Metodologia para El Diseno de Control Total de Planta

Tesis de Maestra
METODOLOGA PARA EL DISEO DE

CONTROL TOTAL DE PLANTA
LUZ ADRIANA ALVAREZ TORO

Ingeniera Qumica
Maestra en Ingeniera Ingeniera Qumica

Universidad Nacional de Colombia
Facultad de Minas
Medelln
2008
Tesis de Maestra
METODOLOGA PARA EL DISEO DE

CONTROL TOTAL DE PLANTA
Presentado por:
LUZ ADRIANA ALVAREZ TORO

Ingeniera Qumica
Como requisito para optar al ttulo de:
Magster en Ingeniera Ingeniera Qumica
Director: Jairo Espinosa Oviedo, PhD.

Codirector: Hernn Alvarez Zapata, PhD.
Universidad Nacional de Colombia

Escuela de Procesos y Energa
Facultad de Minas
Medelln
2008
A Ricardo, Gloria y Lina.
Tesis de Maestra Ingeniera Qumica
Luz Adriana Alvarez Toro
___________________________________________________________________________________________________
AGRADECIMIENTOS
Al Profesor Jairo Espinosa, quien dirigi esta Tesis y me motiv a trabajar en

Control Total de Planta, por los valiosos conocimientos transmitidos, por su
colaboracin y por su confianza.
Al Profesor Hernn Alvarez, por el apoyo incondicional durante mi paso por la

Universidad, porque siempre crey en m y me hizo ver mis fortalezas.
A la Universidad Nacional de Colombia, por la Beca de Estudiantes

Sobresalientes de Posgrado otorgada durante los dos aos de la Maestra.
A los Doctores Darci Odloak y Oscar A. Z. Sotomayor, de la Universidad de So

Paulo, por abrirme las puertas en su grupo de investigacin e impulsarme a
trabajar en Control Predictivo y Optimizacin en Tiempo Real.
A la Red de Macrouniversidades de Amrica Latina y el Caribe, por el auxilio

econmico para desarrollar la pasanta en la Universidad de Sao Paulo.
Al Grupo de Automtica de la Universidad Nacional, por permitirnos un espacio

de discusin a todos los que nos gusta el Control de Procesos.
Al Profesor Manuel Betancur, de la Universidad Pontificia Bolivariana, por las

sugerencias y correcciones hechas en el momento oportuno.
A los dems profesores de la Maestra en Ingeniera Qumica: Jaime Aguirre,

Alejandro Molina, Farid Chejne, Carlos Snchez, Vesselina Pashova y Daro
Gallego, por contribuir con sus conocimientos en mi formacin como Magster.
1
___________________________________________________________________________________________________
2
___________________________________________________________________________________________________
RESUMEN
En esta Tesis se presenta una metodologa basada en la controlabilidad para

seleccin de estructuras de control como una aproximacin al control total de
planta. Inicialmente se presenta una definicin y las perspectivas de control total
de planta. Para desarrollar la metodologa, se hace nfasis en el concepto de
controlabilidad, se estudian las herramientas existentes para el diseo y seleccin
de estructuras de control, principalmente la matriz de ganancias relativas y el
anlisis de valores singulares. La metodologa propuesta utiliza una
representacin del sistema basada en las matrices de controlabilidad y
observabilidad, conocida como la matriz de Hankel. Esta matriz representa el
comportamiento dinmico del proceso en trminos entrada-salida. Por medio de
una descomposicin en valores singulares se propone calcular el impacto
dinmico de cada variable en el sistema y con base en dicho impacto se formula
un criterio de seleccin de pareamientos de variables. La aproximacin es
aplicada a la planta Tennessee Eastman parcialmente controlada, en un nivel
superior donde los lazos son interactuantes y en un nivel inferior donde las
dinmicas son ms rpidas pero se presenta una menor interaccin. Estos
resultados se comparan con el mtodo de ganancias relativas. Finalmente se
presentan las conclusiones y los trabajos futuros.
3
___________________________________________________________________________________________________
4
___________________________________________________________________________________________________
ABSTRACT
In this work a methodology based on controllability for control structure selection is

presented, as an approximation to plant-wide control. First, a definition and
perspectives on plant-wide control are introduced. For developing the methodology,
controllability concept is emphasized, current tools for control structure selection
and design are studied, mainly the relative gain array and singular value analysis.
The methodology proposed uses a system representation derived from
controllability and observability matrix, the Hankel matrix. This matrix represents
the process dynamic input-output behavior. Through singular value decomposition,
it is intended to calculate the dynamic impact on the system for each input and
output variable. Based on this impact, a criterion for pairing variables is formulated.
The approximation is applied to the Tennessee Eastman process partially
controlled in two levels: a superior level where loops are hardly interacting, and a
lower level where loops operate very fast but interaction is not so hard. Results are
compared with Relative Gain Array in steady-state and in frequency. Finally,
conclusions and future works are given.
5
___________________________________________________________________________________________________
6
___________________________________________________________________________________________________
TABLA DE CONTENIDO
1 INTRODUCCIN 15
PARTE I. CONTROL TOTAL DE PLANTA: DEFINICIN Y

PERSPECTIVAS 19
2 TENDENCIAS DEL DISEO DE PROCESOS Y SUS

IMPLICACIONES EN EL CONTROL 21
2.1 Reciclo de Materia 22

2.2 Integracin de Energa 22
2.3 Efecto Bola de Nieve 24
3 CONTROL TOTAL DE PLANTA 27
3.1 Decisiones Estructurales 29

3.2 Estado del Arte 31
3.2.1 Trabajos Previos en Control Total de Planta 31
3.2.1.1 Descomposicin basada en unidades de proceso 31
3.2.1.2 Descomposicin jerrquica basada en estructuras
de proceso 32
3.2.1.3 Descomposicin jerrquica basada en objetivos de
control 32
3.2.1.4 Descomposicin jerrquica basada en escalas de
tiempo 33
3.2.1.5 Otras aproximaciones 34
3.2.2 Trabajos Previos en Decisiones Estructurales 35
3.2.2.1 Seleccin de salidas controladas 35
3.2.2.2 Seleccin de entradas manipuladas 36
3.2.2.3 Seleccin de mediciones 36
3.2.2.4 Configuracin del sistema de control 37
3.2.2.5 Seleccin del tipo de controlador 37
3.3 Comentarios Finales 38
7
___________________________________________________________________________________________________
PARTE II. DISEO DE ESTRUCTURAS DE CONTROL A PARTIR

DE LA CONTROLABILIDAD 41
4 CONTROLABILIDAD 43
4.1 Controlabilidad de Estado 43

4.2 Observabilidad de Estado 44
4.3 Controlabilidad de Salida 45
4.4 Controlabilidad Entrada-Salida 46
4.4.1 Definiciones propuestas en la literatura 46
4.4.2 Evaluacin de la controlabilidad entrada-salida 48
4.5 Controlabilidad de Estado vs. Controlabilidad Entrada-Salida 49
5 HERRAMIENTAS PARA LA SELECCIN DE ESTRUCTURAS

DE CONTROL 51
5.1 Matriz de Ganancias Relativas 51

5.1.1 RGA en estado estacionario 51
5.1.2 Extensiones del mtodo de ganancias relativas 53
5.2 Anlisis de Valores Singulares 56
5.2.1 Descomposicin en valores singulares - Definicin 56
5.2.2 Aplicaciones de SVD en seleccin de estructuras de control 57
5.3 Acondicionamiento Numrico 61
5.4 ndice de Niederlinski 62
5.5 Otros Mtodos de Seleccin de Estructuras de Control 63
5.6 Comentarios Finales 64
6 METODOLOGA PROPUESTA PARA EL DISEO DE

ESTRUCTURAS DE CONTROL 67
6.1 Matriz de Hankel 67

6.2 Interpretacin en tiempo discreto de la matriz de Hankel 68
6.3 Seleccin basada en SVD de la matriz de Hankel 72
6.3.1 Descomposicin SVD de la matriz de Hankel 72
6.3.2 Ponderacin del efecto dinmico de entradas y salidas 73
6.3.3 Criterio de seleccin de pareamientos entrada-salida 75
6.4 Esquema de la Metodologa basada en Hankel 76
7 CASO DE ESTUDIO: PLANTA TENNESSEE EASTMAN 79
7.1 Estrategias de control descentralizado en la planta TE 80

7.2 Obtencin del Modelo 81
7.2.1. Definicin del sistema 82
7.2.2. Obtencin del modelo lineal en espacio de estados 84
7.2.3. Acondicionamiento numrico 85
8
___________________________________________________________________________________________________
7.3 Metodologa basada en la SVD de la Matriz Hankel 86

7.3.1. Sistema SI: Lazos externos 86
7.3.2. Sistema SII: Lazos internos 87
7.4 Evaluacin de la RGA 89
7.4.1. Sistema SI: Lazos externos 89
7.4.2. Sistema SII: Lazos internos 94
7.5 Anlisis y Discusin de Resultados 97
8 CONCLUSIONES Y TRABAJOS FUTUROS 101
REFERENCIAS BIBLIOGRFICAS 107
APNDICE A: PLANTA TENNESSEE EASTMAN 117
APNDICE B: ESTRATEGIA DE CONTROL PREDICTIVO Y OPTIMIZACIN

DE LA PLANTA TENNESSEE EASTMAN 121
B.1 Revisin de la literatura 121
B.2 Controlador predictivo 123
B.3 Optimizacin en tiempo real RTO 126
B.4 Resultados 129
B.5 Comentarios finales 133
B.6 Referencias citadas en el apndice B 134
9
___________________________________________________________________________________________________
10
___________________________________________________________________________________________________
LISTA DE FIGURAS
Figura 2.1. Dos configuraciones de columnas de destilacin. a) Sin integracin

energtica. b) Con integracin energtica. 23
Figura 2.2 Representacin en funciones de transferencia del reciclo de

materia 25
Figura 2.3 Respuesta de un sistema con reciclo para diferentes valores en la

ganancia del reciclo kR 26
Figura 3.1. Estructura jerrquica tpica del sistema de control en una planta de
procesos qumicos 28
Figura 3.2 Jerarqua tpica de control en una planta (Larsson, 2000) 34
Figura 6.1 Algoritmo de la metodologa SVD de la matriz de Hankel 77
Figura 7.1 Diagrama de proceso de la planta Tennessee Eastman (TE) 79
Figura 7.2. Representacin esquemtica de la planta TE controlada 82
Figura 7.3. Sistemas SI y SII de la planta TE parcialmente controlada 83
Figura 7.4. Ganancia relativa y distancia al punto 1+0i en todo el rango de

frecuencias para el par y1 - u1 del SI 91



11
___________________________________________________________________________________________________


frecuencias para el par y1 - u1 del SII 95




Figura A.1. Diagrama de la planta Tennessee Eastman 118
Figura B.1. Variables seleccionadas del esquema MPC en la planta TE 125
Figura B.2. Esquema MPC+RTO implementado en la planta TE 127
Figura B.3. Variables controladas del MPC en seguimiento de calidad y de

velocidad de produccin con el esquema RTO 129
Figura B.4. Variables manipuladas del MPC en seguimiento de calidad y de

Figura B.5. Variables manipuladas del proceso en seguimiento de calidad y de

Figura B.6. Variables controladas del proceso en rechazo a perturbaciones con el

esquema RTO 131
Figura B.7. Variables manipuladas del controlador MPC en rechazo a

perturbaciones con el esquema RTO 132
Figura B.8. Variables manipuladas del proceso en rechazo a perturbaciones con

el esquema RTO 132
Figura B.9. Accin de control aplicada al proceso de la estrategia descentralizada

(izquierda) y de la estrategia RTO (derecha) 133
12
___________________________________________________________________________________________________
LISTA DE TABLAS
Tabla 4.1. Controlabilidad de Estado versus Controlabilidad Entrada-Salida 50
Tabla 7.1. Variables de entrada y salida definidas para los sistemas SI y SII 84
Tabla 7.2. Valores mximos y mnimos de las variables para el AN de los

sistemas SI y SII 85
Tabla A.1. Variables medidas de la planta Tennessee Eastman 118
Tabla A.2. Variables manipuladas de la planta Tennessee Eastman 120
Tabla B.1. Variables del controlador MPC 124
Tabla B.2. Ponderaciones en el controlador MPC 126
Tabla B.3. Restricciones en las entradas para el controlador MPC 126
Tabla B.4. Parmetros para el control MPC por zonas 128
13
___________________________________________________________________________________________________
14
___________________________________________________________________________________________________
1 INTRODUCCIN
Con el propsito de mejorar la eficiencia de los procesos qumicos en la industria,

en el diseo de las plantas se vienen incluyendo cada vez ms los reciclos de
materia y la integracin energtica. Estas caractersticas hacen ms compleja la
operacin del proceso, y en consecuencia, dificultan su control. El Control Total
de Planta surge como una manera de abordar dicho problema desde la globalidad.
Desafortunadamente, por el tamao del problema, la mayora de soluciones
propuestas son heursticas, estn basadas en el conocimiento del proceso y
buscan descomponer jerrquicamente el diseo del sistema de control en la planta.
No obstante, debe aclararse que Control Total de Planta se ocupa del diseo de la
estructura de control de la planta y no de los controladores, el cmo disear y
sintonizar los controladores no hace parte de su objeto de estudio. Ntese que con
la teora de control moderna han surgido mtodos muy sofisticados para disear
controladores, razn por la cual se considera que en diseo de controladores hay
mayor desarrollo en comparacin con el diseo de las estructuras de control, que
generalmente se basa en decisiones heursticas. Adicionalmente, para las plantas
con reciclo e integracin energtica, es mucho mas complejo el diseo de la
estructura de control que el de los controladores y el diseo de la estructura de
control es un paso previo al diseo de los controladores, lo cual le da una
importancia vital. Por esto, en esta Tesis se estudia especialmente el diseo de
estructuras de control y se encuentra un mtodo sistemtico para tomar estas
decisiones.
La mayora de los mtodos de diseo y seleccin de estructuras de control dicen

estar basados en la controlabilidad, uno de los ms conocidos es la matriz de
ganancias relativas (RGA). Sin embargo, al revisar dichos mtodos no se
encuentra un verdadero nexo con la controlabilidad de estado de Kalman, ya que
proponen ndices y mediciones que relacionan las propiedades entrada-salida del
sistema, y sugieren configuraciones de los lazos de control. Segn lo anterior,
para el desarrollo de este trabajo se considera importante aclarar el concepto de
controlabilidad y entender cmo y por qu se utiliza para la seleccin de
estructuras de control.
15
___________________________________________________________________________________________________
Por otro lado, en una planta el sistema de control no solamente debe garantizar un
buen desempeo, sino que tambin debe satisfacer los requerimientos
econmicos. La calidad del producto y la velocidad de produccin son dos
variables esenciales en trminos econmicos, y muchos de los procedimientos
heursticos en control total de planta hacen uso del criterio econmico teniendo en
cuenta estas dos variables. En las plantas de procesos qumicos, los objetivos de
control generalmente estn asociados a los objetivos econmicos, razn por la
cual el criterio econmico se emplea en el diseo de estructuras de control. Segn
lo anterior, se considera importante estudiar de qu manera y en qu medida el
criterio econmico es tenido en cuenta en Control Total de Planta.
Dentro de la jerarqua del control en una planta, se encuentra la optimizacin

econmica, que se implementa en un nivel superior. Una de las estrategias ms
avanzadas para mejorar el desempeo econmico es la optimizacin en tiempo
real, la cual gobierna los puntos de ajuste de los controladores de la planta, que se
encuentran en niveles inferiores de la jerarqua. Como un complemento a la
investigacin que se presenta en diseo de estructuras de control, este trabajo
presenta tambin el desarrollo de una estrategia de optimizacin en tiempo real
combinada con control predictivo. La idea es visualizar la forma jerrquica como el
control es efectuado en las plantas, a un nivel mas completo y sofisticado.
OBJETIVOS
En referencia a lo mencionado previamente respecto a Control Total de Planta,

diseo de estructuras de control, RGA, controlabilidad y criterios econmicos, los
objetivos planteados en esta Tesis son los siguientes:
Objetivo General:
Proponer una metodologa basada en el concepto de controlabilidad que permita

disear y seleccionar estructuras de control total de planta.
Objetivos Especficos:
- Explorar las relaciones entre el concepto de controlabilidad y la matriz de

ganancias relativas.
- Plantear una mtrica que permita discriminar y evaluar diferentes

configuraciones del sistema de control desde el punto de vista de la
controlabilidad.
- Establecer un procedimiento para disear estructuras de control como una

aproximacin al control total de planta.
- Comparar el criterio de controlabilidad y ganancias relativas con otros

criterios econmicos.
16
___________________________________________________________________________________________________
ESTRUCTURA DE LA TESIS
El contenido de esta Tesis est dividido en dos partes, y cada parte est
distribuida en captulos.
En la Parte I, Captulos 2 y 3, se presenta la definicin y las perspectivas en

Control Total de planta:
Captulo 2: Muestra las tendencias en el diseo que obligan a tener una visin
global de la planta para su control.
Captulo 3: Se define control total de planta y se presenta el estado del arte.
En la Parte II, Captulos 4 al 7, se trata la seleccin de estructuras de control

utilizando el concepto de controlabilidad:
Captulo 4: Se presentan las diferentes definiciones de controlabilidad.

Captulo 5: Se presentan las herramientas ms utilizadas para seleccin de
Captulo 6: Se propone una nueva metodologa para diseo y seleccin de
Captulo 7: Se prueba la metodologa en una planta y se compara con el mtodo
de ganancias relativas.
Captulo 8: Presenta las conclusiones y los trabajos futuros.
El Apndice A presenta en detalle la descripcin del caso de estudio: la planta

Tennessee Eastman. El Apndice B la implementacin de una estrategia de
control predictivo y optimizacin en tiempo real en el caso de estudio.
17
___________________________________________________________________________________________________
18
___________________________________________________________________________________________________
PARTE I
CONTROL TOTAL DE PLANTA:

DEFINICIN Y PERSPECTIVAS
El diseo de procesos qumicos busca minimizar los costos de produccin y

maximizar el rendimiento de las materias primas. Como resultado, en las plantas
son cada vez mas frecuentes los reciclos de materia y la integracin energtica.
Estas caractersticas hacen ms difcil el control del proceso, por lo cual se ve la
necesidad de disear el sistema de control desde la globalidad. Es as como surge
el Control Total de Planta, un tpico muy explorado desde la heurstica, pero que
an no est lo suficientemente maduro en lo terico y conceptual.
En esta Parte I, se muestra un panorama global del problema de control total de

planta, para definirlo y entenderlo. Asimismo, como en investigacin es esencial
conocer lo que otros investigadores han hecho en torno al tema, se da una
descripcin general de trabajos previos. Se muestran diferentes aproximaciones,
de las cuales se tomaron algunos elementos para elaborar la propuesta de
investigacin. Se espera que este captulo justifique y sirva de soporte para todo el
trabajo desarrollado, que se presenta posteriormente en la Parte II.
19
___________________________________________________________________________________________________
20
___________________________________________________________________________________________________
2 TENDENCIAS DEL DISEO DE PROCESOS Y

SUS IMPLICACIONES EN EL CONTROL
En los procesos qumicos, la demanda creciente de una operacin ptima y de

una utilizacin eficaz de la energa y de las materias primas ha resultado en
procesos cada vez ms integrados. El material que no reacciona se recircula y las
corrientes de proceso a alta temperatura se aprovechan como intercambiadores
de calor para otras corrientes que estn a menor temperatura. La tendencia del
diseo de procesos a aumentar la integracin tanto de materia como de energa
en la planta, tiene un efecto muy pronunciado, y en algunos casos no deseado,
sobre las dinmicas del proceso. Tales efectos dinmicos dificultan el control y la
correcta operacin de la planta. Uno de ellos es el efecto denominado bola de
nieve (Luyben, 1994) que se manifiesta de forma dinmica y esttica. Por ejemplo,
al recircularse la materia, una perturbacin en la entrada al proceso se
retroalimenta al proceso mismo a travs de la corriente de reciclo, aumentando las
ganancias y las constantes de tiempo del proceso, dicho en otras palabras, el
reciclo de materia hace el proceso ms sensible a las perturbaciones y por lo tanto
le exige un mejor desempeo al sistema de control.
La integracin de materia y energa, adicionalmente, implica generar nuevas

conexiones entre unidades de proceso que incrementan la interaccin entre las
dinmicas de cada uno de los equipos que conforman la planta. De esta manera
las dinmicas de un equipo se encuentran sujetas a dinmicas de otros equipos, y
dichas relaciones se hacen ms complejas en la medida que se aumenten los
reciclos y la integracin energtica.
La interaccin dinmica entonces, obliga a abordar el problema del control en la

planta desde una perspectiva global. Surge entonces el concepto de control total
de planta. No obstante, debe quedar claro que incluso en procesos sin integracin
es necesaria una visin global ya que la planta consiste de una secuencia de
unidades conectadas en series, y cada unidad actuar como perturbacin para la
siguiente, ah est la interaccin.
21
___________________________________________________________________________________________________
2.1 RECICLO DE MATERIA

La mayora de los procesos qumicos en la industria contienen corrientes de
reciclo. Desde el punto de vista del diseo del proceso, el recircular la materia
tiene varios propsitos (Marcos, 2001):
- Aumentar la conversin: En procesos qumicos con reacciones reversibles,

la conversin de los reactivos est limitada por el equilibrio qumico. El
efluente de un reactor donde ocurre una reaccin reversible siempre
contiene reactivos y productos, la separacin y el reciclo de los reactivos es
esencial para que el proceso sea econmicamente viable.
- Mejorar la economa del proceso: En la mayora de los sistemas es ms

econmico tener un reactor con conversin incompleta y recircular los
reactivos, que alcanzar el nivel necesario de conversin con un solo reactor
de gran tamao o con varios reactores en serie, para aumentar el tiempo
total de residencia.
- Mejorar la selectividad del proceso: En sistemas de reacciones en serie, por

ejemplo ABC, donde B es el producto deseado, la tasa de conversin
de A debe ser baja para evitar una alta concentracin de B, ya que de este
se produce C, el producto no deseado. Esto es, la concentracin de B en el
reactor debe mantenerse baja, evacuando el producto B y recirculando A.
- Prevenir reacciones secundarias: Frecuentemente se utiliza un gran exceso

de uno de los reactivos para mantener bajas las concentraciones de los
otros reactivos, principalmente el reactivo lmite. Si el reactivo lmite no se
mantiene en una concentracin baja, este reacciona dando lugar a
productos no deseados. El reactivo lmite debe entonces separarse del
reactor y recircular los reactivos en exceso, para evitar reacciones
secundarias.
- Controlar propiedades en reactores de polimerizacin: Como ya se

mencion, con el reciclo es posible controlar la conversin de un reactivo
lmite, manteniendo baja su concentracin. En reactores de polimerizacin,
la conversin del monmero est limitada para conseguir unas
determinadas propiedades en el polmero, tales como su peso molecular
promedio, la distribucin de pesos moleculares, etc. Por otro lado, la
conversin aumenta la viscosidad, al limitar entonces la conversin, se
facilita la agitacin en el reactor y la eliminacin de calor.
2.2 INTEGRACIN DE ENERGA

Cuando se utiliza una corriente del proceso a alta temperatura para ceder calor a
una corriente que se encuentra a menor temperatura, se dice que el proceso est
22
___________________________________________________________________________________________________
integrado energticamente o acoplado trmicamente. El objetivo de la integracin

energtica es mejorar la eficiencia termodinmica del proceso, lo que supone una
reduccin en los costos de servicios auxiliares, por ejemplo, de un vapor a alta
temperatura. En procesos con grandes demandas de energa el ahorro puede ser
muy significativo, por ejemplo en las columnas de destilacin acopladas
trmicamente hay un gran inters en reducir los costos energticos (Seborg et al,
2004).
Figura 2.1. Dos configuraciones de columnas de destilacin. a) Sin integracin

energtica. b) Con integracin energtica.
En la Figura 2.1.b), se muestra un sistema de columnas de destilacin con

integracin energtica. Dicha integracin reduce los costos energticos
permitiendo que el destilado de la columna 1 se utilice como medio de
calentamiento para el rehervidor de la columna 2. No obstante, esta configuracin
es ms difcil de controlar por dos razones bsicas. Por un lado, el proceso es
altamente interactuante porque las perturbaciones en una columna afectan a la
23
___________________________________________________________________________________________________
otra columna de forma sinrgica, esto es, la perturbacin se propaga por dos
caminos: el flujo de salida de la columna 1 entra en la columna 2 y la corriente
superior de la columna 1 a alta temperatura cede calor al rehervidor de la columna
2. Segundo, la demanda de calor del rehervidor de la columna 2 deja de ser una
variable manipulada independiente, por lo tanto, la configuracin de la integracin
energtica tiene una variable manipulada menos que est disponible para el
control del proceso.
Segn Seborg y colaboradores (2004), estas desventajas pueden disminuirse

accionando un pequeo rehervidor anexo para la columna 2, o utilizando
estrategias de control avanzado (Shinskey, 1996). El rehervidor anexo acta en
paralelo con el rehervidor principal, pero posee un suministro separado de medio
de calentamiento que puede manipularse. De esta forma, aadiendo el rehervidor
anexo, se recupera el grado de libertad que se perdi originalmente como
resultado de la integracin energtica.
Ntese que la solucin propuesta implica realizar cambios en el diseo del

proceso y no tiene en cuenta el problema de las interacciones. Por ejemplo si hay
una perturbacin en la temperatura de la columna 1, esta se propagar mas rpido
y con una ganancia mas alta en la columna 2 en comparacin con el sistema sin
integracin energtica, ya que la perturbacin tiene dos caminos para propagarse
y el del acoplamiento trmico es el ms fuerte, incluso si se colocara el rehervidor
anexo.
2.3 EFECTO BOLA DE NIEVE

Como puede verse, tanto el reciclo de materia como el acoplamiento trmico
incrementan la interaccin entre las diversas dinmicas del proceso al generar
nuevas relaciones entre las variables involucradas. Es as como el proceso se
hace ms complejo de controlar. Mediante el efecto bola de nieve es posible
explicar como la integracin de materia y/o energa afecta el comportamiento
dinmico y de estado estacionario del proceso.
Luyben (1994) introdujo el trmino bola de nieve para describir el efecto del
reciclo en un sistema de reactor-separador con reciclo. Tal efecto implica que un
ligero cambio en alguna variable del proceso, como el flujo de alimentacin al
reactor, puede producir cambios extremadamente grandes en otras variables del
proceso. Dicho efecto acta como retroalimentacin positiva y puede causar
inestabilidad en toda la planta.
Por ejemplo, el reciclo de materia en un sistema reactor-separador-reciclo se

puede representar en funciones de transferencia como una retroalimentacin
positiva de la salida, tal como se observa en la Figura 2.2. Fsicamente la salida
medida puede representar ya sea el flujo, la temperatura o la concentracin en el
efluente del reactor, y la entrada una perturbacin en la corriente de alimentacin.
24
___________________________________________________________________________________________________
Figura 2.2 Representacin en funciones de transferencia del reciclo de materia
La funcin de transferencia gD(s) representa el proceso sin reciclo (el reactor), y

gR(s) representa el reciclo de materia (la seccin de separacin-reciclo), por
simplicidad supngase que la dinmica del reciclo es despreciable, y que la
dinmica del reactor es de primer orden y de ganancia unitaria:
g R (s) = k R (2.1)
1
g D ( s) = (2.2)
s +1
Supngase adems que la perturbacin es un escaln unitario:
1
d (s) = (2.3)
s
La respuesta del sistema queda entonces en funcin de la ganancia del reciclo kR,
tal como se ve en la siguiente ecuacin:
1

1 k 1
y ( s) = R
(2.4)
1 s
s + 1
1 kR
Para ilustrar los efectos dinmicos y estticos del reciclo, en la Figura 2.3 se
grafic la respuesta del sistema con la ganancia del reciclo como parmetro.
Ntese que al aumentar la relacin de reciclo la constante de tiempo del proceso
aumenta haciendo el proceso ms lento, la ganancia del proceso en estado
estacionario tiende a aumentar con el reciclo y a su vez una relacin de reciclo
muy alta tiende a desestabilizar el proceso, ntese que para kR=1, la salida
25
___________________________________________________________________________________________________
aparenta comportarse como un integrador puro. Ntese que por ejemplo en una
columna de destilacin, kR corresponde a la relacin de reflujo, esto es, la relacin
entre el flujo que se recircula y el flujo total de salida. Cuando kR=1 implica que
todo el flujo que sale se recircula, obviamente esto genera una acumulacin de
materia en el sistema. Dicho efecto se conoce como bola de nieve y se visualiza
en la Figura 2.3.
10
8
kR=1 kR=1
7
kR=0.9kR=0.9
Salida
4 kR=0.75
kR=0.75
3
2
kR=0
kR=0
1
0
0 1 2 3 4 5 6 7 8 9 10
Tiempo
Figura 2.3 Respuesta de un sistema con reciclo para diferentes valores en la
ganancia del reciclo kR
Con este ejemplo tan sencillo queda claro que la presencia del reciclo tiene
implicaciones en el comportamiento dinmico del proceso y en estado estacionario.
Con un anlisis similar se puede demostrar el efecto bola de nieve para el caso
de integracin energtica.
26
___________________________________________________________________________________________________
3 CONTROL TOTAL DE PLANTA
Una planta puede tener miles de mediciones y lazos de control, Control Total de
Planta no se refiere a la sintona y comportamiento de cada uno de estos lazos,
sino al diseo de toda la estructura de control, ms especficamente, a las
decisiones estructurales. La decisin estructural incluye tanto la ubicacin de las
vlvulas y los sensores, as como la configuracin del sistema de control. En la
prctica, el sistema de control de una planta de procesos qumicos tpica puede
representarse jerrquicamente como en la Figura 3.1.
El nivel fundamental en el sistema de control es el nivel de Control

Regulatorio, este consiste principalmente en controladores de lazo sencillo,
junto con algunos prealimentados y controles de relacin. En este nivel son
poco comunes los controladores multivariables. El nivel regulatorio
mantiene cierto nmero de variables controladas cerca de sus puntos de
ajuste, determinados ya sea por operadores o por niveles superiores en el
sistema de control. Este sirve principalmente para estabilizar la planta y
mantener unas condiciones seguras de operacin. Comnmente opera en
una escala de tiempo de minutos o segundos.
Por encima del control regulatorio se encuentra el nivel de Control

Supervisorio. Este nivel coordina las acciones de los controladores
individuales del nivel regulatorio. Con frecuencia, los controladores
multivariables se implementan en este nivel, tambin pueden llevarse a
cabo algunas rutinas simples de optimizacin en partes especficas de la
planta. Generalmente opera en escala de minutos u horas.
El nivel superior del sistema de control es el nivel de Optimizacin de la

Planta. En este, se optimiza la operacin total de la planta para maximizar
el beneficio econmico, sujeto a restricciones tales como capacidad de
equipamiento, seguridad y regulaciones ambientales. La optimizacin
puede operar en una escala de tiempo de das. En este nivel se considera
la planeacin de la produccin, y aunque es mucho ms avanzado y
complejo que los niveles regulatorio y supervisorio, no puede considerarse
como el ms importante ya que depende de los niveles inferiores. Cada
27
___________________________________________________________________________________________________
nivel superior depende del nivel regulatorio para implementar los cambios al
proceso determinados por el nivel supervisorio y de optimizacin. Un nivel
regulatorio bien diseado har ms simple el diseo de niveles superiores,
y de la misma manera, un mal control regulatorio har imposible lograr las
mejoras en el proceso calculadas por el optimizador.
Como puede verse, disear la estructura de control en una planta no es una tarea
simple, incluso sin considerar el nivel superior. Se requiere un buen conocimiento
del proceso y una serie de herramientas que permitan tomar las mejores
decisiones estructurales. En la mayora de los casos el problema se ha resuelto de
forma heurstica, sin el uso de herramientas matemticas consolidadas.
OPTIMIZACIN DE LA PLANTA
CONTROL Puntos de
SUPERVISORIO Ajuste
CONTROL
REGULATORIO
Variables
PROCESO medidas
Variables
manipuladas
Figura 3.1. Estructura jerrquica tpica del sistema de control en una planta de
procesos qumicos
Por otra parte, dadas las implicaciones dinmicas y estticas de la integracin de

materia y energa en las plantas de proceso ya mencionadas en la seccin anterior,
hasta aqu ya es clara la necesidad de tener una visin global del proceso para
disear su sistema de control. El impacto de la integracin en un proceso sobre el
diseo de su estructura de control, demanda un mejor conocimiento y
comprensin del comportamiento dinmico y en estado estacionario del proceso
28
___________________________________________________________________________________________________
por parte del ingeniero, para posteriormente disear sistemas de control que
resulten en una operacin eficiente y confiable. Adicionalmente, existe la
necesidad de utilizar procedimientos mas sofisticados para el diseo de
controladores que operen el proceso cerca del punto de operacin ptimo a pesar
de las perturbaciones.
En la teora de control moderna han surgido mtodos bastante sofisticados de

diseo de controladores, por ejemplo, con la introduccin de la teora de control
ptimo en la dcada de los 60, el control ptimo H y el control predictivo basado
en modelo MPC en la dcada de los 80. Sin embargo, la mayora de teoras de
control disponibles y mtodos de diseo asumen que la estructura de control est
dada antes del diseo. Estas no consideran de manera explcita las decisiones
estructurales involucradas en el diseo de la estructura de control, adems fallan
al responder algunas preguntas bsicas que el ingeniero regularmente se
encuentra en la prctica: qu variables deben controlarse, cules deben medirse,
qu variables manipular, cmo enlazar estas variables y qu controlador utilizar?.
3.1 DECISIONES ESTRUCTURALES

Tal como se mencion previamente, Control Total de Planta se refiere a las
decisiones estructurales en el diseo del sistema de control para la planta. Tales
decisiones estructurales se definen mediante cinco tareas bsicas:
1. Seleccin de las salidas controladas: Qu variables controlar en el proceso?

Normalmente dicha seleccin se hace de manera intuitiva, se sugiere determinar
cualitativamente los objetivos de control y luego cuantificarlos en trminos de las
variables de salida, es decir, las variables que describen el comportamiento del
proceso.
2. Seleccin de las entradas manipuladas: Donde colocar las vlvulas de

control? Usualmente en un proceso se tiene una cantidad de variables de entrada
disponibles que pueden ajustarse de forma independiente. Para su seleccin, las
variables manipuladas elegidas deben cumplir las siguientes condiciones:
- Asegurar la controlabilidad de todas las variables controladas.
- Que el efecto sobre la variable controlada sea rpido y significativo.
- La incertidumbre en los modelos que relacionan las entradas y salidas debe
ser baja.
- La manipulacin de estas variables debe suponer un bajo costo en la
operacin de la planta.
3. Seleccin de variables medidas: Por lo general, los objetivos de control

pueden ser cantidades no medibles. En tal caso deben medirse otras variables
que puedan medirse fcil y rpidamente, y que determinen mediante alguna
relacin matemtica el valor de la variable controlada. Por otro lado, tambin
pueden medirse directamente las perturbaciones para monitorear el
29
___________________________________________________________________________________________________
comportamiento del proceso o para utilizarse en estrategias de control

prealimentado o predictivo.
4. Configuracin del sistema de control: Cmo enlazar las variables? La

configuracin se refiere a la estructura del controlador que interconecta
mediciones, puntos de ajuste y variables manipuladas, es decir, la forma como se
relacionan todas estas variables. Esta decisin es especialmente importante en
control descentralizado, ya que los lazos de control deben estar configurados de
manera tal que se garantice que para cada lazo existe un controlador que
satisfaga los requerimientos de desempeo de la planta.
5. Seleccin del tipo de controlador: Se refiere a la ley de control, que puede

ser control PID, desacoplado, control predictivo MPC, entre otros. Dependiendo
del tipo de controlador seleccionado, esta decisin puede tomarse antes o
paralelamente con la configuracin del sistema de control, por ejemplo para un
control por matriz dinmica DMC, el proceso debe ser estable, lo que implica que
deben controlarse previamente la o las variables que hacen el proceso inestable y
posteriormente seleccionar las variables que van a controlarse con el controlador
multivariable.
En la mayora de los casos, el diseo de la estructura de control se resuelve

mezclando un anlisis de objetivos de control y de grados de libertad (tareas 1 y 2),
con un diseo del sistema de control que comienza por estabilizar la planta (3, 4 y
5). Desafortunadamente, por lo general en este procedimiento no se utilizan
herramientas tericas.
El diseo de estructuras de control fue considerado por Foss (1973) en su artculo

titulado Crtica a la teora de control de procesos qumicos. En este trabajo Foss
reta a los tericos en control a cerrar la brecha entre la teora de control y sus
aplicaciones. Aos mas tarde Morari, Arkun y Stephanopoulos (1980) hablan
sobre el diseo de estructuras de control, control jerrquico y optimizacin
multiniveles en una serie de artculos titulados Estudios en la sntesis de
estructuras de control para procesos qumicos. Muchos autores sealan que la
necesidad de una perspectiva global de la planta se debe a los cambios en la
forma como se disean las plantas: ms reciclos e integracin energtica y menos
tanques amortiguadores. De hecho, estos factores llevan a ms interacciones y
por ende, exigen una perspectiva ms all de las unidades individuales.
Tal como se seal antes, el control se ha enfocado en el diseo de controladores,

pero en la prctica un paso previo al diseo del controlador es tomar estas
decisiones (seleccionar las variables, configurarlas y decidir el tipo de controlador).
Anteriormente los diseos de las plantas eran ms simples, por lo tanto las
decisiones podan tomarse utilizando una visin heurstica. En la actualidad, se
tienen procesos cada vez ms complejos con dinmicas altamente interactuantes,
y aunque hay algunos avances en el diseo de estructuras de control (Captulo 5),
an hace falta ms desarrollo terico y mtodos ms rigurosos para tomar las
decisiones estructurales.
30
___________________________________________________________________________________________________
3.2 ESTADO DEL ARTE

Como conclusin de la seccin anterior, debe estar claro que en diseo de
estructuras de control no se tiene el mismo avance terico que en diseo de
controladores. Por lo general, las decisiones estructurales en control total de
planta se manejan sin los fundamentos tericos suficientes. En el caso de las
plantas de proceso, tanto por su tamao como por su complejidad, el diseo de la
estructura de control termina siendo casi una receta heurstica.
En este texto se presenta el estado del arte en dos direcciones: la primera

presenta el control total de planta abordado con un enfoque global pero heurstico,
una visin desde el proceso. El otro punto de vista ms matemtico, involucra las
decisiones estructurales manejadas de forma independiente. En este ltimo se
describen algunas aproximaciones especficas en las tareas descritas en la
seccin anterior.
3.2.1 TRABAJOS PREVIOS EN CONTROL TOTAL DE PLANTA
La primera discusin comprensiva sobre control total de planta fue dada por
(Buckley, 1964) en su libro Techniques of process control. All se aborda por
primera vez el tema como una problemtica a nivel industrial, an cuando los
reciclos y la integracin energtica no eran muy comunes, adems de la presencia
de tanques amortiguadores entre unidades para reducir o anular el efecto de las
perturbaciones. A partir de Buckley, se han propuesto otras aproximaciones, la
mayora de estas son heursticas y tratan de descomponer el problema en partes
ms manejables o jerarquizar criterios de seleccin. Hay cuatro formas comunes
de descomponer el problema de control total de planta: Basada en unidades de
proceso, basada en estructura del proceso, basada en objetivos de control y
basada en escalas de tiempo. A continuacin se describe cada una:
3.2.1.1 Descomposicin basada en unidades de proceso
Se trata de una descomposicin descentralizada propuesta en (Umeda et al.,

1978), que plantea: i) descomponer la planta en unidades individuales de
operacin, ii) generar la mejor estructura de control para cada unidad, iii) combinar
todas estas estructuras para formar una estructura completa para toda la planta, iv)
hacer ajustes para eliminar las inconsistencias entre las estructuras de control
individuales. Esta aproximacin se ha utilizado ampliamente en la industria, sin
embargo los diseos en las plantas han venido cambiando: inclusin de reciclos
de materia para mejorar la conversin, integracin energtica para mejorar la
eficiencia termodinmica y la reduccin de tanques amortiguadores entre unidades.
El sistema de control para una planta con dichas caractersticas diseado bajo la
aproximacin basada en unidades puede resultar ineficiente, inconsistente y poco
prctico.
31
___________________________________________________________________________________________________
3.2.1.2 Descomposicin jerrquica basada en estructuras de proceso
Douglas (1988) presenta unos niveles jerrquicos para hacer diseo de procesos: i)
batch vs. continuo, ii) estructura entrada-salida, iii) estructura de reciclo, iv)
estructura general del sistema de separacin, v) interaccin energtica.
Fisher y colaboradores (1988) plantean utilizar esta jerarqua para desarrollar un

anlisis de controlabilidad y Ponton y Laing (1993) sealan que a partir del nivel ii,
esta jerarqua puede utilizarse para disear sistemas de control. Estas ideas
permiten desarrollar paralelamente el diseo del proceso con su sistema de
control.
Ng y Stephanopoulos (1998) proponen utilizar una jerarqua similar para disear

estructuras de control. La diferencia entre las jerarquas de (Douglas, 1988) y (Ng
and Stephanopoulos, 1998) es que el nivel i se reemplaza por un anlisis
preliminar, y el nivel iv se reemplaza por estructuras de control ms detalladas.
Los objetivos de control identificados en cada paso se trasladan al paso siguiente
y se identifican nuevos objetivos. Por otro lado, un punto clave es que en cada
nivel debe probarse si hay suficientes variables manipuladas para incorporarlas a
las restricciones y optimizar la operacin.
Aunque la aproximacin de Ng y Stephanopoulos tiene en cuenta los reciclos y la

integracin energtica, es an muy heurstica, poco generalizable y carece de
soporte terico.
3.2.1.3 Descomposicin jerrquica basada en los objetivos de control
Es un procedimiento que comienza por definir los objetivos de control desde los
niveles superiores y de forma descendente. Esta aproximacin se enfoca en las
tareas que debe desarrollar los controladores en cada uno de los niveles.
Price y colaboradores (Price et al, 1993) dividen el procedimiento en cuatro tareas

diferentes: i) control de inventario y de velocidad de produccin, ii) control de la
especificacin del producto, iii) restricciones de operacin y de los equipos, iv)
mejora del desempeo econmico. Con base en una serie de simulaciones
proponen algunas pautas para seleccionar actuadores y controles de inventario,
luego las aplican al problema Tennessee Eastman (Price et al, 1994). Ricker (1996)
comenta sobre el trabajo de Price y colaboradores (1994), seala que deben
considerarse tambin los grados de libertad para seleccionar un actuador.
Luyben y colaboradores (1997) plantean un procedimiento que consiste en: i)

establecer los objetivos de control, ii) determinar los grados de libertad para el
control con el nmero de vlvulas independientes, iii) establecer un control de la
energa para remover los calores de reaccin y prevenir la propagacin de
perturbaciones trmicas, iv) fijar la velocidad de produccin que solamente puede
incrementarse con la velocidad de reaccin en el reactor, v) control de calidad del
producto y de seguridad, vi) control de inventario fijando un flujo en todos los
32
___________________________________________________________________________________________________
reciclos, establece que los niveles de lquido y las presiones deben controlarse en
toda la planta, vii) verificar los balances de componentes y si es necesario
devolverse al punto iv, viii) control de unidades de operacin, ix) optimizacin
econmica o mejorar la controlabilidad dinmica. Larsson (2000) en el captulo 4
de su Tesis, cuestiona la regla propuesta por Luyben, utilizando una planta
sencilla de columna de destilacin con reciclo demuestran que la aplicacin de
esta regla conduce a problemas mayores, tales como un exceso de carga en la
columna de destilacin.
McAvoy (1999) presenta un mtodo en el cual el objetivo de control se divide en

dos categoras: variables que deben controlarse y calidad del producto. Su
aproximacin busca encontrar el conjunto de entradas que minimicen los
movimientos de vlvula, donde solo se puede utilizar tantas vlvulas como
variables controladas. El problema de optimizacin es resuelto utilizando un
modelo lineal en estado estacionario.
3.2.1.4 Descomposicin jerrquica basada en escalas de tiempo
Buckley (1964) propuso disear el sistema de control de calidad como un filtro

pasa-altos para perturbaciones y disear el sistema de control de balance de
masa como un filtro pasa-bajo. Si la frecuencia de corte del sistema de control de
calidad se disea de un orden de magnitud mayor que la frecuencia de corte del
sistema de control de balance de masa, se garantiza que los dos lazos no sern
interactuantes.
McAvoy y Ye (1994) dividen el mtodo en cuatro etapas: i) diseo de los lazos

internos en cascada, ii) diseo de lazos bsicos descentralizados, excepto los
asociados con calidad y velocidad de produccin, iii) control de velocidad de
produccin y de calidad, iv) control de niveles superiores. La descomposicin en
las etapas i)-iii) estn basadas en la velocidad de los lazos. En la etapa i) la idea
es reducir localmente los efectos de las perturbaciones, en ii) hay un gran nmero
de configuraciones alternativas. Estas se pueden examinar utilizando herramientas
como RGA.
Douglas (1988) presenta una jerarqua para disear sistemas de control basado
en las dinmicas involucradas. En esta jerarqua el punto de vista no es el
diagrama de flujo, sino la operacin de estado estacionario, la respuesta dinmica
normal y anormal. Zheng y colaboradores (1999) continan este trabajo, poniendo
especial atencin en la factibilidad de las restricciones y la optimalidad robusta.
El criterio bsico en esta descomposicin es la velocidad en la que trabaja cada

uno de los controladores, se asemeja a la configuracin de control en cascada, en
la cual los lazos externos operan ms lentamente que los internos. Segn este
criterio se debe disear de adentro hacia afuera. Aunque es coherente, se queda
corto en la definicin de variables controladas y manipuladas, ya que no considera
estas decisiones.
33
___________________________________________________________________________________________________
3.2.1.5 Otras aproximaciones
Larsson (2000) propone una descomposicin jerrquica en diferentes niveles tal

como se observa en la Figura 3.2. Las variables controladas y manipuladas se
seleccionan mediante un anlisis descendente de los objetivos de control
partiendo desde el nivel superior. Se realiza un anlisis de grados de libertad y
luego se formula un problema de optimizacin. Por otro lado, el sistema de control
se disea de manera ascendente partiendo desde el nivel inferior, comenzando
desde los lazos ms rpidos. Con un anlisis basado en control parcial (Hggblom
and Waller, 1988), respecto a las limitaciones impuestas por un nivel inferior sobre
el nivel siguiente, se demuestra que si en dicho nivel el controlador es de fase
mnima, estable y se dispone de las mediciones y los puntos de ajuste, no pueden
imponerse nuevas limitaciones sobre el nivel siguiente. El autor sugiere trabajar
an ms en la estructuracin de los niveles inferiores para darle robustez a los
niveles superiores. Lo que significa generar un procedimiento mejor para disear
las configuraciones.
Figura 3.2 Jerarqua tpica de control en una planta (Larsson, 2000).
Skogestad (2004) contina el trabajo de Larsson (2000). En este, se afirma que el

nivel inferior debe ser lo menos complejo posible. Introduce entonces el nmero
de complejidad como una herramienta para medir la complejidad de los lazos de
control SISO en el nivel inferior.
34
___________________________________________________________________________________________________
Si bien en estos trabajos se maneja un mayor rigor con respecto al diseo de

Control Total de Planta, se considera un procedimiento heurstico porque tanto en
el anlisis ascendente como el descendente quedaron muchos vacos, en los
cuales los autores no son claros, esto puede deberse a que se quedaron sin
herramientas tericas y por lo tanto se tuvo que recurrir a la heurstica.
3.2.2 TRABAJOS PREVIOS EN DECISIONES ESTRUCTURALES
Hasta aqu se han presentado las aproximaciones al control total de planta con un
enfoque global y heurstico. En esta seccin se presenta una recopilacin de
trabajos que se han enfocado en alguna de las cinco tareas que definen las
decisiones estructurales, ya mencionadas en la seccin 3.1.
3.2.2.1 Seleccin de salidas controladas
Las salidas controladas siempre van ligadas a los objetivos de control. En una
planta el objetivo principal es de tipo econmico, esto es, obtener el mximo
beneficio minimizando los costos de operacin. Las salidas controladas se refieren
a aquellas variables controladas para los cuales los puntos de ajuste estn
determinados por el nivel de optimizacin, ver la Figura 3.1. Tambin hay otras
salidas controladas internamente, que resultan de la descomposicin del sistema
de control en diferentes niveles. Estas variables controladas internas se
consideran en la seleccin de mediciones secundarias y en la configuracin del
sistema de control, por lo tanto se discuten en las tareas 3 y 4 respectivamente
(seccin 3.2.2.3 y 3.2.2.4). De acuerdo a esto, ntese que las salidas controladas
son aquellas que se seleccionan para controlar en sus puntos de ajuste.
Morari y colaboradores (1980) propusieron definir una estructura de control

retroalimentada optimizante, trasladando los objetivos econmicos a objetivos de
control. La idea aqu es encontrar una funcin de las variables del proceso, que al
mantenerla constante, lleve automticamente a ajustes ptimos de las variables
manipuladas, y con esta, a las condiciones ptimas de operacin. Plante
seleccionar el mejor conjunto de variables controladas minimizando la prdida
econmica.
En (Fisher et al, 1988) se dan algunas ideas heursticas considerando la relacin

entre la parte econmica y el control. Como ejemplo se utiliza la planta HDA y en
la seleccin de variables controladas se presenta una discusin, que resulta
similar a lo expuesto en (Morari et al, 1980).
Luyben (1988) introdujo el trmino eigenstructure para describir la estructura de

control inherentemente mejor. Sin embargo, no define el trmino ni lo diferencia
del concepto matemtico de autovalores (eigenvalues en ingls). En otros trabajos
(Luyben, 1975; Yi and Luyben, 1995) se presentan algunos ejemplos de seleccin
de variables controladas, en los cuales se propone seleccionar las salidas
controladas que minimicen la sensibilidad en estado estacionario de la variable
manipulada a las perturbaciones. Esta propuesta es similar a Skogestad (2000)
35
___________________________________________________________________________________________________
que plantea minimizar la sensibilidad de la prdida econmica respecto a las

perturbaciones.
En (Narraway et al, 1991; Narraway and Perkins, 1993; Narraway and Perkins,
1994) se recalca la necesidad de basar la seleccin de la estructura de control en
la parte econmica y se discute el efecto que tienen las perturbaciones sobre esta.
Sin embargo no formulan reglas o procedimientos para seleccionar las variables
controladas.
Por su parte, en (Mizoguchi et al (1995); Marlin and Hrymark, 1997) se hace

hincapi en la necesidad de implementar una solucin ptima en trminos de
cmo el sistema de control debe responder a las perturbaciones. Estos trabajos
sugieren que para mejorar los sistemas de optimizacin en tiempo real, se deben
seleccionar variables controladas que produzcan el mayor beneficio econmico
para un rango de perturbaciones que ocurren entre cada ejecucin de la rutina de
optimizacin.
Skogestad (2000) retom la idea de Morari y colaboradores (1980) para

seleccionar variables controladas, pero su descripcin fue mas flexible al cambiar
ajustes ptimos por ajustes aceptables. En este caso se tom en cuenta el
error de implementacin para evaluar las prdidas econmicas. Mas adelante, en
(Larsson et al, 2001) se aplica esta aproximacin a la planta Tennessee Eastman
(Downs and Vogel, 1993).
3.2.2.2 Seleccin de entradas manipuladas
Las entradas manipuladas se refieren a los grados de libertad fsicos para

controlar el proceso, tpicamente posiciones de vlvula o entradas de potencia
elctrica. Por lo general, la seleccin de estas variables es una consecuencia
directa del diseo del proceso, y no necesariamente es una etapa de diseo de la
estructura de control.
Sin embargo existe la posibilidad de adicionar vlvulas o cambiarlas de lugar. Por

ejemplo, si se instala una tubera de paso alterno (bypass en ingls) y una vlvula,
se puede utilizar el flujo de paso alterno como un grado de libertad extra para
propsitos de control.
Finalmente, debe aclararse que la posibilidad de no utilizar activamente algunas

entradas manipuladas o cambiarlas, es una decisin estructural en control total de
planta, que puede tomarse paralelamente a la configuracin del sistema de control
o a la seleccin de salidas controladas.
3.2.2.3 Seleccin de mediciones
En una planta pueden hacerse muchas mediciones, el nmero, la ubicacin y

exactitud de estas es un compromiso entre el costo de las mediciones y el
beneficio de un control mejorado. En la mayora de los casos, la seleccin de
36
___________________________________________________________________________________________________
mediciones puede considerarse simultneamente con la seleccin de la

configuracin del sistema de control, es el caso por ejemplo, del uso de
mediciones extra o secundarias en control centralizado, control inferencial y
control en cascada.
En el controlador centralizado (MPC) todas las mediciones se utilizan para calcular

la entrada ptima. Este controlador contiene implcitamente un modelo estimador.
Por otro lado, el controlador inferencial utiliza un modelo basado en las mediciones
para calcular la salida primaria (por ejemplo una salida controlada). En el control
en cascada, por su parte, las mediciones secundarias se controlan localmente y
sus puntos de ajuste se utilizan como grados de libertad para controladores en
niveles superiores. Ntese que tanto el control centralizado como el control
inferencial utilizan las mediciones extra para estimar parmetros en un modelo,
mientras que el control en cascada las utiliza para adicionar un lazo
retroalimentado.
La estimacin y la seleccin de medidores para estimacin estn ms all del

alcance de esta tesis. En Ljung (1987) se presenta una aproximacin desde el
punto de vista del control y en Martens (1989) una aproximacin desde la qumica
para estos dos aspectos. No obstante, cabe sealar que el sistema de control se
debe disear para obtener el mejor control posible de las variables primarias y no
para la mejor estimacin posible. Segn Larsson (2000) una desventaja del control
inferencial es que la estimacin generalmente se toma para control prealimentado
(feed-forward).
Para control en cascada, Havre (1998) presenta un mtodo de seleccin de

mediciones secundarias tal que el requerimiento de actualizar los puntos de ajuste
sea pequeo. Para ello propone dos aproximaciones diferentes, la primera busca
que las funciones de transferencia que relacionan a la perturbacin y al error de la
variable secundaria con el error en la variable primaria sean pequeas. La
segunda alternativa, menos exacta, es maximizar el mnimo valor singular en la
funcin de transferencia de las variables secundarias. En (Lee and Morari, 1991)
se considera un problema similar y se propone una aproximacin mas rigurosa,
dicha aproximacin considera explcitamente la incertidumbre del modelo y los
valores singulares como herramienta.
3.2.2.4 Configuracin del sistema de control
Hggblom y Waller (1988) introdujeron el concepto de control parcial para

analizar el efecto que produce el cerrar los lazos de control regulatorios, o del nivel
inferior en la jerarqua (Figura 3.1). En (Larsson, 2000) se sugiere utilizar un
anlisis de control parcial en cada nivel de la jerarqua del sistema de control,
principalmente en el nivel inferior, para garantizar que los niveles superiores no
estarn limitados por el comportamiento de fase no mnima, la inestabilidad y la
falta de mediciones o referencias. Este mtodo solo sirve para juzgar las
limitaciones de una estructura de control ya diseada, por lo cual se considera
muy indirecto.
37
___________________________________________________________________________________________________
Havre (1998) en su Tesis Doctoral utiliza los polos del sistema para configurar el
sistema de control. El enfoque de este trabajo es la estabilidad y los ceros de fase
no-mnima.
Por otro lado, en la literatura abundan mtodos para configuracin de sistemas de

control basados en la controlabilidad entrada-salida, tales como la matriz de
ganancias relativas (Bristol, 1966), anlisis de valores singulares (Skogestad and
Postlethwaite, 1996) y el ndice de Niederlinski (Niederlinski, 1971), entre otros. En
el captulo 5 se tratan todos estos mtodos en ms detalle.
3.3 COMENTARIOS FINALES

A lo largo de los Captulos 2 y 3 se busc dar respuesta a las siguientes preguntas
sobre el problema de Control Total de Planta:
Por qu surgi?
El reciclo de materia y la integracin energtica conducen a una mayor dificultad
para operar el proceso, esto se demostr mediante el efecto bola de nieve. Estas
caractersticas hacen ms difcil el control del proceso, lo que genera la necesidad
de disear el sistema de control desde la globalidad.
Qu es?
Control Total de Planta no se ocupa del diseo o sintona de los controladores de
la planta. Se refiere unicamente al diseo de la estructura de control, la cual se
define mediante 5 decisiones estructurales: Seleccin de variables controladas,
seleccin de variables manipuladas, seleccin de variables medidas, configuracin
del sistema de control y seleccin del tipo de controlador.
Qu se ha hecho?
En general se ha abordado desde dos perspectivas: i) Desde una visin heurstica:
Descompone el problema en partes mas manejables y ii) desde las decisiones
estructurales: Cada decisin estructural se ha estudiado de manera independiente.
Con la descripcin del tema, aqu debe quedar claro que en esta Tesis no se
pretende proponer un procedimiento jerrquico riguroso para disear estructuras
de control, sino proponer una metodologa para seleccin de estructuras de control,
y por otro lado, mostrar como se implementan los niveles jerrquicos en control
total de planta.
Ntese que la descomposicin del sistema de control en una planta mostrada en

la Figura 3.1, es una descomposicin vertical o multinivel, all los niveles tienen
diferentes escalas de tiempo o frecuencias de ajuste de las entradas. Es una
descomposicin que permite visualizar la jerarqua de decisiones en el control de
una planta. No obstante, la estructura de control puede descomponerse de forma
horizontal y de esta manera se obtiene un sistema descentralizado. La
38
___________________________________________________________________________________________________
configuracin horizontal del sistema de control implica determinar en un solo nivel

la conexin entre las variables, para ello es preciso utilizar conceptos como el de
controlabilidad y estudiar la interaccin entra las variables.
De acuerdo a esto, con este trabajo se busca proponer una metodologa para
hacer los pareamientos de variable manipulada-variable controlada. El aporte es
entonces desde el punto de vista de la configuracin del sistema de control
(seccin 3.1, decisin estructural 4), en este caso los pareamientos de las
variables. Con dicho aporte, desarrollado en la Parte II y ms especficamente en
el Captulo 6, se le da cumplimiento a los objetivos planteados en la Tesis.
Adicionalmente, en el Apndice B se presenta otro tipo de estrategia de control:

una configuracin de control predictivo simultneamente con optimizacin en
tiempo real para una planta, con ello se quiere ilustrar la jerarqua de control en
una planta, en este caso utilizando herramientas ms sofisticadas. La idea no es
comparar la estrategia descentralizada del Captulo 6 con la estrategia
centralizada del Apndice B, sino mostrar dos aproximaciones diferentes: una
descentralizada con seleccin de pareamientos basada en el concepto de
controlabilidad, y una centralizada que incluye criterios econmicos en la
optimizacin.
39
___________________________________________________________________________________________________
40
___________________________________________________________________________________________________
PARTE II
DISEO DE ESTRUCTURAS DE
CONTROL A PARTIR DE LA
CONTROLABILIDAD
En esta segunda parte se presenta una metodologa basada en el concepto de

controlabilidad para seleccin de lazos de control descentralizados en plantas de
proceso. Este concepto se ha manejado principalmente desde dos perspectivas: la
controlabilidad de estado y la controlabilidad entrada-salida. Inicialmente, se dan
diversas definiciones de controlabilidad y se presentan herramientas para la
seleccin de estructuras de control, asociadas con el concepto de controlabilidad
entrada-salida. Se presenta luego el mtodo propuesto en esta Tesis, basado en
la descomposicin en valores singulares de la matriz de Hankel. Este nuevo
mtodo integra a la controlabilidad entrada-salida, la controlabilidad de estado y la
observabilidad. Por ltimo se muestra la aplicacin de la metodologa propuesta
en la planta Tennessee Eastman, un benchmark muy conocido y trabajado en la
comunidad acadmica desde su publicacin en 1993.
41
___________________________________________________________________________________________________
42
___________________________________________________________________________________________________
4 CONTROLABILIDAD
Ziegler y Nichols (1943) definieron la controlabilidad como la habilidad del

proceso para lograr y mantener el valor de equilibrio deseado. Aos mas tarde, en
los 60s surgi el concepto de Controlabilidad de Estado, introducido por Kalman
con una definicin ms estricta, para referirse a la habilidad de llevar el sistema
desde un estado inicial hasta un estado final en un tiempo finito. Con el concepto
de Kalman, muchos tericos han utilizado el trmino controlabilidad para referirse
a la controlabilidad de estado. Segn Skogestad (1996), la controlabilidad de
estado usualmente tiene poco significado prctico, ya que los modos inestables
pueden ser controlables y observables. Rosenbrock (1970) tambin not que la
mayora de las plantas industriales son controladas satisfactoriamente aunque no
sean controlables de estado. Para evitar confusiones, Morari (1983) introdujo el
trmino resiliencia dinmica, sin embargo para Skogestad y Postlethwaite (1996),
este trmino no aparenta tener relacin alguna con el control del proceso, as que
lo denominaron Controlabilidad Entrada-Salida, o simplemente Controlabilidad. En
(Havre, 1998) se estudia la Controlabilidad Entrada-Salida para hacer diseo de
estructuras de control. Por su parte, Ochoa (2005) define la Controlabilidad Local
Prctica a partir de la controlabilidad de Kalman, y la utiliza para proponer una
metodologa de diseo integrado. Como puede verse, el trmino controlabilidad se
ha utilizado con diferentes connotaciones. En este Captulo se presentan las
diferentes aproximaciones a la controlabilidad para encontrar un punto comn, que
permita proponer un mtodo de seleccin de estructuras de control nutrido de las
diferentes concepciones de la controlabilidad.
4.1 CONTROLABILIDAD DE ESTADO

Segn la definicin dada por Kalman en 1960, un sistema es controlable si existen
acciones de control capaces de llevar el sistema desde un estado inicial hacia un
estado final en un tiempo finito. Dado el sistema lineal de orden n:
x& = Ax + Bu
(4.1)
y = Cx
43
___________________________________________________________________________________________________
Donde x n es el vector que contiene los estados del sistema, u m es el

vector de las entradas manipuladas y y l es el vector que contiene a las
salidas medidas. Este es controlable si y solo si el rango rco de la matriz de
controlabilidad Co es igual al orden n del sistema. Donde la matriz de
controlabilidad se construye a partir de las matrices A y B:
[
C o = B AB ... A n -1 B ] (4.2)
Si el sistema no es controlable, se dice que la diferencia entre el rango de la matriz

y el orden del sistema corresponde a los modos no controlables del sistema.
De la anterior definicin, ntese que la controlabilidad de estado solo tiene en

cuenta los estados x del sistema en relacin con las entradas u, indiferente de lo
que ocurra con las salidas y.
Aqu debe aclararse que la controlabilidad implica estrictamente que el estado final
alcanzado sea el origen. Si se trata de cualquier estado final, el concepto es
alcanzabilidad, por lo tanto si un sistema es controlable tambin es alcanzable
pero la controlabilidad no implica alcanzabilidad. Aunque para un sistema lineal
cualquier punto de ajuste puede llevarse al origen. Una discusin ms clara se
encuentra en Ochoa (2005).
Por otro lado, una de las deficiencias de la definicin de Kalman es que asume
que la accin de control no presenta restricciones, es decir que no es acotada y
por lo tanto la controlabilidad que este propone est garantizada en el
intervalo (,+) de la variable manipulada, la cual no asegura la controlabilidad
de los estados en la prctica. Ochoa (2005) define entonces la controlabilidad local
prctica, teniendo en cuenta el acotamiento de las acciones de control, que es una
restriccin real del sistema. En su trabajo se toma esta definicin para hacer
diseo integrado.
Segn Skogestad y Postlethwaite (1996), una desventaja de la controlabilidad de

estado es que no considera la calidad de la respuesta entre y despus de los dos
estados, inicial y final, adems no indica cuantas acciones de control se requieren
para alcanzar el estado final. La controlabilidad de estado, pese a ser un concepto
riguroso, no es capaz de medir o cuantificar la controlabilidad de los estados y se
limita simplemente a evaluarla en un sentido binario.
4.2 OBSERVABILIDAD DE ESTADO

Ntese que en el concepto de controlabilidad de estado no se tiene en cuenta la
salida. Para complementarlo se propuso un concepto anlogo y complementario:
la observabilidad. Simultneamente con el concepto de controlabilidad, Kalman
(1960) desarroll el concepto de observabilidad, que relaciona las salidas con los
44
___________________________________________________________________________________________________
estados. De acuerdo a su definicin, un sistema es observable si el estado puede

ser determinado a partir de la observacin de la salida durante un intervalo de
tiempo finito. Segn esto, el sistema es completamente observable si cada
variable de estado del sistema afecta a alguna de las salidas medibles.
En los sistemas lineales, se dice que un sistema es observable si y solo si el rango

rob de la matriz de observabilidad Ob es igual orden n del sistema. Donde la matriz
de observabilidad se define como:
[
Ob = C CA ... CA n-1 B ]
T
(4.3)
De lo anterior, es claro que la observabilidad complementa la controlabilidad al

relacionar los estados y las salidas, adems es un concepto anlogo.
Antes de pasar a la siguiente definicin, cabe comentar que una aplicacin

importante de la matriz de observabilidad son los observadores de estado. La
condicin de observabilidad de estado permite disear observadores de estado.
Estos se implementan en dispositivos o programas de computador, y estiman u
observan las variables de estado de un sistema a partir de las mediciones de las
salidas. Kalman (1960b) desarroll un estimador de estados que lleva su nombre:
Filtro de Kalman, el cual estima los estados exclusivamente a partir de datos de
las salidas. Con el paso de los aos se han desarrollado otros estimadores
basados en el filtro de Kalman, pero que incluyen mediciones de las entradas,
estos se conocen como filtros de Kalman extendidos (Ramrez, 1994).
4.3 CONTROLABILIDAD DE SALIDA

Tal como se mencion, la controlabilidad de estado es un concepto incompleto al
no considerar las salidas. Aunque hay un concepto complementario que es la
observabilidad, siendo consecuentes con la definicin de controlabilidad de estado,
la controlabilidad de la salida tambin puede ser evaluada en un sistema lineal por
medio de una matriz.
Por ejemplo, si se mira el sistema en trminos discretos:
x(k + 1) = A d x(k ) + B d u (k )
(4.4)
y (k ) = Cx(k )
Donde x(k ) n . Ad y Bd son las matrices para el sistema discretizado, ntese

que C permanece igual al caso continuo. La controlabilidad de estado se evala
directamente a partir de la matriz:
Co = Bd[ A d B d ... A d
n -1
Bd ] (4.5)
45
___________________________________________________________________________________________________
u (n 1)
u (n 2)
donde:
n
[
x(n) = A d x(0) + B d A d B d ... A d B d
n -1
]
M
(4.6)

u ( 0)
Adicionalmente, el estado y la salida en el instante n, se relacionan por medio de

la matriz C:
y (n) = Cx(n) (4.7)
Por lo tanto, se obtiene una relacin directa entre la salida en el instante n y la

secuencia de entradas previas al instante n:
u (n 1)
u (n 2)
[
y (n) = CA d x(0) + CB d CA d B d ... CA d B d
n n -1
]
M
(4.8)

u ( 0)
[ n -1
]
Donde CB d CA d B d ... CA d B d es la matriz de controlabilidad de la salida. Si el
rango de esta matriz es igual al orden del sistema, la salida del sistema es
controlable.
Hasta este punto se tiene una herramienta que permite evaluar la controlabilidad
de la salida. Ntese que sin embargo tiene una desventaja, y es que no permite
cuantificar dicha controlabilidad, solo la evala como una condicin que se cumple
o no en el sistema. Si el sistema resulta controlable, no puede discriminarse cuan
controlable es, ni sugiere pareamientos o conjuntos de variables de entrada-salida
para el diseo de la estructura de control.
4.4 CONTROLABILIDAD ENTRADA-SALIDA

4.4.1 Definiciones propuestas en la literatura
Aunque existe una definicin rigurosa de la controlabilidad, que es la

controlabilidad de estado, en la literatura se ha utilizado ampliamente el trmino
controlabilidad para estudiar y medir las propiedades entrada-salida de un sistema,
y en algunos casos, utilizar estas mediciones para proponer mtodos de seleccin
de estructuras de control. Este enfoque es ms conocido como controlabilidad
entrada-salida y ha sido definido de diferentes maneras a lo largo de la historia.
46
___________________________________________________________________________________________________
Ziegler y Nichols (1943) definieron la controlabilidad como la habilidad del

proceso para lograr y mantener el valor de equilibrio deseado. Ms adelante,
Rosenbrock (1970) introdujo el trmino controlabilidad funcional, segn el cual un
sistema es funcionalmente controlable si dado cualquier vector conveniente de
funciones de salida, existe un vector de entradas que genere el vector de salidas
desde la condicin inicial del estado en el origen. Ntese que dicha definicin est
dada en trminos de controlabilidad entrada-salida ya que solo tiene en cuenta el
estado en el instante inicial.
Para evitar confusiones con el trmino de controlabilidad de estado de Kalman,

Morari (1983) introdujo en la literatura el trmino resiliencia dinmica, que defini
como la calidad del comportamiento regulatorio y de seguimiento que puede ser
obtenido mediante control realimentado. Este concepto est estrechamente
relacionado a la controlabilidad funcional, pero la resiliencia dinmica incluye una
medida cuantitativa del desempeo logrado (Jorgensen et al, 1998).
En 1996, Skogestad y Postlethwaite propusieron el uso del trmino controlabilidad

entrada-salida en lugar del trmino resiliencia dinmica, ya que segn l, este no
parece estar relacionado con el control del proceso. En este se define la
controlabilidad entrada-salida como la habilidad de lograr un desempeo
aceptable del sistema de control, esto es, mantener las salidas en unos lmites
especficos pese a las variaciones en el proceso tales como perturbaciones y
cambios en la planta, utilizando las entradas y las mediciones disponibles.
En (Van de Wal and De Jager, 2001) se presenta una definicin de controlabilidad

entrada-salida, se afirma que una planta es controlable en trminos entrada-salida
si se puede lograr un desempeo aceptable, si las salidas y las entradas se
mantienen en regiones pequeas, en presencia de incertidumbres, referencias,
perturbaciones y ruidos en los sensores. La diferencia de esta definicin con la de
Skogestad y Postlethwaite (1996) es que tiene en cuenta la incertidumbre. En
contraste con la controlabilidad de estado, tambin se reitera que la controlabilidad
entrada-salida trata de capturar aspectos que son relevantes en la prctica.
La controlabilidad entrada-salida sintetiza las propiedades entrada-salida

deseadas en un sistema de control, pero que son inherentes del proceso. Segn
(Albertos and Sala, 2004) un sistema es controlable en trminos entrada-salida si
es posible implementar un sistema de control apropiado que cumpla con los
requerimientos en seguimiento y regulacin, pese a las incertidumbres en el
modelo del proceso. En rigor, para asegurar la controlabilidad entrada-salida, la
nica manera de probarlo es diseando un buen controlador. Sin embargo, para
evaluar si existe la posibilidad de encontrar tal controlador antes de invertir tiempo
y esfuerzo en su diseo, pueden utilizarse diferentes herramientas como la
descomposicin en valores singulares, la matriz de ganancias relativas, entre otras.
Estas herramientas permiten evaluar la controlabilidad entrada-salida y configurar
de un modo conveniente el sistema de control, como paso previo al diseo de los
controladores.
47
___________________________________________________________________________________________________
4.4.2 Evaluacin de la Controlabilidad Entrada-Salida
Aunque se carece de una definicin unnime en la literatura de la controlabilidad

entrada-salida, existe una cantidad de herramientas para evaluarla, entre ellas el
anlisis de valores singulares (Klema and Laub, 1980), el ndice de resiliencia
(Morari, 1983), los ceros en el semiplano derecho (Holt and Morari, 1985), la
matriz de ganancias relativas (Bristol, 1966) y el nmero de condicin de la
perturbacin (Skogestad and Morari, 1987). A continuacin se presentan algunos
trabajos de la literatura en los que se desarrolla un anlisis de controlabilidad con
el enfoque entrada-salida.
Skogestad (1996) presenta un procedimiento para analizar la controlabilidad

entrada-salida de sistemas SISO (Single Input Single Output) en un proceso de
neutralizacin de pH. En su anlisis considera modelos lineales y utiliza el dominio
de la frecuencia para evaluar la controlabilidad. Segn este, en el anlisis es clave
tener en cuenta las perturbaciones y acondicionar numricamente las variables de
manera apropiada.
Por su parte, en (Gross et al, 1998) se desarrolla un anlisis de controlabilidad

para diferentes esquemas de control propuestos en un proceso con integracin
energtica, a partir de un modelo lineal y empleando ndices de controlabilidad
como la matriz de ganancias relativas, el anlisis de valores singulares y el
nmero de condicin. En este trabajo se concluye que el anlisis de
controlabilidad debe tomarse como una condicin necesaria pero no suficiente en
la seleccin de estructuras de control, ya que esto debera complementarse con la
evaluacin de algn ndice de desempeo como la integral absoluta del error en el
tiempo, ITAE.
Ntese que las dos aproximaciones hasta ahora presentadas para evaluar la
controlabilidad son bastante engorrosas y no dan un resultado contundente en
cuanto a la mejor estructura de control. Su principal limitacin es que implican el
diseo de una serie de experimentos, en este caso de diferentes configuraciones
del sistema de control y entre ellas escoger la mejor de acuerdo a las mediciones
de controlabilidad propuestas.
Scali y Paolino (1998) desarrollaron un anlisis de controlabilidad utilizando lo que

ellos llaman herramientas orientadas al proceso para determinar el conjunto de
variables manipuladas ms apropiado en la planta Tennessee Eastman (Downs
and Vogel, 1993). Las herramientas propuestas buscan medir la eficacia que
tiene un conjunto de variables manipuladas sobre un conjunto de variables de
salida, entre ellas una versin modificada de RGA (Bristol, 1966). En su trabajo
resaltan las ventajas de la aproximacin propuesta frente a las tcnicas
tradicionales como valores singulares, ganancias relativas y nmero de condicin,
entre otras.
Vinson y Georgakis (2000) presentan una nueva medida geomtrica para evaluar
la controlabilidad entrada-salida en lazo abierto de un sistema no lineal,
48
___________________________________________________________________________________________________
multivariable y en estado estacionario, en ausencia de cualquier estructura de

control regulatorio. La medicin de controlabilidad (Output Controllability Index,
OCI) busca cuantificar la habilidad del proceso de alcanzar el rango completo de
valores de salida deseados en presencia de las perturbaciones conocidas y dentro
del rango limitado de las entradas disponibles. Para determinar el OCI, se obtiene
el espacio factible de las salidas a partir del espacio disponible de las entradas, y
posteriormente se calcula la interseccin con el espacio deseado para las salidas,
dicha interseccin da como resultado el OCI. Una de sus limitaciones es que
requiere del modelo en estado estacionario, ignorando las dinmicas del proceso.
En el anlisis de valores singulares (SVD), se dice que un sistema con el mximo

valor singular muy grande es un sistema difcil de controlar. Esto se deduce
sabiendo que un valor singular muy alto indica que el sistema de control ser muy
sensible a las inexactitudes de las vlvulas. McAvoy y Braatz (2003) presentan
una herramienta para evaluar la controlabilidad entrada-salida en este tipo de
procesos, indiferentemente de la magnitud del mnimo valor singular, es decir, ya
sea grande o pequeo. La aproximacin consiste en seleccionar actuadores y
sensores tal que la matriz de ganancias del proceso tenga su mximo valor
singular por debajo del lmite de saturacin de los sensores y su mnimo valor
singular mayor que uno. En esta metodologa se ven dos limitaciones, por un lado
ntese que el anlisis debe desarrollarse para diferentes combinaciones de grupos
de variables, lo que hace el mtodo poco directo y bastante tedioso.
Adicionalmente, los autores presentan la aproximacin con modelos en estado
estacionario, sin considerar el comportamiento dinmico del proceso.
Como puede verse, en la literatura se ha utilizado el concepto de controlabilidad

entrada-salida para diferentes propsitos, pero estos tienen en comn estudiar las
propiedades entrada-salida del sistema. Desafortunadamente, la mayora de los
mtodos para evaluar controlabilidad entrada-salida ignoran el comportamiento
dinmico porque utilizan modelos en estado estacionario, y tratan el sistema como
una caja negra. El cmo disear la estructura de control es uno de los problemas
que se busca resolver con la evaluacin de la controlabilidad. Tal es el caso de la
descomposicin en valores singulares y la matriz de ganancias relativas. En el
Captulo 5, se presentan las herramientas ms utilizadas en seleccin de
estructuras de control y que estn estrechamente asociadas a la controlabilidad
entrada-salida.
4.5 CONTROLABILIDAD DE ESTADO vs. CONTROLABILIDAD

ENTRADA-SALIDA
En la Tabla 4.1 se presenta una comparacin de los dos conceptos de
controlabilidad ms comunes en la literatura, enumerando sus ventajas y
desventajas.
49
___________________________________________________________________________________________________
Tabla 4.1. Controlabilidad de Estado versus Controlabilidad Entrada-Salida
Controlabilidad de Estado Controlabilidad Entrada-Salida
Ventajas ~ Es rigurosa en su fundamento. ~ Estudia las propiedades entrada-

salida del sistema.
~ Se complementa con la
observabilidad. ~ Las mediciones asociadas son
cuantitativas y sirven para disear
~ Independiente del controlador, estructuras de control.
propiedad inherente del proceso.
~ Independiente del controlador,
propiedad inherente del proceso.
Desventajas ~ Su evaluacin no es til para ~ No hay una definicin unnime

discriminar estructuras de control. en la literatura
~ No se puede medir, solo se ~ Para medirla se utilizan modelos

evala (se cumple o no se cumple). que suprimen las dinmicas G(0), o
que las engloban en una sola
~ Slo relaciona la entrada con el frecuencia G(i).
estado, no tiene en cuenta las
salidas.
50
___________________________________________________________________________________________________
5 HERRAMIENTAS PARA LA SELECCIN DE

ESTRUCTURAS DE CONTROL
En sistemas multivariable, un paso previo al diseo del controlador es la seleccin

de la estructura de control, esto es, cuales variables controlar, cuales manipular y
como configurar estas variables. Si el sistema es muy grande, como es el caso de
control total de planta, el diseo de la estructura de control es muy complejo y
requiere de un enfoque menos heurstico. En torno a la controlabilidad entrada-
salida se han desarrollado diferentes herramientas que son tiles para el diseo y
seleccin de estructuras de control, y que son independientes del controlador que
se utilice. Aqu se presentan algunas de ellas.
5.1 MATRIZ DE GANANCIAS RELATIVAS

5.1.1 Matriz de Ganancias Relativas en Estado estacionario
Bristol (1966) desarroll una aproximacin sistemtica para el anlisis de

problemas de control de sistemas multivariable. Su aproximacin solo requiere
informacin de estado estacionario y provee dos elementos importantes:
- Una medida de las interacciones del proceso

- Pareamientos entre variables manipuladas y variables controladas.
La aproximacin de Bristol est basada en el concepto de ganancia relativa. Al

considerar un proceso con n variables controladas y n variables manipuladas. La
ganancia relativa ij entre una variable controlada yi y una variable manipulada uj
est definida como la relacin adimensional de dos ganancias de estado
estacionario:
( y i / u j )u Ganancia en lazo abierto

ij = = (5.1)
( y i / u j )y Ganancia en lazo cerrado
para i = 1, 2 ,... , n y j = 1, 2, ... , n.
51
___________________________________________________________________________________________________
El smbolo ( y i / u j )u denota una derivada parcial que se evala con todas las
variables manipuladas constantes excepto uj, este trmino es la ganancia en lazo
abierto entre yi y uj. Similarmente, ( y i / u j )y se evala manteniendo todas las
variables controladas constantes excepto yi. Esta situacin se puede lograr en la
prctica ajustando las otras variables manipuladas utilizando controladores con
accin integral. As, este ltimo trmino puede interpretarse como la ganancia en
lazo cerrado que indica el efecto de uj sobre yj cuando todas las variables
controladas ( yi yj ) permanecen constantes.
El arreglo matricial de la relacin de ganancias ij, se conoce como la matriz de

ganancias relativas (Relative Gain Array, RGA), denotada por :
u1 u2 L un
y1 11 12 L 1n
= y2 21 22 L 2 n (5.2)
M M M M
yn n1 n 2 L nn
La RGA tiene propiedades importantes para modelos de proceso en estado

estacionario (Bristol, 1966; McAvoy, 1983). Cuando la RGA es una matriz
cuadrada, la suma de los elementos en cada fila y columna es igual a la unidad.
Cuando es rectangular, solamente la suma de los elementos correspondientes a
las filas o a las columnas es igual a la unidad, para las columnas o filas,
respectivamente, la suma da menor que uno. Por otro lado, ntese que las
ganancias relativas son adimensionales, razn por la cual esta medicin no se ve
afectadas por la escogencia de las unidades o el acondicionamiento numrico de
las variables (seccin 5.3).
Una vez construida la matriz de ganancias relativas, se lleva a cabo el anlisis que
permite la seleccin de los pares variable manipulada - variable controlada. Se
pueden presentar las siguientes situaciones:
Si ij = 0, no existe relacin entre la variable manipulada j y la variable

controlada i, por lo cual para controlar la variable controlada i se necesitar
usar otra variable manipulada.
Si ij = 1, no hay interaccin con otros lazos y por consiguiente, el
controlador podr ser diseado sin tener en cuenta los otros lazos.
Si 0 < ij < 1, los otros lazos forman un lazo de realimentacin negativa en
paralelo con el lazo principal, lo que implica un aumento de la ganancia en
estado estable del sistema, por lo cual se deber reducir la ganancia del
controlador y ajustar la accin integral.
Si ij < 0, significa que el numerador y el denominador tienen distinto signo,
lo que implica que cuando se cierran los otros lazos de control, el sistema
52
___________________________________________________________________________________________________
se ver sometido a la realimentacin positiva lo cual genera inestabilidad.

En la prctica representa una dificultad muy grande para realizar control
distribuido.
Si ij > 1, significa que la interaccin de los otros lazos reduce el efecto de
las acciones de control aplicadas al par ij. Entre ms grande sea este valor,
mayor ser la inhibicin de la accin de la variable manipulada j sobre la
variable controlada i.
Como complemento al ltimo caso mencionado, cabe resaltar que cuando la RGA
presenta valores muy altos, indica que el sistema es altamente interactuante y
potencialmente difcil de controlar (Skogestad and Morari, 1987).
En cuanto al clculo de la RGA, tambin es posible efectuarlo con la matriz G(s),

desde el modelo del proceso en funciones de transferencia. La RGA se calcula
como el producto Schur (elemento a elemento) de la matriz G y la transpuesta
de su inversa:
(s) = G(s) (G -1(s))T (5.3)
Como se requieren los valores numricos, se evala en estado estacionario s = 0:
(0) = G(0) (G-1(0))T (5.4)
Ntese que cuando G(0) tiene integradores, RGA no se puede calcular. En este
caso no es posible calcular la ganancia en estado estacionario, porque la variable
con integrador nunca lo alcanza. En la seccin 5.1.2 se presenta una
aproximacin al clculo de RGA en procesos integradores.
Por otro lado, si bien el mtodo es til para seleccionar pareamientos en sistemas
multivariable, ntese tambin que hay una gran limitacin en la matriz de
ganancias relativas en estado estacionario y esta radica en el uso de modelos
estticos, que no tienen en cuenta el comportamiento dinmico del proceso. En
otros trabajos se han propuesto diferentes extensiones de la aproximacin de
Bristol intentando sobrellevar este inconveniente, estos se presentan en la
siguiente seccin.
5.1.2 Extensiones del Mtodo de Ganancias Relativas
Hasta la actualidad, muchos autores han tratado de corregir las limitaciones del
mtodo original propuesto por Bristol. Los procesos con integradores, el empleo
del dominio de la frecuencia y el considerar la perturbacin, son algunas de las
extensiones propuestas para RGA.
RGA para Plantas No-Cuadradas
Para el caso de numerosas entradas manipuladas candidatas, se puede

considerar no utilizar aquellas entradas cuyas manipulaciones corresponden a
53
___________________________________________________________________________________________________
columnas en RGA donde la suma de los elementos es mucho menor que uno
(Cao, 1995). Similarmente, para el caso de muchas salidas medidas candidatas o
controladas, se puede considerar no utilizar aquellas salidas correspondientes a
las filas en RGA donde la suma de los elementos es mucho menor que uno.
RGA para Procesos Integradores
En procesos con integradores, las relaciones matemticas entre ciertas variables

de estado y entradas estn gobernadas por integradores. En el caso de los
procesos qumicos, por ejemplo, para algunos niveles de lquido, la velocidad de
cambio del nivel es independiente del nivel en s mismo.
Cuando el sistema posee integradores, no es posible calcular la funcin de

transferencia del sistema en estado estacionario. Para ello, Arkun y Downs (1990)
proponen una metodologa que consiste en calcular la derivada de la salida con
respecto al tiempo para el elemento integrador, y generar una representacin con
nuevas funciones de transferencia que cancelen el polo integrador. Las filas donde
se calcul la derivada se reemplazan en la matriz de ganancias en estado
estacionario G(0) original. Sobre este nuevo arreglo matricial se efecta el clculo
de la RGA en estado estacionario.
McAvoy (1998) y McAvoy y Miller (1999) utilizaron esta metodologa en la planta

Tennessee Eastman (Downs and Vogel, 1993) para seleccionar lazos de control
realimentados.
RGA a la Frecuencia de Corte
Al igual que las ganancias en estado estacionario, tambin se han propuesto

mtricas de interaccin que consideran la dinmica del proceso o la respuesta en
frecuencia (Witcher and McAvoy, 1977; Tung and Edgar, 1981; Grosdidier and
Morari, 1986; Skogestad and Postlethwaite, 1996). Aunque estos mtodos son
ms complicados que la aproximacin con la RGA estndar, ofrecen ms
informacin sobre el comportamiento en lazo cerrado del sistema. La
interpretacin de la RGA en el dominio de la frecuencia indica como debe
considerarse la dinmica en el pareamiento de entradas y salidas. La RGA en
frecuencia de corte (s=iC) se puede expresar:
(iC) = G(iC) (G-1(iC))T (5.5)
Skogestad and Postlethwaite (1996) recomiendan hacer pareamientos para los

cuales las ganancias relativas a la frecuencia de corte sean cercanas a la unidad.
Para este anlisis, las variables de entrada y salida se reordenan basadas en los
pareamientos sugeridos, lo cual produce una RGA diagonalmente dominante y
cercana en magnitud a la matriz identidad (Grosdidier and Morari, 1986). Las
plantas que contengan elementos en la RGA muy grandes alrededor de la
frecuencia de corte, son inherentemente difciles de controlar por la sensibilidad a
los errores en los parmetros del modelo o a su incertidumbre, lo cual hace que
54
___________________________________________________________________________________________________
las aproximaciones de diseo sean poco atractivas desde el punto de vista de la

interaccin.
RDG de la Perturbacin
Stanley y colaboradores (1985) tuvieron en cuenta la posible amplificacin o

atenuacin de la respuesta de la perturbacin para un pareamiento candidato
particular. En su trabajo proponen calcular la ganancia relativa de la perturbacin
(Relative Disturbance Gain, RDG) como la relacin entre el cambio en el esfuerzo
de control requerido para contrarrestar la perturbacin en un lazo cuando el resto
de los lazos estn cerrados versus el caso con el resto de lazos abiertos. Este
implica disponer de un modelo de la perturbacin.
Los valores de RDG menores que uno indican una interaccin benfica donde los
lazos cooperan, y los valores mayores que uno indican que cerrando un lazo se
exacerban los efectos de la perturbacin sobre los dems.
RGA Dinmica
McAvoy y colaboradores (2003) proponen una aproximacin para calcular la RGA

dinmica (Dynamic Relative Gain Array, DRGA) con el propsito de considerar la
dinmica del proceso que ignora la RGA original y corregir sus deficiencias. El
clculo de DRGA requiere del diseo previo de un controlador y del modelo del
proceso en espacio de estados. El controlador se disea en lnea por medio de
optimizacin, para ello se calcula un controlador retroalimentado proporcional para
un valor esperado de determinada perturbacin.
RGA Efectiva
Recientemente, Xiong y colaboradores (2005) desarrollaron una modificacin de

RGA en la cual, en lugar de utilizar la matriz G en estado estacionario, utiliza el
producto Schur ( ) de G en estado estacionario y una matriz constituida por las
integrales en la frecuencia del valor absoluto de los elementos de G. Los lmites de
la integral van desde la frecuencia 0 hasta el ancho de banda del sistema. Esta
extensin del mtodo RGA, lo denominaron RGA efectiva (ERGA).
Se puede decir que el trabajo de (Xiong et al., 2005) es la punta en RGA porque
en contraste con los trabajos previos de RGA, este corrige todas sus falencias.
ERGA tiene en cuenta todo el rango de frecuencias de operacin y en
comparacin con DRGA, este no implica el diseo de controladores. No obstante,
por ser la sumatoria de un producto de ganancias, trabaja con valores muy
alterados de la ganancia para evaluar la RGA, lo que puede llevar a resultados
distorsionados, y por ende, a pareamientos errneos.
55
___________________________________________________________________________________________________
5.2 ANLISIS DE VALORES SINGULARES

Esta seccin se divide en dos partes, la primera presenta la parte matemtica de
la descomposicin en valores singulares. En la segunda parte se describen
diferentes aproximaciones para disear estructuras de control a partir de la
descomposicin en valores singulares.
5.2.1 Descomposicin en Valores Singulares - Definicin
Cualquier matriz compleja G de orden l x m puede factorizarse como una

descomposicin en valores singulares:
G = UV T (5.6)
donde la matriz U de orden l x l y la matriz V de orden m x m son unitarias, y la

matriz de orden l x m contiene una matriz diagonal 1 de valores singulares
reales no negativos, i, arreglados en orden descendente:

= 1 ; lm = [1 0] ; lm
0
donde
1 = diag { 1 , 2 ,..., k } ; k = min(l , m)
1 2 ... k
Donde es el mximo valor singular de la matriz G, y es el mnimo valor

singular. La matriz de valores singulares se encuentra ordenada del mayor al
menor valor singular.
Las matrices unitarias U y V forman bases ortonormales para el espacio columna

(espacio de salida) y el espacio fila (espacio de entrada) de G. Los vectores
columna de V, denotados Vi, se denominan vectores singulares de entrada y los
vectores columna de U, denotados Ui, se denominan vectores singulares de salida.
Los valores singulares son las races cuadradas positivas de los k = min(l , m)
valores propios ms grandes de GGT y GTG. Se tiene:
i (G ) = i (G T G ) = i (GG T ) (5.7)
Tambin, las columnas de U y V son los vectores propios unitarios de GGT y GTG,
respectivamente.
56
___________________________________________________________________________________________________
El rango de una matriz es igual al nmero de valores singulares diferentes de cero.

Si rank (G ) = r , la matriz G tiene rango deficiente si r < k = min(l , m) , y se tienen
valores singulares i = 0 para i = r + 1,...k
El nmero de condicin (NC) est definido como:
(G ) = 1 = (5.8)
k
Con k = min(l , m) . Se dice que una matriz con un NC grande est mal
condicionada, y por lo tanto una matriz con un NC infinito es una matriz con rango
deficiente.
5.2.2 Aplicaciones de SVD en Seleccin de Estructuras de Control
El anlisis de valores singulares (Singular Value Decomposition, SVD) ha sido

ampliamente utilizado en diversas reas de la ingeniera, en este caso se tratarn
sus aplicaciones en la seleccin de estructuras de control.
En control, los sistemas lineales multivariable estn representados por medio de

matrices, ya sea G en el dominio de Laplace, o {A, B, C} en el espacio de estados.
La descomposicin en valores singulares de la matriz G, por ejemplo, tiene un
significado fsico importante. Los valores singulares de la matriz G representan los
modos en los cuales opera la planta, y los vectores singulares indican la direccin
en la cual operan los modos. Un modo es una manera en la cual opera la planta y
significa que para determinada direccin en la que se muevan las entradas
generar una determinada direccin en las salidas de la planta. La direccin se
refiere a los signos, + aumenta y disminuye. Los vectores de entrada V, indican
la direccin en la cual se mueven las variables manipuladas, y los vectores de
salida U indican la direccin en la cual se movern las variables de salida, dados
los vectores V. Los modos ms probables de la planta estn representados por los
valores singulares ms altos, es decir los primeros en la matriz . Y los modos
correspondientes a los valores singulares ms pequeos, son los modos ms
difciles de conseguir para cualquier sistema de control. Como puede verse, el
anlisis SVD provee informacin muy importante para disear un sistema de
control. Una ilustracin ms completa sobre SVD se encuentra en (Skogestad and
Postlethwaite, 1996).
A continuacin se presenta una revisin de trabajos enfocados al diseo de

estructuras de control a partir del anlisis SVD. La revisin se clasifica segn el
criterio utilizado: a) el mnimo valor singular, b) el mximo valor singular, c) el
nmero de condicin y d) los vectores singulares.
57
___________________________________________________________________________________________________
a) El mnimo valor singular
Para este criterio, la regla general es que los conjuntos entrada-salida deben ser
seleccionados tal que generen un valor de grande. Una primera medida de la
controlabilidad entrada-salida, que con frecuencia se utiliza en seleccin de
entradas y salidas, es el mnimo valor singular dependiente de la frecuencia ( j ) .
Por ejemplo, en (Tzouanas et al., 1990) se sugiere utilizarlo para seleccin en
lnea del conjunto de entradas para adaptarlo continuamente a los cambios en las
condiciones de operacin.
La idea de seleccionar un conjunto de variables que generen un valor de

grande est justificada con diversos argumentos. Skogestad y Postlethwaite (1996)
afirman que un > 0 garantiza que las variables podrn ser controladas
independientemente. Por otro lado, Morari (1983) se refiere a las restricciones en
las entradas, argumentando que para que una planta tenga buen desempeo en
seguimiento y regulacin, en el caso de que existan limitaciones en la magnitud de
las entradas, debe ser grande. Yu y Luyben (1986) designan a como el
ndice de Resiliencia de Morari (MRI) y lo consideraron un sinnimo de la
controlabilidad entrada-salida. Estos sugieren seleccionar el conjunto de entradas
con el MRI ms grande sobre el rango de frecuencias de inters, lo cual es
adoptado mas tarde por Havre y colaboradores (Havre et al., 1996) y Wolff y
colaboradores (Wolff et al., 1992). Segn los autores mencionados, este ndice
cuantifica la regla seleccione aquellas entradas manipuladas que tengan un
efecto fuerte sobre las salidas (Seborg et al., 2004).
b) El mximo valor singular
En general, lo deseable es que el mximo valor singular sea pequeo. Sin

embargo esta no es la condicin buscada en todos los casos. Dependiendo del
objetivo y de la funcin de transferencia que se analice, puede requerirse un valor
de grande o pequeo.
En (Havre et al., 1996) y (Skogestad and Postlethwaite, 1996) se utiliza como un

criterio para seleccionar mediciones secundarias en control inferencial. En este
caso, se realiza el anlisis de SVD para las funciones de transferencia que
relacionan el error en la salida con la perturbacin y con la incertidumbre. La regla
para seleccionar mediciones secundarias es mantener el de ambas funciones
de transferencia pequeos, para todo el rango de frecuencias de inters.
En otros trabajos, en cambio, se sugiere escoger conjuntos de variables que

generen un grande. Por ejemplo, Cao y Biss (Cao, 1995; Cao and Biss, 1996)
proponen un mtodo para seleccionar conjuntos de entradas manipuladas. Segn
ellos, deben seleccionarse aquellas entradas para las cuales se obtenga un
grande en la matriz que resulta como producto de: a) la pseudoinversa del modelo
del proceso y b) del modelo de la perturbacin. El argumento es que este producto
58
___________________________________________________________________________________________________
representa la relacin entre la entrada y la perturbacin cuando se fija la salida en

cero, por lo tanto un grande implicar que la entrada no afecta la propagacin
de la perturbacin, lo cual ser efectivo para rechazar la perturbacin. No obstante,
en (Van de Wal and De Jager, 2001) se critica este criterio afirmando que un
pequeo implicara un menor esfuerzo de control para un conjunto dado de
perturbaciones.
c) El nmero de condicin
Como se mencion en la seccin 5.2.1, el nmero de condicin (NC) de una

matriz es una medicin que indica su condicionamiento numrico. En control, un
sistema representado por una matriz con un nmero de condicin muy grande es
un sistema difcil de controlar, puesto que tiene modos en los cuales es casi
imposible poner a operar el proceso. Por esta razn, en general, debe
seleccionarse un conjunto de entradas y salidas que resulten en un sistema con
nmero de condicin pequeo. Ntese que el NC de un vector columna o fila es
igual a uno, por lo cual el mtodo no es selectivo si nu = 1 ny = 1.
En (Morari, 1983; Skogestad and Postlethwaite, 1996) se establece que un

pequeo indica buena robustez ante las incertidumbres. Por su parte, en (Reeves,
1991) se propone un mtodo para reducir el nmero de entradas y salidas
candidatas, previo a un anlisis de estabilidad robusta. Este comienza con el
conjunto completo de entradas y salidas, que se van eliminando gradualmente con
base en el NC, el cual es calculado a la frecuencia de corte del sistema. El
conjunto se reduce gradualmente hasta que sea manejable para otras tcnicas.
Sin embargo, el mtodo no garantiza que el conjunto de variables resultante posea
el menor NC posible en relacin a otros conjuntos con esa misma dimensin.
Skogestad y Morari (1987) proponen el nmero de condicin de la perturbacin

(NCP), como una medida de la magnitud de la entrada que se requiere para
rechazar la perturbacin en la direccin que requiera el mnimo esfuerzo de control.
El conjunto de entradas que produzca el menor NCP es el que se espera, mejor
rechace las perturbaciones. Dicho clculo lo hacen sobre la matriz G a la
frecuencia de corte.
En (Seborg et al, 2004), se propone seleccionar grupos de variables entrada-

salida buscando un compromiso entre RGA y el NC. Para ello se deben evaluar
ambos ndices en todas las combinaciones posibles de entradas y salidas. Es un
mtodo engorroso si se tiene un proceso de gran escala, y adems, utiliza como
modelo la matriz G en estado estacionario.
d) Vectores singulares U y V
Este grupo de mediciones de controlabilidad entrada-salida involucra los vectores

singulares izquierdos o de salidas (U para las y) y derechos o de entradas (V para
las u) del anlisis de valores singulares. Recurdese que la funcin de los vectores
59
___________________________________________________________________________________________________
singulares es direccionar las variables de cada uno de los modos, representados

en los valores singulares.
Moore y colaboradores (Moore et al, 1987) proponen tres reglas de seleccin

basadas en los vectores singulares. La idea fundamental es encontrar el mejor
compromiso entre salidas mutuamente independientes y salidas que sean
sensibles a los cambios en las entradas u. Para este propsito, se desarrolla la
descomposicin en valores singulares de G en estado estacionario y se toman
conjuntos entrada-salida cuadrados. La primera regla recae en la SVD de G(0)
para el conjunto de salidas completo. Se seleccionan aquellas salidas que
correspondan a las entradas de cada vector singular izquierdo U con los valores
singulares ms grandes. Esta se basa en la nocin de que los vectores singulares
izquierdos apuntan en la direccin del primer y1, el segundo y2, etc., la
combinacin ms sensible de salidas. Las salidas seleccionadas se consideran
sensibles a las entradas, y debido a la ortogonalidad de los vectores de U,
relativamente independientes. Un procedimiento similar se propone para seleccin
de entradas, involucrando los valores absolutos ms grandes de V. Este mtodo
de seleccin es directo, ya que la SVD no se recalcula para cada candidato. Por
tal razn este mtodo puede ser poco efectivo. La segunda regla es una versin
modificada de la primera, y consiste en calcular la diferencia entre los valores
absolutos de los vectores singulares U y tomar un grupo de salidas con base en
esta diferencia, con el fin de reducir la interaccin. La tercera regla resuelve la
posible ineficacia de las anteriores, recalculando la SVD para todos los conjuntos
de salidas candidatas.
Keller y Bonvin (1987) plantean una descomposicin en valores singulares de la

matriz B de la descripcin de la planta en espacio de estados, previo
acondicionamiento numrico (seccin 5.3). Con este mtodo de seleccin se
busca escoger las nu entradas con el efecto mas fuerte y ortogonal sobre las
salidas controladas. Este efecto se pondera con los nu valores singulares ms
altos y los correspondientes vectores singulares V. El mtodo es directo si B se
genera para el conjunto completo de entradas.
En (Cao and Biss, 1996) se sugiere una aproximacin directa para seleccionar las
nu Ny entradas, de las Nu candidatas, con el mayor efecto sobre un nmero fijo
Ny de salidas y. Esta aproximacin consiste en calcular la SVD de G a una
frecuencia relevante, por ejemplo la frecuencia de corte. Asumiendo que G tiene
rango completo Ny, la efectividad de cada entrada (single-input effectiveness)
para uj est dada por:
Ny
vuj (G ) = U
i =1
ji * U ji (5.9)
60
___________________________________________________________________________________________________
De acuerdo a esto, deben seleccionarse las nu entradas que generen los valores
vuj ms grandes. En Cao (1995), se utiliza la efectividad de cada perturbacin
como una medicin similar para la efectividad en el rechazo a perturbaciones.
Ntese que los mtodos basados en vectores singulares buscan ponderar los
efectos de las entradas y salidas para seleccionar conjuntos entrada-salida.
Desafortunadamente, el modelo del sistema que utilizan no es lo suficientemente
representativo. Por un lado, la matriz G en estado estacionario ignora las
dinmicas del sistema. En el caso de G evaluada a una determinada frecuencia,
esta ya tiene en cuenta el comportamiento dinmico, pero lo engloba en una sola
frecuencia, quitndole informacin al modelo. Y B, por su parte, si bien representa
adecuadamente el proceso, solo indica el impacto que tiene la entrada sobre el
estado, y no sobre la salida.
5.3 ACONDICIONAMIENTO NUMRICO

En esta Tesis, el trmino Acondicionamiento Numrico (AN) corresponde al
trmino original scaling en ingls empleado en la literatura (Skogestad and
Postlethwaite, 1996; McAvoy, 1998; Albertos and Sala, 2004). Aunque este no
tiene profundas races matemticas, el AN es de vital importancia en la prctica.
Un buen condicionamiento numrico ayuda a simplificar el anlisis de un sistema y
el diseo de su estructura de control.
Desafortunadamente, hasta ahora no hay un clculo estndar para acondicionar

numricamente los sistemas. Lo que si es claro, es que se requiere de un fuerte
conocimiento del diseo del proceso por parte del ingeniero, asimismo como del
desempeo requerido del sistema. Para esto, se toman decisiones basadas en la
magnitud esperada de las perturbaciones y de los cambios en las referencias, en
la magnitud permitida de cada seal de entrada y en la magnitud de la desviacin
permitida de cada salida, lo que implica una profunda comprensin del proceso.
Al comparar magnitudes, las unidades de las variables son crticas. Adems, para
determinar la ganancia o la relacin entre la magnitud de las variables, ms aun
en un sistema MIMO (Multiple Input Multiple Output), las mediciones deben
normalizarse, y de esta manera, llevarlas a una escala tal que sean comparables.
En sntesis, con el AN se busca quitarle las unidades a las variables, esto es
volverlas adimensionales, para hacerlas comparables.
Ntese que la mayora de mediciones de controlabilidad entrada-salida dependen

fuertemente del AN de las variables y esto se presenta cuando la medicin no es
adimensional, tal es el caso del anlisis por SVD. El condicionamiento de una
matriz depende del valor numrico de sus elementos, un incorrecto AN de las
variables puede dar como resultado una matriz mal condicionada, lo que conlleva
en la prctica a un problema inmanejable.
61
___________________________________________________________________________________________________
Desde el punto de vista del AN, es bastante cuestionable la idea de que una
planta est mal condicionada cuando el NC del modelo que describe el proceso es
muy grande (seccin 5.2.2 c)), ya que el valor del NC depende directamente del
AN. Waller y Waller (1995) trataron de definir la direccionalidad de la planta con
respecto al AN desde el punto de vista del desempeo, utilizando la SVD. Los
autores consideran que la idea de que las plantas con un NC grande son ms
difciles de controlar, tiene una gran relevancia terica que va mas all del AN,
mencionando especialmente la estabilidad.
En la literatura se han propuesto diferentes clculos para el AN:
Albertos y Sala (2004) recomiendan realizar el AN de las variables manipuladas de

tal manera que el rango del actuador est mapeado entre [-1,1], las perturbaciones
tal que su valor mximo estimado se mapee a 1. Y para las variables controladas,
acondicionarlas de forma tal, que una unidad en la nueva escala sea equivalente a
los errores mximos admisibles.
En su libro, Skogestad y Postlethwaite (1996) proponen hacer todas las variables

menores que uno en su magnitud, esto se consigue dividiendo cada variable por
su valor mximo esperado o el mximo cambio permitido. Ntese que en el caso
de las variables controladas, se propone dividir la variable entre el error mximo,
esto es, la desviacin de su referencia. En este libro se muestra un procedimiento
matricial para el AN.
Ntese que las ideas de (Albertos y Sala, 2004) y (Skogestad and Postlethwaite,
1996) son similares en cuanto al AN de las variables controladas, con un valor
mximo de 1. No obstante, McAvoy (1998) propuso otro tipo de clculo. El autor
recomienda dividir todas las variables entre su valor nominal o de estado
estacionario, este tipo de AN lo utiliza en la planta Tennessee Eastman (Downs
and Vogel, 1993) para las matrices A, B y C de la representacin en espacio de
estados. No obstante, la nica medicin de controlabilidad entrada-salida que
utiliza el autor es la RGA, que es adimensional y no depende de la magnitud de
las variables. Por lo tanto, no demuestra la efectividad del tipo de AN propuesto.
5.4 NDICE DE NIEDERLINSKI

Este mtodo fue propuesto por Niederlinski (1971) para descartar aquellos lazos
de control que generen inestabilidad, y est asociado a la controlabilidad entrada-
salida. El ndice de Niederlinski (NI), es una condicin necesaria para la
estabilidad de una configuracin de control especfica. Por medio de este anlisis,
un pareamiento es inaceptable si resulta un sistema de control con un NI negativo.
Tal condicin implica un sistema de control permanentemente inestable. El ndice
de Niederlinski se define como:
62
___________________________________________________________________________________________________
det(G (0))
NI = N
<0 (inestable) (5.10)
G
i =1
ii ( 0)
donde det(G(0)) es el determinante de la funcin de transferencia del proceso G

evaluada en estado estacionario. El denominador, es la multiplicacin de los
elementos diagonales de la funcin de transferencia del proceso evaluada en
estado estacionario.
Un punto a favor del mtodo de Niederlinski es el considerar la estabilidad del

pareamiento seleccionado. A diferencia de los mtodos basados en valores
singulares, el NI tiene en cuenta la estabilidad. Sin embargo, el hecho de utilizar la
funcin de transferencia del proceso en estado estacionario le quita generalidad,
puesto que no tiene en cuenta la parte dinmica, es bien sabido que el proceso no
siempre opera en estado estacionario.
5.5 OTROS MTODOS DE SELECCIN DE ESTRUCTURAS DE

CONTROL
En (Van de Wal and De Jager, 2001) se presenta una revisin de los mtodos de
seleccin de estructuras de control existentes hasta ese ao. Los mtodos son
agrupados de acuerdo a la propiedad del sistema de control que es evaluada
como criterio de seleccin:
- Accesibilidad
- Controlabilidad y observabilidad de estado
- Ceros en el semiplano derecho
- Controlabilidad entrada-salida
- Eficiencia de la manipulacin y de la estimacin
- Estabilidad robusta y desempeo nominal
- Desempeo robusto
- Bsqueda basada en estadstica
Cada uno de estos criterios de seleccin se evala de acuerdo a las propiedades

deseadas del mtodo de seleccin. Los autores proponen 8 propiedades:
1. Bien fundamentado
2. Eficiente
3. Efectivo
4. Aplicabilidad general
5. Riguroso
6. Cuantitativo
7. Independiente del controlador
8. Directo
63
___________________________________________________________________________________________________
De acuerdo al propsito de esta Tesis, se consideran solamente los mtodos

basados en controlabilidad, esto es, los basados en controlabilidad y
observabilidad de estado y los basados en controlabilidad entrada-salida. Al
comparar la evaluacin que (Van de Wal and De Jager, 2001) hacen en estos dos
criterios de seleccin, se encuentra que:
- Los mtodos basados en controlabilidad y observabilidad de estado se

consideran mejor fundamentados que los basados en controlabilidad
entrada-salida. Esto es de esperarse, la controlabilidad entrada-salida no tiene
por lo menos una definicin clara.
- Los mtodos basados en controlabilidad entrada-salida son considerados
ms cuantitativos que los basados en controlabilidad de estado. En torno a
controlabilidad entrada-salida se han desarrollado diferentes ndices que miden
dicha controlabilidad, en controlabilidad de estado se tiene un criterio binario.
Ntese que estos argumentos estaban expuestos previamente en la seccin 4.5,

donde se muestran comparativamente las ventajas y desventajas de los dos
conceptos de controlabilidad.
5.6 COMENTARIOS FINALES

En todo el Captulo 5 se present una revisin de las metodologas existentes para
el diseo y seleccin de estructuras de control. Aqu se discuten los mtodos
basados en la RGA y la SVD.
Ntese que en la mayora de los casos, la RGA se evala en estado estacionario

con el modelo G(0), ignorando las dinmicas del sistema y asumiendo que el
proceso siempre opera en estado estacionario. Por esta razn, la RGA tambin es
evaluada a una frecuencia relevante, en este caso, a la frecuencia de corte del
sistema. Pero la desventaja de este clculo es que la dinmica del sistema se
engloba en una sola frecuencia, cuando se trata de un sistema multivariable en el
cual los lazos y todas las dinmicas operan a distintas frecuencias. La RGA a la
frecuencia de corte, por ejemplo, ignora el comportamiento de estado estacionario.
En un esfuerzo por generalizar la RGA a todo el rango de frecuencias, se propuso

ERGA (Xiong et al., 2005). Para su clculo se toma una representacin en la cual
la ganancia del sistema es reemplazada por una expresin modificada de la
ganancia: el producto entre la ganancia en estado estacionario y la integral de la
ganancia desde la frecuencia 0 hasta el ancho de banda del pareamiento. Si bien
es muy general, la expresin que reemplaza la ganancia es una versin muy
alterada del modelo que puede dar resultados distorsionados, y por lo tanto, llevar
a pareamientos poco convenientes.
Como un punto importante, vale la pena cuestionar en que medida el mtodo RGA
evala la interaccin de los pareamientos. Ntese que la RGA solamente
considera la relacin de ganancias cuando los dems lazos estn abiertos versus
64
___________________________________________________________________________________________________
cuando los dems lazos estn cerrados, lo cual es una condicin suficiente para
juzgar pareamientos en el caso de un sistema 2x2. No obstante, cuando se tiene
un sistema de orden mayor a 2, el mtodo no tiene en cuenta la ganancia para las
dems combinaciones de lazos abiertos y cerrados, en otras palabras, RGA no
abarca todas las posibilidades. Por este motivo, se concluye que RGA no es un
mtodo lo suficientemente general.
Con respecto a los mtodos basados en la SVD, estos presentan una limitacin en
comn con RGA: la representacin o modelo del sistema. Para los mtodos aqu
reportados, SVD utiliza la matriz de ganancias en estado estacionario, o el modelo
evaluado a la frecuencia de corte. Hace falta una representacin ms general del
sistema, tanto para SVD como para RGA.
Por otro lado, los mtodos basados en SVD dependen fuertemente de las
unidades de las variables, el AN del modelo del proceso para volver las variables
adimensionales obedece a las restricciones del proceso mismo, pero como no hay
un procedimiento estndar para el AN, los resultados del mtodo SVD pueden
parecer ambiguos (Waller and Waller, 1995). En este sentido, RGA tiene un punto
a favor, como la ganancia relativa es adimensional, todos los mtodos basados en
ganancias relativas son independientes del AN.
El mtodo que se propone en esta Tesis busca corregir algunas de las limitaciones
ya mencionadas de los mtodos basados en la RGA y la SVD, una de estas es la
representacin del sistema, aqu se propone una representacin de la planta en el
dominio del tiempo por medio de la matriz de Hankel. En la siguiente seccin se
describe en detalle la metodologa para diseo de estructuras de control.
65
___________________________________________________________________________________________________
66
___________________________________________________________________________________________________
6 METODOLOGA PROPUESTA PARA EL DISEO

DE ESTRUCTURAS DE CONTROL
Con la descripcin de las mltiples interpretaciones que se le han dado al

concepto de controlabilidad a lo largo de la historia, y las diferentes maneras de
evaluarla haciendo nfasis en la medicin de la controlabilidad entrada-salida,
hasta aqu es claro que el diseo y seleccin de estructuras de control se ha
trabajado bajo un enfoque entrada-salida. Tal es el caso de las herramientas ya
referidas en el Captulo 5, la RGA y la SVD, que se utilizan especficamente en el
diseo de estructuras de control. En esta seccin se presenta una nueva
aproximacin para el diseo de estructuras de control basado en la matriz de
Hankel, que tiene en cuenta el comportamiento dinmico del proceso. La
metodologa toma algunos elementos del anlisis de valores singulares, pero en
este caso la representacin del sistema es mucho ms genrica y contiene la
informacin dinmica de la cual carecen los modelos utilizados en aproximaciones
previas.
6.1 MATRIZ DE HANKEL

Considere un sistema discreto SISO (Single Input Single Output), invariante en
el tiempo descrito por el siguiente modelo en espacio de estados:
x(k + 1) = Ax(k ) + bu (k )
(6.1)
y (k ) = cx(k )
Donde x(k ) n . Empricamente, la matriz de Hankel se define como la respuesta

impulso del sistema, y se calcula a partir de los parmetros de Markov, que son
los valores de la respuesta impulso del sistema y se definen como:
hi = cA i 1b i = 1, 2, ... (6.2)
La matriz de Hankel del sistema (ec. 6.1) est dada por:
67
___________________________________________________________________________________________________
hi hi +1 L hi + j
h hi + 2
H[i, j ] =
i +1
(6.3)
M

hi + j hi + 2 j
Si el sistema es de orden n, la matriz de Hankel H[i, i + r ] es no singular para r n

y singular para r > n .
Adicionalmente, se puede demostrar que la matriz de Hankel es el producto de las

matrices de observabilidad y controlabilidad:
c
cA
H=
M
[
b ... A n-2 b A n-1b ] (6.4)
n 1
cA
La matriz de Hankel representa las propiedades entrada-salida del sistema en

trminos dinmicos y ha sido ampliamente estudiada en el anlisis de sistemas
lineales (Moore, 1981). En particular, los valores singulares de la matriz de Hankel
tienen un significado importante en la teora de sistemas lineales (Kailath, 1980).
Estos se calculan como la raz cuadrada de los valores propios de la matriz que
resulta como producto de los gramianos de observabilidad y controlabilidad.
Dentro de las principales aplicaciones del anlisis en valores singulares de la
matriz de Hankel, est la reduccin de modelos, identificacin de sistemas y
diseo de filtros digitales (Sreeman and Zomaya, 1991).
En Van de Wal y De Jager (2001) se considera que los valores singulares de la

matriz de Hankel estn asociados a la controlabilidad de estado en un sentido
cuantitativo. Los autores sealan que la controlabilidad y observabilidad de estado
tienen un sentido binario, esto es, la planta exhibe o no la propiedad, y presumen
que los valores singulares de la matriz de Hankel pueden ser un indicador
cuantitativo de la controlabilidad y observabilidad de estado. Como se ver a lo
largo de todo el Captulo 6, en el presente trabajo se apunta en la misma direccin
para proponer un mtodo que permita seleccionar estructuras de control.
6.2 INTERPRETACIN EN TIEMPO DISCRETO DE LA MATRIZ DE

HANKEL
Hasta aqu ya es claro que la matriz de Hankel es el producto de la matriz de
observabilidad y la matriz de controlabilidad. En esta seccin se mostrar que el
significado fsico de la matriz de Hankel es mucho ms claro si se llevan las
variables a tiempo discreto.
68
___________________________________________________________________________________________________
Obtencin de la matriz de observabilidad
El sistema representado por la ecuacin 4.4 es observable si hay un k finito tal que
el conocimiento de las entradas u (0), u (1),...u (k 1) y de las salidas
y (0), y (1),... y (k 1) es suficiente para determinar el estado inicial del sistema. Para
simplificar se asume que u (k ) = 0 y que y (0), y (1),... y (n 1) son conocidos. De ah
puede escribirse el siguiente conjunto de ecuaciones:
y (0) = Cx(0)
y (1) = Cx(1) = CA d x(0)
y (2) = Cx(2) = CA d x(0)
2
(6.5)
M
y (n 1) = Cx(n 1) = CA d
n1
x ( 0)
Usando notacin vectorial, se obtiene:
y ( 0) C
y (1) CA
= d
x ( 0) (6.6)
M M
n 1
y (n 1) CA d
La matriz obtenida es la matriz de observabilidad, y representa la relacin entre el

estado inicial x(0) y la secuencia de mediciones de la salida y (0), y (1),... y (n 1) .
Obtencin de la matriz de controlabilidad
Considrese nuevamente el sistema representado por la ecuacin 4.4. Supngase

que el estado inicial x(0) est dado. El estado est dado por:
x(1) = A d x(0) + B d u (0)

x(2) = A d x(1) + B d u (1) = A d x(0) + A d B d u (0) + B d u (1)
2
(6.7)
x(3) = A d x(2) + B d u (2) = A d x(0) + A d B d u (0) + A d B d u (1) + B d u (2)
3 2
M M M M M M M
y siguiendo sucesivamente, el estado en el instante n, donde n es el orden del

sistema, est dado por:
x(n) = A d x(0) + A d B d u (0) + A d B d u (1) + ... + B d u (n 1)

n n -1 n -2
(6.8)
69
___________________________________________________________________________________________________
En notacin vectorial, puede expresarse como:
u (n 1)
M
[
x ( n ) = A d x ( 0) + B d
n
... A d
n -2
Bd
n -1
Ad Bd ]
u (1)
(6.9)

u ( 0)
La matriz que relaciona la secuencia de entradas pasadas u (n 1),...u (1), u (0) con
el estado actual x(n) representa la matriz de controlabilidad, ntese que el primer
trmino de esta expresin (ec. 6.9) es constante.
Obtencin de la matriz de Hankel
Nota: Por simplicidad, de aqu en adelante se suprimir el subndice d en las

matrices A y B, que indica que la matriz corresponde al sistema discreto.
En la expresin de observabilidad (ec. 6.6) en lugar de evaluar el estado inicial en

0, se evaluar en el instante n:
y (n) C
y (n + 1) CA
= x ( n) (6.10)
M M
n 1
y (2n 1) CA
Ahora, en esta expresin (ec. 6.10) se reemplaza x(n) de la expresin de la

controlabilidad (ec. 6.9):
y (n) C C u (n 1)
y (n + 1) CA M

M
=
M M
[
A n x(0) + CA B ... A n -2 B A n -1 B ]
u (1)
(6.11)
n 1 n 1
y (2n 1) CA CA u ( 0)
Ntese que el primer trmino de la expresin (ec. 6.11) es constante, y el segundo

trmino representa la relacin dinmica entre las entradas anteriores al instante n
y las salidas posteriores al instante n. Dicha relacin est dada por el producto de
las matrices de observabilidad y controlabilidad, ms conocida como la matriz de
Hankel:
70
___________________________________________________________________________________________________
C
CA
H=
M
[
B ... A n- 2 B A n-1 B ] (6.12)
n 1
CA
As,
CB CAB L CA n1B
CAB CA 2 B
L CA n B
H= (6.13)
M M M
n 1 n 2n2
CA B CA B L CA B
Si se denomina K al trmino constante de la ec. 6.11:
C
CA
K= A n x ( 0) (6.14)
M
n 1
CA
Por lo tanto, de las ecuaciones 6.11, 6.12, 6.13 y 6.14:
y (n) CB CAB L CA n1B u (n 1)

y (n + 1) CAB CA 2 B L n
= CA B M +K (6.15)
M M M M u (1)
n 1 2n2
y (2n 1) CA B CA B L CA B u (0)
n
y ( n) u (n 1)
y (n + 1) M
=H +K (6.16)
M u (1)

y (2n 1) u ( 0)
La ecuacin 6.16 muestra claramente que la matriz de Hankel H es una

representacin dinmica del sistema, a travs la cual se obtiene la secuencia de
respuestas a partir del instante n, y (n), y (n + 1),... y (2n 1) ante una secuencia de
entradas previas al instante n, u (0), u (1),...u (n 1) .
Ntese que la matriz de Hankel tiene orden n.l n.m , donde n es el orden del
sistema, m es el nmero de entradas y l es el nmero de salidas. Si el nmero de
entradas es igual al de salidas, l = m , la matriz de Hankel ser una matriz
cuadrada de orden n.m .
71
___________________________________________________________________________________________________
6.3 SELECCIN BASADA EN SVD DE LA MATRIZ DE HANKEL

Una vez se dispone de la matriz de Hankel como modelo del sistema, se procede
a desarrollar un anlisis de valores singulares que finalmente servir como criterio
para formar lazos de control realimentados. La SVD de la matriz de Hankel
(seccin 6.3.1) y la ponderacin dinmica (6.3.2) que se presenta a continuacin
puede aplicarse en sistemas no cuadrados, no obstante el criterio de seleccin
(seccin 6.3.3) restringe la metodologa a sistemas cuadrados.
El desarrollo analtico del mtodo se ilustra con un sistema de 2 estados, 3

entradas y 3 salidas, con el estado inicial x(0) = 0 . Dicho sistema se puede
representar con la siguiente expresin, donde H es la matriz de Hankel:
y1 (2) u1 (1)
y ( 2) u (1)
2 2
y 3 ( 2) u 3 (1)
H (6.17)
y1 (3) u1 ( 0)
y 2 (3) u 2 (0)

y 3 (3) u 3 (0)
Para tal caso se tiene orden n = 2. Ntese que la matriz de Hankel del sistema es
una matriz cuadrada de orden 6x6, y representa la respuesta del sistema en los
instantes k = 2, k = 3 ante el valor de las entradas en los instantes k = 0, k = 1 .
6.3.1 Descomposicin SVD de la Matriz de Hankel
Al descomponer la matriz de Hankel en valores singulares:
H = U V T (6.18)
Los vectores columna de U y de V son ortogonales y ortonormales, y la matriz ,

una matriz diagonal que contiene los valores singulares del sistema:
L U 16 1
T
U 11 U 12 V11 V12 L V16
U U 22 L U 26 2 V L V26
H = 21 21 V22 (6.19)
M M M O M M M

U 61 U 62 L U 66 6 V61 V62 L V66
El nmero de vectores singulares es igual al nmero de valores singulares

considerados para aproximar la matriz original. Aqu por simplicidad, se toma
72
___________________________________________________________________________________________________
nicamente el primer valor singular de la ec. 6.19, de esta manera el sistema

puede expresarse como:
y1 (2) U 11 u1 (1)
y (2) U
2 21 u 2 (1)
y3 (2) U 31 u 3 (1)
[ 1 ][V11 V21 V31 V41 V51 V61 ] (6.20)
y1 (3) U 41 u1 (0)
y 2 (3) U 51 u (0)
2
y 3 (3) U 61 u 3 (0)
Al desarrollar completamente la ecuacin 6.20, se obtiene un vector en el cual las

salidas estn expresadas en funcin de las entradas y de los valores obtenidos en
la descomposicin SVD. En esta expresin es posible visualizar el papel de cada
elemento de los vectores singulares y del valor singular tomado:
y1 (2) U 11 1 (V11u1 (1) + V21u 2 (1) + V31u 3 (1) + V41u1 (0) + V51u 2 (0) + V61u 3 (0) )
y (2) U (V u (1) + V u (1) + V u (1) + V u (0) + V u (0) + V u (0) )
2 21 1 11 1 21 2 31 3 41 1 51 2 61 3
y3 (2) U 31 1 (V11u1 (1) + V21u 2 (1) + V31u 3 (1) + V41u1 (0) + V51u 2 (0) + V61u 3 (0) )
(6.21)
y1 (3) U 41 1 (V11u1 (1) + V21u 2 (1) + V31u 3 (1) + V41u1 (0) + V51u 2 (0) + V61u 3 (0) )
y 2 (3) U 51 1 (V11u1 (1) + V21u 2 (1) + V31u 3 (1) + V41u1 (0) + V51u 2 (0) + V61u 3 (0) )

y 3 (3) U 61 1 (V11u1 (1) + V21u 2 (1) + V31u 3 (1) + V41u1 (0) + V51u 2 (0) + V61u 3 (0) )
Ntese que segn esta ecuacin 6.21, en cada salida no es posible discriminar
una entrada que tenga impacto diferente, en relacin a las dems salidas. Esto se
debe a que la expresin que contiene las entradas es la misma para todas las
salidas: (V11u1 (1) + V21u 2 (1) + V31u3 (1) + V41u1 (0) + V51u 2 (0) + V61u3 (0) ) .
Lo nico que diferencia a las salidas entre s son los valores del vector de salida
Ui1. Esto significa que el anlisis permite determinar el impacto de cada entrada
sobre todo el proceso, sin discriminar entre las salidas, y este impacto est dado
solamente por el valor de Vj1.
De la misma manera, para cada entrada manipulada no es posible determinar la

salida a la cual ms impacta, en relacin a las dems entradas. Puesto que las
salidas estn ponderadas por un valor Ui1 que multiplica al trmino que contiene
las entradas. Por lo tanto, slo es posible determinar a travs de los valores de Ui1
el impacto neto de las entradas sobre cada salida.
6.3.2 Ponderacin del Efecto Dinmico de Entradas y Salidas
Como el nmero de variables en el anlisis de Hankel para cada entrada y cada

salida es igual al orden del sistema ( n = 2 en este caso), se requiere ponderar el
73
___________________________________________________________________________________________________
impacto dinmico de cada entrada y cada salida. Para ello se propone calcular la
norma del vector correspondiente a cada una de las salidas y entradas, de tal
manera que se estime el efecto global en el tiempo de cada variable.
El efecto en la salida i, yi , se calcula con base en los vectores de salida Ui1:
y = U 11 2 + U 41 2
1
y = U 21 + U 51
2 2
2
(6.22)
y = U 31 2 + U 61 2
3
El ndice yi da una medida de que tan impactable dinmicamente es la salida i

en el proceso.
De la misma manera, el efecto en la entrada j, uj , se calcula utilizando los

vectores de entrada Vj1:
u = V11 2 + V41 2
1
u = V21 + V51
2 2
2
(6.23)
u = V31 2 + V61 2
3
El ndice uj da una medida de qu tan impactante dinmicamente es la entrada j

en el proceso.
Para generalizar, en el caso de tomar ms de un valor singular, el efecto dinmico

de la variable se calcula teniendo en cuenta el valor singular i . Recurdese que
el nmero de vectores singulares es igual al nmero de valores singulares
considerados para aproximar la matriz original, por lo tanto se incluye el valor
singular en el clculo de la norma:
y = [U 1i + U 4i ]
2 2 2
1 i
i
(6.24)
u = (V j1 + V ji 4 )
2 2 2
1 j
j
Ntese que si se toma un solo valor singular, esta ecuacin (ec. 6.24) tambin es
vlida, puesto que al discriminar entre variables, todas estn multiplicadas por el
mismo valor singular, lo que no afecta su efecto dinmico.
74
___________________________________________________________________________________________________
De forma an ms genrica, en un sistema con n estados, ny salidas y nu entradas,

puede demostrarse que para la k-sima variable:
[U ]
n 1
y =
k i
2
k + ny* j ,i
2
(6.25)
i j =0
[V ]
n 1
u =
k i
2
i , k + nu * j
2
(6.26)
i j =0
Estas expresiones (ecs. 6.25 y 6.26) representan el impacto dinmico que tiene
cada variable en el proceso. Este clculo es til para seleccionar pareamientos
entrada-salida que formen lazos de control realimentados.
6.3.3 Criterio de seleccin de pareamientos entrada-salida
Con base en una descomposicin en valores singulares de la matriz G en estado

estacionario, Moore y colaboradores (Moore et al, 1987) propusieron seleccionar
aquellas entradas y salidas correspondientes a los valores absolutos ms altos en
el vector singular, para crear grupos de variables candidatas a formar lazos de
control o pareamientos. Como otra alternativa, propusieron calcular la diferencia
entre los valores absolutos de los vectores singulares y tomar un grupo de salidas
con base en esta diferencia, con el fin de reducir la interaccin.
Por su parte, la aproximacin de Keller y Bonvin (1987) consisti en seleccionar el

conjunto de entradas con el efecto mas fuerte y ortogonal sobre las salidas
controladas, este se cuantifica con los valores singulares mas grandes y sus
correspondientes vectores singulares en la matriz B de la descripcin de la planta
en espacio de estados.
Retomando estas ideas y las de Cao y Biss (1996), expuestas en detalle en la

seccin 5.2.2 d), en este trabajo se propone una regla de seleccin que forme los
pareamientos tomando las variables con ms efecto sobre el proceso. Esto es,
parear la salida ms impactada con la entrada ms impactante, lo cual se
mide a travs del efecto dinmico de las ecuaciones 6.25 y 6.26. Una vez se
eliminan las dos variables del grupo, se seleccionan las de ms impacto para
formar un lazo de control. Luego, asumiendo un control perfecto en dicho lazo, se
toman las variables restantes como un nuevo sistema y se recalcula para este la
matriz de Hankel y los ponderadores para generar un nuevo lazo de control.
Ntese que cada vez se forma un nuevo grupo reducido, con dos variables
candidatas menos, las dos variables que ya formaron un lazo de control. De esta
manera se continan formando pareamientos hasta terminar con todas las
variables del sistema.
75
___________________________________________________________________________________________________
Para proponer esta metodologa, se decidi apoyarse en los vectores singulares y

no en los otros criterios de SVD expuestos en 5.2.2. La justificacin es que con los
mtodos basados en el nmero de condicin, el mximo valor singular y el mnimo
valor singular, no es posible determinar realmente el impacto que tiene cada
variable controlada y manipulada en el sistema. A travs de la ponderacin de los
valores en los vectores singulares se logr cuantificar el efecto dinmico de
entradas y salidas.
Adicionalmente, ntese que en este caso se propuso una representacin ms

general del sistema, la matriz de Hankel. El mtodo presentado por (Moore et al,
1987) utiliza una representacin en estado estacionario que no tiene en cuenta las
dinmicas del proceso, y el mtodo de Keller y Bonvin (1987) se queda corto
porque slo selecciona aquellas entradas que afectan los estados y no dice como
seleccionar salidas. Adicionalmente, el mtodo planteado en esta Tesis es directo,
ya que la regla de seleccin determina directamente como formar los lazos de
control.
Por otro lado, debe aclararse que el mtodo aqu presentado se limita a sistemas
cuadrados, puesto que las variables se parean una a una y para ello se necesita el
mismo nmero de entradas y salidas.
En cuanto a la metodologa desarrollada, es importante tener en cuenta que el

conjunto de variables seleccionado para el pareamiento debe ser estable en lazo
abierto. Garantizar la estabilidad de los pareamientos seleccionados en un sistema
inestable en lazo abierto, est fuera del alcance de este trabajo, en (Cao and Saha,
2005) se presenta un mtodo de diseo de estructuras de control que considera la
estabilidad.
6.4 ESQUEMA DE LA METODOLOGA BASADA EN HANKEL

En la Figura 6.1 se presenta un procedimiento paso a paso para aplicar la
metodologa propuesta en esta Tesis a cualquier proceso. El procedimiento
comienza con la obtencin del modelo continuo en espacio de estados que
representa la planta, posteriormente viene una serie de clculos basados en el
conocimiento mismo del proceso y por ltimo la aplicacin de la metodologa.
Debe aclararse que la metodologa basada en SVD de Hankel sigue estrictamente
el algoritmo, pero en el procedimiento de obtencin del modelo y en las decisiones
heursticas para el control pueden tenerse otro orden de desarrollo. Por ejemplo
obtener directamente un modelo discreto linealizado para las variables de entrada
y salida de inters, ahorra eliminar las columnas de B y C y la discretizacin.
76
___________________________________________________________________________________________________
OBTENCIN
Dispone de Modelo NO
DEL MODELO
Fenomenolgico?
Identificacin
SI
G (s )
Linealizacin
L-1(s)
Modelo en x& = A x + B u
Espacio de
y = Cx
estados
DECISIONES Definir un conjunto de

HEURSTICAS variables y-u candidatas a
formar lazos de control
PARA EL
CONTROL
Eliminar columnas de B
y filas de C
Acondicionamiento numrico
de B y C de acuerdo a las
especificaciones y restricciones
del proceso
Discretizacin del modelo
Calcular Hankel
METODOLOGA
PROPUESTA
SVD Hankel
PARA DISEAR Seleccionar valores
ESTRUCTURAS singulares importantes Eliminar las 2
DE CONTROL variables pareadas
Grupo reducido
Ponderacin de efectos y y u de candidatas
Seleccin del pareamiento

y ms impactable - u ms impactante
Se forma LAZO DE CONTROL
Figura 6.1 Algoritmo de la metodologa basada en la SVD de la matriz de Hankel
77
___________________________________________________________________________________________________
78
___________________________________________________________________________________________________
7 CASO DE ESTUDIO:
PLANTA TENNESSEE EASTMAN
En este Captulo se presenta la aplicacin de la metodologa a un problema de la

literatura: la planta Tennessee Eastman (Downs and Vogel, 1993). En la Figura
7.1 se puede visualizar el diagrama de proceso de la planta. La descripcin
detallada del proceso, de las variables, de las restricciones, etc. de la planta
Tennessee Eastman (TE) se presenta en el Apndice A.
Figura 7.1 Diagrama de proceso de la planta Tennessee Eastman (TE)
La metodologa basada en SVD de la matriz de Hankel no aplica a sistemas

inestables. Como la planta TE es inestable en lazo abierto se decidi aplicar la
metodologa a la planta parcialmente controlada, para lo cual se tom una
estructura de control ya diseada en (Larsson et al., 2001). Dado tambin que el
79
___________________________________________________________________________________________________
objetivo de la Tesis no es sintonizar lazos de control, se opt por tomar como

referencia dicha estructura de control, que presenta un buen desempeo en
seguimiento y regulacin.
A lo largo de la seccin se presenta una revisin breve de estrategias de control

descentralizado en la planta TE. Se desarrolla el modelo del sistema a analizar y
se aplica la metodologa de seleccin basada en SVD de Hankel. Para contrastar
estos resultados, se calcula RGA en estado estacionario y en un rango de
frecuencias. Al final se presenta un anlisis de resultados y comentarios.
7.1 ESTRATEGIAS DE CONTROL DESCENTRALIZADO EN LA

PLANTA TE
Desde su publicacin, se han desarrollado diferentes estrategias de control en la
planta TE, que van desde control descentralizado hasta control predictivo. Muchos
autores han propuesto diferentes pareamientos y configuraciones de control, en
algunos casos con criterios heursticos, otros utilizando herramientas de diseo de
estructuras de control basadas en la controlabilidad entrada-salida. Algunas de las
estrategias de control descentralizado desarrolladas en la planta TE existentes en
la literatura se presentan a continuacin:
McAvoy y Ye (1994) proponen una aproximacin para configurar un sistema de

control PID bsico en la planta TE. La metodologa consisti en explorar
diferentes pareamientos de control y variables manipuladas utilizando tcnicas
de estado estacionario, como ganancias relativas y el ndice de Niederlinski. Se
dise un sistema de control descentralizado basado en mltiples lazos SISO
con controladores PID. En esta estructura se controlaron la temperatura del
reactor, la presin del reactor, el flujo del reciclo, la potencia del compresor, la
concentracin de B (inerte) en la purga, y la concentracin de E en el flujo del
producto. Mas adelante, en (McAvoy et al., 1995) se propuso una mejora a la
estructura de control descentralizado, la temperatura del reactor se configur
en cascada con la presin, lo que result en un mejor control de presin y en
una operacin ms ptima del proceso. En McAvoy (1998) se utiliza la
metodologa de Arkun y Downs (1990) para calcular la RGA en sistemas
integradores (seccin 5.1.2) y con esta selecciona los lazos de control de nivel
en la planta.
Ricker (1996) desarrolla un sistema de control descentralizado para la planta

TE mediante un procedimiento heurstico de diseo. El procedimiento
comienza por definir las variables controladas con base en los objetivos de
control propuestos originalmente por Downs y Vogel (1993). Para cada variable
controlada propone una configuracin de control, las configuraciones
resultantes incluyen control retroalimentado, control por relacin, lazos con
anulacin y control prealimentado. Luego compara esta estrategia con una
estructura de control predictivo no lineal NMPC previa (Ricker and Lee, 1995)
80
___________________________________________________________________________________________________
en la cual tuvo que incluir lazos de anulacin extra para manejar las
restricciones de seguridad, especialmente el no sobrepasar la presin mxima.
Finalmente concluye que no hay muchas diferencias en el desempeo.
Mas adelante, en (Larsson et al., 2001) se desarrolla una metodologa para la

seleccin de variables controladas en la planta TE. Se emplea el costo
econmico para determinar el conjunto de variables, que con los puntos de
ajuste constantes (incluso en presencia de perturbaciones o errores de
implementacin) puedan llevar a ajustes ptimos de las variables manipuladas,
y por ende, a las condiciones ptimas de operacin. En los resultados se
comparan dos diferentes configuraciones del sistema de control con las
mismas variables controladas. La primera configuracin se obtuvo siguiendo la
metodologa propuesta por Larsson y Skogestad (2000). La segunda
configuracin es una mejora de la primera, que con las modificaciones
realizadas result ser muy similar a la de Ricker (1996). Aunque las estructuras
de control resultantes presentan muy buen desempeo, los autores no
muestran una comparacin, en trminos del costo econmico, de su
metodologa con otras de la literatura.
En esta Tesis se tom como base la segunda configuracin desarrollada por

Larsson y colaboradores (2001) para probar la metodologa propuesta. Se
seleccion la configuracin de Larsson por varias razones. Por un lado porque el
sistema de control presenta un buen desempeo, y por otra parte, porque la
seleccin de las variables controladas se desarroll con una metodologa
fundamentada en la parte econmica (seccin 3.2.2.1). La aproximacin propuesta
en esta Tesis no considera la parte econmica porque se basa en el impacto
dinmico de las variables. En la prxima seccin se presenta de forma detallada el
sistema seleccionado y la obtencin del modelo que se utilizar para el clculo de
la matriz de Hankel.
7.2 OBTENCIN DEL MODELO

Para poder visualizar claramente la estrategia de control desarrollada por Larsson
y colaboradores (2001), se realiz un esquema de la configuracin completa del
sistema de control (Figura 7.2).
En un nivel superior se encuentran los lazos maestros, las variables controladas

fueron seleccionadas por Larsson con criterios econmicos, bajo el concepto de
self-optimizing control (Morari et al., 1980; Skogestad, 2000). El %G en el
producto, corresponde a la calidad. Dicha variable es controlada mediante una
estructura que combina la retroalimentacin y el control prealimentado. El flujo de
producto, o velocidad de produccin, se controla mediante el flujo total de alimento,
variable que implcitamente se utiliza para un control de relacin con los dems
flujos en la planta. Todos los controladores son PI, no se utiliza el modo derivativo
ya que el modelo original de la planta contiene un ruido de alta frecuencia.
81
___________________________________________________________________________________________________
%G en Flujo de %C en Flujo Presin Tempert Nivel Nivel Nivel

producto reciclo purga producto reactor reactor reactor stripper separad
SP SP SP SP SP SP SP SP SP
PID PID PID PID PID PID PID PID PID
Flujo Total
Alimento
Feedforward
Flujo Tempert Flujo Flujo

Flujo D Flujo E Flujo A Flujo C purga separad stripper separad
SP SP SP SP SP SP SP SP
PID PID PID PID PID PID PID PID
Vlvula Vlvula Vlvula Vlvula Vlvula Vlvula Vlv.refrig Vlvula Vlvula

D E A C purga refriger condens stripper separad
reactor
Figura 7.2. Representacin esquemtica de la planta TE controlada
7.2.1 Definicin del sistema
La metodologa se evalu para dos sistemas SI y SII, cada uno de ellos

correspondiente a niveles jerrquicos diferentes (ver Figura 7.3), el sistema SI
corresponde a variables de nivel superior donde las dinmicas son mas
interactuantes, el sistema SII corresponde a un nivel inferior, donde las dinmicas
son poco interactuantes y operan con una escala de tiempo mucho menor que el
nivel superior. En la Tabla 7.1 se presentan las variables de entrada y salida de
cada sistema.
Sistema SI:
Variables de entrada y de salida correspondientes a un nivel superior en el
cual hay una fuerte interaccin entre las variables. La presin y la
temperatura en el reactor, el flujo en la corriente de reciclo y en la corriente
del producto, son variables fuertemente ligadas entre s.
Sistema SII:
Variables de entrada y de salida correspondientes a un nivel inferior. Para
este sistema se espera que no haya interaccin entre los flujos de
alimentacin, ms si entre el flujo en la purga y los dems flujos. Los
pareamientos son triviales, aqu se probar si la metodologa determina
dichos lazos.
82
___________________________________________________________________________________________________
Flujo de %C en Flujo Presin Tempert

%G en reciclo purga producto reactor reactor Nivel Nivel Nivel
producto reactor stripper separad
SP y1 y2 y3 y4 y5 SP SP SP
PID PID PID PID

SI
u1 u2 Flujo Total u3 u4 u5
Alimento
Feedforward
Flujo Tempert Flujo Flujo
Flujo D Flujo E Flujo A Flujo C purga separad stripper separad

reactor
Flujo Tempert Nivel Nivel Nivel

product reactor reactor stripper separad
SP SP SP SP SP
PID PID PID PID PID
Flujo Total
Alimento
Flujo
Flujo D Flujo E Flujo A Flujo C
purga
Tempert Flujo Flujo
y1 y2 y3 y4 y5 separad stripper separad
SP SP SP
S II
PID PID PID
u1 u2 u3 u4 u5
Vlv.refrig Vlv.refrig Vlvula Vlvula
Vlvula Vlvula Vlvula Vlvula Vlvula
reactor condens stripper separad
D E A C purga
Figura 7.3. Sistemas SI y SII de la planta TE parcialmente controlada
83
___________________________________________________________________________________________________
Tabla 7.1. Variables de entrada y salida definidas para los sistemas SI y SII
Salidas Entradas
SI y1: Flujo del reciclo u1 : Flujo de A SP
y2: %C en purga u2 : Flujo de C SP
y3: Flujo de producto u3 : Flujo total de alimentacin
y4: Presin del reactor u4 : Flujo de purga SP
y5: Temperatura del reactor u5 : Vlvula refrig. Reactor
SII y1: Flujo de D u1 : Vlvula de D
y2: Flujo de E u2 : Vlvula de E
y3: Flujo de A u3 : Vlvula de A
y4: Flujo de C u4 : Vlvula de C
y5: Flujo de purga u5 : Vlvula de purga
Para obtener el modelo en cada uno de los sistemas, se abrieron los lazos de
control del sistema seleccionado, por lo cual la planta queda parcialmente
controlada. En ambos casos, SI y SII, la planta es estable debido a que los lazos
de control de nivel estn cerrados. En el SI no se tom el %G en el producto
porque dicho lazo genera una estructura mas compleja controlada que incluye
control prealimentado, y esta a su vez utiliza otra variable ms para controlar dos
variables. Recurdese que la metodologa propuesta se restringe a sistemas
cuadrados, en los cuales el nmero de entradas debe ser igual al nmero de
salidas (seccin 6.3.3).
7.2.2 Obtencin del modelo lineal en espacio de estados
Todas las simulaciones fueron desarrolladas en Matlab 7.0, el modelo de la planta

TE utilizado es una S-function compilada a partir de un cdigo en C y el entorno de
simulacin utilizado fue simulink. El modelo de la planta es continuo, y los
controladores utilizados son PID discretos. Previo a la linealizacin, se utiliz el
comando TRIM para encontrar exactamente el punto de equilibrio de cada sistema.
La planta TE en lazo abierto contiene 50 estados continuos (Apndice A), y los

controladores PID discretos aportan cada uno 2 estados ms, en este caso,
estados discretos. Por dicha razn, para la obtencin del modelo lineal de la planta,
se utiliz el comando DLINMOD, mediante el cual se calcula un modelo discreto
en el espacio de estados del tipo de la ecuacin 4.4. Para el sistema SI se tom
un tiempo de muestreo de 1 hora, correspondiente a la vigsima parte de la
dinmica ms rpida de la planta, la temperatura y5. Teniendo en cuenta todos los
estados, continuos y discretos, el sistema SI result de orden 74 y el sistema SII
de orden 66.
En ambos casos, para validar los modelos discretos obtenidos, se compar el

modelo lineal discreto con el modelo original de la planta parcialmente controlada
84
___________________________________________________________________________________________________
visualizando las respuestas ante escalones de 3% en las entradas. Se

encontraron respuestas similares.
7.2.3 Acondicionamiento numrico
Para hacer adimensionales las variables de entrada y de salida, se redefinieron

como la relacin entre la variable y su intervalo de variacin, lo que implica
multiplicar cada elemento de la matriz B por el intervalo de la entrada
correspondiente a ese elemento y dividir cada elemento de la matriz C entre el
intervalo de la salida que le corresponde, tal como se muestra en las ecuaciones
7.1 y 7.2.
bij = bij * (u j max u j min ) (7.1)
cij
cij = (7.2)
( yi max yi min )
Se considera que este tipo de AN es el ms apropiado, puesto que el modelo en

espacio de estados es un modelo que relaciona los cambios de las variables, y las
matrices A, B, C y D son el jacobiano del modelo no lineal original. Por lo tanto, se
espera que el valor mximo que tomen las variables de entrada y de salida del
nuevo modelo sea 1, lo cual concuerda con lo deseado para un buen AN (seccin
5.3).
Tabla 7.2. Valores mximos y mnimos de las variables para el AN de SI y SII
Sistema SI B = 148.7, C = 163.5

u1 u2 u3 u4 u5
umax 0.0102 0.140 105 0.0095 100
umin 0 0.08 95 0 0
y1 y2 y3 y4 y5
ymax 44 30 31 3000 125
ymin 20 2 15 2100 120
Sistema SII B = 5.8, C = 392.6
u1 u2 u3 u4 u5
umax 100 100 100 100 100
umin 0 0 0 0 0
y1 y2 y3 y4 y5
ymax 5811 8354 1.017 15.25 0.1
ymin 0 0 0 0 0
85
___________________________________________________________________________________________________
Los valores mximos y mnimos de las variables manipuladas se tomaron como

los ya establecidos en (Downs and Vogel, 1993). Por su parte, los valores para las
variables de salida se determinaron heursticamente con base en el conocimiento
del proceso, de acuerdo a los valores mximos y mnimos esperados de cada
variable o segn el desempeo deseado. Estos se presentan en la Tabla 7.2.
Adicionalmente, para verificar que en SI y SII las nuevas matrices B y C presentan
un buen condicionamiento numrico, se calcul su nmero de condicin.
Por ltimo, ntese que para los estados no se definieron valores mximos y
mnimos, ya que la matriz de Hankel relaciona la entrada y la salida, y cualquier
operacin que se haga sobre los estados se cancelar al calcular la matriz de
Hankel. Por lo tanto, la matriz A no requiere un AN. Recurdese que cada
elemento de la matriz de Hankel relaciona un instante de tiempo de una entrada
con un instante de tiempo de una salida.
7.3. METODOLOGA BASADA EN LA SVD DE LA MATRIZ HANKEL

En ambos sistemas se tomaron los 5 primeros valores singulares de la matriz de
Hankel, equivalentes al 99% de la energa de la matriz en el sistema SII y 95.53%
en SI de acuerdo al clculo presentado en la ecuacin 7.3.
5
i
= i =1
n.m
(7.3)

i =1
i
Donde es la fraccin de la energa total del sistema correspondiente a los

valores singulares tomados en consideracin.
En SI y SII se calcularon los ponderadores dinmicos provenientes de la

descomposicin SVD de la matriz de Hankel. En esta seccin se presenta el
procedimiento de formacin de lazos de control y de nuevos grupos de variables
candidatas con la ponderacin del efecto dinmico.
7.3.1 Sistema SI: Lazos externos
Los valores de los ponderadores dinmicos se presentan en tablas, el primer

grupo de variables candidatas posee 5 entradas y 5 salidas:
y1 y2 y3 y4 y5
yk 2.7499 11.8423 3.1771 0.8584 84.1768
u1 u2 u3 u4 u5
uk 8.6374 8.0388 3.6396 12.2865 83.3086
86
___________________________________________________________________________________________________
Ntese que la salida ms impactada es y5 que corresponde a la temperatura en el

reactor y la entrada ms impactante es u5, la apertura de la vlvula de refrigerante
al reactor, aqu se forma el lazo y5 - u5 y se asume que este presenta un
desempeo perfecto. Por lo tanto se tiene un nuevo grupo con 4 entradas y 4
salidas para el cual se recalcula la matriz de Hankel y su descomposicin SVD, los
ponderadores de este nuevo grupo son:
y1 y2 y3 y4
yk 1.5645 3.7738 0.6530 1.1112
u1 u2 u3 u4
uk 2.0609 2.6271 0.7307 2.5739
En este grupo, la salida ms impactada es y2, el %C en la purga, y la entrada ms

impactante es u2, el punto de ajuste del controlador de flujo de alimentacin de C a
la planta. Se parean entonces y2 - u2, y queda un grupo de 3 variables de entrada
candidatas y 3 variables de salida:
y1 y3 y4
yk 1.3826 1.0632 1.3962
u1 u3 u4
uk 1.3105 0.88879 1.6287
De acuerdo al impacto que indican los ponderadores, se forma el lazo de control y4

- u4. As, la metodologa sugiere controlar la presin en el reactor con el punto de
ajuste del controlador del flujo de la purga. Al cerrar este lazo de control, quedan
solo dos pares de variables:
y1 y3
yk 1.6977 0.9401
u1 u3
uk 1.6232 1.2063
Evidentemente, en este grupo, las variables y1 y u1 son las de mayor impacto, el

flujo del reciclo y el punto de ajuste del flujo de alimentacin de A. Al formar el lazo
de control y1 - u1, queda solo una opcin para las variables restantes y3 y u3, las
cuales por descarte formarn el ltimo lazo de control, esto indica que la velocidad
de produccin debe controlarse con el flujo total de alimento.
7.3.2 Sistema SII: Lazos internos
Aqu se trata de los lazos de flujo, cuyos pareamientos son triviales desde el punto
de vista heurstico. Primer grupo de variables candidatas:
87
___________________________________________________________________________________________________
y1 y2 y3 y4 y5
yk 0.92942 0.95083 0.93223 0.67721 12.074
u1 u2 u3 u4 u5
uk 3.8879 3.6858 1.3202 7.3833 7.9889
Ntese que en este caso la salida ms impactada es y5, y su ponderacin presenta

una gran diferencia con los valores de las dems variables de salida, lo que indica
que del grupo es la variable ms ligada a las dems y en consecuencia, la ms
impactable. La entrada ms impactante en estos lazos internos es la vlvula que
regula el flujo de la purga u5, se forma entonces el lazo y5 - u5. Al eliminar dichas
variables del grupo, las prximas variables candidatas son todos flujos de
alimentacin, donde por heurstica se sabe que no hay interaccin.
y1 y2 y3 y4
yk 1 1.4142 0.99959 0.99991
u1 u2 u3 u4
uk 1 1.4142 0.99959 0.99991
Este resultado muestra que para cada variable manipulada y controlada, los
valores de los ponderadores son iguales en cuanto a flujo y su respectiva vlvula,
lo que posiblemente indica que no hay interaccin alguna entre los diferentes
pares. Siguiendo entonces la regla de pareamiento, se forma el lazo y2 - u2, y se
recalcula Hankel, SVD y los ponderadores para el grupo de variables candidatas
restantes.
y1 y3 y4
yk 1.4142 1.4139 0.99991
u1 u3 u4
uk 1.4142 1.4139 0.99991
Al igual que en el caso anterior, todos los ponderadores dieron el mismo resultado
en el flujo y su correspondiente vlvula. Segn el criterio de pareamiento
propuesto en esta Tesis, se eliminan entonces y1 y u1 para configurar un lazo de
control. Las variables restantes:
y3 y4
yk 1.7318 1.4142
u3 u4
uk 1.7318 1.4142
Aqu se configuran entonces los dos ltimos lazos de control: y3 - u3, y por descarte
el par y4 - u4 . Ntese que todos los pareamientos formados corresponden a la
solucin trivial sacada de la heurstica, lo cual indica que la metodologa logr
discriminar el mejor pareamiento, determinar y medir la interaccin.
88
___________________________________________________________________________________________________
7.4 EVALUACIN DE LA RGA

Con el fin de contrastar los resultados de la metodologa basada en la matriz de
Hankel, se evala la RGA en estado estacionario y en frecuencia.
Para calcular RGA se necesita el modelo en funciones de transferencia en

continuo, esto es, en el dominio de Laplace. El modelo discreto en espacio de
estados se transform a funciones de transferencia usando el comando TF de
Matlab, con lo que se obtuvo una matriz de funciones de transferencia discretas.
Posteriormente se llev de variable z a variable s con el comando D2C.
Por otro lado, para estimar la frecuencia a la cual opera el sistema, se visualiz la
respuesta en lazo cerrado y se tom esta frecuencia como el inverso del tiempo de
respuesta promedio de las dinmicas. En el sistema SI se estim una frecuencia
de 0.2 rad/h y en el SII de 60 rad/h. Obviamente el sistema SI opera a una escala
de tiempo mayor (frecuencias bajas) porque est en un nivel superior de la
jerarqua del sistema de control en la planta. El sistema SII opera a una frecuencia
mucho mas alta porque corresponde a los lazos internos que regulan los flujos.
Cuando se calcula la RGA en trminos de frecuencia, los valores obtenidos tienen

una parte imaginaria, por lo cual se sugiere seleccionar los pareamientos en los
cuales el nmero complejo est lo ms cerca posible de 1+0i. Aqu entonces se
evala la distancia del valor de la RGA al punto 1+0i, pero se tiene en cuenta
tambin el valor real de la ganancia relativa para interpretar el comportamiento del
posible pareamiento cuando es negativo.
7.4.1 Sistema SI: Lazos externos
La matriz RGA resultante para el sistema SI en estado estacionario se presenta en

la matriz 7.4. Ntese que los dos pareamientos que mejor se ajustan son y3 - u3 y
y5 - u5, con valores muy cercanos a la unidad, estos pares coinciden con la
metodologa. El par y4 - u4 tambin es sugerido por RGA en estado estacionario
con un valor menos convincente de 1.47. Por otra parte, el par y1 - u1 slo se
sugiere para la entrada u1, y si se selecciona desde y1, el mejor candidato es u2.
En el caso de y2, la mejor entrada es u1.
0.59 0.60 0.11 0.68 0.3768

0.50 0.35 0.01 0.17 0.01

SI(0) = 0.01 0.01 1.09 0.01 0.09 (7.4)

0.23 0.15 0.00 1.47 0.09
0.13 0.21 0.20 0.05 0.81
La distancia del punto 1+0i de los valores de RGA en la frecuencia se evalu de

acuerdo a la ecuacin 7.5.
89
___________________________________________________________________________________________________
dist ij = [re(ij ) 1] 2 + [im(ij ) 0] 2 (7.5)
A continuacin se presenta la matriz RGA y la matriz de distancias en la

frecuencia de corte C del SI. En esta ltima, los pareamientos sugeridos
corresponden a los valores ms cercanos a cero.
0.67 0.01i 0.34 0.11i 0.02 0.02i 0.42 + 0.04i 0.36 0.22i
0.33 0.13i 0.44 0.13i 0.00 + 0.00i 0.13 + 0.01i 0.06 0.01i

SI(iC) = 0.01 0.02i 0.01 + 0.04i 1.03 0.43i 0.02 + 0.05i 0.14 0.09i

0.14 0.13i 0.01 + 0.03i 0.12 0.14i 1.34 0.16i 0.37 + 0.13i
0.08 0.08i 0.13 0.26i 0.10 + 0.40i 0.01 0.06i 0.85 0.22i
(7.6)
1.67 1.34 0.98 0.59 0.68

1.34 1.45 1.00 1.13 0.94

DISTSI (iC) = 1.00 0.99 0.43 0.98 1.14 (7.7)

0.87 1.00 0.89 2.34 1.38
0.92 1.16 1.17 1.01 0.27
En la frecuencia de corte, la RGA y la distancia, indican dos de los pareamientos

determinados por la metodologa propuesta, y3 - u3 y y5 - u5,. Sin embargo en los
dems casos se sugieren otros pareamientos, por ejemplo para y4, se sugiere la
entrada u1. Para y2, la entrada que mejor ajusta es u5, pero como ya est
seleccionada para y5, debe buscarse otra opcin y segn estos resultados su
segundo mejor par es u3. Por ltimo, para y1 la mejor entrada es u4.
Para considerar los pareamientos ms convenientes en todo el rango de

frecuencias del sistema, desde cero hasta la frecuencia de corte, se grafic la
parte real de la ganancia relativa y la distancia del punto 1+0i contra la frecuencia
para cada par seleccionado con el mtodo SVD de Hankel. Estos resultados se
presentan en las Figuras 7.4 a 7.6.
Ntese que para los pares y1 - u1, y2 - u2 y y4 - u4 (Figuras 7.4, 7.5 y 7.6), a medida
que aumenta la frecuencia, segn el mtodo RGA se hace menos favorable formar
un lazo de control. En estado estacionario (frecuencia cero) el valor real de la
ganancia relativa es aceptable, pero a medida que aumenta la frecuencia esta
toma valores negativos, segn el mtodo RGA (seccin 5.1.1), un valor negativo
de RGA puede generar inestabilidad. Tambin se observa que el valor de la
distancia de la ganancia relativa se aleja del valor deseado que es cero a medida
que aumenta la frecuencia. Particularmente en el caso de y4 - u4, en estado
estacionario el valor de la ganancia relativa es mayor que uno y a medida que
aumenta la frecuencia este valor disminuye, pasando por el valor deseado que es
90
___________________________________________________________________________________________________
uno. No obstante en la frecuencia de corte este ya toma un valor negativo, y la

distancia del punto deseado est por encima de 2, la cual es demasiado alta. El
mtodo RGA indica entonces que el lazo y4 - u4 es poco conveniente.
RGA real Y1-U1

0.5
-0.5
-1
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
2
Dist. [RGA1 - 1+0j]
1.5
0.5
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
frecuencia rad/h

frecuencias para el par y1 - u1 del SI
0.4
0.2
2
U-
2 0
Y
l
a -0.2
er
A
G -0.4
R
-0.6
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
1.6
]j 1.4
0
+
1 1.2
-
2
A 1
G
R[
t. 0.8
si
D
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
frecuencia rad/h

91
___________________________________________________________________________________________________
4 1
U-
4
Y 0
l
a
er
A -1
G
R
-2
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
2.5
]j 2
0
+
1 1.5
4
A
G 1
R[
.t 0.5
si
D
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
frecuencia rad/h

Para los pares y3 - u3 y y5 - u5 (Figuras 7.7 y 7.8), la RGA en la frecuencia indica

mejores lazos de control que en los dems casos, el valor real de la ganancia
relativa permanece cercano a uno en todas las frecuencias evaluadas. En el caso
de y3 - u3, la distancia del punto 1+0i, si bien aumenta con la frecuencia, es un
valor pequeo que sigue siendo cercano a cero. En y5 - u5 la distancia presenta un
mnimo, correspondiente a la frecuencia en la cual es mucho ms recomendable
poner a operar este lazo, sin embargo para todo el rango de frecuencias la
distancia de la ganancia relativa al punto 1+0i es pequea, lo cual indica un buen
lazo de control sin importar cual sea la frecuencia en que opere dentro del
intervalo evaluado. Por lo tanto, estos pareamientos y3 - u3 y y5 - u5 estn
sugeridos por el mtodo RGA.
92
___________________________________________________________________________________________________
1.15
3
U- 1.1
3
Y
l
a
er 1.05
A
G
R
1
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
0.5
]j 0.4
0
+
1 0.3
3
A
G 0.2
R[
t. 0.1
si
D
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
frecuencia rad/h

0.88
RGA real Y5-U5
0.86
0.84
0.82
0.8
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
0.35
0.3
Dist. [RGA5 1+0j]
0.25
0.2
0.15
0.1
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
frecuencia rad/h

93
___________________________________________________________________________________________________
7.4.2 Sistema SII: Lazos internos
La matriz RGA resultante para el sistema SII en estado estacionario se presenta

en la ecuacin 7.8. Es indiscutible que los pareamientos sugeridos por la RGA en
cero corresponden a los determinados con el mtodo SVD de Hankel. La matriz
RGA y la matriz de distancias de 1+0i en la frecuencia de corte C del SII
(ecuaciones 7.9 y 7.10), tambin indican tambin que los mejores pareamientos
son los diagonales. La menor distancia a 1+0i en la frecuencia de corte,
corresponde a los elementos diagonales seleccionados con la metodologa aqu
propuesta.
1 0 0 0 0
0 1 0 0 0

SII (0) = 0 0 1 0 0 (7.8)

0 0 0 1 0
0 0 0 0 1
0.81 0.58i 0 0 0 0
0 0.81 0.58i 0 0 0

SII (iC) = 0 0 0.81 0.58i 0 0

0 0 0 0.81 0.58i 0
0 0 0 0 0.81 0.58i
(7.9)
0.61 1 1 1 1
1 0.61 1 1 1

DISTSII (iC) = 1 1 0.61 1 1 (7.10)

1 1 1 0.61 1
1 1 1 1 0.61
En las Figuras 7.9 a 7.13, se presentan grficas de la parte real del valor de la
ganancia relativa y de la distancia del valor de RGA al punto 1+0i versus la
frecuencia, para los pares diagonales. En todos los casos se visualiza una alta
sensibilidad a la frecuencia, los 5 pares presentan un mnimo de ganancia relativa
entre 30 y 35 rad/h, para los cuales el valor de la ganancia relativa es negativo y
por ende no se sugerira armar estos lazos de control. De la misma manera, la
distancia del valor 1+0i, presenta un mximo de 2 en todos los casos.
Casualmente, el valor de la ganancia relativa a la frecuencia de corte es apropiado
para formar los lazos de control, por lo cual evaluando nicamente a la frecuencia
cero y la frecuencia de corte se llevara a parear las variables en las diagonales.
94
___________________________________________________________________________________________________
RGA real Y1-U1

0.5
-0.5
-1
0 10 20 30 40 50 60
2
Dist. [RGA1 - 1+0j]
1.5
0.5
0
0 10 20 30 40 50 60
frecuencia rad/h

frecuencias para el par y1 - u1 del SII
1
RGA real Y2-U2
0.5
-0.5
-1
0 10 20 30 40 50 60
2
Dist. [RGA2 - 1+0j]
1.5
0.5
0
0 10 20 30 40 50 60
frecuencia rad/h

95
___________________________________________________________________________________________________
RGA real Y3-U3

0.5
-0.5
-1
0 10 20 30 40 50 60
2
Dist. [RGA3 1+0j]
1.5
0.5
0
0 10 20 30 40 50 60
frecuencia rad/h

1
RGA real Y4-U4
0.5
-0.5
-1
0 10 20 30 40 50 60
2
Dist. [RGA4 1+0j]
1.5
0.5
0
0 10 20 30 40 50 60
frecuencia rad/h

96
___________________________________________________________________________________________________
RGA real Y5-U5

0.5
-0.5
-1
0 10 20 30 40 50 60
2
Dist. [RGA5 1+0j]
1.5
0.5
0
0 10 20 30 40 50 60
frecuencia rad/h

7.5 ANLISIS Y DISCUSIN DE RESULTADOS
Tanto para el sistema SI como para el sistema SII, con la metodologa basada en
SVD de la matriz de Hankel se obtuvo la misma estructura de control propuesta
por Larsson y colaboradores (2001), lo cual muestra que el mtodo no llev a
pareamientos errneos o inconvenientes. De acuerdo a la denominacin de las
variables, estos pareamientos son diagonales. El clculo de la RGA se hizo con el
fin de comparar y contrastar los resultados.
En el sistema SI, la RGA en estado estacionario y a la frecuencia de corte sugiere

parear las variables y3 - u3 y y5 - u5. El par y4 - u4 tambin se indica en la RGA en
estado estacionario aunque el valor es muy alto (1.47), lo que significa que para
este lazo la interaccin con otros lazos reducir el efecto de la accin de control
sobre la salida. Por su parte, para las variables y1, y2, u1 y u2, los pareamientos
sugeridos por los valores de la RGA en estado estacionario son confusos. A la
frecuencia de corte, los valores reales de la RGA para los pareamientos y1 - u1, y2 -
u2, y y4 - u4 son negativos, lo que indica que para cada lazo, al cerrar los dems
lazos, el sistema se vera sometido a una realimentacin positiva y por ende
seran inestables, principalmente para el caso de y4 - u4 que presenta la mayor
distancia del punto 1+0i. A la frecuencia de corte, la RGA sugiere parear y1 con u4
y3 con u1 y y2 con u5. Ntese adems que al visualizar las grficas para el intervalo
de frecuencias, tambin se sugieren los pareamientos y3 - u3 y y5 - u5, mientras que
97
___________________________________________________________________________________________________
para y1 - u1, y2 - u2 y y4 - u4 los lazos de control son menos recomendables a

medida que se aumenta la frecuencia.
Desde el punto de vista heurstico, es evidente que para controlar la velocidad de

produccin y3, la mejor variable a utilizar es el flujo total de alimento u3, puesto que
todos los flujos tienen incluida u3 en un control por relacin. Tambin es
indiscutible que la vlvula que regula el flujo de refrigerante del reactor u5 debe
usarse para controlar la temperatura y5. RGA siempre mostr favorabilidad hacia
estos dos lazos, y por su parte, el mtodo propuesto en esta Tesis form estos
lazos en el primer clculo para y5 - u5 y en el ltimo por descarte para y3 - u3. Los
otros 3 lazos de control no son tan triviales heursticamente, desde RGA no se
juzgaran convenientes, pero la metodologa basada en Hankel si los determin.
Puede decirse entonces que para estos 3 lazos el mtodo RGA fall, estos no
presentan ni inhibicin en la accin de control, ni realimentacin positiva, ni mucho
menos inestabilidad.
En el sistema SII, la RGA en estado estacionario y evaluada a la frecuencia de

corte dio los resultados esperados heursticamente, que a su vez son los mismos
pareamientos determinados por la metodologa propuesta en esta Tesis. No
obstante se encontr que al graficar la RGA en frecuencia hay una alta
sensibilidad, para las frecuencias intermedias el valor real de RGA fue negativo, lo
que indica que al cerrar otros lazos, la variable controlada del lazo que se est
evaluando puede ser inestable, lo cual es indiscutiblemente falso desde el punto
de vista heurstico. Los lazos de flujo son mutuamente independientes, excepto el
flujo de la purga y5 que si se afecta con cualquiera de las dems vlvulas, aunque
en menor grado si se le compara con los dems flujos.
Ntese adems que los resultados de la ponderacin dinmica en el sistema SII

indican claramente que cuando no se presentan discrepancias entre los
ponderadores de cada futuro pareamiento, el sistema no presenta interaccin.
Esto se pudo ver despus de formar el primer pareamiento de la purga y5 - u5 y
eliminarlo del grupo de variables candidatas. Las variables restantes corresponden
a flujos de alimentacin, que obviamente no presentan interaccin alguna.
Tambin cabe sealar que las restricciones fsicas y las especificaciones de

desempeo del proceso influyen fuertemente en los resultados del mtodo aqu
propuesto. Estas restricciones y especificaciones se introducen como valores
mximos y mnimos en el AN de las matrices B y C de la descripcin en espacio
de estados de la planta. Puede pensarse que el haber obtenido los mismos
resultados de la estructura propuesta en (Larsson et al., 2001), se atribuye al
hecho de que la planta parcialmente controlada se tom de esta estructura, esto
es, los lazos de control, los parmetros de los controladores y los requerimientos
de desempeo de las variables controladas, asimismo como las restricciones en
las acciones de control. Los valores tomados para desarrollar el AN se definieron
teniendo en cuenta los factores ya mencionados.
98
___________________________________________________________________________________________________
Por ltimo debe aclararse que los lazos diagonales de la estructura de (Larsson et
al., 2001) y que se determinaron con la metodologa aqu propuesta, no son la
nica opcin de pareamiento, pueden probarse tambin los lazos indicados con el
mtodo RGA.
99
___________________________________________________________________________________________________
100
___________________________________________________________________________________________________
8 CONCLUSIONES Y TRABAJOS FUTUROS
1. En esta Tesis titulada Metodologa para el Diseo de Control Total de Planta

se present una metodologa para el diseo de estructuras de control basada en la
descomposicin SVD de la matriz de Hankel. La metodologa busca medir el
impacto dinmico de las variables de entrada y de salida, y a partir de dicha
medicin se formul una regla de seleccin de lazos de control retroalimentados.
En sntesis, el desarrollo de la Tesis consisti en: En la Parte I se presentaron
todos los aspectos que definen al Control Total de Planta, su surgimiento, su
definicin y los trabajos previos de la literatura. En la Segunda Parte se formula la
metodologa basada en la controlabilidad para disear estructuras de control,
como una aproximacin al Control Total de Planta. Se defini la controlabilidad, se
presentaron las dos herramientas ms comunes para seleccionar estructuras de
control: ganancias relativas y valores singulares. Posteriormente se formul una
metodologa basada en la matriz de Hankel, una representacin en el dominio del
tiempo del comportamiento dinmico entrada-salida, para hacer una ponderacin
del efecto dinmico de las entradas y las salidas utilizando una descomposicin
SVD de dicha matriz. Con base en los ponderadores dinmicos, se plante una
regla de seleccin de pareamientos. El mtodo se prob en la planta Tennessee
Eastman parcialmente controlada, en un nivel superior de la jerarqua y en un nivel
inferior. Estos resultados se compararon con el mtodo de ganancias relativas en
estado estacionario y en la frecuencia. La metodologa result fcil de comprender
y directa para su utilizacin, ntese que el esfuerzo se concentra principalmente
en el modelo.
2. Se considera que los principales aportes de esta Tesis estn en:
- Controlabilidad: Se hizo una aclaracin del concepto de controlabilidad, que

se ha trabajado con dos enfoques: la controlabilidad de Estado y la
Controlabilidad Entrada-Salida. Qued claro que la Controlabilidad de Estado
es til para evaluar la controlabilidad de un sistema, sin embargo no permite
medir cuan controlable es un proceso y por ende no permite discriminar
estructuras de control para decidir cual es la mejor configuracin de lazos de
control. La Controlabilidad Entrada-Salida aunque es un concepto ambiguo y
se han propuesto diferentes mediciones de la misma, proporciona una
cuantificacin de la controlabilidad de la planta y a partir de ah discriminar
101
___________________________________________________________________________________________________
estructuras de control. La metodologa propuesta en esta Tesis busc nutrirse

de los dos enfoques de la controlabilidad y las herramientas asociadas a esta.
Ms que definir nuevamente la controlabilidad, se tomaron diferentes
elementos que permitieran proponer una metodologa de seleccin de
- Representacin del sistema: Las otras mediciones de Controlabilidad

Entrada-Salida fallan en la representacin del sistema que utilizan, la matriz
G en el dominio de Laplace requiere una evaluacin puntual del valor de s,
generalmente se evala en estado estacionario (s=0) o en alguna frecuencia
relevante, por ejemplo la frecuencia de corte. Estas mediciones no son lo
suficientemente confiables puesto que ignoran las dinmicas del sistema
cuando se evalan en estado estacionario, o engloban todas las dinmicas
en una sola frecuencia. La metodologa propuesta en esta Tesis utiliza como
representacin del sistema la matriz de Hankel. Esta matriz contiene
informacin del impacto dinmico de las entradas sobre las salidas. Frente a
la representacin G, la matriz de Hankel es mucho ms general porque es en
el dominio del tiempo, no tiene que evaluarse en un determinado valor, y a su
vez contiene las dinmicas del proceso. En sntesis, Hankel es mejor
representacin que G(0) porque tiene en cuenta el comportamiento dinmico,
es mejor que G(iC) porque no engloba las dinmicas en una sola frecuencia.
Una ventaja frente a la representacin en espacio de estados es que es una
sola matriz y no tres.
- Ponderacin dinmica de las variables: Partiendo de la descomposicin

SVD de la matriz de Hankel, se propuso ponderar el efecto dinmico de cada
una de las variables, de entrada y de salida, calculando la norma de los
vectores singulares con sus respectivos valores singulares. Con esta norma
se cuantifica que tan impactable es una salida frente a las dems entradas y
cuan impactante es una entrada para todas las salidas del sistema.
3. Si bien la metodologa propuesta dio buenos resultados en el caso de estudio

presentado, debe comentarse cuales son sus principales limitaciones:
- Segn la regla de seleccin, solo se pueden parear lazos de una entrada y

una salida, por lo cual el mtodo se restringe a sistemas cuadrados, en los
cuales el nmero de entradas sea igual al nmero de salidas.
- La metodologa formulada no tiene en cuenta la estabilidad del sistema, lo

cual obliga a seleccionar variables candidatas en un sistema estable o ya
estabilizado, en este trabajo se tom la planta Tennessee Eastman
parcialmente controlada, puesto que es inestable en lazo abierto.
- Como la matriz de Hankel es una representacin discreta del sistema, las

constantes de tiempo de las dinmicas de la planta no deben ser muy
diferentes. En un sistema con rigidez numrica (stiffness en ingls) la matriz
102
___________________________________________________________________________________________________
de Hankel carecera de informacin de alguna o varias dinmicas de la planta,

y por ende, no sera una buena representacin del sistema.
4. En relacin al cumplimiento de los objetivos, se concluye lo siguiente:
OBJETIVO GENERAL
Proponer una metodologa basada en el concepto de controlabilidad que permita

disear y seleccionar estructuras de control total de planta.
Se trabaj el concepto de controlabilidad y se encontr que no existe una

definicin unnime en la literatura, pero se lleg a la conclusin de que:
- Por un lado, la controlabilidad entrada-salida proporciona tcnicas de

seleccin de estructuras de control, pero falla en las representaciones que
utiliza del proceso, la mayoria utiliza la matriz G en estado estacionario o en
la frecuencia de corte del sistema. En ambos casos se ignoran las
dinmicas.
- La controlabilidad de estado, por su parte, es bastante rigurosa en su
fundamento. Sin embargo tiene varias limitaciones, entre las cuales est el
no medir la controlabilidad, sino evaluarla en un sentido binario (si o no).
Asociada a esta limitacin, est el no poder evaluar diferentes posibles
configuraciones de control
En esta Tesis se present una metodologa para la seleccin de estructuras de

control haciendo uso de la controlabilidad de estado, de la observabilidad y de la
controlabilidad entrada-salida. El mtodo de seleccin est basado en un anlisis
SVD, una medicin bajo el enfoque de la controlabilidad entrada-salida, y el
modelo utilizado para desarrollar tal anlisis, la matriz de Hankel, est construido a
partir de la matriz de controlabilidad y la matriz de observabilidad.
OBJETIVOS ESPECFICOS
- Explorar las relaciones entre el concepto de controlabilidad y la matriz de

ganancias relativas.
Tal como se describi en la seccin 5.1, el concepto de controlabilidad entrada-

salida est estrechamente ligado al mtodo de ganancias relativas. RGA
permite estudiar propiedades entrada-salida de un sistema, lo que indica que
est en consonancia con la controlabilidad entrada-salida.
- Plantear una mtrica que permita discriminar y evaluar diferentes

configuraciones del sistema de control desde el punto de vista de la
controlabilidad.
La mtrica propuesta cuantifica el efecto dinmico de las entradas y de las

salidas sobre todo el sistema por medio de los ponderadores dinmicos
103
___________________________________________________________________________________________________
(seccin 6.3.2). Dicho efecto dinmico es el efecto mismo de los estados, por
lo tanto cuando no hay acoplamiento no hay estados relacionados entre s. Es
por esto que la medicin con ponderadores es capaz de discriminar cuando el
conjunto de variables candidatas seleccionadas no presenta interaccin. En los
resultados del caso de estudio para el sistema SII (seccin 7.3.2), compuesto
por variables de flujo independientes, se observ que cuando se tienen
ponderaciones similares por pares entrada-salida, evidentemente no hay
interaccin.
- Establecer un procedimiento para disear estructuras de control como una

aproximacin al control total de planta.
Es claro que para hacer control total de planta se comienza por determinar las
variables controladas. Como en la planta se configuran los lazos en cascada,
estas variables corresponden a aquellas que no sern manipuladas por ningn
lazo de control, es decir, las variables controladas de los lazos externos. Para
el caso de estudio aqu utilizado, estas se tomaron de una metodologa basada
en optimizacin econmica (Larsson et al, 2001). Posteriormente viene el cmo
configurar lazos de control, para lo cual hay diversas metodologas basadas en
conocimiento heurstico. En este caso se tom un esquema ya desarrollado
para la planta TE. El aporte del trabajo es el cmo parear las variables entrada-
salida de acuerdo al impacto dinmico que tiene cada una de ellas en el
proceso, el mtodo se prob en dos niveles diferentes de la jerarqua del
sistema de control en una planta.
- Comparar el criterio de controlabilidad y ganancias relativas con otros

criterios econmicos.
El criterio propuesto en este trabajo tiene un objetivo similar al criterio de

ganancias relativas, que es obtener estructuras de control dado previamente
un conjunto de variables. En este trabajo, el criterio econmico se utiliz para
determinar las variables controladas (Larsson et al, 2001), que es un paso
previo al diseo de estructuras de control. Por otro lado, en el Apndice B se
desarroll una estrategia de control MPC que utiliza un optimizador econmico
en lnea. Esto muestra que los criterios econmicos no intervienen en la
metodologa propuesta para la configuracin del sistema de control.
5. Esta Tesis deja algunas inquietudes y varias puntas abiertas, aqu se proponen
como trabajos a futuro:
- Tratar de extender el mtodo con una representacin de Hankel en continuo

para ahondar en el significado de la misma desde el punto de vista de la
controlabilidad entrada-salida. Para ello debera estudiarse la manera de
desarrollar una representacin de Hankel en continuo con una interpretacin
clara en cuanto a la relacin entrada-salida, que no implique la discretizacin
del modelo en espacio de estados, ya que al discretizar se puede perder
104
___________________________________________________________________________________________________
informacin valiosa, especialmente en sistemas con muchas dinmicas con

diferentes constantes de tiempo.
- El mtodo propone ponderar el efecto dinmico de cada variable sobre la

planta, esto es, combina el efecto temporal y el efecto de ganancia. Sera
interesante diferenciar cada efecto, plantear una ponderacin de la velocidad
de cada variable midiendo la diferencia entre los vectores singulares en el
tiempo y buscar la manera de discriminar por separado el efecto de la ganancia
y del tiempo. De esta manera podran determinarse pareamientos con criterios
basados en la velocidad de la respuesta deseada.
- El criterio de seleccin propuesto en esta Tesis puede parecer heurstico e

intuitivo, sin embargo los resultados obtenidos en simulacin fueron muy
satisfactorios, incluso mostr sus ventajas frente al mtodo tradicional RGA y al
clculo de RGA en un rango de frecuencias. En un trabajo prximo, debera
demostrarse analticamente el porqu el criterio de pareamiento es correcto y
lleva a lazos de control con buen desempeo, para explicar y justificar
completamente el criterio. Adicionalmente, el AN es un paso importante en la
metodologa. La seleccin de los valores mximos y mnimos establecidos para
las variables es de mucha trascendencia en la escogencia del pareamiento
final. Precisamente ah debe hacerse mayor nfasis, porque dichos valores
lmites de operacin en el proceso se definen con base en el desempeo
deseado del sistema de control y en las restricciones de un proceso que ya
est diseado. Otra opcin sera buscar otros casos de estudio sobre los
cuales implementar esta metodologa.
- El trabajo aqu presentado muestra la determinacin de pareamientos entrada-

salida cuando los parmetros del sistema estn fijos. En un trabajo a futuro
debera estudiarse si se mantienen los mismos pareamientos entrada-salida al
variar los parmetros del sistema, tales como el punto de operacin y las
restricciones del proceso.
105
___________________________________________________________________________________________________
106
___________________________________________________________________________________________________
REFERENCIAS BIBLIOGRFICAS
Albertos, P. and Sala, A. (2004). Multivariable Control Systems: An Engineering

Approach. Springer Verlag London.
Arkun, Y. and J. Downs (1990). A general method to calculate input-output gains

and the relative gain array for integrating processes. Computers chem. Engng
26, 11011110.
Bristol, E.H. (1966). On a new measure of interaction for multivariable process

control. IEEE Trans. on automatic control. pp. 133-134.
Buckley, P.S. (1964). Techniques of Process control. Chap 13. John Wiley and
Sons.
Cao, Y. (1995). Control Structure Selection for Chemical Processes Using Input-
Output ControllabilityAnalysis. PhD thesis. University of Exeter.
Cao, Y., and Biss, D. (1996). New screening techniques for choosing manipulated
variables. Proceedings of IFAC World Congress. vol. M (pp. 103-108).
Cao, Y. and Saha, P. (2005). Improved branch and bound method for control
structure screening. Chemical Engineering Science 60. 1555 1564.
Douglas, J.M. (1988). Conceptual Design of Chemical Processes. McGraw-Hill.
Downs, J.J. and E.F. Vogel (1993). A plant-wide industrial process control problem.
Computers chem. Engng. 17, 245255.
Fisher, W.R., Doherty, M.F. and Douglas, J.M. (1988). The interface between
design and control. Ind. Eng. Chem. Res. 27 (4).
Foss, C.S. (1973). Critique of chemical process control theory. AIChE Journal
19(2), 209 - 214.
107
___________________________________________________________________________________________________
Grosdidier, P. and M. Morari (1985). Closed-loop properties from steady-state gain

information. Ind. Eng. Chem. Fundam. 24 (2), 221235.
Gross, F., E. Baumann, A. Geser, D.W.T. Rippin and L. Lang (1998). Modelling,
simulation and controllability analysis of an industrial heat-integrated
distillation process. Computers. chem. Engng. 22 (1), 223237.
Hggblom, K.E. and K.V. Waller (1988). Transformations and consistency relations
of distillation control structures. AIChE J. 34(10), 16341648.
Havre, K., Morud, J., & Skogestad, S. (1996). Selection of feedback variables for
implementing optimizing control schemes. Proceedings of UKACC
International Conference on CONTROL, vol. 1 (pp. 491-496).
Havre, K. (1998). Studies on controllability analysis and control structure design.

PhD thesis. NTNU Trondheim.
Holt, B. R. and Morari, M. (1985). Design of resilient processing plants VI The

effect of right plane zeros on dynamic resilience, Chemical Engineering
Science 40, 5974.
Jorgensen, S.B., Gani, R. and Andersen, T.R. (1998). Towards integration and
controllability into plant design. Internal Report. CAPE-Center, Department of
Chemical Engineering, Technical University of Denmark.
Kailath, T. (1980). Linear systems. Prentice Hall, NJ.
Kalman, R.E. (1960) On the General theory of control systems. In proceedings.

First IFAC congress, 1, 481-492. Moscow.
Kalman, R.E (1960b). A new approach to linear filtering and prediction problems.
Trans. ASME-Journal of Basic Engineering, 82, 35-45.
Keller, J. P., and Bonvin, D. (1987). Selection of inputs for the purpose of model
reduction and controller design. Proceedings of IFAC World Congres. pp.
209-214.
Klema, V.C. and Laub, A.J. (1980). The singular value decomposition: Its
computation and some applications. IEEE Trans. Aut. Cont. 25, 164-175.
Larsson, T. (2000). Studies on Plantwide Control. PhD Thesis. Norwegian

University of Science and Technology. Trondheim.
Larsson, T., and Skogestad, S. (2000) Plantwide control: A review and a new
design procedure. Modeling, Identification and Control. 21.
108
___________________________________________________________________________________________________
Larsson, T., Hestetun, K., Hovland, E and Skogestad, S. (2001). Self-optimizing

control of a large scale plant: the Tennessee Eastman Process. Ind. Eng.
Chem. Res. 40.
Lee, J.H. and M. Morari (1991). Robust measurements selection. Automatica 27(3),
519527.
Ljung, L. (1987). System Identification - Theory for the User. Prentice-Hall.
Luyben,W.L. (1988). The concept of eigenstructure in process control. Ind. Eng.

Chem. Res. 27(4), 206208.
Luyben, W.L. (1994). Snowball effect in reactor/separador processes with recycle.

Ind. Eng. Chem. Res. 33 (2).
Luyben, M.L., Tyreus, B.D. and Luyben, W.L. (1997). Plantwide control design
procedure. AICHE journal 43 (12).
Luyben,W.L. (1975). Steady-state energy conservation aspects of distillation

column control system design. Ind. Eng. Chem. Fundam. 14(4), 321325.
Marcos, A. (2001). Diseo de una estructura de control para plantas qumicas.

Beca I+D Repsol-YPF. ETSII-UPM.
Marlin, T.E. and A.N. Hrymak (1997). Real-time operations optimization of

continuous processes. In: CPC-5. Vol. 93 of AIChE Symposium Series. pp.
156164.
Martens, H. (1989). Multivariate calibration. Wiley.
McAvoy, T. J. (1983). Interaction Analysis - Principles and Applications. ISA.
McAvoy, T. J. (1998). A methodology for screening level control structures in

plantwide control systems. Computers. Chem. Engng 22 (11), 15431552.
McAvoy, T.J. (1999). Synthesis of plantwide control systems using optimization.

Ind. Eng.Chem. Res. 38 (8), 29842994.
McAvoy, T.J., Arkun, Y, Chen, R., Robinson, D. and Schnelle, P.D. (2003). A new
approach to defining a dynamic relative gain. Control Eng. Practice 11, 907
914.
McAvoy, T.J. and Braatz, R.D. (2003). Controllability of processes with large
singular values. Ind. Eng. Chem. Res. 42, 6155-6165.
109
___________________________________________________________________________________________________
McAvoy, T.J. and Miller, R. (1999). Incorporating Integrating Variables into Steady-
State Models for Plantwide Control Analysis and Design. Ind. Eng. Chem. Res.
38, 412-420
McAvoy, T., Ye, N. and Gang, C. (1995). An improved base control for the
Tennessee Eastman Problem. American Control Conference, Seatle
Washington.
McAvoy, T.J. and Ye, N. (1994). Base control for the Tennessee Eastman problem.
Computers chem. Engng. 18 (5), 383413.
Mizoguchi, A., T.E. Marlin and A.N. Hrymak (1995). Operations opimization and
control design for a petroleum distillation process. Canadian J. of Chem.
Engng. 73, 896907.
Moore, B. C. (1981). Principal component analysis in linear systems: Controllability,

observability, and model reduction. IEEE Transactions on Automatic Control,
26(1), 17-32.
Moore, C., Hackney, J., and Carter, D. (1987). Selecting sensor location and type
for multivariable processes. Proceedings of Shell Process Control Workshop
(pp. 291-308).
Morari, M. (1983). Design of resilient processing plants III a general framework

for the assessment of dynamic resilience, Chemical Engineering Science 38:
18811891.
Morari, M., G. Stephanopoulos and Y. Arkun (1980). Studies in the synthesis of

control structures for chemical processes. Part I: Formulation of the problem.
AIChE Journal 26(2), 220232.
Narraway, L. and J. Perkins (1994). Selection of process control structures based

in economics. Computers chem. Engng 18 (supplement), S511S515.
Narraway, L.T. and J.D. Perkins (1993). Selection of process control structure
based on linear dynamic economics. Ind. Eng. Chem. Res. 32 (11), 2681
2692.
Narraway, L.T., J.D. Perkins and G.W. Barton (1991). Interaction between process
design and process control: economic analysis of process dynamics. J. Proc.
Cont. 1, 243250.
Ng, C. and Stephanopoulos, G. (1998). Plant-Wide control structures and

strategies. In: Preprints Dycops-5. IFAC. pp. 116.
Niederlinski, A. (1971). Heuristic approach to the design of linear multivariable

control systems. Automatica, 7. 691 701.
110
___________________________________________________________________________________________________
Ochoa, S. (2005). Metodologa para la integracin diseo control en el espacio

de estados. Tesis de Maestra. Universidad Nacional de Colombia. Sede
Medelln.
Ponton, J.W. and Laing, D.M. (1993). A hierarchical approach to the design of
process control systems. Trans IChemE 71(Part A), 181188.
Price, R.M., Lyman, P.R. and Georgakis, C. (1993). Selection of throughput

manipulators for plant-wide control structures. ECC 93. pp. 10601066.
Price, R.M., Lyman, P.R. and Georgakis, C. (1994). Throughput manipulation in

plantwide control structures. Ind. Eng. Chem. Res. 33 (5), 11971207.
Ramirez, F.D (1994). Process control and identification. Academic Press.
Reeves, D. E. (1991). A comprehensive approach to control configuration design

for complex systems. PhD thesis. Georgia Institute of Technology.
Ricker, N.L. (1995). Optimal steady-state operation of the Tennessee Eastman

challenge process. Computers chem. Engng 19 (9), 949959.
Ricker, N. L. and Lee, J. H., (1995). Nonlinear Model Predictive Control of

Tennessee Eastman, Challenge Process. Computers and Chem. Engng, 19.
Ricker, N.L. (1996). Decentralized control of the Tennessee Eastman Challenge

Process. J. Proc. Cont. 6 (4), 205221.
Rosenbrock, H.H. (1970). State Space and Multivariable Theory. Nelson.
Scali, C. and Paolino, G. (1998). Controllability analysis by plant oriented

techniques. UKACC International Conference on Control 98. Conference
Publication No. 455. pp. 919-924.
Seborg, D., Edgar, T. and Mellichamp, D. (2004). Process Dynamics and Control.
John Wiley and sons.
Shinskey, F.G. (1996). Process control systems: Aplication, Design and Tuning. 4a
ed. Mc Graw-Hill, NY.
Skogestad, S. (2000). Plantwide control: The search for the self-optimizing control
structure. Accepted for publications in J. Proc. Control.
Skogestad, S. (2004). Control structure design for complete chemical plants.

Computers and Chemical Engineering 28, 219-234.
111
___________________________________________________________________________________________________
Skogestad, S. (1996). A procedure for SISO controllability analysis with

application to Design of pH neutralization processes. Comp. chem. Eng., 20
(4), 373 386.
Skogestad, S. and Morari, M. (1987). Effect of disturbance directions on closed-

loop performance, Industrial and Engineering Chemistry Research 26: 2029
2035.
Skogestad, S. and Postlethwaite, I. (1996). Multivariable Feedback Control. John

Wiley & Sons.
Sreeman, V. and Zomaya, A.Y. (1991). Note on the Hankel Matrix. Electronic
Letters 27 (4) 362-364.
Stanley, G., Marino-Galarraga, M. and McAvoy, T. J. (1985). Shortcut operability

analysis. 1. The relative disturbance gain, Industrial and Engineering
Chemistry Process Design and Development 24: 11811188.
Tung, L.S. and Edgar, T.F. (1981). Analysis of Control-Output Interactions in

Dynamic Systems, AIChE Journal 27, 690.
Tzouanas, V. K., Luyben, W. L., Georgakis, C., and Ungar, L. H. (1990). Expert
multivariable control. 1. Structure and design methodology. Industrial and
Engineering Chemistry Research, 29(3), 382-389.
Umeda, T., Kuriyama, T. and Ichikawa, A. (1978). A logical structure for process
control system synthesis. Proc. IFAC Congress (Helsinki) 1978.
Van de Wal, M. and De Jager, B. (2001). A review of methods for input/output

selection. Automatica 37, 487-510.
Vinson, D.R. and Georgakis, C. (2000). A new measure for process output
controllability. J. Proc. Contr. 10, 185 194.
Waller, J. and Waller, K. (1995). Defining Directionality: Use of Directionality

Measures with Respect to Scaling. Ind. Eng. Chem. Res. 34 (4). 1244-1252.
Witcher, M.E. and McAvoy, T.J. (1977). Interacting Control Systems: Steady-State
and Dynamic Measurement of Interaction, ISA Trans. 16 (3), 35.
Wolff, E. A., Skogestad, S., Hovd, M., & Mathisen, K. W. (1992). A procedure for
controllability analysis. In: J.D. Perkins (Ed.), Preprints IFAC workshop
interactions between process design and process control (pp. 127-132).
Oxford: Pergamon Press.
Xiong, Q. Cai, W. and He, M. (2005). A practical loop pairing criterion for
multivariable processes. Journal of Process Control 15, 741747.
112
___________________________________________________________________________________________________
Yi, C.K. and W.L. Luyben (1995). Evaluation of plant-wide control structures by
steady-state disturbance sensitivity analysis. Ind. Eng. Chem. Res. 34, 2393
2405.
Yu, C. C.; Luyben, W. L. (1986). Design of Multiloop SISO Controllers in

Multivariable Processes, Ind. Eng. Chem. Process Des. Dev., 25, 498-503.
Zheng, A., Mahajannam, R.V. and Douglas, J.M. (1999). Hierarchical procedure for
plantwide control system synthesis. AIChE Journal 45, 12551265.
Ziegler, J. G. and Nichols, N. B. (1943). Process lags in automatic-control circuits,

Transactions of the A.S.M.E. 65: 433444.
113
___________________________________________________________________________________________________
114
___________________________________________________________________________________________________
APNDICE
115
___________________________________________________________________________________________________
116
___________________________________________________________________________________________________
APNDICE A
Downs and Vogel (1993) publicaron el modelo de un proceso qumico industrial de

la Eastman Chemical Company. Su propsito fue dar a conocer un problema de
referencia para desarrollar y evaluar diferentes tecnologas de control de procesos,
principalmente para estudios relacionados con control total de planta y control
multivariable. La planta consiste en un arreglo de reactor y sistema de separacin
con reciclo, tal como se visualiza en la Figura A.1. El proceso consta de cinco
unidades de operacin: reactor, condensador, separador lquido-vapor, compresor
de reciclo y columna stripper. El reactor es un CSTR de dos fases, en el cual se
generan dos productos G y H a partir de cuatro reactivos A, C, D y E. Hay una
especie inerte B y un subproducto de reaccin F que se origina en otras dos
reacciones paralelas. Todas las reacciones son exotrmicas e irreversibles y
ocurren simultneamente:
A(g) + C(g) + D(g) G(liq) , Producto 1

A(g) + C(g) + E(g) H(liq) , Producto 2
A(g) + E(g) F(liq) , Subproducto
3D(g) 2F(liq) , Subproducto
El proceso dispone de 12 vlvulas para manipulacin y 41 mediciones para

realizar monitoreo y control, tal como se observa en la Figura A.1. Los autores
presentaron el modelo codificado en un conjunto de subrutinas en FORTRAN,
estas describen las relaciones no lineales entre las variables del proceso que
resultan de los balances de materia y energa en cada una de las unidades de
operacin. Adicionalmente proponen diez posibles perturbaciones que pueden
afectar al proceso. Se presentaron tambin 6 modos de operacin de la planta,
definidos como la relacin msica entre G y H en la corriente de producto y la
velocidad de produccin. El caso base es 50/50, los dems estn definidos como
10/90, 90/10 y una velocidad mxima de produccin. Ricker (1995a) determin las
condiciones ptimas de estado estacionario para cada uno de los modos de
operacin, logrando una disminucin de ms del 30% en los costos de operacin
de la planta. En todos los casos se demostr que es ptimo operar con la presin
mxima y el nivel mnimo en el reactor, velocidad mxima de agitacin en el
reactor y la apertura mnima de la vlvula de vapor. Adems en la mayora de los
117
___________________________________________________________________________________________________
casos, es ptimo utilizar una apertura mnima de la vlvula de retorno del

compresor (compressor recycle valve). Tambin se resalta que las variables
controladas deben seleccionarse cuidadosamente y no de forma arbitraria.
Bsicamente, los objetivos de control en la planta son: a) mantener las variables
del proceso en los valores deseados, b) mantener las condiciones de operacin
con las restricciones de los equipos, c) minimizar la variabilidad en la velocidad de
produccin y en la calidad del producto durante perturbaciones, d) minimizar los
movimientos de vlvula que afectan otros procesos y e) recuperarse rpida y
suavemente de las perturbaciones, cambios en la velocidad de produccin o en la
composicin del producto. A resaltar, una de las restricciones ms importantes en
la planta son los lmites de operacin de las variables presin y temperatura en el
reactor, si la presin alcanza el lmite superior de seguridad de 300kPa, la
operacin de la planta se detiene, es decir, se apaga.
Figura A.1. Diagrama de la planta Tennessee Eastman
En las Tablas A.1 y A.2 se presentan las variables manipuladas y medidas de la

planta Tennessee Eastman. Los valores de operacin utilizados en esta Tesis
fueron los optimizados por Ricker (1995a) para el caso base 50/50. La
denominacin de las variables en las Tablas A.1 y A.2 es tal cual la que presentan
originalmente los autores (Downs and Vogel, 1993).
Tabla A.1. Variables medidas de la planta Tennessee Eastman
Variables continuas Valor Unidad

y1 Flujo de alimentacin A (corriente 1) 0.267 kscmh
118
___________________________________________________________________________________________________
y2 Flujo de alimentacin D (corriente 2) 3657 kg/h

y3 Flujo de alimentacin E (corriente 3) 4440 kg/h
y4 Flujo de alimentacin A y C (corriente 4) 9.24 kscmh
y5 Flujo del reciclo (corriente 8) 32.18 kscmh
y6 Flujo de alimentacin al reactor (corriente 6) 47.36 kscmh
y7 Presin del reactor 2800 kPa
y8 Nivel del reactor 65.0 %
y9 Temperatura del reactor 122.9 C
y10 Flujo de purga (corriente 9) 0.021 kscmh
y11 Temperatura del separador 91.7 C
y12 Nivel del separador 50.0 %
y13 Presin del separador 2706 kPa
y14 Flujo de descarga del separador (corriente 10) 25.28 m3/h
y15 Nivel del stripper 50.0 C
y16 Presin del stripper 3326 kPa
y17 Flujo de descarga del stripper (corriente 11) 22.89 m3/h
y18 Temperatura del stripper 66.5 C
y19 Flujo de vapor del stripper 4.74 kg/h
y20 Trabajo del compressor 278.9 kW
y21 Temperatura de salida del refrigerante en el reactor 102.4 C
y22 Temperatura de salida del refrigerante en el separador 92.0 C
Variables muestreadas
Frecuencia de muestreo = 0.1 h
Tiempo muerto = 0.1 h
y23 Composicin molar de A en la corriente 6 32.21 %mol
y24 Composicin molar de B en la corriente 6 14.93 %mol
y25 Composicin molar de C en la corriente 6 18.75 %mol
y26 Composicin molar de D en la corriente 6 6.03 %mol
y27 Composicin molar de E en la corriente 6 16.71 %mol
y28 Composicin molar de F en la corriente 6 4.04 %mol
y29 Composicin molar de A en la corriente 9 32.73 %mol
y30 Composicin molar de B en la corriente 9 21.83 %mol
y31 Composicin molar de C en la corriente 9 13.11 %mol
y35 Composicin molar de G en la corriente 9 6.62 %mol
y36 Composicin molar de H en la corriente 9 3.23 %mol
Frecuencia de muestreo = 0.25 h
Tiempo muerto = 0.25 h
y40 Composicin molar de G en la corriente 11 53.83 %mol
y41 Composicin molar de H en la corriente 11 43.91 %mol
119
___________________________________________________________________________________________________
Tabla A.2. Variables manipuladas de la planta Tennessee Eastman
Valor
Variable Min Mx Unidad
%
u1 Vlvula de flujo de D (corriente 2) 62.935 0 5811 kg/h
u2 Vlvula de flujo de E (corriente 3) 53.147 0 8354 kg/h
u3 Vlvula de flujo de A (corriente 1) 26.248 0 1.017 kscmh
u4 Vlvula de flujo de A y C (corriente 4) 60.566 0 15.25 kscmh
u5 Vlvula del reciclo del compresor 1.000 0 100 %
u6 Vlvula de purga (corriente 9) 25.770 0 100 %
3
u7 Vlvula de flujo de lquido separador (corriente 10) 37.266 0 65.71 m /h
u8 Vlvula de flujo de lquido del stripper (corriente 11) 46.444 0 49.10 m3/h
u9 Vlvula del vapor al stripper 1.000 0 100 %
3
u10 Vlvula de refrigerante al reactor 35.992 0 227.1 m /h
u11 Vlvula de refrigerante al condensador 12.431 0 272.6 m3/h
u12 Velocidad del agitador 100.0 150 250 rpm
120
___________________________________________________________________________________________________
APNDICE B
ESTRATEGIA DE CONTROL PREDICTIVO Y OPTIMIZACIN DE LA

Aqu se presenta la implementacin de una estrategia de control predictivo basado

en modelo (MPC en ingls) y optimizacin en tiempo real de la Planta Tennessee
Eastman. La idea es ilustrar las jerarquas del sistema de control en una planta de
procesos qumicos, utilizando la planta Tennessee Eastman. Para ello se hace uso
del control multivariable, que ha venido tomando mas fuerza en las ltimas
dcadas, y la optimizacin en tiempo real, utilizada con fines econmicos. Ambas
estrategias son avanzadas y marcan fuertemente las tendencias de control en la
industria de procesos.
El contenido de este Apndice corresponde a un trabajo desarrollado en la

Universidad de Sao Paulo bajo la direccin del Profesor Darci Odloak y el Doctor
Oscar A. Z. Sotomayor.
B.1. REVISIN DE LA LITERATURA

En esta seccin se presenta una revisin de las estrategias de control MPC y de
optimizacin en tiempo real aplicadas a la planta TE.
B.1.1. ESTRATEGIAS DE CONTROL MPC
En (Ricker and Lee, 1995) se propuso una estructura de control NMPC en la

planta TE utilizando un modelo fenomenolgico del proceso. El controlador MPC
se basa en linealizacin sucesiva y programacin cuadrtica. Se tom un sistema
cuadrado de 8x8 argumentando la necesidad de satisfacer los grados de libertad
para el controlador MPC. Adicionalmente, para la presin, una variable del
controlador MPC, se dise un lazo override extra para evitar que sobrepase su
lmite de seguridad de 3000 KPa (Downs and Vogel, 1993) ya que en este valor la
operacin de la planta se detiene. El controlador predictivo presenta buen
desempeo con algunas perturbaciones, en seguimiento y en diferentes puntos de
operacin. Finalmente, se concluye que aunque MPC fue mejor que otras
estrategias, el esfuerzo que implica desarrollar el modelo no justifica el
desempeo obtenido con respecto a una estructura descentralizada.
121
___________________________________________________________________________________________________
Yan and Ricker (1995) modificaron el controlador MPC propuesto por Ricker and
Lee (1995) adicionando un trmino en la funcin objetivo que penaliza el no-
cumplimiento de los objetivos de control cuando el controlador debe ejecutar
determinada tarea, por ejemplo cambios de punto de ajuste o mantener velocidad
de produccin. En el problema de optimizacin tambin incluye una restriccin
blanda que define la desviacin del objetivo de control, la nueva variable del
funcional de costo de MPC. El problema se resuelve mediante programacin no
lineal y el desempeo del sistema es comparado con una estructura
descentralizada.
Sriniwas and Arkun (1997) implementaron en la planta Tennessee Eastman un

algoritmo QDMC que emplea modelos entrada-salida para la prediccin, dichos
modelos fueron identificados a partir de datos experimentales. El sistema que se
control consta de 4 variables controladas y 4 manipuladas, y para dos de las
variables controladas se utiliza su set-point como manipulada: la presin y el nivel
en el reactor. Mostraron que es posible construir un controlador MPC muy simple
como un esquema supervisorio sobre un sistema estabilizado con controladores
PID, capaz de hacer transiciones en la calidad del producto.
Para controlar la planta Tennessee Eastman, (Tian and Hoo, 2005) propusieron
dos aproximaciones MPC basadas en el modelo de la planta. Inicialmente se
desarroll un modelo fenomenolgico del proceso utilizando informacin del
trabajo de Downs y Vogel Este modelo se emple para identificar modelos lineales
en el espacio de estados en diferentes regiones de operacin. La primera
aproximacin consisti en un controlador MPC con mltiples modelos que utiliza el
modelo correspondiente a la regin en la cual opera, y hace conmutacin de
modelos cuando el proceso se mueve en diferentes regiones de operacin. La
segunda aproximacin utiliza un modelo en el espacio de estados adaptable
construido a partir de 3 modelos lineales. Ambos esquemas se probaron en
regulacin y en transicin entre puntos de operacin.
B.1.2. ESTRATEGIAS DE OPTIMIZACIN EN TIEMPO REAL
Usualmente, el objetivo de la optimizacin en tiempo real (RTO por sus siglas en

ingls) en las plantas de procesos, es minimizar los costos operativos en estado
estacionario mientras se mantiene la calidad del producto y la velocidad de
produccin. En varios trabajos (Yan and Ricker, 1997; Duvall and Riggs, 2000;
Golshan et al, 2005; Roberts and Becerra, 2002) se ha utilizado la ecuacin de
costos de operacin suministrada por Downs and Vogel (1993) para hacer RTO,
esta es una funcin algebraica no lineal de algunas salidas de la planta. La
diferencia bsica entre estos trabajos est en el mtodo de implementacin del
esquema de optimizacin no lineal. Por ejemplo, en (Golshan et al, 2005) se
propone un algoritmo de optimizacin basado en programacin cuadrtica
secuencial, que incluye el simulador original de la planta TE (Downs and Vogel,
1993), un modelo en espacio de estados (Ricker and Lee, 1995b) y un filtro
extendido de Kalman para estimar los parmetros del modelo. Sus resultados son
122
___________________________________________________________________________________________________
comparados con (Duvall and Riggs, 2000) que utilizaron el paquete NPSOL de
FORTRAN.
Es importante aclarar que optimizacin en tiempo real no implica minimizar una

funcin objetivo econmica, tambin es posible minimizar el esfuerzo de control
(Rotava and Zanin, 2005), el error en la salida, entre otros criterios. En el trabajo
de Jockenhvel y colaboradores (2003) propusieron una optimizacin dinmica del
proceso TE. El paquete de software OptControlCentre basado en matlab se
articul con otras herramientas de optimizacin para resolver el problema de
programacin no-lineal. La funcin objetivo del optimizador calcula el conjunto de
acciones de control que minimizan el error tanto en la salida respecto al punto de
ajuste como en la entrada respecto a una referencia.
B.2 CONTROLADOR PREDICTIVO

B.2.1 FUNDAMENTOS
El control predictivo basado en modelo, ms conocido como MPC por sus siglas
en ingls, comenz a popularizarse desde mediados de los aos 70. Esta tcnica
requiere de un modelo del proceso y de un optimizador. El modelo predice las
salidas futuras a lo largo de un horizonte de prediccin y el optimizador calcula la
accin de control ptima minimizando una funcin objetivo sujeta a unas
restricciones. Generalmente, la funcin objetivo contiene dos trminos, uno que
penaliza el error en las salidas y otro que penaliza el esfuerzo de control. En
comparacin con el control descentralizado, MPC es una estrategia ms
apropiada para controlar sistemas multivariables, no solamente por el manejo de
restricciones, sino porque permite ajustar el comportamiento del sistema de
acuerdo a los requerimientos del proceso, asignando los pesos sobre cada
variable en la funcin objetivo.
Dentro de los algoritmos ms comunes e implementados en la industria est el de

control por matriz dinmica DMC (Cutler and Ramaker, 1979), que utiliza un
modelo en respuesta a escalones para formar una matriz dinmica. La solucin
del algoritmo se puede realizar mediante programacin lineal o mediante
programacin cuadrtica, este ltimo se denomina comnmente como QDMC.
QDMC emplea un funcional de costo cuadrtico, el problema de optimizacin
originalmente se formula como:
1 T T 1
min J = e W W e + u T R T R u
u 2 2
sujeto a: umax u umax

umin u umax
ymin y ymax
123
___________________________________________________________________________________________________
donde W es el parmetro de ponderacin del error en las salidas y R pondera el

esfuerzo de control, e es el error en la salida, u es la variable manipulada, u es el
esfuerzo de control y y el vector de salidas. Para llevarlo a la forma cannica de la
optimizacin cuadrtica, se define:
e = Au + e '
donde A representa la matriz dinmica. Se llega a:
1 T
min J = u H u + cT u
u 2
donde: H = A W WA + R R y c = e ' W WA .
T T T T T T
B.2.2 SELECCIN DE VARIABLES
Para disear el sistema de control jerrquico MPC+RTO, se tom como base la

configuracin del sistema de control descentralizado de Larsson et al (2001). Los
controladores PID se encuentran distribuidos en todo el proceso. Para determinar
las variables del controlador predictivo, se suprimieron los controladores PID del
nivel superior excepto los de control de nivel, dicha supresin se hizo
cuidadosamente verificando en simulacin la estabilidad de la planta. La
configuracin de MPC final se puede visualizar en la Figura B.1. Para el
controlador MPC el sistema ya es estable, de ah posteriormente se identific el
modelo de respuesta a escaln que utiliza el algoritmo QDMC. En la Tabla B.1 se
presentan las nuevas variables para el controlador MPC, el sistema seleccionado
no es cuadrado, tiene ms entradas que salidas. En este caso no fue necesario
ocupar todos los grados de libertad de la planta como se ha hecho en otros
trabajos de MPC (Ricker and Lee, 1995; Sriniwas and Arkun, 1997), puesto que
para el esquema final MPC+RTO no es necesario. Adicionalmente, en cuanto al
punto de operacin, se emple el caso base 50/50 optimizado (Ricker, 1995), en el
cual la planta opera a la presin mxima de 2800 KPa.
Tabla B.1. Variables del controlador MPC
Variables controladas: Variables manipuladas:

y1: Flujo de reciclo u1: Flujo de alimentacin de A
y2: %G en el producto (Calidad) u2: Flujo de alimentacin de D
y3 : %C en la purga u3: Flujo de alimentacin de E
y4: Presin en el reactor u4: Flujo de alimentacin de C
y5: Temperatura en el reactor u5: Flujo de la purga
y6: Flujo de producto u6: Apertura de la vlvula de
(Velocidad de produccin) refrigerante al reactor
u7: Flujo total de alimentacin
124
___________________________________________________________________________________________________
%G en Flujo de %C en Flujo Presin Tempert Nivel Nivel Nivel

product reciclo purga product reactor reactor reactor stripper separad
o SP SP SP oSP SP SP SP SP SP
PID PID PID

CONTROLADOR MPC
Flujo Total Flujo Tempert Flujo Flujo

Flujo D Flujo E Flujo A Flujo C Alimento purga separad stripper separad

reactor
Figura B.1. Variables seleccionadas del esquema de control MPC en la planta TE
B.2.3 MODELO DE RESPUESTA A ESCALN
El modelo del sistema para el controlador MPC, es una matriz que contiene
6x7=42 funciones de transferencia SISO (single input-single output). Para
identificar el modelo, cada una de las entradas se perturb en escaln positivo y
se observ la respuesta. Una vez se tenan los datos de curva de reaccin, se
encontr que 12 presentaron una ganancia despreciable. 18 de las respuestas
tenan una dinmica de primer orden y sin ceros, las cuales se ajustaron
fcilmente a la forma cannica. Algunas de las dinmicas presentaron un
comportamiento de fase no mnima y otras fueron aproximadas a dinmicas de
segundo orden. Las dinmicas ms complejas se ajustaron mediante una serie de
comandos de matlab: FILTER, IDDATA, N4SID, PEM, D2CMP, SS2TF. Para las
respuestas ajustadas a dinmicas de segundo orden sin ceros ni retardos, se
calcul el overshoot como la relacin A/B y de ah se despejo el factor de
amortiguamiento. Posteriormente se tom el 63.2% del cambio en la salida para
obtener un valor semilla del tiempo de respuesta y se realizaron ajustes por
tanteo y error hasta obtener respuestas similares, y de esta manera encontrar un
modelo aproximado. El modelo experimental obtenido se valid y se reajust
posteriormente aplicando diferentes escalones en el sistema en sentidos opuestos.
B.2.4. PARMETROS DEL CONTROLADOR
El horizonte del modelo se determin a partir de las curvas de reaccin, donde se

visualiz que el tiempo de estabilizacin del sistema es de aproximadamente 100
125
___________________________________________________________________________________________________
horas, correspondiente a la dinmica ms lenta: la presin en el reactor. Buscando

un equilibrio entre el esfuerzo computacional y el desempeo del controlador se
seleccion un tiempo de muestreo de 0.2 horas. El horizonte de prediccin se
seleccion como 250, lo que equivale a 50 horas de prediccin y el horizonte de
control 10. En la Tabla B.2 se presentan las ponderaciones en cada una de las
variables. Las restricciones en la accin de control estn dadas por los valores
mximos y mnimos de las entradas, as como el mximo esfuerzo de control,
estos valores se reportan en la Tabla B.3.
Tabla B.2. Ponderaciones en el controlador MPC
y1 y2 y3 y4 y5 y6
Error salida W 0.5 0.3 0.1 3.0 3.0 0.5
u1 u2 u3 u4 u5 u6 u7
Esfuerzo de control R 10 5 10 20 2 10 5
Tabla B.3. Restricciones en las entradas para el controlador MPC
u1: A flow u2: D flow u3: E flow u4: C flow u5: Purge u6: R valve u7:Tot flow
umax 0.01 57.92 83.28 0.1171 0.0084 100 120
umin 0 0.32 0.46 0.001 0.0001 0 80
umax 0.002 3.2 4.6 0.0034 0.002 5 10
B.3. OPTIMIZACIN EN TIEMPO REAL RTO

B.3.1 FUNDAMENTOS
(Rotava and Zanin, 2005) RTO determina el punto de operacin ptimo en el cual
debe operar el proceso. La optimizacin soluciona un problema de programacin
cuadrtica con restricciones, haciendo uso del modelo del proceso en estado
estacionario, y con informacin proveniente del controlador MPC. Antes de
implementar la optimizacin es necesario abrir los puntos de ajuste del controlador
MPC y operar por zonas, esto es, las salidas deben permanecer dentro de unos
lmites establecidos alrededor del punto de ajuste, y el error en este caso se
calcula como la desviacin de la variable respecto al lmite que sobrepas, ya sea
el mnimo o el mximo. De esta manera, mientras la variable permanezca dentro
de la zona, el error es cero en la funcin objetivo. En la Figura B.2 se muestra el
esquema del optimizador. La optimizacin resuelve, en una primera tentativa, el
siguiente problema:
min ussT Q1 uss Q2 uss

uss , yss
sujeto a:
126
___________________________________________________________________________________________________
uss = uss u ( k 1)
yss y (k + n) = K uss
umin uss umax
ymin yss ymax
donde u(k1) es la ltima accin de control implementada, uSS son los targets para
las variables manipuladas y n es el horizonte del modelo. K es la matriz de
ganancias en estado estacionario. ySS es el vector de variables controladas. Q1 es
una matriz diagonal de pesos y Q2 es una matriz diagonal de coeficientes
econmicos de las variables manipuladas.
Optimizador en Tiempo Real

Nivel Nivel Nivel
reactor stripper separad
uss uss uss uss uss SP SP SP
PID PID PID

CONTROLADOR MPC
Flujo Total Flujo Tempert Flujo Flujo

Flujo D Flujo E Flujo A Flujo C Alimento purga separad stripper separad

reactor
Figura B.2. Esquema MPC+RTO implementado en la planta TE
Como resultado de las restricciones tanto en las variables controladas como en las
manipuladas, el problema puede no tener solucin. Esto ocurre principalmente
cuando una perturbacin mueve alguna variable controlada fuera de la regin
permitida definida por ymin y ymax. En este caso, es necesario relajar algunas
restricciones de las controladas de modo que se genere un problema viable. Si la
salida calculada viola las restricciones, es necesario relajar su lmite mximo o
mnimo. Por lo tanto se soluciona el siguiente problema:
127
___________________________________________________________________________________________________
min u ss Q1 u ss Q2 u ss + ( y ss y max, min ) T M ( y ss y max, min )

T
u ss , y ss
sujeto a:
uss = uss u (k 1)
yss y (k + n) = K uss
umin uss umax
y y y
donde M es un nmero grande. Ntese que para este caso se elimin la
restriccin de salida para incluirla como un trmino a minimizar en la funcin
objetivo.
Los targets o salidas del optimizador entran al algoritmo de MPC, para ello la
nueva funcin objetivo del controlador MPC debe incluir estos targets:
1 T T 1 1
min J = e W W e + u T R T R u + (u u ss ) T Ru T Ru (u u ss )
u 2 2 2
sujeto a:
umax u umax
umin u umax
ymin y ymax
B.3.2 IMPLEMENTACIN
En trminos generales, la optimizacin RTO empleada en este trabajo no busca

disminuir directamente los costos de operacin, como se encuentra en la mayora
de los casos. Su propsito es disminuir el esfuerzo de control minimizando los
movimientos de las variables manipuladas.
De acuerdo con lo anterior, para implementar la optimizacin es necesario primero

abrir los puntos de ajuste y hacer un control por zonas. En este caso el controlador
solo penaliza el error cuando la variable est por fuera de la zona preestablecida.
En la Tabla B.4 se presentan estos limites, para las variables %G en el producto y
flujo de producto se defini una zona estrecha puesto que corresponden a la
calidad del producto y a la velocidad de produccin, que es lo principal en el
proceso. Desviaciones significativas en estas variables implican degradacin en la
calidad del producto y retrasos en la produccin.
Tabla B.4. Parmetros para el control MPC por zonas
y1: Reciclo y2: %G prod y3: %C purga y4: Presin R y5: Temper.R y6: Produce
ymax 38 55.3 19 2700 175 23.89
ymin 28 52.3 7 2900 75 21.89
128
___________________________________________________________________________________________________
B.4. RESULTADOS
Aqu se presentan los resultados en seguimiento de calidad y de velocidad de
produccin, y los resultados en rechazo a perturbaciones.
En las Figuras B.3 a B.5 se visualiza el desempeo del sistema cuando se hace
seguimiento con rampas de las zonas para las variables calidad (%G en el
producto) y velocidad de produccin (flujo de producto).
Y 1 - R e c y c le ra t e
40
30
20
0 20 40 60 80 100 120 140 160
Y 2 - % G in p ro d u c t
60
50
40
0 20 40 60 80 100 120 140 160
Y 3 - % C in p u rg e
20
10
0
0 20 40 60 80 100 120 140 160
Y 4 - R e a c t o r p re s s u re
3000
2800
2600
0 20 40 60 80 100 120 140 160
Y 5 - R e a c t o r t e m p e ra t u re
140
120
100
0 20 40 60 80 100 120 140 160
Y 6 - P ro d u c t io n ra t e
30
25
20
0 20 40 60 80 100 120 140 160
Figura B.3. Variables controladas del MPC en seguimiento de calidad y de

velocidad de produccin con el esquema RTO
129
___________________________________________________________________________________________________
-3
x 1 0 U 1 : A fe e d flo w S P
3
2 .5
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 2 : D fe e d flo w S P
4 0
3 5
3 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 3 : E fe e d flo w S P
5 0
4 5
4 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 4 : C fe e d flo w S P
0 .0 9 5
0 .0 9
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
-3
x 1 0 U 5 : P u rg e ra te S P
2 .5
2
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 6 : R e a c t o r c o o la n t va lve
4 0
3 5
3 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
Figura B.4. Variables manipuladas del MPC en seguimiento de calidad y de

U 1 : A fe e d va lve
3 0
2 8
2 6
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 2 : D fe e d va lve
7 0
6 0
5 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 3 : E fe e d va lve
6 0
5 5
5 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 4 : C fe e d va lve
6 5
6 0
5 5
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
U 5 : P u rg e va lve
4 0
3 0
2 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
4 0
3 5
3 0
0 2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0
Figura B.5. Variables manipuladas del proceso en seguimiento de calidad y de

130
___________________________________________________________________________________________________
En las Figuras B.6 a B.8 se visualiza el comportamiento del esquema RTO en

rechazo a perturbaciones, las perturbaciones aplicadas fueron las siguientes:
20 40 horas: Cintica de reaccin

60 80 horas: Variacin aleatoria en la composicin de la corriente 4.
Y 1 - R e c y c le ra t e
40
30
20
0 10 20 30 40 50 60 70 80 90 100
Y 2 - % G in p ro d u c t
60
55
50
0 10 20 30 40 50 60 70 80 90 100
Y 3 - % C in p u rg e
40
20
0
0 10 20 30 40 50 60 70 80 90 100
Y 4 - R e a c t o r p re s s u re
3000
2800
2600
0 10 20 30 40 50 60 70 80 90 100
Y 5 - R e a c t o r t e m p e ra t u re
130
120
110
0 10 20 30 40 50 60 70 80 90 100
Y 6 - P ro d u c t io n ra t e
24
22
20
0 10 20 30 40 50 60 70 80 90 100
Figura B.6. Variables controladas del proceso en rechazo a perturbaciones con el

esquema RTO
131
___________________________________________________________________________________________________
-3 U 1 : A fe e d flo w S P
x 1 0
3
2 .5
2
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 2 : D fe e d flo w S P
3 8
3 7
3 6
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 3 : E fe e d flo w S P
4 5
4 4 .5
4 4
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 4 : C fe e d flo w S P
0 .0 9 3
0 .0 9 2
0 .0 9 1
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
-3
x 1 0 U 5 : P u rg e ra te S P
3
2
1
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
3 8
3 6
3 4
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 7 : T o t a l fe e d flo w
1 0 1
1 0 0
9 9
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
Figura B.7. Variables manipuladas del controlador MPC en rechazo a

perturbaciones con el esquema RTO
U 1 : A fe e d va lve
3 0
2 5
2 0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 2 : D fe e d va lve
6 6
6 4
6 2
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 3 : E fe e d va lve
5 4
5 3 .5
5 3
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 4 : C fe e d va lve
6 2
6 1
6 0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
U 5 : P u rg e va lve
3 0
2 0
1 0
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
3 8
3 6
3 4
0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0
Figura B.8. Variables manipuladas del proceso en rechazo a perturbaciones con

el esquema RTO
132
___________________________________________________________________________________________________
En la Figura B.9 se presenta una comparacin entre la accin de control de la

estrategia descentralizada original y el esquema completo RTO
U1: A feed valve U1: A feed valve
100 30
50 25
0 20
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
U2: D feed valve U2: D feed valve
64 66
63 64
62 62
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
U3: E feed valve U3: E feed valve
54 54
53 53.5
52 53
0 10 20 30 40 50 60 70 80 90 100
0 10 20 30 40 50 60 70 80 90 100
U4: C feed valve
U4: C feed valve
62
65
61
60
60
55 0 10 20 30 40 50 60 70 80 90 100
0 10 20 30 40 50 60 70 80 90 100
U5: P urge valve
U5: Purge valve 30
100
20
50
10
0 0 10 20 30 40 50 60 70 80 90 100
0 10 20 30 40 50 60 70 80 90 100 U6: Reac tor coolant valve
U6: Reactor coolant valve 38
38
36
36
34
34 0 10 20 30 40 50 60 70 80 90 100
. 0 10 20 30 40 50 60 70 80 90 100
Figura B.9. Accin de control aplicada al proceso de la estrategia descentralizada

(izquierda) y de la estrategia RTO (derecha)
Adicionalmente se hizo una comparacin entre la estructura original propuesta por

Larsson y colaboradores (2001) y el controlador QDMC por puntos de ajuste.
Tambin se compara la estrategia QDMC por zonas con la estrategia QDMC con
optimizador. Estos resultados se publicarn en un futuro.
B.5. COMENTARIOS FINALES

El control descentralizado es lo ms utilizado en la industria y puede ser eficiente
para rechazar perturbaciones, sin embargo este no permite el manejo de
restricciones como lo permite el control MPC. Precisamente, una de las ventajas
de los controladores MPC est en el manejo de las restricciones. Por otro lado,
MPC distribuye el esfuerzo de control entre varias variables manipuladas, lo que
resulta en un control ms suave y menos desgastante para las vlvulas.
MPC es una estrategia que acta de acuerdo a sus predicciones y estas

dependen de la calidad del modelo. Si bien el algoritmo QDMC tiene cierta
realimentacin del error, un modelo ms fiel al comportamiento del proceso, por
ejemplo un modelo adaptable o un control multimodelos podra mejorar
notablemente el desempeo de la estrategia. Otra posible mejora sera incluir el
modelo de la perturbacin en el controlador QDMC, de esta forma el controlador
no estara ciego frente a lo que realmente esta ocurriendo en el sistema, no
obstante, en teora, para la planta TE ninguna de las perturbaciones es medida.
133
___________________________________________________________________________________________________
El control por zonas es mas permisivo con el proceso porque no obliga a las
variables a permanecer en un valor exacto, y de esta manera el elemento final de
control presenta un menor desgaste ya que se disminuye el esfuerzo de control.
Tambin las variables controladas tienen un desempeo mejor, una menor
tendencia a oscilar en presencia de ruido o perturbaciones. La optimizacin en
tiempo real aqu aplicada, mejora an ms esta tendencia del proceso a
permanecer ms estable.
Para propsitos de control es necesario tratar la planta como un todo y jerarquizar

los objetivos de control, la calidad del producto y la velocidad de produccin son
las variables ms importantes. Aunque aqu no se present, para el control por
zonas y MPC+RTO el sistema es capaz de realizar cambios en %G y en la
velocidad de produccin.
B.6. REFERENCIAS CITADAS EN EL APNDICE A Y B

Cutler, C.; Ramaker, B. Dynamic Matrix Control - A Computer Control Algorithm.
AIChE National Meeting, Houston, April 1979.
Downs, J. J.; Vogel, E. F. A Plant-Wide Industrial Process Control Problem.
Comput. Chem. Eng. 1993, 17, 245.
Duvall, P. M. and Riggs, J.B. On-line optimization of the Tennessee Eastman
challenge problem. Journal of Process Control 2000, 10, 19.
Golshan, M., Bozorgmehry, R. and Pishvaie, M.R. A new approach to real time
optimization of the Tennessee Eastman problem. Chem. Eng. Journal 2005, 112.
Jockenhvel, T, Biegler, L. and Wchter, A. Dynamic optimization of the
Tennessee Eastman using the OptControlCentre. Comput. Chem. Eng. 2003, 27.
Ricker, N. L. Optimal steady state operation of the Tennessee Eastman Challenge
Process. Comp. Chem. Eng. 1995, 19, 9.
Ricker, N. L. and Lee, J. H., Nonlinear Model Predictive Control of Tennessee
Eastman, Challenge Process. Computers and Chem. Engng, 1995a, 19.
Ricker, N. L. and Lee, J. H., Nonlinear modeling and state estimation for the TE
Challenge Process. Computers and Chem. Engng, 1995b, 19.
Roberts, P. and Becerra, V. Hierarchical control and optimization of the Tennessee
Eastman process. 15th Triennial World Congress. Barcelona, Spain. 2002.
Rotava, O. and Zanin, A. Multivariable control and real-time optimization an
industrial practical overview. Hydrocarbon processing. June 2005.
Sriniwas, G. and Arkun, Y. Control of the Tennessee Eastman process using input-
output models. J. Proc. Cont. 1997, vol. 7, #5.
Tian, Z. and Hoo, K. Multiple model-based control of the Tennessee Eastman
Process. Ind. Eng. Chem. Res. 2005. 44.
Yan, M. and Ricker, N.L. Multi-Objective control of the Tennessee Eastman
Challenge Process. American Control Conference, Seatle Washington. 1995.
Yan, M. and Ricker, N.L. On-line optimization of the Tennessee Eastman
Challenge Process. American Control Conference 1997.
134

Metodologia para El Diseno de Control Total de Planta

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodologia para El Diseno de Control Total de Planta

Uploaded by

Copyright:

Available Formats

Tesis de Maestra

METODOLOGA PARA EL DISEO DE

LUZ ADRIANA ALVAREZ TORO

Maestra en Ingeniera Ingeniera Qumica

METODOLOGA PARA EL DISEO DE

LUZ ADRIANA ALVAREZ TORO

Como requisito para optar al ttulo de:

Magster en Ingeniera Ingeniera Qumica

Director: Jairo Espinosa Oviedo, PhD.

Universidad Nacional de Colombia

Al Profesor Jairo Espinosa, quien dirigi esta Tesis y me motiv a trabajar en

Al Profesor Hernn Alvarez, por el apoyo incondicional durante mi paso por la

A la Universidad Nacional de Colombia, por la Beca de Estudiantes

A los Doctores Darci Odloak y Oscar A. Z. Sotomayor, de la Universidad de So

A la Red de Macrouniversidades de Amrica Latina y el Caribe, por el auxilio

Al Grupo de Automtica de la Universidad Nacional, por permitirnos un espacio

Al Profesor Manuel Betancur, de la Universidad Pontificia Bolivariana, por las

A los dems profesores de la Maestra en Ingeniera Qumica: Jaime Aguirre,

En esta Tesis se presenta una metodologa basada en la controlabilidad para

In this work a methodology based on controllability for control structure selection is

PARTE I. CONTROL TOTAL DE PLANTA: DEFINICIN Y

2 TENDENCIAS DEL DISEO DE PROCESOS Y SUS

2.1 Reciclo de Materia 22

3 CONTROL TOTAL DE PLANTA 27

3.1 Decisiones Estructurales 29

PARTE II. DISEO DE ESTRUCTURAS DE CONTROL A PARTIR

4.1 Controlabilidad de Estado 43

5 HERRAMIENTAS PARA LA SELECCIN DE ESTRUCTURAS

5.1 Matriz de Ganancias Relativas 51

6 METODOLOGA PROPUESTA PARA EL DISEO DE

6.1 Matriz de Hankel 67

7 CASO DE ESTUDIO: PLANTA TENNESSEE EASTMAN 79

7.1 Estrategias de control descentralizado en la planta TE 80

7.3 Metodologa basada en la SVD de la Matriz Hankel 86

8 CONCLUSIONES Y TRABAJOS FUTUROS 101

REFERENCIAS BIBLIOGRFICAS 107

APNDICE A: PLANTA TENNESSEE EASTMAN 117

APNDICE B: ESTRATEGIA DE CONTROL PREDICTIVO Y OPTIMIZACIN

Figura 2.1. Dos configuraciones de columnas de destilacin. a) Sin integracin

Figura 2.2 Representacin en funciones de transferencia del reciclo de

Figura 2.3 Respuesta de un sistema con reciclo para diferentes valores en la

Figura 3.2 Jerarqua tpica de control en una planta (Larsson, 2000) 34

Figura 6.1 Algoritmo de la metodologa SVD de la matriz de Hankel 77

Figura 7.1 Diagrama de proceso de la planta Tennessee Eastman (TE) 79

Figura 7.2. Representacin esquemtica de la planta TE controlada 82

Figura 7.3. Sistemas SI y SII de la planta TE parcialmente controlada 83

Figura 7.4. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.5. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.6. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.7. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.8. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.9. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.10. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.11. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.12. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura 7.13. Ganancia relativa y distancia al punto 1+0i en todo el rango de

Figura A.1. Diagrama de la planta Tennessee Eastman 118

Figura B.1. Variables seleccionadas del esquema MPC en la planta TE 125

Figura B.2. Esquema MPC+RTO implementado en la planta TE 127

Figura B.3. Variables controladas del MPC en seguimiento de calidad y de

Figura B.4. Variables manipuladas del MPC en seguimiento de calidad y de

Figura B.5. Variables manipuladas del proceso en seguimiento de calidad y de

Figura B.6. Variables controladas del proceso en rechazo a perturbaciones con el