Aplicação de redes neuronais para simulação de um processo de produção de Etilbenzeno

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSantos, Lizandro de Sousa-
Autor(es): dc.contributorMonteiro, Alessandra da Rocha Duailibe-
Autor(es): dc.contributorSiqueira, Felipe Macedo Freitas-
Autor(es): dc.contributorSantos, Lizandro de Sousa-
Autor(es): dc.contributorMonteiro, Alessandra da Rocha Duailibe-
Autor(es): dc.contributorSiqueira, Felipe Macedo Freitas-
Autor(es): dc.creatorValadão, Karen da Silva-
Autor(es): dc.creatorXavier, Marina Vieira-
Data de aceite: dc.date.accessioned2024-07-11T17:42:33Z-
Data de disponibilização: dc.date.available2024-07-11T17:42:33Z-
Data de envio: dc.date.issued2022-02-21-
Data de envio: dc.date.issued2022-02-21-
Data de envio: dc.date.issued2022-02-14-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/24598-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/755854-
Descrição: dc.descriptionHá atualmente grande expectativa quanto à revolução que a indústria 4.0 traz para o campo industrial, mostrando-se um futuro cada vez mais promissor devido à elevada velocidade de transformação e desenvolvimento tecnológico. Nesse contexto, o setor da indústria química vem buscando o desenvolvimento e aprimoramento de tecnologias mais eficientes e ágeis que impulsionam a predição de processos mais complexos. A rede neural artificial (RNA) é uma das tecnologias na área de inteligência artificial (IA) mais utilizadas para simular processos químicos. A modelagem matemática envolvida nessa ferramenta baseia-se nas sinapses neuronais, buscando assemelhar-se ao pensamento humano, e assim sendo capaz de aprender com base em dados previamente obtidos. Este trabalho propôs simular um processo de produção de etilbenzeno a partir da utilização de uma RNA. A simulação deste processo foi realizada no software Aspen HYSYS™ e para o desenvolvimento da rede neural artificial foi utilizado o software Scilab®, implementando a toolbox “Neural Network Module” cujos métodos utilizados foram Levenberg-Marquardt e Gradient Descent. Para análise do desempenho da RNA foram utilizados gráficos e métricas selecionadas tais quais apresentaram resultados satisfatórios, sendo o método Levenberg-Marquardt superior nas etapas de treinamento. Para etapa de teste ambos os métodos apresentaram desempenho semelhante, de forma que a análise gráfica dos resultados demonstrou erros percentuais que não ultrapassaram 1%. Dessa forma, a partir do estudo, constata-se que o desenvolvimento de técnicas referentes à utilização das redes neuronais artificiais no contexto da indústria química são de grande relevância e se mantêm competitivas no cenário da indústria 4.0.-
Descrição: dc.descriptionThere is currently great expectation regarding the revolution that industry 4.0 brings to the industrial field, showing an increasingly promising future due to the high speed of transformation and technological development. In this context, the chemical industry sector seeking the development and improvement of more efficient and agile technologies that boost the prediction of more complex processes. The artificial neural network (ANN) is one of the technologies in the field of artificial intelligence (AI) most used for similar chemical processes. The mathematical modeling involved in this tool is based on neural synapses, seeking to resemble human thought, and thus being able to learn based on previously collected data. This work proposed to simulate an ethylbenzene production process using an RNA. The process simulation was performed in Aspen HYSYS ™ software and for the development of the artificial neural network was used in Scilab® software, implementing a “Neural Network Module” toolbox, combining the methods used were Levenberg-Marquardt and Gradient Descent. For the analysis of the performance of the ANN were used and measures such as the Levenbergs graphic results used, being the Marquard-method superior in the training of training of. For the similar test step of similar performance, the graphical analysis of the error results in percentages of both did not change percentages of 1%. Thus, from the study of techniques, it appears that the references to the use of artificial neural networks in the context of the industry are of great development and remain in the environment of industry 4.0.-
Descrição: dc.description91 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectAspen HYSYS™-
Palavras-chave: dc.subjectetilbenzeno-
Palavras-chave: dc.subjectinteligência artificial-
Palavras-chave: dc.subjectrede neural artificial-
Palavras-chave: dc.subjectScilab®-
Palavras-chave: dc.subjectsimulação-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectSimulação por computador-
Palavras-chave: dc.subjectEtilbenzeno-
Palavras-chave: dc.subjectEngenharia química-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectAspen HYSYS™-
Palavras-chave: dc.subjectethylbenzene-
Palavras-chave: dc.subjectartificial intelligence-
Palavras-chave: dc.subjectartificial neural network-
Palavras-chave: dc.subjectScilab®-
Palavras-chave: dc.subjectsimulation-
Título: dc.titleAplicação de redes neuronais para simulação de um processo de produção de Etilbenzeno-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.