Modelagem da reação de transesterificação utilizando catalisador inorgânico

• Autor(a) principal: Galvan, Diego
• Data de Publicação: 2024
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UEL
• Texto Completo: https://repositorio.uel.br/handle/123456789/8500
• topic: Biocombustíveis; Catalisadores; Biodiesel; Simplex (Matemática); Biomass energy; Catalysts; Biodiesel fuels; Simplexes (Mathematics)

Resumo: As técnicas espectroscópicas em dispositivos de Ressonância Magnética Nuclear (RMN) de bancada de média resolução e Infravermelho Próximo (NIR) apresentam perspectivas animadoras, pois fornecem informações químicas a cerca da amostra de forma rápida, com custo relativamente baixo, visando principalmente as aplicações na indústria de petróleo e biocombustíveis No entanto, neste cenário as pesquisas ainda são bastante tímidas, o presente trabalho apresentará situações que envolvem a aplicação de ferramentas quimiométricas em dados gerados por métodos espectroscópicos de amostras de biodiesel e gasolina Para o biodiesel foram gerados modelos de regressão multivariada (PLS1) através de um conjunto de espectros de 1H RMN de baixo campo e NIR que possibilitou o monitoramento online da reação de transesterificação Os melhores modelos apresentaram valores de erro quadrático médio de predição (RMSEP) que variaram de ,14 a 1,53% para o NIR e ,16 a 1,41% para o 1H RMN de baixo campo Os dados espectroscópicos de RMN de alto campo permitiram o estudo qualitativo e quantitativo dos compostos presentes na reação, na qual a variação da taxa de conversão molar foi simulada pelo método de elementos finitos (FEM) Os resultados da simulação numérica exibiram bons ajustes com desvios entre os dados simulados e experimentais variando entre 3,5% a 16,9% Para os dados espectrais das amostras de gasolina foi explorada a implementação de técnicas de transferência de calibração de modelos de regressão PLS entre espectrômetros de diferentes intensidades de campo magnético por padronização direta (DS), padronização direta por partes (PDS) e padronização direta por partes em janela dupla (DWPDS) Foi demonstrado que todos os métodos apresentaram uma diminuição significativa nos valores dos erros de predição quando comparados aos modelos PLS sem a padronização O método DWPDS apresentou melhores resultados, necessitando de um número inferior a 7 amostras de transferência para obter espectros similares ao instrumento primário, e consequentemente apresentou menores valores de erros de predição quando comparados aos métodos DS e PDS Os algoritmos de otimização por enxame de partículas (PSO) e simplex super modificado acoplados a função de desejabilidade (D) se mostraram ferramentas de suma importância para determinação das melhores condições para cada caso, poupando tempo e trabalho visto a complexidade dos conjuntos amostrais