{"id":{"repo_id":"brazil-ufpe","oai_identifier":"oai:repositorio.ufpe.br:123456789/54303"},"canonical_url":"https://search.dev.ndltd.org/etd/brazil-ufpe/oai:repositorio.ufpe.br:123456789/54303","repository":{"repo_id":"brazil-ufpe","name":"Brazil UFPE","base_url":"https://repositorio.ufpe.br/oai/request"},"display":{"title":"Elaboração de modelo híbrido apto à construção de gêmeos digitais : estudo de caso na produção de metanol por hidrogenação catalítica do CO2 em reator de leito fixo","abstract":"A necessidade de digitalização dos processos industriais é uma realidade irreversível e urgente. Neste cenário, o desenvolvimento de gêmeos digitais que forneçam capacidade analítica e preditiva sobre os processos tornou-se uma tendência nas grandes indústrias. Em paralelo, a necessidade de reversão de efeitos climáticos nocivos induz a busca por processos limpos e sustentáveis de produção. A conversão do CO2 gerado em processos industriais para produtos de maior valor agregado é um exemplo crucial, sendo sua reação com H2 para produzir metanol de extrema relevância. Desta forma, este trabalho teve por objetivo elaborar um modelo híbrido apto à construção de gêmeos digitais para aplicação a um reator de leito fixo utilizado em processo de produção de metanol por hidrogenação catalítica do CO2. Para isto, primeiro foi elaborada uma planta dinâmica virtual com capacidade de produção de aproximadamente 4000 toneladas de metanol ao ano para gerar dados simulados (entradas e saídas virtuais) para as etapas seguintes. Os dados gerados pela Planta Virtual descreveram um comportamento dinâmico condizente com a literatura. Na sequência, foi elaborado um modelo fenomenológico estacionário do reator, ao qual foram alimentadas as entradas virtuais para gerar saídas fenomenológicas, obtendo- se, para a fração mássica de metanol, para as métricas (RMSE; MAE; R2) valores respectivos de (0,00303; 0,00317; 0,4456). Então, foi elaborado um modelo preditivo do tipo NARX (Nonlinear Autoregressive Exogenous Model) utilizando redes neurais artificiais do tipo feedforward como o modelo não linear. A partir do modelo NARX, derivou-se dois modelos: um modelo caixa-preta, que utiliza diretamente as entradas virtuais para realizar suas predições; um modelo híbrido, que é acoplado ao modelo fenomenológico e utiliza as entradas virtuais e as saídas fenomenológicas para gerar suas predições. Os modelos caixa-preta e híbrido foram avaliados pelas métricas típicas utilizadas para modelos de regressão (RMSE; MAE; R2), obtendo-se na predição de aproximadamente 20 minutos adiante para a fração mássica de metanol os valores respectivos de (0,000362; 0,000669; 0,9832) para o modelo caixa preta e (0,000281; 0,000423; 0,9933) para o modelo híbrido. Dos resultados obtidos conclui- se que o modelo híbrido desenvolvido é um bom candidato a ser utilizado na construção de um gêmeo digital.","abstract_html":"A necessidade de digitalização dos processos industriais é uma realidade irreversível e urgente. Neste cenário, o desenvolvimento de gêmeos digitais que forneçam capacidade analítica e preditiva sobre os processos tornou-se uma tendência nas grandes indústrias. Em paralelo, a necessidade de reversão de efeitos climáticos nocivos induz a busca por processos limpos e sustentáveis de produção. A conversão do CO2 gerado em processos industriais para produtos de maior valor agregado é um exemplo crucial, sendo sua reação com H2 para produzir metanol de extrema relevância. Desta forma, este trabalho teve por objetivo elaborar um modelo híbrido apto à construção de gêmeos digitais para aplicação a um reator de leito fixo utilizado em processo de produção de metanol por hidrogenação catalítica do CO2. Para isto, primeiro foi elaborada uma planta dinâmica virtual com capacidade de produção de aproximadamente 4000 toneladas de metanol ao ano para gerar dados simulados (entradas e saídas virtuais) para as etapas seguintes. Os dados gerados pela Planta Virtual descreveram um comportamento dinâmico condizente com a literatura. Na sequência, foi elaborado um modelo fenomenológico estacionário do reator, ao qual foram alimentadas as entradas virtuais para gerar saídas fenomenológicas, obtendo- se, para a fração mássica de metanol, para as métricas (RMSE; MAE; R2) valores respectivos de (0,00303; 0,00317; 0,4456). Então, foi elaborado um modelo preditivo do tipo NARX (Nonlinear Autoregressive Exogenous Model) utilizando redes neurais artificiais do tipo feedforward como o modelo não linear. A partir do modelo NARX, derivou-se dois modelos: um modelo caixa-preta, que utiliza diretamente as entradas virtuais para realizar suas predições; um modelo híbrido, que é acoplado ao modelo fenomenológico e utiliza as entradas virtuais e as saídas fenomenológicas para gerar suas predições. Os modelos caixa-preta e híbrido foram avaliados pelas métricas típicas utilizadas para modelos de regressão (RMSE; MAE; R2), obtendo-se na predição de aproximadamente 20 minutos adiante para a fração mássica de metanol os valores respectivos de (0,000362; 0,000669; 0,9832) para o modelo caixa preta e (0,000281; 0,000423; 0,9933) para o modelo híbrido. Dos resultados obtidos conclui- se que o modelo híbrido desenvolvido é um bom candidato a ser utilizado na construção de um gêmeo digital.","abstract_has_math":false,"creators":["ALCANTARA, Felipe Freitas de"],"institution":"Universidade Federal de Pernambuco","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["LIMA FILHO, Nelson Medeiros de"],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023-08-30","date_published":"2023-08-30","updated_at":"2026-07-24T01:19:10Z","subjects":["Engenharia química","Gêmeos digital","Modelo híbrido","CO2","Hidrogênio verde","Redes neurais artificiais","Metanol"],"languages":["por"],"rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"identifier_entries":[]},"links":{"outbound_url":"https://repositorio.ufpe.br/handle/123456789/54303","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["LIMA FILHO, Nelson Medeiros de"]},{"key":"dc:creator","label":"Author","values":["ALCANTARA, Felipe Freitas de"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2023-12-21T17:07:43Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2023-12-21T17:07:43Z"]},{"key":"dc:date.issued","label":"Date","values":["2023-08-30"]},{"key":"dc:publisher","label":"Institution","values":["Universidade Federal de Pernambuco"]},{"key":"dc:type","label":"Dc Type","values":["masterThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Engenharia química","Gêmeos digital","Modelo híbrido","CO2","Hidrogênio verde","Redes neurais artificiais","Metanol"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["por"]},{"key":"dc:rights","label":"Dc Rights","values":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://repositorio.ufpe.br/handle/123456789/54303"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["A necessidade de digitalização dos processos industriais é uma realidade irreversível e urgente. Neste cenário, o desenvolvimento de gêmeos digitais que forneçam capacidade analítica e preditiva sobre os processos tornou-se uma tendência nas grandes indústrias. Em paralelo, a necessidade de reversão de efeitos climáticos nocivos induz a busca por processos limpos e sustentáveis de produção. A conversão do CO2 gerado em processos industriais para produtos de maior valor agregado é um exemplo crucial, sendo sua reação com H2 para produzir metanol de extrema relevância. Desta forma, este trabalho teve por objetivo elaborar um modelo híbrido apto à construção de gêmeos digitais para aplicação a um reator de leito fixo utilizado em processo de produção de metanol por hidrogenação catalítica do CO2. Para isto, primeiro foi elaborada uma planta dinâmica virtual com capacidade de produção de aproximadamente 4000 toneladas de metanol ao ano para gerar dados simulados (entradas e saídas virtuais) para as etapas seguintes. Os dados gerados pela Planta Virtual descreveram um comportamento dinâmico condizente com a literatura. Na sequência, foi elaborado um modelo fenomenológico estacionário do reator, ao qual foram alimentadas as entradas virtuais para gerar saídas fenomenológicas, obtendo- se, para a fração mássica de metanol, para as métricas (RMSE; MAE; R2) valores respectivos de (0,00303; 0,00317; 0,4456). Então, foi elaborado um modelo preditivo do tipo NARX (Nonlinear Autoregressive Exogenous Model) utilizando redes neurais artificiais do tipo feedforward como o modelo não linear. A partir do modelo NARX, derivou-se dois modelos: um modelo caixa-preta, que utiliza diretamente as entradas virtuais para realizar suas predições; um modelo híbrido, que é acoplado ao modelo fenomenológico e utiliza as entradas virtuais e as saídas fenomenológicas para gerar suas predições. Os modelos caixa-preta e híbrido foram avaliados pelas métricas típicas utilizadas para modelos de regressão (RMSE; MAE; R2), obtendo-se na predição de aproximadamente 20 minutos adiante para a fração mássica de metanol os valores respectivos de (0,000362; 0,000669; 0,9832) para o modelo caixa preta e (0,000281; 0,000423; 0,9933) para o modelo híbrido. Dos resultados obtidos conclui- se que o modelo híbrido desenvolvido é um bom candidato a ser utilizado na construção de um gêmeo digital."]},{"key":"dc:title","label":"Title","values":["Elaboração de modelo híbrido apto à construção de gêmeos digitais : estudo de caso na produção de metanol por hidrogenação catalítica do CO2 em reator de leito fixo"]}]}],"canonical_facts":{"dc:contributor.advisor":["LIMA FILHO, Nelson Medeiros de"],"dc:creator":["ALCANTARA, Felipe Freitas de"],"dc:date.accessioned":["2023-12-21T17:07:43Z"],"dc:date.available":["2023-12-21T17:07:43Z"],"dc:date.issued":["2023-08-30"],"dc:description.abstract":["A necessidade de digitalização dos processos industriais é uma realidade irreversível e urgente. Neste cenário, o desenvolvimento de gêmeos digitais que forneçam capacidade analítica e preditiva sobre os processos tornou-se uma tendência nas grandes indústrias. Em paralelo, a necessidade de reversão de efeitos climáticos nocivos induz a busca por processos limpos e sustentáveis de produção. A conversão do CO2 gerado em processos industriais para produtos de maior valor agregado é um exemplo crucial, sendo sua reação com H2 para produzir metanol de extrema relevância. Desta forma, este trabalho teve por objetivo elaborar um modelo híbrido apto à construção de gêmeos digitais para aplicação a um reator de leito fixo utilizado em processo de produção de metanol por hidrogenação catalítica do CO2. Para isto, primeiro foi elaborada uma planta dinâmica virtual com capacidade de produção de aproximadamente 4000 toneladas de metanol ao ano para gerar dados simulados (entradas e saídas virtuais) para as etapas seguintes. Os dados gerados pela Planta Virtual descreveram um comportamento dinâmico condizente com a literatura. Na sequência, foi elaborado um modelo fenomenológico estacionário do reator, ao qual foram alimentadas as entradas virtuais para gerar saídas fenomenológicas, obtendo- se, para a fração mássica de metanol, para as métricas (RMSE; MAE; R2) valores respectivos de (0,00303; 0,00317; 0,4456). Então, foi elaborado um modelo preditivo do tipo NARX (Nonlinear Autoregressive Exogenous Model) utilizando redes neurais artificiais do tipo feedforward como o modelo não linear. A partir do modelo NARX, derivou-se dois modelos: um modelo caixa-preta, que utiliza diretamente as entradas virtuais para realizar suas predições; um modelo híbrido, que é acoplado ao modelo fenomenológico e utiliza as entradas virtuais e as saídas fenomenológicas para gerar suas predições. Os modelos caixa-preta e híbrido foram avaliados pelas métricas típicas utilizadas para modelos de regressão (RMSE; MAE; R2), obtendo-se na predição de aproximadamente 20 minutos adiante para a fração mássica de metanol os valores respectivos de (0,000362; 0,000669; 0,9832) para o modelo caixa preta e (0,000281; 0,000423; 0,9933) para o modelo híbrido. Dos resultados obtidos conclui- se que o modelo híbrido desenvolvido é um bom candidato a ser utilizado na construção de um gêmeo digital."],"dc:identifier.uri":["https://repositorio.ufpe.br/handle/123456789/54303"],"dc:language.iso":["por"],"dc:publisher":["Universidade Federal de Pernambuco"],"dc:rights":["openAccess","Attribution-NonCommercial-NoDerivs 3.0 Brazil"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/3.0/br/"],"dc:subject":["Engenharia química","Gêmeos digital","Modelo híbrido","CO2","Hidrogênio verde","Redes neurais artificiais","Metanol"],"dc:title":["Elaboração de modelo híbrido apto à construção de gêmeos digitais : estudo de caso na produção de metanol por hidrogenação catalítica do CO2 em reator de leito fixo"],"dc:type":["masterThesis"]},"updated_at":"2026-07-24T01:19:10Z"}