Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/47631
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorRêis, João Vicente Amorim dos-
dc.date.accessioned2025-11-10T14:49:02Z-
dc.date.available2025-11-10T14:49:02Z-
dc.date.issued2025-09-26-
dc.identifier.citationREIS, João Vicente Amorim. Desenvolvimento de estratégias de controle convencional e avançado utilizando o Aveva Process Simulation. 2025. 67 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) - Universidade Federal de Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/47631-
dc.description.abstractThe simulation and control of processes are fundamental to ensuring efficiency and safety during industrial operations. Thus, the development of control strategies through digital twins functions as a means of guaranteeing the operationality of a chemical industry. Furthermore, there are various ways to structure process control, ranging from more conventional techniques like PID control to more complex methods such as MPC. However, each method presents distinct parameters and offers advantages and disadvantages, meaning the system must be analyzed before a specific technique is applied.Therefore, this study seeks to understand control alternatives in two distinct case studies: the first addresses the mixing of streams at different temperatures, while the second involves controlling the feed flow rate in a distillation column. To outline the entire process, with the appropriate equipment and tools, the simulation environment was constructed using the Aveva Process Simulation (APS) software. Additionally, the Anaconda Navigator platform was used to apply the Python programming language within the closedloop control system. In this study, two process control approaches were applied: conventional PID (Proportional-Integral-Derivative) control with tuning performed by the IMC (Internal Model Control) method—as well as the native control of the APS—and an advanced control method known as Model Predictive Control (MPC). It was noted that all techniques rapidly reached the setpoint, albeit through distinct control actions based on the defined parameters. The conventional control acted in a manner similar to the control established within the simulation platform, while the MPC could act quite aggressively. Therefore, the integration between Aveva and Python demonstrated a valid and efficient platform for applying control strategies, which, with appropriate tuning, were capable of responding robustly to setpoint changes.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectControle de temperaturapt_BR
dc.subjectPythonpt_BR
dc.subjectPIDpt_BR
dc.subjectMPCpt_BR
dc.subjectDigital twinpt_BR
dc.titleDesenvolvimento de estratégias de controle convencional e avançado utilizando o Aveva Process Simulationpt_BR
dc.title.alternativeDevelopment of conventional and advanced control strategies using Aveva Process Simulationpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Costa, Thiago Vaz da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7727041370404080pt_BR
dc.contributor.referee1Neiro, Sergio Mauro da Silva-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2413961078748680pt_BR
dc.contributor.referee2Lima, Alice Medeiros de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0038936541518854pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA simulação e controle de processos são fundamentais para garantir a eficiência e segurança durante o processo industrial. Sendo assim, o desenvolvimento de estratégias de controle através de réplicas digitais funciona como um modo de garantir a operacionalidade de uma indústria química. Ademais, existe diversos modos de estruturar o controle de um processo, desde de técnicas mais convencionais, como o controle PID, até métodos mais complexos, como o MPC. Entretanto, cada modo apresenta parâmetros distintos e oferece vantagens e desvantagens, de maneira que o sistema deve ser analisado antes da aplicação de determinada técnica. Desta forma, este trabalho busca compreender alternativas de controle em dois estudos de caso distintos, o primeiro aborda a mistura de correntes em temperaturas diferentes, enquanto o segundo envolve controlar a vazão de alimentação em uma torre de destilação. Para esquematizar todo o processo, com os equipamentos e ferramentas adequadas, o ambiente de simulação foi construído no software Aveva Process Simulation (APS). Além disso, utilizou-se a plataforma Anaconda Navigator a fim de aplicar a linguagem de programação Python na malha de controle fechada. Neste estudo foram aplicadas duas abordagens de controle de processo: o controle convencional PID ( Proporcional-Integral-Derivativo ) com sintonia feita pelo método IMC (Internal Model Control), assim como o controle do APS, e um método de controle avançado conhecido como Modelo Preditivo de Controle (MPC). Nota-se que todas técnicas atingiram rapidamente o setpoint, porém através de ações de controle distintas conforme os parâmetros definidos. O controle convencional agiu de modo semelhante ao controle estabelecido na plataforma de simulação, enquanto o MPC pode agir de forma bastante agressiva. Portanto, a integração entre Aveva e Python demonstrou uma plataforma válida e eficiente para aplicar as estratégias de controle, que com a sintonia adequada foram capazes de responder de forma robusta às alterações de set-point.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Químicapt_BR
dc.sizeorduration67pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICApt_BR
dc.orcid.putcode196589046-
Aparece en las colecciones:TCC - Engenharia Química

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
DesenvolvimentoEstrategiasControle.pdfTCC16.92 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons