Please use this identifier to cite or link to this item: https://repositorio.ufpb.br/jspui/handle/123456789/13707
metadata.dc.type: TCC
Title: Controle inferencial em colunas de destilação utilizando redes neurais artificiais dinâmicas
metadata.dc.creator: Vieira, Emanuella Francisca de Lacerda
metadata.dc.contributor.advisor1: Morais Júnior, Arioston Araújo de
metadata.dc.description.resumo: A medição da variável composição em tempo real é de suma importância para o controle dos processos industriais, devido à necessidade do acompanhamento da qualidade final do produto e à possibilidade de aplicação de um sistema de controle efetivo. No entanto, uma série de obstáculos torna este objetivo impraticável, seja por razões nas quais o sensor adequado não exista ou por essas medições analíticas serem demasiadamente caras, como é o caso do analisador em linha de processos. Alguns modelos de identificação de sistemas são utilizados para inferência de variáveis químicas, dentre os quais se destacam as redes neurais artificiais (RNA), com os sensores virtuais estimando variáveis de difícil medição através de variáveis de entrada facilmente mensuráveis. Assim, o trabalho propõe uma metodologia para a construção de sensores virtuais implementados em software com o objetivo de estimar a composição de saída em um processo produtivo de etilbenzeno (EB) e utilizá-la no controle de processos. O processo de produção em questão mostrou-se interessante para o presente trabalho, haja vista a ocorrência de efeitos transientes nas composições de alta pureza nas correntes de topo e de base da segunda coluna de destilação. Além disso, a produção do etilbenzeno representa o início da cadeia produtiva do estireno, monômero que possui mercado amplo no Brasil e no mundo, demandando mais de 25 milhões de toneladas por ano mundialmente. Os resultados do trabalho vão desde o projeto da unidade até a construção dos sensores virtuais e proposta de controle. Logo, verificou-se que o balanço global da unidade apresentou resultados coerente com os da literatura, o algoritmo de seleção de variáveis mostrou-se eficiência, o sensor virtual utilizando redes neurais artificiais apresentou resultados satisfatórios e a estrutura de controle minimizou os efeitos transientes do processo.
Abstract: The measurement of the composition variable in real time is of paramount importance for the control of the industrial processes, due to the need to follow the final quality of the product and to the possibility of applying an effective control system. However, a number of obstacles make this goal impractical, either for reasons where the appropriate sensor does not exist or because these analytical measurements are too expensive, such as the online process analyzer. Some models of system identification are used for inference of chemical variables, among which artificial neural networks (RNA), with virtual sensors estimating difficult-to-measure variables through easily measurable input variables. Thus, the work proposes a methodology for the construction of virtual sensors implemented in software with the objective of estimating the output composition in a productive process of ethylbenzene (EB) and use it in process control. The production process in question was interesting for the present work, considering the occurrence of transient effects in the compositions of high purity in the top and bottom streams of the second distillation column. In addition, the production of ethylbenzene represents the beginning of the production chain of styrene, a monomer that has a large market in Brazil and worldwide, requiring more than 25 million tons per year worldwide. The results of the work range from the design of the unit to the construction of virtual sensors and control proposal. Therefore, it was verified that the overall balance of the unit presented results consistent with those of the literature, the variable selection algorithm showed efficiency, the virtual sensor using artificial neural networks presented satisfactory results and the control structure minimized the transient effects of the process. Keywords: virtual sensor, simulation, distillation column, variable selection, neural networks
Keywords: sensor virtual
coluna de destilação
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal da Paraíba
metadata.dc.publisher.initials: UFPB
metadata.dc.publisher.department: Engenharia Química
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ufpb.br/jspui/handle/123456789/13707
Issue Date: 19-Jun-2018
Appears in Collections:TCC - Engenharia Química

Files in This Item:
File Description SizeFormat 
EFLV29062018.pdf1,38 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.