Terminal de consulta web

Resumo: O processamento dos dados e a otimização dos processos químicos em tempo real ficarão mais importante com a competição crescente entres os produtores. Vários itens devem ser considerados para possibilitar a otimização em tempo real, como a medição, a confiança da medida e a predição do comportamento do processo. Neste trabalho considera-se vários aspectos de um esquema de controle avançado destes, quais são a monitorização de medida, identificação de sistema não linear e em tempo real (redes neuronais recorrentes) e otimização não linear com restrições. Um requisito é que este sistema é capaz de funcionar em condições severas com ruído da medição, perturbações não medidas e mudanças de processo, como a desativação de um catalisador. Todas estas ferramentas foram desenvolvidas na linguagem de programação FORTRAN e são disponíveis no laboratório LOPCA/UNICAMP. Utilizaram-se modelos validados para simular os processos, porém em alguns casos utilizaram-se dados industriais e dados de planta piloto para estudar os algoritmos desenvolvidos nesta tese. O ruído Gaussiano fracionário (fGn = fractional Gaussian noise) e o movimento Browniano fracionário (fBm = fractional Brownian motion) foram considerados de ser modelos adequados para monitorização de medida e foram aplicados nos dados de um piloto de um reator air-lift, cujo sinal de pressão demonstra um comportamento complexo e não branco (não aleatório). Demonstrou-se que o fGn descreve parcialmente os sinais da pressão e é capaz de prever os series temporais, porém, o parte que não era previsto bem pode ser previsto por um modelo (4,3) auto-regressivo e media móvel (ARMA = auto-regressive and moving average). Os modelos de fGn e fBm hão falta número de parâmetros ajustáveis e necessários para poderem ser utilizados em previsão de series temporais que tem uma função de auto-correlação de tipo senoidal. Portanto, recomenda-se o estudo da extensão do modelo ARMA que conhece-se por o modelo ARMA fracionário como algoritmo para monitorização da medida e por este via desenvolver uma ferramenta de diagnostica geral da confiança da medição. O algoritmo de treinamento de redes neurais baseado no filtro de Kalman (MEKA) mostrou se bastante rápido para o ajuste dos parâmetros da rede neural recorrente em casos distantes, tanto em casos teóricos tanto em casos práticos de dados industriais. Alem disto, as características de generalização das redes neuronais treinados são melhores dos que as obtidas com os algoritmos comuns de treinamento de rede neural como standard backpropagation (com momentum). Demonstrou-se com bastante sucesso que o filtro de Kalman pode ser utilizado em otimização com e sem restrições. A otimização sem restrições da função de Rosenbrock mostrou que o algoritmo pode ser muito rápido se a matriz de covarianca de ruído do processo é manipulada. A otimização com restrições demonstrou se em um escala grande de problemas de testes colecionados por Trvzka de Gouvêa e Odloak (), onde em quase todos os casos o ponto mínimo global foi encontrado. Alem disto utilizou se o algoritmo em um problema industrial que demonstrou que o custo computacional é alto demais ainda e que o algoritmo deveria ser modificado para ficar útil em aplicações reais

Resumo: Polimerização via radical livre controlada, também conhecida como "pseudoliving radical polymerization" tem recebido cada vez mais atenção como uma técnica para produção de polímeros com micro estrutura altamente controlada. Em particular, distribuições de pesos moleculares estreitas são obtidas, com polidispersidade muito próxima de um. Rotas convencionais para polímeros como estes têm sido polimerizações iônicas, no entanto, elas são extremamente sensíveis a impurezas e ao tipo de solvente. Processos de polimerização via radical livre, que são muito mais versáteis e robustos a impurezas, para a produção de polímeros com estruturas controladas via processo "controlado" ou "pseudo-living", têm se tornado uma importante alternativa. Como desvantagem do processo controlado aponta-se a baixa velocidade de reação quando comparada à polimerização convencional. A maioria dos trabalhos publicados sobre polimerização controlada via radicais nitróxido é feita considerando o estudo da homopolimerização de estireno. Neste projeto de pesquisa, é investigada, em nível experimental, a co-polimerização de estireno e divinilbenzeno (DVB) via polimerização controlada por nitróxidos (NMRP) usando 2,2,6,6- tetrametil-1-piperidinoxil (TEMPO) como controlador e tert-butilperóxido-2-etilhexil carbonato (TBEC) como iniciador. O DVB funciona como gerador de ramificações na cadeia polimérica, melhorando as propriedades do estireno como resistência a solvente e ao impacto. O TBEC foi utilizado em substituição a iniciadores mais convencionais como o 2,2-azo-bis-iso-butironitrila (AIBN) e peróxido de benzoíla (BPO), com o objetivo de acelerar a velocidade de reação, tentando manter o sistema controlado. Todos os experimentos foram feitos em ampolas. Para um melhor entendimento deste sistema, muitos experimentos foram realizados a diferentes temperaturas, concentrações de divinilbenzeno, concentrações de iniciador e razões molares entre as concentrações de controlador e iniciador. A conversão do monômero foi obtida por gravimetria e o polímero foi caracterizado através de Cromatografia de Permeação em Gel (GPC). Foi demonstrado que o TBEC foi capaz de aumentar a velocidade de reação em relação ao BPO e, em algumas condições operacionais utilizadas, polidispersidades próximas da unidade foram obtidas