portfolio simatic pcs 7 apc - inicio - departamento de ... · notas técnicas cómo mejorar el...

Notas Técnicas | SIMATIC PCS 7 - Portfolio APC | Octubre 2008 1

Notas técnicas publicadas por Siemens, Industry Sector, IA AS SM. © Siemens AG

Portfolio SIMATIC PCS 7 APC Notas Técnicas Cómo mejorar el rendimiento de su planta utilizando las herramientas adecuadas del portfolio SIMATIC PCS 7 APC

Octubre 2008 Para muchos usuarios (operadores de plantas, empresas de ingeniería, EPC, integradores de sistemas) es una buena noticia que las funciones APC (control avanzado de procesos) se ofrezcan cada vez más como funciones incorporadas en los sistemas de control distribuido, como por ejemplo, la Biblioteca SIMATIC PCS 7 APC y la Biblioteca de Procesos Avanzados Siemens. Con la gran variedad de herramientas APC surge la capacidad de elección: qué enfoque es el más apropiado para qué tipo de tarea o proceso para mejorar el rendimiento de una planta y lograr el beneficio máximo con esfuerzos mínimos. Este trabajo comienza con una investigación de las herramientas APC más comunes, según se las ofrece en la biblioteca PCS7 APC. En base a esto, se describe e ilustra un procedimiento típico para mejorar el proceso de control con herramientas APC en un caso de estudio.



Contenidos 1. Investigación: Herramientas APC en las bibliotecas PCS 7........................................... 3

1.1. Introducción ...............................................................................................................................3 1.2. Administración del Rendimiento de Control ...............................................................................3

1.2.1. Monitoreo del Rendimiento de Control..................................................................................4 1.2.2. Optimización del Controlador Asistida por Computadora (Sintonización PID) ......................7

1.3. Extensiones del Control PID ......................................................................................................8 1.3.1. Mando prioritario ...................................................................................................................8 1.3.2. Planificación de Ganancia PID............................................................................................10 1.3.3. Predictor de Smith para procesos con tiempos muertos.....................................................12 1.3.4. Compensación Dinámica de Perturbaciones (Control Predictivo de Avance-Retraso) .......13

1.4. Control Multi-Variable (MPC Control Predictivo basado en Modelo) .......................................16 1.4.1. Explicación intuitiva del control predictivo ...........................................................................18 1.4.2. MPC con DCS incorporado versus MPC con optimización online ......................................19 1.4.3. Configuración de Controladores Predictivos .......................................................................22

2. Procedimiento típico para mejorar el rendimiento de la planta con herramientas APC 24

2.1. Análisis de la situación y estimación potencial ........................................................................25 2.1.1. Identificación de los objetivos económicos para el control de procesos .............................25 2.1.2. Análisis del estado actual de la planta incluyendo el monitoreo del rendimiento de control27 2.1.3. Revisión de la Automatización Básica y luego Sintonización PID.......................................27

2.2. Definiciones de conceptos de las funciones APC....................................................................27 2.2.1. Selección de un enfoque adecuado basado en análisis .....................................................28 2.2.2. Diseño de la Estructura del Sistema de Control, Selección de las MV, CV y restricciones.30

2.3. Configuración de las Funciones APC ......................................................................................31 2.3.1. Excitación del proceso y registro de los datos obtenidos....................................................32 2.3.2. Modelado ............................................................................................................................33 2.3.3. Sintonización del controlador ..............................................................................................33 2.3.4. Puesta en marcha ...............................................................................................................34

2.4. Resumen de las reglas más importantes.................................................................................35 2.5. Documentación, Formación y Mantenimiento..........................................................................35

3. Caso de estudio: Columna de destilación...................................................................... 36 3.1. Implementación basada en plantillas .......................................................................................37 3.2. Beneficios Económicos............................................................................................................38 3.3. Resumen .................................................................................................................................40

4. Bibliografía......................................................................................................................... 41



1. Investigación: Herramientas APC en las bibliotecas PCS 7 Con las bibliotecas SIMATIC PCS 7-APC ([1.] [2.]) por primera vez, las funciones de control de procesos se incluyen en el alcance del sistema de control distribuido (DCS). Además de los algoritmos de control centrales, también se encuentran los process tag types (módulos predefinidos) y las herramientas de software para la configuración de controladores asistida por computadora sin cargo adicional. Las funciones APC se dividen en tres clases: administración de rendimiento de control, extensión para control PID y control multi-variable.

El control difuso y las redes neuronales artificiales también se ofrecen dentro del contexto SIMATIC PCS 7 en conocido Catálogo de Add-ons [3.] pero no se detallarán en este trabajo. Debido a la reducción de costos en una implementación basada en plantillas y en un sistema incorporado, una gran cantidad de aplicaciones, incluyendo procesos pequeños y medianos, pueden acceder al proceso avanzado de control, incluyendo aquellos en los que no es asequible (dentro de los tiempos de amortización deseados) interconectar costosos paquetes de software de control avanzado de procesos externos con el DCS. 1.1. Introducción En las siguientes secciones, se explicará cada una de las herramientas APC a partir de su principio básico, típicos casos de uso y aplicaciones típicas (ramas de la industria, unidades de procesos). Las descripciones son breves y sólo representan una lectura introductoria, no pretenden ofrecer una descripción completa. Puede hallar información adicional en las literaturas citadas y en la documentación de productos correspondiente. El ejemplo de proyecto PCS 7 “Getting Started with Advanced Control” (“Inicios en el Control Avanzado”) le permite al usuario familiarizarse con las nuevas estructuras de control avanzado de procesos por medio de experimentos prácticos, sin tener que intervenir en el proceso real. De esta forma puede descubrir el concepto, los requisitos y los beneficios de ciertas estructuras APC antes de aplicarse al proceso real. En estos ejemplos se incluyen simulaciones de procesos e imágenes OS intuitivas. Para las extensiones del control PID, se instala dos veces el mismo proceso de simulación, una instancia con extensión APC y otra, sin; todos los otros parámetros de procesos y del controlador son idénticos. Las ventajas de la extensión APC se pueden testear a través de una comparación directa. 1.2. Administración del Rendimiento de Control (Control Performance Management –ConPerMan-) El término genérico de administración de rendimiento de control incluye el monitoreo de rendimiento de control y la optimización de los lazos de control.



1.2.1. Monitoreo del Rendimiento de Control

Estudios empíricos han demostrado que muchos de los lazos de control en industrias de procesos no cumplen adecuadamente con todos los requisitos, y aún hay un gran potencial para mejoras. Sin embargo, no todos lo saben.

Figura 1: Potencial para mejoras en el rendimiento de control de [14.] Los operadores de planta o los técnicos de instrumentación o de control no pueden supervisar permanentemente ellos mismos la enorme cantidad de lazos de control que tienen a su cargo. Por lo tanto, se necesita funcionalidad para monitorear de forma automática y continua el rendimiento de control de todos los lazos de una planta para estipular actividades de mantenimiento específicas o una auto-sintonización selectiva de los controladores en forma oportuna, si el rendimiento de uno de los lazos se reduce o si se presenten problemas. Para monitoreo, en el sentido de diagnósticos no invasivos, sólo se evalúan los datos de medición de las operaciones de procesos regulares. (No obstante, la auto-sintonización de los controladores requiere experimentos activos en la planta). Cada lazo de control a monitorear está equipado de fábrica con un bloque de función de monitoreo de rendimiento dedicado (ConPerMon, [6.]) como los designados en los process tag types de la Biblioteca de Procesos Avanzados [9.]. Con estos process tag types, se reducen los esfuerzos de ingeniería para el enlace manual de bloques de funciones de monitoreo y control.



Figura 2: Flujo de señal para el monitoreo del rendimiento de control, SP: Valor de consigna, PV: Valor del proceso, MV: Variable Manipulada En operaciones de procesos continuos, el bloque de función calcula las siguientes características estocásticas del rendimiento de control: valor promedio, variación y desviación estándar de la variable controlada, valor promedio de la variable manipulada y de la desviación de control, índice de rendimiento de control, ganancia estimada de procesos permanentes.

Para los pasos de valor de consigna, se evalúan las siguientes características determinísticas del rendimiento de control: tiempo de subida, tiempo de asentamiento e índice de asentamiento,

sobreimpulso absoluto y relativo a la altura del pulso.

Otras evaluaciones estadísticas y gráficas de las señales en el lazo de control a lo largo de períodos más prolongados que puede seleccionar a su gusto están disponibles en la pantalla de control del bloque ConPerMon (Control Performance Monitor). En una representación general de una planta o unidad, puede obtener una imagen clara del estado de todos los lazos de control utilizando los íconos ConPerMon (funciones con luces indicadoras). El objetivo es detectar los problemas a medida que ocurren y concentrar la atención del usuario en aquellos lazos de control de una planta que ya no funcionen correctamente. Ejemplos de Aplicaciones El monitoreo de rendimiento de control se puede aplicar en cualquier proceso en cualquier industria. Ofrece un rápido panorama de los lazos con problemas y sus desviaciones del rendimiento ideal, dentro del DCS. Las áreas típicas de aplicación son las plantas con una gran cantidad de lazos de control como en las industrias del acero o del papel, refinerías, petroquímicas y químicas a granel. Se pueden sacar muchas conclusiones sobre el estado de un lazo a partir de la interpretación de los



indicadores calculados por el bloque de monitoreo, sin necesidad de tener conocimientos especializados previos: Una desviación del control promedio permanente ≠ 0 en un valor de consigna

constante indica problemas en un lazo de control. Verifique entonces las siguientes causas potenciales:

(1) El actuador no tiene suficiente capacidad. Como resultado, la señal manipulada

por el controlador se acerca constantemente al límite. Esto puede ser provocado por actuadores de dimensiones incorrectas, condiciones operativas cambiantes o simplemente por desgaste.

(2) La variable manipulada que exige el controlador no posee un impacto en el

proceso, por ejemplo, porque el actuador es defectuoso. Si la ganancia del proceso (por ej. la intensidad del calor o del intercambio de

materiales) cambia gradualmente con el tiempo, esto indica un desgaste en el proceso como ser ensuciamiento de los intercambiadores de calor, válvulas u obturadores, reduciendo así la eficiencia de las unidades de producción, etc. Si, por ejemplo, la temperatura se regula con un intercambiador de calor y hay un ensuciamiento en la superficie del intercambiador, el coeficiente de transferencia de calor, y en consecuencia la ganancia del proceso, se reducen. Dentro de ciertos límites, esto se puede compensar con un lazo de control cerrado (para que el controlador oculte el problema inicialmente). A pesar de que la dinámica de lazo de control original se puede restaurar (hasta un cierto punto) a través de un aumento adecuado de las ganancias del controlador a medida que el ensuciamiento aumente, se recomienda eliminar la causa del problema, es decir, limpiar el intercambiador de calor.

El índice de rendimiento de control (CPI) en la unidad [%] describe la variación

actual de la variable controlada en relación con la variación de referencia (punto de referencia). Se define como:

ξ = σ ref

2 100% σ y2

El CPI se mueve en el rango 0 < ς ≤ 100%. Si la variación actual corresponde a la

variación de referencia, el índice alcanza el valor de 100. De la misma forma, la variación de referencia se obtiene a partir del buen estado del lazo de control (por ej. después de la puesta de marcha con un sintonizador PID) y almacenado cuando el bloque ConPerMon se inicia. Si la variación actual aumenta, el índice de rendimiento de control cae en consecuencia. Si el índice de rendimiento de control cae por debajo del umbral especificado, se genera un mensaje y la imagen que simboliza al proceso cambia de color verde a amarillo o rojo. Una reducción en el rendimiento de control significa que la sintonización del controlador y la conducta del proceso ya no coinciden. Si la conducta inicial del proceso no se puede restaurar, se recomienda re-sintonizar el controlador.

El sobreimpulso relativo en porcentaje, es una medida de la amortiguación del lazo

de control. Si el sobreimpulso relativo es más del 20% o 30%, la ganancia del lazo (ganancia del controlador multiplicada por la ganancia del proceso controlado) por lo general, es muy elevada, ya sea porque el controlador no estaba bien sintonizado desde el principio, o porque las propiedades del proceso controlado cambiaron con el tiempo. Si el sobreimpulso es demasiado alto, el lazo de control quedará



generando oscilaciones con mala amortiguación, entonces, a menudo es útil reducir la ganancia del controlador.

1.2.2. Optimización del Controlador Asistida por Computadora

(Sintonización PID) Muchos controladores PID en la industria están sintonizados a partir de métodos de prueba y error o por reglas heurísticas, sin considerar a menudo la acción diferencial. En algunos lazos de control estándar, como el control de flujo de fluidos con válvulas proporcionales, hay valores empíricos para los conjuntos de parámetros estándar. En los procesos de control lento, como los lazos de control de temperatura, una optimización a partir de prueba y error lleva demasiado tiempo porque la observación de la respuesta de un sólo paso puede llevar varias horas.

Figura 3: Sintonización PID (diseño de sistema de control asistido por computadora) En consecuencia, el uso de un controlador asistido por computadora gana cada vez más reconocimiento. El cálculo de los parámetros óptimos para el controlador se realiza con un procedimiento experimental que comienza con el modelado de la dinámica del proceso. El proceso se excita con un impulso de la variable manipulada o un impulso de valor de consigna (aunque al menos el controlador esté configurado de forma no tan óptima, pero estable). La herramienta de sintonización estima un modelo de proceso dinámico a partir de los datos de mediciones almacenados, es decir, los parámetros del proceso se calculan de modo tal que los datos obtenidos de ajustan óptimamente (con método de los mínimos cuadrados) por parte del modelo. En el enfoque del Sintonizador PID PCS 7 [8.], que es especialmente simple y robusto y está totalmente integrado al software de ingeniería DCS, se aplica un algoritmo con modelos PTn- en orden creciente: g(s) = ks (t1s+1)n

El Sintonizador PID sólo debe estimar los tres parámetros: ganancia del proceso ks, tiempo constante t1 y orden del sistema n. Cuanto mayor el orden n, mayor es el retraso relativo al tiempo de asentamiento de la respuesta de un escalón.



El cálculo de los parámetros óptimos para el controlador según modulus optimum [5.] está basado en el modelo de proceso identificado. El Sintonizador PID PCS 7 ofrece adicionalmente la posibilidad de elegir entre dos diseños de controlador: Compensación óptima de perturbación (el equilibrio es un sobreimpulso de 10-20%

para un paso de valor de consigna). Rastreo óptimo del valor de consigna sin sobreimpulso. Esto se puede lograr a

partir de la descomposición de la estructura (acción P/D llevada hacia la cadena de realimentación) sin perder la compensación por perturbación sólo en plantas de orden menor, mientras que los procesos controlados con un orden mayor a 2 requieren una reducción de ganancias.

1.3. Extensiones del Control PID Su denominación resume los diferentes enfoques de soluciones que se pueden realizar si se combinan inteligentemente controladores PID con otros bloques de función estándar que se ofrecen como process tag types en la biblioteca de Procesos Avanzada PCS 7 [9.]. En esta área, no hay una distinción aceptada en relación a cuáles de estas estructuras se pueden llamar de control “avanzado”. Los siguientes process tag types de [1.] se consideran control “convencional” en este trabajo y, por lo tanto, no se describirán en detalle: control en cascada, control de índice y control de rango dividido.

1.3.1. Override Control (Mando prioritario) En el override control, dos o más controladores comparten un actuador en común. Según el estado actual del proceso, se decide qué controlador tiene acceso el actuador, en otras palabras, los diferentes controladores se sustituyen unos con otros. Un caso típico de uso son las tuberías de gas con control de presión y flujo con una sola válvula. El objetivo principal del control es lograr un cierto flujo, pero, debido a ciertas consideraciones, la presión se debe mantener dentro de ciertos límites. Por lo tanto, se conoce al controlador de presión como “controlador limitador” o “controlador secundario”.



Figura 4: Mando prioritario La decisión lógica en relación a qué controlador se debe activar se puede hacer a partir de dos criterios diferentes de mando prioritario: La decisión se basa en una variable de salida del proceso medible, por ejemplo,

una de las dos variables controladas. En el ejemplo anterior, los límites de advertencia del controlador de presión se pueden utilizar para decidir si este controlador debe estar activo. El controlador pasivo está en modo rastreo para evitar problemas de windup (saturación) y para asegurar una transferencia sin sobresaltos. El valor de consigna del controlador secundario debe ser un poco menor que el umbral de transferencia, para que la transferencia se pueda revertir. Este tipo de mando prioritario es fácil de entender y de implementar. La ventaja es que los límites inferiores y superiores de la variable del controlador secundario (por ejemplo la presión) se pueden monitorear; la desventaja es que se genera una oscilación de ciclo límite cuando el controlador limitador necesita intervenir. El controlador secundario siempre intentará regresar a su variable controlada en el rango seguro y devolver el mando al controlador principal (por ejemplo, el índice de flujo) para que los controladores activos y pasivos realicen un intercambio continuo. Por lo tanto, esta variante sólo se recomienda cuando no se necesite un controlador secundario muy a menudo y cuando las funciones sean principalmente las del sistema de seguridad o de backup.

La decisión se basa en la comparación de las variables manipuladas de ambos

controladores, por ejemplo, el controlador que exige la variable más alta (o más baja) toma el control del actuador. En el ejemplo anterior, el controlador que desee abrir más la válvula es el que toma el control. El valor de consigna del controlador secundario define el umbral de conmutación. Ambos controladores funcionan continuamente en modo automático. Para evitar problemas de windup (saturación), los límites de la variable manipulada se deben rastrear en una estructura cruzada: cuando la variable manipulada mayor (menor) gana, el límite inferior (superior) de todos los controladores de la variable manipulada más alta (más baja) actual se deben corregir levemente hacia arriba o abajo, por ejemplo, un 2% en el rango de la variable manipulada. Esto significa que este esquema también se utiliza en aplicaciones con más de dos variables controladas. Aquí no hay problemas de windup en el límite superior ya que la variable manipulada mayor asume el control



de todos modos. En este enfoque se evita la oscilación de ciclo límite de la alternativa 1, pero, en un principio es asimétrica. Es decir, se puede controlar el límite inferior o superior de la variable controlada pero no ambos. Este tipo de mando prioritario se detalla en cualquier tipo de bibliografía sobre control, en especial en USA. Sin embargo, sólo se puede utilizar con algoritmos PID que permitan una manipulación online de los límites de la MV (límites de la variable manipulada en PCS 7 a partir de la V6.0). Como alternativa, en los controladores PID basados en un algoritmo PID incremental, existe la posibilidad de sobrescribir el valor de la MV del último paso del muestreo (que está almacenado en el controlador) a través de una variable de entrada enlazable llamada “reinicio externo”. Por lo general, los proveedores de DCS americanos ofrecen algoritmos PID incrementales, y en PCS 7 APL como un bloque de función especial PIDConR [2.].

Otros ejemplos de aplicaciones Generador de vapor: la variable controlada principal es la presión de vapor, pero el

nivel de agua en el tanque de vapor se debe controlar para que las bobinas calentadoras permanezcan totalmente cubiertas con agua y el tanque no rebalse. La única variable manipulada es la válvula de salida.

Compresor: la variable controlada principal es el rendimiento, pero también se debe

monitorear la presión para asegurarse de que no exceda los límites seguros. La única variable manipulada es la velocidad del motor.

Sistemas de distribución de vapor: toda planta en la que haya procesos industriales

posee una red de tuberías para distribuir vapor a diferentes puntos de presión en toda la planta. Una válvula reduce los altos niveles de presión del vapor. La variable controlada principal es la presión en la etapa del nivel más bajo, sin embargo, la presión en las tuberías de alta presión también se debe controlar para que no exceda los límites seguros.

1.3.2. Planificación de Ganancia (PID Gain Scheduling) Muchos procesos poseen una respuesta no lineal debido a efectos físicos, químicos o termodinámicos no lineales. Cuando dichos procesos se deben mantener cerca de un punto operativo, la respuesta de transferencia se puede linealizar cerca de este punto operativo. Se puede designar entonces un controlador PID lineal para esta función de transferencia linealizada. No obstante, si el proceso posee una fuerte respuesta no lineal y/u opera en diferentes puntos operativos, no se espera una buena respuesta constante a lo largo de todo el rango operativo. Debido a su no linealidad, entran en juego numerosos factores de ganancia o tiempos de procesos en diferentes puntos operativos. En este sentido, diferentes parámetros de controladores se consideraran óptimos.



Figura 5: Planificación de ganancia Una posible solución a este problema (la más simple) se conoce como planificación de ganancia o planificación de parámetros. Con una herramienta como el Sintonizador PID PCS 7, se realizan varios experimentos en puntos operativos, en cada caso con una amplitud de señal baja. Esto genera diferentes conjuntos de parámetros PID para cada punto operativo. Se pueden almacenar hasta tres conjuntos de parámetros en el bloque de función de planificación de ganancia (GainSched). Se selecciona entonces el parámetro adecuado según una variable de medición continua (medición X en la figura 5) que describe el estado del proceso que es, por lo general, la variable de control PV misma. Entre los puntos operativos para los que hay valores de parámetros exactos, los valores se calculan por interpolación linear de los puntos de interpolación vecinos, para que la transición entre los diferentes puntos operativos sea suave y sin sobresaltos. El término “planificación de parámetros” deja claro que la “tabla de planificación” para el ajuste de parámetros se debe especificar por adelantado. Por el contrario, un controlador adaptativo se adapta automáticamente a las diferentes respuestas del proceso durante las operaciones. El bloque de función GainSched se produce a partir del Diagrama de Funciones Secuenciales “fbGainSched” al compilarlo como bloque. Este Diagrama de Funciones Secuenciales se provee con la biblioteca [1.] para que el usuario tenga la opción de ampliar la funcionalidad básica según lo necesite, por ejemplo, para más de tres puntos operativos o para una lógica de aplicación específica en la selección de conjuntos de parámetros. Nota: la combinación de varios controladores optimizados localmente a partir de la planificación de ganancia para formar un controlador no lineal, no representa necesariamente un controlador no lineal óptimo para un proceso no lineal cuando se lo considera desde un punto de vista matemático. Esto queda en evidencia con la no linealidad benigna (que es continua y se diferencia) cuando se realiza un cambio en un paso del valor de consigna entre diferentes puntos operativos. Debe prestar mucha atención en caso de una no-linealidad discontinua o que no se puede diferenciar, o con una no-linealidad no-monotónica.



Ejemplos de aplicaciones Control (en especial el control de temperatura) de los procesos por lote (batch), por

ejemplo, los reactores de lote o las columnas de lote. Control del valor del pH en la dosificación de ácido o base (curva de titulación no-

lineal). Control de temperatura con transiciones de fase (por ejemplo, fluido/vapor).

Control de plantas de semi lotes (plantas continuas con cambios de puntos

operativos, por ejemplo, reactores de polimerización). Control en centrales eléctricas con cambios de carga.

1.3.3. Predictor de Smith para procesos con tiempos muertos Los tiempos muertos se reconocen al observar que, luego de la incursión de un movimiento de la variable manipulada, no hay ningún tipo de reacción de la variable controlada durante un tiempo determinado (el tiempo muerto). En procesos con largos tiempos muertos ø (por ej. ø > 0.25 t1 en relación al tiempo de desfase dominante constante t1), un controlador PID estándar deberá tener una sintonización muy lenta y se esperan consecuencias en el rendimiento de control. El rendimiento de control puede mejorar significativamente con un Predictor de Smith derivado del principio IMC (Control de Modelo Interno) del control basado en modelo.

Figura 6: Predictor de Smith Para lograr esto, la función de transferencia gs(s) = g(s)e-øs del sistema controlado se divide en una parte g(s) sin tiempo muerto, y una parte meramente de tiempo muerto e-øs con tiempo muerto ø. En el proceso real, sólo se puede medir la variable controlada (PV), afectada por el tiempo muerto. No obstante, se puede obtener del modelo del proceso una estimación virtual de la variable controlada sin tiempo muerto (que será parte del controlador) que se envía al controlador.



Esto significa que se puede diseñar un controlador para el proceso sin tiempo muerto y por ende sintonizarse de forma mucho más precisa. Para compensar las perturbaciones desconocidas, se realiza en el modelo una estimación de la variable controlada afectada por el tiempo muerto y se compara con la variable controlada medida original. Esta diferencia también se envía al controlador. En función de las aplicaciones prácticas, se debe destacar que el rendimiento del Predictor de Smith depende, en gran medida, de la adecuación al modelo, es decir, el tiempo muerto se debe saber. El tiempo muerto debe ser constante o su valor debería poder adaptarse permanentemente. Nota: para aquellos procesos con largos tiempos muertos, también se puede utilizar un controlador predictivo basado en modelo (c.f. sección 1.4), con una entrada/una salida. Este ofrece gran flexibilidad al modelado del sistema y es más conveniente gracias a la herramienta de diseño integrado. Sin embargo, requiere más recursos de la CPU y no permite la adaptación online del valor del tiempo muerto. Ejemplos de aplicaciones Una causa típica de los tiempos muertos en plantas de procesos es la duración del paso de fluidos o gases en las tuberías, o la duración del traslado de sólidos a granel en las cintas transportadoras. El control de temperatura vía alimentación de agua caliente o fría/tibia en la camisa

del reactor químico. Luego de abrir la válvula, pasa un tiempo hasta que el medio templado llega a la camisa vía tuberías.

El control de temperatura en reactores químicos o en columnas de destilación vía

intercambiadores de calor externos. Luego de un movimiento de la MV en el intercambiador de calor, pasa un tiempo hasta que el medio templado regresa desde el intercambiador de calor hacia el reactor o la columna vía tuberías.

El control de cargas en cintas transportadoras: la distancia entre la intervención de

la MV y el sistema de medición se puede convertir directamente en tiempo muerto vía velocidad de la cinta transportadora.

1.3.4. Compensación Dinámica de Perturbaciones (Control Predictivo de Avance-Retraso) (Lead-Lag feedforward control)

El control predictivo de perturbaciones se puede utilizar cuando una perturbación fuerte y conocida afecta al proceso y su causa se puede medir. En estos casos, se aplica esta estrategia general: “el mayor control predictivo posible (cuanto más se sepa por anticipado y se describa en el modelo), el mayor control retroactivo necesario (incluye error del modelo y perturbaciones no medibles)”.



Figura 7: Compensación de perturbación predictiva, DV: Variable de Perturbación El impacto de una perturbación medible se puede estimar en forma de función de transferencia: gz (s) = y(s) (con y: CV –variable controlada- y z: DV-variable de distorsión-) z(s) cuando el controlador está funcionando en modo manual, para que no haya ningún tipo de cambio en la variable controlada y=PV, provocado por la variable manipulada, y que todos los cambios se puedan atribuir a la perturbación z(s). La función de transferencia de un control predictivo c(s) ideal se puede inferir del requisito de que un impacto de z en la variable controlada y debería ser cero para cualquier señal de perturbación z(s) gz(s) z – c(s) g(s) z = (gz (s) - c(s)g(s)) z = 0 Para cumplir con esta ecuación, el bloque de compensación se debe aproximar a la ecuación: c(s) = gz(s) g(s) lo más posible. Para que ello ocurra, debe conocer la función de transferencia de perturbación y la función de transferencia del sistema controlado principal g(s) = y(s) (con u: MV) se debe invertir. u(s) Si ambas funciones de transferencia se pueden modelar como primer orden más tiempo muerto: g(s) = ks e-sø 1 + t1s y gz(s) = ksz e-søz 1 + t1zs



y ø< øz se aplica, el elemento de compensación resultante debe representar la función de transferencia de avance-retraso: c(s) = ksz 1+ t1s e-s (ø

z - ø) = kc 1 + tds e-sø

c

ks 1+ t1zs 1+ ts

Esta función de transferencia se puede crear fuera del controlador con una combinación de bloques de funciones básicos. Una entrada adicional en el bloque del controlador PID permite agregar esta señal al valor de la MV. Es importante que la adición de contribuciones complementarias al valor de la MV se realice antes de la limitación de la MV del bloque del controlador, para asegurar una limitación adecuada de toda la MV (incluyendo el anti-windup –anti-saturación). Sin embargo, para las funciones de transferencia generales g(s) y gz(s) habrá funciones de compensación más complicadas o hasta poco factibles. Estas deberán simplificarse por reducción de orden, lo que podría reducir la eficiencia de la compensación por perturbación. Esta reducción puede incluso lograr que la dinámica del proceso quede completamente relegada y sólo c(s) = ksz ks se implemente (control predictivo estático). Ejemplos de aplicaciones Control de temperatura en un horno industrial: en la entrada del horno, se mide la

variable de perturbación del flujo de alimentación y se envía a la salida del controlador de temperatura. El impacto de la variación del flujo en la temperatura del horno se anticipa y se compensa al modificar la energía calórica.

Control de la temperatura de salida de un intercambiador de calor vía presión de

vapor o flujo del medio de calefacción/refrigeración: las variables de perturbación medibles son la temperatura de flujo y entrada del medio.

Control de nivel de relleno en un tambor generador de vapor usando el volumen de

entrada: el flujo de salida es la variable de perturbación medible que se determina a partir del consumo variable de vapor en la planta.

El control de temperatura en una columna de destilación utilizando el índice de

reflujo o el flujo de vapor de calor: la variable de perturbación medible es el flujo de la mezcla de alimentación.

El control de temperatura y de concentración en un tanque reactor agitado

utilizando el flujo de refrigeración y el volumen de descarga: la temperatura, y quizás también la concentración del flujo de entrada, son las variables de perturbación medibles.

Nota: la compensación de perturbación dinámica también se puede realizar con un controlador predictivo basado en modelo (c.f. sección 1.4) en constelaciones multi-entrada, multi-salida y una salida. Ofrece una gran flexibilidad en el modelado del



sistema y es más conveniente gracias a la herramienta de diseño integrada. No obstante, requiere más recursos de la CPU.

Figura 8: Plantilla de referencia para la compensación de perturbación tomada de un proyecto de ejemplo de la biblioteca PCS 7 APC. Negro: valor de consigna, verde: variables controladas, naranja: variables manipuladas, colores claros: con compensación de perturbación, colores oscuros: sin compensación, violeta: variable de perturbación. 1.4. Control Multi-Variable (MPC Control Predictivo basado en Modelo) Si en una unidad hay varias variables manipuladas y variables controladas (MV y CV) que interactúan entre sí, entonces se tiene lo que se denomina situación de control multi-variable (control MIMO: multi-entrada/multi-salida, en oposición al control SISO:-single input / single output- 1 entrada/1 salida). El impacto de cada MV en cada CV se describe a través de una función de transferencia parcial.



Figura 9: Control multi-variable. CV: variable controlada, MV: variable manipulada, DV: variable de perturbación. Cada función de transferencia parcial G (i, j) describe el impacto de la MV j en la CV i. El diagrama muestra un proceso de 2x2, pero puede haber más MV y CV. El objetivo de cualquier sistema de control es que cada CV alcance su valor de consigna, independientemente de otras CV. Esto es difícil porque el movimiento de una MV (por ej. MV1) no sólo afecta a la CV relacionada (por ej. CV1) vía función de transferencia principal (por ej. G (1,1)) sino que también muchas de las otras CV, vía interacción de las funciones de transferencia (por ej. G (i,1)). Si el impacto de las interacciones (G (2,1) y G (1,2) en el ejemplo) es débil en comparación con las funciones de transferencia principales (G (1,1) y G (2,2) en el ejemplo) se podría resolver este problema multi-variable con dos controladores PID separados (llamado control descentralizado). En algunos casos, las interacciones simples se pueden compensar con un control predictivo de avance-retraso (lead – lag , feedforward control) (c.f. sección 1.3.4). Si, no obstante, el impacto de las interacciones es demasiado fuerte (grandes ganancias, breves desfases) o si hay más de dos o tres variables de interacción, se necesita un controlador MIMO real. El principio mas importante de compensación de perturbación se puede transferir de SISO a MIMO, e incluso un algoritmo MPC facilita su implementación. Se toma un modelo de influencia de la variable de perturbación en cada CV para predecir las CV, de modo tal que el controlador actúe de forma anticipada contra estas perturbaciones. Aunque en la teoría hay muchos algoritmos de control MIMO diferentes, el Controlador Predictivo Basado en Modelo (MPC , Model Predictive Control) predomina en el campo mísmo de la industria. Ejemplos de aplicación Control de calidad en columnas de destilación, ver capítulo 3.

Control de temperatura en varias zonas adyacentes a hornos con varios

quemadores, por ejemplo, hornos túnel, plantas de derretido de vidrio, alimentadores de vidrio, etc.



Control de calidad en reactores químicos al ajustar las condiciones de reacción

tales como presión, temperatura, alimentación/drenaje, etc. Vaporizadores: por ejemplo, en generadores de vapor de tambor.

Molinos: por ejemplo molinos de cemento, molinos tamizadores: control de calidad

(tamaño del grano) en combinación con la maximización del índice de flujo, las variables manipuladas son la velocidad del tamiz y alimentación del molino.

Hornos de cal (molinos de pulpa): control de temperatura acabado en frío, acabado

en calor, campana de extracción; y control de concentración de oxígeno vía alimentación de gas de combustión, alimentación de lodo de cal y velocidad del ventilador.

1.4.1. Explicación intuitiva del control predictivo

Futuro(valores de predicción)

El controlador detecta una futura desviación(por ej. violación del valor de calidad máximo tolerable)

SP

¡El controlador ya responde antes de la desviación!

Pasado(valores medidos)

CV

MV

Punto real en el tiempo k

k+nc k+np

tiempo t

Figura 10: Explicación de control predictivo: rojo: futuro sin control, verde: futuro con control (trayectoria planificada óptima), nc: horizonte de control, np: horizonte de predicción. El controlador observa y almacena los movimientos del proceso del pasado. El controlador puede predecir futuros movimientos de las CV en un cierto horizonte de tiempo (“horizonte de predicción”) utilizando un modelo de proceso dinámico completo interno que incluya todas las interacciones. El “futuro sin control” asume que todas las MV se mantienen constantes en su valor real. Los impactos de las variables de perturbación medibles ya se toman en cuenta en el futuro sin control. Además, el controlador puede “testear” (simular) cuál será el futuro impacto de las diferentes estrategias para manipular el proceso con las MV disponibles (dentro del horizonte de control). Se aplica un algoritmo de optimización para hallar la mejor estrategia MV y la trayectoria planificada óptima se visualiza como “futuro con control”.



El enfoque es similar al del ajedrez por computadora: las diferentes combinaciones de futuros movimientos se “juegan virtualmente” y se evalúan según sus efectos. Hay muchos grados de libertad en el ajuste de optimización: se incluyen en el índice de rendimiento las futuras desviaciones de control, restricciones de la CV y futuros movimientos de la MV; mientras que las limitaciones de la MV son restricciones difíciles. Los objetivos económicos también se pueden considerar en el índice de rendimiento. El problema de optimización se soluciona online para todo el horizonte de predicción en cada paso del muestreo, pero sólo se aplica al proceso el primer elemento de la serie de cálculos de movimientos de la MV. En la muestra siguiente, el horizonte de tiempo se modifica y toda la optimización se reinicia (“principio de horizonte movible”). En otras palabras, el problema de control se formula como un problema de optimización y se resuelve como problema de optimización. El índice de rendimiento típico sería: J = (w - y)T R (w - y) + ΔuT QΔu min. w : contiene la serie de tiempo de futuros valores de consigna. y: contiene la serie de tiempo de futuras CV (dentro del horizonte de predicción). Δu: contiene la serie de tiempo de futuros movimientos de la MV (dentro del horizonte de control). Si las ponderaciones en la matriz diagonal Q aumentan, el controlador mueve sus variables manipuladas con más cuidado, generando una acción de control más lenta pero robusta. Con los factores de ponderación en la matriz diagonal R, se puede especificar la significación relativa de las variables controladas individuales. Una ponderación mayor (prioridad) para una variable controlada significa que esta se mueve más rápido hacia el valor de consigna y se mantiene con más precisión en el valor de consigna, en estado estable, si no fuera posible alcanzar todos los valores de consigna con precisión.

1.4.2. MPC con DCS incorporado versus MPC con optimización online Existen dos tipos de enfoques totalmente diferentes para resolver la tarea de optimización MPC que generan dos tipos de algoritmos MPC diferentes: (1) MPC con optimización online: si el problema de optimización se debe resolver en relación a las restricciones, se debe hacer una búsqueda iterativa numérica para hallar el valor óptimo en cada paso del muestreo. Evidentemente, tal optimización online necesita mucha potencia de cálculo. Por lo tanto, dichos tipos de MPC no se pueden implementar en los controladores de un DCS, sino que necesitan una PC separada enlazada con el DCS. En general, un MPC no manipula el proceso directamente sino que indica valores de consigna para los controladores PID subordinados, es decir, el MPC coordina varios controladores PID en un nivel de automatización básico en el concepto de “control de supervisión”. Ejemplo típico de estos paquetes completos de software MPC es, por ejemplo, Inca de Ipcos [3.]; disponible en los catalogos de PCS 7 , entre otros.



(2) MPC “simple”: si las restricciones no se toman en cuenta durante la optimización, es posible lograr una solución analítica del problema de optimización, que genere una fórmula directa. Esta fórmula se puede ingresar offline a través del índice de rendimiento y del modelo del proceso. Para los cálculos online de las MV, sólo se deben realizar algunas multiplicaciones de matriz (sin búsqueda iterativa). Esto requiere mucho menos poder de cálculo que el MPC completo. (Las restricciones de la MV las maneja el controlador online de todas formas). Dichos algoritmos de control predictivo simplificado sin optimización online (MPC simple, MPC incorporado) y con una cantidad limitada de MV y CV se pueden implementar como bloque de funciones en los controladores DCS. Ejemplo: El bloque de función MPC de [1.] y el bloque de función ModPreCon [2.] puede lidiar con hasta cuatro MV y CV interactuando entre sí. Dicho MPC incorporado posee las siguientes ventajas: La disponibilidad del bloque de función MPC es similar al controlador PID

convencional. No necesita estrategias de backup y planificación para la supervisión de comunicación hacia PC externas. Se pueden explotar plenamente todas las opciones de hardware DCS redundante, aumentando así la disponibilidad de las funciones APC.

El bloque de función MPC se puede conectar a otros bloques de función en el

sistema de ingeniería como cualquier controlador PID, usando process tag types predefinidos (plantillas para gráficos de funciones continuas).

Hay pantallas estándar para el control del operador del bloque de funciones MPC.

La apariencia y el funcionamiento es similar a los controladores PID

convencionales y es familiar para los operadores de planta por lo que se reduce la necesidad de capacitación. Los consultores externos como especialistas en paquetes de software MPC ya no son necesarios.

En resumen, el precio inicial de una solución llave en mano se reduce en gran

medida. Esto también significa que las aplicaciones pequeñas y medianas se vuelven más atractivas para un APC que no permite la amortización de un MPC completo.



Figura 11: MPC incorporado en una estación del operador PCS 7.

Figura 12: El análisis de costo-beneficio de las herramientas APC. Para PID (incluyendo extensiones) y MPC incorporado sólo hay costos de ingeniería, mientras que para el MPC completo, se deben considerar además gastos de software y hardware. En algunos casos, el bloque de función MPC también sirve para los procesos SISO con dinámica especialmente difícil. Para los procesos sin fase mínima o respuestas con fuerte oscilación o con tiempos muertos muy largos, es mejor que el control PID.



La mayoría de los algoritmos MPC sólo funcionan con procesos estables con una respuesta a un escalón que se ajusta a un valor fijo en un tiempo determinado. Si el proceso no es estable o incluye un integrador (control de nivel de tanque por ejemplo), la función de transferencia parcial correspondiente se debe estabilizar con un controlador secundario. Para procesos de integración, un controlador P simple (sólo el componente proporcional) sería adecuado como controlador secundario.

1.4.3. Configuración de Controladores Predictivos En el centro de cualquier controlador predictivo hay un modelo de proceso dinámico que describe la conducta de los procesos reales, es decir, la correlación entre todas las variables de entrada y de salida, considerando siempre los desfases. Este modelo por lo general se distingue de los datos obtenidos, es decir, el enfoque principal es similar a la sintonización PID (c.f. sección correspondiente 1.2.2): Excitar el proceso con movimientos de la MV cuando el controlador está en modo

manual, almacenando los datos obtenidos (usando el registro de tendencias CFC para el Configurador MPC PCS 7).

Identificación del modelo de proceso: cargar los datos en el Confirgurador MPC,

seleccionar el rango de tiempo y filtrar los ruidos, si es necesario. La identificación en sí comienza con un click del mouse que genera un modelo de cuarto orden más tiempo muerto para cada función de transferencia parcial. En el caso de 4 MV y 4 CV, esto genera 16 funciones de transferencia parcial.

Verificar el modelo, es decir, simular un modelo con datos diferentes a los datos

obtenidos.

Figura 13: Configurador MPC en Simatic PCS 7 El configurador propone automáticamente un tiempo de muestreo razonable del controlador. Durante el diseño del controlador, el usuario puede ingresar las siguientes especificaciones para el índice de rendimiento: • Diferentes ponderaciones para diferentes CV en relación a las prioridades de una

aplicación específica. Ejemplo: la seguridad del proceso es más importante que la calidad del producto, y la calidad del producto es más importante que el ahorro de recursos.



• Diferentes movimientos de infracción MV para diferentes MV. Al aumentar el movimiento de infracción de una MV, esta MV se moverá más lentamente y los actuadores relacionados con los procesos serás tratados con cuidado.

Antes de instalar un MPC en una planta real, se recomiendo simular la respuesta del lazo cerrado utilizando el modelo de proceso identificado.



2. Procedimiento típico para mejorar el rendimiento de la planta

con herramientas APC Para mejorar el rendimiento de una planta con herramientas APC, se estableció un procedimiento típico con varios pasos.

Figura 14: Procedimiento típico para selección de soluciones APC. Los recuadros azules se refieren a herramientas PCS 7 APC.



Sin embargo, esta descripción se debe considerar como un boceto de trabajo: durante las aplicaciones individuales, algunos pasos se pueden saltear ya que hay datos previos o también se pueden necesitar algunos pasos intermedios o iteraciones. Algunas extensiones de control PID poseen una naturaleza estructural como por ejemplo, el control de mando prioritario, el control en cascada, el control de índice o el control de rango dividido; estos no se encuentran en la figura 14, pero se aplican si la estructura correspondiente está en la configuración de la tarea. Si todas las pruebas en el caso SISO fallan, la asignación de MV y CV se debe verificar o, en realidad, habría una necesidad de control MIMO (flecha naranja). Luego de una puesta en marcha exitosa, las funciones APC además de los lazos de control convencionales, deberían quedar sujetas al monitoreo de rendimiento de control (flecha verde). 2.1. Análisis de la situación y estimación potencial

2.1.1. Identificación de los objetivos económicos para el control de procesos

El punto inicial de toda discusión son las consideraciones económicas y los requisitos del control de procesos que impone la ingeniería química: ¿qué valores medibles son relevantes para una operación exitosa del proceso? ¿Cuáles son relevantes para la seguridad de la planta, para la calidad del producto, para los costos de producción (consumo de materia prima y energía)? ¿Qué requisitos para la automatización de procesos imponen los ingenieros químicos (por ej. fórmulas para reacciones químicas) para asegurar condiciones de producción óptimas? ¿Qué beneficios se pueden lograr con un rendimiento de control mejorado? La tabla 1 resume los objetivos típicos de las soluciones APC en plantas de procesos (en su mayoría de operación continua) (siguiendo [4.] p. 201).



Tabla 1: Objetivos para las soluciones APC Objetivos Aspectos Productividad y rendimiento

Aumentar el rendimiento. Minimizar el consumo de energía. Reducir los tiempos de transferencia, por ejemplo, para cambios de modo de operación, materias primas o productos (cambios de grado). Aumento de producción. Reducir el tiempo de procesamiento.

Calidad Aumentar las repeticiones; lograr operaciones de procesos más estables y homogéneos. Minimizar las variaciones de los parámetros de calidad. Reducir los esfuerzos para análisis químicos. Reducir las pérdidas de producción o reducción de la calidad.

Operabilidad y disponibilidad

Aumentar la tolerancia a las fluctuaciones de la materia prima. Reducir la sensibilidad a las perturbaciones. Aumentar el tiempo de funcionamiento de la planta. Evitar los tiempos de parada de la planta y reducir los tiempos de parada. Aumentar la disponibilidad, la flexibilidad y la robustez de la planta.

Control del operador

Lidiar con cambios de operadores/turnos. Reducir la carga de trabajo del operador. Aumentar la comodidad operativa.

Seguridad Aumentar la salud y la seguridad ocupacional. Aumentar la seguridad de los procesos y de las operaciones.

Ecología Minimizar el impacto ambiental, la contaminación y los desperdicios. Minimizar las emisiones. Recuperar las aguas efluentes y las cloacales.

Constraint

Viejo SP

Nuevo SP

Restricción

Tiempo

PV

Figura 15: “Imponer las restricciones”, lograr el mayor potencial económico posible de una planta al mejorar el control de procesos con variación de CV reducida: mover los valores de consigna más cerca de las restricciones de la CV.



En muchos casos, dichos objetivos económicos se alcanzan en dos pasos: 1. Reducción de las variaciones de la CV al mejorar el control del proceso. 2. La reducción de las variaciones permite mover los valores de consigna más cerca de las restricciones críticas sin correr el riesgo de violar con frecuencia las restricciones. Esto se llama “Imponer las restricciones”: lograr lo mejor del proceso utilizando todas las capacidades de la planta, por ejemplo, para maximizar el rendimiento o minimizar el consumo de energía.

2.1.2. Análisis del estado actual de la planta incluyendo el monitoreo del rendimiento de control

Se necesita tener un análisis detallado del estado actual de la planta antes de empezar a considerar el APC. Se debe verificar el estado de la instrumentación (sensores, actuadores) y de la automatización (en especial los lazos de control básicos existentes, por ej. controladores PID). Si se instala un sistema de monitoreo de rendimiento de control (c.f. sección 1.2.1), se pueden determinar fácilmente las típicas áreas problemáticas, por ej. lazos que disparan muchas alarmas; lazos que a menudo funcionan en modo manual; lazos que poseen variaciones de CV extremadamente altas o que oscilan permanentemente.

2.1.3. Revisión de la Automatización Básica y luego Sintonización PID Los errores en la instrumentación que se detecten durante el análisis se deben corregir primero, por ej., una mala calibración de los sensores; una fricción excesiva de las válvulas; pérdidas en las tuberías de aire comprimido, etc. Luego asegúrese de que todos los controladores PID estén sintonizados lo mejor posible, por ejemplo, a partir del uso de la Herramienta de Sintonización PID (c.f. sección 1.2.2). Esta es la forma de evitar acciones innecesarias, si un problema de control se puede resolver a través de medios simples, ya no hay necesidad entonces de métodos de APC elaborados. En el marco de trabajo de un concepto APC, se instalan controladores supervisores, como el MPC multi-variable, como controladores maestros para muchos controladores PID esclavos. Esta estructura en cascada es importante para evitar modificaciones en la sintonización de controladores esclavos luego de terminada la sintonización de controladores maestros, porque los lazos cerrados esclavos forman parte del modelo de proceso (tiempo invariante) utilizado en el controlador maestro. Esta es otra razón para finalizar la optimización de los lazos de control PID básicos antes de implementar las funciones APC supervisoras, y además se ajusta al procedimiento general para la puesta en marcha de las estructuras de control en cascada “comenzando por el lazo interno y luego el lazo externo”, es decir, primero el controlador esclavo y luego el controlador maestro. 2.2. Definiciones de conceptos de las funciones APC Las preguntas más importantes a responder en el contexto de un concepto APC son: • ¿Cuáles son los objetivos de la solución APC? • ¿Qué MV y CV estarán disponibles para la solución APC? • ¿Qué algoritmos se utilizarán? • ¿Cómo se diseña la estructura del sistema de control?



2.2.1. Selección de un enfoque adecuado basado en análisis Las preguntas básicas en relación a la selección del enfoque adecuado son: ¿Control SISO o MIMO? ¿Control lineal o no lineal?

2.2.1.1. ¿Control SISO o MIMO? Con la información de la sección 1.4 correspondiente, una lista de verificación para la decisión sobre control SISO o MIMO podría ser la siguiente: • ¿Las unidades de la planta (por ej. aparatos, máquina, sección de planta) poseen

varias CV? • ¿Hay interacciones significativas entre los diferentes lazos de control? Prueba: ¿si

se da la orden de un paso del valor de consigna para un lazo, hay efectos colaterales en otros lazos de control? ¿Tiene algún problema en la sintonización de lazos individuales porque el conjunto de parámetros de control modificado en un lazo impacta en otros?

• Las variables que impactan en los lazos vecinos, ¿se mueven realmente durante

las operaciones de la planta? Contra ejemplo: la correlación entre presión y temperatura en una cantidad de gas en un reactor o tambor puede quedar relegada si la presión o la temperatura se mantiene constante durante la operación de la planta.

• ¿El rendimiento de control de la CV sufre interacciones que realmente afecten el

éxito económico de las operaciones de la planta? Contra ejemplo: aunque haya una correlación física entre el flujo de alimentación de un tambor y el nivel del fluido dentro del tambor, en muchos casos basta para el control de nivel manipular la válvula de salida porque no se requiere un control de nivel muy preciso desde el punto de vista de un ingeniero químico.

• ¿Tuvo intentos fallidos en el pasado para resolver problemas de interacción con un

control predictivo de avance-retraso (c.f. sección 1.3.4)? ¿Invirtió esfuerzos excesivos para el diseño y la ingeniería de las estructuras de desacoplamiento en unidades de planta similares?

Si tiene dudas, un Configurador MPC puede identificar un modelo de proceso MIMO. En la matriz de funciones de transferencia, se puede observar y comparar la respuesta a un escalón de las interacciones con las funciones de transferencia principales de la diagonal de la matriz. Puede hallar consejos que lo ayudarán a decidir entre un Predictor Smith o un predictivo de avance-retraso y a ver las diferencias con un SISO MPC en las secciones 1.3.3 y 1.3.4.

2.2.1.2. ¿Control lineal o no lineal? La mayoría de las plantas de procesos son no lineales por naturaleza (física, química) es decir, el impacto de ciertos movimientos de la MV es diferente según el punto operativo real del proceso. Las causas típicas son las características de la válvulas no lineales; la cinética de reacción no lineal; las transiciones de fase (sólido-fluido-



gaseoso); las características de tiritación, etc. Para decidir entre un control lineal o no lineal, las siguientes preguntas son relevantes: • ¿El concepto de control lineal existente (por ej. control PID convencional) trabaja

bien en un punto pero oscila o es lento en otro puntos operativos (por ej. luego del cambio de carga)?

• ¿Las operaciones de una planta de procesos requieren transferencias frecuentes

de los puntos operativos, por ej., en las fórmulas de lote; en los cambios de grado (planta multi-producto); en la flexibilidad de la producción (cambios de carga)? Contra ejemplo: un controlador lineal puede lidiar con un proceso no lineal fuerte si una planta continua funciona siempre al mismo punto operativo constante.

Si alguno de los problemas mencionados requiere un concepto de control no lineal, evalúe las siguientes soluciones en este orden:

2.2.1.2.1. Funciones de compensación entre el Controlador y el Proceso Ejemplo: el efecto de una firma de válvula no lineal se puede compensar con un bloque de funciones poligonal entre la salida de la MV del bloque del controlador y la entrada del bloque de la válvula. En este caso, se debe considerar la transformación de los límites MV. De un modo similar, el efecto de la no linealidad en la salida del proceso (por ej. característica del sensor) se puede compensar con un bloque de función poligonal en frente de la entrada de la CV del controlador. En este caso, el valor de consigna relacionado se debe transformar del mismo modo. En ambos casos, las funciones de compensación se convierten en parte del proceso controlado desde la perspectiva del controlador. El objetivo es siempre lograr que toda la respuesta del sistema controlado (que consiste en elementos de compensación y del proceso) sea lo más lineal posible.

2.2.1.2.2. Conjunto de parámetros para un punto específico de la operación

Para el caso SISO: la planificación de ganancia PID según la sección 1.3.2. Para el caso MIMO: control de multi-modelo MPC, c.f. proyecto ejemplo en la Biblioteca de Procesos Avanzados PCS 7. Este enfoque se relaciona con la idea básica del control de parámetros basado en puntos operativos con controlador PID. Como los parámetros del bloque ModPreCon no se pueden modificar sobre la marcha, la planificación para seleccionar el conjunto de parámetros adecuado se convierte en una planificación para seleccionar los modelos adecuados. Varias instancias ModPreCon con diferentes modelos para diferentes puntos operativos funcionan simultáneamente en paralelo. Los modelos locales óptimos quedan determinados al excitar el proceso en diferentes puntos operativos con pequeñas amplitudes, para que sólo se registre la reacción del proceso no lineal en el entorno de este punto operativo. El valor final manipulado para cada variable manipulada se formula como valor promedio ponderado de las variables manipuladas propuestas por las diferentes instancias del controlador. Los factores de ponderación 0...1 se formulan de la misma forma que las funciones de membresía conocidas como de “lógica difusa”, entonces, la



suma de todas las ponderaciones es siempre una y cada controlador posee la mayor ponderación en su propio punto operativo.

2.2.1.2.3. Control de Trayectoria Este enfoque sugerido por [11.] combina prolijamente las ventajas de un controlador de lazo abierto (control predictivo) con las de uno de lazo cerrado (utilizando el feedback del valor del proceso). El controlador sigue una trayectoria previamente optimizada de los valores de consigna y variables manipuladas, es decir, sólo necesita compensar pequeñas desviaciones entre la trayectoria almacenada y el estado actual de la planta. La trayectoria es una serie de variables manipuladas óptima en el tiempo y los valores del proceso que coinciden con ella. Las variables manipuladas necesarias se leen en el bloque ModPreCon vía entradas MV1Traj a MV4Traj y se agregan a los valores de la variable manipulada calculada por el algoritmo (sólo en modo automático). Entre otras cosas, la ventaja es que la variable manipulada efectiva que actúa sobre el proceso (la suma de la trayectoria y la acción del controlador) se limita según su configuración en el bloque del controlador. Los valores del proceso desde la trayectoria están enlazados a las entradas de los valores de consigna correspondientes SP1 a SP4 del controlador. En tanto y en cuanto el proceso reaccione exactamente según lo planeado en la trayectoria, responderá a la serie de valores de la MV de la trayectoria, con su correspondiente serie de valores de la CV, y el control de desviación será cero. Es sabido que por lo general un proceso dinámico no lineal se puede linealizar a partir de un punto de operación fijo o un estado estable del sistema, pero también se puede linealizar a partir de una trayectoria.

2.2.2. Diseño de la Estructura del Sistema de Control, Selección de las MV, CV y restricciones

Para los controladores SISO, se debe especificar la asignación uno a uno de MV y CV: para cada controlador se debe decidir qué MV se utiliza para manipular una CV determinada. Si hay varias MV en cuestión, seleccione la MV que tenga el mayor impacto en la CV (en el sentido de la ganancia) y el impacto más directo (en el sentido de, por ejemplo, un pequeño retardo de tiempo). Para un concepto MPC, dicha asignación no es necesaria porque el MPC utiliza todas las MV para manipular todas las CV. Para la selección de MV y CV en un sistema de control multi-variable, se deben considerar los siguientes puntos: ¿Qué CV son interesantes en el contexto de los argumentos en la sección 2.2.1.1?

¿Qué CV son relevantes para la seguridad de la planta, la calidad del producto y la economía? ¿Qué requisitos para la precisión de control imponen los ingenieros químicos? Evite sobredimensionar el problema más de lo necesario porque la complejidad del problema del control multi-variable aumenta cuadráticamente con la cantidad de MV y CV (¡Divida y reinará!)

La medición de calidad también es relevante para la selección de CV: ¿las

mediciones son reproducibles y están disponibles en tiempo real y con bajo ruido? ¿Qué MV se seleccionan por tener un impacto directo y significativo en las CV

designadas? Normalmente se recomienda buscar tantas MV como CV haya, para que se genere un “sistema cuadrático”. El controlador puede llevan entonces todas las CV a sus valores objetivo con precisión siempre que las restricciones se lo permitan. Sino usted habrá generado un...



...problema de control no cuadrático (la cantidad de MV no es igual a la cantidad de CV). Si hay menos MV que CV, o algunas de las MV alcanzaron su punto límite, hay una falta de grados de libertad y ya no es posible alcanzar todos los valores de consigna con exactitud. El algoritmo MPC entonces halla un equilibrio que se puede ver influenciado por la selección de ponderaciones de la CV (prioridades) en el Configurador MPC, y las zonas CV en el bloque de funciones MPC: las CV con mayor prioridad tendrán menos desviaciones de control en relación a sus valores de consigna o zonas. Si hay más MV que CV, o si algunas de las CV ya están dentro de las zonas de control, hay un excedente de libertad en el problema de control. Sin embargo, un algoritmo de controlador predictivo pobre (c.f. sección respectiva 1.4.2) no puede reconocer esta situación explícitamente y utilizar las variables de manipulación libre para optimización. Entonces, el bloque MPC mueve todas las variables manipuladas hacia los valores que cumplan con los objetivos en función de las variables controladas y las deja allí. En el contexto de actuadores unipolares (por ej., calefacción y refrigeración) es sensato combinar dos actuadores unipolares en un actuador bipolar utilizando un bloque de funciones de rango dividido.

2.2.2.1. Restricciones suaves y fuertes

Por un lado, las limitaciones de las MV son “restricciones fuertes” que el controlador siempre debe aceptar. Por otro, las restricciones de las CV (zonas de control) son “restricciones suaves”: la violación de dichas restricciones se considera una desviación del control y se evitan en la mayor medida posible. Sin embargo, puede haber una desviación temporal de una restricción de una CV similar a un sobreimpulso con relación a un valor de consigna exacto. En controladores multi-variable se recomienda aprovechar el hecho de que, desde la perspectiva de la aplicación, sólo algunas de las variables controladas deben moverse hacia un punto especificado exacto, mientras que otros sólo necesitan permanecer dentro de un rango definido. Un ejemplo claro sería las características de calidad para las que se especifica una banda de tolerancia. En un principio, el efecto de las zonas de control de un MPC es el mismo que el efecto de una banda muerta en un controlador PID, pero se extiende a lo largo de todo el horizonte de predicción. En otras palabras, si, por ejemplo, la variable controlada predicha CV1 en todo el horizonte de predicción está dentro de la banda SP1 ± SP1DeadBand, el controlador no halla ningún motivo por el cual deba cambiar ninguna variable manipulada. Mientras que la banda muerta en el controlador PID tienda a dar estabilidad al lazo de control en riesgo, las zonas de la CV en canales de control individuales de un MPC por lo general alivian a todo el control multi-variable. Con las zonas de la CV, se puede lograr la acción de un control de mando prioritario suave. Si una CV se debe limitar a una dirección, por ejemplo, prevención de violación del límite superior, el valor de consigna exacto no es relevante. El valor de consigna y el ancho de la zona se especifican entonces en un límite tan bajo que jamás se alcanza durante las operaciones. 2.3. Configuración de las Funciones APC Luego de seleccionar el algoritmo de control adecuado y el diseño de la estructura del sistema de control, el paso siguiente es la configuración, es decir, la parametrización y puesta en marcha de la función de control. Para los controladores PID y las funciones MPC hay herramientas de software dedicado como por ejemplo el Sintonizador PID y el Configurador MPC.



No obstante, el procedimiento principal es el mismo para todos los tipos de controlador que confían en un modelo de dinámica de proceso para el diseño del controlador. Tal modelo se debe identificar de los datos obtenidos porque, en general, no se lo conoce de antemano.

2.3.1. Excitación del proceso y registro de los datos obtenidos Para identificar la dinámica del proceso de los datos obtenidos, se debe estimular al proceso a que se mueva, es decir, excitarlo activamente vía la MV. Si ya existe al menos un controlador estable y no demasiado oscilante (aunque no sea óptimo), la excitación se puede lograr a través de pasos de valores de consigna en modo automático, sino, se necesitan movimientos MV en modo manual. Es importante realizar el experimento en el mismo punto operativo y bajo las mismas condiciones que se designan para la operación del controlador, para poder observar realmente la conducta del proceso relevante al control. Antes de comenzar el experimento, se requiere un proceso de estado estable porque sino los transitorios que aún no se desvanecieron y fueron generados por fenómenos externos a los datos obtenidos arruinarán los resultados estimados. Durante el registro de los datos obtenidos, se deben evitar los eventos perturbadores significativos tales como cambios de carga, cambios de grado de la materia prima, pasos del valor de consigna de lazos de control vecinos, actividades de mantenimiento en la planta, modificaciones considerables en secciones de la planta aguas arriba o en la alimentación eléctrica o el suministro de vapor, etc. Hay diferentes opciones para la elección de la señal de excitación. Para la sintonización PID, normalmente basta con una respuesta a un escalón. Para la identificación de los procesos MIMO, todas las MV se deben excitar, idealmente una después de la otra. Se prefieren aquellas señales que sean simétricas al punto operativo, es decir, pequeños pasos hacia arriba y abajo de los puntos operativos. La amplitud de la excitación se debe especificar y discutir cuidadosamente con los operadores de las instalaciones y de la planta: La amplitud debe ser lo suficientemente grande como para asegurarse de que la

respuesta del proceso sea claramente visible en relación a la medición de ruido (índice señal-ruido).

No debe ser demasiado grande como para evitar que la no linealidad del proceso

tenga un impacto fuerte. No debe ser más grande que lo necesario para evitar la distracción de la producción

en curso. En el caso MIMO, el proceso se debe excitar de forma uniforme en todos los

canales CV, es decir, las MV con impacto débil se deben excitar con amplitudes mayores.

Nota: las inspecciones de rutina relacionadas a la puesta en marcha del controlador (c.f. sección 2.3.4) se deben realizar antes de registrar los datos en el sistema de control asistido por computadora.



2.3.2. Modelado La identificación del modelo de proceso dinámico a partir de los datos obtenidos se realiza, en la mayoría de las herramientas de software, de forma automática sin instar al usuario a especificaciones dedicadas de una estructura modelo. En ocasiones se ofrece funciones simples para el pre-procesamiento de datos, por ejemplo, la selección de un rango de tiempo relevante de un conjunto de datos de archivo más grande, o un filtro de paso bajo para reducir las mediciones de ruido. La verificación del modelo por lo general es muy importante, es decir, la comparación de la simulación de un modelo identificado con los datos reales obtenidos para verificar si la respuesta del modelo coincide con la respuesta del proceso real. En un contexto ideal, las diferentes señales de excitación se utilizan para la verificación y los datos obtenidos. Es más, se recomienda verificar la verosimilitud del modelo a nivel descriptivo, por ej., utilizando parámetros de modelo o respuestas a un escalón del modelo: ¿las ganancias y el tiempo son constantes en relación a la magnitud esperada de las posibilidades físicas u otro conocimiento a priori?

2.3.3. Sintonización del controlador De forma similar a la identificación del modelo, las herramientas de software de control realizan el diseño del controlador de forma automática. Las especificaciones para el diseño del controlador difieren naturalmente según el tipo de controlador.

2.3.3.1. Sintonizador PID Con el sintonizador PID, el usuario puede especificar la estructura del controlador: P, PI o PID. El control PI es el que se aplica en la mayoría de los casos. Los controladores P son especialmente adecuados para integrar procesos como, por ejemplo, de control de nivel. La acción diferencial de un controlador PID permite una respuesta de control más rápida y una mejor compensación de perturbaciones, si se aceptan movimientos más fuertes por parte de los actuadores (desgaste, consumo de energía). Los controladores PID principalmente permiten la modificación de parámetros de forma manual (sintonización fina) y varias herramientas de sintonización permiten el estudio de la respuesta del lazo de control cerrado en una simulación antes de que el nuevo conjunto de parámetros se descargue en el sistema destinatario.

2.3.3.2. Configurador MPC La respuesta del controlador predictivo está determinada principalmente por el modelo de procesos dentro del controlador. Los parámetros internos, como el horizonte de predicción y el control de horizonte, se pueden especificar automáticamente según el modelo del proceso. El usuario sólo debe especificar las prioridades de la CV y los movimientos de infracción de las MV en el índice de rendimiento, según se describe en la sección 1.4.3. La sintonización manual de los parámetros del controlador no es posible para MPC, sólo la simulación del lazo de control cerrado.



2.3.4. Puesta en marcha Si la respuesta del lazo cerrado ya se ha verificado en las simulaciones, se reducen los riesgos durante la puesta en marcha del controlador. Antes de cerrar realmente el lazo, por lo general debe verificar: si las CV medidas llegan correctamente al controlador en la unidad física de la

especificación del valor de consigna. si las MV poseen cualquier tipo de impacto en el proceso, es decir, si la CV

responde a pasos pequeños de la MV en modo manual. si los límites de la MV especificados se ajustan al actuador del proceso.

si el signo de la ganancia de controlador (del controlador PID) se ajusta al signo de

la ganancia del proceso. si los cálculos para pre o post procesamiento de las señales del controlador

funcionan adecuadamente (por ej. transformaciones de unidades, correcciones de mediciones, funciones de linealización según la sección 2.2.1.2.1).

Con frecuencia (es lo deseado) estas verificaciones ya se han realizado antes de registrar los datos obtenidos (c.f. sección 2.3.1). Por lo general, durante la puesta en marcha, el proceso se lleva hasta el punto operativo en modo manual del controlador y en el punto operativo se realiza una transferencia de modo manual a automático sin perturbaciones. Si el controlador no responde según lo deseado, enseguida se regresa a modo manual. En procesos muy críticos, las limitaciones de la MV están restringidas a una zona muy pequeña cerca del valor actual de la MV, antes de que el controlador pase a modo automático por primera vez. Sólo el MPC permite ejecutar el controlador “pasivamente” en modo automático sin conectar sus MV al proceso. De esta forma, se puede verificar la credibilidad de las propuestas de la MV del MPC y finalmente ingresar de forma manual “advisory control” (“control recomendado”), “human in the loop” (“operador humano en el lazo”). En contraste con esto, un controlador PID no puede funcionar en modo automático sin conectar su MV al proceso porque esto generaría un problema de windup del integrador. Si el lazo de control funciona de forma estable en modo automático, los requisitos concretos con relación al rendimiento de control se verifican en detalle. Se puede obtener un primer panorama de la ganancia del rendimiento de control a través de un pequeño paso de valor de consigna. También en el caso MIMO, los pasos de valores de consigna se verifican inicialmente en las CV individuales y además se observan las interferencias (no deseadas) hacia los canales de control vecinos. De ser posible, se activan y se comprueban ciertos procesos o posibles perturbaciones importantes para las operaciones de control, por ej. cambios de carga, cambios de grado en la materia prima, limitaciones en el sistema de calefacción o refrigeración, etc. Por otro lado, la respuesta a perturbaciones se puede testear con pasos de MV artificiales. La mayoría de los bloques de funciones ofrecen una variable de entrada para desviaciones de las MV.



Se puede inicializar un sistema de monitoreo de rendimiento de control según la sección 1.2.1 luego de una puesta en marcha exitosa del controlador. 2.4. Resumen de las reglas más importantes Primero verifique la instrumentación y luego sintonice los controladores.

Para las estructuras en cascada, primero sintonice el controlador esclavo y

después el controlador maestro. Primero optimice los lazos de control básicos y luego diseñe las funciones APC.

Si se considerarán varias MV, seleccione la MV con mayor impacto (en el sentido

de la ganancia) y el impacto más directo (en el sentido del desfase de tiempo). El objetivo general es diseñar toda la respuesta de una planta controlada y los

bloques de compensación lo más lineal posible. 2.5. Documentación, Formación y Mantenimiento Se considera una buena costumbre en función de los beneficios para el control, comparar el rendimiento de una solución APC con el rendimiento del sistema de automatización existente (control convencional u operaciones manuales) y documentar las diferencias. Para asegurar un beneficio a largo plazo del control avanzado, la documentación, la formación y el mantenimiento juegan un rol muy importante. Una documentación funcional de la solución APC debería permitir el uso y el mantenimiento de la solución, incluso para aquellos que no participaron en el diseño de la solución. En especial en el contexto de la aplicación de un APC por primera vez, son muy importantes las medidas que generen confianza y motiven a los operadores de planta, a los ingenieros de procesos y a los gerentes de planta. Básicamente, la actitud “prefiero una solución mala a una solución que no entiendo” es la que se debe evitar. La funcionalidad de la mayoría de las soluciones APC se puede describir de modo ilustrativo como en el capítulo 1 de este trabajo y, como se puede ver a partir de la sección 1.4.4, incluso para un MPC, se obtiene un conocimiento básico del enfoque sin tener que profundizar mucho en teorías matemáticas. La capacitación formal y en el lugar de trabajo se deben considerar por separado. Además de los esfuerzos necesarios, se recomienda ofrecer diferentes tipos de cursos de formación para los diferentes usuarios con diferentes enfoques y cobertura. Para este fin, es útil ofrecer un entorno de simulación, no sólo en la fase de diseño y formación de un proyecto APC, sino también en la fase operativa. Las plantas de procesos están sujetas a permanentes modificaciones, como si fuera un organismo vivo. Las modificaciones se generan tanto por los procesos de envejecimiento no deseados como por la desactivación de los catalizadores o la obstrucción de los intercambiadores de calor, y a partir de medidas conscientes de mantenimiento, modificación o expansión de la planta en la fase operativa. Esto implica que la conducta estática y dinámica de una planta de procesos queda sujeta a



cambios, más lentos o más rápidos, más pequeños o más grandes. Debe tener en cuenta el hecho de que los modelos de procesos utilizados por APC, con el tiempo, se desviarán más y más de la realidad, y ello implica efectos negativos en el rendimiento de control. El mantenimiento de una solución APC requiere una observación permanente y, en este contexto, son útiles las herramientas de monitoreo del rendimiento de control descriptas en la sección 1.2.1. Las acciones que se sugieren son la planificación de una fecha adecuada para la re-identificación de algunos o todos los modelos de procesos; la consiguiente re-configuración de la solución APC (incluyendo MV o CV nuevas, o la eliminación de MV o CV que ya no sean necesarias o no estén disponibles); una nueva puesta en marcha y finalmente dar comienzo a proyectos de seguimiento. 3. Caso de estudio: Columna de destilación La destilación es uno de los procesos de separación más importantes en la industria químico-farmacéutica. Es un proceso de separación térmica en el que se separa una mezcla de varios fluidos disueltos unos en otros, utilizando diferentes puntos de evaporación o de ebullición. Las áreas típicas de aplicación de la destilación son los alcoholes y el petróleo crudo. Hay dos clases principales: (1.) destilación por lote y (2.) destilación continua (por ej. rectificación o destilación extractiva o reactiva). En la rectificación (destilación a contra flujo) se separa una mezcla de varios componentes en, al menos, dos flujos de fluidos. En el cabezal de la columna, se extrae el producto primario (el componente con punto de ebullición menor) y en el fondo de la columna el último producto (componente con ebullición más alto). Debido a la fuerte interacción termodinámica dentro de la torre de destilación, la tecnología de control PID convencional sólo puede controlar la calidad del producto (concentración o temperatura sustituta) ya sea en el cabezal o en el fondo de la columna. Por lo tanto, hasta ahora, hay 5 estructuras diferentes para el control de la columna de destilación vía una sola temperatura [12.]. Gracias a la aplicación rutinaria de un controlador MIMO con dos MV y dos CV, ahora y por primera vez, todas las columnas que hasta ahora hayan sido accionadas con entre una a cinco estructuras de control convencional, se pueden incluir en la misma estructura de automatización [10.]. Esta estructura estándar abarca un control de calidad completo: control de la temperatura del cabezal ¡y del fondo! vía reflujo y el flujo de vapor de calentamiento. La importancia relativa de las CV para una aplicación individual se pueden especificar utilizando las prioridades de la CV en el índice de rendimiento del MPC.



Figura 16: Diagrama P&I para una columna de rectificación con un control de calidad vía MPC (Fuente: Imagen OS de una plantilla de solución PCS 7 descripta en [10.]. Los valores medidos están en gris porque aquí se encuentran en un estado de simulación). 3.1. Implementación basada en plantillas La plantilla CFC (process type tag) para el controlador predictivo es el punto inicial para la implementación de un controlador multi-variable. Este gráfico de flujo de señales se modifica del lado de las salidas: las variables de salida del controlador predictivo no se conectan directamente a la planta sino que se conectan a los valores de consigna externos en relación a los controladores de flujo PID existentes para el reflujo y el vapor de calentamiento. Como esta, de hecho, es una estructura de cascada (con un controlador maestro MIMO y dos controladores PID esclavos) se deben tomar en cuenta las pautas generales de la ingeniería de estructuras de control en cascada, según se muestra en las plantillas CFC de control en cascada: El rango de actuación del controlador primario (en el canal MV correspondiente)

debe coincidir con en rango del valor de consigna del controlador secundario para asegurar una operación adecuada de las funciones anti-windup (anti-saturación) del controlador principal.

Si el controlador secundario no opera en modo cascada (modo automático con

valor de consigna externo) sino que lo hace en algún otro modo (por ejemplo, en modo automático o manual con valor de consigna local) y, por ende, no responde a



las órdenes del controlador principal, el canal correspondiente del controlador principal se debe poner en modo rastreo. La variable manipulada del controlador principal rastrea el valor del proceso (o valor de consigna) del controlador secundario correspondiente para permitir un retorno sin perturbaciones al modo cascada. La diferencia entre rastrear el valor de consigna y rastrear los valores del proceso es aparente cuando un controlador secundario está en modo manual. Si el valor del proceso se rastrea, la respuesta es similar a “Rastrear valor de consigna a valor del proceso en modo manual” de un controlador simple.

La puesta en marcha de estructuras de control en cascada se realiza del lazo

interno al lazo externo, es decir, primero se optimizan todos los controladores esclavos con el sintonizador PID y luego se sintoniza el controlador maestro con el configurador MPC.

Debido a los efectos termodinámicos no lineales en la columna de destilación, el control de calidad con un MPC lineal sólo es factible en un rango limitado alrededor de un punto operativo definido. Por lo tanto, es importante experimentar para registrar los datos obtenidos en este punto operativo y restringir el rango de la MV del MPC para modo automático, para validar el rango de este modelo no lineal. Sin embargo, los límites de la MV para modo automático deberían abarcar todo el rango de los controladores esclavos para permitir el arranque y la parada del proceso en modo manual en control de calidad. Al utilizar las plantillas CFC estándar de la biblioteca PCS 7 APC, el monitoreo de rendimiento de control, según la sección 1.2.1, queda incluido automáticamente para todos los lazos PID y MPC del proyecto. 3.2. Beneficios Económicos ¿Cuál es el beneficio económico de una solución APC “control de calidad con MPC” en el caso de las columnas de destilación? Ahora por primera vez es posible especificar la calidad del producto en el cabezal y

en el fondo de la columna de forma individual y controlarla en un lazo cerrado. La variación de los parámetros de calidad, que antes no se controlaba en absoluto, se puede reducir drásticamente; la variación de los parámetros de calidad, que antes tenía control PID, se puede seguir reduciendo. Todo el proceso de control es más parejo y homogéneo, con un ajuste de calidad de producto más exacto. Las pequeñas variaciones de la calidad del producto por lo general permiten ahorros en las unidades de procesamiento aguas abajo, por ej. una reducción del consumo de aditivos.

Un control de calidad automático requiere menos atención por parte de los

operadores, es decir, se reduce la cantidad de intervenciones manuales y la carga laboral del operador.

Se utiliza el flujo de alimentación como principal variable medible de perturbaciones

para mejorar la precisión de las predicciones, para compensar las fluctuaciones en el flujo de alimentación de forma predictiva al agregar reflujo y vapor de calentamiento, sin generar desviaciones significativas de la calidad del producto en relación al valor de consigna. El rendimiento de control en este sentido se puede mejorar significativamente en comparación con el control PID convencional.



No obstante, el mayor beneficio económico se puede lograr según la Figura 15 a partir de un movimiento dedicado de los valores de consigna del control de calidad. Las restricciones en la temperatura permitida del cabezal y del fondo son el resultado de las especificaciones de la calidad del producto, considerando las variaciones reales de las variables controladas. Para una operación óptima de la columna con un consumo de energía mínimo (es decir, consumo de vapor), el valor de consigna de la temperatura del cabezal se selecciona lo más alto posible, y el valor de consigna del fondo, lo más bajo posible, es decir, se minimiza el rango de temperatura adentro de la columna. En otras palabras, no se obtiene la mejor calidad posible, pero es precisamente esta calidad aceptable la que se puede producir con costos mínimos. En otras secciones de la planta puede haber otros objetivos a optimizar. Por ejemplo, maximizar el rendimiento al aumentar paso a paso el flujo de alimentación, bajo control de calidad, hasta que el flujo de vapor de calentamiento se asiente cerca del límite superior.

Figura 17: Columna de destilación El beneficio general de una solución APC para un columna de destilación (como la que se describe en el ejemplo en [13.]) por lo general suma más de €100.000 por año. Los valores empíricos comunes para el beneficio de una solución APC son: Aumento de la producción entre 1%....5% Aumento del rendimiento entre 2%...10% Reducción de consumo de energía entre 3%....10% Reducción de la desviación estándar de variables de procesos en un 25%...50% del

valor anterior.



3.3. Resumen Los métodos APC son una herramienta esencial para mejorar en rendimiento de planta en relación a la productividad, la economía, la calidad de producto, la operabilidad, disponibilidad, agilidad, seguridad y asuntos ambientales. Las soluciones APC son mucho más rentables debido a la implementación integrada en el DCS con bloques de función estándar y plantillas CFC predefinidas, tal como lo ofrece Siemens en la biblioteca APC.



4. Bibliografía [1.] Siemens AG, Automation and Drives: Online-Hilfe zur PCS7 APC-Library V7.0 SP 1, Nov. 2007. [2.] Siemens AG, Sektor Industry: Online-Hilfe zur PCS7 Advanced Process Library V7.1, Nov. 2008. [3.] Siemens AG, Sektor Industry: PCS7 AddOn-Katalog. (disponible en www.automation.siemens.com ) [4.] Dittmar, R., Pfeiffer, B-M.: Modellbasierte prädiktive Regelung - Eine Einführung für Ingenieure. Oldenbourg Verlag, München, 2004. [5.] Dittmar, R., Pfeiffer, B-M.: Modellbasierte prädiktive Regelung in der industriellen Praxis. el 12/2006, S. 590-601. [6.] Pfeiffer, B-M.: Control Performance Monitoring mit einer Kombination aus stochastischen und deterministischen Merkmalen. GMAKongress 2005, Baden-Baden. VDI-Berichte 1883, VDI-Verlag, Düsseldorf, S. 411-420. [7.] Föllinger, O.: Regelungstechnik. 6. Auflage, Hüthig-Verlag, Heidelberg 1990. [8.] Preuß, H.-P., Linzenkirchner, E., Kirchberg, K.-H.: SIEPID – ein Inbetriebsetzungsgerät zur automatischen Regleroptimierung. Automatisierungstechnische Praxis atp 29(1987), Heft 9, S. 427-436. [9.] Pfeiffer, B-M.: Standardisierung gehobener Regelungsfunktionen als Messstellen-Typen. GMA-Kongress 2007, Baden-Baden. VDI-Berichte 1980, VDI-Verlag, Düsseldorf, S. 83-94. [10.] Pfeiffer, B-M., Lorenz, O.: Unit-orientierte Musterlösungen für Advanced Control (Plantillas para soluciones orintadas a unidades para control avanzado) - Beispiel Destillationskolonne (Ejemplo columna de destilación). Automation 2008, Baden- Baden. VDI-Berichte 2032, S. 11-14, VDI-Verlag, Düsseldorf. [11.] Pfeiffer, B-M.: PID-Regelung von Batch- Prozessen entlang vorab optimierter Trajektorien – Studien am Chylla-Haase Reaktor-Benchmark. atp 4/2003, S. 76-86. [12.] Kister, H.Z.: Operaciones de Destilación. Mcgraw-Hill Professional, 2007. [13.] Schüler, M.: Implementación de MPC en el sitio de Phenol’s Gladbeck. Ingeniería en Hidrocarburos, Vol. 11, No. 10, Oct. 2006. [14.] VanDoren, V.: Avances en la optimización de loa lazos de control. El software lleva al usuario de una simple sintonización a la optimización de toda la planta. Ingeniería de Control, mayo 2008. www.siemens.com Siemens AG Todos los derechos reservados. Todas las marcas registradas utilizadas son propiedad de Siemens o de sus respectivos dueños

Industry Sector, IA AS SM MP7 Östliche Rheinbrückenstr. 50 D-76181 Karlsruhe

portfolio simatic pcs 7 apc - inicio - departamento de ... · notas técnicas cómo mejorar el...

Documents