Aplicação de Modelos de Aprendizado de Máquina para a Modelagem de uma Coluna de Destilação Extrativa

Imagem de Miniatura

Data

2022

Autores

Palma da Silva, Álvaro

Título da Revista

ISSN da Revista

Título de Volume

Editor

Resumo

Os processos químicos industriais são essenciais ao modo de vida contemporâneo, pois os produtos gerados pela indústria química abastecem tanto outras indústrias, quanto o público em geral. A atuação do engenheiro químico pode ter grande impacto social, econômico e ambiental, o que traz uma responsabilidade de ser manter atualizado as condições do ambiente que exerce influência. Por essa razão, este trabalho busca associar ferramentas de inteligência artificial para modelagem de processos químicos industriais. O processo escolhido para esse estudo foi a extração de metanol, que é produzido a partir do gás natural (metano) e pode ser purificado com o glicerol como solvente. O Brasil dispõe tanto de gás natural, quanto de glicerol na faixa de milhões de toneladas por ano, pois é um dos maiores produtores de biodiesel do mundo e o glicerol é um subproduto gerado em grande quantidade na produção do biodiesel. Para purificar o metanol é empregada uma operação unitária de separação composta por uma ou mais colunas de destilação extrativas. Este equipamento é tradicionalmente projetado pelo engenheiro químico usando modelos baseados nos princípios físicos de conservação da massa e energia. São modelos complexos que podem demandar muito tempo para desenvolvimento em processos específicos. Por outro lado, existem modelos baseados nos conceitos de inteligência artificial e ciência de dados que são mais simples e podem se adaptar rapidamente ao processo. Neste trabalho foram aplicados os modelos supervisionados de aprendizado de máquina floresta aleatória e regressão linear para a modelagem da coluna de destilação extrativa do metanol usando glicerol como solvente. O modelo floresta aleatória apresentou boa aderência aos dados e realizou predições próximas dos valores esperados. O modelo de regressão linear apresentou dificuldade de aderência aos dados em algumas faixas de valores mais baixos, pois as interações do processo a variações em determinadas entradas possuem características não lineares.

Abstract

Descrição

Trabalho de Conclusão de Curso apresentado ao Instituto Latino-Americano de Tecnologia, Infraestrutura e Território da Universidade Federal da Integração Latino- Americana, como requisito parcial à obtenção do título de Bacharel em Engenharia Química.

Palavras-chave

Árvore de decisão; Inteligência artificial; Ciência de dados.

Citação