Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/12546| Tipo: | Trabalho de conclusão de graduação |
| Título: | Implementação em sistemas de automação de sensor virtural baseado em redes neuronais |
| Autor(es)/Inventor(es): | Tiradentes, Rafael Pinto |
| Orientador: | Valdman, Andrea |
| Coorientador: | Souza Junior, Maurício Bezerra de |
| Resumo: | O 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. |
| Palavras-chave: | Sensores virtuais Amônia Redes neuronais Sistemas de automação |
| Assunto CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA |
| Unidade produtora: | Escola de Química |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | Jan-2020 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| RPTiradentes.pdf | 1.33 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.