Sensor virtual neural para determinação do Índice de Fluidez de PEAD e da Concentração de Sólidos de um reator Loop Slurry

• Ano de defesa: 2022
• Autor(a) principal: Mattos, Milton Fernando Campos [UNIFESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Paulo
• Palavras-chave em Português: Polietileno alta densidade; Concentração de sólidos; Índice de fluidez; Redes Neurais Artificiais; Inteligência Artificial
• Link de acesso: https://hdl.handle.net/11600/64047

O processo de polimerização do polietileno de alta densidade (PEAD) em reator tubular requer um controle preciso de diversos parâmetros de processo. A perda ou falha do controle desses parâmetros pode acarretar perda de qualidade da resina que está sendo produzida e, no pior cenário, levar a uma obstrução do reator, demandando vários dias de parada da planta. Dentre os principais parâmetros controlados destacam-se a concentração de polímero (sólidos) no interior do reator e o índice de fluidez (IF), que é uma variável de qualidade. A concentração de sólidos é calculada, a partir da medição da densidade da massa polimérica dentro do reator que é realizada por um instrumento de medição nuclear. O processo possui apenas este método de detecção, o que impossibilita operar o reator em condições seguras, caso ocorra qualquer falha deste instrumento. A amostragem da resina para análise do IF ocorre após um tempo médio de residência entre vasos de processo de aproximadamente 3 horas. Esse longo tempo de residência dificulta o controle de qualidade. A utilização de modelos fenomenológicos para calcular essas duas variáveis requer uma maior complexidade, visto que o processo de polimerização é constituído por equações de balanço (de massa, de energia), equações de velocidade (expressões cinéticas que descrevem o consumo ou geração reagentes e produto dentro do reator) e equações que relacionam propriedades termodinâmicas do sistema. Uma outra maneira de se calcular o índice de fluidez e a concentração de sólidos é utilizando redes neurais artificiais. Este tipo de modelagem matemática pode reconhecer padrões, correlacionar dados brutos, realizar inferências e até prever eventos que auxiliam em tomadas de decisão. Para este estudo, foi avaliada uma unidade de produção de PEAD de uma empresa petroquímica. Foram selecionadas 11 variáveis do processo de polimerização, para 7 campanhas de produção de uma mesma resina. Após uma análise estatística dos dados, verificou-se que das 11 variáveis, 3 poderiam ser descartadas para o treinamento das RNAs. Foram treinados 5 grupos com configurações diferentes de RNAs com uma e duas saídas. Todos os grupos apresentaram a maioria dos resultados de correlação acima de 0,97 na etapa de simulação para a saída concentração de sólidos com erro médio inferior a 0,11%. Já para a saída IF, o melhor resultado apresentou uma correlação de 0,60 com erro médio de 4,53% na etapa de simulação, erro este que está dentro da faixa de erro do método analítico. Este trabalho mostrou que é possível associar o uso das RNAs em processos produtivos uma vez que conseguiu replicar de forma satisfatória um dos principais parâmetros do processo de polimerização estudado.