Submitted by Uillis de Assis Santos (uillis.assis@ufba.br) on 2018-01-26T13:26:54Z No. of bitstreams: 1 AnaRosaCaribédeGóesMassa_Dissertação-UFBA-Politécnica-EngenhariaIndustrial-2017.pdf: 4582890 bytes, checksum: 3c5c6099462e9b7f61ff397081c5dd6a (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2018-01-26T16:03:46Z (GMT) No. of bitstreams: 1 AnaRosaCaribédeGóesMassa_Dissertação-UFBA-Politécnica-EngenhariaIndustrial-2017.pdf: 4582890 bytes, checksum: 3c5c6099462e9b7f61ff397081c5dd6a (MD5) / Made available in DSpace on 2018-01-26T16:03:46Z (GMT). No. of bitstreams: 1 AnaRosaCaribédeGóesMassa_Dissertação-UFBA-Politécnica-EngenhariaIndustrial-2017.pdf: 4582890 bytes, checksum: 3c5c6099462e9b7f61ff397081c5dd6a (MD5) / Analisadores em linha fornecem uma resposta rápida de composição em comparação às análises laboratoriais. Porém, esses estão sujeitos a frequentes interferências e contaminações devido às substâncias utilizadas nas correntes reais, que agridem, contaminam e comprometem o funcionamento do equipamento, exigindo manutenções rotineiras. Durante estas, há perda de informações vitais que podem culminar numa parada da produção, a não ser que outro equipamento permita estimar tais informações de maneira confiável. Desta forma, o presente trabalho tem por objetivo desenvolver um analisador virtual para estimar a concentração dos contaminantes metilacetileno e propadieno (MAPD) em um reator trickle bed em uma indústria de propileno no Brasil. A partir da coleta de dados de processos de uma campanha catalítica, coletados por cromatógrafos a gás, termopares e medidores de vazão, foram desenvolvidos modelos de calibração multivariada utilizando a técnica de Regressão por Mínimos Quadrados Parciais (PLS), para dois leitos catalíticos, A e B. Dados de treze variáveis de processo, monitoradas a cada 10 minutos durante uma campanha catalítica para cada leito, foram utilizados. Os modelos PLS foram desenvolvidos e validados e foram capazes de fornecer valores preditos confiáveis, com R2 de 0,84 para o leito A e 0,92 para o leito B. Normalidade e homocedacidade dos resíduos foram observadas em ambos modelos. Além disso, foi realizada uma seleção de variáveis utilizando o gráfico de escores VIP (Variable Importance in Projection) obtido durante o desenvolvimento dos modelos PLS. As variáveis mais importantes foram selecionadas e os modelos PLS construídos apenas com essas variáveis mantiveram a capacidade de predição em ambos os leitos, com valores de R2 de 0,82 para o leito A e 0,87 para o leito B. Normalidade e homocedacidade dos resíduos foram mantidas, e um teste F não gerou evidência que indicasse diferença significativa entre os modelos desenvolvidos antes e após a seleção de variáveis. Dessa forma, os modelos PLSVIP fornecem uma estimativa confiável do teor de MAPD no reator trickle bed na planta de propeno estudada. Esses resultados mostraram que os métodos desenvolvidos possuem um alto potencial de aplicação nos reatores estudados caso haja necessidade, evitando assim uma parada da planta e subsequente perda de capital investido. / Online analysers grant a faster answer on the composition of products when compared with laboratory analysis. However, the former is often affected by substances in the stream line which harm and compromise its normal working state, calling for frequent maintenance. During those, the loss of vital information could lead to a halt in production, unless another device allows for such information to be carefully estimated.As such, this paper aims at developing a Virtual Analyser that can estimate the concentration of methylacetylene and propadiene (MAPD) contaminants in a trickle bed reactor at a propene industrial plant in Brazil. Process data collected in the reactor by gas chromatographers,temperature probes and flowmeters were employed to build multivariate calibration models by using the Partial Least Square Regression(PLS)technique, for two bed reactors, A and B.Data from thirteen process variables, monitored every 10 minutes during one catalytic campaign for each bed, of about three months each, were used. The developed PLS models for both beds have shown a great prediction capacity and remarkable performances, with R2 of 0.84 for bed A and 0.92 for bed B. Residual normality and homoscedasticity were observed for both models. In addition, a variable selection approach was carried out using the VIP (Variable Importance in Projection) score plot obtained during the developed PLS models. The most important variables (process variables)were selected and the PLS models built with only these variables were still able to keep are markable prediction ability for both beds, with a R2 of 0.82 for bed A and 0.87 for bed B. Residual normality and homoscedasticity were kept, and an F test did not provide evidence for significant difference between the models developed before and after the variable selection. Therefore, the PLS-VIP models provided a reliable estimate of the MAPD content in the trickle bed reactors at the studied propene plant. These outcomes showed that the developed methods present a high potential for application in the studied reactors, if necessary, in order to prevent a halt in production and its subsequent loss of invested capital.

This work describes a procedure for a soft sensor design to predict the top composition of a methanol-water distillation column. Soft sensor is a mathematical model that is used to estimate variables of interest from secondary variables easy to measure. This technique comes from an operational difficulty or high cost obtaining the desired variable. The approach to build a soft sensor was an artificial intelligence modeling, a black-box type, using a hybrid neuro-fuzzy technique. The data acquisition to train and validate the soft sensor comes from a mathematical model validated from pilot plat data. One of the limitations of neuro-fuzzy system is that it works with a limited number of inputs, depending on the combinatorial explosion of fuzzy rules. To minimize these effects and to reduce the number of rules in the training data sets of virtual analyzer, a data clustering technique called substractive clustering was used. To obtain a better performance of soft sensor for the dynamic process, distillation column, a regression of lone sampling time in selected variables was used, changing the number of entries from 9 to 18 variables, nine variables at actual sampling time and nine variables at previous sampling time. The distillation column is a good process for the present study because composition measurements are the main objective of this process and are difficult to obtain. The computational strategy for a soft sensor design produced good results in estimating the top composition of the methanol-water distillation column. / Este trabalho descreve um procedimento para o desenvolvimento de um analisador virtual, para predição da composição de topo de uma coluna destilação metanol-água em uma planta piloto. Analisador virtual é um modelo matemático que é usado para estimar variáveis de interesse a partir de variáveis secundárias de fácil medição. Esta tecnologia surge de uma real dificuldade operacional ou do alto custo de obtenção da variável desejada. O modelo utilizado nesta abordagem de construção do analisador virtual utiliza técnicas de sistemas inteligentes, tipo caixa preta, através da técnica híbrida neuro-fuzzy. A aquisição dos dados para treinar e validar o analisador virtual foi feita através de um modelo matemático validado a partir de dados experimentais da planta piloto. Uma das limitações do sistema neuro-fuzzy é que ele trabalha com um número limitado de entradas, dependendo da explosão combinatória das regras fuzzy. Para minimizar estes efeitos e conseguir reduzir o número de regras nos conjuntos de treinamento da rede neuro-fuzzy, foi utilizada a técnica de agrupamento de dados, denominada agrupamento substrativo. Com a intenção de se obter um melhor desempenho do analisador virtual no processo dinâmico, que é a coluna de destilação, foi empregada uma regressão de um tempo de amostragem nas variáveis de entrada selecionadas, alterando o número de entradas de 9 para 18, sendo 9 variáveis no tempo de amostragem atual e 9 variáveis em um tempo de amostragem anterior. O processo de destilação mostrou-se adequado para o presente estudo, pois as medições de composições são de difíceis obtenções. A estratégia computacional para um projeto de analisador virtual produziu bons resultados, de forma a estimar a composição do topo da coluna de destilação binária metanol-água.