info:eu-repo/semantics/article
Parameter Estimation in the Pervaporation Process for the Recovery of Aromas
Estimación de Parámetros en el Proceso de Pervaporación para la Recuperación de Aromas
Autor
Weschenfelder, Thiago A.
Moreno, M. Susana
de Castilhos, Fernanda
Sheer, Agnes P.
Institución
Resumen
Pervaporation is a membrane separation process that has been recently used for the concentration of aromas. However, few studies present modeling and simulation methodologies. Among these works that approach the modeling, the Arrhenius equation parameters are commonly estimated using linear regression. Within this context, the aim of this work was the study of the non-linear parameter estimation of the hydrophobic pervaporation process for aromatic recovering of multicomponent aqueous mixtures. To perform the parameter estimation experimental data from literature was used corresponding to seven aromatics compounds identified in the pervaporation process of brown crab boiling juice. The model was implemented and solved in the GAMS platform. The model fit to the experimental data was satisfactory. A parametric sensitivity analysis has confirmed the importance of correctly determining the values of the parameters. La pervaporación es un proceso de separación con membrana que se utiliza para la concentración de aromas. Sin embargo, pocos trabajos presentan estudios de modelado y simulación. Entre las obras que abordan el modelado, los parámetros en la ecuación Arrhenius se estiman comúnmente utilizando una regresión lineal. Dentro de este contexto, el objetivo de este trabajo fue estudiar la estimación no lineal de los parámetros del proceso de pervaporación hidrofóbica para la recuperación de aromas en mezclas acuosas multicomponente. Para efectuar la estimación de parámetros se emplearon datos experimentales en bibliografía provenientes de la pervaporación de siete compuestos aromáticos identificados en el jugo de ebullición del cangrejo marrón. El modelo fue implementado y resuelto en el ambiente de modelado GAMS. El ajuste del modelo a los datos experimentales fue satisfactorio. Un análisis de sensibilidad paramétrica confirmó la importancia de determinar correctamente los valores de los parámetros