Técnicas de controle de processo típicas O conceito subjacente de controle de processo estatístico baseia-se numa comparação do que está acontecendo hoje com o que aconteceu anteriormente. Tomamos um instantâneo de como o processo normalmente executa ou constrói um modelo de como pensamos que o processo executará e calculará limites de controle para as medidas esperadas da saída do processo. Em seguida, nós coletamos dados do processo e comparamos os dados com os limites de controle. A maioria das medidas deve estar dentro dos limites de controle. As medições que ficam fora dos limites de controle são examinadas para ver se pertencem à mesma população que nosso instantâneo inicial ou modelo. Dito de outra forma, usamos dados históricos para calcular os limites de controle inicial. Em seguida, os dados são comparados com esses limites iniciais. Os pontos que ficam fora dos limites são investigados e, talvez, alguns serão posteriormente descartados. Se assim for, os limites seriam recalculados e o processo repetido. Isso é referido como Fase I. O monitoramento do processo em tempo real, usando os limites do final da Fase I, é a Fase II. Controle estatístico de qualidade (SQC) Ferramentas de controle de qualidade estatístico Várias técnicas podem ser usadas para investigar o produto por defeitos ou peças defeituosas depois de todo o processamento estar completo. As ferramentas típicas do SQC (descritas na seção 2) são: Planos de amostragem de aceitação de lote Saltar planos de amostragem de lotes Militar (MIL) Planos de amostragem padrão Conceitos subjacentes de controle estatístico de qualidade O objetivo do controle estatístico de qualidade é garantir, de uma maneira econômica, O produto enviado aos clientes atende às suas especificações. Inspecionar todos os produtos é caro e ineficiente, mas as conseqüências do produto não conforme ao transporte podem ser significativas em termos de insatisfação do cliente. Controle estatístico de qualidade é o processo de inspecionar o produto suficiente de lotes dados para garantir probabilisticamente um nível de qualidade especificado. Estratégia de detecção de falhas EWMA baseada em PLS para o monitoramento de processos Fouzi Harrou a. Mohamed N. Nounou a ,. Hazem N. Nounou b. Muddu Madakyaru a. Um Programa de Engenharia Química, Universidade Texas AampM no Qatar, Doha, Qatar b Programa de Engenharia Elétrica e Informática, Universidade Texas AampM no Catar, Doha, Qatar Recebido 1 de dezembro de 2014. Revisado em 20 de maio de 2015. Aceito em 20 de maio de 2015. Disponível on-line 22 de maio de 2015 . Destaque a estratégia de detecção de falhas EWMA baseada em PLS é desenvolvida. O esquema EWMA é introduzido para superar as deficiências do PLS convencional. O esquema desenvolvido estende a vantagem do EWMA quando pequenas falhas são de interesse. Os exemplos mostram a eficácia do método de detecção de falhas EWMA baseado em PLS desenvolvido. A detecção de falhas (FD) e o diagnóstico em processos industriais são essenciais para garantir a segurança do processo e manter a qualidade do produto. Os mínimos quadrados parciais (PLS) foram utilizados com sucesso na monitoração de processos, pois podem efetivamente lidar com variáveis de processo altamente correlacionadas. No entanto, as métricas de detecção baseadas em PLS convencionais, como as estatísticas de Hotellings T 2 e Q, são inadequadas para detectar pequenas falhas, pois utilizam apenas as informações das observações mais recentes. Outros métodos de monitoramento estatístico univariante, como o esquema de controle de média móvel ponderada exponencialmente (EWMA), mostraram melhores habilidades para detectar pequenas falhas. No entanto, o EWMA só pode ser usado para monitorar variáveis únicas. Portanto, o objetivo principal deste trabalho é combinar as vantagens dos métodos EWMA e PLS univariantes para melhorar seus desempenhos e ampliar sua aplicabilidade na prática. O desempenho do método FW EWMA baseado em PLS proposto foi comparado com o do método convencional PLS FD através de dois exemplos simulados, um usando dados sintéticos e outro usando dados de coluna de destilação simulada. Os resultados da simulação mostram claramente a eficácia do método proposto sobre o PLS convencional, especialmente na presença de falhas com pequenas magnitudes. Mínimos quadrados parciais Detecção de falha estatística Pequenas falhas Detecção de falha baseada em dados Esquema de controle EWMA Colunas de destilação Tabela 2. Fig. 2. Fig. 3. Fig. 4. Fig. 5. Fig. 6. Fig. 7. Fig. 8. Fig. 9. Fig. 10. Fig. 11. Fig. 12. Fig. 13. Tabela 3. Fig. 14. Fig. 15. Fig. 16. Fig. 17. Fig. 18. Fig. 19. Fig. 20. Fig. 21. Copyright 2015 Elsevier Ltd. Todos os direitos reservados.
No comments:
Post a Comment