Vous êtes sur la page 1sur 18

SIMULAO OPERACIONAL DE UMA TORRE DE DESTILAO

ATMOSFRICA VIA ASPEN PLUS E AVALIAO DE MODELOS DE


ANALISADORES VIRTUAIS
F.C. Diehl

A.R. Secchi

diehl@enq.ufrgs.br

arge@enq.ufrgs.br

L.P. Lusa

L.A.R. Muniz

leandro@trisolutions.com.br

larmuniz@ucs.br

L.G.S. Longhi
longhi@petrobras.com.br

Grupo de Integrao, Modelagem, Simulao, Controle e Otimizao de Processos (GIMSCOP)


Departamento de Engenharia Qumica, Universidade Federal do Rio Grande do Sul (UFRGS)
R. Luis Englert, s/n. Campus Central. CEP: 90040-000 - Porto Alegre, RS - BRASIL

TriSolutions - Solues em Engenharia


Rua General Bento Martins, 24 cj 1101 - CEP: 90010.080 - Porto Alegre, RS - BRASIL

Grupo de Modelagem, Simulao e Controle de Processos


Departamento de Engenharia Qumica, Universidade de Caxias do Sul (UCS)
Rua Francisco Getlio Vargas, 1130. CEP 95020-972 - Caxias do Sul, RS - BRASIL

G4ALBERTO PASQUALINI - REFAP S/A


Av. Getlio Vargas, 11001, CEP 92420-221 - Canoas - RS - BRASIL

RESUMO
A torre atmosfrica um dos equipamentos mais importantes
de uma unidade de destilao de leo cru em uma refinaria. A
otimizao da operao deste equipamento uma meta constante neste tipo de indstria, pois ela possibilita retornos financeiros bastante atrativos. Para levar a operao da coluna
de destilao atmosfrica prximo ao seu ponto operacional
timo necessrio medir algumas propriedades chaves, em
tempo real, para a atuao do sistema de controle. No entanto algumas propriedades no so facilmente medidas em
tempo real, ou ainda sua medio depende da compra de analisadores em linha que podem apresentar custos expressivos.
Uma alternativa para a obteno dessas propriedades a utiArtigo submetido em 27/01/2008 (Id.: 00851)
Revisado em 01/11/2008, 10/12/2008, 24/12/2008
Aceito sob recomendao do Editor Associado Prof. Takashi Yoneyama

lizao de inferncias (analisadores virtuais), que predizem a


varivel desejada atravs de modelos matemticos utilizando
variveis secundrias como parmetros de entrada. Duas inferncias, concedidas pela REFAP S/A, foram avaliadas com
a finalidade de se determinar aquela com maior poder preditivo da temperatura que destila 85% da corrente de hidrocarbonetos desejada (T85%). A fonte de dados, para os testes, foi originada no estado estacionrio pelo software Aspen
Plus, aps a validao de um modelo por dados operacionais
mdios recolhidos na prpria refinaria. Dois modos operacionais foram propostos e anlises de sensibilidade foram geradas para que seus resultados fossem utilizados como fonte de
dados para os modelos inferenciais. As T85% provenientes
do simulador foram consideradas padro para a comparao
com os resultados obtidos pelas inferncias. Os analisadores virtuais mostraram-se sensveis ao modo de operao a
que esto submetidos. Isto significa que os ajustes feitos nos

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

305

parmetros dos modelos devem ser revistos caso haja uma


mudana operacional significativa no sistema de destilao.
Para a operao em que os modelos foram desenvolvidos o
desempenho das duas inferncias foi semelhante, podendo
concluir que no estado estacionrio as predies de ambas
so satisfatrias.
PALAVRAS-CHAVE: Inferncias. Softsensors. Simulao.

Torre atmosfrica. Destilao.

ABSTRACT
The atmospheric tower is one of the most important equipments of an unit of distillation of raw oil in a refinery. The
optimization of the operation of this equipment is a constant goal in this industry type, because it makes possible
plenty financial returns attractive. To take the operation of
the close column of atmospheric distillation to its optimal
operational point it is necessary to measure some key properties, in real time, for the performance of the control system. However some properties are not measured easily in
real time, or still its measurement depends on the purchase
of on-line analyzers that they can present expressive costs.
An alternative for the obtaining of those properties is the
use of inferences (virtual analyzers), that predict the variable wanted through mathematical models using secondary
variables as entrance parameters. Two inferences, granted by
REFAP S/A, were appraised with the purpose of determining that with larger predictive power of the temperature that
distils 85% of the current of wanted hydrocarbons (T85%).
The source of data, for the tests, it was originated in the stationary state by the software Aspen Plus, after the validation
of a model for medium operational data collected in the own
refinery. Two operational manners were proposed and sensibility analyses were generated so that their results were used
as source of data for the inferential models. T85% coming
of the simulator were considered pattern for the comparison
with the results obtained by the inferences. The virtual analyzers were shown sensitive to the operation way the one that
is submitted. This means that the adjustments done in the parameters of the models should be reviewed in case there is a
significant operational change in the distillation system. For
the operation in that the models were developed the acting
of the two inferences was similar, could conclude that in the
stationary state the predictions of both are satisfactory.
KEYWORDS: Inferences. Softsensors. Simulation. Atmo-

spheric tower. Distillation.

1 INTRODUO
A tradicional viso de sistemas automatizados a da substituio da mo de obra por mquinas. Todavia a automao

306

industrial vem passando por radicais mudanas. Tecnologias


modernas de informao em tempo real sobre a administrao e manufatura de processos vm tornando-se populares
medida que proporcionam incrementos na otimizao da eficincia de sistemas de controle (Bakhtadze, 2004).
A predio de propriedades de difcil aquisio por sistemas
convencionais de anlise pode ser realizada, de forma indireta, por analisadores virtuais, atravs da medida de variveis
correlacionadas propriedade que se deseja estimar (Gonzalez, 1999).
Hoje, o desenvolvimento de analisadores virtuais feito atravs da seleo de variveis secundrias, tcnicas de modelagem lineares ou no-lineares e tcnicas computacionais
(Conz, 2005). As variveis secundrias so aquelas de fcil aquisio. Por exemplo, em uma coluna de destilao, as
composies de produtos so normalmente variveis a serem
inferidas, enquanto que as variveis secundrias so temperaturas, presses e vazes. Entre os mtodos de seleo das
variveis secundrias, destacam-se os baseados em anlises
combinatrias, anlises de sensibilidade, buscas aleatrias e
os mtodos evolutivos, que consistem em adicionar ou remover variveis buscando o aprimoramento do modelo em
questo (Fortuna et al., 2007). Existem tambm mtodos de
seleo de variveis baseados na heurstica de engenheiros e
tcnicos do processo em questo (Conz, 2005).
Existe inmeros mtodos de anlise de dados e teorias de
controle que so utilizados para o projeto de analisadores virtuais. Esses mtodos abrangem principalmente a modelagem
tradicional e os algoritmos avanados, tambm conhecidos
como inteligncia computacional. A utilizao de mtodos
de inteligncia computacional tende a solidificar-se com o
aumento da velocidade dos processadores eletrnicos (Bakhtadze, 2004).
Dentre os mtodos de inteligncia computacional existentes
destacam-se as redes neuronais, a lgica fuzzy, os algoritmos genticos, etc. A lgica fuzzy uma extenso da lgica Booleana. A experincia mostra que os tempos e custos
com projetos que utilizam lgica fuzzy so muito mais baixos do que os que utilizam ferramentas matemticas. Porm
a preciso dos resultados no to boa em comparao a
aproximaes probabilsticas (Bakhtadze, 2004). A maioria
dos analisadores virtuais introduzidos no mercado por lderes mundiais, como a Siemens e a Honeywell, so softwares
baseados em tecnologia de redes neuronais (neural network).
Dentre as principais caractersticas dessa tecnologia est sua
potencialidade de interpolao, antecipao e processamento
paralelo. A grande dificuldade em relao solidificao das
redes neuronais, em processos dinmicos, no ajuste (treinamento) da rede, j que praticamente impossvel predizer
o seu comportamento sem comear a operao em tempo real

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

(Bakhtadze, 2004).

2 UNIDADE DE DESTILAO

No caso de colunas de destilao comum a utilizao


de modelos baseados em mtodos empricos multivariveis
(Conz, 2005). Esses diferem dos modelos tericos e semiempricos por sua baixa complexidade. Atualmente a tcnica
PLS (Partial Least Squares) a mais utilizada para inferir
propriedades em colunas de destilao, j que busca maximizar a covarincia entre dados de entrada e sada (Conz,
2005).

A primeira etapa da separao do petrleo em diversas fraes com diferentes propriedades tradicionalmente feita
atravs de destilao fracionada, chamada de destilao atmosfrica. O processo tem esse nome por operar em presses
prximas presso baromtrica. Segundo Watkins (1981) o
equipamento de separao projetado para gerar cinco correntes de destilado e uma de fundo, tambm chamada de resduo atmosfrico (RAT). A frao mais leve nem sempre
completamente condensvel nas condies de temperatura e
presso do vaso de refluxo, o que resulta em uma corrente lquida e uma vapor na sada do condensador. Uma quantidade
de vapor de gua, chamada overflash ou vapor de retificao,
injetada na coluna com vistas a promover um refluxo adequado entre a zona de flash e a regio de alimentao, parcialmente vaporizada, e diminuir a presso parcial dos componentes facilitando o processo de separao. Em geral a alimentao aquecida at a temperatura de operao pelo fato
dessas colunas no possurem refervedores. Neste processo
comum a remoo de calor atravs de refluxos laterais, chamados pumparounds (RCI e RCS; reciclo circulante inferior
e superior, respectivamente) (Parkash, 2003).

Hoje em dia, os analisadores virtuais fazem parte do cotidiano de torres de destilao em refinarias e petroqumicas,
j que a otimizao uma meta constante nessas indstrias
(Longhi et al., 2007; Miranda e Lusa, 2003; Conz et al.,
2005). Tendo em vista que a qualidade de uma inferncia
dada pela sua capacidade de predio de uma propriedade
chave, torna-se imprescindvel a comparao de diferentes
inferncias visando determinao daquela de maior preciso.
No presente trabalho so avaliados dois modelos de inferncias, concebidos pela REFAP S/A, para a predio de uma
propriedade fundamental na caracterizao dos produtos resultantes da destilao atmosfrica de leo cru: a curva de
destilao. Mais precisamente a temperatura que destila 85%
da corrente em questo (T85%), sendo de suma relevncia
seu conhecimento, pois essa porcentagem uma especificao do leo diesel e limita a adio de fraes pesadas no
mesmo (Riazi, 2005). Em misturas multicomponentes as variveis medidas podem indicar o nvel de separao alcanada e alimentar os controladores, alcanando as especificaes dos produtos (Kalid, 2006). Caso existam analisadores em linha, o seu sinal pode ser utilizado como varivel
medida. Porm nem sempre vivel a instalao de analisadores em linha, seja por motivos tcnicos (no dispor de
sistemas de condicionamento de amostras) ou por motivos
econmicos (em geral os instrumentos apresentam elevados
custos). Ento se pode inferir a composio a partir de analisadores virtuais.
A metodologia adotada envolve o desenvolvimento de um
modelo da coluna, atravs do software de simulao Aspen Plus (Aspentech, 2001a), para gerar os dados utilizados como entradas para os analisadores virtuais. Os valores padro da propriedade, utilizados para as comparaes,
foram gerados por este simulador atravs de uma estimativa
que equivale curva de destilao descrita na norma D86 da
American Society for Testing and Materials (ASTM, 2007)
para misturas de petrleos. Essa norma, grosso modo, uma
destilao diferencial (em batelada) sob condies controladas de ensaio.

Para controlar o ponto inicial de ebulio da curva ASTM


D86, cada corrente lateral mandada a uma coluna retificadora (stripper), que contm um refervedor parcial ou uma
injeo de vapor de gua (Perry et al., 1999). Isso quer dizer que os strippers ajustam o produto removido at o ponto
inicial de ebulio desejado, o que garante a qualidade da
corrente efluente. A frao que no se enquadra nessas especificaes retorna torre de destilao.
A Figura 2.1 esquematiza a torre de destilao atmosfrica
utilizada na refinaria REFAP S/A. Os nmeros das correntes
indicam o estgio em que se encontram na coluna, sendo que
o condensador foi considerado como primeiro estgio. No
total, a torre possui 45 pratos com vlvulas Glitsh de 2 polegadas e na regio de alimentao usam-se recheios Mellapack. Sua altura total de aproximadamente 57 metros com
dimetros inferior e superior de 4,5 e 7,5 metros, respectivamente. O equipamento ainda apresenta strippers, de 4 estgios com injeo de vapor, nas correntes de diesel pesado,
diesel leve, querosene e nafta pesada (Perry et al., 1999; Watkins, 1981; Matar e Hatch, 2000).

3 SIMULAO OPERACIONAL
A simulao computacional uma ferramenta poderosa na
resoluo de problemas referentes engenharia qumica. Ela
permite predizer o comportamento de processos usando relaes bsicas, tais como balanos de massa, energia e equilbrio termodinmico, e especficas de cada equipamento (Aspentech, 2001a). Desde a dcada de 60 esta tecnologia vem

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

307

350

Temperatura (C)

300
250
200

Real

150

BK 10
Chao Sea
Grayson

100
50
0

10

20

30

40

50

Estgio

Figura 3.1 Especificao: frao de vapor destilado (condensador) e vazo de RAT.

avanado de processos (Ondrey, 2005).


A simulao da torre de destilao atmosfrica validada
uma importante ferramenta para os testes das inferncias,
pois permite predizer as propriedades dos produtos efluentes
em diversas situaes. Neste artigo, as simulaes foram feitas no software Aspen Plus e seus resultados validados atravs de dados provenientes de planta real.
Um dos maiores problemas no que se refere predio de
comportamentos em processos de refinarias a caracterizao da carga. O petrleo, matria-prima dessa classe industrial, apresenta uma srie de variaes na composio que
dependem da regio de onde extrado, podendo variar tanto
em densidade quanto na sua composio qumica. Quando
da coleta dos dados para a modelagem, a REFAP S/A utilizava aproximadamente 80% de petrleo leve e 20% de petrleo pesado, com grau API de 42,6 e 20,8, respectivamente. A
curva de destilao, desses dois petrleos, foi utilizada como
entrada no simulador, para caracterizar a alimentao da unidade.
Alm disso, a qualificao das inferncias e a criao de um
modelo representativo requerem uma srie de dados operacionais. Esses dados foram extrados do histrico da unidade,
em uma situao em que o processo se encontrava em estabilidade operacional.
Figura 2.1 Torre de destilao atmosfrica da REFAP S/A
(Petrobrs).

sendo utilizada e desenvolvida, todavia originalmente, devido a restries computacionais, a simulao era utilizada
somente com finalidades de projeto. Hoje, adicionalmente
ao projeto, a simulao aplicada ao treinamento de operadores, otimizaes de processos, apoio a decises, estudos
de sensibilidade e, mais recentemente, no apoio ao controle
308

Como pode ser observado nas Figuras 3.1 a 3.4, as especificaes mais adequadas para a representao do processo
real envolvem a vazo de RAT e a temperatura do condensador ou frao de vaporizado do mesmo, para termodinmicas
apolares (Braun K10, Chao-Seader, Grayson-Streed). Com
a utilizao do modelo UNIFAC a simulao no convergiu
em nenhum dos casos, e o modelo NRTL-RK convergiu apenas em uma das situaes apresentando resultados insatisfatrios. Detalhes e descries dos modelos termodinmicos
so descritos em Aspentech (2001b).

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

350

350
Temperatura (C)

300
250
200
Real
BK 10
Chao Sea
Grayson

150
100
50
0

10

20

30

40

Temperatura Resultante da Simulao (

C)

400

300

250
200

150

BK10
Linear (BK10)

100

50

50

50

100

150

Estgio

200

250

300

350

Temperatura Real (o C)

Figura 3.2 Especificao: temperatura do condensador e


vazo total de destilado.

Figura 3.5 Temperatura real versus simulada


400

350

350

300

300

250
Real
BK 10
Chao Sea
Grayson

200
150
100

Temperatura (C)

Temperatura (C)

400

250

200

Real

150

100% Leve

50
0

10

20

30

40

60% Leve

100

50

Estgio
50

Figura 3.3 Especificao: frao de vapor destilado (condensador) e vazo total de destilado.
A determinao da situao que melhor descreve o processo
torna-se uma tarefa difcil j que visualmente h pouca diferena entre os resultados das Figuras 3.1 e 3.4 para as ter-

10

20

30

40

50

Estgio

Figura 3.6 Perfil de temperatura frente variao da composio da carga.


400

350

350
300

250

150

Real
NRTL RK
BK 10

100

Chao Sea
Grayson

200

Temperatura (C)

Temperatura (C)

300

250

200

150

Real
100

75% Leve

50
50

0
0

10

20

30

40

50

Estgio

Figura 3.4 Especificao: temperatura do condensador e


vazo de RAT.

10

20

30

40

50

Estgio

Figura 3.7 Resultados para a simulao com 75% de petrleo leve e 25% de pesado.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

309

modinmicas apolares. Sendo assim uma anlise mais adequada se faz necessria e a Figura 3.5 mostra uma forma de
comparao quantitativa dos resultados, onde Linear (BK10)
ilustra o melhor ajuste linear para os pontos do grfico. A
Tabela 3.1 relaciona as inclinaes dos ajustes lineares dos
resultados apresentados nas Figuras 3.1 e 3.4 para os modelos BK10, Chao-Seader e Grayson-Streed. A simulao utilizando o modelo BK10 (que prprio para aplicaes com
petrleo) com a temperatura do condensador e a vazo de
RAT especificadas apresentou os melhores resultados.

a quantidade produzida enquanto que a segunda visa controlar o perfil de temperatura da coluna. A T85% foi analisada
para diferentes misturas das correntes de produtos tambm
chamadas de alinhamentos, onde as misturas dos produtos
laterais nafta pesada (NP), querosene (Q), diesel pesado (DP)
e diesel leve (DL) so:

Definida a termodinmica e as especificaes de operao,


foi ajustada a composio da carga, j que no se conhece
ao certo que mistura de petrleo foi utilizada no perodo
analisado. Isto porque os tanques que armazenam petrleo
possuem sistemas de agitao, por turbinas, que visam a homogeneizao das fraes leves e pesadas que so aspiradas
para o processo. Sendo assim os tanques no podem trabalhar com nveis muito baixos e, portanto, novos petrleos
so adicionados tornando a exatido de definio da carga
uma difcil tarefa. Outro fator que justifica o ajuste que o
monitoramento da vazo, na refinaria, realizado por sensores de placa de orifcio, fato este que reduz a credibilidade e
confiabilidade de suas medidas. A relao entre o petrleo
leve e pesado foi variada e analisada, e a Figura 3.6 mostra
os resultados obtidos.

Alinhamento C = Q + DL + DP

Figura
3.1

3.4

Tabela 3.1 Anlise quantitativa


Termodinmica
Inclinao

Alinhamento B = NP + DL + DP

Alinhamento D = DL + DP
A abrangncia das anlises de sensibilidade foi determinada
pelas variveis manipuladas na carga, ou seja, as mesmas foram variadas ao mximo, at a simulao apresentar problemas de convergncia. Os resultados gerados nestas anlises
sero os dados de entrada da avaliao dos analisadores virtuais. Todas as anlises de sensibilidade foram simuladas no
software Aspen Plus, e seus resultados grficos so mostrados nas Figuras 4.1 a 4.6, onde as curvas T85_n representam
os quatro alinhamentos A, B, C e D.

4.1 Primeira linha de operao (PLO)


R2

BK 10

1,0142

0,9946

Chao-Seader

1,0171

0,9933

Grayson-Streed

1,0190

0,9935

BK 10

1,0007

0,9968

Chao-Seader

1,0010

0,9959

Grayson-Streed

1,0025

0,9961

Atravs do somatrio do erro quadrado foi possvel determinar qual composio de petrleo leve e pesado se adapta
melhor as condies de operao real. Este valor ficou em
torno de 75% de petrleo leve e 25% de pesado e o resultado
para essa composio pode ser visualizado na Figura 3.7. O
modelo que gerou os resultados da Figura 3.7 ser utilizado
para a anlise de sensibilidade apresentada a seguir.

4 ANLISE DE SENSIBILIDADE
A anlise de sensibilidade fornece informaes sobre as respostas do processo frente a modificaes em variveis manipuladas (Secchi et al., 2006). Duas linhas de anlise de sensibilidade so apresentadas a seguir, buscando representar diferentes formas de operao. A primeira delas visa controlar
310

Alinhamento A = NP + Q + DL + DP

Esta anlise de sensibilidade visa observar o comportamento


do sistema de destilao atmosfrica com as vazes de produtos laterais fixas, independentemente dos distrbios provocados. Isto significa a busca de um regime de operao com
controle das quantidades produzidas.
Em operao, a coluna possui controle da temperatura do
topo, que foi adicionada simulao manipulando-se a temperatura do condensador. A vazo do fundo varivel, j
que controla o nvel do fundo da torre, e apresenta oscilaes
dependentes dos distrbios sofridos pelo processo. Assim
sendo, manter a vazo de RAT constante, independente das
variaes na operao, no a melhor especificao. Com
vista a contornar este problema, a vazo do fundo ajustase para manter a temperatura do ltimo estgio em 347,9C,
como no processo real, j que no possvel trabalhar com o
nvel do fundo. A tolerncia dos controladores de 1C.
As Figuras 4.1, 4.2 e 4.3 mostram o comportamento da T85%
para uma variao da temperatura da carga (368 380C), da
vazo de alimentao (+/-3% do valor nominal) e da composio de entrada (23 27% de petrleo pesado), respectivamente.
Os grficos apresentados permitem verificar a sensibilidade
da T85%, para todos os alinhamentos, em relao s variaes de estado da carga. Todos os dados operacionais rele-

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

365

T85_A

349

T85_B

348

T85_C

T85_A

360

T85_B
T85_C

347

T85_D

346

Temperatura (C)

355
Temperatura (C)

350

350
345

T85_D

345
344
343
342

340

341

335

340

330
366

339

368

370

372

374

376

378

380

22

382

23

24

25

26

Tem peratura da Carga (C)

Figura 4.1 Comportamento da T85% frente a variaes na


temperatura da carga.

28

Figura 4.3 Comportamento da T85% frente a variaes na


composio da carga.
345

T85_A

T85_A

349

T85_B

T85_B

344

T85_C

T85_C

347

T85_D

T85_D

343

Temperatura (C)

27

Petrleo Pesado na Carga (%)

Temperatura (C)

345

343

341

342
341
340

339

339

337
-4

-3

-2

-1

Variao da Vazo da Carga (%)

Figura 4.2 Comportamento da T85% frente a variaes na


vazo da carga.

vantes, s entradas das inferncias, foram armazenados para


posterior avaliao das mesmas.

4.2

Segunda linha de operao (SLO)

Esta anlise de sensibilidade visa observar o comportamento


do sistema de destilao atmosfrica mantendo-se o perfil de
temperatura interno fixo independentemente dos distrbios
provocados.
Primeiramente foi especificado o perfil de temperatura nos
pontos de retiradas de produtos e no topo da coluna. Entretanto, as anlises de sensibilidade no convergiam para amplitudes apropriadas nem mesmo com tolerncia de 2C. Devido rigidez das condies especificadas, a confiabilidade
dos resultados gerados era questionvel e, portanto, foi necessrio alterar alguns pontos das variveis em questo.
Ao invs de controlar todos os pontos de remoo de produ-

338
365

370

375

380

Tem peratura da Carga (C)

Figura 4.4 Comportamento da T85% frente a variaes na


temperatura da carga.
tos da coluna foram especificadas as temperaturas do topo e
da corrente de diesel leve, enquanto que a vazo ficou fixada
para as demais retiradas. A tolerncia das variveis manipuladas ficou em 0,1C. O diesel leve foi escolhido por ser um
ponto intermedirio entre as correntes de maior importncia
para os modelos de inferncia. Os resultados do comportamento da T85% esto apresentados nas Figuras 4.4, 4.5 e 4.6.

5 INFERNCIAS
Para que os controladores operem de forma eficiente so necessrias leituras em tempo real das propriedades de interesse. Isso torna factvel ao sistema de controle a tomada de
aes de carter servo e regulatrio. Entretanto, em refinarias, algumas propriedades no so facilmente quantificadas
em tempo real, sendo necessrias anlises laboratoriais, ou
ainda sua medio depende da compra de analisadores em li-

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

311

348

5.1 Inferncia semi-emprica simplificada

346
344
Temperatura (C)

342
340
338

T85_A
T85_B

336

T85_C
334

T85_D

332
330
-3

-2

-1

Variao da Vazo da Carga (%)

Figura 4.5 Comportamento da T85% frente a variaes na


vazo da carga.

342

A inferncia semi-emprica simplificada baseada em um


modelo semi-emprico que visa predizer a curva de destilao dos produtos da destilao atmosfrica a partir das temperaturas dos pratos de retirada e suas vazes de sada. A metodologia de clculo pode ser encontrada em Miranda e Lusa
(2003). Com vistas a proteger as vantagens competitivas da
REFAP S/A, alguns parmetros de ajuste esto substitudos
por incgnitas na descrio a seguir.

Temperatura (C)

340

338

336

T85_A
T85_B
T85_C

334

Esta tcnica baseada em um modelo semi-emprico que se


prope a predizer a curva de destilao das correntes efluentes a partir das temperaturas das bandejas de retirada de
produto da torre. Segundo Miranda e Lusa (2003), so modelos estacionrios que necessitam periodicamente de fatores
de correo baseados em resultados de laboratrios. Os autores afirmam que a implementao da anlise virtual simples
e apresenta custos relativamente baixos, desde que exista um
sistema de instrumentao e aquisio de dados j implantados. A manuteno da mesma tambm simples, todavia
a preciso dos seus resultados no to boa, e tampouco capaz de ajustar a sua predio para diferentes tipos de petrleo
e/ou variaes significativas nos refluxos internos da coluna.
Os autores citam a desvantagem da correo de parmetros
atravs de resultados de laboratrio, j que erros nas anlises podem deteriorar a inferncia e a varincia da anlise em
laboratrio repassada automaticamente para a inferncia.

Primeiramente, calcula-se a temperatura que destila 30% da


corrente desejada.

T85_D

332
22

23

24

25

26

27

28

T30i = i Ti + Biasi

Petrleo Pesado (%)

Figura 4.6 Comportamento da T85% frente a variaes na


composio da carga.

(1)

T30i Temperatura que destila 30% da corrente i.


i Parmetro ajustado com dados de laboratrio.

nha que podem ser excessivamente caros. A utilizao direta


de resultados de laboratrios vivel, todavia a freqncia
de atualizaes das propriedades muito baixa, chegando,
no mximo, a 6 vezes ao dia na REFAP S/A.
Como alternativa, surgem as inferncias ou analisadores virtuais, que so mdulos de clculo que podem predizer propriedades chaves do produto atravs da medio de outras
variveis do processo de fcil obteno. A inferncia basicamente constituda de algoritmos e modelos matemticos
e sua qualidade medida pela preciso de suas estimativas
(Miranda e Lusa, 2003).
A descrio das duas inferncias avaliadas apresentada a
seguir, onde as unidades de temperatura e vazo so, respectivamente, C e m3 /dia.
312

Ti Temperatura da bandeja de retirada de i.


Biasi Parmetro ajustado com dados de laboratrio.
A temperatura que destila 85% da corrente estimada pela
Equao 2.

T85i =

0, 55Fi (Ti1 Ti )
+ T30i
0, 7Fi + 0, 3Fi1

(2)

T85i Temperatura que destila 85% da corrente i.


Ti1 Temperatura da bandeja de retirada da corrente abaixo
da corrente i.
Fi Vazo da corrente i.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

Fi1 Vazo da corrente abaixo da corrente i.


A inferncia prediz ainda a T85% de misturas das correntes efluentes da torre. Para isso necessria a utilizao das
seguintes regras de mistura:

I85i =

32 + 1, 8T85i
546, 1

I85m

T85sbm

7,8

P
I85i Fi
= P
Fi

546, 1 7,8 I85m 32


=
1, 8

(3)

(4)

(5)

I85i ndice da corrente i.


I85m ndice da mistura m.
T85sbm Temperatura que destila 85% da mistura m (sem
bias).
A T85% utilizada como parmetro de especificao dos produtos foi corrigida por um fator chamado de Bias, que a
T85% resultante de anlises laboratoriais. No caso do presente trabalho, a T85% do laboratrio foi substituda pela
T85% resultante da simulao. O Bias foi calculado da seguinte maneira:
Bias = T85S T85P

(6)

Bias Parmetro de correo para o clculo da T85% da mistura.

A temperatura que destila 85% da mistura que se deseja analisar calculada, ento, pela Equao 7, onde Biasm o Bias
para a mistura m.

T85m = T85sbm + Biasm

5.2

(7)

Inferncia de polinmios ajustados

Outra maneira de predizer propriedades, muito usual, a que


utiliza medies do processo que apresentem sensibilidade
variao da propriedade que se quer inferir com entradas em
um polinmio. Miranda e Lusa (2003), relatam que o desenvolvimento desse tipo de inferncia envolve basicamente
duas etapas; a primeira implica na seleo das medies mais
indicadas e a segunda etapa consiste no desenvolvimento da
inferncia por ajuste de parmetros de um polinmio, de
uma rede neuronal ou qualquer outro mtodo semelhante.
Segundo os autores esta inferncia requer um maior investimento em engenharia na seleo das variveis relevantes
e no desenvolvimento do polinmio. Sua implementao
to simples quanto a semi-emprica simplificada, todavia sua
manuteno merece uma ateno especial, necessitando de
ajustes peridicos nos parmetros. Esta tcnica de inferncia
apresenta resultados mais precisos que a outra tcnica, porm
com baixa capacidade de ajustar-se a mudanas de composio da carga e necessita das mesmas correes laboratoriais
que a inferncia semi-emprica simplificada.
Os modelos utilizados nos testes foram concebidos pela REFAP S/A e com vistas a proteger as vantagens competitivas
da empresa os parmetros ajustados no sero apresentados.
Para o clculo da T85% de cada retirada, foi utilizada a seguinte equao genrica:

Tn,i =

j=6 
X
j=1

n,i,j

n,i,j
Tj1

Vi
Vc arg a

n,i,j

n,i,j
Ptopo

T85S T85% resultante da simulao.


(8)

T85P T85% padro para cada linha de operao resultante


do modelo inferencial.
A T85% padro aquela considerada real, ou seja, o valor
base para a comparao com os valores preditos pelas inferncias. As T85% da simulao e a padro foram calculadas
para as duas linhas de operao mencionadas na anlise de
sensibilidade. Para cada uma das configuraes operacionais
foi determinado a T85S pelo software Aspen Plus. A T85P
foi calculada pela inferncia semi-emprica simplificada sem
bias com dados de temperatura e vazo provenientes da simulao, uma para cada linha de operao.

Na Equao 8, os ndices i, j e n representam, respectivamente, as correntes intermedirias (NP, Q, DL e DP), as temperaturas das panelas de retirada (topo, NP, Q, DL, DP e zona
de flash) e as temperatura de destilao (T85%), enquanto
que n,i,j , n,i,j , n,i,j e n,i,j so constantes.
As regras de mistura para esta inferncia variam de acordo
com o alinhamento, ao contrrio da inferncia semi-emprica
simplificada, que utiliza as mesmas regras de mistura para todos os alinhamento. Isto torna os modelos polinomiais mais
flexveis que os empricos simplificados. As equaes 9, 10,
11 e 12 so as inferncias correspondentes aos alinhamentos
A, B, C e D, respectivamente.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

313

FN P Vazo da corrente de nafta pesada.


T 85
TDlinA


 
T 85 x40
= x38 FNx39
+
P TN P

FQN Vazo da corrente de querosene.

h
 i
 x45 T 85 x46 
x42
T 85 x43
+ x41 FQN
TQN
+ x44 FDL
TDL
+
 x48 T 85 x49 
+ x47 FDP
TDP
+ x50
(9)


 
T 85
T 85 x53
TDlinB
= x51 FNx52
+
P TN P
 x55 T 85 x56 
+ x54 FDL
TDL
+

 
T 85 x59

x58
+ x57 FDP
TDP

(10)
+ x60

h
 i
x62
T 85
T 85 x63
+
TDlinC
= x61 FQN
TQN
 x65 T 85 x66 
+ x64 FDL
TDL
+

 
T 85 x69

x68
+ x67 FDP
TDP

 x72 T 85 x73 
T 85
TDlinD
= x71 FDL
TDL
+

(11)

Como na inferncia semi-emprica simplificada, a de polinmios ajustados tambm utiliza um Bias atualizado periodicamente para a correo do modelo. O Bias baseado na T85%
resultante de anlises laboratoriais. No entanto, a T85% do
laboratrio foi substituda pela T85% gerada na simulao,
da mesma maneira que na inferncia semi-emprica simplificada. O Bias foi determinado pela Equao 6.
As T85% da simulao e a padro foram calculadas para as
duas linhas de operao mencionadas anteriormente (PLO
e SLO). Para cada uma das configuraes operacionais foi
determinada a T85S pelo software Aspen Plus. A T85P foi
calculada pela inferncia polinomial sem bias com dados de
temperatura, presso e vazo provenientes da simulao, uma
para cada linha de operao.

T 85
TYT 85 = TDlinY
+ BiasY

(12)

T 85
TDlinA
Temperatura que destila 85% do alinhamento A sem
correo de Bias.
T 85
TDlinB
Temperatura que destila 85% do alinhamento B sem
correo de Bias.
T 85
TDlinC
Temperatura que destila 85% do alinhamento C sem
correo de Bias.
T 85
TDlinD

Temperatura que destila 85% do alinhamento D sem


correo de Bias.

TNT P85 Temperatura que destila 85% da corrente de nafta pesada.


T 85
TQN
Temperatura que destila 85% da corrente de querosene.
T 85
TDL

Temperatura que destila 85% da corrente de diesel


leve.

T 85
TDP
Temperatura que destila 85% da corrente de diesel pesado.

314

FDP Vazo da corrente de diesel pesado.

A Equao 13 mostra o clculo da T85% para a mistura de


correntes, onde Y indica o alinhamento desejado.

+ x70

 x75 T 85 x76 
+ x74 FDP
TDP
+ x77

FDL Vazo da corrente de diesel leve.

(13)

6 RESULTADOS
A partir dos dados obtidos na anlise de sensibilidade pdese testar a acurcia das inferncias semi-emprica simplificada e de polinmios ajustados. Os testes foram divididos
em duas configuraes operacionais: a primeira linha de operao (PLO) e a segunda linha de operao (SLO). A Tabela
6.1 relaciona o tipo de operao com as fontes de dados da
anlise de sensibilidade realizada.

6.1 PLO1
A PLO1 a primeira linha de operao para o caso 1, que
nada mais do que a anlise de sensibilidade para a configurao operacional que visa manter constantes as vazes de
sada dos strippers quando varia-se a temperatura da alimentao de petrleo no sistema de destilao.
A Figura 6.1 ilustra o comportamento da T85% da simulao
e dos modelos em relao temperatura da alimentao de
petrleo, para todos os alinhamentos. Um ajuste linear, nos
dados de simulao, foi adicionado ao grfico para reforar a
tendncia do resultado. Este mesmo tratamento foi aplicado
aos grficos das Figuras 6.3, 6.6, 6.8, 6.9 e 6.12. A Figura 6.2

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

Simulao
Polinomial
Emprica
Linear (Simulao)

T85% do Alinhamento A (C)

355

350

Tabela 6.1 Fontes de dados para cada linha de operao


Caso
PLO
SLO
Simular a ao de
controle das vazes de
produtos laterais da
coluna de destilao

345

340

335

330
366

368

370

372

374

376

378

380

382

Anlise de sensibilidade da variao da


temperatura da carga

Anlise de sensibilidade da variao da vazo da


carga

Anlise de sensibilidade da variao da


composio da carga

Simulao
Polinomial
Emprica
Linear (Simulao)

357

352

347

342

337
366

368

370

372

374

376

378

380

382

T85% do Alinhamento C (C)

Temperatura da Carga (C)


Simulao
Polinomial
Emprica
Linear (Simulao)

357

Somatrio dos quadrados dos


erros

T85% do Alinhamento B (C)

Temperatura da Carga (C)

700

Polinomial

600

Emprica

500
400
300
200
100
0
A

352

Figura 6.2 PLO1: Comparao de desempenho dos analisadores virtuais.

347

342

apresenta o grfico que relaciona o somatrio dos erros quadrados da predio de cada modelo com o seu alinhamento.

337

332
366

368

370

372

374

376

378

380

382

Temperatura da Carga (C)

T85% do Alinhamento D (C)

Simular a ao de
controle do perfil
interno de
temperatura da coluna
de destilao

Simulao
Polinomial
Emprica
Linear (Simulao)

357

352

347

Observa-se que a inferncia polinomial teve um desempenho muito abaixo da semi-emprica. Se observados os valores preditos pelos modelos, para as temperaturas de 368C
e 370C da carga, percebe-se que o modelo polinomial no
conseguiu obter valores satisfatrios chegando a diferenas
de mais de 15C entre a sua predio da T85% e a da simulao. Segundo a Figura 6.1, percebe-se que a inferncia polinomial no consegue ajustar-se s tendncias do processo.
Nos alinhamentos A e C este modelo tem um comportamento
inverso ao esperado.

342

337
366

368

370

372

374

376

378

380

382

Temperatura da Carga (C)

Figura 6.1 PLO1: T85% da simulao e dos modelos em


relao aos distrbios.

Nas rotinas de clculo, a inferncia de polinmios ajustados


no leva em conta as variaes de vazo da corrente de resduo atmosfrico e a PLO manipula esta corrente para manter
a temperatura do estgio 45 constante. Este fato faz com que
a configurao operacional escolhida acabe prejudicando o
modelo polinomial. Sendo assim o desempenho do modelo
emprico simplificado mais satisfatrio nessas condies.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

315

6.2 PLO2

A Figura 6.3 revela que o comportamento das inferncias no


constante e, de um modo geral, o modelo emprico simplificado melhor do que o de polinmios ajustados. Os
alinhamentos A e C mostraram os maiores erros para a inferncia polinomial, possivelmente as inferncias que utilizam
menos correntes na mistura tm maiores probabilidades de
resultarem em boas predies, j que diminuem o nmero de
variveis envolvidas nas rotinas de clculo.
A inferncia semi-emprica simplificada acompanha o comportamento do processo com variaes significativas, mas
com erros menores, numa viso geral, do que o modelo polinomial. O comportamento do erro, na inferncia polinomial, foi o mesmo do PLO1, onde os alinhamentos A e C
mostraram-se menos confiveis. Para essas misturas o valor
predito pelo modelo tem uma sensibilidade muito acentuada
em relao s propriedades geradas na simulao.

6.3 PLO3
A PLO3 a primeira linha de operao para o caso 3, ou seja,
a anlise de sensibilidade para a configurao operacional
que visa manter constantes as vazes de sada dos strippers
quando varia-se a quantidade de petrleo leve e pesado da
carga.

T85% do Alinhamento A (C)

342
340
338
336
334
332
-3

-2

-1

346

Em relao estabilidade da qualidade dos resultados


percebe-se que o modelo emprico simplificado mais ho316

345

344

343

342
-3

-2

-1

Variao da Vazo na Carga (%)


Simulao
Polinomial
Emprica
Linear (Simulao)

346

344

342

340

338

336
-3

-2

-1

Variao da Vazo na Carga (%)

T85% do Alinhamento D (C)

Os resultados obtidos indicam que a inferncia semiemprica simplificada tem maior capacidade de predizer a
propriedade em questo para o caso analisado. Em todas as
anlises deste tpico sua eficincia foi superior inferncia
polinomial.

Simulao
Polinomial
Emprica
Linear (Simulao)

347

Simulao
Polinomial
Emprica
Linear (Simulao)

351

A Figura 6.5 apresenta o grfico que relaciona o somatrio


dos erros quadrados da predio de cada modelo com o seu
alinhamento. J a Figura 6.6 ilustra o comportamento da
T85% da simulao e dos modelos em relao temperatura
da alimentao de petrleo na torre, para os alinhamentos A,
B, C e D.

Variao da Vazo na Carga (%)

T85% do Alinhamento B (C)

A Figura 6.3 ilustra o comportamento da T85% da simulao e dos modelos em relao temperatura da alimentao
de petrleo na torre, para os alinhamentos A, B, C e D. A
Figura 6.4 apresenta o grfico que relaciona o somatrio dos
erros quadrados da predio de cada modelo com o seu alinhamento.

344

T85% do Alinhamento C (C)

A PLO2 a primeira linha de operao para o caso 2, ou seja,


a anlise de sensibilidade para a configurao operacional
que visa manter constantes as vazes de sada dos strippers
quando varia-se a vazo da carga alimentada.

Simulao
Polinomial
Emprica
Linear (Simulao)

346

350

349

348

347

346
-3

-2

-1

Variao da Vazo na Carga (%)

Figura 6.3 PLO2: T85% da simulao e dos modelos em


relao aos distrbios.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

80

Polinomial

343

70

Emprica

342

60
50
40
30
20
10

T85% do Alinhamento A (C)

Somatrio dos quadrados dos


erros

90

341
340
339
338

Simulao
Polinomial
Emprica
Linear (Simulao)

337

0
A

336
22

Figura 6.4 PLO2: Comparao de desempenho dos analisadores virtuais

40

Polinomial

35

Emprica

30
25
20
15

25

26

27

28

Simulao
Polinomial
Emprica
Linear (Simulao)

349
348
347
346
345
344

10
343

22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

0
B

mogneo que o modelo de polinmios ajustados.

SLO1

A SLO1 a segunda linha de operao para o caso 1, ou


seja, a anlise de sensibilidade para a configurao operacional que visa manter constante o perfil interno de temperatura
da torre de destilao quando varia-se a temperatura da alimentao.

Como pode ser observado, ambas as inferncias foram incapazes de predizer o comportamento do processo. Os valores
resultantes da simulao, para esse caso, apresentaram variaes significativas somente para as temperaturas da zona
de flash e da corrente de RAT. Como a inferncia polinomial leva em conta a temperatura da zona de flash e a semiemprica da corrente de RAT, provavelmente estas variaes

344
343
342
341
340
339
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)


Simulao
Polinomial
Emprica
Linear (Simulao)

351

T85% do Alinhamento D (C)

A Figura 6.7 apresenta o grfico que relaciona o somatrio


dos erros quadrados da predio de cada modelo com o seu
alinhamento. A Figura 6.8 ilustra o comportamento da T85%
da simulao e dos modelos em relao temperatura da alimentao de petrleo na torre, para os alinhamentos A, B, C
e D.

Simulao
Polinomial
Emprica
Linear (Simulao)

345

T85% do Alinhamento C (C)

Figura 6.5 PLO3: Comparao de desempenho dos analisadores virtuais.

6.4

24

Petrleo Pesado na Carga (%)

T85% do Alinhamento B (C)

Somatrio dos quadrados dos


erros

45

23

350
349
348
347
346
345
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

Figura 6.6 PLO3: T85% da simulao e dos modelos em


relao aos distrbios.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

317

Polinomial

100

Emprica

344

T85% do Alinhamento A (C)

Somatrio dos quadrados dos


erros

120

80
60
40
20

343
342
341
340
339
338
337
336
335

0
A

334
364 366 368 370 372 374 376 378 380 382 384

Temperatura da Carga (C)

Figura 6.7 SLO1: Comparao de desempenho dos analisadores virtuais.

344

T85% do Alinhamento B (C)

causaram o comportamento inesperado dos resultados preditos. Sendo assim a credibilidade dos resultados torna-se
duvidosa para este caso em particular.

Simulao
Polinomial
Emprica
Linear (Simulao)

343
342
341
340
339
338

Simulao
Polinomial
Emprica
Linear (Simulao)

337
364 366 368 370 372 374 376 378 380 382 384

Temperatura da Carga (C)


344

A Figura 6.9 ilustra o comportamento da T85% da simulao


e dos modelos em relao temperatura da alimentao de
petrleo na torre, para os alinhamentos A, B, C e D. A Figura 6.10 apresenta o grfico que relaciona o somatrio dos
erros quadrados da predio de cada modelo com o seu alinhamento.
A Figura 6.9 mostra os resultados preditos pelos modelos
em relao aos distrbios na carga, onde possvel comparar o desempenho com os dados da simulao. As inferncias mostraram-se adequadas para pequenos distrbios, divergindo dos valores da T85% padro medida que se distanciam do ponto de origem dos Bias. A tendncia dos resultados acompanha o comportamento da propriedade originada
no Aspen Plus, ao contrrio de alguns casos da primeira linha
de operao (PLO).
Pela Figura 6.10 possvel perceber que para os alinhamentos A e B a inferncia polinomial mais satisfatria, enquanto que no C e D a semi-emprica comporta-se mais adequadamente. O desempenho dos modelos mostrou-se aleatrio sendo que os erros gerados pela rotina semi-emprica
simplificada so mais homogneos quando comparados com
os erros daquela de polinmios ajustados
318

343
342
341
340
339
338
337
336
335

Simulao
Polinomial
Emprica
Linear (Simulao)

334
364 366 368 370 372 374 376 378 380 382 384

Temperatura da Carga (C)


344

T85% do Alinhamento D (C)

A SLO2 a segunda linha de operao para o caso 2, ou seja,


a anlise de sensibilidade para a configurao operacional
que visa manter constante o perfil interno de temperatura da
torre de destilao quando varia-se a vazo da carga.

T85% do Alinhamento C (C)

6.5 SLO2

343
342
341
340
339
338

Simulao
Polinomial
Emprica
Linear (Simulao)

337
364 366 368 370 372 374 376 378 380 382 384

Temperatura da Carga (C)

Figura 6.8 SLO1: T85% da simulao e dos modelos em


relao aos distrbios.

6.6 SLO3
A SLO3 a segunda linha de operao para o caso 3, ou seja,
a anlise de sensibilidade para a configurao operacional

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

35

T85% do Alinhamento A (C)

344
342
340
338
336
334

Simulao
Polinomial
Emprica
Linear (Simulao)

332

Somatrio dos quadrados dos


erros

346

-2

-1

T85% do Alinhamento B (C)

348

342
340
338

Simulao
Polinomial
Emprica
Linear (Simulao)

336
334
0

Somatrio dos quadrados dos


erros

344

-1

10
5

4.0

Polinomial

3.5

Emprica

3.0
2.5
2.0
1.5
1.0
0.5
0.0

Variao da Vazo da Carga (%)

348

Figura 6.11 SLO3: Comparao de desempenho dos analisadores virtuais

346

T85% do Alinhamento C (C)

15

Figura 6.10 SLO2: Comparao de desempenho dos analisadores virtuais

346

-2

20

A
0

Variao da Vazo na Carga (%)

-3

25

330
-3

Polinomial
Emprica

30

344
342

que visa manter constante o perfil interno de temperatura da


torre de destilao quando varia-se a quantidade de petrleo
pesado e leve da carga.

340
338
336
Simulao
Polinomial
Emprica
Linear (Simulao)

334
332
330
-3

-2

-1

Variao da Vazo da Carga (%)


352

A Figura 6.11 apresenta o grfico que relaciona o somatrio dos erros quadrados da predio de cada modelo com o
seu alinhamento. A Figura 6.12 ilustra o comportamento da
T85% da simulao e dos modelos em relao temperatura
da alimentao de petrleo na torre, para os alinhamentos A,
B, C e D.

T85% do Alinhamento D (C)

350

Os resultados so satisfatrios j que o comportamento considerado padro (gerado no software Aspen Plus) representado por ambos analisadores virtuais.

348
346
344
342

6.7

340
Simulao
Polinomial
Emprica
Linear (Simulao)

338
336
334
-3

-2

-1

Variao da Vazo da Carga (%)

Figura 6.9 SLO2: T85% da simulao e dos modelos em


relao aos distrbios.

Desempenho dos analisadores virtuais

O modo em que o sistema de destilao opera, influi significativamente na predio da T85%. Os resultados obtidos
na PLO no foram to bons quanto os originados na SLO.
Isso ocorreu pelo fato do operador trabalhar com a finalidade
de controlar o perfil de temperatura no interior da torre de
destilao e os ajustes dos modelos (realizados pelos auto-

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

319

res das inferncias) foram feitos com base nesta configurao operacional. Isto significa que uma mudana no perfil
de trabalho requer novos ajustes nos parmetros de ambas
as inferncias, principalmente na polinomial que se mostrou
inadequada para os casos da PLO. Neste contexto a inferncia semi-emprica simplificada revelou-se mais robusta.

T85% do Alinhamento A (C)

341
340
339
338
337
336
335
Simulao
Polinomial
Emprica
Linear (Simulao)

334
333
332
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

T85% do Alinhamento B (C)

342
341
340
339
338
337

Simulao
Polinomial
Emprica
Linear (Simulao)

336
335
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

T85% do Alinhamento C (C)

342
341
340
339
338
337
336
Simulao
Polinomial
Emprica
Linear (Simulao)

335
334
333
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

T85% do Alinhamento D (C)

344
343
342
341
340
339
Simulao
Polinomial
Emprica
Linear (Simulao)

338
337
336
22

23

24

25

26

27

28

Petrleo Pesado na Carga (%)

Figura 6.12 SLO3: T85% da simulao e dos modelos em


relao aos distrbios.

320

Segundo Miranda e Lusa (2003), a inferncia polinomial requer um maior investimento em engenharia no ajuste das
variveis de maior influncia, principalmente se o processo
passar por alguma alterao operacional significativa. Esta
afirmao pode ser comprovada quando comparados os resultados da PLO e da SLO.
Durante as atividades normais da refinaria, os sistemas responsveis pelo controle de operao dos processos de destilao visam manter constante o perfil interno de temperatura
da coluna. Assim os resultados da SLO so mais apropriados para os testes das inferncias. Para essa configurao os
resultados mostraram-se coerentes e satisfatrios, visto que
as pequenas diferenas de temperatura observadas nos testes
entre a predio de um modelo e outro so irrelevantes, j
que existem erros de medidas provocados pelos transdutores
e rudos do sistema de instrumentao.
A exceo do modelo polinomial ocorreu com a SLO1,
caso em que a fonte de dados foi a anlise de sensibilidade
da temperatura da carga. Analisando os dados deste caso,
percebeu-se que as mudanas significativas ocorrem em apenas duas variveis: a temperatura da zona de flash e da corrente de RAT. O restante das variveis demonstrou-se pouco
sensvel aos distrbios, e a T85% resultante da simulao
pouco variou. Todavia os resultados gerados pelas inferncias comportaram-se de maneira distinta quela considerada
padro, a gerada pelo Aspen Plus. Quando observada a rotina
de clculos dos modelos percebe-se que o ajuste polinomial
leva em conta a temperatura da zona de flash e no a temperatura da corrente de resduo atmosfrico. O inverso ocorre
com a inferncia semi-emprica simplifica que admite como
varivel de entrada a temperatura do RAT e no considera variaes na zona de flash. Essas variveis tornam os modelos
sensveis aos distrbios causando grandes diferenas entre
seus valores de sada e os esperados. Possivelmente as temperaturas da zona de flash e da corrente de RAT no sejam
variveis de influncia significativa na predio das T85%.
Exceto a SLO1, os testes representativos de desempenho das
inferncias foram os da SLO2 e SLO3, que se mostraram
adequados para a avaliao dos modelos. A Figura 6.13 ilustra os erros entre os valores preditos e esperados dessas configuraes, mostrando que a eficincia dos modelos semelhante no estado estacionrio. Isto significa que os resultados
gerados pelos analisadores virtuais so satisfatrios, no havendo grande distino de resultados.

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

Somatrio dos quadrados dos erros

100
90
80

Polinomial

70

Emprica

60
50
40
30
20
10
0
SLO2

SLO3

Figura 6.13 Comparao de desempenho entre as inferncias.

Figura 6.14 Dinmica dos resultados das inferncias


(Longhi et al., 2007).

Por parte da refinaria, h uma preferncia na utilizao da inferncia de polinmios ajustados. Isto porque o modelo polinomial leva em conta variveis de dinmica mais rpida que
aquelas usadas no modelo emprico simplificado, tendo um
desempenho melhor em estados transientes do processo. As
regras de misturas, distintas para cada alinhamento, tambm
so fatores potenciais melhor acurcia do modelo polinomial. constante a troca de tanques de alimentao de petrleo e de alinhamentos das correntes efluentes da destilao,
fatos que tornam freqentes a operao em regime transiente,
e que obrigam a busca da melhor dinmica de predio dos
analisadores virtuais.

por mostrar uma situao bastante complexa, pois representa


um momento de troca de tanque de carga e de objetivo de
produo, para uma mistura de comportamento no-linear de
quatro correntes (com trajetos de tubulao e caminhos diferentes) que compem o produto final, conforme explicado
em Longhi et al., 2007.

A Figura 6.14 mostra o comportamento dos modelos em


perodo transiente, com interpolao linear ponto a ponto,
frente operao na planta real. A inferncia T85% Nova
equivale polinomial enquanto que T85% Antiga equivale
semi-emprica simplificada. A linha referente aos resultados de T85% proveniente de ensaios laboratoriais mantida
constante at entrar uma nova anlise. A figura foi cedida
pela REFAP S/A. notvel a dinmica lenta dos resultados
do modelo emprico em relao ao polinomial. Deve ser informado que esta comparao tambm inclui um sistema de
correo de bias varivel, o que contribui fortemente para os
melhores resultados da inferncia de polinmios ajustados
(Longhi et al., 2007). No que concerne ao estado estacionrio inicial da inferncia antiga, deve ser explicado que o
mesmo fruto da estratgia de correo de bias (termo independente) da equao. Embora a comparao no seja a
mais justa neste sentido, o fruto de correes que visaram melhorar o desempenho da inferncia antiga no tempo
anterior ao apresentado na figura. Mesmo desprezando este
estado inicial diferente, o comportamento dinmico da inferncia antiga mostrado na Figura 6.14 no representa bem
a dinmica das anlises, pois apresenta uma tendncia de
crescimento contnuo que no est de acordo com o comportamento real desta propriedade. Isso foi observado em
vrios momentos e no apenas na figura apresentada. A Figura 6.14 foi escolhida, dentre os vrios dados existentes,

7 CONCLUSO
O trabalho desenvolvido pode ser divido em duas etapas principais: a simulao operacional da torre de destilao atmosfrica e o teste de modelos preditivos para a propriedade
T85% dos alinhamentos do sistema de refino de leo cru da
Refinaria Alberto Pasqualini - REFAP S/A.
A simulao foi realizada no software Aspen Plus, e a partir
das consideraes adotadas chegou-se a um modelo que descreve o comportamento do sistema de destilao no estado
estacionrio. O modelo foi validado com dados operacionais
de planta da REFAP S/A. A partir de ento foram desenvolvidas anlises de sensibilidade, para duas configuraes operacionais distintas, que serviram de base para avaliao das
inferncias.
Duas inferncias foram avaliadas utilizando-se como fonte
de dados as simulaes, onde se concluiu que os dois modelos resultam em estimativas prximas s esperadas. Isto
ocorre quando a operabilidade da planta simulada corresponde s condies em que foram desenvolvidos os ajustes
para as inferncias. Essa condio aquela que visa controlar o perfil interno de temperatura da torre. O desempenho
dos analisadores virtuais foi semelhante para o estado estacionrio, todavia a inferncia de polinmios ajustados possui
melhor desempenho em regime transiente, do que a semiemprica simplificada.
Em alguns testes os resultados foram insatisfatrios por
causa da linha de operao, que no corresponde ao trabalho real do sistema. Assim sendo a inferncia semi-emprica

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009

321

simplificada mostrou-se mais robusta a ponto de se adaptar


melhor a mudanas operacionais do equipamento. Isto provavelmente deve-se ao fato desta possuir certa fundamentao terica e, portanto, algum poder extrapolativo.
Provavelmente algumas variveis de baixa influncia na
T85%, em ambos os casos, prejudicam a eficincia preditiva dos modelos, tornando-os inadequados dependendo da
situao a que so submetidos. Isto reduz a confiabilidade
dos modelos e obriga os usurios dos mesmos a manutenes peridicas com vistas a atualizar parmetros de ajustes
das rotinas.
Possivelmente atualizaes mais freqentes de Bias resultem
em estimativas mais precisas. Um sistema automatizado de
atualizao de Bias, que reduzisse o tempo gasto na anlise
laboratorial, poderia incrementar o desempenho dos resultados dos modelos inferenciais e melhorar as especificaes
comerciais dos produtos.

REFERNCIAS
Aspentech (2001a). Aspen Plus: Getting started building and
running a process model. Version 11.1. Aspen Tecnology, Inc. Cambridge.
Aspentech (2001b). Aspen Properties: Physical properties
method and models. Version 11.1. Aspen Tecnology,
Inc. Cambridge.
ASTM American Society for Testing and Materials,
(2007). "ASTM D86 - 07b Standard Test Method
for Distillation of Petroleum Products at Atmospheric
Pressure".
Bakhtadze N.N. (2004). Virtual analyzers: Identification approach. Automation and Remote Control, v. 65, n 11, p.
1691-1709. Nov.
Conz V., Trierweiller J.O., Santos O.M. & Facchin S. (2005).
An Industrial Application of Virtual Analyzer for Distillation Columns. 2nd Mercosur Congress on Chemical Engineering, Vila Rio das Pedras RJ.

Kalid R.A. Controle de Coluna de Destilao. Disponvel


em
<http://www.lacoi.ufba.
br/imagens{\_}Lacoi/docs{\_}pdf/
Controle{\%}20de{\%}20Coluna{\%
}20de{\%}20Destilacao.pdf>. Acesso em: 20
ago. 2006.
Longhi L.G.S., M.M Rodriques & F.S. Duarte (2007). Desenvolvimento de inferncias para controle avanado
em unidade de destilao atmosfrica. Rio Automao,
Rio de Janeiro.
Matar S. & Hatch L.F., (2000). Chemistry of Petrochemical
Process. 2 ed, GPP Gulf Professional Publishing, Houston.
Miranda F.C. & Lusa L.P., (2003). Inferncias para controle
de uma torre de destilao atmosfrica de uma refinaria.
ISA Show Brasil 2003, 3o Congresso Internacional de
Automao, Sistemas e Instrumentao, ISA Distrito 4,
So Paulo.
Ondrey G. (2005). Simulation and modeling spread their
wings. Chemical Engineering, n. 5, p. 27-31.
Parkash S., (2003). Refining processes handbook. Elsevier,
New York.
Perrys R.G., C.H Chilton & S.D. Kirkpatrick (1999). Chemical engineers handbook. McGraw-Hill, New York.
Riazi M.R., (2005). Characterization and Properties of Petroleum Fractions. American Society for Testing and
Materials, Philadelphia.
Secchi A.R., Cardozo N.S.M., Almeida Neto E. & Finkler
T.F., (2006). An Algorithm for Automatic Selection and
Estimation of Model Parameters. Proceedings of the International Symposium on Advanced Control of Chemical Processes (ADCHEM 2006), vol. 2, p. 789-794.
Gramado, Brasil.
Watkins R.N. (1981). Petroleum refinery distillation. 2.ed,
GPP Gulf Professional Publishing, Houston.

Conz V. (2005). Desenvolvimentos de analisadores virtuais


aplicados a colunas de destilao industriais. Dissertao de mestrado. Universidade Federal do Rio Grande
do Sul, UFRGS, Porto Alegre RS.
Fortuna L., Graziani S., Rizzo A. & Xibilia M.G. (2007).
Soft Sensors for Monitoring and Control of Industrial
Process. Springer, London.
Gonzalez G. D. (1999). Soft Sensors for processing plants.
In: Proc. 2nd International Conference on Intelligent
Processing and Manufacturing of Materials, IPMM 99,
v. 1, p. 59-70, Hawaii.
322

Revista Controle & Automao/Vol.20 no.3/Julho, Agosto e Setembro 2009