Desenvolvimento de metamodelos Kriging e otimização de uma planta de tratamento de efluentes (BSM2).

• Ano de defesa: 2016
• Autor(a) principal: COSTA, Adriana Barbosa da.
• Orientador(a): ARAÚJO, Antônio Carlos Brandão de.
• Banca de defesa: PEREIRA NETO, Antônio Tavernard., MULAS, Michela., SILVA, Sidinei Kleber da.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
• Departamento: Centro de Ciências e Tecnologia - CCT
• País: Brasil
• Palavras-chave em Português: Tratamento de Águas Residuais; Benchmark Simulation Model N°2; Metamodelos Kriging; Wastewater Treatment; Tratamento de Efluentes
• Área do conhecimento CNPq: Engenharia Química.
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/279

Um constante estudo para o tratamento de águas residuais e descarte de efluentes é necessário a fim de lidar com normas cada vez mais rígidas nesse âmbito. As estações de tratamento de águas residuais podem ser consideradas sistemas altamente não-lineares, devido a existência de perturbações, bem como a interação de um número considerável de variáveis do processo. Neste contexto, o estudo, otimização e controle dessas plantas são essenciais para o bom funcionamento do processo em atenção às exigências. Vários métodos de otimização são propostos na literatura, e suas implementações em aplicações de engenharia podem ser significativamente melhoradas pelo uso de metamodelos representando o modelo rigoroso do processo a partir de dados computacionais. O presente trabalho trata do desenvolvimento de metamodelos, pela aplicação do modelo Kriging, para um processo de tratamento de águas residuais. Para tal, são realizadas as etapas de amostragem de pontos, por meio do Latin Hypercube Sampling, estimação dos parâmetros e validação. A metodologia proposta baseiase na geração de dados computacionais por meio do modelo rigoroso para o Benchmark Simulation Model N°2, implementado no Simulink®, e na otimização do processo utilizando os metamodelos Kriging. Estes modelos obtidos através de dados de processo rigoroso mostram uma alta precisão e minimização do esforço computacional para o processo de otimização. A Programação Quadrática Seqüencial e o Algoritmo Genético são utilizados para a tarefa de otimização, bem como a geração do modelo de Otimização em Tempo Real. Os resultados obtidos no modelo de referência demonstram a potencialidade da metodologia proposta para minimizar o custo do processo enquanto obedecem as restrições do efluente para as águas residuais tratadas.