Modelação da secagem de papel "tissue" em ambiente industrial

Abstract

Tendo em conta os elevados custos relativos à secagem, é de certa forma interessante, se não mesmo, mandatório, que se invista na modelação deste tipo de processos. Através do desenvolvimento de um modelo de secagem, é possível operar e evoluir no sentido da eficiência energética. Transversalmente a todo o tipo de industrias, modelos analíticos para a modelação de processos de secagem têm vindo a ser desenvolvidos e implementados. A utilização do conceito de softcomputing, como é o caso das Redes Neuronais, ainda se encontra pouco disseminado para a introdução de modelos em ambiente industrial. No presente trabalho, foram utilizadas Redes Neuronais, através do MATLAB®, para a criação e implementação do modelo. Foram definidas as variáveis relevantes para a criação de um modelo e, a partir destas, foi construída uma base de dados. O modelo desenvolvido, revelou obter convergência de valores com elevada certeza. A arquitetura do modelo era constituída por uma camada oculta, com 4 neurónios associados e treinada através do algoritmo Bayesian Regularization. O erro percentual foi de cerca de 0.00008 % com R=1. Foi complementado o modelo de secagem, com um modelo de consumos e foi desenvolvida uma aplicação capaz de: criar, treinar, e utilizar diferentes condições de secagem, com possível comparação de consumos e os seus custos específicos. Através da análise do modelo, foi possível perceber-se quais os intervenientes mais eficientes da secagem, tendo em conta, o paradigma energético atual.

Taking into account the energy costs related to drying processes, it becomes interesting, or even mandatory, that companies invest in developing drying models. Throughout the implementation of these models, it is possible to operate and evolve towards energy efficiency. Widely spread in all industries, there are being developed and implemented analytical drying models. However, the uses of softcomputing tools, such as, Neural Networks, are still not spread into industrial based models. In this work, it was used Artificial Neural Network toolbox from MATLAB®in order to develop and implement a drying model. After studying the relevant variables, it was built a database to feed the model. The drying model showed to have a strongly converging behaviour. The model’s architecture is a Feed Forward Neural Network, with 1 single hidden layer, 4 neurons and trained with Bayesian Regularization. The obtained MAPE is around 0.00008 % with R=1. An energy consumption model was created and correlated to the drying model. This allowed the development of an application able to: create, train and use different drying parameters, with the power to compare different energy consumption scenarios and its specific costs. Analising the created drying model, it was possible to understand which drying parameters are more efficient, in the actual energy paradigm.