MODELAGEM, ESTIMAÇÃO DE PARÂMETROS E INCERTEZAS NA SÍNTESE DE PROPIL PROPIONATO EM UM REATOR
CROMATOGRÁFICO DE LEITO FIXO.
Estimação de Parâmetros, Modelagem de um reator cromatográfico de leito fixo, Incerteza, Propil Propionato, NRTL, PSO.
Esta dissertação aborda a modelagem e estimação de parâmetros, incluindo incertezas e regiões de confiança, para o processo de síntese do Propil Propionato (Pro-Pro). O estudo emprega um modelo rigoroso que considera a natureza heterogênea do sistema investigado, envolvendo um reator cromatográfico de leito fixo com o catalisador sólido AmberlystTM 46. A abordagem de estimação de parâmetros combina a Otimização por Enxame de Partículas (PSO) e o Método Gradiente (MG) de ponto interior para estimar tanto os parâmetros termodinâmicos quanto cinéticos em duas etapas distintas. Inicialmente, a estimação dos parâmetros termodinâmicos ocorreu utilizando dados de equilíbrio da literatura. Na segunda etapa, para a estimação dos parâmetros cinéticos com o modelo heterogêneo, foram empregados dados experimentais do autor. As incertezas dos dados experimentais foram avaliadas e calculadas para uso na estimação dos parâmetros cinéticos. Através do PSO, os parâmetros foram estimados e suas regiões de confiança determinadas, proporcionando uma compreensão abrangente de suas incertezas. As incertezas dos parâmetros termodinâmicos e cinéticos são avaliadas e propagadas até as atividades do modelo termodinâmico e nas constantes de Arrhenius e taxa reacional do modelo cinético heterogêneo. Os resultados demonstram uma boa concordância entre as previsões do modelo com os parâmetros estimados neste trabalho e os dados experimentais, refletindo adequadamente a variabilidade estatística das observações experimentais com uma incerteza expandida de 95%. Além disso, o modelo heterogêneo de Langmuir-Hinshelwood apresenta uma representação aprimorada dos dados experimentais, tanto no estado transiente quanto nos estado estacionário, em comparação com o modelo Pseudo-Homogêneo utilizado na literatura. O Desvio Médio Quadrático (RMSD) para a estimação de parâmetros mostra uma melhora significativa em relação aos valores encontrados usando os parâmetros disponíveis na literatura.