Análise de emissões em caldeiras de recuperação química de fábricas de celulose Kraft: predição e análise de sensibilidade com redes neurais artificiais

• Autor(a) principal: Ana Brandão Belisário
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/37187; https://orcid.org/0000-0002-2647-949X
• topic: Fábrica de celulose Kraft; Caldeira de recuperação química; Emissões; Predição; Análise de sensibilidade; Rede neural artificial; Bancos de dados industriais; Engenharia química; Predição (Lógica); Análise de sensibilidade; Redes neurais (Computação); Banco de dados

Mundialmente, há um movimento de maior conscientização socioambiental, pautado em interesses da sociedade em geral, de instituições e governos. Disso resulta uma pressão maior sobre setores industriais para o desenvolvimento de processos mais limpos e sustentáveis. Uma das preocupações está relacionada com as emissões de gases, dentre eles, os óxidos de carbono (CO e CO2), de nitrogênio (NOx) e de enxofre (SOx), além das emissões mercaptanas e de material particulado em suspensão, especialmente quando as indústrias se localizam nas proximidades de cidades. Nesse cenário, o monitoramento e controle de emissões ganha importância, e metodologias alternativas a métodos tradicionais, em geral custosos, têm sido desenvolvidas. Dentre as soluções em monitoramento de processos, destacam-se os sensores virtuais, baseados diretamente em dados históricos sobre as operações. Nesse contexto, o objetivo do presente trabalho foi construir sensores virtuais para emissões de gases e material particulado em fábricas de celulose, e então analisar quais variáveis de processo apresentam maior influência sobre tais emissões. O primeiro estudo de caso diz respeito à caldeira de recuperação química de uma indústria de celulose no Brasil, com o foco na construção de um sensor virtual para estimativa das emissões de óxido de enxofre (SO2). O segundo estudo de caso se refere à caldeira de recuperação química de uma indústria de celulose na Finlândia, com o foco nas emissões de material particulado. Para ambas as aplicações, os sensores virtuais se baseiam em redes neurais artificiais com arquitetura MLP (Multi-Layer Perceptrons), a mais usual em aplicações para Engenharia Química em geral. De modo a verificar o seu desempenho, compararam-se os resultados com o modelo de regressão linear múltipla (MLR). Após a variação de um conjunto de parâmetros, como por exemplo, tipo de função de ativação e número de neurônios ocultos, a rede neural que melhor se ajustou aos dados alcançou coeficiente de correlação linear (r) significativamente superior àquele da regressão linear múltiplas, para ambos os estudos de caso, r_mlr = 0:764 e r_mlp = 0:939, para a caldeira do Brasil, e r_mlr = 0:6974 and r_mlp = 0:86, para a caldeira da Finlândia. Ao final, as variáveis de processo que mais influenciam os resultados dos sensores virtuais, para cada um dos casos, foram identificadas por meio de um estudo de análise de sensibilidade. Para o primeiro estudo de caso, as variáveis mais influentes foram vazão do ar terciário, vazão do ar primário, vazão do licor preto e temperatura do ar primário. Para o segundo estudo de caso, as variáveis mais influentes foram vazão do ar secundário, vazão do licor preto e seu teor de sólidos, vazão de gases não condensáveis diluídos e vazão de óleo combustível.