Modeling and optimization of descontinuous kraft digesters using neural networks and hybrid model-integration of processes in real time

Neste trabalho foram desenvolvidos três modelos para predição de Número Kappa (Modelo Determinístico, Modelo Neural e Modelo Híbrido). O Modelo determinístico inclui transferência de massa e reações cinéticas intrínsecas baseadas em reações paralelas de lignina, celulose e hemicelulose. Este divide o processo de deslignificação em 3 estágios ou fases, sendo que as 3 fases correspondem a 3 diferentes tipos de lignina (inicial, principal e residual). O modelo é específico para polpa de eucalipto (fibra curta) e digestor batelada. Umas das contribuições para este modelo proposto foram às inclusões de reações para lignina, hemicelulose e celulose total, carboidratos, além do Número Kappa. Para Modelo Determinístico foram utilizados dados experimentais coletados no RAIZ - Instituto de Investigação da Floresta e Papel e dados gerados pelas simulações. As variáveis operacionais utilizadas como dados de entrada foram: espessura, temperatura inicial, álcali efetivo, relação licor madeira, tempo de cozimento, densidade e porosidade. O Modelo Determinístico também foi desenvolvido para digestor contínuo e foi validado com dados industriais para fibra curta de eucalipto. A modelagem feita para um digestor batelada é a mesma que para um digestor contínuo, sendo que no contínuo existem de 3 a 4 etapas dentro do equipamento. Por conseguinte, o digestor contínuo é modelado como se fosse um batelada só que fracionadamente (temperaturas e tempos para cada estágio do equipamento e de forma seqüencial). Neste trabalho foi empregado um método de otimização (Programação Quadrática Sucessiva) para definir o procedimento de operação no digestor contínuo permitisse a obtenção do produto (polpa) com teores inferiores a 1,5 % de lignina residual. Industrialmente este valor está em torno de 3 % de lignina residual. O Modelo Neural proposto é do tipo "feedforward" e com treinamento por retropropagação. Para este modelo as variáveis de entrada (inputs) foram temperatura, álcali efetivo e Fator H. A variável de saída (output) é o Número Kappa. A quantidade de neurônios ocultos foi definida pelo modelo neural que apresentou o menor erro para o conjunto de validação e treinamento. O número de interações também foi definido a partir do menor erro gerado pelas simulações. Este modelo foi validado com dados industriais e experimentais. O Modelo Híbrido utilizou como variáveis de entrada Kappa Neural e Teórico, temperatura e Fator H e a variável de saída é o Número Kappa Híbrido. Este foi validado com dados industriais. Os modelos apresentados (Determinístico, Neural e Híbrido) são ferramentas úteis para as fábricas de celulose e papel, uma vez que existe a possibilidade de serem aplicados para simulação de processos, otimização e controle. Os modelos podem ser testados para diferentes condições operacionais sem alterar a produção. Além de possibilitarem melhor controle de algumas variáveis no processo fabril, isto, sem perda de qualidade do produto. Neste estudo a rede neural e os modelos cinéticos apresentaram resultados equivalentes. Palavras-chaves: Número Kappa, Modelo Determinístico, Modelo Neural e Modelo HíbridoIn this work three models were developed for prediction of Kappa number (Deterministic Model, Neural and Hybrid Model). The Deterministic Model includes mass transfer and reaction kinetics based on intrinsic parallel reactions of lignin, cellulose and hemicellulose. This divides the process of Delignification in 3 stages or phases, with the 3 phases correspond to 3 different types of lignin (initial, bulk and residual). The model is specific to the eucalyptus pulp (short fiber) and batch digester. One of the contributions to this proposed model were the inclusion of reactions for lignin, cellulose and hemicellulose total, carbohydrates, than the Kappa number. Deterministic model was used for experimental data collected in the RAIZ - Instituto de Investigação da Floresta e Papel and data generated by simulations. The operating variables used as input data were: thickness, initial temperature, effective alkali, liquor ratio wood, the cooking time, density and porosity. The Deterministic Model was developed for continuous digester, and was validated with industrial data for short fiber eucalyptus. The modeling done for a batch digester is the same as for a continuous digester, which are continuous in 3 to 4 steps inside the equipment. Wherefore the continuous digester is modeled as a single batch that fractionation (temperatures and times for each stage of the equipment and sequential manner). This study employed a method of optimization (Successive Quadratic Programming) to define the procedure for operation in continuous digester allowed to obtain the product (pulp) with levels below 1.5% of residual lignin. Industrially this value is around 3% of residual lignin. The Neural Model is proposed as "feedforward" and training by backpropagation. For this model the input variables were temperature, effective alkali and H-Factor. The variable output is the Kappa number. The number of hidden neurons was defined by the neural model that showed the smallest error for the set of validation and training. The number of interactions was also determined from the smallest error generated by simulations. This model was validated with experimental and industrial data. The hybrid model used as input variables and Kappa Neural theoretical, temperature, and factor H and the output variable is the number Kappa Hybrid. This was validated with industrial data. The models presented (deterministic, Neural and Hybrid) are useful tools for the manufacture of pulp and paper, since there is the possibility to be applied to simulation of processes, optimization and control. The models can be tested for different operating conditions without changing the output. Besides, allowing better control of some variables in the manufacturing process, ie without loss of quality of product. In this study, the neural network and the kinetic models showed similar results. Keywords: Kappa number, Deterministic Model, Neural Model and Hybrid Mode