Metamodelagem Kriging e sua aplicação na otimização de uma unidade de separação de propeno por destilação.

Metamodelos têm sido utilizados em inúmeras aplicações de engenharia, para aproximar modelos matemáticos rigorosos quando seus códigos computacionais exigem tempo demasiadamente grande para que a sua utilização prática seja possível. Neste contexto, realizou-se uma aplicação do modelo Kriging para obtenção de resultados da metamodelagem de um processo de separação de propeno por destilação. Neste trabalho foi incluída a utilização das Redes Neurais Artificiais como parâmetro comparativo entre os metamodelos.O procedimento envolve o plano de amostragem Latin Hypercube Sampling, a seleção do tipo do metamodelo, estimação de parâmetros e validação. O desempenho dos metamodelos foi comparado com resultados obtidos através do modelo rigoroso pertencente ao simulador de processos Aspen Plus®, onde a predição dos dados mostrou-se com ótima precisão e esforço computacional significativamente menor. Outra contribuição importante deste trabalho é o desenvolvimento da metodologia para otimização baseada na predição dos dados através do metamodelo Kriging utilizando a função fmincon do software Matlab e a comparação à otimização da ferramenta Optimization do Aspen Plus®, atingindo resultados minimizados para as cargas térmicas dos refervedores das três colunas de destilação e obedecendo as restrições de pureza do produto e taxa de boilup.Metamodels have been used in many engineering applications, rigorous mathematical models to approximate when their computational codes require too great a time so that its practical use is possible. In this context, there was an application of the Kriging model to obtain metamodeling results of a propylene distillation separation process. This work included the use of Artificial Neural Networks as a comparison parameter between metamodels. The procedure involves the plan Latin Hypercube Sampling, selection of the type of metamodel, parameter estimation and validation. The performance of the metamodel was compared with results obtained from the rigorous model belonging to the process simulator Aspen Plus®, where the prediction of the data showed with great precision and significantly less computational effort. Another important contribution of this work is the development of methodology for optimization based on the prediction of data through Kriging metamodel using fmincon function of Matlab software and compared to optimize the optimization tool Aspen Plus®, reaching results for minimized thermal loads of reboilers the three-column distillation and obeying the purity of the product restrictions and boilup rate