A detecção e diagnóstico de falhas ou de situações anormais de processos é essencial para a operação eficiente de unidades industriais. Para a concretização de um sistema tolerante a falhas é importante a implementação de técnicas de monitoramento automático capazes de fornecer informações precisas sobre o estado do processo e formar a base necessária para a recuperação da condição diagnosticada. Essa estrutura de monitoramento funciona como a fonte principal de informações para sistemas de supervisão responsáveis por ações corretivas que acomodem efeitos causados por falhas. Estima-se que só a indústria petroquímica perca aproximadamente 60 bilhões de reais por ano devido a situações anormais na operação industrial. As técnicas para detecção e diagnóstico de falhas baseiam-se no conhecimento sobre o processo. Esse conhecimento pode ser oriundo de modelos de processos ou de dados de operação. A detecção e diagnóstico de falhas utilizando-se dados de operação tem-se tornado popular na indústia. Esse projeto visa desenvolver técnicas e algoritmos para a implementação de sistemas de controle tolerantes a falhas com reconfiguração estrutural, utilizando-se alocação de controle e sensores virtuais em abordagens baseadas em inteligência artificial (/fuzzy/, máquinas de vetores suporte), redes neuronais treinadas, modelos identificados, modelos fenomenológicos.