Implementação em sistemas de automação de sensor virtural baseado em redes neuronais

dc.contributorValdman, Andrea
dc.contributorhttp://lattes.cnpq.br/0710718075130880
dc.contributorhttp://lattes.cnpq.br/0932288344594731
dc.contributorSouza Junior, Maurício Bezerra de
dc.contributorhttp://lattes.cnpq.br/4530858702685674
dc.contributorFolly, Rossana Odette Mattos
dc.contributorhttp://lattes.cnpq.br/4307857099553577
dc.contributorParente, Andréa Pereira
dc.contributorhttp://lattes.cnpq.br/9458055897856809
dc.contributorSá, Manuella Cristina Correia de
dc.creatorTiradentes, Rafael Pinto
dc.date2020-06-17T19:47:38Z
dc.date2023-09-27T03:03:07Z
dc.date2020-01
dc.date.accessioned2023-09-27T13:40:03Z
dc.date.available2023-09-27T13:40:03Z
dc.identifierhttp://hdl.handle.net/11422/12546
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8911494
dc.descriptionO acompanhamento de variáveis de processo é fundamental para o conhecimento e correção de condições operacionais em plantas industriais de processos químicos e bioquímicos. Embora os sensores comerciais e os modelos fenomenológicos forneçam uma solução convencional, a complexidade e não linearidade de alguns processos impõe dificuldades à medição de algumas variáveis de interesse. Em resposta a estes problemas, soluções baseadas em aprendizado de máquina – tais como redes neuronais – são propostas. No atual contexto big data, historiadores de processo tornaram as indústrias modernas em um ambiente rico e propício para modelos preditivos baseados em dados. A literatura indica não somente a competitividade na resolução de problemas das redes neuronais em relação aos métodos clássicos, como também sua capacidade generalista e a modelagem matemática clara e de fácil compreensão ao engenheiro de processos. É de grande importância o estabelecimento de metodologias de implementação destes modelos preditivos, alcançando benefícios como a redução de custos operacionais e o incremento da confiabilidade operacional. Este trabalho propõe metodologias para implementação e diagnóstico da qualidade de sensores virtuais offline e online baseado em redes neuronais Multilayer Perceptron (MLP), que forneçam tanto a flexibilidade de implementação quanto à simplicidade de configuração pelo engenheiro de processos. A metodologia foi aplicada para o modelo de predição do teor de amônia na saída de fundo da coluna stripper da Fábrica Carioca de Catalisadores. Uma proposta de sensor offline e duas propostas de sensor online são apresentadas, utilizando softwares comerciais amplamente disponíveis em plantas industriais: planilha eletrônica e um historiador industrial de processos. As ferramentas foram validadas com os padrões da etapa de validação da rede neuronal, não indicando desvios significativos. O funcionamento dos sensores não apresentou interrupções inesperadas ou ciclos de cálculo superiores a 1 segundo. Testes com sensor offline alcançaram a taxa de cálculo de 1,7 milissegundo por padrão. Embora o foco deste trabalho esteja na proposta da metodologia para implementação do sensor virtual, a rede neuronal foi validada para o seu ano de treinamento, evidenciando correspondência dos resultados com as tendências operacionais. Testes de performance indicaram ainda a possibilidade de redução do intervalo de cálculo de treinamento (20 minutos) em um quarto, com ganhos de qualidade nos indicadores R² e erro quadrático médio. Resultados para as atuais condições operacionais evidenciaram a necessidade de manutenção da rede neuronal.
dc.languagepor
dc.publisherUniversidade Federal do Rio de Janeiro
dc.publisherBrasil
dc.publisherEscola de Química
dc.publisherUFRJ
dc.rightsAcesso Aberto
dc.subjectSensores virtuais
dc.subjectAmônia
dc.subjectRedes neuronais
dc.subjectSistemas de automação
dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
dc.titleImplementação em sistemas de automação de sensor virtural baseado em redes neuronais
dc.typeTrabalho de conclusão de graduação


Este ítem pertenece a la siguiente institución