Estrategia de Control Basada en Modelo para la Producción de Caucho Acrilonitrilo-Butadieno (NBR) de Alto Contenido en Acrilonitrilo con Composición Uniforme
DOI:
https://doi.org/10.70567/mc.v41i16.87Palabras clave:
Sensor inferencial, procesos batch, redes neuronales recurrentes, caucho NBRResumen
El caucho Acrilonitrilo-Butadieno de alto contenido de A (NBR por sus siglas en inglés: nitrile-butadiene rubber) se obtiene generalmente por copolimerización en emulsión de acrilonitrilo (A) y butadieno (B). La producción se realiza operando por encima del “punto azeotrópico”, donde el proceso puede inestabilizarse, dificultando la uniformidad del producto. La limitación para medir en línea la composición del copolímero restringe estrategias de lazo cerrado para estabilizar el proceso. En este trabajo se propone una estrategia de control en lazo cerrado que ajusta la composición del copolímero operando por encima del punto azeotrópico. A partir de un modelo de primeros principios, se implementa un sensor inferencial basado en redes neuronales recurrentes para estimar en línea la composición y cerrar el lazo de control mediante la dosificación de B durante el proceso. Los resultados indican un desempeño aceptable de la metodología de control propuesta, asegurando condiciones estables y una composición uniforme, incluso con errores significativos de modelado.
Citas
Clementi, L. A., Suvire, R. B., Rossomando, F.G., and Vega, J.R., A Closed-Loop Control Strategy for Producing Nitrile Rubber of Uniform Chemical Composition in a Semibatch Reactor: A Simulation Study. Macro-molecular Reaction Engineering, 12:1700054, 2018. https://doi.org/10.1002/mren.201700054
Grimm, D. C. (1998). Method for the Production of Nitrile rubber. U.S. Patent: No. 5708132.
Ji, C., Ma, F., Wang, J., and Sun W., Profitability related industrial-scale batch processes monitoring via deep learning based soft sensor development. Computers & Chemical Engineering, 170:108125, 2023. https://doi.org/10.1016/j.compchemeng.2022.108125
Lei, Y., Karimi, H. R., and Chen, X., A novel self-supervised deep LSTM network for industrial temperature prediction in aluminum processes application. Neurocomputing, 502:177-185, 2022. https://doi.org/10.1016/j.neucom.2022.06.080
Lightsey, J. W. (1998). Continuous Polymerization Process for Producing NBR Rubber having a High Bound Content of Acrylontrile. U.S. Patent: No. 5770660.
Mowbray, M., Kay, H., Kay, S., Castro Caetano, P., Hicks, A., Mendoza, C., Lane, A., Martin, P., and Zhang, D., Probabilistic machine learning based soft-sensors for product quality prediction in batch processes. Chemometrics and Intelligent Laboratory Systems, 228:104616, 2022. https://doi.org/10.1016/j.chemolab.2022.104616
Qiu, K., Wang, J., Zhou, X., Wang, R., and Guo, Y., Soft sensor based on localized semisupervised relevance vector machine for penicillin fermentation process with asymmetric data. Measurement, 202:111823, 2022. https://doi.org/10.1016/j.measurement.2022.111823
Qiu, K., Wang, J., Wang, R., Guo, Y., and Zhao, L., Soft sensor development based on kernel dynamic time warping and a relevant vector machine for unequal-length batch processes. Expert Systems with Applications, 182:115223, 2021. https://doi.org/10.1016/j.eswa.2021.115223
Ren, J., Ni, D., A batch-wise LSTM-encoder decoder network for batch process monitoring. Chemical Engineering Research and Design, 164:102-112, 2020. https://doi.org/10.1016/j.cherd.2020.09.019
Shokry, A., Vicente, P., Escudero, G., Pérez-Moya, M., Graells, M., and Espuña, A., Datadriven soft-sensors for online monitoring of batch processes with different initial conditions. Computers & Chemical Engineering, 118:159-179, 2018. https://doi.org/10.1016/j.compchemeng.2018.07.014
Vega, J.R., Gugliotta, L., Bielsa, R., Brandolini, M., and Meira, G., Emulsion copolymerization of acrylonitrile and butadiene. Mathematical model of an industrial reactor. Ind. Eng. Chem. Res, 36:1238-1246, 1998. https://doi.org/10.1021/ie9605342
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Asociación Argentina de Mecánica Computacional
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta publicación es de acceso abierto diamante, sin ningún tipo de costo para los autores ni los lectores.
Solo se publicarán aquellos trabajos que han sido aceptados para su publicación y han sido presentados en el congreso de AMCA.
