Abstract-The measurement of variables from an industrial process is of great importance in systems in which decisions are made based on these measurements, as in control systems. However, these measurements are always accompanied by errors, random or gross. This is not different in the process of oil separating. An alternative for a greater reliability of the variables is the use of data reconciliation (DR). RD arises from the development of techniques for measurement and data storage. Its role is to ensure the consistency of data using the redundancy of the measurements and a statistical model of the measurements to increase its accuracy. This work investigates techniques for data reconciliation and its use in reducing the errors observed in measurements on a separator vessel.Keywords-Random erros, data reconciliation, separator vessel.Resumo-A medição das variáveis envolvidas em um processo industrial tem uma grande importância em sistemas em que decisões são tomadas baseadas nessas medições, comoé o caso de sistemas de controle. Porém, essas medições sempre são acompanhadas de erros, sejam eles aleatórios ou grosseiros. No processo de separação do petróleo utilizando o sistema vaso separador isso nãoé diferente. Uma alternativa para uma maior confiabilidade das variáveisé o uso da reconciliação de dados (RD). A RD trata de um problema advindo da evolução das técnicas de medição e armazenamento de dados. Esta tem o papel de garantir a consistência destes dados, utilizando a redundância das variáveis medidas e um modelo estatístico da medição para aumentar a precisão dos dados. Este trabalho investiga as técnicas de reconciliação de dados e seu emprego na redução dos erros observados nas medições em um sistema vaso separador.Palavras-chave-Erros aleatórios, reconciliação de dados, vaso separador. IntroduçãoPara um bom funcionamento de qualquer sistema automatizado, seja estacionário ou dinâmico, na industria química ou em sistemas robóticos,é imprescindível o emprego de um controlador baseado em modelo adequado do processo, e alimentado com medições confiáveis das variáveis de estado de interesse (Freire et al., 2008).Os dados de um processo são obtidos através de instrumentos físicos e rotinas de medicão de precisão finita. Em geral, erros de medição podem ser categorizados em duas classes (Benqlilou, 2004):1. Erros aleatórios: devidos a variações ou distúrbios de natureza não controlada. Ex.: ruído. São considerados independentes e com distribuição normal de média zero;2. Erros não aleatórios ou grosseiros: são gerados por eventos não aleatórios, podendo estar relacionados com a medição (mal funcionamento dos instrumentos, por exemplo) ou com o processo (vazamentos, perdas, modelos inadequados ou imprecisos, etc.).O emprego de dados corrompidos pode comprometer a atuação do controle do processo, podendo levar uma planta a operar num ponto subotimo ou inseguro, levar a perda de especifica-çã o de produtos, poluição ambiental, perdas financeiras ou altos custos de operação (Morad et al., 2005).A chamada reconci...