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

Autores
Perdomo, Mariano Miguel; Clementi, Luis Alberto; Vega, Jorge Rubén
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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.
Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina
Materia
Sensor inferencial
Proceso por lotes
Caucho NBR
Aprendizaje profundo
Inferential sensor
Batch process
NBR rubber
Deep learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
CC0 1.0 Universal
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13010
Acceder
id RIAUTN_c547c85f583681aabaae5bf40c67b974
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13010
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitriloSoft sensor based on recurrent neural networks : application to monitoring of the production of nitrile rubberPerdomo, Mariano MiguelClementi, Luis AlbertoVega, Jorge RubénSensor inferencialProceso por lotesCaucho NBRAprendizaje profundoInferential sensorBatch processNBR rubberDeep learningEn 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.Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); ArgentinaXL MECOM2025-05-21T22:27:58Z2024info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfPerdomo, M. M.; Clementi; L. A. & Vega, J. R. (5-8 de noviembre de 2024). Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo. XL Congreso Argentino de Mecánica Computacional (MECOM 2024). Rosario, Argentina.https://hdl.handle.net/20.500.12272/13010https://doi.org/10.70567/mc.v41i20.104spaASECAFE0008414MODELADO Y MONITOREO DE PROCESOS INDUSTRIALES CONTINUOS Y SEMICONTINUOS. ALGORITMOS BASADOS EN INFERENCIA BAYESIANA Y APRENDIZAJE MAQUINALinfo:eu-repo/semantics/openAccessCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/Los autoresCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:43:54Zoai:ria.utn.edu.ar:20.500.12272/13010instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:43:55.205Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
Soft sensor based on recurrent neural networks : application to monitoring of the production of nitrile rubber
title Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
spellingShingle Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
Perdomo, Mariano Miguel
Sensor inferencial
Proceso por lotes
Caucho NBR
Aprendizaje profundo
Inferential sensor
Batch process
NBR rubber
Deep learning
title_short Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
title_full Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
title_fullStr Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
title_full_unstemmed Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
title_sort Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo
dc.creator.none.fl_str_mv Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author Perdomo, Mariano Miguel
author_facet Perdomo, Mariano Miguel
Clementi, Luis Alberto
Vega, Jorge Rubén
author_role author
author2 Clementi, Luis Alberto
Vega, Jorge Rubén
author2_role author
author
dc.subject.none.fl_str_mv Sensor inferencial
Proceso por lotes
Caucho NBR
Aprendizaje profundo
Inferential sensor
Batch process
NBR rubber
Deep learning
topic Sensor inferencial
Proceso por lotes
Caucho NBR
Aprendizaje profundo
Inferential sensor
Batch process
NBR rubber
Deep learning
dc.description.none.fl_txt_mv 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.
Fil: Perdomo, Mariano Miguel. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano Miguel. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis Alberto. CONICET-UNER. Instituto de Investigación en Bioingeniería y Bioinformática (IBB), Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina
description 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.
publishDate 2024
dc.date.none.fl_str_mv 2024
2025-05-21T22:27:58Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Perdomo, M. M.; Clementi; L. A. & Vega, J. R. (5-8 de noviembre de 2024). Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo. XL Congreso Argentino de Mecánica Computacional (MECOM 2024). Rosario, Argentina.
https://hdl.handle.net/20.500.12272/13010
https://doi.org/10.70567/mc.v41i20.104
identifier_str_mv Perdomo, M. M.; Clementi; L. A. & Vega, J. R. (5-8 de noviembre de 2024). Soft sensor basado en redes neuronales recurrentes : aplicación al monitoreo de la producción de caucho nitrilo. XL Congreso Argentino de Mecánica Computacional (MECOM 2024). Rosario, Argentina.
url https://hdl.handle.net/20.500.12272/13010
https://doi.org/10.70567/mc.v41i20.104
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv ASECAFE0008414
MODELADO Y MONITOREO DE PROCESOS INDUSTRIALES CONTINUOS Y SEMICONTINUOS. ALGORITMOS BASADOS EN INFERENCIA BAYESIANA Y APRENDIZAJE MAQUINAL
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Los autores
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
Los autores
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv XL MECOM
publisher.none.fl_str_mv XL MECOM
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230866737922048
score 13.265058

Publicaciones similares