Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.

Detalhes bibliográficos
Ano de defesa: 1998
Autor(a) principal: Yamamoto, Carlos Itsuo
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ammonia synthesis
Neural networks
Redes neurais
Síntese de amônia
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-17092025-134840/
Resumo: A síntese de amônia tem valor estratégico para qualquer país. É um processo que envolve grandes quantidades de massa e energia, daí a necessidade de otimizar o processo industrial. Utilizaram-se redes neurais do tipo \'feedforward\' para gerar modelos das unidades industriais Camaçari e Laranjeiras da Fafen. Foram testados diversos parâmetros de treinamento e desenvolveu-se um algoritmo de variação automática do fator de treinamento da rede, que mostrou ser eficiente. A produção de amônia da unidade Laranjeiras foi simulada com erro zero. A partir de um modelo fenomenológico do processo treinou-se uma rede neural para otimizar o reator de síntese com procedimento em desenvolvimento que promove a varredura completa do espaço das variáveis de operação na busca dos pontos ótimos de operação e reduz significativamente a demanda computacional.
id USP_60b282a392fec36d3574464dcdb30e28
oai_identifier_str oai:teses.usp.br:tde-17092025-134840
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.Untitled in englishAmmonia synthesisNeural networksRedes neuraisSíntese de amôniaA síntese de amônia tem valor estratégico para qualquer país. É um processo que envolve grandes quantidades de massa e energia, daí a necessidade de otimizar o processo industrial. Utilizaram-se redes neurais do tipo \'feedforward\' para gerar modelos das unidades industriais Camaçari e Laranjeiras da Fafen. Foram testados diversos parâmetros de treinamento e desenvolveu-se um algoritmo de variação automática do fator de treinamento da rede, que mostrou ser eficiente. A produção de amônia da unidade Laranjeiras foi simulada com erro zero. A partir de um modelo fenomenológico do processo treinou-se uma rede neural para otimizar o reator de síntese com procedimento em desenvolvimento que promove a varredura completa do espaço das variáveis de operação na busca dos pontos ótimos de operação e reduz significativamente a demanda computacional.Ammonia synthesis is strategic for any country. This process deals with large amounts of mass and energy, making the industrial process optimization very important. In this work, feedforward neural networks were used in the mathematical modeling of the industrial plant in Camaçari and Laranjeiras (Fafen). Several training parameters were analyzed and one algorithm for automatic change in the training factor was generated. Daily ammonia production of Laranjeiras unit was simulated with zero error. Another neural network model was generated with simulated data from a phenomenological modelo f the process. This network was used in order to optimize the industrial process by a recent procedure, still in development, that seeks optimal operational conditions in all the operation variables space, wich considerably reduces the computational demands.Biblioteca Digitais de Teses e Dissertações da USPNascimento, Cláudio Augusto Oller doYamamoto, Carlos Itsuo1998-03-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3137/tde-17092025-134840/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-09-17T16:54:02Zoai:teses.usp.br:tde-17092025-134840Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-09-17T16:54:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
Untitled in english
title Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
spellingShingle Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
Yamamoto, Carlos Itsuo
Ammonia synthesis
Neural networks
Redes neurais
Síntese de amônia
title_short Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
title_full Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
title_fullStr Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
title_full_unstemmed Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
title_sort Modelagem matemática e otimização do processo industrial de síntese de amônia utilizando redes neurais.
author Yamamoto, Carlos Itsuo
author_facet Yamamoto, Carlos Itsuo
author_role author
dc.contributor.none.fl_str_mv Nascimento, Cláudio Augusto Oller do
dc.contributor.author.fl_str_mv Yamamoto, Carlos Itsuo
dc.subject.por.fl_str_mv Ammonia synthesis
Neural networks
Redes neurais
Síntese de amônia
topic Ammonia synthesis
Neural networks
Redes neurais
Síntese de amônia
description A síntese de amônia tem valor estratégico para qualquer país. É um processo que envolve grandes quantidades de massa e energia, daí a necessidade de otimizar o processo industrial. Utilizaram-se redes neurais do tipo \'feedforward\' para gerar modelos das unidades industriais Camaçari e Laranjeiras da Fafen. Foram testados diversos parâmetros de treinamento e desenvolveu-se um algoritmo de variação automática do fator de treinamento da rede, que mostrou ser eficiente. A produção de amônia da unidade Laranjeiras foi simulada com erro zero. A partir de um modelo fenomenológico do processo treinou-se uma rede neural para otimizar o reator de síntese com procedimento em desenvolvimento que promove a varredura completa do espaço das variáveis de operação na busca dos pontos ótimos de operação e reduz significativamente a demanda computacional.
publishDate 1998
dc.date.none.fl_str_mv 1998-03-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3137/tde-17092025-134840/
url https://www.teses.usp.br/teses/disponiveis/3/3137/tde-17092025-134840/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1848370485631385600

Registros relacionados