Aplicação de técnicas de inteligência artificial para controle de um coluna de destilação: uma abordagem com aspen dinâmico e python

Abstract

O processo de separação de hidrocarbonetos desempenha um papel crucial na indústria petroquímica, dada sua ampla aplicação em diversos contextos industriais. A escolha apropriada do solvente empregado na separação é de suma importância para assegurar elevados níveis de pureza nos produtos desejados, destacando-se o sulfolano devido às suas propriedades físico-químicas favoráveis. A técnica de extração por solvente oferece vantagens operacionais e ambientais significativas, enquanto a destilação emerge como uma alternativa eficaz para a recuperação dos solventes utilizados. Todavia, o controle preciso das variáveis operacionais é essencial para garantir a eficácia do processo, representando um desafio considerável na indústria. Outrossim, a integração de técnicas de controle de processos com inteligência artificial revela-se promissora para otimizar a pureza dos produtos em sistemas de recuperação de solvente. Sendo assim, neste estudo, foi simulada, analisada, otimizada e controlada uma coluna recuperadora de solvente empregada no processo de separação de hidrocarbonetos. Ademais, métodos de inteligência artificial foram empregados para prever a pureza do produto de topo da coluna recuperadora de solvente. Como resultado deste trabalho, observou-se uma otimização no número de estágios empregados no processo de separação, uma significativa redução no consumo de vapor de água, bem como um controle eficiente da vazão de alimentação e da temperatura no refervedor por meio de métodos convencionais. Adicionalmente, constatou-se uma capacidade significativa dos modelos de floresta aleatória e regressão logística em prever as frações molares de benzeno e tolueno no produto de topo da coluna, utilizando variáveis facilmente mensuráveis no processo.