Simulação de diferentes configurações de colunas de destilação para a separação da mistura nonilfenol-dinonilfenol com aplicação de redes neurais artificiais

• Ano de defesa: 2022
• Autor(a) principal: Nunes, Julio Cesar Ribeiro [UNIFESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• dARK ID: ark:/48912/00130000225mp
• Idioma: por
• Instituição de defesa: Universidade Federal de São Paulo
• Palavras-chave em Português: Alquilação; Tensoativos; Nonilfenol; Simulação de processo; Rede neural artificial; Alkylation; Surfactants; Nonylphenol; Process simulation; Artificial neural network
• Link de acesso: https://repositorio.unifesp.br/handle/11600/66852

O nonilfenol é um produto de grande relevância no mercado de surfactantes devido a versatilidade de aplicação em diferentes tipos de produtos químicos. A maior aplicação está presente no setor de surfactantes não-iônicos em produtos de cuidados domésticos, pessoal e agroquímicos. Para a obtenção deste produto, estudou-se diferentes configurações estruturais de colunas de destilação, a partir de simulação computacional, de um sistema de separação nonilfenol-dinonilfenol (NF-DNF), a fim de se propor a melhor configuração visualizada em questão de resultados das correntes e demanda energética do processo de separação. Além disso, a realização da modelagem matemática, através de redes neurais artificias (RNA), serviu como uma ferramenta de auxílio na tomada de decisão operacional com base em valores de entrada das variáveis de processo do sistema de separação. Através das RNAs foi possível contornar a ausência dos parâmetros de equilíbrio líquido-vapor da mistura NF-DNF, fato que torna a RNA uma alternativa de complemento na análise do estudo pela não necessidade de atender os graus de liberdade que o simulador precisa. Foram definidas as configurações estruturais a serem avaliadas a mudança dos recheios internos, com alternativa em randômico e estruturado, e alteração no diâmetro das colunas de destilação. Posteriormente foi feito o levantamento de dados técnicos da planta produtiva tomada como referência, além de resultados analíticos de correntes do processo. Foi definido o modelo termodinâmico e validado com dados de referência. Não foi identificada variação significativa nos resultados de composição das correntes de saída e da demanda energética do processo, com redução em alguns casos de até cerca de 2 % dessa demanda, positivo para o custo operacional. Para o caso da avaliação do diâmetro das seções da coluna foi visto que a condição de referência é menor do que as simuladas. Com relação a modelagem matemática, foram desenvolvidas as RNAs com o banco de dados já levantado e considerando 21 variáveis de entrada e 2 variáveis de saída. Posteriormente, foi definido o método de otimização de Levenberg-Marquardt e a tangente hiperbólica como função de ativação. O treinamento foi feito com 60 estruturas distintas em questão de número de camadas ocultas, 1 até 3, e neurônios por camada. A estrutura 21-70-20-2 apresentou o melhor resultado, ajuste e caráter de predição do modelo, além do menor erro quadrático médio, de 0,0119.