VII Simposio

Internacional de
Automatizacin

Lima
23-26 de Octubre
2007

Optimizacin de
Lazos de Control
Javier Romn

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

Terminologa

Lazos de Control

PV: valor de proceso

SP: setpoint

CO: salida de control

PID: controlador Proporcional-Integral-Derivativo

CLCM: Monitoreo de Condiciones de Lazos de Control

KPI: Indicadores Clave de Performance

APC: Control Avanzado de Procesos

MPC: Control Predictivo basado en Modelo

SPC: Control Estadstico de Proceso

MvSPC: Control Estadstico Multivariable de Proceso

RTO: Optimizacin en Tiempo Real

El Escenario de Control Avanzado de Procesos

LAB
Modelado Riguroso

SPC
Modelos
Inferenciales

RTO

MPC

Modelo

Operador
SPC

Control de Proceso en DCS

MvSPC
Optimizacin
de Lazos

Proceso
4

Diagrama de un Lazo de Control

Salida
Salidade
de
Control
ControlCO
CO

Actuador
Actuador

Objetivo
Objetivo
SP
SP

Controlador
Controlador

Proceso
Proceso
Medicin
Medicin
PV
PV

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

Por Qu Optimizacin de Lazos?

Opera mi planta en forma ptima?

Si no, cunto se debe a automacin de

proceso, especialmente lazos de control?

Deberamos usar medidas

disponibles en lugar de solamente
almacenarlas

Operacin normal no necesariamente

significa operacin ptima

Optimizacin de lazos ahorra dinero

sin mayores inversiones de capital

Performance: Variabilidad es una amenaza!

Oscilaciones

El lazo presenta oscilaciones?

Cules son las causas posibles?

Qu podemos hacer para eliminarlas?

Alta variabilidad

Es la variabilidad mnima?

Qu tan lejos se encuentra del mnimo?

Por qu ha aumentado?

Puede mejorarse?

Performance real no es ptima!

Una inversin que debe dar repago!

Lazo de control tpico es un activo de $ 25,000

La mitad se pierde
50 % bien sintonizados
25 % control no efectivo
25 % reduce performance
Mitad de tiempo de buena performance = 6
meses
2 4 horas para investigar y mejorar
performance de un lazo de control
Proceso tpico contiene 2000 4000 lazos de
control
Pocas personas con conocimiento apropiado
En promedio, un ingeniero de proceso est a
cargo de 400 lazos de control
25 % de 4000 lazos impacta severamente, lo que
significa prdidas de $ 25,000,000 !!

10

Los analistas comienzan a comprender...

Edicin de Junio 2003:
Se debe incluir lazos de control en manejo de activos
Les A. Kane, Editor

Citas:

... mientras el equipamiento de proceso es una parte integral de programas de manejo de

activos, los lazos de control ... frecuentemente no reciben la misma atencin.
La performance de los lazos de control ... se degrada lentamente en el tiempo sin llamar la
atencin
Sin una adecuada sintona de lazos de control para minimizar variabilidad, ... se pierden
beneficios sustanciales
... an una leve degradacin en el control del proceso puede resultar en millones de
dlares perdidos de ganancias
Identificar los lazos de control con mayor repago requiere evaluar todos los lazos de
control, lo cual sera una tarea insuperable sin ayuda de software de supervisin y anlisis
de lazos de control
Cuando recin instalado, el control avanzado de proceso proporciona tpicamente
beneficios sustanciales. Mantener estos beneficios debido a condiciones cambiantes, sin
embargo, es un problema
es buen tiempo de asegurar los sistemas de control como parte sus esfuerzos de
manejo de activos.

11

Cmo son los datos de un lazo de control?

Set-point & valor de proceso

Tiempo

Salida de control

12

Costo de un mal control

Costo

Alto

Sintona del
lazo

Sueo

Bajo
Tiempo

Costo

Alto

Realidad

Bajo

Costo

Alto

Tiempo

Sueo realista con

Auditoria

Bajo
Tiempo

13

Beneficios de Sintona y Auditoria

Mantener el sistema de control regulatorio en su mximo

Performance del lazo

Mantenimiento preventivo

Habilita al operario a mantener lazos en su punto de ptima

performance

Alerta de problemas de equipos/proceso a su debido tiempo

Problemas de instrumentos

Problemas de actuadores

Posibilita el uso de control multivariable/avanzado

MPC limitado por la capacidad del control bsico

Modelos MPC incorporan performance de lazos bsicos

14

Sintona y Auditoria de Lazos

- un requerimiento para proyectos APC
s
o
v
ti

lab
Clculo de Propiedades
Inferenciales

s
o
n
i
im
a
t
c
r
s
p
a to
e

c
i
f
c
op
i
s
c du v o
s
e
ti e
p r o j e ti
s
e ep
lm
ob
d

sensores

Control Multivariable/
Predictivo basado en Modelo
Supervisin de Lazos

Control Regulatorio Bsico

actuadores

Sintona y Auditoria
de Lazos

Sintona Optimizada

Planta
15

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

16

Diagrama en Bloques
Salida
Salidade
de
Control
CO
Control CO

Objetivo
Objetivo
SP
SP

Proceso
Proceso

Actuador
Actuador

Medicin
Medicin
PV
PV

CO (u)
SP (r)

Controlador
Controlador

CPID

GP

PV (y)

17

Transformada de Laplace

Transformacin matemtica dada por:

F ( s ) f (t ) e st dt
0

Herramienta para solucin de ecuaciones diferenciales

(se convierte en una ecuacin algebraica en el dominio
de la variable compleja s).

Ejemplos:

df (t )
sF ( s )
dt

F ( s)
f (t )
s

18

Funcin de Transferencia

Uso de Transformada de Laplace para representacin

de sistemas

Funcin de Transferencia:

forma clsica de modelar sistemas lineales

representacin entrada-salida

se determina mediante ensayos (respuesta al impulso/escaln)

u(t)

y(t)

dy (t )
b u (t ) a y (t )
dt

U(s)

G(s)

Y(s)

Y ( s)
b
G ( s)
U ( s)
sa
19

Controlador PID Breve Resea

Propuesto en los aos 40 y se mantiene hasta ahora

como el controlador de lazo ms utilizado

Es un controlador no-ptimo

Es fcil de sintonizar y permite alcanzar una buena

performance

Es fcilmente implementable en un sistema de control

digital

Se basa en una estructura de una entrada y una salida

20

PID Estructura interna

P: proporcional
I: integral
D: derivativo

El controlador PID est basado en 3 acciones paralelas

Frecuentemente se utilizan solo los trminos P e I

Existen varias formulaciones matemticas

d e t
u PID t K p e t K i e t dt K d
dt
21

PID Estructura matemtica Paralela e Ideal

d e t
u PID t K p e t K i e t dt K d
dt

1
d e t
u PID t K e t e t dt Td

Ti
dt

Forma Paralela

Forma Ideal

La forma Paralela es apta sobretodo para tratamiento emprico

manual

La forma Ideal tiene la ventaja que Ti y Td son expresados en

segundos y solo K depende de la unidad de medida del proceso

22

PID Funcin de Transferencia de un PI

1
u PI t K e t e t dt
Ti

Forma PI Ideal

1
C PI s K 1

sTi

1 sTi
C PI s K
sTi

Esta formulacin es muy til porque pone en evidencia las

constantes de tiempo del controlador

Un controlador PI tiene una funcin de transferencia con un

cero y una accin integral

23

PID Funcin de Transferencia de un PID

1
d e t
u PID t K e t e t dt Td

T
dt
i

Forma PID Ideal

1
C PID s K 1
sTd
sTi

24

PID Estructura matemtica Serie

Partiendo de la forma Ideal:

La forma Serie es til

cuando se analiza el
controlador en el dominio
de la frecuencia, dado
que pone en evidencia las
constantes de tiempo
(polos y ceros)

Observar:

1
C PID s K 1
sTd
sTi

1 sTi s 2TiTd
C PID s K

sT
i

C PID

1 sT1 1 sT2
s K
s

1
~
~

C PID s K 1 ~ 1 sTd
Ti s

K, Ti y TD de la forma
~ ~
Ideal difieren de K , Ti
~
y Td de la forma Serie

Forma Serie

25

PID Estructura Interactiva y No-Interactiva

Forma No-Interactiva (Paralela e Ideal):
PID

P
I
D

Forma Interactiva (Serie o Clsica):

PID

PD

I
P

26

PID Implementaciones Industriales

Forma Paralela:

Ki
sK d
u PID ( s ) K p ( r y ) r y
( r y )
s
1 TF s

u: salida de control (CO)

r: setpoint (SP)

y: valor de proceso (PV)

KP: ganancia proporcional

KI: ganancia integral

KD: ganancia derivativa

TF: constante de tiempo de filtro

: factor de peso para setpoint en trmino proporcional

= 1 implica accin proporcional sobre el error

= 0 implica accin proporcional sobre el PV

: factor de peso para setpoint en trmino derivativo

= 1 implica accin derivativa sobre el error

= 0 implica accin derivativa sobre el PV

27

Respuesta de un sistema de primer orden

Funcin de transferencia:

e Td s
G s G0
1 T0 s

Respuesta a escaln unitario

y t G0 (1 e
63%

G0
Td

T0

( t Td )
T0

)U 0

Parmetros:

G0: ganancia esttica

T0: constante de tiempo

Td: retardo puro o

tiempo muerto

G
e 3s
G s
1 5s

t r 2.2T0

28

Respuesta de un sistema de segundo orden

n
G s G0 2
2
s 2n s n
2

Funcin de transferencia:

Mp
ts

Go

Parmetros:

G0: ganancia esttica

n: frecuencia natural no
amortiguada

: relacin de

amortiguamiento

0.4 Sub -amortiguado

0.7
1

Crtico

1.2 Sobre-amortiguado
Mp: sobretiro (overshoot)

M p (%) 100e

1 2

ts: tiempo de asentamiento (5%)

3.2
t s (5%)
, 0.69

29

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

30

Sintona de Controladores PID

Objetivo

Hallar los parmetros del controlador PID (tpicamente K, Ti y

Td) para obtener una respuesta de lazo de control deseada

Especificaciones en el dominio del tiempo y/o frecuencia

Cometidos principales del controlador:

Seguimiento de setpoint

Rechazo de perturbaciones

Mtodos de sintona

Ziegler-Nichols (Manual)

Lambda

IMC (Internal Model Control)

Ubicacin de Polos Dominantes

31

Procedimiento para la Sintona

Salida
Salidade
de
Control
CO
Control CO

Objetivo
Objetivo
SP
SP

Controlador
Controlador

Adquirir

Proceso
Proceso

Actuador
Actuador

Sintonizar
SP (r)

CO (u)

CPID

Modelar

GP

Medicin
Medicin
PV
PV

PV (y)

32

Adquisicin de Respuestas

Ensayos escaln (perturbacin del proceso):

en lazo cerrado (modo automtico): cambios en SP

en lazo abierto (modo manual): cambios en CO

capturar la dinmica del proceso entre CO y PV

evitar perturbaciones externas

magnitud de los escalones significativa respecto al ruido de

medida, limitados por condiciones operativas

variedad de amplitudes y en ambos sentidos para caracterizar

el o los puntos de trabajo

33

Identificacin del Modelo

Usualmente expresado como Funcin de Transferencia

Mtodos automticos de ajuste de parmetros con seleccin
manual o automtica del orden del modelo
Evaluacin del modelo mediante ndices de ajuste a la respuesta
real (<error2>, R2, etc.)
Simulacin del modelo (respuesta escaln, diagramas de Bode)
Validacin del modelo con otro set de datos

K 1 Tz s e
G s
2
2
s 1 T1s s 2 n s n

Ds

K: ganancia esttica
Tz: constante de tiempo del cero
T1, , n : constantes de polos
D: retardo de transporte (tiempo
muerto)

34

Sintona: Mtodo Ziegler-Nichols (Manual)

Mtodo manual clsico para eleccin de parmetros de

sintona de PIDs

Diseado para rechazo de perturbaciones

Procedimiento:

1.

Se configura el controlador en modo proporcional nicamente.

2.

Se aumenta la ganancia hasta producir una oscilacin.

3.

Se registra la ganancia (Ku) y el perodo de la oscilacin (Tu).

4.

Se eligen los parmetros del PID de acuerdo a una tabla.

En la prctica
requiere re-sintona o
atenuacin de los
parmetros para
respuesta ms
estable

Controlador

Ti

Td

0.5 Ku

PI

0.4 Ku

0.8 Tu

PID

0.6 Ku

0.5 Tu

0.125 Tu

35

Sintona: Mtodo Lambda

Requerimientos: modelo de primer orden, estable o integral, con

tiempo muerto

Parmetros de diseo: constante de tiempo del lazo cerrado ()

CO

SP
-

PID P

PV

P0
P s
1 T0 s
1
P s
1 s

Factor
Factor Lambda (relacin con lazo abierto):
T0
T0
1
K
TI T0
PID( s ) K (1
)
Controlador PI:
P0
TI s

36

Sintona: Mtodo IMC (Internal Model Control)

Extiende el concepto del mtodo Lambda a modelos de mayor orden

Requerimientos: modelo estable

Parmetros de diseo:

Mxima Sensitividad (MS), o

Constante de tiempo del lazo cerrado ()

MS permite un diseo robusto (cuanto menor sea el valor de MS, ms

robusta es la sintona)

Gm
Gm
Gf

SP

modelo del proceso

GC

inversa aprox. del modelo

filtro, tpicamente primero orden ()

Gf
IMC

Gc

1 G f G Gm

PI ( D)

PV

CO

GP GP
Gm

G f Gm

37

Sintona: Mtodo de Ubicacin de Polos Dominantes

Requerimientos: ninguno

Aproxima el lazo cerrado a una transferencia de

segundo orden

Parmetros de diseo:

: relacin de amortiguamiento

: frecuencia natural
CO

SP
-

PID G

PV

n
G s 2
2
s 2n s n
2

38

Sintona: Mtodo ITAE

ndice de Performance ITAE

Integral Time Absolute Error:

el producto por t reduce la contribucin del error inicial y prioriza

el error final

ndice modificado:

ITAE t e(t ) dt

du
ITAE t e(t ) dt p max( )
dt

p limita el gradiente de la accin de control u (CO)

Requerimientos: valores iniciales del PID para lazo

estable

utilizar otro mtodo inicialmente

optimizar con ITAE

Parmetros de diseo: mx(dCO/dt) - opcionalmente

39

Mtodos de Sintona
Mtodo

Modelo de Proceso

Manual

Todos

Cualquiera el
usuario debe saber
como sintonizar

Parmetros del
controlador

Partiendo de inicio o
ajustando los
resultados
automticos

Lambda

Primer orden,
estable

Seguimiento de
setpoint

Constante de tiempo
en lazo cerrado
deseada (Lambda o
factor Lambda)

Lambda es la
constante de tiempo
del lazo cerrado

Tarea de Control

(Auto-regulados con
solo una constante
de tiempo o
puramente integral)

Parmetros de
Diseo

Observaciones

El factor lambda es
la relacin con el
lazo abierto

Ubicacin de
Polos Dominantes

Todos

Rechazo de
perturbaciones (y
seguimiento de
setpont, ver
observaciones)

Amortiguamiento
de transitorios y su
limitante de
velocidad max

Sintona universal
para ambas tareas,
para controladores
con coef. de SP
ajustable

IMC

Estable

Seguimiento de
setpoint

MS (Mxima
sensitividad) o
Lambda

Especificando MS se
garantiza robustez
directamente

Minimizar funcin de
costo

Gradiente de la
salida de control

Requiere parmetros
iniciales de
controlador estable

(Auto-regulados o
integral)

ITAE

Todos

40

Sintona: Evaluacin

Simulacin de la respuesta del lazo cerrado ante

perturbaciones externas y cambios de setpoints

Diversos parmetros de performance tanto en el

dominio del tiempo como en frecuencia

Simulacin de la sintona con diversos modelos

Parmetros de sintona acorde a la implementacin del

PID

41

Evaluacin en el Dominio del Tiempo

4

Error Absoluto Integrado: IAE

1
e(t ) dt

42

Evaluacin en el Dominio de la Frecuencia

d

n
r: referencia, set-point (SP)

e
-

GP

u: accin de control (CO)

y: salida (PV)
d: perturbacin a la entrada
n: ruido de medida

Transferencia en lazo abierto:

Gol C ( s )GP ( s )

y
C ( s )GP ( s )
Transferencia en lazo cerrado: Gcl
r 1 C ( s )GP ( s )
y
1
S

Funcin de Sensitividad:
n 1 C ( s )GP ( s )
Transferencia Seal de Error:
Transferencia Ruido-Accin de
Control:

e
1

S
r 1 C ( s )GP ( s )
Gun

u
C (s)

n 1 C ( s )GP ( s )

43

Evaluacin en el Dominio de la Frecuencia

Parmetros de Estabilidad Relativa - Robustez
Diagrama de Bode del lazo abierto, Gol(s)
Margen de Ganancia:
Am

1
G ( j )
ol
cg

Margen de Fase:
m arg(Gol ( jcp )

Margen de Retardo:

2
3

m
Td
cp
Delay Margin

44

Lazos Feedforward y Cascada

K (TLead s 1)e Ds
C FF s
TLag s 1

Feedforward:
D

GD
CFF

SP

CO

CFB

PV

GP

Cascada:
COOUT = SPIN

SP

COUT
-

CIN

COIN

GIN

PVIN

GOUT

PV

45

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

46

Qu es performance de control?

La pregunta de performance del controlador es considerada en la

fase de Diseo del Controlador

constante de tiempo

ancho de banda

IAE, ISE,

frecuencia de corte

tiempo de asentamiento

mrgenes de ganancia/fase

sobretiro

margen de retardo

47

Diferencia entre Sintona y Evaluacin

Etapa de Diseo

Diseo razonable

Diseo ligeramente
agresivo

Etapa de Evaluacin

?
es esto un buen control?
Si no: por qu?

48

Generar informacin a partir de datos!

Supervisin de Performance

Rara vez se dispone de informacin

adicional

Usar datos de operacin solamente

Responder preguntas ms relevantes

Preguntas tpicas

Oscilan los lazos?

Trabajan en modo automtico?

Tienen un desempeo aceptable?

Cules lazos requieren nueva sintona?

Hay problemas de fsicos? (desgaste de

vlvulas, por ej.)

49

Supervisin de lazos de control no-invasivo!

ndices (KPI)
Monitoreo de
Condiciones
de Lazos de Control
(CLCM)
o
Auditoria

50

Evaluacin de Performance por Pasos

1.

Recolectar y analizar datos

2.

Calcular Indicadores Claves de Performance (KPI)

3.

Elaborar hiptesis y sugerencias basadas en los KPI

importante
matemtica
involucrada

51

Diagnsticos de Lazos de Control

KPI
KPI
Reglas
Reglasde
deAuditoria
Auditoria

Diagnsticos
Diagnsticosde
de
Mantenimiento
Mantenimiento

Diagnsticos tpicos:

Problema de sintona

Lazo oscilatorio

Ranking de Lazos

Perturbacin externa

segn Performance

Friccin esttica en vlvula

Buena

Prdida en vlvula

Regular

Tamao de vlvula incorrecto

Pobre

Performance global aceptable

52

Indicadores Claves de Performance

Estadsticas bsicas

Valor medio, desviacin

estndar

Validez de datos

Outliers

Check de validez

Compresin

Modos de lazo de control

Automtico/Manual

Saturado

Cascada

Nivel de ruido

ndices de Oscilacin

Oscilando, si/no?

Frecuencia/Perodo

ndices de Vlvulas

Friccin esttica

ndice de No-linealidad

ndice de No-linealidad

ndice de No-Gaussiano

ndices de Performance

Performance del lazo

ndice Harris

Retardo puro estimado

53

Estadsticas Bsicas

Valor medio

Desviacin estndar

Kurtosis, Skewness

Simple pero til

Tendencias son importantes

Valores tpicos que se capturan

visualmente de tendencias

Importante para documentacin

Para clculos propios

Siempre posibles

kurtosis

skewness

54

Validez de Datos

Son los datos vlidos para anlisis?

Compresin de datos

outliers

si los datos se obtienen de un

historiador

Cuantificacin de datos

Puede conducir a mala performance

de control

compresin

cuantificacin

55

Automtico / Manual

Salida saturada

Cascada

320

35

300

30

CO

PV, SP

280

200

400

600

800

1000

CO

PV, SP

Modos del Lazo de Control

25
1200

time [s]
Modo
Modocascada
cascada==0%
0%
Modo
automtico
=
100%
Modo automtico = 100%

time [s]
Modo
Modocascada
cascada==100%
100%
Modo
automtico
=
Modo automtico =100%
100%
Saturacin
=
32.3%
Saturacin = 32.3%

56

Espectro

Deteccin de Oscilacin una tarea simple?

Dominio de la frecuencia

encontrar picos en el espectro

Dominio del tiempo

seales peridicas a la vista

Auto-correlacin

considera el factor de amortiguacin

buena cancelacin del ruido

Tiempo [s]

Auto-correlacin

Seal
de error

Frecuencia

Auto-correlacin

regularidad de cruces por cero

Auto-correlacin

Tiempo [s]

Tiempo [s]

57

ndices de Oscilacin

Deteccin de oscilacin

Interna - externa

Cuantificacin

Perodo amplitud

Importante para anlisis de causa

raz (root-cause analysis)
5

Diagnsticos de oscilacin

Friccin en vlvulas
No linealidad

4.5
4
3.5
3

Espectro

2.5
2
1.5
1
0.5

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

58

ndice de Oscilacin (dominio del tiempo)

Caudal [%]

0 = sin oscilacin, 1 = oscilacin perfecta

Tiempo [s]

0.88

0.25

Controlador sintonizado
59

Severidad de la Oscilacin

Cuantifica la oscilacin

Perodo
Perodo==42.7
42.7[s]
[s]
Amplitud
Amplitud==23.9
23.9%
%
Severidad
Severidad==79.8
79.8%
%

Perodo
Perodo==21.1
21.1[s]
[s]
Amplitud
Amplitud==2.5
2.5%
%
Severidad
Severidad==41.2
41.2%
%

Tiempo [s]

60

ndices de No-linealidad

Anlisis de causa raz de oscilaciones

Identificacin de problemas en actuadores

Sumamente til en conexin con deteccin y

diagnstico de oscilacin

Histresis
Histresis

Friccin
Friccinesttica
esttica

Banda
Bandamuerta
muerta

61

ndices de Actuadores/Vlvulas

Estadstica simple y diagnsticos

avanzados

No linealidad en vlvulas es un
problema importante

Desplazamiento/
Desplazamiento/hora
hora==3510
3510[%/h]
[%/h]
##Cambios
Cambiosde
dedireccin/
direccin/hora
hora==1050
1050[#/h]
[#/h]
CO

Tamao
Tamaode
delalavlvula
vlvula==100
100[%]
[%]

62

Ejemplo de Investigacin de Oscilacin

carga cclica
friccin
esttica

F
FC
sintona muy rpida

ndices

Detalles de la oscilacin (perodo,

amplitud )
Tendencias para cada ndice

Diagnsticos

Verificar performance global

Detectar oscilacin

Decidir entre estas 3 causas

63

Seales Perfectas de Friccin Esttica

Setpoint
SP
Variable de
Proceso
PV
Salida de
Control
CO

tiempo

64

Un Problema Tpico: Lazos Acoplados

AC
Producto 2

no o.k.

Lazo
Lazode
deComposicin
Composicin

Producto 1

o.k.
Lazo
Lazode
deCaudal
Caudal

FC
65

Ambos Lazos Oscilan

cross-corr.

control de composicin

tiempo [s]

control de caudal

tiempo [s]

Cul lazo est causando la oscilacin?

Diagnosis: stiction

no stiction
66

Solucin con Correlacin Cruzada

La correlacin cruzada es usada cuando se tiene

informacin de dos diferentes series temporales.
El rango de valores es de -1 a 1 de tal forma que
cuanto mas cercano est el valor a 1, mas
similares son las series.

Clculo: Multiplicar ambas seales en cada

muestra y sumar los productos

67

Si la causa es friccin esttica ...

CCF

variable de
proceso

seal de control

corrimientos

correlacin cruzada
68

Si la causa no es friccin esttica ...

CCF

variable de
proceso

seal de
control

corrimientos

correlacin cruzada
69

Diagnstico usando correlacin cruzada

control de caudal

corr. cruzada

seales

control de composicin

Diagnstico: friccin

esttica

no hay
friccin

70

ndices de Evaluacin de Sintona

Que tan cerca sigue el Valor de Proceso al Setpoint?

ndice de Harris
25%

0.92

ndice de Harris

0.96

5%
3%
0.3%
5.3%
0.6%

71

ndice de Cruce de Setpoint

0.02

ndice de Harris (Mnima Variancia)

Mtodo estocstico que permite evaluar la performance

del controlador mediante una comparacin con el
controlador de Mnima Variancia (MVC):

Aquel capaz de remover todas las perturbaciones (luego del

tiempo muerto) dejando solamente un ruido blanco

Representa el mejor resultado terico que se puede alcanzar

Se calcula como:

2
MVC
I 2
SP PV

con valores entre 0 y 1, cunto ms alto, mejor la performance.

72

ndice de Harris (Mnima Variancia)

Principio: comparacin con control de mnima variancia

El ndice de
Harris calcula la
parte predecible
mnima dada la
restriccin del
tiempo muerto

=
+

Predecible, puede ser removido

por el control

No predecible, no puede
ser removido por el control

La
Laparte
partepredecible
predecibledepende
dependedel
deltiempo
tiempomuerto
muertodel
delproceso
proceso

73

2
MVC
I 2
SP PV

Impulso

respuesta a impulso en lazo cerrado

ndice de Harris (Mnima Variancia)

control
actual

Respuesta a impulso
estimada de datos de
operacin normal

control
PI ptimo

control
MV
time [s]

Calcular ndice de performance (I):

[0 1]

I=
+
PERO
PERO......necesita
necesitasaber
sabereleltiempo
tiempomuerto
muertode
decada
cadalazo!
lazo!

74

ndice de Harris Ejemplo

Antes:

0.47

Despus:

0.96

75

Ejemplo de una Herramienta de Performance

Unidad de Proceso: Unit-xyz
Lazos investigados: 50
Fecha: 2002-08-15
Performance global: buena
# lazos de buena performance: 32
# lazos intermedios: 12
# lazos de mala performance: 6

12%
bad

24%
medium
64%
good

Lazos de mala performance

* oscilando: 3
* gran desviacin estndar: 2
* comportamiento sospechoso: 1

Indicar malos lazos en pantalla

y reportes

76

Ejemplo de una Herramienta de Performance

Loop FC-xyz
Problema: oscilacin
Causa probable: problema
en vlvula
Solucin: mantenimiento
Hasta tanto, sintonizar
con Ti=10.8, Kp=0.74
Loop TC-xyz
Problema: oscilacin
Causa probable: externa
Solucin: revisar FC-xyz
Sintona actual OK
Loop Lc-xyz
Problema: alta variancia
Causa Probable: sintona/
estructura del controlador
insuficiente
Solucin: resintonizar controlador
PI (Ti=10.8, Kp=0.74) y usar
seales abc para feed-forward
(Kf=0.92)

77

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

78

Anlisis de Perturbaciones de Planta

Perturbaciones a nivel de toda la

planta causan problemas
significativos

El reciclaje de energa y material

contribuye a su propagacin

La identificacin de la causa raz

no es una tarea simple

Tradicionalmente requiere
conocimiento experto del proceso
y/o ecuaciones de primeros
principios

Alternativa: software avanzado de

tratamiento de seales
procesando informacin tpica de
histricos de planta

79

Ejemplo de Perturbaciones a Nivel de Planta

Alimentacin
TI1
TI2

Salida de
Fluido
Calefactor

Columna de destilacin
parte de un proceso mayor

Reaccin con dependencia

crtica de la temperatura

Estructura de control:

TI3
TI4
TI5
TC1

Salida de
Producto
Intermedio

TC2
Entrada
Fluido TI6
Calefactor

LC1

TI7

Salida de
Producto

Control cascada para el

flujo calefactor de entrada

Control de flujo de salida

mediante medida de nivel

7 temperaturas
adicionales a lo largo de
flujo para supervisin

80

Perturbacin Afectando el Proceso

Alimentacin
TI1
TI2

Salida de
Fluido
Calefactor

TI1
TI2
TI3

TI3

TI4

TI4

TI5

TI5
TC1
TC2

Entrada TI6
Fluido
Calefactor

Salida de TC1
Producto TC2
Intermedio

TI6

15%
osc.
LC1

LC1
TI7
TI7
0

Salida de
Producto

50

100

150

200

250

300

350

400

Hiptesis de causa raz:

1.

Controlador de nivel LC1 mal sintonizado

2.

Perturbacin externa en alimentacin TI1

81

Metodologa de Anlisis de Perturbaciones

Recoleccin de tendencias de variables involucradas

Procesamiento:

seleccin de tramos tiles (valor medio constante durante las

oscilaciones)

aplicacin de filtros pasa-banda para enfocarse en la oscilacin

bajo estudio

2 tcnicas de Clustering:

Deteccin de oscilacin

Anlisis de Componentes Principales

Indicador de Causa Raz #1: No-linealidad

Indicador de Causa Raz #2: Causalidad

Indicador de Causa Raz #3: Retardos temporales

82

Indicador 1: Resultados de No-Linealidad

Alimentacin
TI1
TI2

Salida
Flujo
Calefactor

TI3
TI4
TI5
TC1

Producto
Intermedio

TC2
Entrada
Flujo
Calefactor

TI6

LC1

TI7
Salida de
Producto

83

Indicador 2: Matriz de Causalidad

TI1 causa TI2
TI3 causa TI4
Causa

TI4 causa TI5

TI1
TI2
TI3
TI4
TI5
TC1

TC2

Efecto

TI6

LC1

TI7

84

Indicador 3: Retardos Temporales

10 seg
20 seg
20 seg
40 seg
290 seg

TI1
TI2
TI3
TI4
TI5
TC1

TC2

TI6

140 seg
30 seg
LC1

TI7

85

La perturbacin es causada por la alimentacin

TI1
TI1

TI2

TI2

TI3

TI3

TI4

TI4

TI5

TI5

TC1
TC2

TC
1

TI6

TC
2

LC1
TI7

TI6

LC1

TI7
0

50

100

150

200

250

300

350

400

Hiptesis de causa raz:

1.

Controlador LC1 mal sintonizado

2.

Perturbacin externa
Perturbacin
externapor
por
alimentacin,
alimentacin,
TI1TI1

86

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

87

El Escenario de Control Avanzado de Procesos

LAB
Modelado Riguroso

SPC
Modelos
Inferenciales

RTO

MPC

Modelo

Operador
SPC

Control de Proceso en DCS

MvSPC
Optimizacin
de Lazos

Proceso
88

Auge de Modelos derivados de Datos

Amplia disponibilidad de histricos de datos y sistemas de

informacin de laboratorio han de hecho de los datos un
commodity

Las plantas son productoras de datos con cientos de miles de

puntos almacenados cada da

Los datos histricos son un activo valioso para un mejor

control, soporte de decisiones gerenciales y optimizacin de
procesos, pero extraer informacin til requiere herramientas

89

Aplicacin Tpica: Sensores Inferenciales

Estimar una variable de proceso cuya medida

directa no es posible o no se encuentra
disponible

Se basa en redundancia de informacin

mediante relaciones con otras variables de
procesos que se miden directamente
variable de
proceso
estimada

variables de
proceso
medidas

Sensor Inferencial /
Modelo

Tecnologa usada: redes neuronales,

regresiones, algoritmos genticos, SPC, MvSPC,
etc.
90

Sensores Inferenciales: Por Qu?

Muestras

ANALISIS DE LABORATORIO

LIMS
PIMS

Resultados
143.0 ppm

DCS
(Sistemas de
Informacin)

de 1 a 12 horas de
retraso en la medida
efectuado cada X
horas

91

Informacin continua, en tiempo real

Muestras

ANALISIS DE LABORATORIO

LIMS
PIMS
DCS

Resultados

Sensores
Inferenciales

(Sistemas de
Informacin)

143.0 ppm

de 1a sin
12 horas
de
demoras
retraso
en la medida
medidas
continuas
efectuado cada X
anlisis de laboratorio usados
horas

para validacin peridica de los

sensores inferenciales

92

Aplicaciones Tpicas de Modelos Inferenciales

Medidas Inferenciales

Validacin de Sensores

PEMS Monitoreo Predictivo de Emisiones

Monitoreo de Calidad

Monitoreo de Performance de Proceso

Aviso de Mantenimiento

93

Introduccin a MPC
FFs
PVs

Objetivos CV

Lmites CV

Optimiz.

MVs
SPs

Objetivos MV

Modelo
Lmites MV

MPC

PID
PID
PID

COs

PROCESO

Automacin
Bsica

CVs & PVs

MVs = Variables de Proceso Manipuladas, independientes, SPs control bsico

FFs = Variables Feedforward, perturbaciones medidas del proceso
CVs = Variables Controladas, dependientes, salidas de proceso
PVs = Variables de Proceso, realimentacin al estimador, mejor prediccin

94

Cmo MPC mejora la Performance

Vista Estadstica
Reduce la variancia y mueve hacia los Lmites
6
5
% Muestras/ Grado F

4
3
2
1
0
330 350 370 390 410 430
Grados F

95

Cmo MPC mejora la Performance

Manejo simultneo de restricciones y variables
Vapor
Restriccin
Condensador

Restriccin
Desborde

ptimo
Econmico

MPC
Regin MPC
de Operacin
Preferida por el Operador

Inicial

Restriccin de
Temperatura en
Reboiler

Reflujo

96

Aplicaciones Tpicas de MPC

Importante nmero de aplicaciones probadas de
MPC en industrias de proceso

Destilacin & Fraccionamiento

Reactores Qumicos

Operacin de Unidades en Refinera

Plantas de Etileno

Digestor de Pulpa

97

Agenda
1.

Introduccin

2.

Por Qu Optimizacin de Lazos?

3.

Conceptos de Teora de Control

4.

Sintona de Lazos

5.

Auditoria de Lazos

6.

Anlisis de Perturbaciones de Planta

7.

Herramientas de Control Avanzado

Muchas Gracias por su Atencin

98