Autores
-
Yvan Jesus Olortiga Asencios
Universidade Federal de São Paulo
-
Marcos Ferrer Lima
Universidade Federal do ABC (UFABC)
-
Bruno Guzzo da Silva
Universidade Federal do ABC (UFABC)
Palavras-chave:
Efluente;, Fenol;, Fenton Homogêneo;, Redes Neurais Artificiais;, Planejamento de Experimentos
Resumo
Este trabalho teve por objetivo otimizar, através das redes neurais artificiais (RNA) e planejamento de experimentos (DoE), as condições operacionais do processo Fenton homogêneo utilizado no tratamento de efluente fenólico de uma indústria química. Foi utilizada uma RNA inversa do tipo feedforward. Na entrada da RNA foram utilizados 2 neurônios para as concentrações de fenol: inicial (10 a 800 ppm) e final (1 a 5 ppm). Na saída da RNA foram inseridos 2 neurônios, para as massas de sulfato ferroso e peróxido de hidrogênio. Na aplicação da RNA no processo, o melhor modelo foi implementado em uma planilha Excel, para indicar as quantidades de sulfato ferroso e peróxido de hidrogênio em função da concentração inicial de fenol no efluente. Conforme a região ótima indicada pelo DoE, o pH foi acidificado para a faixa de 3 a 4 (≈3,7) e a temperatura foi mantida dentro da faixa ótima de 30 a 40 °C (≈37 °C). Antes da aplicação dos parâmetros otimizados no processo, o percentual para um único tratamento era em média 45%, para obter a especificação do processo. Ao aplicar os parâmetros otimizados, o percentual ficou em média 82%. Isso significa menor custo no tratamento fenólico da empresa.
Biografia do Autor
Marcos Ferrer Lima, Universidade Federal do ABC (UFABC)
Possui Técnico em Química pelo SENAI Mario Amato (2006), graduação em Bacharel em Ciência e Tecnologia pela Universidade Federal do ABC (2014), Bacharel em Engenharia de Gestão pela Universidade Federal do ABC (2016), pós-graduação em Processos Industriais Químicos, Petroquímicos e Farmacêuticos pela Faculdades Oswaldo Cruz (2019), pós-graduação em Engenharia de Segurança do Trabalho pela Universidade Cruzeiro do Sul (2020), Mestrando em Ciência e Tecnologia Química pela Universidade Federal do ABC. Profissional efetivo da Oxiteno S.A. Indústria e Comércio desde 2005, exercendo atualmente a função de Operador de Processos Químicos III com participação no Startup de uma filial industrial nos EUA. Tem experiência com gestão de pessoas, processos produtivos e operações unitárias. Alta capacidade analítica. Gestão de performance, produtividade e eficiência da produção (OEE). Habilidades em 5S e BPF. Aplicação de Lean Manufacturing com foco em melhoria contínua na produtividade, qualidade e segurança. Conhecedor na área de Segurança de Processos (Hazop, APP e Árvores de Causas, etc) e Segurança do Trabalho (Gerenciamento de Riscos).
Bruno Guzzo da Silva, Universidade Federal do ABC (UFABC)
Doutor em Engenharia Química pela UNICAMP (2017), atualmente é Professor da Universidade Federal do ABC. Desde 2012, vem se dedicando ao ensino e aplicação da metodologia de Planejamento de Experimentos (Design of Experiments - DoE) em projetos de cooperação universidade-empresa, tanto em PD&I como na resolução de problemas industriais. Tem experiência na área de Engenharia Química, com ênfase em Projeto e Modelagem de Operações Industriais e Equipamentos, atuando principalmente nos seguintes temas: Tecnologias por Fluidos Supercríticos; Química de Produtos Naturais; Redes Neurais Artificiais; e Planejamento Experimental e Otimização de processos. O principal foco do seu grupo de pesquisa é utilizar matérias-primas e tecnologias ambientalmente sustentáveis para a obtenção e aplicação de moléculas e materiais com interesse comercial para as indústrias de alimentos, química, farmacêutica, biomédica e cosmética. O grupo mantém projetos colaborativos com pesquisadores de diversas universidades e empresas (UNICAMP, AMBEV, PROMETEON, etc.) e os principais temas de pesquisa são: Tecnologias de fluidos pressurizados sub & supercríticos aplicadas à produção de produtos químicos renováveis; Composição química e propriedades funcionais de extratos e óleos essenciais; Modelagem e Otimização de processos via Planejamento de Experimentos e Redes Neurais Artificiais.
