Modelagem e simulação de um processo industrial de extração de aromáticos via redes neurais.

• Ano de defesa: 2001
• Autor(a) principal: Pellicci, Renato Leite
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Neural networks; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-06082025-084719/

A indústria petroquímica tem sofrido mudanças constantes durante os últimos anos, principalmente devido à transformação rápida e progressiva dos recursos de informática e pela grande competitividade mundial. As indústrias procuram por melhorias que objetivam maiores produções com menores custos. Este atual panorama econômico e a necessidade de conhecimento detalhado dos processos aumentou a demanda e pesquisa por novas tecnologias. Alguns processos comerciais não permitem uma modelagem fenomenológica fácil e acessível, o que impede na maioria dos casos um estudo mais aprofundado do processo. Relações não lineares e multivariáveis tornam a modelagem, simulação e um estudo de otimização aplicados praticamente impossíveis, devido às simplificações feitas. Neste contexto, o uso da Inteligência Artificial em processos químicos tornou-se muito importante e atrativo, pois permite a possibilidade de competição e permanência das empresas no mercado. As redes neurais aparecem como uma das mais promissoras técnicas para modelagem e simulação de processos industriais. Redes neurais estão sendo aplicadas com sucesso nesta área. Ela é um método alternativo para simulação de processos em que os parâmetros característicos ainda não são bem conhecidos e cuja complexidade torna o cálculo muito lento. Este trabalho apresenta a aplicação da metodologia de redes neurais na modelagem, simulação e otimização econômica de um processo industrial de extração de aromáticos. Este processo industrial possui muitas relações não lineares, além da presença da extração líquido/líquido, que é de complexa modelagem fenomenológica. O meio mais eficaz e largamente utilizado para purificar um produto de faixa ampla como o benzeno, tolueno e xilenos é a extração líquido/líquido utilizada em conjunto com a destilação extrativa. Usando um banco de dados históricos (removendo erros grosseiros) é possível mapear uma solução através de redes neurais ) (uma das principais características de redes neurais \"feedforward\" usando função sigmóide é ser um aproximador universal). O processo de extração de aromáticos foi dividido em cinco subsistemas e cada um deles representados por uma rede neural. Os subsistemas foram conectados como um simulador seqüencial por reciclos internos. Desta maneira, uma análise de sensibilidade foi feita e os desempenhos qualitativos das principais variáveis pôde ser levantado. A simulação do processo é rápida permitindo assim otimizar o sistema usando o método por busca direta. O potencial de mudanças deste processo pode ser feito pela mudança de suas restrições e set-points.