Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/267087
Type: TESE
Title: Avaliação da utilização de redes neuronais aplicadas a processos quimicos
Author: Gontarski, Carlos Alberto Ubirajara
Advisor: Mori, Milton, 1947-
Abstract: Resumo: Este trabalho apresenta alguns aspectos importantes na aplicação de redes neuronais a simulação de processos químicos. As redes são utilizadas em dois processos industriais distintos, fornecendo uma forma de comparar as dificuldades e potencialidades da aplicação desta técnica. Na Ripasa S/A, uma das maiores indústrias de papel e celulose do Brasil, a classificação da matéria-prima para o processo de polpação que tem sido usada é baseada em uma das propriedades da madeira, a sua densidade básica. Na Ripasa se utiliza a. madeira de árvores do gênero Eucalyptus. O capítulo 3 apresenta uma alternativa mais rigorosa para o critério de classificação da matéria-prima do processo, levando em consideração outros dados tais como propriedades físicas, composição química da madeira e informações relativas à origem das árvores. Acredita-se que uma boa classificação deve se basear nas propriedades finais da polpa obtida, que são o rendimento depurado, o número Kappa, a viscosidade e a alcalinidade residual. A predição destas propriedades é um dos objetivos deste trabalho, desde que as suas determinações experimentais demandam custo e tempo de obtenção consideráveis. Utiliza-se uma técnica estatística para estimar os erros de amostragem e medida, para serem comparados com os erros gerados pelas redes neuronais. Redes neuronais foram treinadas a partir dos dados analisados da coleta de 165 amostras de madeira oriundas de oito regiões diferentes. No segundo estudo (capítulo 4) se apresenta uma forma de predizer as propriedades ambientais da corrente de saída da unidade de tratamento de efluentes líquidos na Rhodiaco Ltda, uma das plantas químicas mais importantes no Brasil. A indústria produz o ácido tereftálico e gera águas residuárias que necessitam ser tratadas em um sistema de lodo ativado. Redes neuronais do tipo "backpropagation" são utilizadas para predizer a eliminação do carbono orgânico total (TOC) peia unidade de tratamento, usando o algoritmo delta-bar-delta para ajustar os pesos e a função sigmoidaí como função de transferência nos neurônios. A .influência das variáveis de entrada é analisada e resultados satisfatórios são obtidos na predição de algumas situações analisadas. A principal conclusão destes trabalhos é que o uso de redes neuronais pode auxiliar a estabelecer melhores condições operacionais para processos químicos industriais. As redes neuronais se apresentam como ama possível ferramenta de auxílio a operação, de modo a predizer situações de pico, e propiciando ações preventivas que minimizam as flutuações na produção. No futuro, vários trabalhos deverão surgir para predizer as condições do efluente industrial baseados em dados de operação reais

Abstract: This work presents some important aspects when applying neural networks for chemicai process simulations. Neural networks are used in two different industrial processes providing a way of comparison of difficulties and potentialities for the application of this technique. Currently at Ripasa S/A. one of the largest paper industries in Brazil, the raw material classification for the pulp digester has been done using density as the property of the wood. At Ripasa S/A, the wood comes from trees of the genus Eucalyptus. The chapter 3 presents a more rigorous alternative for the criteria of raw material classification by taking into account other data such as physical properties, chemical composition of the wood and origin of the trees. A good classification should be based on the final properties of the process, which are yield. Kappa number, viscosity and residual alkalinity. Prediction of these properties by neural networks was one of the objectives of this work since experimental measurement is time-consuming and expensive. A statistical technique was used to estimate sampling and measurement errors. These values were compared with the errors generated by the neural network. Different back propagation networks were created to evaluate a suitable set of network parameters, such as number of nodes on the hidden layer, learning parameters and input range, among others. T'he networks were trained by data recorded from the analysis of 165 wood samples from eight different regions. The second work (chapter 4) presents a way to predict the environmental properties of the output stream from the wastewater treatment plant at Rhodiaco Ltda, one of the major chemical plants in Brazil. The industrial plant produces purified teiephtalic acid and generates wastewater that should be treated in an activated sludge system. Back-propagation neural networks are used to predict the elimination of total organic carbon (TOO m the treatment plant, using the delta-bar-delta algorithm for estimation of weights and the sigmoid function as the neuron transfer function. The influence of input variables is analyzed, and satisfactory predicted results are obtained for some situations analyzed. The main conclusion of this work is that the neural networks can be used to establish a better operating condition for industrial chemical processes. Neural networks represent a possible aid to operations in order to predict upsets and proacltvely act to minimize output fluctuations, in the future, some work will be done to predict effluent conditions based on the actual operation data set
Subject: Polpação alcalina por sulfito
Águas residuais - Purificação - Tratamento biológico
Papel - Indústria
Celulose
Redes neurais (Computação)
Language: Português
Editor: [s.n.]
Date Issue: 2000
Appears in Collections:FEQ - Dissertação e Tese

Files in This Item:
File SizeFormat 
Gontarski_CarlosAlbertoUbirajara_D.pdf11.76 MBAdobe PDFView/Open


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