Submitted by Amanda Silva (amanda.osilva2@ufpe.br) on 2015-03-04T13:49:21Z No. of bitstreams: 2 Dissertação Josivan Pedro da Silva .pdf: 2726437 bytes, checksum: 316142a1ac884691e7c982dee8149eb9 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-04T13:49:21Z (GMT). No. of bitstreams: 2 Dissertação Josivan Pedro da Silva .pdf: 2726437 bytes, checksum: 316142a1ac884691e7c982dee8149eb9 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / ANP;PRH / O biodiesel é uma das mais importantes alternativas para o óleo diesel, pois é um combustível limpo que causa menos poluição do que o diesel de petróleo. Para se produzir biodiesel pelo processo convencional, uma planta de biodiesel requer, pelo menos, um reator e uma coluna de destilação. Este trabalho se concentra em um estudo de viabilidade utilizando destilação reativa (DR), a combinação de um reator com uma coluna de destilação em uma única unidade para produzir biodiesel. Utilizando a DR é possível reduzir a quantidade em excesso de álcool utilizado na corrente de alimentação para uma proporção próxima à estequiométrica com relação ao óleo. Isso faz com que menos energia seja necessária diminuindo o esforço e as dimensões dos equipamentos necessários, inclusive no processo posterior de purificação do biodiesel. Utilizando o simulador Aspen Plus® User interface foi possível se desenvolver planejamentos fatoriais para se obter as condições de operação que se aproximem da estequiometria, maximizando a conversão e minimizando a quantidade de álcool juntamente com os produtos, otimizando também as condições hidráulicas da coluna. Por fim, uma análise de viabilidade econômica preliminar foi realizada com a finalidade de se verificar a rentabilidade do processo. Pode-se concluir que a utilização do processo de DR é eficiente e economicamente sustentável.

Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores, que são raramente tratados em publicações científicas. É também proposta uma metodologia para detecção e correção destes erros que foram encontrados e que afetam o comportamento do sensor, alterando sua precisão e capacidade de ser utilizado em um controle inferencial da planta. / Soft sensors for composition inference models (that are responsible for the quality) of distillation column products, correspond to virtual instruments implemented in software. This software is able to estimate, in real time, the composition of the output products of the column, based on information such as temperature and pressure on several points of the column and on input, output and recycle flow. The purpose of this work is to obtain a soft sensor that estimates the instantaneous composition of the product at the top of a multicomponent distillation column with a partial condenser, employing artificial neural networks. The chosen architecture was the feedforward neural network with three layers. It was chosen based on many tested options. It was developed a dynamical simulator of this column for data acquisition based on a non-linear model. In this study, it was included an investigation about the influence of partial training in the performance of the soft sensor. The goal is to study the results achieved in the case of a soft sensor trained beforehand, with data acquired from the simulator of this column. This procedure makes possible to have an operational soft sensor, trained based on a simulated data set or on a small amount of points and then retrained when a real or larger data set is available. Another important contribution is the study performed about the main errors that may appear in this kind of sensor. These errors are rarely mentioned in scientific papers. It also aims at implementing techniques to enable detection and correction of those errors that the soft sensor may present, and that affect the performance of the soft sensor, changing its precision and making it inadequate for inferential control.

In Brazil, especially in Rio Grande do Sul, there is a significant increase in ethanol production in small scale, i.e. in micro distilleries. These small-scale distilleries benefit small farmers, decentralize ethanol production and are based on the economic, social and environmental issue, but they do not hold enough technology that enables high performance in their processes, especially in the distillation stage. View of all this, it has developed this work, which aims to study the performance of a distillation column in permanent regime, developed and built at the Laboratory for Post-Graduate Processes Engineering using as feed a commercial ethanol solution and water, varying the concentration and the input flow into the column. It was opted for a standardized solution in order to achieve free results from interference by possible impurities. The concentration and flow of feed were set as independent variables and their limits established respectively in 5 and 9 °GL (% by volume) and 1848-4385 g/h. The concentrations of the distillate and of the bottom product were defined as dependent variables. Eleven tests were carried out according to the methodology of planning of experiments by using a central composite rotatable delineation, with triplicate at the central point. Three samples of distillate and bottom product were collected in flasks with lids, at intervals of fifteen minutes. Data were tabulated in spreadsheets from excel. Statistical analysis, using the software Statistica 7th version, was performed to evaluate whether the parameters: ethanol concentration and input flow of feed product interfere in the obtaining ethanol in patterns determined by ANP Resolution n°. 7, February 9th, 2011, i.e., Hydrous Ethanol Fuel (HEF) with ethanol concentration between 92.5 - 93.8°INPM. It was observed that, for the distillate, feed concentration and input flow, both in the quadratic form, are significant, i.e., there is the influence of these two variables in the obtaining of ethanol with higher alcoholic strength, but it was not able to reach the standard established by resolution of ANP. For the bottom product, it was found that neither concentration nor the input flow influence in their alcoholic concentration, possibly by design of the studied column. / No Brasil, principalmente no Rio Grande do Sul, há um aumento significativo na produção de etanol em pequena escala, ou seja, em microdestilarias. Essas microdestilarias beneficiam os pequenos agricultores, descentralizam a produção de etanol e tem como base a questão econômica, social e ambiental; porém não detêm tecnologia suficiente que permita um alto rendimento nos seus processos, em especial na etapa de destilação. Diante de tudo isso, desenvolveu-se este trabalho, que tem o propósito de estudar o desempenho de uma coluna de destilação em regime permanente, desenvolvida e construída no Laboratório de Pós-Graduação em Engenharia de Processos, utilizando como alimentação uma solução de etanol comercial e água, variando a concentração e a vazão de entrada na coluna. Optou-se por uma solução padronizada a fim de se alcançar resultados livres da interferência de possíveis impurezas. A concentração e a vazão de alimentação foram definidas como variáveis independentes e seus limites estabelecidos respectivamente em 5 e 9 °GL (% em volume) e 1848-4385 kg/h. As concentrações do destilado e do produto de fundo foram definidas como variáveis dependentes. Foram realizados onze ensaios de acordo com a metodologia de planejamento de experimentos, através da utilização de um delineamento composto central rotacional, com triplicata no ponto central. Foram coletadas, em frascos com tampa, três amostras de destilado e produto de fundo, em intervalos de quinze minutos. Os dados foram tabulados em planilhas do excel. A análise estatística, através do programa Statistica versão 7, foi realizada para avaliar se os parâmetros teor alcoólico e vazão de entrada do produto de alimentação interferem na obtenção de etanol nos padrões determinados pela Resolução ANP nº 7, de 9 de fevereiro de 2011, ou seja, Etanol Hidratado Combustível (EHC) com teor alcoólico entre 92,5-93,8 °INPM. Observou-se que, para o destilado, a concentração de alimentação e a vazão de alimentação, ambas na forma quadrática, são significativas, isto é, há a influência dessas duas variáveis na obtenção de etanol com maior teor alcoólico, porém não se conseguiu alcançar o padrão estabelecido pela Resolução da ANP. Para o produto de fundo, constatou-se que nem a concentração, nem a vazão de alimentação influenciam no seu teor alcoólico, possivelmente pelo desenho da coluna estudada.

Sensores virtuais empregando modelos de inferência da composição(responsável pela qualidade) dos produtos de uma coluna de destilação correspondem a medidores implementados em software, capazes de estimar, em tempo real, a composição dos produtos da mesma, a partir de informações do tipo temperaturas e pressões em diversos pontos da coluna e vazões de entrada, de saída e de reciclo. O objetivo deste trabalho é obter esse tipo de sensor para uma coluna de destilação, capaz de estimar instantaneamente a composição dos produtos no topo de uma coluna de destilação multicomponente com condensador parcial, empregando redes neurais artificiais. Foi desenvolvido um simulador dinâmico baseado em modelo não-linear da coluna para aquisição de dados. Neste projeto foi incluído um estudo sobre a influência do treinamento parcial no desempenho do sensor virtual. A idéia é estudar o desempenho para o caso de um sensor virtual treinado de antemão, com dados coletados a partir de um simulador da coluna. Este procedimento disponibiliza um sensor operacional, treinado através de um conjunto de dados simulados ou através de um pequeno conjunto de pontos e retreinado, quando dados reais ou um conjunto maior de dados estiver disponível. Outra contribuição importante é o estudo realizado sobre os principais erros que podem ocorrer neste tipo de sensores, que são raramente tratados em publicações científicas. É também proposta uma metodologia para detecção e correção destes erros que foram encontrados e que afetam o comportamento do sensor, alterando sua precisão e capacidade de ser utilizado em um controle inferencial da planta. / Soft sensors for composition inference models (that are responsible for the quality) of distillation column products, correspond to virtual instruments implemented in software. This software is able to estimate, in real time, the composition of the output products of the column, based on information such as temperature and pressure on several points of the column and on input, output and recycle flow. The purpose of this work is to obtain a soft sensor that estimates the instantaneous composition of the product at the top of a multicomponent distillation column with a partial condenser, employing artificial neural networks. The chosen architecture was the feedforward neural network with three layers. It was chosen based on many tested options. It was developed a dynamical simulator of this column for data acquisition based on a non-linear model. In this study, it was included an investigation about the influence of partial training in the performance of the soft sensor. The goal is to study the results achieved in the case of a soft sensor trained beforehand, with data acquired from the simulator of this column. This procedure makes possible to have an operational soft sensor, trained based on a simulated data set or on a small amount of points and then retrained when a real or larger data set is available. Another important contribution is the study performed about the main errors that may appear in this kind of sensor. These errors are rarely mentioned in scientific papers. It also aims at implementing techniques to enable detection and correction of those errors that the soft sensor may present, and that affect the performance of the soft sensor, changing its precision and making it inadequate for inferential control.

Submitted by Morgana Andrade (morgana.andrade@ufes.br) on 2016-04-20T22:14:13Z No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) tese_2452_Mariana Frizera.pdf: 7628756 bytes, checksum: 7fb4daf0933cfd2f18906ac0d2c39ebd (MD5) / Approved for entry into archive by Patricia Barros (patricia.barros@ufes.br) on 2016-04-25T16:11:53Z (GMT) No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) tese_2452_Mariana Frizera.pdf: 7628756 bytes, checksum: 7fb4daf0933cfd2f18906ac0d2c39ebd (MD5) / Made available in DSpace on 2016-04-25T16:11:53Z (GMT). No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) tese_2452_Mariana Frizera.pdf: 7628756 bytes, checksum: 7fb4daf0933cfd2f18906ac0d2c39ebd (MD5) / LabPetro - Fundação Ceciliano Abel de Almeida