DEEP LEARNING EM SENSORES VIRTUAIS E NA DETECÇÃO E DIAGNÓSTICO DE FALHAS NA REAÇÃO DE VAN DER VUSSE

Atualmente, com a indústria 4.0, vive-se uma era altamente marcada pelo uso de dados nas mais diversas áreas. Dentre as técnicas que a quarta revolução industrial tem para usufruir dos dados está a inteligência artificial, que no contexto da engenharia química é aplicada no controle de processos, sensores virtuais e detecção e diagnóstico de falhas. Este trabalho apresentou uma metodologia para utilizar o aprendizado profundo, como redes Gated Recurrent Unit (GRU) e as Redes Neurais Autoencoder (AE) em dois tipos de aplicações, a inferência de variáveis de processo pelo uso de sensores virtuais (SS) e  a detecção e diagnóstico de falhas. Para obtenção dos dados foi realizada a modelagem e simulação de um processo de reação complexa, que neste trabalho foi a de van der Vusse em um reator CSTR. Os resultados alcançados demonstraram um desempenho satisfatório da rede GRU para a inferência de concentração de produto comercial (Cb) e temperatura do reator (Tr) no SS. Estes obtendo bons valores para as métricas utilizadas, como R² de 0,996 e 0,997 para as respectivas variáveis. Quanto à detecção e diagnóstico de falhas (FDD), neste trabalho utilizou-se o AE para a função de detecção, que foi capaz de identificar 99% das falhas, e o GRU para o diagnóstico, obtendo uma acurácia de 98%.