Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/331967
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Influência das condições operacionais em uma planta piloto de Flotação por Ar Dissolvido (FAD) = Influence of operating conditions in a Dissolved Air Flotation (DAF) pilot plant
Title Alternative: Influence of operating conditions in a Dissolved Air Flotation (DAF) pilot plant
Author: Silvestre, Carolina Fonseca, 1993-
Advisor: Silva, Flávio Vasconcelos da, 1971-
Abstract: Resumo: A flotação por ar dissolvido (FAD) é um processo amplamente utilizado em tratamento de água e efluentes. Nela, as partículas em suspensão têm sua densidade aparente reduzida a partir da adesão de microbolhas de ar, o que provoca a separação de tais partículas. Esse processo, deve ser precedido por um pré-tratamento: coagulação e/ou floculação; tais etapas, garantem uma melhor eficiência da flotação. Um protótipo de FAD foi montado, instrumentado e automatizado no Laboratório de Controle e Automação de Processos (LCAP) na Unicamp. Por ser um protótipo novo, faz-se necessário um estudo que defina quais são as melhores condições de processo. Dessa forma, esse trabalho investigou as condições de processo que viabilizam a melhor qualidade de água clarificada possível utilizando a ferramenta de planejamento de experimentos aliada à inteligência artificial e aprendizado de máquina. Foi possível obter remoções de turbidez de até 98,8% apenas com a etapa de floculação. Além disso, a partir das análises por planejamento de experimento concluiu-se que a vazão de tanino é a variável de entrada com maior efeito na turbidez removida. A RNA para predição da turbidez apresentou alta capacidade de generalização, entretanto não foi capaz de prever casos extremos testados nos experimentos. O modelo por regressão logística possibilitou a predição da efetividade da etapa de flotação com acurácia de 82%. Já o gerado pela rede neural classificatória obteve acurácia de 100% para os dados gerados nos ensaios

Abstract: Dissolved air flotation (DAF) is a worldwide flotation process applied in water and wastewater treatment. The suspended particles have its density reduced by the aggregation to air micro bubbles, which causes the particles to separate. Flotation process must be preceded by a flocculation and/or coagulation pretreatment, since these processes ensure a more efficient flotation. A DAF prototype was built, instrumented and automated in the Laboratory of Process Control and Automation (LCAP) at Unicamp. Since this is a new prototype, a study that defines which are the best processes conditions is extremely necessary. Thereby, this work will investigate the processes conditions that makes the best clarified water quality possible using experimental design and artificial intelligence and machine learning tools. Turbidity removals of up to 98.8% were obtained only with the flocculation step. In addition, from the analysis by experimental design it was found that the tannin flow is the inlet variable with the greatest effect on the turbidity removal. The ANN for turbidity prediction presented high generalization capacity, however it was not able to predict extreme cases tested in the experiments. The logistic regression model enabled the prediction of the effectiveness of the flotation step with accuracy of 82%. The model generated by the classifying neural network on the other hand obtained 100% accuracy for the data generated in the experiments
Subject: Flotação
Planejamento de experimentos
Redes neurais (Computação)
Aprendizado de máquina
Agua - Purificação - Coagulação
Language: Português
Editor: [s.n.]
Citation: SILVESTRE, Carolina Fonseca. Influência das condições operacionais em uma planta piloto de Flotação por Ar Dissolvido (FAD) = Influence of operating conditions in a Dissolved Air Flotation (DAF) pilot plant. 2018. 1 recurso online (106 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/331967>. Acesso em: 3 set. 2018.
Date Issue: 2018
Appears in Collections:FEQ - Tese e Dissertação

Files in This Item:
File SizeFormat 
Silvestre_CarolinaFonseca_M.pdf2.78 MBAdobe PDFView/Open


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