Prof. Antonio Carlos Brandão de Araújo
- Simulação e otimização de plantas de produção de biodiesel
Este projeto consiste na simulação de uma planta de biodiesel em Aspen Plus com posterior otimização para maximização de lucro ou outra função objetivo qualquer usando técnicas simples como o uso de métodos de amostragem como o Latin Hypercube Sampling e interpolação Kriging. A planta otimizada será então sujeita à análise plantwide para determinação da melhor estrutura de controle. Este projeto é de interesse da Petrobras.
- Controle baseado em modelo de uma planta de tratamento de efluentes
Este projeto consiste no uso de modelos estacionários kriging para otimização on-line (RTO) de uma planta de tratamento de efluentes. O modelo kriging também será usado para geração de estruturas de controle plantwide, com posterior comparação de desempenho com a arquitetura RTO.
- Modelagem rigorosa de reatores de polimerização de PVC
Este projeto consiste no desenvolvimento de um modelo rigoroso do reator de polimerização do PVC com ênfase no sistema de troca térmica. O modelo assim obtido será comparado com dados reais de operação e com modelos consagrados como o reator de PVC no Aspen Dynamics. A idéia é obter um modelo independente de plataformas comerciais que pode ser distribuído livremente na comunidade industrial. Este projeto é de interesse da Braskem.
- Modelagem e controle de sistemas de neutralização com comparação com dados experimentais
Este projeto consiste na modelagem rigorosa de sistemas de neutralização ácido-base (fortes ou fracos) e desenvolvimento de uma configuração de controle efetiva para rejeitar distúrbios importantes. O modelo obtido será comparado com dados obtidos de experimentos, assim como a eficácia do controle será avaliada com o setup experimental. Este projeto é de interesse da Braskem.
- Modelagem, otimização e controle de processos com ênfase na maximização de desempenho
Este projeto de cunho global consiste na modelagem de processos a escolha do aluno em software comercial (Aspen, PRO/II, DynSim, Matlab, Excel, etc) com posterior otimização para maximização de lucro ou outra função objetivo qualquer usando técnicas rigorosas de otimização ou, o que é melhor, técnicas simples como o uso de métodos de amostragem como o Latin Hypercube Sampling e interpolação Kriging. Após o modelo ser otimizado para vários pontos de operação, a estrutura de controle pode ser desenvolvida usando técnicas bastante simples e já desenvolvidas de plantwide control. Existem modelos já em andamento que precisam de pequenos ajustes na modelagem. São estes: planta de biodiesel, planta de tratamento de efluentes domésticos e industriais, reator de produção de PVC, planta de amônia, planta de produção de hidrogênio em refinaria, reatores de hidrotratamento de diesel de petróleo, planta de produção de styrene, sistemas de neutralização de efluentes ácidos e básicos, ou qualquer outra planta que o aluno se sinta confortável em trabalhar.
- Modelagem e simulação aplicadas ao HAZOP
Este projeto visa o desenvolvimento de modelos dinâmicos rigorosos de processos industriais em plataforma Aspen ou DynSim para servirem de base para estudos de HAZOP (Hazard and operability study). A modelgem é avançada no sentido de incorporar dispositivos não usuais nas modelagens convencionais como escoamento reverso, uso de disco de ruptura, PSV, scripts para geração de cenários, partida e parada de unidades industriais, etc. Este projeto é de interesse da Petrobras.
- Modelagem rigorosa de secadores industriais
Este projeto consiste no desenvolvimento de um modelo rigoroso de secadores contínuos. O modelo assim obtido será comparado com dados reais de operação e com modelos consagrados.A ideia é obter um modelo independente de plataformas comerciais que pode ser distribuído livremente na comunidade industrial. Este projeto é de interesse da Braskem.
- Uso de técnicas de machine learning na modelagem de processos industriais
Neste trabalho, uma metodologia para modelagem de processos baseada em metamodelos é proposta. Para construir tal metodologia, serão empregadas técnicas de Machine Learning. O objetivo de um metamodelo é fornecer, para conjuntos de dados de entrada específicos, uma resposta próxima o suficiente daquela que seria oferecida ao se avaliar o modelo que se está tentando representar. O desempenho da modelagem baseada em técnicas de Machine Learning é comparado com resultados obtidos com modelos matemáticos rigorosos pertencentes a simuladores comerciais como Hysys e Aspen Plus. O primeiro passo para a construção de modelos substitutos baseado no ajuste de dados é a geração de uma amostra de pontos. A seleção da amostra é uma etapa muito importante uma vez que para casos onde a avaliação da função requer um alto custo computacional deve-se procurar um plano de amostragem eficaz, o que significa o número mínimo de pontos que garantirão um modelo substituto com boa precisão. Neste trabalho a amostra será gerada utilizando Hipercubo Latino (Latin Hypercube Sampling – LHS) e outras técnicas através do software Matlab. Uma análise de sensibilidade será realizada na simulação de um processo industrial a fim de detectar as variáveis mais importantes do ponto de vista econômico e mais sensíveis ao controle que foram consideradas no estudo do sistema. Posteriormente, metamodelos serão gerados utilizando-se a toolbox Statistics and Machine Learning do Matlab. Finalmente, uma análise estatística será efetuada para determinar os metamodelos que melhor representam o processo real.