Neural model development for the bromelain precipitation process

• Grant number: 08/04290-5
• Support Opportunities: Scholarships in Brazil - Scientific Initiation
• Start date: August 01, 2008
• End date: July 31, 2009
• Field of knowledge: Engineering - Chemical Engineering - Industrial Operations and Equipment for Chemical Engineering
• Principal Investigator: Ana Maria Frattini Fileti
• Grantee: Márcia Regina Granado Sanzovo
• Host Institution: Faculdade de Engenharia Química (FEQ). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brazil

Abstract

O aumento da complexidade dos processos, bem como as exigências em relação à qualidade do produto final e segurança operacional, incitaram o desenvolvimento de técnicas de modelagem e controle avançados, uma vez que as ferramentas utilizadas não supriam as necessidades dos processos. Controladores inteligentes, com base em Redes Neurais Artificiais e Lógica Fuzzy, vêm sendo estudados e empregados em sistemas cujo comportamento é essencialmente não-linear. A habilidade desses controladores em captar não-linearidades é responsável pelo emprego dos mesmos em processos químicos operando em regime batelada. A bromelina, enzima proteolítica encontrada no abacaxi, apresenta grande importância econômica devido a sua grande utilização nas indústrias alimentícia e farmacêutica. A extração dessa enzima pode ser feita através da precipitação com etanol a frio, em um reator operando em batelada alimentada, desde que haja controle da temperatura para evitar a desnaturação da proteína. Sendo esse processo de característica transiente e não-linear, controladores clássicos do tipo PID não funcionariam adequadamente.Assim, o presente trabalho visa o desenvolvimento e a validação de um modelo neural estacionário para predição da temperatura do processo de precipitação da enzima bromelina. A partir de dados experimentais obtidos do processo, será realizado o treinamento da rede neural através do software MATLAB, gerando um modelo que representará o processo. A implementação online desse modelo e a análise dos resultados permitirão avaliar a qualidade do modelo desenvolvido, visando futura utilização em algoritmo de controle preditivo com modelo não-linear.