.5
3.5
4.5
5
4
Malha Vazo 1 - MV
x 10
60
50
40
30
0.5
1.5
2.5
3.5
4.5
5
4
x 10
Malha Vazo 2 - MV
2
PV
70
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-50
x 10
10
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
50
4.5
15
MV (%)
PV
0.04
0.02
PV
2
MV (%)
200
PV
100
15
8
6
-2
2000
4000
6000
8000
10000
t(s)
(B) Referncia de posio para vlvula - MV
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
seg
12000
1.5
2.5
3
seg
3.5
4.5
5
4
x 10
100
Malha
Malha
Malha
Malha
Malha
90
80
40
70
Confiabilidade(%
)
MV(%)
0.5
30
Nvel 1
Nvel 2
Presso
Vazo 1
Vazo 2
60
50
40
30
20
20
4
t(s)
10
x 10
0
100
200
300
400
Amostras
500
600
700
Resultados gerais
Malha Vazo 1 - MV
70
60
MV (%)
PV
0.2
0
50
40
30
-0.2
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Vazo 2 - Resduo PV
1.5
2
2.5
3
3.5
Malha Vazo 2 - MV
4.5
2
2.5
3
3.5
Malha Vazo 3 - MV
5
4
x 10
50
MV (%)
PV
60
-50
40
20
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Vazo 3 - Resduo PV
0.5
1.5
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
1.5
x 10
2.5
3.5
4.5
5
4
Malha Presso - MV
x 10
MV (%)
40
MV (%)
60
200
PV
10
5
-20
55
50
45
40
35
20
-200
0
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Temperatura - Resduo PV
0.05
PV
4.5
25
20
15
MV (%)
PV
20
0
-0.05
0.5
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
seg
1.5
1.5
2
2.5
3
3.5
Malha Temperatura - MV
2.5
3
seg
4.5
5
4
x 10
3.5
4.5
5
4
x 10
Confiabilidade(%)
70
Malha
Malha
Malha
Malha
Malha
60
50
Vazo 1
Vazo 2
Vazo 3
Presso
Temperatura
40
30
20
10
0
100
200
300
400
A mostras
500
600
700
Os testes realizados certificaram a eficacia do controle estatstico utilizado com um algoritmo para
deteccao automatica de faltas. A partir da detecao, outras tecnicas de processamento de sinais
podem ser utilizadas para enderecar automaticamente, diagnosticas, a causa exata do problema.
A vantagem da utilizacao desse tipo algoritmo
cresce proporcionalmente com o n
umero de vari
aveis. Em unidades produtivas com grande n
umero
de malhas de controle, a inspecao de todos os controladores e atuadores torna-se inviavel. Por isso,
mesmo com um percentual de diagnostico incorreto, o levantamento de malhas potencialmente
faltosas torna-se extremamente u
til para nortear
os trabalhos de manutencao preventiva, contribuindo para uma operacao mais estavel, consciente e pro-ativa.
Testes de validacao do algoritmo em operacao contnua, por perodos prolongados, podem
indicar a extens`ao da aplicacao do mesmo, ou a
necessidade de ajustes.
Malha Vazo 1 - MV
30
MV (%)
1
PV
Conclus
ao
Refer
encias
20
10
-1
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Vazo 2 - Resduo PV
0.5
0.5
MV (%)
2
PV
2
2.5
3
3.5
Malha Vazo 3 - MV
2
2.5
3
3.5
Malha Presso - MV
4.5
5
4
x 10
30
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Vazo 3 - Resduo PV
4
0
-2
1.5
4.5
5
4
x 10
38
36
34
32
30
28
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Presso - Resduo PV
1.5
4.5
5
4
x 10
50
0.1
MV (%)
0
PV
2
2.5
3
3.5
Malha Vazo 2 - MV
20
-1
-0.1
-0.2
-0.3
45
40
35
0.5
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Malha Temperatura - Resduo PV
1.5
2.5
3.5
4.5
5
4
Malha Temperatura - MV
0.1
x 10
45
MV (%)
0.05
PV
1.5
40
MV (%)
PV
0
-0.05
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
seg
40
35
30
0.5
1.5
2.5
3
seg
3.5
4.5
5
4
x 10
Malha
Malha
Malha
Malha
Malha
90
80
Vazo 1
Vazo 2
Vazo 3
Presso
Temperatura
Confiabilidade(%)
70
60
50
40
Montgomery, D. C. (2001). Introduction to Statistical Quality Control, John Wiley Sons Inc.,
Arizona University, USA.
30
20
10
0
100
200
300
400
A mostras
500
600
700