Show simple item record

dc.creatorCastro, Bruno José Chiaramonte de
dc.date.accessioned2019-04-17T17:49:39Z
dc.date.available2019-04-17T17:49:39Z
dc.date.issued2019-02-25
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/11254
dc.description.abstractSugarcane, grown in more than a hundred countries, is one of the major crops of the world. Brazil is the world’s largest producer. Sugarcane industries are constantly seeking to reduce the industrial process losses, to reduce the process variability, and to greater understand and control the phenomena involved in the sucrose crystallization. Thus, the first approach of this work aimed at quantifying the contribution of the sugar manufacturing sector to the total undetermined losses of a sugar and ethanol plant. To this end, a method based on data reconciliation for the process flow rates and concentrations was used. This method could be applied to any equipment or sector of the industry in order to rapidly identify sugar losses that are not currently quantified. The second approach of the work aimed at identifying the major sources of variation in the quantity and quality of the produced sugar, by applying two multivariate statistical techniques (PCA – Principal Component Analysis, and PLS – Partial Least Squares) to the data from the same industry. Lastly, the third objective of the work was to implement a model to the two-massecuite system for sucrose crystallization, based on the first principles of mass and energy conservations, and on the crystal population balance, including the phenomena of nucleation and growth rate dispersion. Microsoft Excel was used for the process data reconciliation, software Minitab for the multivariate statistical analyses, and EMSO simulator for the implementation of the phenomenological model of the crystallization process. From data reconciliation, 37.3% of undetermined losses were found to occur in the sugar manufacturing sector, between juice concentration and sugar bagging. The PCA highlighted the high correlation between the presence of alcoholic flocs in sugar and the concentrations of starch and dextran in it. Both PCA and PLS showed that the color of the sugar was highly correlated to its moisture content, indicating that the phenomena of inclusion and occlusion of molasses in the crystals contributed significantly to increased crystal color. In the simulation of the two-massecuite crystallization process, the crystal mean size reached 0.64 mm, with coefficient of variation equal to 30.58%. These results approximated the real data of the studied plant, in which the crystal mean size was 0.65 mm, with coefficient of variation equal to 25.36%.eng
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rights.uriAcesso abertopor
dc.subjectPerdas indeterminadaspor
dc.subjectReconciliação de dadospor
dc.subjectIndústria de açúcarpor
dc.subjectAnálise multivariadapor
dc.subjectCristalização da sacarosepor
dc.subjectModelagem fenomenológicapor
dc.subjectSimulaçãopor
dc.subjectUndetermined losseseng
dc.subjectData reconciliationeng
dc.subjectSugar industryeng
dc.subjectMultivariate analysiseng
dc.subjectSucrose crystallizationeng
dc.subjectPhenomenological modellingeng
dc.subjectSimulationeng
dc.titleAvaliação da produção de açúcar utilizando reconciliação de dados, estatística multivariada e modelagem fenomenológica da cristalizaçãopor
dc.typeDissertaçãopor
dc.contributor.advisor1Bernardo, André
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5705402824877708por
dc.creator.Latteshttp://lattes.cnpq.br/9306599334757765por
dc.description.resumoA cana-de-açúcar, cultivada em mais de cem países, é uma das principais culturas do mundo. O Brasil figura como maior produtor mundial. As indústrias do setor buscam constantemente a redução de perdas do processo industrial, a redução da variabilidade do processo, e o maior entendimento e controle dos fenômenos envolvidos na cristalização da sacarose. Dessa forma, a primeira abordagem deste trabalho teve como objetivo determinar a participação do setor de fabricação de açúcar no total das perdas indeterminadas de uma unidade produtora de açúcar e etanol. Para isso, foi utilizado um método de reconciliação de dados de vazões e concentrações do processo. Tal método poderia ser aplicado a qualquer equipamento ou setor da usina para rápida identificação das perdas que, atualmente, não são quantificadas. A segunda abordagem do trabalho objetivou identificar as maiores fontes de variação da quantidade e da qualidade do açúcar produzido, por meio de duas técnicas de estatística multivariada (PCA – Principal Component Analysis, e PLS – Partial Least Squares) aplicadas aos dados da mesma usina. Por fim, o terceiro objetivo do trabalho foi implementar um modelo para o processo de cristalização da sacarose em duas massas, baseado nos princípios fundamentais de conservação de massa e energia, e no balanço populacional de cristais, incluindo os fenômenos de nucleação e dispersão da velocidade de crescimento. Foram utilizados o Microsoft Excel para a reconciliação dos dados de processo, o software Minitab para as análises estatísticas multivariadas, e o simulador EMSO para a implementação do modelo fenomenológico do processo de cristalização. Por meio da reconciliação de dados, identificou-se que 37,3% das perdas indeterminadas contabilizadas na indústria ocorreram no setor de fabricação de açúcar, entre as etapas de pré-evaporação do caldo e ensaque. A análise PCA destacou a alta correlação entre a presença de flocos alcoólicos no açúcar e sua concentração de amido e dextrana. Tanto o PCA quanto o PLS mostraram que a cor do açúcar esteve altamente correlacionada a sua umidade, indicando que os fenômenos de inclusão e oclusão do mel contribuíram de maneira significativa para o aumento de cor do cristal. Na simulação do processo de cristalização em duas massas, o tamanho médio dos cristais alcançou 0,64 mm, com coeficiente de variação igual a 30,58%. Tais resultados aproximaram-se dos valores reais da usina em estudo, na qual o tamanho médio dos cristais foi de 0,65 mm, com coeficiente de variação igual a 25,36%.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-graduação em Engenharia Químicapor
dc.subject.cnpqENGENHARIAS::ENGENHARIA QUIMICA::OPERACOES INDUSTRIAIS E EQUIPAMENTOS PARA ENGENHARIA QUIMICApor
dc.subject.cnpqENGENHARIAS::ENGENHARIA QUIMICA::PROCESSOS INDUSTRIAIS DE ENGENHARIA QUIMICApor
dc.subject.cnpqENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICApor
dc.description.sponsorshipIdCNPq: 132045/2017-6por
dc.description.sponsorshipIdCAPES: Código de Financiamento 001por
dc.ufscar.embargoOnlinepor
dc.publisher.addressCâmpus São Carlospor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record