Implementação de técnica de detecção de falhas de processo no Elipse Plant Manager

O Sistema de Gerenciamento de Informações de Processo da Elipse Software é utilizado em TCC do curso de Eng. Química da UFMG para validar técnica estatística multivariada na detecção de falhas em processos.

O Trabalho de Conclusão de Curso ressalta, logo na introdução, um dos problemas decorrentes da era atual dos dados e democratização da informação: a dificuldade de se lidar com o elevado volume de dados produzido e armazenado. Apesar de representarem um grande potencial de informações importantes para o processo de tomada de decisões, esta dificuldade acaba sendo mais um ônus para as empresas, simplesmente por não darem conta de processar os dados, e extrair e interpretar informações, tudo em tempo hábil.

Na busca de atender ao nível de supervisão e controle da produção do segmento de processos químicos industriais, o Grupo propôs uma solução baseada em uma técnica estatística multivariada, denominada Análise por Componentes Principais (PCA, Principal Component Analysis). Empregou-se esta técnica com o objetivo de detecção de falhas no processo, viabilizando o processamento de um grande volume de dados de maneira objetiva e sistemática. Uma vez aplicada em áreas como a de manutenção, por exemplo, é possível gerar impactos positivos diretos sobre a continuidade da produção, através da redução de paradas não planejadas, implantação e/ou melhoria de políticas de manutenções preventiva e preditiva, entre outros.

A solução proposta consistiu na implementação da técnica PCA em um script em linguagem Python, a partir de programação integrada ao ambiente de análises do Elipse Plant Manager (EPM). Desenvolvido pela Elipse Software, o EPM provê a gestão dos dados de processo, viabilizando desde simples visualizações de tendências, com gráficos de séries temporais, até análises mais elaboradas e complexas, como a proposta desenvolvida pelo Grupo.

A validação da solução proposta ocorreu através de um estudo de caso: o benchmark Tennessee, um processo amplamente utilizado por Universidades e Centros de Pesquisa para o desenvolvimento e teste de novos algoritmos e proposições relacionadas às áreas de controle e monitoramento de processos. Como resultado, obteve-se sucesso na detecção de muitas das falhas previamente conhecidas, em consonância com resultados similares obtidos em outros trabalhos.

A Figura a seguir, extraída do trabalho original, mostra, em (a), o ícone do plug-in PCA (círculo vermelho), desenvolvido pelo Grupo em linguagem Python, e integrado ao EPM Dataset Analysis do EPM Studio. Em (b), mostra-se um gráfico de controle multivariado, no ambiente do EPM, e a detecção de uma falha após um período inicial de condição operacional normal, com a extrapolação do sinal da métrica multivariada de monitoramento para além do limite de controle (linha vermelha).

EPM_PythonPluginPCA.png

Com esta ferramenta, é possível visualizar graficamente as métricas de monitoramento da metodologia adotada, com o objetivo de detecção de falhas.

Ressaltamos ainda os seguintes parágrafos extraídos do capítulo de “Resultados e Discussão”:

"Os gráficos de controle exibidos no EPM ilustram a conveniência do monitoramento de processos com a técnica PCA, uma vez que diversas variáveis podem ser representadas em um único gráfico. Desse modo, agiliza-se a identificação de falhas e facilita-se a tomada de decisões assertivas, em um contexto atual de muitas informações de processo disponíveis, o que dificulta a extração de informações úteis por parte dos Engenheiros. Mostrou-se, dessa forma, um exemplo de integração entre uma técnica estatística avançada de análise de dados de processo, o PCA, que geralmente não está presente no dia-a-dia das indústrias, e um software historiador de processos, comumente usado no meio industrial."

O trabalho completo está acessível através do seguinte link: REL_FINAL.pdf

Mais detalhes sobre o desenvolvimento de Plug-ins em linguagem Python, no ambiente de análises da ferramenta EPM Studio, pode ser visto no seguinte Webinar disponibilizado no canal Youtube da Elipse Software: Webinar - Agilizando análises no EPM com o poder da linguagem Python

e no KB da Elipse Software (Knowledgebase): Agilizando análises no EPM Studio Dataset Analysis (EPM 3) através de plugins.

Informações sobre o trabalho

Historiador de Processos Industriais: análise e visualização de dados com o software Elipse Plant Manager (EPM)

Trabalho de Conclusão do curso de Engenharia Química da Universidade Federal de Minas Gerais – UFMG – ano 2016

Componentes: Bruno Lacerda Campos, Filipe Pinho de Mello, Harnon Martins Ramos, Mariana Myriam Fraga, Vinícius Machado Campos e Souza

Orientador: Prof. Gustavo Matheus de Almeida

Co-orientador: Eng. Rodrigo Cesar de Miranda