O documento discute o conceito de reconciliação de dados e certificação de dados como uma ferramenta para melhoria da qualidade dos dados de processo e detecção de problemas. Ele explica o que é reconciliação de dados, por que é importante, áreas de aplicação e benefícios. Também aborda tópicos como tipos e fontes de erros, classificação de variáveis, formulação matemática, detecção de erros grosseiros e casos reais de aplicação em processos industriais.

2. Balanço de Massa com
Reconciliação & Certificação de Dados
Um programa de melhorias
rumo à
Excelência Operacional

3. Balanço de Massa com
Reconciliação & Certificação de Dados
• O que é?;
• Por que reconciliação?
• Primeiros trabalhos;
• Importância;
• Áreas de Aplicação;

4. “Estou enxergando bem?”
Limites
teóricos
Nitidez!
Aumentar a
Lucratividade

5. “Estou enxergando bem?”

6. Reflexão com implicações práticas
Quais são no processo as áreas, setores ou
equipamentos onde julgamos haver “problemas
de nitidez”

7. Toda medida tem erros
Uma medida física é um “estimador” do valor
verdadeiro e sempre tem erros associados.

8. Toda medida tem erros

9. Toda medida tem erros

10. Toda medida tem erros

11. Toda medida tem erros

12. Toda medida tem erros
Exatidão × Precisão
I. Preciso e Exato;
II. Impreciso e Exato;
III.Preciso e inexato;
IV.Impreciso e inexato.

13. Toda medida tem erros
Tipos de Erros:
• Aleatórios;
• Viéses (biases);
• Valores espúrios (outliers);

14. Toda medida tem erros
Fontes de Erros:
• Instrumento descalibrado;
• Modelagem inadequada;
• Leitura fora de faixa;
• Frequência de amostragem inadequada;
• Não linearidade do instrumento;
• Erro de transmissão;
• Densidade do fluido incorreta ou variável;

15. Reflexão com implicações práticas
Listar na Tabela 1 o máximo de informações
disponíveis sobre a instrumentação de um
equipamento escolhido.
NOTAS
• Entender o “Impacto” como importância sobre o controle ou na
geração de KPIs, com avaliação de 1 a 5;
• Classificação quanto à exatidão e precisão;

16. O que pode ser feito para aumentar a
nitidez do processo?
... E o que vamos precisar para isso.

17. Dados, dados e mais dados
Quantidade
($↓)
Disponibilidade
(Capacidade de Armazenamento↑ e
Velocidade de Recuperação↑)

18. Qualidade do Dado
• Começa com a precisão do instrumento dada
pelo fornecedor;
• Correção da precisão no tempo;

19. Estrutura do Processo
Topologia

20. Funcionamento dos Equipamentos

21. “Quem tem um relógio
sabe as horas...”
Redundância

22. Redundância
10kg/min
35kg/min
Corrente 1
A Corrente 3
Corrente 2
25kg/min

23. Reflexão com implicações práticas
Indicar a instrumentação no diagrama de um
equipamento e observar redundâncias.

24. Reconciliação de Dados
O que é, como se faz?
• Disponibilidade de dados;
• Conhecimento sobre a qualidade dos dados;
• Estrutura do processo (modelos);
• Conhecimento sobre o funcionamento de
cada equipamento (modelos);
• REDUNDÂNCIA;

25. Reconciliação de Dados
O que é, como se faz?
com redundância
f

26. Reconciliação de Dados
O que é, como se faz?
sem redundância
f

27. Reconciliação de Dados
Classificação de Variáveis
Redundantes
Medidas
Não Redundantes
Observáveis
Não Medidas
Não Observáveis

28. Reconciliação de Dados
Classificação de Variáveis

29. Reconciliação de Dados
Classificação de Variáveis

30. Reconciliação de Dados
Classificação de Variáveis

31. Reconciliação de Dados
Formulação matemática

32. Reconciliação de Dados
Formulação matemática
Vetor das Estimativas

33. Reconciliação de Dados
Formulação matemática
1
A 3
2

34. Reconciliação de Dados
O caso linear estacionário
• Balanços mássicos globais;
• Estado estacionário;
• Modelo mais simples e “perfeito”;
• Aplicação mais comum.

35. Reconciliação de Dados
KPIs

36. Reconciliação de Dados
Acessórios

37. Pré-condicionamento dos dados
• Médias em janela móvel;
• Filtros;

39. Detecção de Erros Grosseiros
Erros grosseiros (erros sem a característica do
ruído branco – erro aleatório) podem estar
presentes entre as leituras. A reconciliação não
funciona com eles!

40. Detecção de Erros Grosseiros
Fontes de erros grosseiros:
• Viéses na instrumentação;
• Vazamentos/perdas de material e energia;
• Valores espúrios verdadeiros;
• Partidas do estacionário;

41. Detecção de Erros Grosseiros
Tratamento de erros grosseiros:
• Identificar a existência;
• Identificar a localização;
• Identificar a quantidade;
• Identificar o tipo (viés ou vazamento);
• Determinar a dimensão;
Ações:
• Eliminar a medida contendo o erro
ou
• Corrigir a medida ou o modelo;
e
• Rodar a RD novamente;

42. Detecção de Erros Grosseiros
Alguns testes para DEG:
• Teste global;
• Teste nodal;
• Teste da medida;

43. Fluxo da Reconciliação e
Certificação de Dados
Dados Modelos Não Observável
Pré- Classificação de
condicionamento Variáveis
Observável
Coaptação de
Não Redundante Redundante Dados
Qualidade Reconciliação de Elim. ou Correção
do Dado Dados de Variáveis
Estimativas Detecção de Erros
Grosseiros
Publicar Estimativas
Reconciliadas

44. Reconciliação e Certificação de Dados
Benefícios
• Retrato mais fiel das eficiências;
• Estimar variáveis não medidas;
• Contabilidade mais precisa;
• Detecção de problemas na instrumentação
(manutenção preventiva);
• Detecção de vazamentos;
• Controle avançado;
• Otimização;

45. Reflexão com implicações práticas
Listar na Tabela 2 eventos suspeitos de perdas
de matéria, indicando a fonte, o que deve ser
feito, o respectivo investimento e a prioridade.

46. Reconciliação de Dados
Cases
Aplicação a um reator de polimerização (BA, Brasil)
– Aplicação em tempo real;
– Janela móvel de tempo de 2 horas com leituras a cada 5
minutos;
– Com e sem balanço energético;
– Resultados off-line: somente análises de dados sem
retorno de dados para o processo;
– Encontraram soluções para a degradação da qualidade do
polímero e sugeriram mudanças no processo (vz. cat.).
FONTE: Simultaneous Data Reconciliation and Parameter Estimation in Bulk Polypropylene
Polymerizations in Real Time, Diego Martinez Prata, Enrique Luis Lima, José Carlos Pinto, Macromol.
Symp. 2006, 243, 91–103

47. Reconciliação de Dados
Cases
Avaliação do impacto da implantação da RD em uma
refinaria de petróleo da Petrobras (REFAP-RS).
– Avaliação do impacto;
– Aumento da confiança nos dados de processo;
– O sistema de RD reduziu o índice de perdas de 1,09% para
0,34%;
– Redução mensal de perdas na ordem de R$ 1,6x106.
FONTE: Implantação de Sistema de Reconciliação de Dados em uma Refinaria de Petróleo,
Idney José Gil Cordão,
Escola de Administração/UFBA, Dissertação de Mestrado, 2005

48. Digital Plant

49. Referências
• BAGAJEWICZ, Miguel J., Smart Process Plants – Software and Hardware Solutions
for Accurate Data and Profitable Operations, McGraw-Hill, 2010.
• BARBOSA, Agremis Guinho, Desenvolvimento de um Software para Detecção de
Erros Grosseiros e Reconciliação de Dados Estática e Dinâmica de Processos
Químicos e Petroquímicos, tese de doutorado, UNICAMP, 2008.
• BARBOSA, Agremis Guinho e COGHI, Marco, Balanço de Massa com Reconciliação
e Certificação de Dados, artigo técnico,
http://www.cbta.com.br/index.php/balanco-de-massa-industrial;
• Data Reconciliation LinkedIn Group,
http://www.linkedin.com/groups?home=&gid=2395227&trk=anet_ug_hm
• NARASIMHAN, Shankar e JORDACHE, Cornelius, Data Reconciliation & Gross Error
Detection, Gulf Publishin Company, 2000.
• ROMAGNOLI, José A. e SÁNCHEZ, Mabel Cristina, Data Processing and
Reconciliation for Chemical Process Operations, Academic Press, 2000.
• SOUDEK, Ales, Data reconciliation and data quality, OSI Software, Inc.