Metamodelagem Kriging e sua aplicação na otimização de uma unidade de separação de propeno por destilação.

• Ano de defesa: 2016
• Autor(a) principal: VILLAR, Savana Barbosa de Brito Lélis.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Ciências e Tecnologia - CCT; PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA; UFCG
• Palavras-chave em Português: Kriging; Redes Neurais Artificiais; Destilação; Otimização; Artificial Neural Networks; Distillation; Optimization; Ciências; Engenharia Química
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/415

Metamodelos têm sido utilizados em inúmeras aplicações de engenharia, para aproximar modelos matemáticos rigorosos quando seus códigos computacionais exigem tempo demasiadamente grande para que a sua utilização prática seja possível. Neste contexto, realizou-se uma aplicação do modelo Kriging para obtenção de resultados da metamodelagem de um processo de separação de propeno por destilação. Neste trabalho foi incluída a utilização das Redes Neurais Artificiais como parâmetro comparativo entre os metamodelos.O procedimento envolve o plano de amostragem Latin Hypercube Sampling, a seleção do tipo do metamodelo, estimação de parâmetros e validação. O desempenho dos metamodelos foi comparado com resultados obtidos através do modelo rigoroso pertencente ao simulador de processos Aspen Plus®, onde a predição dos dados mostrou-se com ótima precisão e esforço computacional significativamente menor. Outra contribuição importante deste trabalho é o desenvolvimento da metodologia para otimização baseada na predição dos dados através do metamodelo Kriging utilizando a função fmincon do software Matlab e a comparação à otimização da ferramenta Optimization do Aspen Plus®, atingindo resultados minimizados para as cargas térmicas dos refervedores das três colunas de destilação e obedecendo as restrições de pureza do produto e taxa de boilup.