Bioprocess optimization: evaluation of performance using deterministic and genetic algorithm approaches / Otimização de bioprocessos : avaliação de desempenho das abordagens deterministicas e por algoritmos geneticos

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

Esta tese aborda aplicações de modelagem, metodologias sistemáticas e confiáveis de otimização, além de ferramentas computacionais. Estas áreas podem capturar características quantitativas essenciais dos bioprocessos e possuem grande impacto nas práticas modernas da melhoria de desempenho dos processos petroquímicos e mecânicos. É evidente que o mesmo deve ocorrer com os bioprocessos, uma área em que ainda poucos estudos e desenvolvimentos foram feitos. Porém, espera-se que os bioprocessos construídos em cima dos métodos que consideram a análise do problema, codificados como uma ferramenta matemática apropriada para o uso das ferramentas da engenharia de processos assistida por computador, convertam resultados numéricos em soluções de engenharia úteis para produzir, finalmente, uma melhor compreensão de tais sistemas. Diferentes tipos de metodologias, apropriadas para aplicações em computador, foram estudadas com esta finalidade. Os métodos propostos foram aplicados ao desenvolvimento e otimização da produção de bioetanol. A parte central desta tese consiste de artigos científicos (Capítulos 3 - 8). O Capítulo 3 concentra-se nas técnicas de otimização para estimar os parâmetros do modelo cinético do processo de fermentação alcoólica em batelada para a produção de etanol usando Saccharomyces cerevisiae. O Algoritmo Quasi-Newton (QN) e o Algoritmo Genético de código real (RGA) foram usados para resolver o problema de estimação e encontrar uma solução ótima. O Capítulo 4 fornece um modelo híbrido adaptativo que considera o efeito da temperatura na cinética da fermentação alcoólica, representada por redes neurais. O potencial de um RGA e de um algoritmo genético de código binário (BGA), para re-estimar os parâmetros da rede neural, foram avaliados. O desempenho destes algoritmos foi comparado com o algoritmo Quasi-Newton (QN). No Capítulo 5 foi avaliado um procedimento para o desenvolvimento de um modelo matemático robusto para um processo de fermentação alcoólica industrial. O modelo proposto é um modelo híbrido neural, que combina equações de balanço de massa e energia com redes do tipo Functional Link Network para descrever a cinética. Estas redes apresentaram uma boa capacidade de aproximação não-linear, embora a estimação dos seus pesos seja linear. O Capítulo 6 propõe uma nova metodologia para estimação de parâmetros cinéticos. A primeira etapa consiste na obtenção de valores iniciais para todos os parâmetros do modelo. Conseqüentemente, um RGA foi usado para a estimação simultânea dos parâmetros. Na terceira etapa, os parâmetros mais significativos foram identificados usando o planejamento Placket-Burman (PB). Finalmente, os parâmetros mais significativos foram otimizados usando o algoritmo QN, que converge para o ótimo muito mais rápido que o RGA. No Capítulo 7 a modelagem de processos biotecnológicos foi estudada com foco no desenvolvimento das metodologias que podem ser usadas sempre que uma reestimação dos parâmetros seja necessária. O desempenho de um modelo híbrido neural e de um modelo fenomenológico, ambos considerando o efeito da temperatura na cinética, foi avaliado não somente em termos de sua exatidão em descrever os dados experimentais, mas principalmente pelas dificuldades envolvidas na adaptação de seus parâmetros. No Capítulo 8, o modelo não-linear de um processo de fermentação alcoólica extrativa, representado por Redes Neurais Multilayer Perceptron foi otimizado, usando RGA e BGA, para encontrar condições ótimas de operação. A fim de verificar a validade do modelo neural, os resultados foram comparados à otimização de um modelo determinístico, onde os parâmetros cinéticos foram determinados experimentalmente como funções da temperatura. Adicionalmente, o Apêndice A apresenta informações suplementares a respeito da verificação do comportamento não-linear das variáveis do processo extrativo de fermentação alcoólica. Com a finalidade de comparar os resultados de otimização deste processo empregando algoritmos genéticos, o Apêndice B apresenta os resultados de otimização usando Programação Quadrática Sucessiva

ASSUNTO(S)

biotecnologia bioethanol otimização bioprocess alcool optimization techniques mathematical modeling modelamento matematico

ACESSO AO ARTIGO

Documentos Relacionados