Simulación del proceso de separación de la mezcla acetonitrilo-agua mediante destilación extractiva en DWSIM y predicción de la concentración de acetonitrilo por RNA

La finalidad de la presente investigación fue simular y validar un proceso de separación de la mezcla acetonitrilo - agua mediante destilación extractiva en DWSIM, que sirve como base para realizar el diseño de la Red Neuronal Artificial (RNA) capaz de predecir las fracciones molares de acetonitrilo, etilenglicol y agua. Para la elaboración de la RNA se generó una base de datos a partir de la simulación realizada en DWSIM, la base de datos estaba conformada de 100 pares, con cuatro entradas; temperatura del flujo de alimentación, fracción molar de acetonitrilo a la alimentación, presión de la columna de preconcentración (C1) y fracción molar de etilenglicol. La RNA se diseñó en el software MATLAB empleando nueve neuronas ocultas y un algoritmo Bayesian Regularization para el entrenamiento, con un valor de Error Cuadrático Medio (MSE) de 3,0723e-05 y un coeficiente de regresión total de 0,99996. La red se validó mediante un análisis estadístico comparativo obteniéndose un 95% de confiabilidad. La simulación permitió obtener 0,9830 de acetonitrilo en el destilado de la columna dos (columna de extracción), en la columna tres (recuperación) se obtiene en el destilado 0,9016 de agua y 0,9737 de etilenglicol en el fondo. Además, se debe mencionar que no se realizó la recirculación de los productos del fondo de la columna tres hacia la columna dos, esta propuesta permitió obtener resultados cercanos a la investigación de referencia. Se debe mencionar que los errores porcentuales son inferiores al 10%, dando resultados eficientes en la investigación. Se recomienda normalizar los valores de entrada a la RNA que son superiores a uno.This research purpose dealt with simulating and validating a separation process of the acetonitrilewater mixture by extractive distillation in DWSIM, which serves as the basis for carrying out the design of the Artificial Neural Network (ANN) capable of predicting acetonitrile, ethylene glycol and water molar fractions. For the elaboration of the ANN, a database was generated from the simulation carried out in DWSIM; the database consisted of 100 pairs, with four entrances; feeding flow temperature, acetonitrile mole fraction at feeding, pressure of the preconcentration column (C1) and mole fraction of ethylene glycol. The ANN was designed in MATLAB software using nine hidden neurons and an algorithm Bayesian Regularization for testing, with a value of 3.0723e-05 Mean Square Error (MSE) and 0.99996 total regression coefficient. The network was validated through a statistical comparative analysis obtaining a 95% reliability. The simulation allowed to obtain 0.9830 acetonitrile in the distillate of the column two (extraction column), and in the distillate of column three (recovery) 0.9016 of water and 0.9737 of ethylene glycol are obtained at the bottom. Moreover, it should be mentioned that the recirculation of the products from the bottom of the column three towards column two was not performed; this proposal allowed to obtain results close to the reference research. It should be mentioned that the percentage errors are less than 10%, giving efficient results in the research. It is recommended to normalize the input values to ANN that are greater than one