Problemas ligados à falta de sensores “on-line”

Para o controle de processos de polimerização é fundamental o acesso

às medidas “on-line” que forneçam informações sobre o avanço da reação,

assim como sobre a qualidade dos produtos obtidos. Na prática, as variáveis

33

que necessitam ser medidas são as seguintes:

• As conversões global e individual dos monômeros que permitem

quantificar o avanço da reação e fornecem informações sobre

eventuais perturbações na cinética da reação;

• As propriedades físicas, morfológicas e químicas, em escala

macroscópica ou molecular, para que se possam prever as

propriedades de utilização do material obtido;

• A evolução das variáveis mencionadas acima, assim como a

qualidade dos polímeros produzidos que dependem de inúmeras

variáveis que são específicas ao processo empregado. Como exemplo,

pode-se citar: o número médio de radicais por partícula, o diâmetro e o

número total de partículas.

Por muitos anos, a limitada capacidade dos computadores foi a maior

restrição à implementação de métodos avançados de controle. Hoje em dia, a

evolução tanto dos computadores como da teoria de controle, permitem que

métodos de controle automático sejam empregados com sucesso em muitos

processos.

Como já foi citado, o controle efetivo de um processo requer

informação suficiente do estado do processo (variáveis de entrada, de saída e

de estado). Primeiramente, uma representação matemática do processo é

necessária, depois, a medida ou estimativa das propriedades a serem

controladas deve estar disponível em tempo real. Finalmente, para que haja

controle efetivo, deve haver uma lei de controle adequada e robusta com

relação às imperfeições do modelo e às perturbações nas medidas.

Uma descrição matemática da evolução das variáveis, chamadas de

“estados” do processo, é necessária para identificar as variáveis de controle e

correlacionar as variáveis de entrada e de saída do processo. As vantagens da

modelagem não estão limitadas ao controle, bons modelos matemáticos

aumentam o conhecimento do processo, e podem ser empregados para

antecipar a evolução dos seus “estados”, além de serem necessários para sua

34

simulação, otimização e controle. Modelos de processos são geralmente

baseados em leis físicas, regras estatísticas ou relações empíricas ou

semi-empíricas. A expressão dessa informação toma a forma de equações

diferenciais e/ou algébricas que descrevem o estado do modelo e suas

relações com as variáveis de entrada e de saída. Muitas referências têm

tratado deste assunto e da estimativa de parâmetros cinéticos em processos de

polimerização, tais como: HAMIELEC et al. (1987); MEAD; POEHLEIN (1988);

ARBINA et al. (1997); SALDIVAR et al. (1998) e BEUERMAN et al. (2002). A

maioria destes modelos é não linear e a escolha do modelo adequado é

fundamental para um bom controle.

É evidente que a simples medida das propriedades a serem

controladas seria suficiente para tornar possível o controle. Porém, em um

grande número de processos, somente poucas variáveis, tais como

temperatura, pressão, fluxo, pH, etc, podem ser medidas “on-line”. As

propriedades mais importantes, como composição, distribuição de pesos

moleculares ou de tamanhos de partículas em reatores de polimerização são

difíceis, algumas vezes impossíveis, de serem medidas diretamente até o

presente momento. Estas propriedades não podem ser obtidas diretamente de

um modelo matemático do processo porque processos químicos, e

particularmente os de polimerização, são difíceis de serem modelados em

detalhes. Os modelos propostos na literatura para descrever processos de

polimerização envolvem muitos parâmetros incertos ou que variam com o

tempo e os “estados” do modelo (velocidade de reação, peso molecular,

tamanho e número de partículas) e são muito sensíveis a perturbações,

resultantes da possível presença de traços de inibidores de polimerização ou

outros componentes que podem estar presentes nos reagentes.

Problemas relacionados às imperfeições dos modelos e às condições

iniciais desconhecidas podem ser contornados com a utilização de um

parâmetro de otimização baseado em técnicas iterativas, pelo uso de

observadores de estado baseados na minimização de um critério, ou por

sistemas computacionais baseados em treinamentos prévios que os torne

capazes de prever os estados do processo para condições dentro da faixa de

parâmetros para as quais o sistema tenha sido treinado, esses sistemas são

35

conhecidos como Redes Neurais Artificiais.

Segundo OTHMAN (2000), quando a medida “on-line” das

propriedades do polímero é a maior barreira para o controle, a teoria da

estimativa de “estado” pode ser utilizada para reconstruir os “estados”

necessários para a estratégia de controle, que deve ser composta de um

modelo representativo do processo, algumas medidas “on-line”, de um

observador e, finalmente, de uma estratégia de controle robusta.

Segundo ASSIS (2001) há boas vantagens no emprego dos chamados

modelos híbridos, ou seja, aqueles nos quais há um certo conhecimento físico

do processo, mas vários parâmetros carecem de determinação a partir de

dados observados. Nesses casos as redes neurais podem ser utilizadas na

descrição das partes desconhecidas do processo (PSICHOGIOS; UNGAR,

1992).

Portanto, existem maneiras de contornar a grande barreira relacionada

à falta de sensores "on-line" para a determinação de estados importantes para

o controle das propriedades dos polímeros obtidos, a proposta desse trabalho é

avaliar a utilização de redes neurais artificiais na estimativa das conversões

global e individual em reações de polimerização em emulsão com altos teores

de sólidos e com a utilização de surfatantes reativos.

36