Universidade Federal de So Carlos Centro de Cincias Exatas e Tecnologia Departamento de Engenharia Qumica

Programa de Ps-Graduao em Engenharia Qumica - PPG/EQ

ESTUDO DO PROCESSO DE CRISTALIZAO DE ACAR: MODELAGEM E ESTRATGIAS DE CONTROLE

Rodrigo Coutinho Torres

So Carlos - SP Agosto de 2007

Universidade Federal de So Carlos Centro de Cincias Exatas e Tecnologia Departamento de Engenharia Qumica

Programa de Ps-Graduao em Engenharia Qumica - PPG/EQ

ESTUDO DO PROCESSO DE CRISTALIZAO DE ACAR: MODELAGEM E ESTRATGIAS DE CONTROLE

Rodrigo Coutinho Torres

Dissertao de mestrado apresentada ao Programa de Ps-Graduao em Engenharia Qumica da Universidade Federal de So Carlos como parte dos requisitos necessrios obteno do ttulo de Mestre em Engenharia Qumica, na rea de concentrao em Pesquisa e Desenvolvimento de Processos Qumicos. Orientador: Prof. Dr. Antnio Jos Gonalves da Cruz

So Carlos - SP Agosto de 2007

Ficha catalogrfica elaborada pelo DePT da Biblioteca Comunitria da UFSCar

T693ep

Torres, Rodrigo Coutinho. Estudo do processo de cristalizao de acar : modelagem e estratgias de controle / Rodrigo Coutinho Torres. -- So Carlos : UFSCar, 2007. 107 f. Dissertao (Mestrado) -- Universidade Federal de So Carlos, 2007. 1. Cristalizao. 2. Automao. 3. Simulao dinmica. 4. Controle de processo. 5. Fuzzy logic. I. Ttulo. CDD: 660.284298 (20a)

MEMBROS DA BANCA EXAMINADORA DA DISSERTAO DE MESTRADO DERODRIGO COUTINHO TORRES, APRESENTADA AO PROGRAMA DE PS-GRADUAO EM ENGENHARIA QUMICA DA UNIVERSIDADE FEDERAL DESO CARLOS, EM 08 DE AGOSTO DE 2007.

BANCA EXAMINADORA:

~::~~CruzOrientador,PPG-EQ/UFSCar .

4n~~ ~ .ProF. ora.Ana Mari

FEQ/UNI

~~ ;j)~~ ~ ci.~~ CharlesDayanFariasde JesDEQ/UFSCar

DEDICATRIA

minha esposa Heloisa e aos meus pais Tadeu e Rita, pelo amor, carinho e apoio durante todos esses anos.

AGRADECIMENTOS Deixo aqui expressos meus sinceros agradecimentos s seguintes instituies e

pessoas, sem as quais o presente trabalho no teria sido possvel: Ao meu primeiro orientador e amigo Professor Paulo Igncio de Almeida, que

foi o incentivador inicial desta proposta de trabalho. Ao meu segundo orientador e amigo Professor Antnio Jos Gonalves da

Cruz, que me recebeu e me ajudou no restante do desafio. Ao meu amigo Professor Charles Dayan Farias de Jesus, que participou

ativamente de todas as etapas do trabalho, me ajudando a resolver inmeros problemas e contribuindo para a conduo do trabalho.

Ao Grupo Zillo Lorenzetti, por contribuir na minha formao profissional e por

apoiar iniciativas de parceria universidade-empresa. Aos operadores e tcnicos de laboratrio da Usina Barra Grande, que me

ajudaram nas coletas e nas anlises de amostras. A todos os professores do DEQ/UFSCar, em especial aos Professores Roberto

de Campos Giordano e Jos Teixeira Freire, por sempre me tratarem com ateno e por contriburem na minha formao acadmica.

Aos colegas de ps-graduao, que sempre me acolheram com afeto e amizade. Aos amigos que me ajudaram com as correes no texto e com as tradues. minha esposa Heloisa, pelo estmulo, amizade, carinho, crticas, sugestes e,

sem dvida, muita pacincia.

na mudana que ns encontramos propsito

Herclito de feso (540 a.C. 470 a.C.)

RESUMO A cana-de-acar pode ser considerada uma das principais culturas do estado

de So Paulo, devido sua contribuio para o valor bruto da produo agrcola e tambm para a ocupao da rea de plantio. Dados recentes informam que o parque sucroalcooleiro nacional formado por 304 indstrias em atividade e mais 40 novas indstrias em fase de implantao. A expanso do setor e o interesse crescente do mesmo por novas tecnologias so fatores que contribuem para o desenvolvimento e o estudo de processos relacionados com a produo de acar e lcool dentro das universidades.

Este trabalho faz um estudo sobre a principal etapa do processo de produo de acar, a etapa de cristalizao, na busca do entendimento das deficincias relacionadas operao do equipamento onde se d a mesma, o cristalizador (ou cozedor a vcuo), e tambm na busca de estratgias de controle mais eficazes.

Um modelo dinmico de cristalizador industrial batelada foi concebido usando a abordagem clssica de balano de massa. Os resultados da simulao do modelo em malha aberta foram comparados com dados reais retirados do sistema de superviso e com anlises laboratoriais de amostras, ambas as informaes obtidas em uma indstria do interior do estado de So Paulo, a Usina Barra Grande. O modelo era formado por um sistema no-linear de equaes algbrico-diferenciais. O balano de massa adotado, apesar de utilizar hipteses severas, conseguiu gerar boas predies para as variveis de estado do equipamento. A anlise dos dados da indstria indicou que a estabilidade operacional estava sendo prejudicada pelas rotinas de controle automtico do cristalizador.

Alm do modelo, desenvolveu-se tambm um programa de controle que possibilitou, inicialmente, simulaes do modelo dinmico em malha fechada e ajustes iniciais nas novas estratgias de controle. Depois, o programa de controle teve seu desempenho testado em tempo real de operao, substituindo parte dos controles existentes no controlador lgico-programvel do equipamento.

O programa de controle foi codificado no aplicativo VISUAL BASIC e consistiu de dois modos de controle: modo proporcional-integral (PI) e modo fuzzy. O acompanhamento da etapa de cristalizao foi feito pela interface grfica do programa, onde as principais informaes do processo estavam visualmente disponveis. As informaes eram armazenadas ao longo da etapa e, ao final, eram salvas num arquivo texto para permitir anlise posterior. O algoritmo fuzzy foi criado no MATLAB e compilado em forma de biblioteca de ligao dinmica, o que possibilitou seu acesso pelo programa de controle.

Os testes com o programa de controle foram realizados em dois perodos. Os testes do primeiro perodo foram feitos com o modo de controle proporcional-integral e os testes do segundo perodo foram feitos com o modo de controle fuzzy. Ambos os modos do programa de controle apresentaram resultados bastante satisfatrios. Houve encurtamento dos tempos de ciclo, reduo da oscilao da varivel manipulada e diminuio do erro entre a principal varivel controlada e seu setpoint, quando os resultados dos testes so comparados com dados do controle atual.

ABSTRACT Sugar cane can be considered one of the main crop in the state of So Paulo,

both for its contribution to the gross profits of the entire state harvest and the extent of the agricultural land it occupies. Recent figures show that the Brazilian sugar and alcohol industry park has 304 active industries, in addition to 40 new ones in implementation phase. The enlargement of that sector and its growing interest in new technologies represent a favorable context in developing and studying processes related with sugar and alcohol production among universities.

This study focuses on the main stage in the sugar production process, the crystallization stage, in an attempt to better understand the deficiencies associated to the equipment where such stage is processed, known as crystallizer (or batch vacuum pan). In addition, more effective control strategies are also sought.

A dynamic model of an industrial batch crystallizer was designed using the mass balance classical approach. The open-loop dynamic model simulation results were compared to real data taken from the supervisory system and laboratorial analysis, both information got in an industry located in the middle west of So Paulo state, the Usina Barra Grande. The model comprised a non-linear system of differential-algebraic equations. The mass balance that was adopted, in spite using severe hypotheses, generated good predictions for the equipments state variables. The analysis of the data from the mentioned industry has shown that the operational stability of the equipment is affected by the crystallizers automatic control routines.

Besides the model, a control software was also build, aiming initially closed-loop dynamic model simulation and the firsts adjusts in the new control strategies. After that, the control software had its behavior assessed in real operation time, replacing the more problematic controls in the equipments programmable logical controller.

The control software was encoded in VISUAL BASIC and comprised two control modes: a proportional-integral (PI) mode and a fuzzy mode. The crystallization stage was followed up by means of a graphical interface, where the main process informations were visually available. The informations were stored during the crystallization stage and, in the end, were saved in a text file, to guarantee future analysis. The fuzzy algorithm was created on MATLAB and it was compiled in a dynamic linked library format, which allowed its access by the control software.

The tests with the control software were developed in two periods of time. The first period tests were made with the proportional-integral control mode and the second period tests were made with the fuzzy control mode. Both control modes generated extremely satisfying results. There were savings in the batch times, a reduction in the oscillation of the manipulated variables and a decrease in the error between the main controlled variable and its setpoint, when the tests results were compared with data from the actual control.

LISTA DE FIGURAS Figura 2.1: Fluxograma simplificado do Processo de Fabricao de Acar ......................... 15 Figura 2.2: Mtodo de esgotamento de duas massas............................................................. 17 Figura 3.1: O problema de controle de processo................................................................... 20 Figura 3.2: Funo de pertinncia expressando a idia de temperatura por volta de 25 sobre o conceito temperatura ..................................................................................................... 25 Figura 3.3: Exemplos de valores lingsticos para temperatura ......................................... 25 Figura 3.4: Estrutura Bsica de um Controlador Fuzzy (Gomide e Gudwin, 1994) ............... 27 Figura 3.5: Passos executados num algoritmo fuzzy (trs regras) para gerar a varivel de sada a partir das variveis de entrada (modificada de Gulley e Roger, 1995)................................ 28 Figura 4.1: Cozedor 12 ........................................................................................................ 40 Figura 4.2: Projeto do cozedor 12 ........................................................................................ 41 Figura 4.3: Medidor de brix instalado no cozedor 12............................................................ 43 Figura 4.4: Instrumentos instalados do cozedor 12 ............................................................... 43 Figura 4.5: Tela de operao do cozedor 12 no sistema de superviso .................................. 45 Figura 4.6: Tela de parmetros do cozedor 12 no sistema de superviso............................... 45 Figura 4.7: Fases do cozimento............................................................................................ 46 Figura 4.8: Clculo de SPM como uma funo linear do nvel da massa LM .......................... 48 Figura 4.9: Vlvulas do amostrador...................................................................................... 51 Figura 4.10: Refratmetro ADAGO RX-5000 ................................................................... 52 Figura 4.11: Sacarmetro SCHMIDT+HAENSCH Polartronic NHX.................................... 53 Figura 4.12: Composio da massa cozida ........................................................................... 54 Figura 4.13: Uma das bateladas escolhida para o clculo das estimativas de KF e JVAP ......... 60 Figura 4.14: Determinao da temperatura do xarope de entrada TF ..................................... 60 Figura 4.15: Estratgia de execuo das Simulaes em Malha Aberta ................................ 63

Figura 4.16: O processo de cristalizao de acar............................................................... 64 Figura 4.17: Resposta do controlador PI a um degrau unitrio no e(t)................................... 66 Figura 4.18: Visualizao das regras do algoritmo fuzzy para incio dos testes...................... 71 Figura 4.19: Arranjo fsico do programa de controle de brix para fins de testes .................... 72 Figura 4.20: Diagrama de blocos do controle de brix da massa............................................. 73 Figura 5.1: Comparativo entre valores do medidor e do laboratrio (bateladas V e VI) ........ 76 Figura 5.2: Evoluo da estimativa de brix da massa na batelada I ....................................... 77 Figura 5.3: Evoluo da estimativa de nvel da massa na batelada I...................................... 77 Figura 5.4: Evoluo da estimativa de brix da massa na batelada II...................................... 78 Figura 5.5: Evoluo da estimativa de nvel da massa na batelada II .................................... 78 Figura 5.6: Evoluo da estimativa de brix da massa na batelada III..................................... 79 Figura 5.7: Evoluo da estimativa de nvel da massa na batelada III ................................... 79 Figura 5.8: Evoluo da estimativa de brix da massa na batelada IV .................................... 80 Figura 5.9: Evoluo da estimativa de nvel da massa na batelada IV................................... 80 Figura 5.10: Correlao entre a ao do controle (de brix da massa) na vlvula de controle de xarope e o erro entre o brix da massa e seu setpoint ............................................................. 81 Figura 5.11: Efeito do ajuste dos parmetros (tempo em segundos, no eixo horizontal) ........ 83 Figura 5.12: Resultados do programa de interpolao (intervalo fixo de 20s) ....................... 84 Figura 5.13: Programa de Controle de Brix da Massa - Interface do Usurio........................ 85 Figura 5.14: Comportamento da vazo de xarope (FF) e do erro (BrxM -SPM) frente perturbao no brix do xarope (BrxM) em modo PI discreto (KC = 3,5 e KI = 0,06rep/s)........ 86 Figura 5.15: Comportamento da vazo de xarope (FF) e do erro (BrxM -SPM) frente perturbao no brix do xarope (BrxM) em modo PI discreto (KC = 9 e KI = 0,008rep/s)......... 87 Figura 5.16: Comportamento da vazo de xarope (FF) e do erro (BrxM -SPM) frente perturbao no brix do xarope (BrxM) em modo fuzzy .......................................................... 87 Figura 5.17: Resultados do programa de controle em modo PI discreto (erro) ...................... 89 Figura A.1: Troca de dados entre EXCEL e MATLAB obtendo a transposta de matriz ...... 106

LISTA DE TABELAS Tabela 2.1: Comparao dos cristais nos cozedores.............................................................. 18 Tabela 3.1: reas de Aplicao da Lgica Fuzzy (Nucci, 2003)........................................... 29 Tabela 4.1: Medidas do cozedor 12...................................................................................... 41 Tabela 4.2: Relao dos instrumentos instalados no cozedor ................................................ 44 Tabela 4.3: Mtodo de clculo para obter as estimativas de KF e JVAP................................... 59 Tabela 4.4: Confirmao da equao 21 observando a resposta do CLP ............................... 68 Tabela 5.1: Anlises de amostras da batelada I..................................................................... 74 Tabela 5.2: Anlises de amostras da batelada II ................................................................... 75 Tabela 5.3: Anlises de amostras da batelada III .................................................................. 75 Tabela 5.4: Anlises de amostras da batelada IV .................................................................. 75 Tabela 5.5: Anlises de amostras das bateladas V-VI (verificao da calibrao) ................. 76 Tabela 5.6: Parmetros ajustados nas quatro bateladas ......................................................... 83 Tabela 5.7: Perodos dos Testes com o Programa de Controle.............................................. 88 Tabela 5.8: Intervalo, Parmetros e Tipo de Funo do Algoritmo Fuzzy ............................. 92 Tabela 5.9: Grupos I e II (ndices de comparao das bateladas) .......................................... 95 Tabela 5.10: Grupos III e IV (ndices de comparao das bateladas) .................................... 95

NOMENCLATURA A - rea de troca trmica da calandra [m] FD - Fator de diluio das amostras nas Equaes 2 e 3 FF - Vazo volumtrica do xarope [m/min] FST - Vazo volumtrica do vapor da calandra [m/min] BrxM - Brix da massa cozida [%] BxM - Frao mssica de slidos solveis da massa cozida [kg/kg] BrxF - Brix do xarope [%] BxF - Frao mssica de matria seca total do xarope [kg/kg] EPEx - Elevao do ponto de ebulio devido concentrao da massa cozida [C] EPEh - Elevao do ponto de ebulio devido presso hidrosttica da coluna de massa cozida [C] JVAP - Taxa de evaporao [kg/min] KF - Parmetro de ajuste da Equao 15 [m/min] KVAP - Parmetro de ajuste da Equao 16 [kg/C*min] LM - Nvel da massa cozida [%] LBrxM - Leitura de brix da massa cozida [%] LScM - Leitura sacarimtrica da massa cozida [S] Ma - Massa de sacarose na massa cozida [kg] Mi - Massa de impurezas na massa cozida [kg] Mw - Massa de gua na massa cozida [kg] Mai - Massa de sacarose e impurezas na massa cozida [kg] M - Massa total da massa cozida [kg] PF - Pureza do xarope [%] PM - Pureza da massa cozida [%] PlM - Pol da massa cozida [%] PST - Presso do vapor da calandra [bar] PVAP - Presso do vapor interno do cozedor (vcuo) [bar] q - Calor cedido pela calandra massa cozida [J/min] SPM - Setpoint de nvel (fase 3)/supersaturao (fase 4)/brix da massa cozida (fase 5) [%] SPBrxM FINAL - Parmetro de brix da massa cozida no final da fase de crescimento dos cristais [%] SPBrxM INICIAL - Parmetro de brix da massa cozida no incio da fase de crescimento dos cristais [%] SPLM FINAL - Parmetro de nvel da massa cozida no final da fase de crescimento dos cristais [%] SPLM INICIAL - Parmetro de nvel da massa cozida no incio da fase de crescimento dos cristais [%] TM - Temperatura da massa cozida [C] TF - Temperatura do xarope [C] TST - Temperatura do vapor da calandra [C] TVAP - Temperatura do vapor interno do cozedor [C] U - Coeficiente global de troca trmica entre a calandra e a massa cozida [J/C*min*m] VVF - Abertura da vlvula de controle do xarope de alimentao [%] VVST - Abertura da vlvula de controle do vapor da calandra [%] VM - Volume da massa cozida [m] ST - Parmetro de ajuste da Equao 16 [kg/m] SPM - Variao de frao mssica de matria seca total por variao de nvel da massa cozida [%/%] HvST - Calor latente de vaporizao do vapor da calandra [J/kg] HvVAP - Calor latente de vaporizao do vapor interno do cozedor [J/kg] M - Massa especfica impura da massa cozida [kg/m] M* - Massa especfica pura da massa cozida [kg/m] F - Massa especfica impura do xarope [kg/m] F* - Massa especfica pura do xarope [kg/m]

SUMRIO 1. INTRODUO................................................................................................................ 1

1.1. Objetivos..................................................................................................................... 3 1.2. O Grupo Zillo Lorenzetti e a Usina Barra Grande........................................................ 4 1.3. Organizao do Trabalho ............................................................................................ 5

2. CONCEITOS FUNDAMENTAIS DA FABRICAO DE ACAR ......................... 7 2.1. Composio da Cana-de-Acar.................................................................................. 7 2.2. Processo Industrial ...................................................................................................... 7

2.2.1. Preparo e Moagem da Cana............................................................................... 8 2.2.2. Tratamento do caldo .......................................................................................... 8 2.2.3. Evaporao ....................................................................................................... 11 2.2.4. Cristalizao ..................................................................................................... 13 2.2.5. Centrifugao e Secagem ................................................................................. 14 2.2.6. Mtodos de Esgotamento de Mel ..................................................................... 16

2.3. Instrumentao e Automao Industrial..................................................................... 18 3. REVISO BIBLIOGRFICA ...................................................................................... 20

3.1. Controle de processos................................................................................................ 20 3.1.1. Controle feedback e feedforward ...................................................................... 21 3.1.2. Controle baseado em lgica fuzzy..................................................................... 23

3.1.2.1. Conceitos fundamentais dos Conjuntos fuzzy ............................................... 23 3.1.2.2. Sistemas de Controle Fuzzy ......................................................................... 26 3.1.2.3. Breve Histrico Sobre reas de Aplicao da Lgica Fuzzy ........................ 29 3.1.2.4. Aplicaes da Lgica Fuzzy no Controle de Processos................................. 30

3.2. Modelamento e simulao de processos de produo de acar ................................. 31 3.3. Sensores virtuais ....................................................................................................... 33 3.4. Consideraes Finais................................................................................................. 35

4. MATERIAIS E MTODOS .......................................................................................... 36 4.1. Etapa de Cristalizao na Usina Barra Grande........................................................... 37

4.1.1. Motivaes para a escolha do cozedor 12 como equipamento de trabalho .... 39 4.2. Cozedor 12................................................................................................................ 40

4.2.1. Detalhes Construtivos....................................................................................... 40 4.2.2. Detalhes da Instrumentao............................................................................. 41 4.2.3. Detalhes da Automao .................................................................................... 44

4.2.3.1. Ciclo de Operao ....................................................................................... 45 4.2.4. Mtodos de Coleta de Amostras e Anlise de Laboratrio ............................. 49

4.2.4.1. Mtodo de Coleta de Amostras .................................................................... 50 4.2.4.2. Mtodos de Anlise de Laboratrio.............................................................. 51

4.2.5. Composio da Massa Cozida.......................................................................... 53 4.2.6. Modelo Dinmico.............................................................................................. 55

4.2.6.1. Balano de massa ........................................................................................ 55 4.2.6.2. Volume total da massa (VM) e Nvel total da massa (LM) .............................. 56 4.2.6.3. Massa especfica da massa (M) e Massa especfica do xarope (F) .............. 57 4.2.6.4. Vazo do Xarope de Alimentao (FF) ........................................................ 58 4.2.6.5. Temperatura do xarope (TF) ......................................................................... 60 4.2.6.6. Taxa de evaporao de gua (JVAP)............................................................... 60 4.2.6.7. Estratgia de Execuo das Simulaes em Malha Aberta ........................... 62

4.2.7. Concepo do Programa de Controle de Brix da Massa Cozida .................... 64

4.2.7.1. Concepo do Modo de Controle PI Discreto............................................... 65 4.2.7.2. Concepo do Modo de Controle Fuzzy ....................................................... 69 4.2.7.3. Estratgia de Execuo da Simulao em Malha Fechada ............................ 71 4.2.7.4. Arranjo Fsico do Programa de Controle de Brix Para Fins de Teste ............ 72

5. RESULTADOS E DISCUSSES.................................................................................. 74 5.1. Resultados do Modelo ............................................................................................... 74

5.1.1. Amostras de Bateladas ..................................................................................... 74 5.1.2. Resultados das Simulaes em Malha Aberta ................................................. 76 5.1.3. Soluo Matemtica das EDOs....................................................................... 82 5.1.4. Ajustes dos Parmetros .................................................................................... 82 5.1.5. Programa de Interpolao e Tratamento dos Dados Coletados ..................... 84

5.2. Resultados do Programa de Controle ......................................................................... 84 5.2.1. Resultados das Simulaes em Malha Fechada............................................... 85 5.2.2. Testes com o Modo de Controle PI discreto e com o Modo Fuzzy .................. 87

5.2.2.1. Primeiro Perodo: Programa com PI discreto versus PI do CLP.................... 88 5.2.2.2. Segundo Perodo: Programa com modo Fuzzy versus PI do CLP ................. 91 5.2.2.3. Comparao dos Resultados ........................................................................ 95

6. CONCLUSES.............................................................................................................. 98 7. SUGESTES ............................................................................................................... 100 8. REFERNCIAS BIBLIOGRFICAS ........................................................................ 101 GLOSSRIO ................................................................................................................... 104 APNDICE A .................................................................................................................. 106 APNDICE B .................................................................................................................. 107

1

1. INTRODUO

O setor sucroalcooleiro representa um dos mais importantes agronegcios

brasileiros. A rea plantada de cana-de-acar na safra de 2006/2007 de 6,2 milhes de

hectares e a produo brasileira est estimada em 469,8 milhes de toneladas de cana. Deste

total, 423,4 milhes de toneladas sero destinados indstria sucroalcooleira, sendo 237,1

milhes de toneladas para a produo de acar, o que deve resultar em 584,9 milhes de

sacas de 50 quilos. J a industrializao total de lcool vai consumir 186,3 milhes de

toneladas de cana, gerando 17,8 bilhes de litros de lcool (Martines et al., 2006).

Na dcada de 70, a implantao do primeiro programa brasileiro de

combustvel renovvel, o Prolcool, possibilitou cultura da cana-de-acar assumir papel

fundamental sob os aspectos sociais, econmicos e ambientais do pas. No cenrio

internacional atual, o Brasil posiciona-se como o maior produtor e exportador mundial de

acar de cana e o maior produtor e consumidor mundial de lcool de cana. tambm o nico

pas a introduzir, em larga escala, o lcool como combustvel alternativo ao petrleo. Para

suprir a demanda de exportaes de lcool, estima-se que o Brasil teria que dobrar, ou at

mesmo triplicar, a rea de plantio atual, expandindo-a sobre os cerca de 90 milhes de

hectares de rea ainda no explorada (Martines et al., 2006).

No que diz respeito ao aprimoramento de novas tecnologias para o setor,

centros de tecnologia privados desenvolvem atividades de pesquisa, atuando em conjunto com

usinas associadas. O apoio dessa estrutura de pesquisa diretamente e especificamente ligada

indstria aucareira um dos fatores que tm permitido maior dinmica nos processos

produtivos das usinas do estado de So Paulo.

Nos ltimos anos, alm de investimentos na modernizao do processo

produtivo e no aumento dos nveis de automao, observa-se tambm uma aproximao do

setor junto s universidades pblicas e privadas, com os objetivos de suprir a escassez de

profissionais com conhecimento especializado dentro do ambiente industrial e de desenvolver

projetos em regime de parceria.

As universidades vem nas indstrias da cana-de-acar uma oportunidade de

estabelecer laos do tipo universidade-empresa, e de aproveitamento de toda a massa

acadmica de profissionais recm-formados, mestres e doutores, como especialistas de

operao ou pesquisadores. O setor sucroalcooleiro, por sua vez, busca nas universidades

2

solues para questes relacionadas reduo e identificao de perdas no processo, auto-

suficincia energtica e diversificao da produo.

Entre as diversas reas de pesquisa, a simulao dinmica e o controle de

processos baseado em computador possuem evidentes oportunidades de serem aplicadas

dentro das usinas. A primeira, porque representa uma poderosa ferramenta de diagnstico e

aperfeioamento de processos, servindo para apontar modificaes em estratgias de controle

e para permitir que engenheiros e operadores tenham uma previso do comportamento da

produo sem a necessidade de interveno direta na planta. A segunda, porque torna possvel

a utilizao de algoritmos matemticos complexos, tais como, redes neurais, matriz dinmica

e lgica fuzzy, na soluo de problemas de controle, possibilitando indstria trabalhar mais

prxima dos limites impostos pelo processo.

A simulao dinmica possibilita tambm a criao dos chamados sensores

virtuais, ou soft-sensors, que so capazes de substituir instrumentos que, por exemplo, ou no

existem, ou que, dependendo do princpio de medio, so muito caros e de difcil

manuteno.

O controle de processos baseado em computador, quando comparado aos

tradicionais sistemas de superviso e aos controladores lgico-programveis, mostra-se mais

flexvel no trabalho conjunto com softwares matemticos, beneficiando-se dos mesmos na

capacidade de processar equaes algbrico-diferenciais, sistemas algbricos de grau elevado

e mtodos numricos. Por ser concebido, geralmente, a partir de linguagens genricas de

programao, o controle por computador tem seus limites de integrao mais relacionados

com as habilidades do programador do que com as funes disponveis.

No processo de produo de acar, o emprego da simulao dinmica e do

controle de processos traria maiores benefcios se colocado em prtica na etapa de

cristalizao, porque esta tem papel determinante na qualidade do produto final e tambm no

equilbrio energtico da indstria como um todo.

A oportunidade existente na cristalizao est tambm relacionada ao fato de

que a operao automtica dos cristalizadores ainda no est implantada em todas as usinas.

Mais que isso, nas usinas onde a cristalizao est automatizada, h dificuldades em se medir

determinadas variveis de vital interesse, o que constitui uma barreira para o completo

aperfeioamento dessa etapa.

Portanto, diante do quadro apresentado at aqui e das perspectivas de alta

produo de acar e de alto consumo mundial de lcool, existe a oportunidade de criar no

3

setor da cana-de-acar, que conta com um evidente apoio governamental, um ambiente

bastante favorvel para o aprimoramento de estudos, para a gerao de mais empregos e para

o intercmbio de informaes entre universidades e empresas.

1.1. Objetivos

Para este trabalho foram estabelecidos os seguintes objetivos:

Primeiro: Concepo de modelo dinmico do processo de cristalizao batelada e sua

adaptao a um cristalizador industrial real para validao de resultados;

Segundo: Aperfeioamento da operao do equipamento durante testes em regime normal de

produo, utilizando novas estratgias de controle, atravs de programa computacional criado

para esta finalidade.

Entre os resultados esperados, pode-se citar:

Reduo da oscilao da principal varivel manipulada;

Diminuio do erro entre a principal varivel controlada e seu setpoint;

Repetibilidade e diminuio de tempo dos ciclos de operao.

O modelo dinmico do cristalizador batelada foi simulado em malha aberta e

seus parmetros foram ajustados para gerar resultados prximos aos dados recolhidos dentro

da usina, estes ltimos procedentes do sistema de superviso e das anlises de amostras do

cristalizador.

O programa de controle foi concebido para funcionar como um controlador

proporcional-integral ou como um controlador fuzzy. Esse programa era executado a partir de

um computador pessoal. Antes dos testes com o cristalizador real durante perodo de safra, os

modos de controle foram submetidos a simulaes em malha fechada com o modelo, que foi

codificado internamente no prprio programa. As simulaes em malha fechada do modelo,

somadas ao levantamento de dados e ao acompanhamento dos ciclos de operao na usina,

4

foram base de conhecimento para o ajuste das estratgias de controle. Durante os testes na

usina, o programa fez uso de um recurso especfico do software de superviso, que lhe

permitiu efetuar a coleta de informaes do controlador lgico programvel do equipamento e

o envio de suas respostas de volta ao mesmo.

J existe no DEQ/UFSCar familiaridade com os conceitos e dificuldades

envolvidas na modelagem da etapa de cristalizao (Jesus, 2000 e 2004), bem como com o

emprego de conceitos de lgica fuzzy na elaborao de algoritmos de controle (Nucci, 2003).

Tais experincias contriburam para o estabelecimento das metodologias aqui empregadas e

ajudaram a balizar o escopo e o plano de execuo deste trabalho.

O levantamento dos dados e os testes com o cristalizador batelada foram feitos

na Usina Barra Grande S.A., sob autorizao e consentimento dos departamentos ligados

produo, ao laboratrio e engenharia da prpria usina. conveniente mencionar que o

autor deste trabalho colaborador do grupo ao qual a usina pertence, e que sua rea de

atuao dentro da empresa tornou possvel o acesso maioria das informaes e facilidades,

tais como os dados do sistema de superviso, a infra-estrutura do laboratrio e os

equipamentos da indstria.

1.2. O Grupo Zillo Lorenzetti e a Usina Barra Grande

Fundado em 1964, o Grupo Zillo Lorenzetti formado por trs unidades

produtoras: a Usina Barra Grande S.A., a Aucareira Zillo Lorenzetti S.A. e a Aucareira

Quat S.A.. Todas localizadas na regio centro-oeste do estado de So Paulo.

Fornecedores e usinas do grupo cultivam cerca de 130 mil hectares de cana-de-

acar, distribudos em plantaes que abrangem 15 municpios. So colhidos 9 milhes de

toneladas de cana anualmente. O parque industrial das empresas soma 180 mil m. As trs

unidades produzem juntas cerca de 550 mil toneladas de acar cristal por ano. A produo

anual de lcool (tipo anidro e tipo hidratado) de 400 milhes de litros. A gerao de energia

eltrica suficiente para o consumo interno das unidades e o excedente destinado a venda.

Em 2002, s a Usina Barra Grande exportou cerca de 17MWh.

5

Existe ainda uma unidade de negcios, dentro de cada unidade industrial,

chamada de Biorigin, que responsvel pela rea de ingredientes naturais derivados de

levedura, destinados alimentao humana e nutrio animal.

O grupo reconhecido no setor sucroalcooleiro por investimentos em

pesquisas de novas tecnologias e na formao tcnica de seus funcionrios, com o objetivo de

aprimorar seu diferencial tecnolgico e competitivo.

1.3. Organizao do Trabalho

O trabalho foi dividido em nove captulos, que foram organizados da seguinte

forma:

Captulo 1 - Introduo sobre reas de pesquisa relacionadas ao setor usineiro, exposio

clara dos objetivos deste trabalho e a apresentao de alguns dados sobre a usina onde se

encontra o cristalizador que foi objeto de investigao.

Captulo 2 - Apresentao dos aspectos e conceitos fundamentais relativos ao processo de

produo de acar cristal a partir da cana, desde a entrada de matria-prima na usina.

Captulo 3 - Reviso da literatura sobre os temas controle de processos, lgica fuzzy,

aplicaes da lgica fuzzy em controladores de processo baseados em computador,

modelamento e simulao de processos na etapa de cristalizao de acar.

Captulo 4 - Apresentao detalhada dos mtodos e meios que permitiram o modelamento do

cristalizador, a simulao do mesmo e a concepo do programa de controle.

Captulo 5 - Apresentao e discusso dos resultados das simulaes do modelo e do

desempenho das estratgias de controle durante os testes no ambiente industrial.

Captulo 6 - Concluses obtidas com o desenvolvimento do trabalho.

6

Captulo 7 - Sugestes para futuros trabalhos.

Captulo 8 - Lista de referncias bibliogrficas.

Glossrio de termos tcnicos.

7

2. CONCEITOS FUNDAMENTAIS DA FABRICAO DE ACAR

2.1. Composio da Cana-de-Acar

A composio da cana no Brasil pode variar de regio para regio. Como

exemplo, existem diferenas entre a cana colhida na regio Nordeste e a cana colhida na

regio Sudeste. O solo da regio Nordeste mais pobre em relao ao solo da regio Sudeste,

o que exige maior cuidado com a terra, e no permite que a mesma cana seja colhida por mais

de trs safras, fato normal nas plantaes de cana do estado de So Paulo (Fernandes, 2003).

A qualidade da cana-de-acar como matria-prima industrial pode ser

definida por uma srie de caractersticas intrnsecas da prpria planta, que podem ser alteradas

pelo manejo agrcola e industrial, e que definem seu potencial para produo de acar e

lcool.

Sob o aspecto tecnolgico, os colmos so constitudos de caldo e fibra (ou

slidos insolveis em gua), o que d origem frmula bsica da tecnologia aucareira:

Cana = Fibra + Caldo (gua e slidos solveis totais)

Por sua vez, o caldo constitudo idealmente de gua e dos slidos solveis

totais, que so classificados em acares (sacarose, glucose e frutose) e os no-acares.

A medida mais utilizada na indstria do acar o Brix, que pode ser definido

como a porcentagem peso/peso de slidos solveis numa soluo impura de sacarose, por

exemplo, o caldo extrado da cana. A medida de Pol expressa a porcentagem de sacarose

contida numa soluo impura de sacarose. J a Pureza obtida pela razo entre o Pol e o Brix

de uma soluo impura de sacarose.

2.2. Processo Industrial

8

A fabricao de acar um processo que, a partir da chegada da matria-

prima usina, envolve uma srie de operaes antes da obteno do produto final. No Brasil,

a matria-prima exclusivamente a cana-de-acar, enquanto que em pases onde a cana no

pode se desenvolver, se utiliza a beterraba.

Nas plantaes, a cana-de-acar cortada atravs de colheita mecanizada ou

atravs de corte manual. A colheita mecanizada usada, principalmente, em reas de fcil

acesso de maquinrio, como regies planas e pouco inclinadas. Em lugares onde no existem

condies de solo favorveis para a entrada de mquinas, a cana cortada manualmente por

trabalhadores especializados. A queima controlada da cana feita para retirar parte da palha e

facilitar o corte manual. Depois, a cana carregada em caminhes e levada at o ptio de cana

da usina, ou despejada diretamente nas mesas alimentadoras.

2.2.1. Preparo e Moagem da Cana

O processamento inicial da cana-de-acar se d nas etapas de preparo e

moagem. O preparo comea com a cana sendo descarregada nas mesas alimentadoras, onde

lavada para retirar o excesso de terra, cinzas e palha, e termina quando a cana conduzida,

atravs de esteiras rolantes, para os picadores e desfibradores, que fazem a abertura dos

colmos. Depois, a cana esmagada nos rolos das moendas para se extrair o caldo. O caldo

extrado da primeira prensagem chamado de caldo primrio, utilizado, primordialmente,

para a produo de acar, porque mais rico em sacarose. O conjunto fibroso que sai da

primeira prensagem, conhecido por bagao, passa por outras prensagens, de onde se extrai o

caldo secundrio (ou caldo misto), que utilizado na produo de lcool, pois possui menos

sacarose. Neste processo, extrai-se cerca de 96% do caldo total da cana. A biomassa utilizada

como combustvel nas caldeiras o bagao que sai da ltima prensagem da moenda.

2.2.2. Tratamento do caldo

Peneiramento

9

Os caldos que saem das moendas so peneirados, para remoo de impurezas

como areia, terra, pedaos de cana no picados e bagacilho (pequenos pedaos de bagao).

Sulfitao

Na sulfitao, a indstria de acar utiliza a combusto de enxofre para a

obteno de SO2. A utilizao do SO2 tem os seguintes objetivos:

Ao purificante e precipitativa: permitir a formao de massas de colides. Os

colides mais densos se sedimentam, enquanto os menos densos ficam em suspenso. Podem,

ento, ser separados por filtrao ou sedimentao;

Ao descorante: as substncias coloridas so transformadas em compostos menos

coloridos;

Ao fluidificante: ao de reduzir a viscosidade do caldo, atravs da precipitao de

certos colides, o que melhora a decantao e, conseqentemente, a qualidade do caldo para a

evaporao;

Ao preservativa: o SO2 um poderoso anti-sptico e evita o desenvolvimento de

microorganismos prejudiciais.

Caleao

A caleao consiste em adicionar ao caldo, o leite de cal (Ca(OH)2),

principalmente, para correo de pH. O caldo sai da sulfitao com pH entre 3,8 e 4,3 e, aps

a caleao, atinge valores entre 6,8 e 7,2.

Outra funo do leite de cal , por causa dessa neutralizao de pH, evitar a

formao de substncias que causam incrustaes nos aparelhos de destilao.

O controle do pH do caldo caleado fundamental, j que o pH determina as

caractersticas de coagulao e precipitao dos colides presentes no caldo.

Adio de cido fosfrico

10

Obter um caldo misto bem clarificado uma das necessidades quando se deseja

obter um acar final de maior valor comercial. Para que isso acontea, a falta de algumas

substncias imprescindveis para uma boa clarificao deve ser compensada. Uma cana

broqueada, afetada pelo mal tempo e parada h muito tempo num ptio de usina, possui

certamente teores menores em relao a uma cana que no sofreu tais agresses. Uma dessas

substncias o cido fosfrico, que se apresenta no caldo da cana sob a forma de fosfato

solvel em gua, o P2O5.

O P2O5 adicionado ao caldo misto antes da decantao, em quantidades

mnimas de 0,3%, para garantir e a eficincia da clarificao. O precipitado de clcio, que se

forma quando o P2O5 e a cal so adicionados em conjunto no caldo, possui natureza

caracteristicamente floculante. Alm disso, em sedimentao, ele exerce papel de absorvente,

aprisionando e arrastando outros no-acares, contribuindo, portanto, para a obteno de um

caldo mais lmpido, melhor clarificado.

Aquecimento

Essa operao consiste em aquecer o caldo at valores em torno de 105C para

diminuir a viscosidade do fluido. Com o aumento da temperatura, os flocos de impurezas que

so formados nas etapas anteriores tm condies de se movimentar mais, o que favorece o

contato entre eles e promove o aumento de tamanho.

O aquecimento feito por meio de equipamentos chamados de trocadores de

calor. Como fluido de aquecimento, os trocadores de calor podem utilizar condensado quente,

flegmassa (subproduto do processo de produo de lcool), vapor proveniente de escapes de

turbinas, vapor gerado em pr-evaporadores ou em evaporadores.

Decantao

O caldo primrio, depois de passar pelo tratamento qumico e trmico

(sulfitao, caleao e aquecimento) posto em repouso em um tanque de decantao,

durante o menor tempo possvel, para que haja a remoo das impurezas por sedimentao.

Os principais objetivos a serem alcanados na decantao so:

Precipitao e coagulao dos colides, to completa quanto possvel;

11

Alta velocidade de assentamento;

Mnimo de volume de borra (matria sedimentada);

Borras densas;

Produo de caldo clarificado, o mais clarificado possvel.

O tempo de residncia deve ser o menor possvel, de 2,5h a 3h, para evitar a

degradao de acares redutores e a inverso da sacarose.

Filtrao

Nas etapas de tratamento do caldo onde ocorre a precipitao e a coagulao de

colides (ou materiais em suspenso), boa parte dele - cerca de 10% do total de caldo que sai

da moenda - fica retida nessas substncias. Esses materiais, popularmente chamados de borra,

so geralmente separados e enviados para uma caixa chamada de caixa de lodo, onde recebem

a adio de bagacilho, que serve como elemento filtrante e aumenta a porosidade do bolo

(combinao da borra mais o bagacilho). Esse material ento levado aos filtros rotativos. Os

filtros trabalham sob vcuo e o vcuo fora o bolo contra a parede de uma tela filtrante, que

retm a parte slida. O caldo filtrado pode retornar ao processo produtivo na caixa de caldo

secundrio, ou em alguma outra etapa antes da caleao.

Para facilitar a filtragem, o bolo embebido com gua quente, o que diminui a

viscosidade e a concentrao do caldo, quando comparadas com as do caldo clarificado.

2.2.3. Evaporao

A evaporao constitui o primeiro estgio de concentrao do caldo clarificado

proveniente da etapa de tratamento do caldo. O caldo chega evaporao com brix entre 14%

e 17%. Nestas condies, a remoo de grande parte de gua do caldo clarificado o objetivo

principal desta fase.

O evaporador de tubos verticais opera de forma contnua. A movimentao do

lquido propulsionada pela conveco natural gerada por diferenas de temperatura entre o

caldo e uma superfcie aquecida com vapor. A rea de troca est localizada na parte inferior

12

do aparelho. No lado por onde circula o vapor de entrada, a rea formada pela superfcie

externa de um feixe de tubos verticais (calandras) soldados entre duas chapas (espelhos). No

lado por onde circula o caldo em concentrao, ela formada pela superfcie interna dos

tubos. O vapor introduzido condensa-se cedendo energia ao caldo que circula na parte interna

do feixe de tubos (Jesus, 2004).

A evaporao compreende a concentrao do caldo at a obteno de uma

soluo com brix de 60% a 70%, chamada de xarope (caldo clarificado evaporado), sem

apresentar qualquer sinal de sacarose cristalizada.

Apesar do ponto de cristalizao da sacarose estar entre 70% e 80% de brix, o

que poderia acelerar as etapas subseqentes, existe uma srie de convenincias em no se

obter, no final da evaporao, um xarope to concentrado. So elas:

Melhores condies para a operao na etapa de cristalizao;

Necessidade de dissoluo de certos cristais em etapas posteriores, o que exige uma

margem de folga no grau de concentrao.

A evaporao do caldo feita pelo arranjo de vrios evaporadores em mltiplo

efeito concorrente (EME). No arranjo EME, o vapor de um efeito precedente utilizado para

aquecer a caixa posterior. Geralmente, so utilizados de trs a cinco efeitos. O primeiro efeito,

chamado de pr-evaporao, o nico aquecido com vapor de escape, que um vapor de

presso entre 1,5 e 2,3 kgf/cm2 abs, proveniente da operao de turbinas e geradores. A rea

de troca trmica na pr-evaporao maior que a das caixas dos demais efeitos, o que garante

tambm um excedente de vapor vegetal para outras etapas do processo. Os demais efeitos so

aquecidos pelo vapor da caixa anterior e trabalham sob vcuo.

O vcuo estabelecido por meio de um ejetor, num recipiente fechado que fica

em comunicao com os evaporadores nos quais se deseja obter vcuo, chamado de

condensador baromtrico. A gua fria que bombeada para o recipiente condensa o vapor das

caixas de evaporao e a gua quente que escorre por gravidade resfriada e bombeada de

volta ao condensador, descrevendo um circuito fechado.

A composio do xarope tpico de 60% de sacarose, 7% de impurezas e 33%

de gua. A sua viscosidade tal que ele no pode ser mais tratado em evaporadores comuns.

A continuidade do processamento de xarope garantida pelo uso de outros equipamentos, os

cristalizadores, que podem operar de forma batelada ou de forma contnua.

13

2.2.4. Cristalizao

No incio da operao dos cristalizadores batelada, uma poro inicial de

xarope concentrada at atingir um brix pr-estabelecido. Neste momento so injetados

ncleos cristalinos de acar dentro do cristalizador. Ao longo da batelada, os ncleos vo

crescendo at o tamanho desejado, atravs da contnua adio de xarope e do controle da

evaporao. A essa suspenso formada por cristais e por uma espcie de mel de alta

viscosidade, d-se o nome de massa cozida. Esse mel chamado de licor-me, que uma

soluo idealmente composta de slidos solveis e gua.

Nesta etapa, parte da sacarose da massa est constituindo os cristais e parte est

dissolvida no licor-me. Todos os demais slidos solveis no licor que no sejam sacarose so

chamados de impurezas. O cristalizador geralmente conhecido por cozedor, cozedor a vcuo

ou simplesmente vcuo.

Os cozedores tm desenho semelhante aos evaporadores, com dimenses

prprias para trabalhar um material de maior viscosidade. Nos cozedores, mantido um vcuo

em torno de 0,180bar, o que evita o aumento de temperatura devido ao prprio vapor. Isso

permite que a evaporao da gua se realize a temperaturas inferiores ao limite em que

ocorrem alteraes negativas no acar (sua cor, por exemplo). Alm disso, medida que o

volume do cozedor aumenta, o vcuo controlado (e no excessivo) favorece a boa circulao

da massa cozida dentro do cozedor, porque permite que as camadas mais baixas da massa

cozida atinjam mais facilmente a temperatura de ebulio, j que as camadas superiores esto

exercendo uma menor presso hidrosttica.

Para entender o processo de cristalizao por inteiro, faz-se necessria tambm

a introduo de um conceito fundamental chamado de supersaturao, que est diretamente

associado solubilidade da sacarose em solues aucaradas, tal como o xarope que sai da

etapa de evaporao. Teoricamente, o momento de injeo dos ncleos de cristais

determinado pelo grau de supersaturao do xarope, e no pelo brix do mesmo. Na prtica, a

falta de instrumentos para estimar a supersaturao de forma on-line uma das razes para

que se definam correlaes entre o ponto ideal de injeo e o brix.

14

A solubilidade da sacarose na gua aumenta com o aumento de temperatura da

soluo. Dessa forma, uma dada soluo dita saturada quando, para uma determinada

temperatura, no consegue mais dissolver novos cristais de acar que, por ventura, venham a

ser adicionados soluo. Entretanto, a uma dada temperatura, existe a fase supersaturada, na

qual h mais cristais de acar dissolvidos que em condies de saturao (Hugot, 1983).

Experimentalmente, observa-se que a formao e o crescimento de cristais

funo do grau de supersaturao do licor-me. Resultados experimentais obtidos para a

solubilidade de solues puras de sacarose em gua, a diferentes concentraes e

temperaturas, mostram que podemos distinguir trs zonas distintas quando analisamos um

grfico de concentrao por temperatura:

Zona metaestvel: os cristais j existentes aumentam o tamanho por deposio de

sacarose (no h a formao de novos cristais);

Zona intermediria: h a formao de novos cristais na presena de outros;

Zona lbil: h a formao espontnea de novos cristais (nucleao espontnea).

A existncia da zona intermediria no est plenamente confirmada e

caracterizada. Por ser tambm muito estreita, tem pouca importncia prtica (Hugot, 1983).

Portanto, num cozimento ideal, procura-se manter a supersaturao do licor-

me no limite superior da zona metaestvel, j que a deposio de sacarose nos cristais

maior com a supersaturao prxima deste limite.

Ao final do cozimento, o alto grau de concentrao da massa cozida

compromete bastante a mobilidade da sacarose. A massa no pode mais permanecer dentro

dos cozedores a vcuo, sob pena de entupir os tubos da calandra. Por isso, ela descarregada

em tanques intermedirios com agitao mecnica, como forma de aproveitar as condies

favorveis de supersaturao do licor-me para, atravs da movimentao da massa, promover

o encontro da sacarose e dos cristais. Entretanto, a queda de temperatura deve ser observada,

j que, se ela for alta, tem-se um aumento excessivo na supersaturao do licor-me, fato

indesejvel, pois poderia causar a gerao espontnea de cristais.

2.2.5. Centrifugao e Secagem

15

Assim que a massa cozida sai desses tanques intermedirios, ela segue para as

centrfugas, que so equipamentos responsveis por separar o mel dos cristais de acar.

Quando o acar produzido nessa centrifugao o acar final, que

normalmente o acar comercializvel, o mel separado nas centrfugas chama-se mel de

primeira e o cozimento que produziu essa massa cozida chama-se cozimento de primeira.

Como o mel de primeira possui ainda uma grande quantidade de sacarose

passvel de cristalizao, emprega-se esse mel em outro estgio de cozimento, chamado de

cozimento de segunda, no qual o mel de primeira a fonte de sacarose cristalizvel. Se essa

operao for repetida em mais um estgio de cozimento, o mel resultante da centrifugao

sair desse estgio ainda mais pobre em sacarose cristalizvel, e assim por diante.

Os cristais de acar separados na centrifugao seguem para a secagem. O

acar mido passa por dentro de tambores rotativos, os chamados secadores, nos quais ar

quente e ar frio so utilizados para secar e resfriar o acar. Uma vez seco, o acar pode

seguir para o ensaque, ou pode ser utilizado na produo de outros tipos de acar.

Na Figura 2.1 apresentada a seqncia resumida dos fluxos de produtos nas

operaes at aqui comentadas.

Figura 2.1: Fluxograma simplificado do Processo de Fabricao de Acar

16

2.2.6. Mtodos de Esgotamento de Mel

Por definio, chama-se de mtodo de esgotamento o nmero de estgios de

cozimento que so empregados para garantir a queda na quantidade de sacarose cristalizvel

dos mis da centrifugao.

A eficincia dos mtodos de esgotamento est relacionada com algum tipo de

medio da queda da pureza do mel ao longo dos estgios de cozimento. Como a pureza do

mel cai drasticamente depois do segundo estgio, a maioria das usinas prefere trabalhar com o

mtodo de esgotamento de dois estgios (ou de duas massas).

Entre os vrios princpios para um esgotamento adequado, procura-se manter,

desde a evaporao, as seguintes regras bsicas:

A evaporao deve fornecer um xarope com o maior brix possvel (de 60% at 70%) e

alta pureza (90% at 95%);

Na etapa de cristalizao, devem-se esgotar ao mximo os subprodutos da

centrifugao das massas, os mis;

O cozimento que produz o acar final deve trabalhar com matrias-primas da maior

pureza possvel, o que garante sua melhor realizao e sua maior qualidade.

A eficincia do esgotamento tambm no pode interferir na quantidade mnima

de sacarose existente no mel que ser utilizado na etapa de fermentao da fabricao de

lcool, nem aumentar o custo da produo de acar. Devido ao aumento de manobras ou

transferncias de material, os gastos com energia e vapor tornam alguns mtodos de

esgotamento financeiramente insustentveis.

Sob o ponto de vista energtico, um esgotamento ineficiente indica que, para

um mesmo consumo de vapor, menos sacarose foi convertida em acar. Mesmo que a

sacarose no retirada do licor-me numa primeira ocasio volte ao cozimento como mel

centrifugado, ser preciso outra demanda de vapor para transform-la em cristal.

No sistema de duas massas, trabalha-se com cozimentos de acar de primeira

e de segunda. Os termos primeira e segunda so alternados de forma usual por massa

17

A e massa B, respectivamente. Atualmente, o mtodo de duas massas (Figura 2.2) a

operao de esgotamento mais utilizada no Brasil.

Figura 2.2: Mtodo de esgotamento de duas massas

Nos cozedores de primeira obtm-se o acar de primeira atravs do cozimento

com xarope. Os cozedores de primeira produzem uma massa que ser centrifugada e

produzir, alm do acar de primeira, o mel de primeira pobre e o mel de primeira rico. O

termo pobre diz respeito poro do licor-me expulsa facilmente pela centrifugao. J o

termo rico diz respeito quela pelcula de licor-me que envolve os cristais. Devido

dificuldade de ser extrada, ela separada a partir da lavagem do acar com uma mistura de

vapor e/ou gua quente. O mel de primeira pobre segue para o cozimento de segunda e o mel

de primeira rico retorna ao cozimento de primeira (a separao usual, mas pode no ser

realizada).

Os cozedores de segunda produzem uma massa que ser centrifugada e dar

origem ao acar de segunda e o mel de segunda final. O mel de segunda final segue para o

preparo do mosto (fonte de sacarose para a etapa de fermentao na fabricao de lcool) e o

acar de segunda diludo com gua e/ou caldo clarificado, dando origem ao magma de

segunda diludo, que retorna ao cozimento de primeira. O magma de segunda diludo contm

os cristais necessrios (em tamanho e nmero) a serem utilizados como ncleos para

deposio de sacarose no cozimento de primeira.

Normalmente, alm dos cozedores de primeira e de segunda, as usinas utilizam

pelo menos um cozedor para a produo de outro tipo de massa cozida, cuja finalidade

18

servir como ncleo para deposio de sacarose no cozimento de segunda. Este cozedor

conhecido como cozedor de granagem. A massa cozida do cozedor de granagem, ou magma

da granagem, diferentemente dos demais cozedores, descarregada num depsito chamado de

sementeira e, depois, repartida entre os demais cozedores de segunda, no passando por

nenhuma centrifugao.

A operao do cozimento de primeira comea com a obteno de uma poro

de xarope, o chamado p inicial, que deve ser concentrada at a zona metaestvel da

supersaturao, onde ainda no h a formao espontnea de cristais. Atingido este ponto, o

cozedor recebe um p de magma de segunda diludo, o chamado p de cristal. Depois da

transferncia, essa massa cozida continua sendo evaporada e alimentada com xarope, o que

promove o crescimento dos cristais e d origem, ao final do cozimento, massa de primeira.

A operao do cozimento de segunda similar a do cozimento de primeira,

entretanto, o produto utilizado na obteno do p inicial, e tambm durante o crescimento dos

cristais, o mel A pobre, e no o xarope. Outra particularidade que o p de cristal formado

pelo magma da granagem, e no pelo magma de segunda diludo.

A operao do cozedor de granagem bem similar a do cozimento de segunda,

a no ser pelo p de cristal, que constitudo por uma suspenso alcolica de volume entre 2l

a 5l. Esta suspenso, chamada de semente, est saturada com cristais de acar de tamanho

entre 10m e 15m.

A Tabela 2.1 apresenta o volume inicial e o tamanho mdio dos cristais no

incio e no fim das bateladas, em cozedores de granagem, de segunda e de primeira.

Tabela 2.1: Comparao dos cristais nos cozedores

Cozedor Volume dos cristais Tamanho dos cristais

Granagem Semente, 2l a 3l Incio, 15m, Fim, 350m

Massa B P de cristal formando por magma da granagem,

15% a 25% do volume total do cozedor

Incio, 360m, Fim, 600m

Massa A P de cristal formando por magma de segunda

diludo, 15% a 25% do volume total do cozedor

Incio, 450m, Fim, 750m

2.3. Instrumentao e Automao Industrial

19

Dentro de uma indstria, existe uma diviso hierrquica entre os vrios grupos

de funes que so atribudas a equipamentos, instrumentos, computadores e softwares. Essa

diviso pode ser bem representada por uma pirmide dividida em camadas. No nvel mais

baixo da pirmide esto os instrumentos. Logo acima deles, esto os controladores lgico-

programveis - os CLP's - e os sistemas de superviso - os SCADAs. Nos nveis mais altos

da pirmide, esto os softwares de gerenciamento de produo e de gesto integrada de

recursos (Silveira e Santos, 1998). Em projetos de controle e automao envolvendo sistemas

de superviso e CLP's, os instrumentos mais utilizados para o diagnstico e a manipulao de

variveis so os sensores e os atuadores.

Os sensores, ou medidores, so dispositivos sensveis a um fenmeno fsico

(tais como temperatura, presso, vazo, entre outros) capazes de transformar esta

sensibilidade em um sinal eltrico que enviado a um CLP. O sistema de superviso busca

essa informao no CLP e disponibiliza a informao para o operador.

Os atuadores so dispositivos que executam uma determinada fora de

deslocamento ou ao fsica, como o abrir e fechar de uma vlvula. O operador informa ao

sistema de superviso a porcentagem de abertura ou de fechamento, o sistema de superviso

envia essa informao ao CLP, e este, por sua vez, envia para o dispositivo um sinal eltrico

referente informao. No atuador, o sinal eltrico convertido, finalmente, em energia

mecnica (Sighieri e Nishinari, 1997).

Os CLPs executam os programas de controle que residem neles, monitorando

sensores e gerando aes nos atuadores e demais equipamentos. Os sistemas de superviso

so responsveis, primordialmente, por servir como interface operacional do processo,

enviando e recebendo informaes relevantes aos CLP's. No sistema de superviso, a troca de

informaes em tempo real estabelecida atravs da criao de pontos, os tags. Cada tag

representa um endereo na memria do CLP, cujo contedo pode ser a leitura de um elemento

sensor (tag de leitura) ou a posio de um elemento atuador (tag de escrita).

O operador interage com processo atravs das telas de operao do sistema,

interpretando as informaes de tags de leitura e modificando valores de tags de escrita.

Tambm comum, na maioria dos sistemas de superviso, que os tags mais importantes

tenham seus valores armazenados, ao longo do tempo, num banco de dados, para fins de

histrico e anlise futura. Atravs dessas anlises, surgem modificaes em estratgias de

controle deficientes, na tentativa de melhorar especificaes de produtos fabricados ou a

estabilidade da operao (Silveira e Santos, 1998).

20

3. REVISO BIBLIOGRFICA

3.1. Controle de processos

Ramirez (1994) diz que, de forma genrica, um problema de controle de

processo pode ser visualizado sob a luz da Figura 3.1, na qual pode ser vista a diviso das

variveis de processo em dois conjuntos: variveis de entrada e variveis de sada.

Figura 3.1: O problema de controle de processo

As variveis de entrada so divididas entre variveis de controle (variveis que

podem ser diretamente definidas ou manipuladas) e variveis de distrbio (variveis que no

podem ser controladas). J as variveis de sada so classificadas em variveis de estado

(conjunto das variveis de sada que so necessrias para descrever o comportamento

dinmico do processo) e variveis medidas (subconjunto das variveis de sada que so

efetivamente medidas).

Nas palavras de Ramirez (1994), o objetivo de qualquer controlador de

processo ajustar as variveis de controle para atingir objetivos de processo bem definidos,

usando medies de variveis de estado e variveis de distrbio.

A literatura de controle de processo permite vrias interpretaes sobre esse

assunto. importante, mesmo que em poucas linhas, apresentar uma viso resumida referente

classificao de variveis e ao controle de processo:

Variveis de Entrada

Variveis de Sada

Variveis de Controle

Variveis de Distrbio

Variveis Medidas

Variveis de Estado

21

Pode-se dizer que as variveis de controle so os nicos meios que o controlador tem

de ter domnio sobre as variveis de sada, j que as variveis de distrbio no podem ser

controladas.

Pode-se dizer tambm que as variveis medidas so os meios que o controlador tem de

obter alguma informao sobre o comportamento das variveis de estado, que normalmente

so de difcil medio.

As variveis medidas, geralmente, podem ser obtidas atravs de manipulao

matemtica entre as variveis de estado e, portanto, refletem o comportamento destas.

O subconjunto das variveis medidas que so efetivamente utilizadas para definir

objetivos de processo bem definidos so as variveis que se deseja controlar, ou, depois que o

controle foi implantado, de variveis controladas.

3.1.1. Controle feedback e feedforward

Os controladores feedback e feedforward so duas estratgias de controle de

processos amplamente empregadas na indstria para a construo de sistemas de controle de

malha fechada ou malha aberta.

O funcionamento do controlador feedback consiste, basicamente, no envio de

ao de controle corretiva para a varivel manipulada, assim que ocorrem desvios entre a

medio da varivel controlada e seu setpoint, independente da origem e da fonte de distrbio.

J com o controlador feedforward, ou antecipatrio, a idia bsica medir as variveis de

distrbio importantes e tomar as aes corretivas antes delas modificarem o processo, deciso

que o controle feedback no faz antes de o distrbio ter acontecido e ter gerado um sinal de

erro.

Os controladores do tipo feedback possuem uma srie de desvantagens, tais

como:

Nenhuma ao corretiva tomada at que o desvio aparea;

No fornecem uma ao de controle preditivo para compensar os efeitos de distrbios

j conhecidos ou medidos;

22

Podem no ser satisfatrios para processos com grandes constantes de tempo ou

longos perodos de atraso. Se distrbios grandes e freqentes acontecem, o processo pode

operar continuamente em um estado transiente e nunca mais alcanar o estado estacionrio;

Em algumas aplicaes, a varivel controlada no pode ser medida on-line e,

conseqentemente, um controlador feedback no vivel.

Os controladores do tipo feedforward tambm possuem diversas restries. As

principais so:

Os distrbios precisam ser medidos on-line. Em algumas aplicaes, isso no vivel;

Para um funcionamento efetivo do controlador feedforward, pelo menos um modelo

de processo aproximado deve estar disponvel. Em particular, preciso saber como a varivel

controlada responde s mudanas em ambas as variveis, as de distrbio e as manipuladas. A

qualidade do controle depende da preciso do modelo do processo;

Controladores tipo feedforward ideais, que so teoricamente capazes de atingir um

controle perfeito, podem no ser fisicamente praticveis. Entretanto, aproximaes prticas

desses controladores geralmente produzem controle muito eficiente.

O controlador feedback mais conhecido o PID, freqentemente aplicado no

controle de variveis como vazo, nvel e presso, em processos contnuos e bateladas. Uma

das principais razes para a sua larga utilizao o fato de requerer um mnimo conhecimento

sobre o processo a ser controlado, no exigindo um modelo matemtico do processo, embora

este seja til para esquematizar o sistema de controle. O nome PID vem das iniciais dos

parmetros de ajuste: proporcional, integral e derivativo. Dependendo do processo a ser

controlado, nem sempre so utilizados todos os termos. A combinao mais comum a

proporcional e integral (PI).

Em aplicaes prticas nas quais um controlador feedback no apresenta

resultados de controle satisfatrios, melhorias significativas podem ser alcanadas ao se

adicionar um controlador tipo feedforward, desde que os distrbios sejam medidos ou

estimados de forma on-line. O controle feedforward fica responsvel por reduzir os efeitos

dos distrbios medidos, enquanto o controle tipo feedback compensa as imprecises do

modelo de processo, os erros nas medies e os distrbios no medidos.

23

Uma possvel combinao desses dois controladores conseguida pela soma

das sadas de cada um e pelo envio do sinal resultante para o elemento final de controle. Outra

possibilidade a de colocar a sada do controlador feedback como setpoint para o controlador

feedforward. Esta ltima especialmente conveniente quando a lei de controle feedforward

concebida utilizando os balanos estacionrios de massa e energia do processo.

3.1.2. Controle baseado em lgica fuzzy

Derivada da teoria de conjuntos nebulosos, ou conjuntos fuzzy, a lgica fuzzy

constitui a base para o desenvolvimento de algoritmos de controle fuzzy. O controle baseado

em lgica fuzzy tem complexidade reduzida e implantao simplificada, tornando-se a soluo

para problemas de controle at ento intratveis por tcnicas clssicas. As tcnicas fuzzy

incorporam a forma humana de pensar no sistema de controle, comportando-se de forma

similar a um raciocnio dedutivo, controlando processos industriais com caractersticas no-

lineares, atravs de experincias e inferncias sobre as relaes entre as variveis do processo.

A lgica fuzzy pode ser utilizada para a construo de controladores aplicados aos mais

variados tipos de processos.

A utilizao de regras fuzzy e de variveis lingsticas confere ao sistema de

controle uma srie de vantagens, entre elas:

Simplificao do modelo do processo;

Melhor tratamento das imprecises inerentes aos sensores utilizados;

Facilidade na especificao das regras de controle, em linguagem prxima natural;

Satisfao de mltiplos objetivos de controle;

Facilidade de incorporao do conhecimento de especialistas humanos.

3.1.2.1. Conceitos Fundamentais dos Conjuntos Fuzzy

24

As duas teorias mais conhecidas que tratam a impreciso e a incerteza da

informao so, respectivamente, a teoria dos conjuntos e a teoria de probabilidades. Embora

muito teis, essas teorias nem sempre conseguem captar a riqueza da informao fornecida

pelos seres humanos. Para tratar o aspecto vago ou impreciso da informao, Lotfi Zadeh, a

partir de 1965, desenvolveu a teoria dos conjuntos nebulosos, considerada uma generalizao

da teoria dos conjuntos. Em seguida, a partir de 1978, desenvolveu a teoria das possibilidades,

para tratar a incerteza da informao, comparvel com a teoria de probabilidades. Essas

teorias encontram grande rea de aplicao nos ramos de atividade que lidam com

informaes fornecidas por seres humanos para controle de processos e automao de

procedimentos, ajudando na tomada de deciso (Gomide e Gudwin, 1994).

A teoria clssica de conjuntos pode ser vista como um caso particular da teoria

de conjuntos fuzzy. A proposta de Zadeh (1965) para a teoria de conjuntos fuzzy uma

caracterizao mais ampla dos pontos de um universo. Zadeh sugere que alguns pontos so

mais membros de um conjunto do que outros. Na teoria de conjuntos fuzzy, um conjunto fuzzy

A em um universo de discurso U definido por uma funo de pertinncia A que assume

valores em um intervalo [0,1]:

A : U [0,1]

Um conjunto de pontos u de U, quando mapeado por uma funo de

pertinncia, representa uma idia que se deseja transmitir sobre um determinado conceito. A

funo de pertinncia pode assumir um valor qualquer entre 0 e 1, sendo que o valor 0 indica

total dissociao do ponto com relao idia e o valor 1 indica total pertinncia do ponto em

relao idia. Na Figura 3.2 apresentada uma funo de pertinncia triangular para

expressar uma idia do tipo por volta de 25, sobre o conceito temperatura. Observa-se

que os valores de u que esto mais prximos de 25 so os valores de temperatura que mais se

identificam com a idia apresentada.

25

25

temperatura

temperatura0

1

Figura 3.2: Funo de pertinncia expressando a idia de temperatura por volta de 25 sobre o conceito

temperatura

Outra caracterstica associada aos conjuntos fuzzy a utilizao de elementos

qualitativos ao invs de quantitativos para designar as idias. Elementos lingsticos ou

instncias lingsticas do tipo muito baixa, baixa, mais ou menos, alta, muito alta

so freqentemente utilizados. Na Figura 3.3 uma funo de pertinncia para o conceito

temperatura apresentada, bem como as instncia lingsticas com as quais valores

numricos de temperatura podem estar associados.

Figura 3.3: Exemplos de valores lingsticos para temperatura

Sob o ponto de vista do processo, um conceito pode ser qualquer varivel de

processo. Regras do tipo condio-ao (se-ento), chamadas de regras fuzzy, so utilizadas

para associar idias observadas em variveis de medio com idias de controle que sero

enviadas s variveis de manipulao, com o objetivo de levar o processo a uma situao de

controle desejada. Uma condio uma proposio lingstica envolvendo idias sobre

variveis do processo. Uma condio sobre variveis de medio (entrada do controlador)

pode ser expressa na forma se a temperatura estiver baixa. Uma idia de controle, que

uma descrio lingstica de como atuar em alguma varivel de manipulao do processo

(sada do controlador), pode ser expressa na forma vazo ser alta.

26

Uma regra fuzzy do tipo se u A ento v B interpretada como uma

relao fuzzy R, podendo ser representada por A B ( denota o operador fuzzy de

implicao). Exemplos do operador fuzzy de implicao incluem (Lee, 1990):

VvUuuuvu BAR BA = ,));(),(min(),( mmm

VvUuuuprodvu BAR BA = ,));(),((),( mmm

Em um sistema fuzzy, cada regra fuzzy representada por uma relao, que

tambm um conjunto fuzzy. O comportamento do sistema como um todo representado por

uma nica relao fuzzy que uma combinao de todas as relaes fuzzy provenientes das

diversas regras. Esta combinao envolve, normalmente, um operador de agregao de regras,

por exemplo, um operador do tipo unio (Gomide e Gudwin, 1994).

3.1.2.2. Sistemas de Controle Fuzzy

Num problema de processo, tanto as leituras de sensores quanto os sinais

esperados pelos atuadores do sistema de controle no pertencem linguagem da lgica fuzzy,

fazendo com que sejam necessrias converses da lgica aritmtica para a lgica fuzzy. Por

isso, os sistemas fuzzy possuem elementos adicionais denominados fuzificador e

defuzificador, que esto posicionados na entrada e na sada do sistema de controle,

respectivamente (Sandri e Correa, 1999, Passino e Yurkovich, 1998). Na Figura 3.4,

mostrada a estrutura bsica de um sistema fuzzy.

A interface de fuzificao responsvel pela identificao dos valores

numricos fornecidos pelos sensores, normalizando estes valores em um universo de discurso

padronizado. A fuzificao consiste na transformao de valores numricos em instncias

lingsticas de conjuntos fuzzy.

A base de conhecimento consiste de uma base de dados e uma base de regras.

Na base de dados ficam armazenadas as definies sobre discretizao e normalizao dos

universos de discurso e as definies das funes de pertinncia. Quanto base de regras,

importante que exista uma quantidade de regras bem definidas, necessrias para mapear

27

totalmente as diversas combinaes possveis entre as variveis de entrada e sada do sistema,

garantindo que haver uma regra especfica ativa qualquer que seja a entrada.

O procedimento de inferncia verifica o grau de compatibilidade entre os dados

e as regras, determinando o valor da concluso global (conjunto fuzzy de sada) a partir da

agregao dos valores obtidos como concluso das vrias regras.

A interface de defuzificao obtm uma nica ao de controle a partir do

conjunto fuzzy de sada obtido. O procedimento compreende a identificao do domnio das

variveis de sada num nico universo de discurso e, com a ao de controle fuzzy inferida,

uma ao de controle no-fuzzy tomada. Entre os mtodos de defuzificao mais utilizados,

pode-se citar o mtodo do centro da rea (COA ou centride), no qual a ao de controle o

centro de gravidade do conjunto fuzzy de sada.

Figura 3.4: Estrutura Bsica de um Controlador Fuzzy (Gomide e Gudwin, 1994)

Os modelos de sistemas fuzzy podem ser divididos em dois tipos: os clssicos e

os de interpolao. Nos clssicos, a concluso de cada regra especifica um conjunto fuzzy

originrio de uma combinao de vrios conjuntos fuzzy fixos, que so, usualmente, conjuntos

fuzzy convexos representados graficamente por funes como tringulos, trapzios e funes

de sino. Os modelos clssicos mais comuns so o modelo de Mamdani e o modelo de Larsen.

Os modelos por interpolao se caracterizam por apresentar uma concluso atravs de uma

funo estritamente monotnica, usualmente diferente para cada regra. Entre eles, esto os

modelos Takagi-Sugeno e Tsukamoto (Sandri e Correa, 1999).

O mtodo de inferncia de Mamdani a metodologia fuzzy mais comumente

vista. O mtodo de Mamdani est entre os primeiros sistemas de controle fuzzy construdos

28

usando a teoria de conjuntos fuzzy. Foi proposto em 1975 por Ebrahim Mamdani numa

tentativa de controlar uma caldeira combinando regras de controle lingsticas obtidas atravs

de experientes operadores. O esforo de Mamdani foi baseado no artigo de Lotfi Zadeh de

1973 sobre algoritmos fuzzy para sistemas complexos e processos de deciso (Gulley e Roger,

1995).

Embora o mtodo ilustrado na Figura 3.5 seja um pouco diferente dos mtodos

descritos nos artigos originais de Mamdani, a idia bsica permanece a mesma. O sistema do

exemplo decide o valor correto de uma gorjeta de restaurante, baseando-se na qualidade da

comida e do servio. So mostradas trs regras do tipo se-ento relacionando a qualidade da

comida e do servio. O procedimento comea com a fuzificao das entradas (Passo 1).

Depois, feita a operao fuzzy com as entradas de cada regra (Passo 2). A seguir, aplicando-

se o operador de implicao, so gerando trs conjuntos de gorjeta (Passo 3), que so

agregados (Passo 4). No final, um mtodo de defuzificao aplicado (Passo 5).

Figura 3.5: Passos executados num algoritmo fuzzy (trs regras) para gerar a varivel de sada a partir das

variveis de entrada (modificada de Gulley e Roger, 1995)

29

3.1.2.3. Breve Histrico Sobre reas de Aplicao da Lgica Fuzzy

Depois do trabalho de Zadeh em 1965, deu-se incio formao dos primeiros

grupos de pesquisa envolvendo sistemas fuzzy. Em 1972, no Japo, houve a criao do grupo

coordenado pelo Prof. Toshiro Terano. Em 1974, foi desenvolvido o primeiro controlador

fuzzy, criado por Ebrahim Mandani, no Reino Unido. A partir da teoria apresentada por

Mandani, muitos pesquisadores comearam tentativas de aplicar a teoria de lgica fuzzy para

o controle de sistemas na engenharia (Hirota, 1994).

Nucci (2003) relata que em 1976 houve a primeira aplicao da lgica fuzzy na

indstria, desenvolvida na empresa Blue Circle Cement and SIRA, Dinamarca. A aplicao

consistia de um controlador fuzzy que incorporou o conhecimento dos operadores para

controlar os fornos das fbricas.

Em 1990, a lgica fuzzy atingiu grande popularidade, com o lanamento da

primeira mquina de lavar do mercado que incorporava lgica fuzzy, da Matsushita Eletric

Industrial Co. Atualmente, uma gama enorme de aplicaes industriais e comerciais

envolvendo lgica fuzzy est disponvel. Podem ser citadas aplicaes em eletrodomsticos

(geladeiras, condicionadores de ar e mquinas de lavar roupa), aplicaes industriais de

controle de elevadores, veculos guiados automaticamente, robs, ventilao de tneis

urbanos, controle de operaes de metr, entre outros (Nucci, 2003).

Tabela 3.1: reas de Aplicao da Lgica Fuzzy (Nucci, 2003)

rea Finalidades

Comrcio Desenvolvimento de controladores para mquinas de lavar, aspiradores de

p, condicionadores de ar, filmadoras, mquinas fotogrficas, cortadores de

grama, etc.

Entretenimento Desenvolvimento de jogos para computador.

Finanas Desenvolvimento de softwares de controles de crdito, taxas e negcios nas

bolsas de valores, alm do gerenciamento de manufaturas.

Indstrias Desenvolvimento de controladores para o processo industrial.

Medicina Auxlio no diagnstico e tratamento de doenas.

Sismologia Desenvolvimento de sistemas para previso de terremotos.

Transporte Desenvolvimento de sistemas para melhorar a eficincia e a segurana de

automveis, helicpteros, avies, nibus e metr.

30

3.1.2.4. Aplicaes da Lgica Fuzzy no Controle de Processos

Yamada et al. (1991) concebeu um sistema de fermentao controlado por

computador para produo de coenzima Q10 extrada de clulas de levedura. Como no havia

condies de se medir a quantidade de coenzima Q10 diretamente, a concentrao das clulas

foi utilizada como varivel de estado e foi medida por um turbidmetro. A concentrao e o

tempo de fermentao eram ajustados por um controlador fuzzy de 70 regras, atravs da

manipulao da entrada de ar. Os dados dos experimentos apontaram que a aplicao do

sistema de controle fuzzy trouxe mais estabilidade ao processo, aumentando levemente a

produo final.

Alfafara et al. (1992) relatou o desenvolvimento de um controlador fuzzy para

manter a concentrao de etanol, atravs da manipulao da vazo de glucose, visando uma

mxima produo de glutationa (GSH), em culturas bateladas de levedura. O controlador

completo era formado por dois blocos de controle. Existia um bloco de controle feedforward,

que era responsvel por calcular a vazo nominal de glucose, e um bloco de controle

feedback, representado pelo prprio controlador fuzzy, que corrigia a vazo nominal antes de

envi-la para a sada de controlador. Apesar de o controlador fuzzy ter funcionado bem

quando o erro inicial de concentrao era pequeno, ele ainda precisou de modificaes nas

regras lingsticas e nos coeficientes de peso, que trataram apropriadamente estados de

emergncia do controlador, evitando overshoots na vazo.

Shiba et al. (1994) desenvolveu um controlador fuzzy para controlar,

simultaneamente, as concentraes de glucose e etanol durante a produo batelada de -

amilase em uma cultura de levedura Saccharomyces cerevisiae. O sistema de fermentao

controlado por computador consistia de um reator, um computador pessoal, um turbidmetro,

um medidor de oxignio dissolvido e um analisador de glucose e etanol. O controlador fuzzy

foi implementado em software e respondeu satisfatoriamente ao controles das duas

concentraes, aumentando a produo de -amilase duas vezes mais, quando comparada a

um processo no qual somente a concentrao de glucose regulada.

Souza Jnior e Almeida (2001) desenvolveram um controlador fuzzy capaz de

detectar o momento de incio de adio de sacarose invertida em um processo de produo

batelada de cefalosporina C (CPC), atravs do monitorando a concentrao de CO2 nos gases

31

de sada. O algoritmo fuzzy detectava o momento no qual a taxa de CO2 atingia um pico, e

revertia de sentido, momento que coincidia com a paralisao da multiplicao dos

organismos.

Luna Filho et al. (2002) apresentou uma comparao entre tcnicas de controle

fuzzy e PI em um sistema no-linear de tanque com escoamento turbulento em sua sada. O

sistema construdo para o controle de nvel de lquido consistia de bomba hidrulica, atuador,

sensor de nvel, tanques, computador e controlador implementado em software. A

comparao mostrou uma melhora no desempenho do sistema quando se usou o controlador

fuzzy.

3.2. Modelamento e simulao de processos de produo de acar

Evans et al. (1970) implementou um simulador dinmico de cozimento de

acar a vcuo. Os autores sugerem que o primeiro passo para descrever o comportamento

dinmico do processo seja sempre o desenvolvimento de um modelo matemtico. Segundo os

autores, o modelo fornece uma melhor percepo do comportamento do processo e evidencia

pontos fracos, que podem ser minimizados com a incluso de novos conceitos de operao e

controle. O trabalho apresentou o modelo matemtico desenvolvido e os resultados

experimentais de vrias simulaes.

Em um dos primeiros trabalhos originais sobre o controle da operao de

cozedores a vcuo alimentados com xarope e mel, Frew (1973) aplicou uma teoria de controle

timo com o objetivo de minimizao do tempo da batelada. O trabalho destacou a

necessidade de se medir, com bastante preciso, a supersaturao do licor-me, a massa de

cristais, a pureza do licor-me e ressalta a importncia dos contornos de nucleao. A

quantidade de parmetros empricos utilizados no modelo matemtico foi um fator que

dificultou sua resoluo.

Gros e Nurmi (1979) apresentaram correlaes para solubilidade da sacarose,

taxa de crescimento de cristais, elevao do ponto de ebulio e a viscosidade do licor-me.

As equaes do modelo e as correlaes foram agrupadas em um programa de simulao, cuja

estrutura foi detalhada. Os autores apresentaram os resultados da simulao de cozimentos de

primeira e de segunda e discutiram as limitaes do programa e do mtodo de

32

desenvolvimento do sistema, de modo a conseguir mais preciso. O simulador gerou

resultados com razovel preciso, pelo menos para os cozimentos de primeira. Os autores

comentaram que o modelo poderia ser mais preciso, desde que fossem utilizadas melhores

expresses de correlaes, taxas e tambm da adio do balano populacional para calcular a

distribuio de tamanho dos cristais, a DTC. Eles su