Return to search

[en] MODELING AND OPTIMIZATION STRATEGIES IN SUGARCANE BAGASSE DELIGNIFICATION PROCESS / [pt] ESTRATÉGIAS DE MODELAGEM E OTIMIZAÇÃO APLICADAS AO PROCESSO DE DESLIGNIZAÇÃO DO BAGAÇO DA CANA-DE-AÇÚCAR

[pt] O bagaço da cana-de-açúcar é uma biomassa vegetal que possui muito potencial
de uso devido aos seus três elementos estruturais: celulose, hemicelulose
e lignina. Para servir como matéria prima na produção de insumos, o bagaço
da cana-de-açúcar precisa passar por um processo de pré-tratamento. Nesse
estudo, duas metodologias para o processo de pré-tratamento do bagaço da
cana-de-açúcar foram utilizadas: a deslignização via peróxido de hidrogênio
(H2O2) e via dióxido de carbono supercrítico (ScCO2). Para o estudo utilizando
H2O2, foram desenvolvidos modelos a partir de planejamento experimental,
Algoritmos Genéticos (GA, do inglês Genetic Algorithms), Redes
Neurais Artificiais (RNA) e Neuro-Fuzzy (ANFIS). As variáveis independentes
foram temperatura (25 – 60 graus Celsius), concentração de H2O2 (2 – 15 por cento
m/v) e pH (10 – 13), tendo como resposta os teores de lignina residual e
oxidada no processo, através de análises de FT-IR e análise pelo método
de Klason. Para o estudo utilizando ScCO2 foram construídos modelos a
partir de RNA e ANFIS. As variáveis estudadas no processo foram: temperatura
(35 – 100 graus Celsius), pressão (75- 300 bar) e teor de etanol na solução de
co-solvente (0 – 100 graus Celsius). De modo geral, para os dois processos, os modelos
desenvolvidos consideram as variáveis independentes como sendo neurônios
na camada de entrada e as variáveis dependentes como sendo neurônios na
camada de saída. Todos os modelos neurais e ANFIS desenvolvidos neste
trabalho foram avaliados pelo coeficiente de correlação e índices de
erro (SSE, MSE e RMSE), além do número de parâmetros. Os resultados
mostraram que, dentre estas estratégias estudadas, os modelos neurais se
mostraram mais satisfatórios para predição das respostas do pré-tratamento
com H2O2, já que se encaixa nos índices de performance estipulados. O
mesmo ocorreu no modelo neural para predição do teor de lignina residual
no pré-tratamento com ScCO2. Para cada modelo polinomial e neural desenvolvido,
foi realizada a investigação das superfícies de respostas e das
curvas de contorno. Com esse recurso, foi possível a identificação dos melhores
pontos operacionais para os processos, visando a minimização dos
teores de lignina residual e oxidada na biomassa. / [en] Sugarcane bagasse is a plant biomass that has a great potential for use due
to its three structural elements: cellulose, hemicellulose and lignin. To serve
as raw material in the production of other products, sugarcane bagasse needs
to undergo a pre-treatment process. In this study, two methodologies for the
sugarcane bagasse pretreatment process were used: delignification via hydrogen
peroxide (H2O2) and via supercritical carbon dioxide (ScCO2). The
models for study the process with H2O2 were developed from experimental
planning, Genetic Algorithms (GA), Artificial Neural Networks (ANN) and
Neuro-Fuzzy (ANFIS). The independent variables were: temperature (25-
60 degrees Celsius), H2O2 concentration (2 - 15 percent m/v) and pH (10-13). The residual
and oxidized lignin contents in the process were evaluated from FT-IR and
Klason method analysis. The models for study the process with ScCO2 were
developed from RNA and ANFIS. The variables studied in the process were:
temperature (35-100 degrees Celsius), pressure (75-300 bar) and ethanol content in the
aqueous solution of co-solvent (0-100 percent). In general, for the two processes,
the developed models consider the independent variables to be neurons in
the input layer and the dependent variables to be neurons in the output
layer. All the neural and ANFIS models developed in this study were evaluated
by the correlation coefficient and error indexes (SSE, MSE and
RMSE), as well as the number of parameters. From the stipulated indices
of performance, among the results obtained by the different strategies, the
neural models were the most satisfactory for the prediction of pretreatment
responses with H2O2. The same occurred in the neural model for prediction
of the residual lignin content in the pre-treatment with ScCO2. Response
surfaces and the contour curves were investigated for each polynomial and
neural model developed. With this resource, it was possible to identify the
best operational points for the processes, pointing at minimizing the residual
and oxidized lignin contents in the biomass.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:35985
Date07 January 2019
CreatorsISABELLE CUNHA VALIM
ContributorsBRUNNO FERREIRA DOS SANTOS
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.003 seconds