Reconciliação de dados de processos e detecção de erros grosseiros em sistemas com restrições não-lineares
por Antonio Cesar Teixeira
DISSERTAÇÃO
Português
T/UNICAMP T235r
Campinas, SP : [s.n.], 1997.
280f. : il.
Orientador: João Alexandre Ferreira da Rocha Pereira
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica
Resumo: o tratamento de dados de processos industriais envolve uma série de medidas as quais visam a dar mais confiabilidade aos valores medidos diretamente e aos inferidos indiretamente, para sua utilização no controle dos mesmos. Estão entre estas medidas, a
classificação, a reconciliaçãoe a... Ver mais Resumo: o tratamento de dados de processos industriais envolve uma série de medidas as quais visam a dar mais confiabilidade aos valores medidos diretamente e aos inferidos indiretamente, para sua utilização no controle dos mesmos. Estão entre estas medidas, a
classificação, a reconciliaçãoe a retificação de dados. Este trabalho apresenta uma metodologia para reconciliação de dados de
processos industriais onde não existam erros grosseiros entre os valores das variáveis medidas, sejam as restrições lineares ou não-lineares. A ferramenta utilizada é a projeção matricial a qual é utilizada para simplificaras equações de balanços (restrições) de massa e/ou energia de processos complexos. O objetivo é minimizaro erro ou a diferença entre os valores reconciliados e os valores reais. A partir de cálculos intermediários do procedimento de reconciliação, foidesenvolvido um segundo procedimento para detecção de erros grosseiros entre os valores das variáveis medidas. A presença de erros grosseiros entre as medidas inutiliza os dados reconciliados, contudo fornece subsídios para, a partir deste segundo procedimento, determinar a presença do erro grosseiro. Os três procedimentos, acima citados, para o tratamento de dados do processo, são descritos neste trabalho, com os elementos teóricos desenvolvidos de modo detalhado. Dois programas computacionais são escritos e aqui apresentados, sendo que o primeiro faz a reconciliação de dados e o segundo detecta a existência ou não de erros grosseiros entre os valores apresentados Ver menos
classificação, a reconciliaçãoe a... Ver mais Resumo: o tratamento de dados de processos industriais envolve uma série de medidas as quais visam a dar mais confiabilidade aos valores medidos diretamente e aos inferidos indiretamente, para sua utilização no controle dos mesmos. Estão entre estas medidas, a
classificação, a reconciliaçãoe a retificação de dados. Este trabalho apresenta uma metodologia para reconciliação de dados de
processos industriais onde não existam erros grosseiros entre os valores das variáveis medidas, sejam as restrições lineares ou não-lineares. A ferramenta utilizada é a projeção matricial a qual é utilizada para simplificaras equações de balanços (restrições) de massa e/ou energia de processos complexos. O objetivo é minimizaro erro ou a diferença entre os valores reconciliados e os valores reais. A partir de cálculos intermediários do procedimento de reconciliação, foidesenvolvido um segundo procedimento para detecção de erros grosseiros entre os valores das variáveis medidas. A presença de erros grosseiros entre as medidas inutiliza os dados reconciliados, contudo fornece subsídios para, a partir deste segundo procedimento, determinar a presença do erro grosseiro. Os três procedimentos, acima citados, para o tratamento de dados do processo, são descritos neste trabalho, com os elementos teóricos desenvolvidos de modo detalhado. Dois programas computacionais são escritos e aqui apresentados, sendo que o primeiro faz a reconciliação de dados e o segundo detecta a existência ou não de erros grosseiros entre os valores apresentados Ver menos
Abstract: Not informed.
Reconciliação de dados de processos e detecção de erros grosseiros em sistemas com restrições não-lineares
por Antonio Cesar Teixeira
Reconciliação de dados de processos e detecção de erros grosseiros em sistemas com restrições não-lineares
por Antonio Cesar Teixeira
Exemplares
Nº de exemplares: 2
Não existem reservas para esta obra