Realizado no Rio de Janeiro/RJ, de 14 a 18 de Outubro de 2013.
ISBN: 978-85-85905-06-4
ÁREA: Físico-Química
TÍTULO: Modelo Neuro-Fuzzy Adaptativo Aplicado à Avaliação do Impacto de Misturas Oleosas na Produção de Biodiesel
AUTORES: Leite Silva, D.C. (FEMC-FACIT)
RESUMO: O biodiesel, destaque no Brasil dentre os combustíveis renováveis, é fortemente
dependente da cadeia da soja, dada suas caraterísticas favoráveis e o quiescente
desenvolvimento da mesma no país (ANP, 2011). A diversificação da matriz oleosa de
produção do biodiesel, é função estratégica para o setor que esbarra nos entraves
tecnológicos de produção, fundamentalmente baseada ao processo de
transesterificação, sendo a solução mais viável a mistura de óleos com vistas à
qualidade do biodiesel. O presente trabalho propõe um modelo neuro-fuzzy
que relaciona o tipo e quantidade de contaminantes da mistura oleosa com o impacto
oferecido à reação, evitando a complexidade oferecida pelos modelos baseados na
cinética das reações parasitas. O modelo é adaptado conforme o processo.
PALAVRAS CHAVES: Biodiesel; Neuro-Fuzzy; Adaptativo
INTRODUÇÃO: O biodiesel é o termo geral que descreve os combustíveis renováveis
correspondentes ao diesel de petróleo, obtidos pela transformação óleos de
origem vegetal e animal. Tal transformação consiste em um conjunto de reações
químicas que normalizam as cadeias de carbono, modificam a geometria molecular e
reduzem os heteroátomos do óleo, fazendo com que as suas moléculas assemelhem-se
as do diesel (NOUREDDINI et al, 1997). A eficiência do processo depende
de sua adaptação às características do óleo, uma vez que ele define o conjunto
de reações necessárias e, com elas, a complexidade do processo. O biodiesel
brasileiro tem como matéria prima principal o óleo de soja devido
características favoráveis ao processamento e ao quiescente desenvolvimento da
sua cadeia agrícola no país que, garante o suprimento da demanda de óleo,
gerando em contrapartida alta dependência no setor (ANP, 2011). Do exposto, é
função estratégica diversificar a matriz de matérias primas, que tem como maior
entrave a dificuldade no processamento de outros óleos, principalmente em
relação a presença de contaminantes não esterificáveis (FREEDMAN et al,
1984). A solução mais eficaz está em encontrar misturas ótimas entre o óleo de
soja e outros, inicialmente impróprios para o processo, mantendo a qualidade do
biodiesel em termos de rendimento com um menor custo de matéria prima. O
presente trabalho consiste em um modelo baseado em sistemas neuro-fuzzy,
capaz de raciocinar sobre implicações de causa e efeito correlacionando a
magnitude de classes contaminantes com os impactos na produção de biodiesel,
reduzindo a complexidade auferida por modelos baseados na cinética das reações
parasitas no meio reacional. Uma estrutura de atualização de regras, torna-o
adaptável aos diversos processos.
MATERIAL E MÉTODOS: Para construir o modelo foram determinadas as classes contaminantes,
estabelecendo como principais interferentes na reação de transesterificação a
água, os ácidos graxos livres e o sabão, sendo as primeiras três classes neles
baseadas: Umidade (U), Acidez (A) e Teor de Sabão (S), que não coincidentemente,
são os principais parâmetros analisados para atestar a qualidade dos óleos
(FREEDMAN et al, 1984). A quarta classe foi denominada como Entidades
Consumidoras de Catalisador (ECC); ela encerra todos aqueles contaminantes que
por algum mecanismo, consomem o catalisador no meio reacional (corantes,
carotenóides, etc). Dada a não uniformidade dos parâmetros a ela ligados, faz-se
uma normalização RMS (Root Mean Square), depreendendo-se dela um valor de
magnitude constituindo o índice ECC. Definidos os parâmetros, foram obtidas um
conjunto de regras baseado na relação de causa e efeito encontradas na
literatura, entre concentração de um contaminante no óleo e o impacto do mesmo
no rendimento do biodiesel. O modelo neuro-fuzzy () processa variáveis
linguísticas; assim as concentrações de contaminantes são definidas por uma
função trapezoidal de pertinência como {Desprezível, Baixa, Aceitável, Alta,
Inviável}. De igual forma o modelo apresenta o efeito (eficiência da reação) em
termos linguísticos que correspondente a uma faixa de valores definida pelos
parâmetros de especificação do produto para cada um como {Inaceitável,
Aceitável, Bom, Excelente, Ótimo}. O modelo fora desenvolvido sob o
framework JAVA Neuroph (SEVÀRAC, 2006).
RESULTADOS E DISCUSSÃO: O modelo foi testado confrontando-o com dados obtidos através da literatura. Na
primeira fase a interferência dos contaminantes em óleos puros (Tabela 1 da Figura
1) no rendimento do biodiesel foi comparada obtendo-se, conforme é mostrado na
Figura 1 (Tabela 2), um bom resultado quanto a acuidade relativa do modelo. Na
segunda fase foram propostas misturas (Tabela 3 da Figura 2) a partir dos óleos
cujos parâmetros são definidos pela Tabela 1 da Figura 1. As misturas propostas
foram expostas ao modelo obtendo-se resultados com bastante proximidade ao
esperado pela literatura(Tabela 4 da Figura 2).
Figura 1
Tabelas de Óleos Puros: Parâmetros dos óleos (Tabela
1) e Avaliação do modelo para seus impactos (Tabela
2)
Figura 2
Tabelas de Misturas: Misturas Teóricas (Tabela 3) e
Avaliação do modelo para as misturas(Tabela 4)
CONCLUSÕES: O modelo, com base nos resultados, atingiu o objetivo proposto, modelar de forma
simplificada e eficiente o comportamento da produção de biodiesel frente aos tipos
de óleo e seus vários contaminantes, podendo ser utilizado em mecanismos de tomada
de decisão estocásticos e de alto nível dentro das camadas de informação e
controle em uma unidade industrial de produção. O modelo, além de tudo, abre
precedentes para a utilização de núcleos neuro-fuzzy na simplificação da modelagem
complexa de processos.
AGRADECIMENTOS: A Deus, minha Família e minha Noiva.
A FEMC-FACIT/DEQ na pessoa do meu orientado Prof. MSc. Luiz Fernando Maia
REFERÊNCIAS BIBLIOGRÁFICA: ANP. Anuário Estatístico Brasileiro do Petróleo, Gás Natural e Biocombustíveis. Agência Nacional de Petróleo, Gás Natural e Biocombustíveis, 2011. Disponivel em: <http://www.anp.gov.br/?dw=57887>. Acesso em: 26 Março 2012.
FREEDMAN, B.; BUTTERFIELD, R.; PRYDE, E. Variables affecting the yields of fatty esters from transesterified vegetable oils. Journal of American oil Chemists Society, JAOCS 61, 1984. 1638-1645.
NOUREDDINI, H.; ZHU, D. Transesterification of Soybean Oil. Journal of American Oil Chemists Society, v. JAOCS 74, p. 1457-1463, 1997.
REZENDE, S. O. Sistemas Inteligentes - Fundamentos e Aplicações. 1. ed. ed. Barueri, SP: Manole, 2002.
SEVARAC, Z. Neuro Fuzzy Reasoner for Student Modeling, 2006. Disponivel em: <http://neuroph.sourceforge.net/Neuro%20Fuzzy%20reasoner%20for%20student%20modeling.pdf>. Acesso em: 26 Março 2012.