AI2ChemE – Análise e simulação de processos químicos a partir de algoritmos de aprendizado de máquina combinados com simulação macroscópica

Abstract

Este trabalho busca integrar a simulação macroscópica de processos químicos com métodos de aprendizado de máquina (machine learning) para a predição de variáveis de processo. Essa tecnologia já é utilizada em ferramentas como os soft sensores ou o controle preditivo, adventos da chamada Indústria 4.0, que vem beneficiando os Engenheiros Químicos desde a metade do século XX. Para isso, o software DWSIM foi utilizado no desenvolvimento da simulação macroscópica de um processo químico amplamente estudado, a destilação extrativa da mistura azeotrópica de etanol e água. Essa simulação foi então utilizada na geração de um banco de dados com valores de parâmetros de entrada e respectivas saídas do processo, buscando representar oscilações nas condições de operação de uma planta real. O conjunto de dados obtido teve como finalidade o treinamento, validação e testagem de diferentes métodos de machine learning, para comparação de suas capacidades de predição da fração molar de etanol no produto destilado através de um conjunto de valores de parâmetros de entrada. Algumas técnicas de regressão utilizadas apresentaram um bom desempenho nessa tarefa, dentre as quais se destacou o modelo Support Vector Machines, por apresentar um erro de testagem mais baixo, além de um bom equilíbrio entre viés e variância. Em razão da grande aplicabilidade dessa metodologia na indústria em seus moldes atuais, é possível utilizá-la para a predição de características do produto a partir de medições online para esse e outros processos químicos em escala industrial.