Data reconciliation for mineral and metallurgical processes : Contributions to uncertainty tuning and dynamic balancing : Application to control and optimization

• Main Author: Vasebi, Amir
• Other Authors: Poulin, Éric
• Format: Doctoral Thesis
• Language: English; English
• Published: Université Laval 2015
• Subjects: TK 7.5 UL 2015; Usines métallurgiques > Gestion; Usines minéralurgiques > Gestion; Minéralurgie; Métallurgie; Efficacité organisationnelle
• Online Access: http://hdl.handle.net/20.500.11794/26478; http://hdl.handle.net/20.500.11794/26478

Pour avoir un fonctionnement de l'usine sûr et bénéfique, des données précises et fiables sont nécessaires. D'une manière générale, une information précise mène à de meilleures décisions et, par conséquent, de meilleures actions pour aboutir aux objectifs visés. Dans un environnement industriel, les données souffrent de nombreux problèmes comme les erreurs de mesures (autant aléatoires que systématiques), l'absence de mesure de variables clés du procédé, ainsi que le manque de consistance entre les données et le modèle du procédé. Pour améliorer la performance de l'usine et maximiser les profits, des données et des informations de qualité doivent être appliquées à l'ensemble du contrôle de l'usine, ainsi qu'aux stratégies de gestion et d'affaires. Comme solution, la réconciliation de données est une technique de filtrage qui réduit l'impact des erreurs aléatoires, produit des estimations cohérentes avec un modèle de procédé, et donne également la possibilité d'estimer les variables non mesurées. Le but de ce projet de recherche est de traiter des questions liées au développement, la mise en œuvre et l'application des observateurs de réconciliation de données pour les industries minéralurgiques et métallurgiques. Cette thèse explique d’abord l'importance de régler correctement les propriétés statistiques des incertitudes de modélisation et de mesure pour la réconciliation en régime permanent des données d’usine. Ensuite, elle illustre la façon dont les logiciels commerciaux de réconciliation de données à l'état statique peuvent être adaptés pour faire face à la dynamique des procédés. La thèse propose aussi un nouvel observateur de réconciliation dynamique de données basé sur un sous-modèle de conservation de la masse impliquant la fonction d'autocovariance des défauts d’équilibrage aux nœuds du graphe de l’usine. Pour permettre la mise en œuvre d’un filtre de Kalman pour la réconciliation de données dynamiques, ce travail propose une procédure pour obtenir un modèle causal simple pour un circuit de flottation. Un simulateur dynamique basé sur le bilan de masse du circuit de flottation est développé pour tester des observateurs de réconciliation de données et des stratégies de contrôle automatique. La dernière partie de la thèse évalue la valeur économique des outils de réconciliation de données pour deux applications spécifiques: une d'optimisation en temps réel et l’autre de commande automatique, couplées avec la réconciliation de données. En résumé, cette recherche révèle que les observateurs de réconciliation de données, avec des modèles de procédé appropriés et des matrices d'incertitude correctement réglées, peuvent améliorer la performance de l'usine en boucle ouverte et en boucle fermée par l'estimation des variables mesurées et non mesurées, en atténuant les variations des variables de sortie et des variables manipulées, et par conséquent, en augmentant la rentabilité de l'usine. === Pour avoir un fonctionnement de l'usine sûr et bénéfique, des données précises et fiables sont nécessaires. D'une manière générale, une information précise mène à de meilleures décisions et, par conséquent, de meilleures actions pour aboutir aux objectifs visés. Dans un environnement industriel, les données souffrent de nombreux problèmes comme les erreurs de mesures (autant aléatoires que systématiques), l'absence de mesure de variables clés du procédé, ainsi que le manque de consistance entre les données et le modèle du procédé. Pour améliorer la performance de l'usine et maximiser les profits, des données et des informations de qualité doivent être appliquées à l'ensemble du contrôle de l'usine, ainsi qu'aux stratégies de gestion et d'affaires. Comme solution, la réconciliation de données est une technique de filtrage qui réduit l'impact des erreurs aléatoires, produit des estimations cohérentes avec un modèle de procédé, et donne également la possibilité d'estimer les variables non mesurées. Le but de ce projet de recherche est de traiter des questions liées au développement, la mise en œuvre et l'application des observateurs de réconciliation de données pour les industries minéralurgiques et métallurgiques. Cette thèse explique d’abord l'importance de régler correctement les propriétés statistiques des incertitudes de modélisation et de mesure pour la réconciliation en régime permanent des données d’usine. Ensuite, elle illustre la façon dont les logiciels commerciaux de réconciliation de données à l'état statique peuvent être adaptés pour faire face à la dynamique des procédés. La thèse propose aussi un nouvel observateur de réconciliation dynamique de données basé sur un sous-modèle de conservation de la masse impliquant la fonction d'autocovariance des défauts d’équilibrage aux nœuds du graphe de l’usine. Pour permettre la mise en œuvre d’un filtre de Kalman pour la réconciliation de données dynamiques, ce travail propose une procédure pour obtenir un modèle causal simple pour un circuit de flottation. Un simulateur dynamique basé sur le bilan de masse du circuit de flottation est développé pour tester des observateurs de réconciliation de données et des stratégies de contrôle automatique. La dernière partie de la thèse évalue la valeur économique des outils de réconciliation de données pour deux applications spécifiques: une d'optimisation en temps réel et l’autre de commande automatique, couplées avec la réconciliation de données. En résumé, cette recherche révèle que les observateurs de réconciliation de données, avec des modèles de procédé appropriés et des matrices d'incertitude correctement réglées, peuvent améliorer la performance de l'usine en boucle ouverte et en boucle fermée par l'estimation des variables mesurées et non mesurées, en atténuant les variations des variables de sortie et des variables manipulées, et par conséquent, en augmentant la rentabilité de l'usine. === To have a beneficial and safe plant operation, accurate and reliable plant data is needed. In a general sense, accurate information leads to better decisions and consequently better actions to achieve the planned objectives. In an industrial environment, data suffers from numerous problems like measurement errors (either random or systematic), unmeasured key process variables, and inconsistency between data and process model. To improve the plant performance and maximize profits, high-quality data must be applied to the plant-wide control, management and business strategies. As a solution, data reconciliation is a filtering technique that reduces impacts of random errors, produces estimates coherent with a process model, and also gives the possibility to estimate unmeasured variables. The aim of this research project is to deal with issues related to development, implementation, and application of data reconciliation observers for the mineral and metallurgical industries. Therefore, the thesis first presents how much it is important to correctly tune the statistical properties of the model and measurement uncertainties for steady-state data reconciliation. Then, it illustrates how steady-state data reconciliation commercial software packages can be used to deal with process dynamics. Afterward, it proposes a new dynamic data reconciliation observer based on a mass conservation sub-model involving a node imbalance autocovariance function. To support the implementation of Kalman filter for dynamic data reconciliation, a procedure to obtain a simple causal model for a flotation circuit is also proposed. Then a mass balance based dynamic simulator of froth flotation circuit is presented for designing and testing data reconciliation observers and process control schemes. As the last part of the thesis, to show the economic value of data reconciliation, two advanced process control and real-time optimization schemes are developed and coupled with data reconciliation. In summary, the study reveals that data reconciliation observers with appropriate process models and correctly tuned uncertainty matrices can improve the open and closed loop performance of the plant by estimating the measured and unmeasured process variables, increasing data and model coherency, attenuating the variations in the output and manipulated variables, and consequently increasing the plant profitability. === To have a beneficial and safe plant operation, accurate and reliable plant data is needed. In a general sense, accurate information leads to better decisions and consequently better actions to achieve the planned objectives. In an industrial environment, data suffers from numerous problems like measurement errors (either random or systematic), unmeasured key process variables, and inconsistency between data and process model. To improve the plant performance and maximize profits, high-quality data must be applied to the plant-wide control, management and business strategies. As a solution, data reconciliation is a filtering technique that reduces impacts of random errors, produces estimates coherent with a process model, and also gives the possibility to estimate unmeasured variables. The aim of this research project is to deal with issues related to development, implementation, and application of data reconciliation observers for the mineral and metallurgical industries. Therefore, the thesis first presents how much it is important to correctly tune the statistical properties of the model and measurement uncertainties for steady-state data reconciliation. Then, it illustrates how steady-state data reconciliation commercial software packages can be used to deal with process dynamics. Afterward, it proposes a new dynamic data reconciliation observer based on a mass conservation sub-model involving a node imbalance autocovariance function. To support the implementation of Kalman filter for dynamic data reconciliation, a procedure to obtain a simple causal model for a flotation circuit is also proposed. Then a mass balance based dynamic simulator of froth flotation circuit is presented for designing and testing data reconciliation observers and process control schemes. As the last part of the thesis, to show the economic value of data reconciliation, two advanced process control and real-time optimization schemes are developed and coupled with data reconciliation. In summary, the study reveals that data reconciliation observers with appropriate process models and correctly tuned uncertainty matrices can improve the open and closed loop performance of the plant by estimating the measured and unmeasured process variables, increasing data and model coherency, attenuating the variations in the output and manipulated variables, and consequently increasing the plant profitability.