Estimação da porcentagem de flúor em alumina fluoretada proveniente de uma planta de tratamento de gases por meio de um sensor virtual neural

As indústrias têm buscado constantemente reduzir gastos operacionais, visando o aumento do lucro e da competitividade. Para alcançar essa meta, são necessários, dentre outros fatores, o projeto e a implantação de novas ferramentas que permitam o acesso às informações relevantes do processo de forma precisa, eficiente e barata. Os sensores virtuais têm sido aplicados cada vez mais nas indústrias. Por ser flexível, ele pode ser adaptado a qualquer tipo de medição, promovendo uma redução de custos operacionais sem comprometer, e em alguns casos até melhorar, a qualidade da informação gerada. Como estão totalmente baseados em software, não estão sujeitos a danos físicos como os sensores reais, além de permitirem uma melhor adaptação a ambientes hostis e de difícil acesso. A razão do sucesso destes tipos de sensores é a utilização de técnicas de inteligência computacional, as quais têm sido usadas na modelagem de vários processos não lineares altamente complexos. Este trabalho tem como objetivo estimar a qualidade da alumina fluoretada proveniente de uma Planta de Tratamento de Gases (PTG), a qual é resultado da adsorção de gases poluentes em alumina virgem, via sensor virtual. O modelo que emula o comportamento de um sensor de qualidade de alumina foi criado através da técnica de inteligência computacional conhecida como Rede Neural Artificial. As motivações deste trabalho consistem em: realizar simulações virtuais, sem comprometer o funcionamento da PTG; tomar decisões mais precisas e não baseada somente na experiência do operador; diagnosticar potenciais problemas, antes que esses interfiram na qualidade da alumina fluoretada; manter o funcionamento do forno de redução de alumínio dentro da normalidade, pois a produção de alumina de baixa qualidade afeta a reação de quebra da molécula que contém este metal. Os benefícios que este projeto trará consistem em: aumentar a eficiência da PTG, produzindo alumina fluoretada de alta qualidade e emitindo menos gases poluentes na atmosfera, além de aumentar o tempo de vida útil do forno de redução.

Desorption of heavy metals from ion exchange resin with water and carbon dioxide

Adsorption and regeneration of ion exchange resins were studied using a subcritical solution of a CO₂-H₂O mixture and a fixed bed column. The commercial Amberlite IRC-50/IRC-86 cation exchange resins and Amberlite IRA-67 anion exchange resin were tested for heavy metals (Pb, Cu, Cd) adsorption from a solution with different initial metal concentrations at different temperatures. After adsorption, the loaded resins were regenerated with water and carbon dioxide at different temperatures and a pressure of 25 MPa. The efficiency of the IRC-50 resin was lower than that of the IRC-86 resin for the adsorption of metals like Cd, Cu and Pb. Results obtained for desorption of these metals indicated that the process could be used for Cd and in principle for Cu. Sorption of metal ions depended strongly on feed concentration. Mathematical modeling of the metal desorption process was carried out successfully as an extraction process. For this purpose, the VTII Model, which is applied to extraction from solids using supercritical solvents, was used in this work.