ANÁLISE TRANSIENTE E ESTIMATIVA DE VARIÁVEIS CRÍTICAS EM UMA COLUNA INDUSTRIAL DE ALTA PUREZA UTILIZANDO REDES NEURAIS ARTIFICIAIS
DOI:
https://doi.org/10.26512/ripe.v2i9.15035Resumo
Colunas de destilação de alta pureza apresentam diversas características inerentes, dentre as quais se destacam as não linearidades, o longo tempo de resposta e a presença de distúrbios não diretamente mensuráveis. Para superar essas e outras dificuldades, nesse trabalho é proposta um estudo sistemático sobre o comportamento transiente de uma coluna de destilação industrial de alta pureza (processo do 1,2-Dicloroetano), propondo melhorias desde a construção do modelo matemático e termodinâmico, validação (simulação) e estudo sobre os efeitos das principais variáveis do processo. Esse estudo é a base para construção de modelos de inferência, sensores virtuais baseados em redes neurais artificiais (RNA), para estimativa dos teores de compostos considerados críticos no processo, concentrações do Tetracloreto de Carbono (CCl4) e Clorofórmio (CHCl3), ambos na corrente de base da coluna. Nesse contexto é utilizado um algoritmo de seleção de variáveis, baseado em estatística multivariável, através de regressão linear múltipla (MLR) e análise de componentes principais (PCA). Os resultados obtidos nos trazem diversas conclusões, tanto do ponto de vista do controle em colunas de alta purezas quanto da seleção de variáveis (regressores), além das avaliações sobre as estimativas do modelo de inferência gerado pelas redes neurais artificiais.
Keywords: Coluna de destilação, Compostos críticos, Alta pureza, Rede neurais artificiais
Downloads
Referências
Fortuna, L.; Graziani, S.; Rizzo, A.; & Xibilia, M.G. , 2007. Soft sensors for monitoring and control of industrial processes. London, UK: Springer.
Haykin, S., 2001. Redes neurais: princípios e prática. 2ª Edição, Bookman.
Himmelblau, D., 2008. “Accounts of Experiences in the Application of Artificial Neural Networks in Chemical Engineering”. Industrial & Engineering Chemistry Research, 47, 5782-5796.
Jolliffe, I. T. , 2002. Principal component analysis. 2nd ed., Springer series in statistic.
Kadlec, P.; Gabrys, B.; Strandt, S., 2009. Data-driven Soft Sensors in the process industry. Computers and Chemical Engineering, pages 795”“814.
Morais JR, A. A., 2011. Elaboração de um Analisador Virtual Utilizando Sistema Híbrido Neuro-Fuzzy para Inferenciar a Composição em um Processo de Destilação. Dissertação de mestrado, Universidade Federal de Alagoas.
Montgomery, D.C.; and Runger, G. C. , 2014. Applied Statistics and Probability for Engineers. Sixth Edition, WILEY.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, sendo o trabalho simultaneamente licenciado sob a Creative Commons Attribution License o que permite o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
