Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo

Abstract

En Argentina, el caucho nitrilo (NBR) se produce a partir de una polimerización en emulsión en un reactor batch. La medición de variables de calidad del polímero (por ejemplo, con analizadores en línea o en laboratorio) no asegura un monitoreo adecuado de la reacción. En este trabajo se desarrolla un soft-sensor (SS) para estimar en tiempo real algunas variables de calidad del producto. La complejidad reside en las dinámicas altamente no-lineales involucradas en el proceso. Por ello, el SS propuesto utiliza redes neuronales recurrentes. La evaluación de la herramienta de estimación se realiza a través de un simulador numérico del proceso NBR ajustado a la planta industrial. Las estimaciones obtenidas en distintos escenarios de operación del reactor son promisorias. El SS podría ser implementado en la planta industrial en forma sencilla.

In Argentina, nitrile rubber (NBR) is produced in an emulsion polymerization carried out in a batch reactor. Measuring polymer quality variables (e.g., with online analyzers or in laboratory) does not ensure an adequate monitoring of the reaction. In this work, a soft-sensor (SS) is developed to online estimate some quality variables. The complexity lies in the highly non-linear dynamics involved in the process. Therefore, the proposed SS uses recurrent neural networks. The evaluation of the estimation tool is carried out through a numerical simulator of the NBR process adjusted to the industrial plant. The estimates obtained in different reactor operation scenarios are promising. The SS could be implemented in the industrial plant in a simple way.