https://repository.ufrpe.br/handle/123456789/2918 2026-04-28T06:56:34Z 2026-04-28T06:56:34Z Silva, Natasha Milena do Santos da https://repository.ufrpe.br/handle/123456789/4553 2024-05-20T13:48:19Z 2020-11-04T00:00:00Z

Título: Sistema de supervisão e controle da planta piloto do LIAC Autor: Silva, Natasha Milena do Santos da Abstract: Industrial automation is an area that stands out more and more for the benefits it brings to the production process, they are: improving quality and productivity and reducing costs. Therefore, it is extremely important that engineering graduates put their knowledge on the subject into practice, and didactic plants are great tools for this purpose. This article presents a supervision and automatic control system of the pilot plant present in the Laboratory of Instrumentation, Automation and Control (LIAC) at UACSA-UFRPE, aiming to cover the first three levels of the automation pyramid: field devices, control and supervision. The system architecture consists of two reservoirs, a programmable logic controller S7-1200, sensors, actuators, and the Elipse SCADA and Matlab software. The methodology for modeling using experimental identification for the level system is presented applying an input step to the plant, with the data being accessed from the supervisory system by the network through the OPC protocol. With the model obtained, simulation and experimentation results are presented using the Proportional-Integral (PI) control strategy for changes in the reference. Finally, a plant supervision and control system and a human-user interface are developed, allowing supervision of the four process variables: level, temperature, pressure and flow, and the level control in the upper reservoir. In addition, it is possible to manage alarms, historical records and reports, for decision making in failure prevision, maintenance and troubleshooting. Resumo: A automação industrial é uma área que se destaca cada vez mais pelos benefícios que trás para o processo produtivo, são eles: melhoria da qualidade e produtividade e redução de custos de produção. Sendo assim, é extremamente importante que os graduandos de engenharia coloquem em prática seus conhecimentos sobre o assunto, e as plantas didáticas são ótimas ferramentas para esse fim. Este artigo apresenta um sistema de supervisão e controle automático da planta piloto presente no Laboratório de Instrumentação, Automação e Controle (LIAC) disponível nas dependências da UACSA-UFRPE, visando percorrer os três primeiros níveis da pirâmide de automação: dispositivos de campo, controle e supervisão. A arquitetura do sistema é composta por dois reservatórios, um controlador lógico programável S7-1200, sensores, atuadores, os softwares Elipse SCADA e o Matlab. Apresenta-se a metodologia para a modelagem via identificação experimental para o sistema de nível, inserindo um degrau na planta, com os dados sendo acessados do sistema supervisório via rede através do protocolo OPC. Com o modelo obtido se apresentam resultados de simulação e experimentação usando a estratégia de controle Proporcional-Integral (PI) ante mudanças na referência. Finalmente, se desenvolve um sistema de supervisão e controle da planta e uma interface homem-máquina, oferecendo a supervisão das quatro variáveis de processo: nível, temperatura, pressão e vazão, e o controle de nível do reservatório superior. Além disso, é possível o gerenciamento de alarmes, registros históricos e relatórios, para a tomada de decisão na previsão de falhas, manutenção e solução de problemas.

2020-11-04T00:00:00Z Melo, Davi de Almeida https://repository.ufrpe.br/handle/123456789/4301 2024-05-15T19:05:57Z 2022-10-05T00:00:00Z

Título: Avaliação de algoritmo de clusterização para segmentação de nuvens de pontos 3D Autor: Melo, Davi de Almeida Abstract: 3D technologies have been explored in many industrial fields. With those technologies functions such as visualization, instrumentation, control, simulation, training, planning, documentation, and more are performed. From that, new types of media were introduced to the industrial context. For instance, the point clouds, which is a set of points distributed on a tridimensional model of reality. They are often built through the operation of a scanner and may contain the characteristics of an object, such as localization, color, reflectance and more in every one of its points. Given that the point clouds represent pieces, equipments, piping, machines, areas and structures in the industrial context, a useful tool is to segment the point clouds and enable a better visualization of separate parts of the same structure. Furthermore, among the presented 3D technologies, point cloud segmentation permeates directly and indirectly the fields of visualization, instrumentation, and control. Thus, verified the importance of the point cloud segmentation, the goal of this monography is to assess two clustering algorithms for 3D point cloud segmentation. They are the DBSCAN and the K-means. Both are categorized as clustering algorithms through unsupervised machine learning. After the assessment, the differences between each algorithm were found. The K-means was verified to have better performance when it comes to disperse data and the equivalent to the DBSCAN when it comes to data distribution with a certain distance between the clusters. Resumo: As tecnologias 3D têm sido exploradas nas diversas áreas da indústria. Com essas tecnologias são executadas funções como visualização, instrumentação, controle, simulação, treinamento, planejamento, documentação, entre outros. A partir disso, novos tipos de mídia foram introduzidos a esse contexto industrial. Como exemplo, existem as nuvens de pontos, que trata-se de um conjunto de pontos distribuídos num modelo tridimensional da realidade. Elas, geralmente, são construídas através da atuação de um scanner e podem conter em cada um de seus pontos as características de um objeto como localização, cor, reflectância e entre outros aspectos. Dado que as nuvens de pontos irão representar peças, equipamentos, tubulações, máquinas, áreas, e estruturas no contexto industrial, conseguir segmentar as nuvens de pontos e possibilitar uma melhor visualização das partes separadas da mesma estrutura é uma ferramenta proveitosa. Além disso, dentre as funções das tecnologias 3D apresentadas, a segmentação de nuvens de pontos perpassa de forma direta e indireta as áreas de visualização, instrumentação e controle. Portanto, verificada a importância da segmentação de nuvens de pontos, o objetivo desta monografia é avaliar dois algoritmos de clusterização para segmentação de nuvens de pontos 3D. São eles, o DBSCAN e o K-means. Ambos estão categorizados como algoritmos de clusterização por meio aprendizagem de máquina não supervisionada. Após a avaliação, foram constatadas as diferenças entre cada algoritmo. Verificou-se um melhor desempenho por parte do K- means quando se trata de dados dispersos e o equivalente para o DBSCAN quando se referem a distribuição de dados com certa distância entre os clusters.

2022-10-05T00:00:00Z