Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
Autor(es): dc.contributor | Stevan Junior, Sergio Luiz | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-4783-5350 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1661935150054196 | - |
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1278-4602 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6904980376005290 | - |
Autor(es): dc.contributor | Trojan, Flavio | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2274-5321 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1688457940211697 | - |
Autor(es): dc.contributor | Macedo, Mariana Gomes da Motta | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-7071-379X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6921657995121058 | - |
Autor(es): dc.creator | Matheus, Rodrigo Cesar Muniz | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:28:52Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:28:52Z | - |
Data de envio: dc.date.issued | 2024-12-11 | - |
Data de envio: dc.date.issued | 2024-12-11 | - |
Data de envio: dc.date.issued | 2024-08-29 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35614 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1114038 | - |
Descrição: dc.description | To remain competitive, the process industries need to produce with high quality levels and at the same time optimize energy and raw material consumption. To achieve these objectives, real-time monitoring and control of as many parameters as possible is necessary, including process variables and product quality indicators. Although instruments for real-time measurement of most variables already exist in pulp refining, some are still obtained through laboratory tests. This is due to technical limitations and acquisition costs of physical sensors, such as measuring pulp consistency in the highconsistency refining process and measuring drainage capacity (freeness). Considering that these two variables depend on others, for which there are already existing measurement systems and data collections, the development of soft sensors for their estimation is a good alternative to overcome the limitations of current techniques. In this work, three types of artificial neural networks, functioning as soft sensors, are used in a comparative manner to estimate consistency and freeness: the Multilayer Perceptron (MLP), the neural network with Radial Basis Function (RBF) and the Extreme Learning Machines (ELM). For performance comparison purposes, the variables were also estimated using multiple linear regression by the ordinary least squares (OLS) and partial least squares (PLS) methods. Most of the performances obtained were promising, highlighting the ELM network that presented the best estimation results for consistency and freeness with a mean absolute percentage error of 2.44% and 3.44% respectively. | - |
Descrição: dc.description | Para se manterem competitivas as indústrias de processos necessitam produzir com altos índices de qualidade e ao mesmo tempo precisam otimizar o consumo de energia e matéria-prima. Para alcançar estes objetivos são necessários a monitoração e controle em tempo real do maior número de parâmetros possível, o que inclui variáveis de processo e indicadores de qualidade do produto. Embora no refino de celulose já existam instrumentos para a medição em tempo real da maioria das variáveis, algumas ainda são obtidas através de testes de laboratório. Isto se deve às limitações técnicas e custos de aquisição de sensores físicos, como é o caso da medição da consistência da polpa no processo de refino em alta consistência, e da medição da capacidade de drenagem (freeness). Levando em consideração que estas duas variáveis dependem de outras, as quais já existem sistemas de medição e acervo de dados, a elaboração de sensores virtuais para a sua estimação é uma boa alternativa para superar as limitações das técnicas atuais. Neste trabalho três tipos de redes neurais artificiais, funcionando como sensores virtuais, são utilizados de modo comparativo para estimar a consistência e o freeness: o Perceptron de Múltiplas Camadas (MLP), a rede neural com Função de Base Radial (RBF) e as Máquinas de Aprendizado Extremo (ELM). Para fins de comparação de desempenho as variáveis também foram estimadas utilizando regressão linear múltipla pelos métodos dos mínimos quadrados ordinários (OLS) e mínimos quadrados parciais (PLS). A maioria dos desempenhos obtidos foram promissores destacando a rede ELM que apresentou os melhores resultados de estimação para a consistência e para o freeness com um erro percentual absoluto médio de 2,44% e 3,44% respectivamente. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Industria de celulose | - |
Palavras-chave: dc.subject | Detectores | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Cellulose industry | - |
Palavras-chave: dc.subject | Detectors | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Sensores virtuais utilizando redes neurais artificiais para estimação da consistência e do freeness de celulose | - |
Título: dc.title | Soft sensors using artificial neural networks to estimate pulp consistency and freeness | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: