Um problema-chave envolvendo processos químicos industriais é controlar, de forma confiável, eficiente e barata, a evolução dinâmica do sistema. Numa coluna de destilação, por exemplo, o objetivo do controle é manter a composição do destilado e do produto de fundo em torno de um valor desejado. As dificuldades operacionais e o alto custo dos analisadores industriais, existentes no mercado, usados na medição da composição têm motivado o projeto de sensores virtuais (soft sensors) para que, a partir de outras medições disponíveis, seja possível inferir de maneira online os valores das variáveis desejadas. Por outro lado, as redes neurais artificiais têm sido utilizadas em diversas aplicações práticas de engenharia, sendo possível usá-las para resolver problemas industriais complexos. Elas possuem diversas características que as fazem particularmente atrativas em aplicações envolvendo sistemas multivariáveis não lineares. Nesse trabalho, um estimador dinâmico virtual baseado em redes neurais é usado para inferir a composição de etanol destilado com base na temperatura e na pressão no interior da coluna, além das vazões de refluxo, do vapor no refervedor e da alimentação. Os resultados desse estudo poderão ser utilizados no desenvolvimento de futuros projetos envolvendo sensores virtuais aplicados ao controle e à otimização de processos industriais.

A key problem involving industrial chemical processes is to control the dynamic evolution of the system in a reliable, efficient and low cost way. In a distillation column, for example, the control objective is to keep the composition of both distillate and bottom product around a desired value. The operational difficulties and high cost of concentration analyzers, used for measuring the composition, have motivated the design of virtual sensors (soft sensors). They are used, in an online way, to infer the values of the desired variables from other available measurements. On the other hand, artificial neural networks have been used for solving many practical engineering applications involving complex industrial problems. They have several features, making them particularly attractive to applications involving nonlinear multivariable systems. In this work, a virtual estimator based on a dynamic neural network is used to infer the composition of distilled ethanol. Temperature and pressure within the column, and the flows of steam and reflux are used as inputs for the neural network. The results of this study can be used to develop future projects involving virtual sensors applied in control and optimization of industrial processes.