Desenvolvimento de ferramenta baseada em redes neurais para apoio a decisão na manutenção de trocadores de calor: Uma aplicação em refrigeração.

Abstract

Trocadores de calor são componentes indispensáveis na indústria da refrigeração. Nesse contexto, o controle da evolução do processo de incrustação do trocador deve ser buscado, dado que a falta de limpeza provoca ineficiência no processo de resfriamento e perdas energéticas do sistema. Desta forma, a limpeza adequada do trocador pode determinar ou promover ganhos de competitividade na organização. Porém, devido a alta complexidade para se determinar o intervalo de limpeza de um trocador de calor, métodos computacionais de regressão surgem como ferramentas que auxiliam na tomada de decisão. Para tal, o presente trabalho objetiva desenvolver um modelo computacional capaz de identificar de forma indireta a incrustação de um trocador de calor, onde tal modelo sirva como base para a elaboração de uma ferramenta de apoio à decisão. Para isto, dados de um trocador de calor foram coletados e implementados em dois modelos de regressão, sendo um modelo de regressão linear múltipla e um modelo de rede neural. Os resultados do trabalho permitiram concluir que a regressão linear múltipla não foi uma boa preditora para se determinar a incrustação do equipamento. Entretanto, o modelo de rede neural artificial se mostrou aderente ao problema, visto que foi possível se obter mais de 96% de acertos nas previsões utilizando uma rede neural do tipo MLP Multilayer Perceptron. A partir dessa constatação, foi possível ainda realizar a implantação desta rede em um sistema de computação em nuvem de modo que técnicos e gestores de manutenção se beneficiem da ferramenta.