Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/36876| Título: | Utilização de redes neurais artificiais na indústria química para determinação de propriedades em leitos fluidizados: uma revisão da literatura |
| Título(s) alternativo(s): | Utilization of artificial neural networks in the chemical industry for determining properties in fluidized beds: a literature review |
| Autor(es): | Padilha, Melqui Zaidan Lesimonch |
| Orientador(es): | Brusamarello, Claiton Zanini |
| Palavras-chave: | Redes neurais (Computação) Modelagem Previsão Eficiência industrial Neural networks (Computer science) Modelyng Forecasting Efficiency, Industrial |
| Data do documento: | 11-Fev-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Francisco Beltrao |
| Citação: | PADILHA, Melqui Zaidan Lesimonch. Utilização de redes neurais artificiais na indústria química para determinação de propriedades em leitos fluidizados: uma revisão da literatura. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Química) - Universidade Tecnológica Federal do Paraná, Francisco Beltrão, 2025. |
| Resumo: | O presente estudo teve como objetivo identificar os principais métodos de aprendizado de máquina, com ênfase em redes neurais artificiais, aplicados à determinação de diferentes propriedades em leitos fluidizados, por meio de uma revisão sistemática. Além disso, foram analisados os desafios associados à aplicação desses algoritmos e exploradas as perspectivas futuras dessa área de pesquisa, destacando o potencial das redes neurais artificiais na modelagem de fenômenos hidrodinâmicos. Com o avanço das demandas industriais e científicas, a compreensão de sistemas complexos, como leitos fluidizados, é essencial para otimizar processos e reduzir custos. Nesse contexto, as redes neurais artificiais surgem como ferramentas promissoras, capazes de identificar padrões complexos, realizar previsões precisas e reduzir a necessidade de um entendimento detalhado dos processos físicos. Como protocolo de pesquisa, foi utilizado o método ProKnow-C, com a base de dados Science Direct, o que resultou na seleção de setenta e oito artigos relevantes, dos quais vinte e dois atenderam aos objetivos do trabalho. Destes, onze foram selecionados para compor a revisão. Uma abordagem particularmente promissora é a integração dessas redes com simuladores de fluidos computacionais, permitindo a predição detalhada de propriedades como fluxo, transferência de calor e distribuição de partículas, otimizando o design e a operação de processos industriais. Apesar de seu potencial, os métodos baseados em inteligência artificiam enfrentam desafios importantes relacionados à qualidade e à quantidade dos dados disponíveis. A revisão sistemática demonstrou que o uso de redes neurais artificiais tem gerado resultados promissores, especialmente em aplicações industriais. Combinadas a avanços contínuos em aprendizado de máquina e computação de alto desempenho, espera-se que essas soluções integradas sejam amplamente adotadas, contribuindo para melhorias significativas em eficiência e inovação, além de apontarem novas oportunidades de pesquisa, como o desenvolvimento de abordagens híbridas mais robustas para otimizar diferentes tipos de propriedades de leitos fluidizados. |
| Abstract: | This study aimed to identify the main machine learning methods, with an emphasis on artificial neural networks, applied to determining different properties in fluidized beds through a systematic review. Additionally, it analyzed the challenges associated with the application of these algorithms and explored future perspectives in this research area, highlighting the potential of artificial neural networks in modeling hydrodynamic phenomena. With the increasing industrial and scientific demands, understanding complex systems, such as fluidized beds, is essential to optimize processes and reduce costs. In this context, artificial neural networks emerge as promising tools, capable of identifying complex patterns, making accurate predictions, and reducing the need for a detailed understanding of physical processes. As a research protocol, the ProKnow-C method was used, with the Science Direct database, resulting in the selection of seventy-eight relevant articles, of which twenty-two met the study's objectives. From these, eleven were chosen for the review. A particularly promising approach is the integration of these networks with computational fluid simulators, enabling detailed prediction of properties such as flow, heat transfer, and particle distribution, thus optimizing the design and operation of industrial processes. Despite their potential, AI-based methods face significant challenges related to the quality and quantity of available data. The systematic review demonstrated that the use of artificial neural networks has yielded promising results, especially in industrial applications. Combined with ongoing advancements in machine learning and high-performance computing, these integrated solutions are expected to be widely adopted, contributing to significant improvements in efficiency and innovation. Furthermore, they highlight new research opportunities, such as the development of more robust hybrid approaches to optimize different types of properties in fluidized beds. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/36876 |
| Aparece nas coleções: | FB - Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| redesneuraisindustriaquimica.pdf | 1,1 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
