Análise exploratória de dados do processo de reforma seca do metano

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMattos, Lisiane Veiga-
Autor(es): dc.contributorAraujo, João Felipe Mitre de-
Autor(es): dc.contributorSilva, Andressa Andrade Alves da-
Autor(es): dc.contributorSilva, Hector Napoleão Cozendey da-
Autor(es): dc.creatorBenites, Yago Miranda-
Data de aceite: dc.date.accessioned2024-07-11T18:26:53Z-
Data de disponibilização: dc.date.available2024-07-11T18:26:53Z-
Data de envio: dc.date.issued2023-01-16-
Data de envio: dc.date.issued2023-01-16-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/27581-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/770768-
Descrição: dc.descriptionMundialmente, as discussões ambientais estão se destacando, e nesse cenário, o interesse no desenvolvimento de combustíveis renováveis, como o biogás, se torna evidente. O biogás é constituído majoritariamente por gás metano (CH4) e carbônico (CO2) e é obtido por meio da decomposição anaeróbica de matéria orgânica. Essa mistura gasosa pode ser utilizada para a produção de gás de síntese, através da reforma seca do metano, usando um catalisador heterogêneo. O gás de síntese pode ser usado para a obtenção de diversos produtos, como correntes ricas em hidrogênio, combustíveis sintéticos (nafta e diesel) e produtos oxigenados (metanol e dimetil-éter). Entretanto, as severas condições de operação da reforma seca do metano provocam a desativação dos catalisadores. Assim, diversos estudos vêm sendo feitos para a obtenção de catalisadores mais ativos e mais estáveis para esse processo. Porém, o projeto de catalisadores heterogêneos envolve a realização de muitos experimentos caros e demorados. Por outro lado, o desenvolvimento de algoritmos de inteligência artificial vem permitindo que seja possível obter informações de forma rápida com um banco de dados suficientemente grande. Dessa forma, como muitos trabalhos foram desenvolvidos nessa área, é possível construir um banco de dados, contendo informações sobre a reforma seca do metano, para a aplicação no desenvolvimento de modelos de inteligência artificial, visando a determinação da composição ótima do catalisador e das condições adequadas de operação. Portanto, o objetivo deste trabalho foi obter um banco de dados com variáveis relevantes da reforma seca do metano. Para isso, foi realizada a coleta de dados em 188 trabalhos da literatura e uma análise exploratória das 2146 linhas de dados, com o propósito de uma melhor compreensão dos mesmos, através da identificação de correlações entre as variáveis e da geração de estatísticas descritivas. Além disso, foi usado o modelo preditivo de Navies Bayes para predizer composições de catalisador e condições de operação, nas quais há uma maior probabilidade de obtenção de determinadas faixas de conversão de metano. Como por exemplo para obter as conversões mais elevadas, a previsão indica o níquel como fase ativa, a alumina como suporte, o não uso de dopantes e promotores, além de indicar as condições reacionais. Assim, os bancos de dados se demonstraram interessantes, ainda que as técnicas de machine learning necessitem ser melhor apuradas para se obter resultados mais adequados e precisos, uma vez que a acurácia resultou em 19% para acertos exatos, que configura-se um valor baixo, sendo aumentado ao considerar diferentes critérios de acertos como valores com mesmo limites chegando à 48%.-
Descrição: dc.descriptionGlobally, environmental discussions are in the spotlight, and in this scenario, the interest in the development of renewable fuels, such as biogas, becomes evident. Biogas consists mainly of methane (CH4) and carbon dioxide (CO2) and is obtained through the anaerobic decomposition of organic matter. This gaseous mixture can be used for the production of synthesis gas, through the dry reforming of methane, using a heterogeneous catalyst. Synthesis gas can be used to obtain various products, such as hydrogen-rich streams, synthetic fuels (naphtha and diesel) and oxygenated products (methanol and dimethyl ether). However, the severe operating conditions of dry methane reforming cause the catalysts to deactivate. Thus, several studies have been carried out to obtain more active and more stable catalysts for this process. However, the design of heterogeneous catalysts involves carrying out many expensive and time-consuming experiments. On the other hand, the development of artificial intelligence algorithms has allowed it to be possible to obtain information quickly with a sufficiently large database. In this way, as many works have been developed in this area, it is possible to build a database, containing information on dry methane reforming, for application in the development of artificial intelligence models, aiming at determining the optimal composition of the catalyst and the conditions proper operation. Therefore, the objective of this work was to obtain a database with relevant variables of methane dry reforming. For this, data were collected from 188 works in the literature and an exploratory analysis of 2146 lines of data was carried out, with the purpose of a better understanding of them, through the identification of correlations between variables and the generation of descriptive statistics. In addition, the Navies Bayes predictive model was used to predict catalyst compositions and operating conditions, in which there is a greater probability of obtaining certain methane conversion ranges. For example, to obtain the highest conversions, the forecast indicates nickel as the active phase, alumina as a support, the non-use of dopants and promoters, in addition to indicating the reaction conditions. Thus, the databases proved to be interesting, even though machine learning techniques need to be better refined to obtain more adequate and precise results, since the accuracy resulted in 19% for exact hits, which is a low value , being increased when considering different hit criteria as values with the same limits reaching 48%.-
Descrição: dc.description88 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectReforma seca-
Palavras-chave: dc.subjectHidrogênio-
Palavras-chave: dc.subjectAnálise exploratória-
Palavras-chave: dc.subjectMetano-
Palavras-chave: dc.subjectCatalisador-
Palavras-chave: dc.subjectBase de dados-
Palavras-chave: dc.subjectDry reform-
Palavras-chave: dc.subjectHydrogen-
Palavras-chave: dc.subjectExploratory analysis-
Título: dc.titleAnálise exploratória de dados do processo de reforma seca do metano-
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.