[en] ARTIFICIAL NEURAL NETWORK MODELING FOR QUALITY INFERENCE OF A POLYMERIZATION PROCESS

• Ano de defesa: 2009
• Autor(a) principal: JULIA LIMA FLECK
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] MODELAGEM; [pt] INFERENCIA DE QUALIDADE; [pt] REDE NEURAL ARTIFICIAL; [en] MODELLING; [en] QUALITY INFERENCE; [en] ARTIFICIAL NEURAL NETWORKS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=12980&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=12980&idi=2; http://doi.org/10.17771/PUCRio.acad.12980

[pt] O presente trabalho apresenta o desenvolvimento de um modelo neural para a inferência da qualidade do polietileno de baixa densidade (PEBD) a partir dos valores das variáveis de processo do sistema reacional. Para tal, fez- se uso de dados operacionais de uma empresa petroquímica, cujo pré-processamento incluiu a seleção de variáveis, limpeza e normalização dos dados selecionados e preparação dos padrões. A capacidade de inferência do modelo neural desenvolvido neste estudo foi comparada com a de dois modelos fenomenológicos existentes. Para tal, utilizou-se como medida de desempenho o valor do erro médio absoluto percentual dos modelos, tendo como referência valores experimentais do índice de fluidez. Neste contexto, o modelo neural apresentou-se como uma eficiente ferramenta de modelagem da qualidade do sistema reacional de produção do PEBD.