Portfolio SIMATIC PCS 7 APC

Transcripción

1 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

2 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre Contenidos 1. Investigación: Herramientas APC en las bibliotecas PCS Introducción Administración del Rendimiento de Control Monitoreo del Rendimiento de Control Optimización del Controlador Asistida por Computadora (Sintonización PID) Extensiones del Control PID Mando prioritario Planificación de Ganancia PID Predictor de Smith para procesos con tiempos muertos Compensación Dinámica de Perturbaciones (Control Predictivo de Avance-Retraso) Control Multi-Variable (MPC Control Predictivo basado en Modelo) Explicación intuitiva del control predictivo MPC con DCS incorporado versus MPC con optimización online Configuración de Controladores Predictivos Procedimiento típico para mejorar el rendimiento de la planta con herramientas APC Análisis de la situación y estimación potencial Identificación de los objetivos económicos para el control de procesos Análisis del estado actual de la planta incluyendo el monitoreo del rendimiento de control Revisión de la Automatización Básica y luego Sintonización PID Definiciones de conceptos de las funciones APC Selección de un enfoque adecuado basado en análisis Diseño de la Estructura del Sistema de Control, Selección de las MV, CV y restricciones Configuración de las Funciones APC Excitación del proceso y registro de los datos obtenidos Modelado Sintonización del controlador Puesta en marcha Resumen de las reglas más importantes Documentación, Formación y Mantenimiento Caso de estudio: Columna de destilación Implementación basada en plantillas Beneficios Económicos Resumen Bibliografía... 41

3 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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 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.

4 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

5 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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

6 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 y 2 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

7 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre generando oscilaciones con mala amortiguación, entonces, a menudo es útil reducir la ganancia del controlador 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 PT n- en orden creciente: g(s) = k s (t 1 s+1) n El Sintonizador PID sólo debe estimar los tres parámetros: ganancia del proceso k s, tiempo constante t 1 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.

8 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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 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.

9 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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

10 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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.

11 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

12 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 nolineal). 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 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 t 1 en relación al tiempo de desfase dominante constante t 1 ), 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 g s (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.

13 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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).

14 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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: g z (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) g z (s) z c(s) g(s) z = (g z (s) - c(s)g(s)) z = 0 Para cumplir con esta ecuación, el bloque de compensación se debe aproximar a la ecuación: c(s) = g z (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) = k s 1 + t 1 s y e -sø g z (s) = k sz 1 + t 1z s e -søz

15 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre y ø< ø z se aplica, el elemento de compensación resultante debe representar la función de transferencia de avance-retraso: c(s) = k sz 1+ t 1 s e -s (ø z - ø) = k c 1 + t d s e -sø c k s 1+ t 1z s 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 antisaturación). Sin embargo, para las funciones de transferencia generales g(s) y g z (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) = k sz k s 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 multientrada, multi-salida y una salida. Ofrece una gran flexibilidad en el modelado del

16 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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.

17 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

18 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 Explicación intuitiva del control predictivo El controlador detecta una futura desviación (por ej. violación del valor de calidad máximo tolerable) SP CV El controlador ya responde antes de la desviación! MV Pasado (valores medidos) k+n c Futuro (valores de predicción) k+n p tiempo t Punto real en el tiempo k 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.

19 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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) + Δu T 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 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.

20 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre (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.

21 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

22 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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 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.

23 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

24 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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.

25 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre 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) Análisis de la situación y estimación potencial 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).

26 Notas Técnicas SIMATIC PCS 7 - Portfolio APC Octubre Tabla 1: Objetivos para las soluciones APC Objetivos Productividad y rendimiento Calidad Operabilidad y disponibilidad Control del operador Seguridad Ecología Aspectos 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. 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. 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. Lidiar con cambios de operadores/turnos. Reducir la carga de trabajo del operador. Aumentar la comodidad operativa. Aumentar la salud y la seguridad ocupacional. Aumentar la seguridad de los procesos y de las operaciones. Minimizar el impacto ambiental, la contaminación y los desperdicios. Minimizar las emisiones. Recuperar las aguas efluentes y las cloacales. Constraint Restricción Nuevo SP PV Viejo SP Tiempo 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.