Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.espoch.edu.ec/handle/123456789/22386
Título : | Simulación y validación de un sistema de destilación para la separación de Azeótropos de Benceno – Isopropanol – agua en procesos para la industria química |
Autor : | Morales Chapalbay, Alejandro Eduardo |
Director(es): | Calderón Tapia, Cristina Gabriela |
Tribunal (Tesis): | Cepeda Godoy, Carlos Ramiro |
Palabras claves : | BENCENO;ISOPROPANOL;RED NEURONAL ARTIFICIAL;DWSIM (SOFTWARE);ANÁLISIS DE SENSIBILIDAD;MATLAB (SOFTWARE) |
Fecha de publicación : | 15-abr-2024 |
Editorial : | Escuela Superior Politécnica de Chimborazo |
Citación : | Morales Chapalbay, Alejandro Eduardo. (2024). Simulación y validación de un sistema de destilación para la separación de Azeótropos de Benceno – Isopropanol – agua en procesos para la industria química. Escuela Superior Politécnica de Chimborazo. Riobamba. |
Identificador : | UDCTFC;96T00998 |
Abstract : | The objective of this work was to create an artificial neural network (ANN) which is able to predict accurate or approximate data based on a prediction of the behavior of a benzene-isopropanol-water ternary separation system by changing specifications in the inlet stream and thus obtaining the fractions of the main components in each of the distillates, in the first column the main fraction is benzene, in the second column the main fraction is isopropanol and in the third column the fraction is water, this due to the results present in the reference simulation for this process by Tsai and Chien (2021). The design, training and validation of the artificial neural network was carried out in MATLAB software using data provided by the DWSIM software, validating the simulation results with high impact publications using Aspen HYSYS, one of the most widely used at industrial level. The neural network was developed from a database with 325 data for training and 25 data for validation, its architecture has 4 inputs, 65 hidden neurons and 3 outputs using the Bayesian Regularization (BR) algorithm for training, obtaining a Mean Squared Error (MSE) of 1.13867 E-02 and a Linear Regression coefficient (R) of 0.959099. The ANN was validated by means of a comparative statistical analysis reaching a confidence percentage of 95%, it was demonstrated that there is no significant discrepancy. The simulation achieved a benzene fraction of 0.9979 in the first distillate, isopropanol fraction of 0.9967 in the second distillate and water fraction of 0.9993 in the third distillate, demonstrating the viability of the industrial process for the separation. |
Resumen : | En el presente trabajo tuvo como objetivo el crear una red neuronal artificial (RNA) la cuál sea capaz de predecir datos acertados o aproximados en base a una predicción del comportamiento de un sistema de separación ternaria de benceno-isopropanol-agua cambiando especificaciones en la corriente de entrada y obteniendo así las fracciones de los componentes principales en cada uno de los destilados, en la primera columna la fracción principal es el benceno, en la segunda columna la fracción principal es de isopropanol y en la tercera columna la fracción es el agua, esto debido a los resultados presentes en la simulación de referencia para este proceso de Tsai y Chien (2021). El diseño, entrenamiento y validación de la red neuronal artificial se lo realizo en el software MATLAB partiendo de datos proporcionados por el software DWSIM validando los resultados de simulación con publicaciones de alto impacto que usan Aspen HYSYS siendo este uno de los más usados a nivel industrial. La red neuronal se desarrolló a partir de una base de datos con 325 datos para su entrenamiento y 25 datos para su validación, la arquitectura de esta tiene 4 entradas, 65 neuronas ocultas y 3 salidas usando para su entrenamiento el algoritmo Bayesian Regularization (BR) obteniendo un Error Cuadrático Medio (MSE) de 1.13867 E-02 y un coeficiente de Regresión Lineal (R) de 0.959099. Se validó la RNA mediante un análisis estadístico comparativo alcanzando un porcentaje de confianza del 95%, se demostró que no existe discrepancia significativa. En la simulación se logró tener una fracción de Benceno de 0.9979 en el primer destilado, de isopropanol de 0.9967 en el segundo destilado y de agua de 0.9993 en el tercer destilado demostrando la viabilidad del proceso industrial para la separación. |
URI : | http://dspace.espoch.edu.ec/handle/123456789/22386 |
Aparece en las colecciones: | Ingeniero/a Químico/a |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
96T00998.pdf | 3,23 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons