Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Química, Florianópolis, 2013. / Made available in DSpace on 2013-12-06T00:24:57Z (GMT). No. of bitstreams: 1 322464.pdf: 2616767 bytes, checksum: 31895c3b1e5ee9a215080094a9e6b80e (MD5) Previous issue date: 2013 / No mercado atual, competitivo e globalizado, é importante agregar rentabilidade às unidades de negócios através do desenvolvimento de soluções tecnológicas diferenciadas. Neste sentido, a adequação da produção de derivados de petróleo extraído deve ser realizada de maneira competitiva, com a integração e a otimização de toda a cadeia produtiva. Dentre as formas para alcançar estes objetivos destacam-se a redução do custo de fracionamento e o desenvolvimento de novas concepções de equipamentos. Estes dois fatores podem ser obtidos quando implementada uma maneira alternativa de troca de calor e massa entre as fases em um processo de destilação, que permita a redução do consumo energético e aumente a eficiência de separação. Desta maneira a destilação por filme líquido é uma opção para otimizar a transferência de calor e massa devido a grande área de contanto. As principais dificuldades para este processo são a seleção e localização adequada do sistema de distribuição de alimentação, os limites das vazões de alimentação para maximizar a transferência de calor e massa, o layout do tubo de destilação para escoamento das fases líquida e vapor, além da modelagem para estudar a capacidade de separação do processo e sua viabilidade. O objetivo deste trabalho foi o estudo fluidodinâmico e avaliação da eficiência do sistema de distribuição de alimentação (SDA) sobre o processo de destilação por filme líquido descendente. Com posterior avaliação da eficiência deste sobre o processo de destilação com dois perfis de temperatura distintos, isotérmico e não isotérmico, na superfície de evaporação utilizando-se fluidodinâmica computacional (CFD). A técnica de CFD é uma importante e poderosa ferramenta para pesquisa e desenvolvimento de processos de engenharia. Neste trabalho utilizou-se um modelo tridimensional de colunas de destilação por filme líquido. O trabalho foi dividido em três partes: desenvolvimento e estudo de refino da malha numérica visando diminuir os efeitos de difusão numérica para obtenção de resultados mais acurados com menor tempo e custo computacional, análise do escoamento e avaliação do SDA desenvolvido na formação e manutenção do filme líquido descendente sobre a superfície de evaporação (CFD e experimental) e validação dos modelos propostos para avaliação da eficiência do DAS sobre a capacidade de separação da unidade de destilação por filme líquido descendente utilizando-se dois perfis de temperatura. As simulações foram realizadas considerando escoamento multifásico, modelo de turbulência Shear Stress Transport (SST) e esquema de interpolação upwind. Os resultados obtidos demonstram a eficiência e viabilidade de utilização do SDA desenvolvido sobre a capacidade de separação da unidade de destilação por filme líquido descendente. O modelo tridimensional proposto foi capaz de prever os resultados de separação da unidade com erro relativo máximo de 10%. <br> / In the current, competitive and globalized market, it is important to aggregate profitability to business units by developing new and different technological solutions. In this sense, the adequacy of manufacturing of products deriving from petroleum extracted must be carried out in a competitive way, with the integration and optimization of the whole production chain. Among the ways to reach these goals it is possible to highlight the fractioning cost reduction and the development of new conceptions of equipments. These two factors can be obtained when a new way of heat and mass exchange is implemented between the stages of a distillation process, which allows the reduction of energetic consummation and increases the separation efficiency. In this way, the distillation through liquid film is an option in order to optimize heat and mass transference due to its great area of contact. The main difficulties for this process are the adequate sealing and location of the feeding distribution system, the limits of the feeding flow rate in order to maximize the heat and mass transference, the layout of the distillation tube for the flowing of the liquid and vapor stages, besides modeling, in order to study the separation capacity of the process and its viability. Therefore, this paper aims to design and build a distillation system by descending liquid film, with posterior evaluation of its efficiency on the distillation process with two distinct temperature profiles, isothermal and non-isothermal one, on the evaporation surface by using computational fluid dynamics (CFD). The CFD technique is an important and powerful tool for research and development of the engineering process. In this paper a tridimensional model of distillation columns through liquid film was used. The paper was divided into three parts: development and study of the refine of the numerical grid, aiming to decrease the effects of numeric diffusion in order to obtain more accurate results in a shorter time and computational effort, analysis of flowing and evaluation of SDA developed on the formation and maintenance of the descending liquid film on the evaporation surface (CFD and experimental) and validation of the models proposed for evaluating the SDA efficiency on the separation capacity of the distillation unit through descending liquid film, by using two temperature profiles. The simulations were carried out considering the multiphase flowing, turbulence model Shear Stress Transport (SST) and upwind interpolation scheme. The results obtained show the efficiency and viability of using SDA developed on the capacity of separation of the distillation unit through descending liquid film. The tridimensional model proposed was able to predict the results of the separation of the distillation unit with relative error of 10% maximum.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Química / Made available in DSpace on 2013-03-04T20:48:52Z (GMT). No. of bitstreams: 1 304619.pdf: 4749681 bytes, checksum: 4b41f9f4bcecb4579346400305f636f9 (MD5) / Colunas de destilação necessitam de sistemas de controle apropriados para obter a especificação desejada do produto e uma operação estável no processo. A medição confiável e precisa da composição, ou de alguma propriedade, dos produtos é uma das principais dificuldades em torres de destilação. Para a determinação destas, normalmente são empregadas análises de laboratório ou analisadores de processo. Contudo, existem problemas decorrentes desses métodos, quando aplicados no controle em malha fechada. Entre esses problemas estão: demora entre a coleta da amostra e a disponibilização do resultado da análise; e pouca confiabilidade dos analisadores de processo. Para tentar suprir esta dificuldade lançam-se mão de modelos inferenciais. A inferência é basicamente uma correlação de uma propriedade em função de variáveis escolhidas, que são continuamente medidas no processo de produção. O resultado da inferência é usado diretamente pelo controlador, ocasionando a atuação rápida sobre uma ou mais válvulas de controle, ou para manipular o set point de uma ou mais temperaturas controladas de forma a corrigir uma propriedade fora da especificação. Neste trabalho será desenvolvido um sensor por software baseado em redes neurais artificiais para inferir o valor de composição do produto de topo de uma coluna de destilação piloto, sendo esta medida disponibilizada a um sistema de controle que possui ações distribuídas de calor ao longo dos pratos. Busca-se obter um sensor robusto, porém com respostas rápidas com potencial para o desenvolvimento de estratégias de controle inferenciais avançadas. O modelo empírico será baseado em rede neural e poderá ser aplicado em uma unidade piloto de destilação de 13 pratos, processando uma mistura de etanol/água. O grande diferencial deste projeto é o fato dessa estratégia ser desenvolvida em uma torre de destilação baseada em ação distribuída de controle com aquecimentos em pontos intermediários ao longo da coluna e o desafio é que o modelo consiga representar o processo com esta característica especial. Os dados necessários para a construção, treinamento e validação da rede neural empregada no sensor, serão adquiridos através de simulações com o software comercial HYSYS® 7.0, em modo dinâmico. A validação das simulações foi realizada através da comparação com dados experimentais da unidade piloto. Foram testadas inúmeras configurações e arquiteturas de dois diferentes tipos de redes neurais: feedforward e redes recorrentes de Elman. Algoritmos de treinamentos distintos também foram avaliados. Adicionalmente ao projeto foi desenvolvido um segundo sensor em malha fechada, para ser usado como um analisador de processo em tempo real, para monitoramento da planta, mantendo o sistema de controle atual. Os resultados mostraram que o modelo neural desenvolvido reproduz de forma adequada e com boa acurácia o comportamento dinâmico do processo, sendo considerado apropriado para predição de composição do produto de topo da unidade. As predições do sensor virtual foram muito similares às saídas simuladas pelo HYSYS® com erros aceitáveis. Desta forma, poderá ser utilizado para fins de monitoramento, otimização e controle no processo de destilação. / Distillation columns require appropriate control systems in order to obtain the desired product specification and a steady operation in the process. The reliable and precise measurement of the composition or of any other property of the product is one of the main difficulties in distillation towers. In order to determine those, laboratory analyses or process analyzers are employed. However, several problems rise from those methods, when applied in closed control loops. Among those problems might be mentioned: the long time between the sample collection and the availability of the results of the analyses; and the low reliability of the process analyzers. In order overcome this difficulty inferential models may be used. Inference is basically a correlation of a property in function of variables which are continually measured in the production process. The inference result is used either directly by the controller, resulting in fast action on one or more control valves, or to manipulate the set point of one or more controlled temperatures in order to correct an out of specification property. In this work, will be develop a soft sensor based on artificial neural networks to infer the value of the top product composition of a distillation column pilot. This measure will be available to a control system that distributed with action of heating along the column. The aim is to obtain a robust sensor, but with quick responses with potential for development of advanced inferential control strategies. The empirical model will be based on neural network and will be applied in a pilot distillation unit composed of 13 trays, processing an ethanol/water mixture. The great differential of this project is that this strategy be developed a distillation column based on distributed control action with heating on at intermediate points along the column. The challenge is that the model can represent the process with this special feature. The data needed for the construction, training and validation of the neural network employed on the sensor, were obtained through simulations with commercial software HYSYS® 7.0. The validation of the simulations was carried out through comparing to experimental data of the pilot unit. Various designs and architectures from two different types of neural networks: feedforward and Elman recurrent nets, were evaluated. Different training algorithms were also evaluated. Additionally to the project, has developed a second sensor in closed loop, to be used as an analyzer process real-time, monitoring of the plant, keeping the current control system. The results showed that the developed neural model reproduces with high accuracy the dynamic behavior of the process and considered adequate to estimate the composition of top product of the unit. The predictions of the developed neural network model were very similar to the product composition simulated by HYSYS® with acceptable errors. Therefore, the soft sensor developed can be used for monitoring, optimization and control in the process of distillation.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2013 / Made available in DSpace on 2013-12-05T23:36:04Z (GMT). No. of bitstreams: 1 318136.pdf: 4176032 bytes, checksum: 89e3c306717cf1fb8136ea72f3b2d41f (MD5) Previous issue date: 2013 / Resumo: A indústria do etanol exerce um papel importante no cenário econômico do Brasil, em virtude da sua representatividade nos setores de biocombustíveis e energia. Desse modo, o etanol brasileiro é reconhecidamente uma alternativa concreta para a substituição dos combustíveis fósseis. Todavia, apesar dos avanços obtidos em termos de manipulações biogenéticas e químicas para um melhor aproveitamento da cana, são imprescindíveis as aplicações modernas de tecnologia nas engenharias envolvidas no processo. Nesse contexto, este trabalho propõe soluções na área de Engenharia de Controle e Automação que otimizam a produção de etanol. Ainda, visando à viabilidade ambiental das propostas, a aplicação da energia solar e o uso da água se enquadram na parte inovadora do estudo. Em particular, as duas principais etapas de fabricação da usina sucroalcooleira são abordadas em uma linguagem de cunho teórico com experimentos industriais. Na unidade de fermentação, um modelo completo é desenvolvido para analisar o comportamento das principais variáveis do processo. A estratégia proposta consiste em um sistema multivariável de duas camadas que utiliza o controle preditivo não linear para maximizar a concentração final de etanol no reator. No entanto, o projeto geral possui uma planta solar que auxilia o resfriamento dos processos fermentativos. A destilaria foi modelada em escala industrial utilizando o software Hysys, em que é possível estudar a produção dos álcoois de 2a, hidratado e anidro de acordo com os sistemas de controle aplicados. Nessa unidade, uma estratégia que possui PIDs (Controlador Proporcional- Integrativo-Derivativo), MPCs (Model Predictive Control) e uma camada de controle supervisório é proposta para avaliar os ganhos obtidos em termos de fabricação do álcool de 2a e do hidratado, formação da vinhaça e consumo energético das colunas. Finalmente, o trabalho é concluído apontando as principais contribuições e perspectivas dos pontos de vista de pesquisa e aplicação tecnológica.<br> / Abstract: The ethanol industry has an important role in the economic scenario in Brazil by virtue of its representation in the areas of biofuels and energy. Thus, Brazilian ethanol is recognized as a concrete alternative for replacing of fossil fuels. However, despite the progress achieved in terms of chemical and biogenetic manipulations to make better use of the sugarcane, it is essential the use of modern technologies in the different types of ingineering involved in the process. In this context, this work proposes solutions in the area of Control and Automation Engineering to optimize ethanol production. Also, aiming to the environmental viability of the proposals, the application of solar energy and the minimization of the consumption of water appear at the innovative part of the study. In particular, the two main steps of the manufacturing sugarcane plant are addressed at a theoretical language with industrial experiments. In the fermentation unit, a complete model is developed to analyze the behavior of the main process variables. The strategy proposed consists in a multivariable system of two layers which uses the nonlinear predictive control to maximize the final concentration of ethanol in the reactor. However, the overall project has a solar plant that assists the cooling of fermentation processes. The distillery was modeled on an industrial scale using the software Hysys, in which it is possible to study the production of the 2nd, hydrated and anhydrous ethanols according to the control systems applied. In this unit, a strategy that has PIDs (Proportional-Integrative-Derivative Controller), MPCs (Model Predictive Control), and supervisory control layer is proposed to evaluate the gains obtained in terms of fabrication of 2nd and hydrated ethanols, generation of stillage, and energy consumption of the columns. Finally, the work is concluded by pointing the main contributions and future prospects of the views of research and technological application.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Química. / Made available in DSpace on 2012-10-21T01:11:57Z (GMT). No. of bitstreams: 0 / Por muitas razões, o processo de destilação é a mais importante técnica de separação na indústria de processos químicos em todo o mundo. No entanto, a implementação do controle industrial é dificultada por se não linear, não-estacionário, interativo, e ainda sujeito a restrições e perturbações. Muitos dos modernos métodos de controle são baseados em modelos não-lineares multivariáveis. Os modelos não-lineares precisam ser mais rigorosos e com maiores exigências computacionais na medida em que aumenta a complexidade do processo. As redes neurais são uma alternativa para a modelagem destes processos na medida em que não se necessita um conhecimento a priori do processo. As redes neurais são capazes de encontrar correlação nos problemas complexos e não-lineares, processam a informação rapidamente e podem ser usadas para reduzir o esforço para o desenvolvimento de um modelo para controle. A utilização de uma rede neural para simplificar a modelagem fenomenológica de uma coluna de destilação é apresentada. A rede neural aqui utilizada apresenta uma modificação para melhorar a sua capacidade de generalização. A rede exibe uma performance superior quando comparada com redes feedforward e de base radial na identificação de processos fortemente não-lineares. O caso estudado é uma coluna de destilação com 12 m de altura e 30 pratos, que separa hidrocarbonetos em processo contínuo. Um procedimento sistemático em três etapas é desenvolvido. O primeiro consiste na coleção de dados e eleição das variáveis mais importantes do processo. A aquisição de dados foi feita usando um simulador rigoroso, numa periodicidade compatível com o que poderia ser feito num processo real. A seguir, entradas são informadas à rede no processo de treinamento. A terceira etapa é a validação do modelo testando-o com um novo grupo de dados. O presente trabalho analisa a rede para um número crescente de entradas e saídas possível de ser calculado; a qualidade e quantidade do grupo de dados de treinamento e previsão; o número máximo de passos possíveis de serem preditos pela rede; e finalmente a melhor topologia. A rede ainda é testada para uma série de variáveis de entrada. A performance da rede é testada para determinar os melhores parâmetros livres a serem usados. A qualidade do modelo depende no sucesso de cada uma destas três etapas.Aparte servir como um preditor, a rede neural provê informação sobre a relevância de cada variável. A maioria das predições forneceu coeficientes de correlação acima de 99%, mostrando que a rede pode ser usada em controle e ainda como um sensor por software.

[pt] Os processos de destilação atmosférica e a vácuo do petróleo têm como sub-produtos mais pesados os resíduos atmosféricos e de vácuo, respectivamente. Modelos encontrados na literatura não descrevem bem a dependência da viscosidade com a temperatura para estas frações. Há grandes diferenças entre valores experimentais e calculados e no comportamento da curva temperatura X viscosidade. As viscosidades dinâmicas de sete diferentes amostras de resíduos foram determinadas experimentalmente. As amostras foram caracterizadas através de ensaios de: densidade, SARA, concentração de asfaltenos e destilação simulada. Com base em suas características físicas são propostos modelos de viscosidade de frações pesadas de petróleo. / [en] Atmospheric and vacuum residua are the heaviest byproducts of the distillation processes. Literature models don't describe well the viscosity dependency on temperature of these fractions. There are large differences between experimental and calculated values and at the temperature X viscosity curve. Dynamic viscosities of seven different samples were experimentally determined. The samples were characterized by: density, SARA, asphalthene concentration and simulated distillation. Based on their physical characteristics, viscosity models for heavy fractions of oil are proposed.

[pt] O biodiesel é um biocombustível produzido tipicamente a partir da transesterificação e/ou esterificação, de óleos vegetais (ex. soja e dendê) que é constituído por diferentes tipos de ácidos graxos como, por exemplo, ácido oleico, linoleico, linolênico em composições distintas. Todavia, entre os artigos encontrados na literatura que abordam simulações e intensificação de processos industriais na produção do biodiesel, a composição química do óleo é simplificada, reduzindo-se ao triglicerídeo de maior concentração. A fim de analisar a intensificação do processo de obtenção de biodiesel, a partir do óleo de soja, utilizando destilação reativa, inicialmente, foi realizado a comparação das propriedades do biodiesel, como densidade, viscosidade e composição, produzido via catálise homogênea e heterogênea, considerando-se a composição química total do óleo de soja e considerando apenas o triglicerídeo majoritário, composto por uma molécula de ácido oleio e duas de ácido linoleico. A análise confirmou que não há alteração significativa nos resultados em substituir a composição do biodiesel por uma fração única de triglicerídeos, devido à proximidade de propriedades físico-químicas. Visto isto, o desenvolvimento da simulação e intensificação do processo foi desenvolvido a partir do componente majoritário no óleo de soja. Considerando o déficit de informações completas relacionando os estudos de composição, destilação reativa, integração energética e avaliação econômica, a tese complementa uma metodologia para simular a produção do biodiesel via catálise homogênea e heterogênea, utilizando a destilação reativa (DR), integração energética e considerando a viabilidade financeira de todos os fluxogramas estudados. Nas simulações desenvolvidas resultaram um melhor aproveitamento da energia presente nos correntes quentes disponíveis, e assim reduzindo-se o investimento em utilidades. Concluiu-se que ao empregar a destilação reativa, para catálise homogênea e heterogênea, há energia a ser economizada, em torno de 30 a 48 por cento, ou seja, há disponibilidade de modificação no processo para que ocorra um melhor aproveitamento e economia de energia. A partir disto, empregou-se a integração energética, utilizando o sistema de reaproveitamento energético, obtendo um melhor cenário para o estudo energético proporcionando uma economia de 70 por cento e 65,8 por cento de energia nos processos homogêneo e heterogêneo, respectivamente. Quanto à viabilidade econômica, considerou-se a capacidade do processo com vida útil de 15 anos e as simulações indicaram rendimentos positivos e sugere-se serem viáveis economicamente. Porém, ao empregar a destilação reativa com intensificação do processo, a redução de gastos energéticos e financeiros com o catalisador heterogêneo se mostrou ser a melhor opção energeticamente e economicamente. Comparando o sistema com gastos, o inicial homogêneo, com o econômico, dito anteriormente, a economia de energia das utilidades foi em torno de 80 por cento e a diferença no valor presente líquido (VPL) de 744.089,84 de dólares. O resultado mostrou que o investimento em mais trocadores de calor de correntes de processo somados à redução de equipamentos da via por catalise heterogênea permitiu alcançar uma relação de custo alternativa mais atraente que o processo tradicional via catálise homogênea ainda que o custo do catalisador seja maior no caso heterogêneo. / [en] Biodiesel is a biofuel typically produced from transesterification and/or esterification of vegetable oils (eg soy and palm oil) which is made up of different types of fatty acids such as, for example, oleic, linoleic, linolenic acid in different compositions. However, among the articles found in the literature that address simulations and intensification of industrial processes in the production of biodiesel, the chemical composition of the oil is simplified, reducing it to the highest concentration triglyceride. In order to analyze the intensification of the process of obtaining biodiesel from soybean oil, using reactive distillation, initially, a comparison of the properties of biodiesel, such as density, viscosity and composition, produced via homogeneous and heterogeneous catalysis was performed, considering - the total chemical composition of soybean oil and considering only the major triglyceride, composed of one molecule of oleic acid and two of linoleic acid. The analysis confirmed that there is no significant change in the results in replacing the biodiesel composition with a single fraction of triglycerides, due to the proximity of physicochemical properties. In view of this, the development of simulation and process intensification was developed from the major component in soybean oil. Considering the lack of complete information relating composition studies, reactive distillation, energy integration and economic evaluation, the thesis complements a methodology to simulate the production of biodiesel via homogeneous and heterogeneous catalysis, using reactive distillation (DR), energy integration and considering the financial feasibility of all studied flowcharts. The simulations developed resulted in a better use of the energy present in the available hot currents, thus reducing the investment in utilities. It was concluded that when using reactive distillation, for homogeneous and heterogeneous catalysis, there is energy to be saved, around 30 to 48 percent, that is, there is availability of modification in the process so that there is a better use and energy saving. From this, energy integration was used, using the energy reuse system, obtaining a better scenario for the energy study, providing savings of 70 percent and 65.8 percent of energy in homogeneous and heterogeneous processes, respectively. As for the economic feasibility, it was considered the capacity of the process with a useful life of 15 years and the simulations indicated positive yields and are suggested to be economically viable. However, by employing reactive distillation with process intensification, the reduction of energy and financial costs with the heterogeneous catalyst proved to be the best option energetically and economically. Comparing the system with expenses, the initial homogeneous, with the economic, mentioned above, the energy savings of the utilities was around 80 percent and the difference in the net present value (NPV) of 744,089.84 dollars. The result showed that the investment in more process current heat exchangers, added to the reduction of equipment in the heterogeneous catalysis path, allowed to reach a more attractive alternative cost ratio than the traditional process via homogeneous catalysis, even though the cost of the catalyst is higher in the heterogeneous case.

[pt] Propagação de conhecimento é um dos pilares da evolução humana. Nossas descobertas são baseadas em conhecimentos já existentes, construídas em cima deles e então se tornam a fundação para a próxima geração de aprendizado. No ramo de Inteligência Artificial, existe o interesse em replicar esse aspecto da natureza humana em máquinas. Criando um primeiro modelo e treinando ele nos dados originais, outro modelo pode ser criado e aprender a partir dele ao invés de ter que começar todo o processo do zero. Se for comprovado que esse método é confiável, ele vai permitir várias mudanças na forma que nós abordamos machine learning, em que cada inteligência não será um microcosmo independente. Essa relação entre modelos é batizada de relação Professor-Aluno. Esse trabalho descreve o desenvolvimento de dois modelos distintos e suas capacidades de aprender usando a informação dada em um ao outro. Os experimentos apresentados aqui mostram os resultados desse treino e as diferentes metodologias usadas em busca do cenário ótimo em que esse processo de aprendizado é viável para replicação futura. / [en] Propagation of knowledge is one of the pillars of human evolution. Our discoveries are all based on preexisting knowledge, built upon them and then become the foundation for the next generation of learning. In the field of artificial intelligence, there s an interest in replicating this aspect of human nature on machines. By creating a first model and training it on the original data, another model can be created and learn from it instead of having to learn everything from scratch. If this method is proven to be reliable, it will allow many changes in the way that we approach machine learning, specially allowing different models to work together. This relation between models is nicknamed the Teacher-Student relation. This work describes the development of two separate models and their ability to learn using incomplete data and each other. The experiments presented here show the results of this training and the different methods used in the pursuit of an optimal scenario where such learning process is viable for future use.

[pt] Este trabalho tem como objetivo estudar estratégias de Controle Preditivo baseado em Modelo Não-Linear (NMPC) aplicadas a uma coluna de destilação despropanizadora simulada. Essas colunas são empregadas em unidades de processamento de gás natural (UPGNs) para a separação do produto propano do butano. Colunas de destilação possuem características particularmente desafiadoras sob o ponto de vista de controle, como: não-linearidades, grandes constantes de tempo, atraso, restrições de variáveis e inversão do sinal de ganho estático. Como as medidas de composição frequentemente possuem atrasos e dados esparsos, os sistemas de controle convencionais não são capazes de controlar a composição diretamente e possuem dificuldade em manter os produtos dentro das especificações. Contudo, controladores baseados em modelo possuem a habilidade de prever a composição através do modelo interno do processo, além de serem capazes de lidar com restrições. Na literatura, nenhuma aplicação do modelo de Hammerstein modificado para coluna de destilação ou para sistemas multivariáveis foi encontrada, sendo esta uma novidade. Desta forma, foram estudadas três estratégias de controle: controle PID tradicional, NMPC com modelo de Hammerstein modificado (H-NMPC) e NMPC com modelo por Redes Neurais (NN-NMPC). O sistema estudado foi identificado de forma a se obter valores numéricos adequados aos parâmetros dos modelos. A identificação dos parâmetros dos modelos e os algoritmos de NMPC foram implementados no ambiente MATLAB. A coluna de destilação foi simulada usando o Aspen Plus Dynamics. Como resultado, o H-NMPC teve o melhor desempenho de controle ao rastrear diferentes trajetórias de referência, a desacoplar as variáveis controladas e a rejeitar os distúrbios. Além disso, esta apresentou maior rapidez computacional comparado com a estratégia NNNMPC. / [en] This work aims to study strategies of Nonlinear Model Predictive Control (NMPC) applied to a simulated depropanizer distillation column. These columns are used in natural gas processing units (NGPUs) for the separation of the product propane from butane. Distillation columns have particularly challenging features from the control point of view, such as: nonlinearities, large time constants, delay, variable constraints and static gain signal inversion. Because compositional measures often have delays and sparse data, conventional control systems are not able to control composition directly and have difficulty keeping products within specifications. However, model-based controllers predict composition through the internal process model, besides being able to handle constraints. In the literature, no applications of the modified Hammerstein model for distillation column or multivariable systems was found, so this is a novelty. Therefore, three control strategies were studied: traditional PID control, NMPC with modified Hammerstein model (H-NMPC) and NMPC with neural network model (NN-NMPC). The studied system was identified in order to obtain adequate numerical values of the model parameters. The model identification and the NMPC algorithms were implemented in the MATLAB environment. The distillation column was simulated using Aspen Plus Dynamics. As a result, the H-NMPC provided better control performance for different setpoint tracking, control variables decoupling, and disturbance rejection. Furthermore, it presented faster computational speed compared to NN-NMPC.