Simulador de malha PID ao vivo — o processo persegue o setpoint na sua frente

O que é uma malha de controle fechada

Quase todo processo industrial contínuo — manter um nível de líquido, uma temperatura, uma vazão, uma pressão — depende de uma malha de controle fechada. A ideia é simples de enunciar e difícil de afinar: um sensor mede a grandeza que interessa, um controlador compara essa medida com o valor desejado e comanda um atuador (uma válvula, um tiristor, um inversor) para corrigir a diferença. Como a saída do processo volta para a entrada do controlador, fecha-se a malha — e é essa realimentação que permite ao sistema se corrigir sozinho diante de perturbações.

Três nomes aparecem o tempo todo. O setpoint (SP) é o valor que você quer: 60 cm de nível, 180 graus no forno. A variável de processo (PV) é o valor que o sensor lê naquele instante. E o erro é a diferença entre os dois, e = SP − PV. O trabalho do controlador é levar o erro a zero e mantê-lo lá. No simulador, o setpoint é a linha tracejada vermelha, a variável de processo é a curva azul que sobe atrás dela, e o erro aparece tanto no painel do controlador quanto, se você quiser, como uma curva no oscilograma.

O controlador mais usado para esse trabalho, de longe, é o PID: proporcional, integral e derivativo. Ele está dentro de praticamente todo controlador de temperatura, de todo inversor de frequência com função de processo e de todo CLP que regula uma grandeza analógica. Entender o que cada uma das três letras faz na resposta é o que separa quem sintoniza um PID com método de quem fica girando parâmetros no escuro até parar de oscilar.

O termo proporcional (Kp): velocidade e o limite do erro em regime

O termo proporcional é o coração do controlador: a saída é proporcional ao erro atual, multiplicado pelo ganho Kp. Quanto maior o erro, mais forte a correção. Aumentar Kp deixa a malha mais rápida e reduz o erro — até certo ponto. A partir de um Kp alto demais, a malha passa a oscilar: a correção forte joga a variável de processo para o outro lado, o erro inverte de sinal, a correção inverte junto, e o sistema fica balançando. Empurre mais ainda e a oscilação cresce sem parar — a malha fica instável.

Mas o termo proporcional tem uma limitação estrutural que surpreende quem vê pela primeira vez: sozinho, ele não zera o erro em regime. A razão é direta. Para o atuador manter o processo num valor diferente do ponto de partida, a saída do controlador precisa ser diferente de zero; e como essa saída é Kp vezes o erro, ela só existe se sobrar algum erro. O resultado é que a variável de processo estaciona um pouco abaixo do setpoint e fica lá. No simulador, deixe Ki e Kd em zero, parta com um Kp moderado e observe: a curva azul sobe, se acomoda — e para antes da linha vermelha. O painel mostra o erro de regime que sobrou, e um card sugere adicionar o termo integral. Esse é o insight mais importante da ferramenta.

O termo integral (Ki): zera o erro, mas cuidado com o windup

O termo integral resolve exatamente o problema que o proporcional deixa em aberto. Ele acumula o erro ao longo do tempo: enquanto sobrar qualquer diferença entre setpoint e variável de processo, o integral vai somando essa diferença e empurrando a saída na direção de fechar a folga. Como ele só para de crescer quando o erro chega a zero, o termo integral elimina o erro em regime. No simulador, parta com erro de regime visível (só-P), depois arraste Ki para cima de zero: a curva azul, que tinha parado antes do setpoint, sobe o restante e encosta na linha vermelha.

O integral cobra um preço quando exagerado, e o nome desse preço é windup. Imagine que o setpoint está longe e a saída do controlador satura — a válvula abre 100 por cento, a resistência vai à potência máxima e não dá para fazer mais nada. O termo integral, porém, não sabe disso: ele continua acumulando erro o tempo todo em que a variável de processo está longe do alvo. Quando a variável finalmente chega ao setpoint, o integral acumulou um débito enorme e continua mandando a saída lá em cima, jogando o processo muito acima do alvo, com overshoot severo, antes de conseguir recuar.

A solução se chama anti-windup: enquanto a saída estiver saturada, o controlador congela o acumulador integral, para que ele não cresça sem efeito. No simulador, desligue o anti-windup com um Ki alto e um setpoint distante: a saída fica grudada em 100 por cento, e quando a variável de processo chega, o overshoot dispara e o card de windup acende. Religue o anti-windup e a mesma malha se comporta. É o tipo de parâmetro que muitos técnicos veem no menu do instrumento sem nunca terem entendido para que serve.

O termo derivativo (Kd): amortece o overshoot, amplifica o ruído

O termo derivativo olha para a taxa de variação do erro, não para o erro em si. Se a variável de processo está subindo rápido em direção ao setpoint, o derivativo já começa a frear antes de chegar, porque antecipa que, no ritmo atual, vai passar do ponto. O efeito prático é amortecer o overshoot e acelerar a acomodação: com um pouco de Kd, a curva que dava um pico alto passa a chegar mais suave. No simulador, suba o Kd a partir de zero numa malha com overshoot e veja o pico encolher.

O derivativo tem um calcanhar de aquiles: ele amplifica o ruído do sensor. Como a derivada reage a variações rápidas, e o ruído de medição é justamente uma variação rápida e aleatória, um Kd alto faz a saída do controlador tremer, transmitindo esse tremor ao atuador — válvula ou tiristor batendo sem necessidade, com desgaste real. No simulador, aumente o ruído de medição e o Kd ao mesmo tempo: a curva da saída passa a oscilar em alta frequência e um card avisa que o derivativo está amplificando o ruído. Reduza o Kd e o tremor some. A lição é que derivativo não é sempre bom: em processos ruidosos, costuma ser usado com parcimônia, ou com um filtro no sinal antes da derivada.

O modelo de planta: FOPDT e o peso do atraso de transporte

Para a resposta ser realista, o simulador precisa de um modelo do processo. Ele usa o mais comum em malhas térmicas e hidráulicas: o FOPDT, de primeira ordem com atraso de transporte. São três parâmetros. O ganho do processo (Kp_planta) diz quanto a variável de processo muda, em regime, para cada unidade de saída do controlador. A constante de tempo (τ) é a inércia do processo: quanto maior, mais devagar a variável reage. E o atraso de transporte (θ) é o tempo morto entre o atuador agir e o efeito começar a aparecer no sensor — o tempo que o calor leva para chegar ao termopar, ou o líquido para chegar ao medidor de nível.

O atraso é o vilão silencioso do controle. Quando θ é pequeno em relação a τ, o controlador recebe informação quase atual e consegue agir com firmeza. Quando o atraso cresce e a razão θ/τ passa de cerca de 0,5, o controlador passa a reagir a uma informação velha: ele corrige com base no que o sensor mostrava há vários segundos, e quando a correção finalmente chega, a situação já mudou. Isso favorece overshoot e oscilação, e reduz o quanto se pode aumentar o ganho sem instabilizar. No simulador, suba o atraso e veja a resposta piorar; quando a razão passa do limite, um card avisa que a controlabilidade caiu e que processos assim pedem técnicas mais avançadas que o PID clássico, marcadas como a verificar com a planta real.

Sintonia e o ponto de partida de Ziegler-Nichols

Sintonizar é escolher Kp, Ki e Kd para a malha responder rápido, sem oscilar demais e sem erro em regime. Existem métodos consagrados para chegar a um ponto de partida a partir das características do processo. O mais conhecido é o de Ziegler-Nichols, publicado em 1942: a partir do ganho, da constante de tempo e do atraso do processo, ele sugere valores de Kp, do tempo integral e do tempo derivativo. O botão de calcular ZN no simulador aplica essas fórmulas clássicas e mostra os valores sugeridos.

Duas ressalvas honestas. Primeira: Ziegler-Nichols é uma referência bibliográfica, não uma norma — nenhuma ABNT ou IEC prescreve esses números. Segunda, e mais importante na prática: o ajuste de ZN é um ponto de partida, não o ajuste final. Ele costuma render uma resposta com overshoot da ordem de 20 a 30 por cento, que muitas vezes precisa ser refinada para a aplicação real, suavizando ou acelerando conforme o que o processo tolera. No simulador, aplique o ZN, observe a resposta e ajuste a partir dali — é exatamente o fluxo de trabalho que se usa em campo. Os presets adicionais (só-proporcional, agressivo) servem para ver, lado a lado, o efeito de extremos.

Perturbação de carga: o teste que mais importa em campo

Seguir o setpoint quando ele muda é metade do trabalho. A outra metade, e muitas vezes a mais importante no dia a dia, é rejeitar perturbações: o processo está em regime, no setpoint, e algo externo o tira de lá — abre-se um dreno no tanque, abre-se a porta do forno, entra uma carga fria na linha. Uma malha bem sintonizada percebe o desvio, reage e traz a variável de volta ao setpoint em tempo razoável.

No simulador, deixe a malha estabilizada no setpoint e clique em abrir o dreno (ou a porta do forno): a variável de processo cai de repente, o controlador reage abrindo mais o atuador, e o termo integral elimina o resíduo, devolvendo a variável ao alvo. O tempo que essa recuperação leva é um indicador de qualidade da sintonia tão importante quanto o overshoot na partida. É o melhor argumento para não sintonizar só olhando a resposta ao degrau de setpoint: o que derruba processo de verdade, no chão de fábrica, costuma ser a perturbação.

Tanque ou forno: a mesma matemática, físicas diferentes

O simulador traz dois processos para a mesma malha PID, porque a teoria de controle é a mesma e só a física visível muda — e ver isso ajuda a generalizar a intuição. No modo tanque de nível, a variável de processo é o nível de líquido, o atuador é uma válvula que abre conforme a saída do controlador, e o overshoot aparece como o líquido passando da linha do setpoint, até o risco visual de transbordar quando a malha instabiliza. No modo forno de resistência, a variável é a temperatura, o atuador é um tiristor que regula a potência das resistências, e o interior do forno muda de cor do frio ao incandescente conforme aquece.

Troque entre os dois e repare: os ganhos de PID continuam os mesmos, e o comportamento da curva — subida, overshoot, acomodação — segue as mesmas regras. Isso é justamente o poder do controle PID: é uma ferramenta genérica, que vale para nível, temperatura, vazão, pressão, velocidade e tantas outras grandezas. Dominar a leitura da resposta num simulador de tanque te prepara para sintonizar a temperatura de um forno, a velocidade de um motor com inversor ou a pressão de uma linha — o raciocínio é o mesmo.

As fórmulas por trás dos números

Nada na resposta é mágico: cada valor sai de equações conhecidas de controle de processos. O controlador PID, na forma paralela discreta que o simulador usa, soma os três termos a cada período de amostragem, e a planta FOPDT é integrada passo a passo. As contas principais são estas:

A discretização da planta usa Euler progressivo, com o atraso θ aplicado por um buffer de amostras na saída do controlador — um modelo didático, suficiente para reproduzir os comportamentos qualitativos certos (erro em regime, overshoot, windup, instabilidade, amplificação de ruído). O modelo FOPDT é a referência padrão da literatura de controle de processos; não há norma ABNT ou IEC para ele, e por isso ele é citado como referência técnica, não como prescrição normativa. Os parâmetros reais de um processo — ganho, constante de tempo e atraso — são levantados em campo, por ensaio de resposta, e variam de instalação para instalação.

O que este simulador não faz (e o que faz a engenharia de controle)

Ser honesto sobre o escopo é parte de uma boa ferramenta. Este simulador é um modelo didático de uma malha PID sobre um processo de primeira ordem com atraso, ótimo para ganhar intuição sobre o efeito de cada ganho e treinar a leitura da resposta. Mas ele deliberadamente não trata:

• o levantamento dos parâmetros reais do processo (ganho, constante de tempo, atraso) por ensaio em campo, que é o que ancora qualquer sintonia séria;
• processos de ordem superior, com várias constantes de tempo, zeros, não linearidades e acoplamento entre malhas;
• arquiteturas mais avançadas (controle em cascata, feedforward, preditor de Smith para atraso dominante), que muitos processos exigem;
• a segurança funcional da malha (intertravamentos, faixas de alarme, atuação em falha) e a integração com o CLP ou o SDCD da planta;
• os parâmetros internos exatos de cada instrumento, que dependem do modelo e do firmware e ficam sempre marcados como a verificar no manual.

A sintonia de uma malha real, a revisão das malhas de instrumentação de uma planta e o laudo da instalação industrial com responsável técnico e ART são projeto de engenharia. Exigem o levantamento do processo, o ensaio de resposta, a verificação de segurança e uma memória de cálculo consolidada. A Token Engenharia executa a sintonia e o comissionamento de malhas de controle, com o laudo da instalação assinado, em todo o Brasil.

Perguntas frequentes

O que cada ganho (Kp, Ki, Kd) faz numa malha PID?

O controlador soma três termos a partir do erro. O proporcional Kp reage ao erro atual: acelera a resposta, mas sozinho deixa erro em regime e, alto demais, oscila. O integral Ki acumula o erro e zera o erro em regime, mas em excesso, com a saída saturada, causa windup. O derivativo Kd antecipa pela taxa de variação e amortece o overshoot, mas exagerado amplifica o ruído. No simulador, mova cada slider e veja o efeito na curva.

O que é setpoint, variável de processo e erro?

O setpoint (SP) é o valor desejado; a variável de processo (PV) é o valor medido naquele instante; o erro é a diferença, e = SP − PV. O PID existe para levar a PV até o SP e mantê-la lá. No simulador, o SP é a linha tracejada vermelha e a PV é a curva azul que a persegue.

O que é overshoot e tempo de acomodação?

Overshoot é o quanto a variável de processo ultrapassa o setpoint após um degrau, em percentual do degrau. O tempo de acomodação (Ts) é o instante a partir do qual a variável entra e permanece numa faixa estreita (tipicamente ±2%) em torno do setpoint. O tempo de subida (Tr) é o tempo de ir de 10 a 90 por cento do degrau. O simulador calcula e marca os três ao vivo.

Por que o controle só proporcional deixa erro em regime?

Com apenas o termo proporcional, a saída é proporcional ao erro. Para manter o processo num valor diferente do inicial, é preciso uma saída diferente de zero, que só existe se sobrar erro. Por isso a variável estaciona um pouco antes do setpoint. O termo integral resolve, acumulando esse resíduo até zerá-lo.

O que é windup integral e para que serve o anti-windup?

Windup acontece quando a saída satura e o integral continua acumulando erro sem poder agir; quando a variável chega ao setpoint, o integral acumulou um débito e causa overshoot severo. O anti-windup evita isso congelando o integral enquanto a saída estiver saturada. No simulador, desligue-o com Ki alto e veja o overshoot disparar.

O que é o modelo FOPDT e por que o atraso dificulta o controle?

FOPDT é primeira ordem com atraso de transporte: um modelo simples de processo, com ganho, constante de tempo e atraso puro. Quanto maior a razão atraso/constante de tempo, mais difícil controlar, porque o controlador reage a informação velha. Acima de cerca de 0,5, a controlabilidade cai e o processo pede técnicas avançadas.

Este simulador substitui a sintonia em campo e o laudo de instalação?

Não. É um modelo didático para ganhar intuição; o modelo de planta é simplificado e os parâmetros reais variam por processo. As fórmulas de Ziegler-Nichols são referência bibliográfica de 1942, não norma. A sintonia em campo, a revisão das malhas e o laudo da instalação com ART são trabalho de engenharia, que a Token Engenharia executa em todo o Brasil.