Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: https://tede.unioeste.br/handle/tede/5387
Full metadata record
DC FieldValueLanguage
dc.creatorPotrich, Luciana Bennemann-
dc.creator.Latteshttp://lattes.cnpq.br/3007540859701511por
dc.contributor.advisor1Palú, Fernando-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5272104493905559por
dc.contributor.referee1Palú, Fernando-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5272104493905559por
dc.contributor.referee2Borba, Carlos Eduardo-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0750048720229101por
dc.contributor.referee3Silva, Edson Antonio da-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/9304493875700070por
dc.contributor.referee4Vieira, Osvaldo-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/5208165956279063por
dc.date.accessioned2021-05-20T17:47:43Z-
dc.date.issued2014-02-25-
dc.identifier.citationPOTRICH, Luciana Bennemann. Modelagem da queima do carbono na caldeira de recuperação 2 da Klabin Monte Alegre por rede neural artificial. 2014. 52 f. Dissertação (Mestrado em Engenharia Química) - Universidade Estadual do Oeste do Paraná, Toledo, 2014.por
dc.identifier.urihttp://tede.unioeste.br/handle/tede/5387-
dc.description.resumoO setor de papel e celulose no Brasil vem crescendo substancialmente, e tem alcançado posição de destaque na economia mundial. Embora o país ganhe importância nesse setor, também enfrenta desafios na otimização de processos e consequente redução dos impactos ambientais. A busca por soluções de problemas e melhorias é um desafio constante. Para isso, uma ferramenta muito utilizada é a modelagem matemática computacional do processo. A modelagem por redes neurais artificiais vem sendo objeto de crescentes pesquisas e servindo como valiosa ferramenta para diversas aplicações, incluindo estudos de processos produtivos como celulose e papel. O presente trabalho tem por objetivo criar um modelo matemático por redes neurais artificiais capaz de descrever o processo de queima de licor negro, um sub produto da produção de celulose, para geração de energia e recuperação de produtos químicos. A construção das redes foi feita utilizando ferramenta Property Predictor da Pavilion Technology. A escolha das variáveis de entrada foi baseada no conhecimento da operação, por meio de um questionário de opinião. A criação do modelo em redes neurais artificiais passou pelas etapas de pré processamento de dados, treinamento, análise de sensibilidade e validação. A rede foi formulada com 21 entradas e os neurônios na camada oculta foram calculados automaticamente pelo software. O treinamento utilizado foi o backpropagation. O modelo proposto não apresentou um resultado significativo. A pequena quantidade de dados e a qualidade dos mesmos fizeram com que houvesse uma memorização excessiva da rede, na qual a rede só é capaz de representar bem o conjunto de dados utilizados no treinamento, não generalizando. Para que o modelo apresente um resultado significativo um maior período de coleta de dados é necessário. Com o aperfeiçoamento do modelo, é possível aplicar a técnica de sensor virtual, gerando informação mais rápida à área operacional, contribuindo nas decisões na mudança de parâmetros de processo.por
dc.description.abstractThe brazilian paper and wood pulp sector have been growing in a substantial way, reaching a prominent position in the global economy. Tough our country is a spotlight in this sector, it also faces challenges on the process optimization and the reduction of environmental damage. The quest for problem solutions and improvement is a continuous challenge. For doing that, process simulation is a widely used tool. The simulation using artificial neural networks have been object of growing researches and becoming a useful tool for several applications, including Paper and pulp processes. The purpose of this paper is to create a mathematical model through an artificial neural network able to describe the black liquor burning process, a pulp process subproduct, used for energy production and chemical recovery. The neural network building was made by using the Property Predictor software by Pavilion Techology. The entrance variables selection was based on the operation knowledge, by an opinion questionnaire. The model created by neural network used pre-processing data, training, sensitivity analysis and validation. The artificial neural network was formulated with 21 inputs and the neurons in the hidden layer were calculated automatically by the software. The training was used backpropagation.The proposed model didn’t present a meaningful result. The small data quantity, and poor data quality have resulted on the overfitting of the net, which only allows to represent the training data, resulting in a poor predictive performance. For better results, more data is required. With the model improvement it is possible to use the virtual sensor technique, which will allow quick information to the operational area, contributing on process parameters changing decisions.eng
dc.description.provenanceSubmitted by Marilene Donadel (marilene.donadel@unioeste.br) on 2021-05-20T17:47:42Z No. of bitstreams: 1 Luciana_Potrich_2014.pdf: 1190507 bytes, checksum: a3677254942cc22449d77e76238ff2e6 (MD5)eng
dc.description.provenanceMade available in DSpace on 2021-05-20T17:47:43Z (GMT). No. of bitstreams: 1 Luciana_Potrich_2014.pdf: 1190507 bytes, checksum: a3677254942cc22449d77e76238ff2e6 (MD5) Previous issue date: 2014-02-25eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.description.sponsorshipKlabinpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Estadual do Oeste do Paranápor
dc.publisher.departmentCentro de Engenharias e Ciências Exataspor
dc.publisher.countryBrasilpor
dc.publisher.initialsUNIOESTEpor
dc.publisher.programPrograma de Mestrado em Engenharia Químicapor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectRecuperaçãopor
dc.subjectRedes neuraispor
dc.subjectModelagempor
dc.subjectRecoveryeng
dc.subjectNeural networkeng
dc.subjectModelingeng
dc.subject.cnpqENGENHARIA QUIMICA::PROCESSOS INDUSTRIAIS DE ENGENHARIA QUIMICApor
dc.titleModelagem da queima do carbono na caldeira de recuperação 2 da Klabin Monte Alegre por rede neural artificialpor
dc.title.alternativeModeling of carbon burning on Klabin Monte Alegre's recovery boiler by artificial neural networkeng
dc.typeDissertaçãopor
dc.publisher.campusToledopor
Appears in Collections:Mestrado em Engenharia Química (TOL)

Files in This Item:
File Description SizeFormat 
Luciana_Potrich_2014.pdf1.16 MBAdobe PDFView/Open Preview


Items in TEDE are protected by copyright, with all rights reserved, unless otherwise indicated.