Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/123456789/10237
Tipo: | Trabalho de Conclusão de Curso |
Título: | Sistemas Inteligentes Aplicados à Otimização de Parâmetros Cinéticos e Modelagem de Bioprocessos |
Título(s) alternativo(s): | Intelligent Systems Applied to Kinetic Parameters Optimization and Bioprocess Modeling |
Autor(es): | Belo, Marília Inês Oliveira |
Primeiro Orientador: | Carvalho, Frede de Oliveira |
metadata.dc.contributor.advisor-co1: | Silva, Carlos Eduardo de Farias |
metadata.dc.contributor.referee1: | Brandao, Rodolfo Junqueira |
metadata.dc.contributor.referee2: | Silva, Albanise Enide da |
Resumo: | O avanço tecnológico tem levado a indústria à quarta revolução – Indústria 4.0 –, caracterizada pela integração entre sistemas de produção, tecnologias da informação e comunicação. Do ponto de vista operacional, o uso dessas tecnologias visa a redução de custos com matéria-prima, mão-de-obra e tempo de produção, gerando maior produtividade. Dentre as técnicas utilizadas estão a Inteligência Artificial e métodos meta-heurísticos de otimização, para a análise e simulação de modelos virtuais capazes de representar os processos reais. Na Engenharia Química, é comum o uso de métodos computacionais para a resolução e melhoria de problemas complexos através de técnicas clássicas de modelagem, simulação e otimização de processos. No entanto, há dificuldades com essa abordagem, que depende do conhecimento dos fenômenos químicos e físicos, de representação matemática complexa; e da distinção entre ótimos locais e globais na otimização. No que diz respeito aos bioprocessos, deve-se ainda levar em consideração os fenômenos biológicos, já que os organismos envolvidos são sensíveis a diversas influências, muitas vezes de difícil determinação. Nesse cenário, este trabalho realizou a construção de estratégias para determinação de parâmetros cinéticos, modelagem e simulação empíricas de processos de fermentação alcoólica, a partir de dados experimentais reais, através de métodos de otimização meta-heurísticos e máquinas de aprendizagem. A obtenção de parâmetros cinéticos foi realizada através de Otimização por Enxame de Partículas (PSO) e Algoritmo Genético (GA), enquanto Redes Neurais Artificiais (RNA) e Máquinas de Vetores de Suporte (SVM) foram usadas na modelagem e simulação empíricas do processo, implementados na linguagem de programação Python, sendo as estratégias construídas, avaliadas e validadas. Os resultados obtidos mostraram a eficiência no emprego dessas ferramentas à Engenharia Química, em especial à área de bioprocessos, onde o uso do Algoritmo Genético na estimativa de parâmetros cinéticos mostrou resultados coerentes com a literatura, enquanto as Redes Neurais Artificiais e Máquinas de Vetores de Suporte, aplicadas à modelagem empírica do processo de fermentação, demonstraram capacidade preditiva elevada das principais variáveis de processo. |
Abstract: | Technological advancement is taking the industry to the fourth revolution – Industry 4.0 –, characterized by the integration between production system and information and communications technology. From an operational point of view, the use of these technologies aims to reduce costs with raw materials, labor and production time, resulting in a higher productivity. Among the techniques used are Artificial Intelligence and metaheuristic optimization methods, for the analysis and simulation of virtual models capable of representing real processes. In Chemical Engineering, it is common to use computational methods to solve and improve complex problems through classical techniques of modeling, simulation and optimization of processes. Although, there are difficulties with this approach, which depends on knowledge of chemical and physical phenomena, complex mathematical representation; and the distinction between local and global optima in optimization. Regarding bioprocesses, biological phenomena must be considered, since the organisms involved are sensitive to several influences, often difficult to determine. In this scenario, this academic work made a construction of strategies for determining kinetic parameters, empirical modeling and simulation of alcoholic fermentation processes, from real experimental data, through metaheuristic optimization methods and machine learning. The kinetic parameters were obtained through Particle Swarm Optimization (PSO) and Genetic Algorithm (GA), while Artificial Neural Networks (ANNs) and Support Vector Machines (SVMs) were used in the empirical modeling and simulation of the process, implemented in the Python programming language, with the strategies being built, evaluated and validated. The results showed the efficiency in the use of these tools in Chemical Engineering, especially in the Bioprocesses, where the use of the Genetic Algorithm in the estimation of kinetic parameters showed results consistent with the academic literature, while Artificial Neural Networks and Support Vector Machines, applied to the empirical modeling of the fermentation process, demonstrated high predictive capacity of the main process variables. |
Palavras-chave: | Otimização meta-heurística Máquinas de Aprendizagem Bioprocessos Indústria 4.0 Metaheuristic optimization Machine learning Bioprocess Industry 4.0 |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Alagoas |
Sigla da Instituição: | UFAL |
metadata.dc.publisher.department: | Curso de Engenharia Química |
Citação: | BELO, Marília Inês Oliveira. Sistemas inteligentes aplicados à otimização de parâmetros cinéticos e modelagem de bioprocessos. 2023. 105 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Centro de Tecnologia, Curso de Engenharia Química, Universidade Federal de Alagoas, Maceió, 2021. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/jspui/handle/123456789/10237 |
Data do documento: | 1-out-2021 |
Aparece nas coleções: | Trabalhos de Conclusão de Curso (TCC) - Bacharelado - ENGENHARIA QUÍMICA - CTEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Sistemas inteligentes aplicados à otimização de parâmetros cinéticos e modelagem de bioprocessos.pdf | 3.65 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.