Desenvolvimento de um analisador virtual para uma indústria de borracha sintética

Abstract

Este trabalho visa o desenvolvimento de um analisador virtual para inferência da viscosidade Mooney durante o processo produtivo de borracha de butadieno e estireno (SBR), permitindo desta forma o uso de variáveis secundárias do processo coletadas a partir dos instrumentos existentes para determinação contínua desta variável que define a especificação ou não do produto. Primeiramente, foi realizada uma inspeção inicial nos dados para remoção de dados espúrios e, em seguida, foi empregada a Análise de Componentes Principais (PCA) para determinação da dimensionalidade do sistema, obtendo um valor aproximado do número de variáveis necessárias para compor o modelo de predição. Para a seleção das variáveis relacionadas com a viscosidade Mooney foi utilizado a regressão de Lasso, implementada em conjunto com o pacote Lars, que utiliza um critério de penalização para o coeficiente de regressão das variáveis de modo a manter diferente de zero somente as variáveis verdadeiramente relacionadas com a propriedade de interesse. Apesar de existirem técnicas mais sofisticadas para modelos de inferência, foi adotada a regressão linear multivariável (MLR) aplicada a uma tabela de dados estacionários onde as variáveis foram deslocadas de forma a compensar a dinâmica de planta. O deslocamento foi baseado no valor que levasse à máxima correlação com a variável de interesse. Para a estratégia de adaptação do modelo foi repetida a metodologia utilizada na obtenção do modelo para a viscosidade Mooney para obter um modelo simplificado de até 3 variáveis para inferência do erro ou resíduo gerado pelo modelo principal. Após somadas as predições dos modelos da viscosidade e dos resíduos, foi adotada uma estratégia de correção do bias de modo a somar o erro obtido entre as análises de laboratório e a predição do modelo neste mesmo instante. Depois de aplicado o algoritmo, em um conjunto de dados referentes a operação durante 5 meses da unidade de modo a calibrar os modelos e testar a qualidade das predições geradas, foi colocada em prova a capacidade preditiva do modelo sendo usado em um novo conjunto de dados de forma a simular a sua utilização na unidade industrial. Os resultados obtidos foram satisfatórios, de uma maneira geral, e, apresentaram um erro da ordem de 2,5% com relação ao valor médio de viscosidade Mooney do processo, apresentando-se o analisador virtual como uma útil ferramenta de controle do processo e fornece uma medida contínua da viscosidade Mooney do elastômero podendo ajudar na implementação de novas estratégias de operação, de modo a enviar de forma contínua o látex para a área de coagulação sem a necessidade de armazenamento em tanques de mistura, proporcionando economia devido ao menor consumo de vapor d’água no processo produtivo.

This work aims to develop a virtual analyzer for Mooney viscosity inference during the production process of butadiene and styrene rubber (SBR), thus allowing the use of secondary process variables collected from existing instruments for continuous determination of this variable that defines the specification, or not, of the product. First, an initial inspection of the data was performed to remove spurious data, and then Principal Component Analysis (PCA) was used to determine the dimensionality of the system, obtaining an approximate value of the number of variables needed to compose the model. prediction. For the selection of variables related to Mooney viscosity, Lasso regression was used, implemented together with the Lars package, which uses a penalty criterion for the regression coefficient of unrelated variables to keep only the true variables different from zero relating to the property of interest. Although there are more sophisticated techniques for inference models, multivariable linear regression (MLR) was adopted, applied to a stationary data table where the variables were shifted to compensate the plant dynamics. The displacement was based on the value that led to the maximum correlation with the variable of interest. For the model adaptation strategy, the procedure used to develop the model of the main variable was repeated to obtain a simplified model of up to 3 variables for inference of the error or residual generated by the main model. After adding the predictions of the viscosity and residuals models, a bias correction strategy was adopted to add the error obtained between the laboratory analyzes and the prediction of the model at this time. After applying the algorithm, in a dataset referring to the unit's operation for 5 months to calibrate the models and test the quality of the generated predictions, the predictive capacity of the model being used in a new dataset was tested to simulate its use in the industrial unit. The results were generally satisfactory, and despite showing an error of the order of 2.5% in relation to the average Mooney viscosity value of the process, the virtual analyzer presents itself as a useful tool for controlling the process and provides a continuous measure of the elastomer's Mooney viscosity, which can help in the implementation of new operating strategies, in order to continuously send the latex to the coagulation area without the need for storage in mixing tanks, providing savings due to lower consumption of water steam in the production process.