É possível otimizar uma usina em tempo real?

“Atuação on line faz grande diferença”. Fernando Cesar Calsoni, gerente industrial da BEVAP.

Se garantir a produtividade e qualidade da cana-de-açúcar é algo extremamente complexo e custoso, já que a área agrícola é altamente dependente de fatores externos, como clima e pragas, o foco volta-se ao conceito de que uma usina, na sua essência, é uma processadora de energia e ART e deve realizar esta transformação com a maior eficácia possível.

Neste sentido, um dos principais desafios da indústria é conhecer a melhor forma de operar uma planta sob diferentes condições, tais como: variação da composição da matéria-prima, mudança no mix de produção, disponibilidade de energia, mudanças frequentes dos preços, etc.

Este cenário indica que a operação deve se adequar rapidamente à dinâmica do negócio. Isto requer ferramentas, métodos e procedimentos que permitam uma rápida e contínua atuação nos diversos parâmetros operacionais.

“Num mercado competitivo, com margens de lucro cada vez mais estreitas para as usinas, atuar online, antecipando e ajustando variações no processo, faz grande diferença no resultado econômico-financeiro da atividade”, diz Fernando Cesar Calsoni, gerente da Divisão Industrial da Bevap Bioenergia, de João Pinheiro (MG).

 “Contar com um sistema que gerencia e otimiza em tempo real toda a planta de açúcar e etanol, incluindo o balanço de vapor e a exportação de energia, é o sonho de todo gestor de usina”, afirma Walter Di Mastrogirolamo, gerente industrial da Cerradinho Bioenergia, localizada em Chapadão do Céu (GO). “Em tempos de stress contínuo, gerado por metas desafiadoras e mudanças constantes, é uma excelente ideia contar com um sistema que “enxerga”, ou antecipa, o que a equipe e o operador não conseguem enxergar.”

Para fazer isto é necessário, em termos conceituais, um sistema on-line que simule o comportamento da planta e preveja o desdobramento das ações, indicando ao longo do tempo uma melhor forma de operá-la, considerando os aspectos econômicos, técnicos, ambientais, limitação dos equipamentos, segurança, qualidade e os compromissos comerciais assumidos.

Atualmente, as principais tecnologias disponíveis para este desafio são:

• Controle / Automação

• Controle Avançado

• Otimização em Tempo Real

• Simulação e Planejamento

A figura que se segue apresenta uma visão em camada destas tecnologias.

 

 Na estratégia convencional de controle de otimização em camadas, a camada de otimização em tempo real calcula os valores ideais de operação de cada um dos set-points de processo e uma camada inferior (controle) implementa este valor otimizado junto ao processo.

                  

• Controle Regulatório / Automação

Segundo autores como Arbex (”Reduzindo Custos Variáveis”), nem sempre a adoção de controle automático reduz a variabilidade de uma planta industrial. Aproximadamente 80% das malhas de controle em operação aumentam a variabilidade em vez de reduzi-la como seria esperado. A variabilidade causada pelo próprio sistema de controle, como defeitos em sensores e transmissores, válvulas de controle com folgas, atritos e histerese, controladores mal sintonizados e estratégias de controle erradas ou inadequadas somam-se aos desvios inerentes ao processo, aumentando a sua variabilidade total.

O desempenho do controle oferecido pelo algoritmo PID muitas vezes não é suficiente para se obter a redução da variabilidade desejada. Este algoritmo tem sérias limitações para controlar processos com características difíceis como não-linearidade, interações com outros controladores, grande tempo morto, dinâmica e ganho variantes no tempo. Não tem características adaptativas e sua sintonia é sempre um problema. Nestes casos a solução é usar uma tecnologia de controle avançado (Guimarães, Joaquim).

• Controle Avançado

Entre as técnicas de Controle Avançado, temos duas que se destacam:

1. Controle por Lógica Nebulosa (Fuzzy Logic)

O uso da lógica nebulosa em conjunto com as técnicas de análise e inferências da inteligência artificial permitiu o desenvolvimento de controladores Fuzzy.

Em geral este tipo de controlador deve ser desenvolvido com regras e características internas específicas para cada sistema que se deseje controlar.

A lógica Fuzzy não necessita de conhecimento prévio dos fenômenos envolvidos.

Os sistemas atualmente disponíveis no mercado utilizam valores mínimos, médios e máximos dos sensores (temperatura, pressão e fluxo) e dos atuadores (válvulas, bombas e motores) para definir regras que podem ser posteriormente ajustadas.

1. Controle Preditivo com Otimização (MPC)

O Algoritmo MPC tem característica preditiva, ou seja, utiliza um modelo interno do processo para prever o comportamento das variáveis dependentes ao longo de um horizonte futuro, em função de variação nas variáveis manipuladas ou perturbações. Este modelo é gerado por meio de testes de variação na própria unidade de processo. Utilizando as predições futuras das variáveis dependentes, o algoritmo calcula os movimentos necessários nas variáveis manipuladas que minimizem a soma dos erros futuros.

O MPC pode ser dotado de capacidade de otimização local.

• Otimização em Tempo Real (RTO)

Como ferramental tecnológico, a técnica que tem recebido maior atenção na indústria de processos é a Otimização em Tempo Real (Real Time Optimization). O RTO procura otimizar o desempenho do processo (geralmente medido em termos de lucro ou custo operacional) permitindo que as empresas possam aumentar a sua rentabilidade nas diversas condições da planta.

O RTO baseia-se num modelo matemático da planta para “explorar”/simular regiões próximas da operação atual e para então encontrar uma melhor condição de operação e definir um valor de set-point mais adequado para obtê-la.

Se a variável controlada for um indicador de qualidade, a sua estabilidade pode ser suficiente para redundar em ganho, pois se deixa de produzir itens com qualidade fora da especificação e se atinge uma maior produção.

No caso da produção, a redução da variabilidade não é suficiente para gerar benefício. O ganho se obtém com a mudança do patamar médio (set-point).

Conceitualmente, num RTO, a operação não teria que atuar nos set-points. A operação deveria fornecer o intervalo (mínimo / máximo) e o RTO determinaria o melhor set-point. E estes set-points seriam passados para as camadas de automação e controle regulatório.

• Simuladores para Planejamento

Os simuladores de processo são ferramentas para estudos de engenharia e viabilidade, sendo que seu público-alvo são os engenheiros de processamento da planta, que fazem uso da ferramenta para avaliar comportamento e a modelagem dos equipamentos em análises estratégicas, com foco voltado ao médio e longo prazo.

Estes simuladores são ferramentas off-line parametrizadas para avaliações pontuais e atingimento de metas pré-definidas em partes do processo, e também para planejamento industrial. Geralmente não contam com um algoritmo integrado de otimização global do processo.

Algumas usinas substituíram as tradicionais planilhas de balanço de massa e energia por softwares simuladores de processo para fazer o planejamento da produção, utilizando dados digitados e, em parte, captados de sistemas gerenciais.  Baseado em estudos de engenharia e informações do passado da planta, estes simuladores emitem relatórios com estudos que permitem à equipe gerencial planejar a produção nos ciclos seguintes, seja mensal, semanal ou diário.

Para evitar o trabalho de confrontar manualmente o Planejado com o Realizado, dentro da filosofia do PDCA ou PDCL (Plan, Do, Control, Analyze ou Learn), a primeira evolução destes sistemas seria capturar os dados de produção dos sistemas de informação das usinas, evitando a injeção manual dos dados, com a análise e correção sendo feita para o próximo ciclo.

Atualmente temos fabricantes que mantém o posicionamento de que o simulador é para estudos de what-if, ou seja, uma ferramenta off-line, enquanto outros buscam agregar funcionalidades para torná-lo on-line. Os principais desafios são: (i) obter um modelo aderente com a realidade e simples para os algoritmos de otimização; (ii) alimentação automática dos dados; (iii) mecanismos de checagem da coerência das medições; (iv) otimizador robusto que permita simular e otimizar toda a usina em segundos; (v) indicação dos pontos de melhoria em tempo real; (vi) operar a planta em laço fechado, quando recomendado.

Os fabricantes de software encontram-se atualmente em estágios diferentes. A maioria encontra-se no estágio (ii), onde o nível de detalhe da modelagem dos equipamentos e a volumosa quantidade de dados necessários a essa modelagem é a grande dificuldade para que estas soluções consigam operar on-line no futuro, ou seja, chegarem a atuar como um RTO. Isto se deve ao conceito de detalhamento e estudo de planejamento da ferramenta, além do que a operação em tempo real requer ferramentas eficazes de reconciliação de dados e otimizadores que possam fornecer os cálculos em segundos.