Análise multivariada do funcionamento de uma caldeira mista a biomassa florestal para controle do processo de combustão

Abstract

Com a forte pressão por uma mudança nas matrizes energéticas em direção ao desenvolvimento sustentável, a energia de biomassa é uma alternativa altamente viável por estar apoiada nas bases econômica, social e ambiental que o pressupõem. O entendimento dos eventos envolvidos na transformação dessa energia pode aumentar a sua eficiência. O estudo teve como objetivo mostrar o comportamento de uma caldeira submetida a diferentes combustíveis usando estatística multivariada para evidenciar possíveis rotas de ação na melhoria dos seus processos. Foram aplicadas cartas de controle multivariadas aos dados coletados durante a operação de uma caldeira a biomassa submetida a diferentes combustíveis (C1 – cavaco de eucalipto, C2 – mistura de 60% cavaco de eucalipto e 40% casca de eucalipto) e observou-se seu reflexo nas variáveis obtidas pelo supervisório do equipamento. Os dados também foram submetidos a uma análise de componentes principais (PCA) combinada à estatística T² de Hotelling. Uma carta de controle com gráfico interativo foi desenvolvida e usada como ferramenta para inspeção visual do comportamento das variáveis. Do ponto de vista das cartas de controle, o combustível C2 apresentou maior instabilidade, com maior número de pontos extrapolando o limite da estatística T² de Hotelling e maior distribuição na contribuição das variáveis para saída de controle do processo. A variável pressão da fornalha foi a que teve maior mudança de comportamento, sendo a terceira maior contribuinte para as saídas de controle no uso do combustível C2 e a que menos contribuiu no combustível C1. As quatro variáveis relacionadas à gestão da água (temperatura, pressão, vazão e nível da água) tiveram grande participação na saída de controle no uso do combustível C1, tendo 48,9% de contribuição, contra 41,5% no uso do C2. A PCA demonstrou dispersão maior dos pontos no gráfico de escores quando no uso do combustível C2, denotando maior variabilidade nessa condição. Ainda assim, de forma geral, o comportamento das direções dos vetores de variáveis e dos pontos com estatística T² de Hotelling extrapolada foram similares. A relação entre os pontos extrapolados e as dimensões das variáveis puderam ser analisadas do ponto de vista da variância dos dados.

With the intense pressure for a change in the energy matrixes towards sustainable development, biomass emerges as a highly viable alternative because it is supported by the economic, social, and environmental bases that presuppose it. Understanding the events involved in transforming this energy can increase its efficiency. This work aimed to show the behavior of a boiler subjected to different fuels using multivariate statistical techniques to highlight possible courses of action to improve its processes. Multivariate control charts with Hotelling's T² statistics were applied to the data collected during the operation of a biomass boiler subjected to different fuels (C1 - eucalyptus chips, C2 - a mixture of 60% eucalyptus chips and 40% eucalyptus bark). Their reflection was observed in the variables obtained by the equipment supervisory. The data were also submitted to a principal component analysis (PCA) combined with Hotelling's T² statistics. A control chart with an interactive graph was developed and used to inspect the variables' behavior visually. From the point of view of the control charts, the C2 fuel presented greater instability, with a more significant number of points extrapolating the limit of Hotelling's T² statistic and greater distribution in the contribution of the variables to the process control output. The furnace pressure showed the greater behavior changing, as it was the third contributor for the upper control limit extrapolation when using C2 fuel and the least one to C1 fuel. The four variables related to water management (temperature, pressure, flow, and level) shown great contribution to the control limit extrapolation in the C1 fuel use, having a 48.9% contribution compared to 41.5% in the C2 use. The PCA showed a slightly greater dispersion of the points in the score plot when using C2 fuel, denoting more significant variability under this condition. Even so, in general, the behavior of the directions of the variable vectors and the points with extrapolated Hotelling's T² statistics were similar. The relationship between the points beyond the control limit and the variables' dimensions could be analyzed broadly.