Estimação de parâmetros, inferência e controle de propriedades de qualidade de um processo de copolimerização de eteno

Abstract

A estimação de parâmetros de modelos de polimerização nem sempre é uma tarefa trivial. Normalmente tais modelos configuram-se com dezenas de parâmetros, com alguns deles correlacionados entre si. O excessivo número de parâmetros e as possíveis correlações dificultam a resolução do problema de otimização associado à estimação. Além disto, a falta de informações sobre alguns sistemas e a obtenção de dados industriais tornam esta tarefa ainda mais complexa. A primeira parte deste trabalho tem por objetivo apresentar a estimação dos parâmetros de um modelo para a copolimerização de eteno em solução com comonômero e catalisadores para a produção de polietileno linear de baixa densidade (PELBD). O problema da estimação destes parâmetros foi solucionado através da análise de estimabilidade do sistema. De um número inicial de 69 parâmetros a análise possibilitou uma redução para 28 parâmetros a serem estimados. Por fim, o modelo foi validade a partir de dados obtidos do histórico operacional da planta. A estimação dos parâmetros e a validação de tal modelo possibilitou o estudo da inferência e do controle da qualidade do processo. Em relação à inferência foi proposto o desenvolvimento de modelos empíricos baseados nas redes neurais artificiais para realizarem a predição online do índice de fluidez e da densidade da resina produzida. O modelo empírico foi desenvolvido a partir de dados gerados pelo modeloV fenomenológico. Os resultados demonstram que o modelo é capaz de representar com eficiência o comportamento dinâmico das variáveis preditas. Por fim, o problema de controle de qualidade da resina polimérica foi abordado. Três propostas de controle foram desenvolvidas e comparadas entre si, o controle preditivo baseado em modelos (MPC), o controle preditivo de horizonte de predição infinito (IHMPC) e o controle preditivo robusto baseado em modelos (RIHMPC). Os resultados demonstraram que o RIHMPC consegue controlar o processo de forma mais eficiente do que os demais controladores analisados.