O sucesso de estratégias de controle preditivo baseado em modelo (MPC, na sigla em inglês) tanto em ambiente industrial quanto acadêmico tem sido marcante. No entanto, ainda há diversas questões em aberto na área, especialmente quando a hipótese simplificadora de modelo perfeito é abandonada. A consideração explícita de incertezas levou a importantes progressos na área de controle robusto, mas esta ainda apresenta alguns problemas: a alta demanda computacional e o excesso de conservadorismo são questões que podem ter prejudicado a aplicação de estratégias de controle robusto na prática. A abordagem de controle preditivo estocástico (SMPC, na sigla em inglês) busca a redução do conservadorismo através da incorporação de informação estatística dos ruídos. Como processos na indústria química sempre estão sujeito a distúrbios, seja devido a diferenças entre planta e modelo ou a distúrbios não medidos, está técnica surge como uma interessante alternativa para o futuro. O principal objetivo desta tese é o desenvolvimento de algoritmos de SMPC que levem em conta algumas das especificidades de tais processos, as quais não foram adequadamente tratadas na literatura até o presente. A contribuição mais importante é a inclusão de ação integral no controlador através de uma descrição do modelo em termos de velocidade. Além disso, restrições obrigatórias (hard) nas entradas associadas a limites físicos ou de segurança e restrições probabilísticas nos estados normalmente advindas de especificações de produtos também são consideradas na formulação. Duas abordagens foram seguidas neste trabalho, a primeira é mais direta enquanto a segunda fornece garantias de estabilidade em malha fechada, contudo aumenta o conservadorismo. Outro ponto interessante desenvolvido nesta tese é o controle por zonas de sistemas sujeitos a distúrbios. Essa forma de controle é comum na indústria devido à falta de graus de liberdade, sendo a abordagem proposta a primeira contribuição da literatura a unir controle por zonas e SMPC. Diversas simulações de todos os controladores propostos e comparações com modelos da literatura são exibidas para demonstrar o potencial de aplicação das técnicas desenvolvidas.

The success of Model Predictive Control (MPC) strategies in industrial and academic environments in the last decades has been remarkable. However, there are many open questions in the area, especially when the simplifying hypothesis of perfect model is dropped. The explicit consideration of uncertainties lead to important progresses in the area of robust control, but it still exhibits a few drawbacks: high computational load and over conservative behavior are issues that may have hindered the application of robust strategies in practice. The approach of Stochastic Model Predictive Control (SMPC) aims at the reduction of conservativeness due to the incorporation of statistical information about noise. Since processes in chemical industry are always subject to disturbances, resulting from model-plant mismatch or from unmeasured disturbances, this technique is an interesting alternative for future control algorithms. The main objective of this thesis is the development of SMPC algorithms that take into account some of the specificities of such processes, which have not been adequately handled in the literature so far. The most important contribution is the inclusion of integral action in the controller through a velocity description of the model. Besides, hard input constraints associated with safety or physical limits and probabilistic state constraints usually derived from product specification - are also included in the formulation. Two approaches were followed in this work, the first is more direct and the second provides closed-loop stability guarantee at the price of increased conservativeness. Another interesting feature that is developed in this thesis is the zone control of systems subject to disturbances. This form of control is often present in industrial arrays due to the lack of degrees of freedom, and the proposed approach is the first to merge zone control and SMPC. Different simulations of all proposed controllers and comparison to literature benchmarks are provided to show the application potential of the developed techniques.