Inverse problem for estimating and optimization of parameters of batch ethanol fermentation process using Bayesian techniques / Problema inverso para estimativa e otimização de parâmetros no processo de fermentação de etanol em reator batelada usando técnicas Bayesianas

Renan Teixeira Baia, Selma Lidia Azevedo Lobato, Emanuel Negrão Macêdo, Kleber Bittencourt Oliveira, Eduardo Magalhães Braga, Diego Cardoso Estumano

Abstract


Com o objetivo de descrever o modelo cinético para o processo de fermentação em função das concentrações de Biomassa (CB), sacarose (CS), glicose (CS1) e etanol (CE), foram analisados os parâmetros que envolvem esse processo: cinética máxima (µmax); constante cinética (K e K1); taxa específica de morte celular (Kd); fator de conversão substrato em produto (YB/E) e fator de conversão de substrato em biomassa (YB/S). As medidas simuladas foram realizadas a partir da resolução do modelo direto do processo fermentativo. Adotou-se a aquisição aleatória de dados a partir de uma distribuição gaussiana, com média obtida a partir do modelo direto e desvio padrão de 2% do valor máximo da variável de estado. Para identificar os parâmetros que geram magnitudes significativas no sistema e eliminar parâmetros linearmente dependentes, foi realizada uma análise de sensibilidade. O Método Monte Carlo da Cadeia de Markov foi aplicado para resolver o problema inverso. Na análise do problema inverso, foram adotadas variações no desvio padrão, número de iterações, estimativa inicial, frequência de aquisição de dados e variáveis de estado. Os resultados levaram à definição do modelo para atingir valores de parâmetros mais próximos dos obtidos na resolução do modelo direto. Assim, com um desvio padrão de 2%, na aquisição de dados usando as variáveis de estado Glicose (CS1) e Etanol (CE), 10000 iterações na cadeia de Markov, estimativa inicial igual a 2 e 10 minutos para a frequência de aquisição de dados, foram obtidos resultados satisfatórios para os parâmetros determinados como significativos (µmax, K1, YB/S, YB/E).


Keywords


Análise de sensibilidade; Etanol; Problema inverso.

Full Text:

PDF

References


CHOHAN, N.A., ARUWAJOYE, G.S., SEWSYNKER-SUKAI, Y., KANA, E.G. Valorisation of potato peel wastes for bioethanol production using simultaneous saccharification and fermentation: Process optimization and kinetic assessment. Renewable Energy, v. 146, p. 1031-1040, 2020.

COSTA JR, J.M. NAVEIRA-COTTA, C.P. Estimation of kinetic coefficients in micro-reactors for biodiesel synthesis: Bayesian inference with reduced mass transfer model. Chemical Engineering Research and Design, v. 141, p. 550-565, 2019.

DODIĆ, J.M.; VUČUROVIĆ, D.G.; DODIĆ, S.N.; GRAHOVAC, J.A.; POPOV, S.D.; NEDELJKOVIĆ, N.M. Kinetic modelling of batch ethanol production from sugar beet raw juice. Applied energy, v. 99, p. 192-197, 2012.

ESTUMANO, D.C.; BENK, E.; CARVALHO, R.C.; ORLANDE, H.R.B.; COLAÇO, M.J.; RIERA, J.J. Application of the Markov Chain Monte Carlo Method To Parameter Estimation in a Model Representing the Calcium Induced Calcium Release Mechanism in Neurons. ABCM International Congress of Mechanical Engineering. 2015.

FOGLER, H.S. Elementos de Engenharia das Reações Químicas. 4o ed. Rio de Janeiro: LTC, 2009.

FONTOURA, C.R.O., ASEVEDO, S.D.M.L., NETO, M.R.F., SANTOS, L.M.R., PEREIRA, C.D.S.S. Uso do simulador de processos no estudo da engenharia química: uma aplicação no processo de produção de cerveja/Using the process simulator in chemical engineering study: an application in the beer production process. Brazilian Journal of Development, v.5, n. 8, p. 11724-11745, 2019.

GAMERMAN, D. Markov Chain Monte Carlo: Stochastic simulation for Bayesian Inference. 1o ed. London: Chapman & Hall. 1997.

HARRISON, H.S. Multi-Level Dynamical Parameter Estimation: Hypothesis Testing with Dynamical Systems. Doctoral Dissertations. University of Connecticut, 2017.

KAIPO, J.; SOMERSALO, E. Statistical and computational inverse problems. New York: Springer-Verlag; 2005.

LIMA, U.A.; AQUARONE, E.; BORZANE, W.; SCHMIDEL, W. Biotcnologia industrial: Processos Fermentativos e enzimáticos. Volume 3. São Paulo: Edgard Bluncher, 2001.

MALTBY, H., PAKORNRAT, W., JACKSON, J., HERNANDEZ, A., WILLIAMS, C., LIN, C., KHIM, J. Markov Chains. Disponível em: https://brilliant.org/wiki/markov-chains/. Acesso em: 11/12/2019.

MAYBECK, P. Stochastic models, estimation and control. Academic, New York. 1979.

METROPOLIS, N.; ROSENBLUTH, A.W.; TELLER, M.N. Equation of state calculations by fast computing machines. J. Chem. Phys. v 21, p. 1087–1092, 1953.

MÜLLER, P. Markov Chain Monte Carlo Methods. International Encyclopedia of the Social & Behavioral Sciences, p. 9236-9240, 2011.

NAVEIRA-COTTA, C.P.; COTTA, R.M.E ORLANDE, H.R.B. “Estimation of space variable thermophysical properties”. In: ORLANDE, H.R.B., FUDYM, O., MAILLEt, D., COTTA, R.M. (Org.), Thermal Measurements and Inverse Techniques. New York: CRC Press, p. 675–707, 2011.

NAVEIRA-COTTA, C.P.; COTTA, R.M.; ORLANDE, H.R.B. Inverse analysis of forced convection in micro-channels with slip flow via integral transforms and Bayesian inference. International Journal of Thermal Sciences, v. 49, n. 6, p. 879-888, 2010.

NUNES, T.S., FINZER, J.R.D. A importância do tratamento do caldo de cana-de-açúcar para a produção de açúcar e etanol/The importance of sugar cane treatment for sugar and ethanol production. Brazilian Journal of Development, v. 5, n. 11, p. 24816-24823, 2019.

OLIVEIRA, S.C.; OLIVEIRA, R.C.; TACIN, M.V.; GATTÁS, E.A.L. Kinetic modeling and optimization of a batch ethanol fermentation process. J. Bioprocess. Biotech. 2016, v. 6, p. 266, 2016.

ORLANDE, H.R.B.; FUDYM, O.; MAILLET, D.; COTTA, R.M. (Org.). Thermal Measurements and Inverse Techniques. New York: CRC Press, p. 675–707, 2011.

ÖZIŞIK, M.N.; ORLANDE, H.R.B. Inverse Heat Transfer: Fundamentals and Applications. Taylor & Francis, 2000.

PASQUALETTE, M.A. ; ESTUMANO, D.C. ; HAMILTON, F.C. ; COLAÇO, M.J. ; LEIROZ, A.J.K. ; ORLANDE, H.R.B. ; CARVALHO, R.N. ; DULIKRAVICH, G.S. Bayesian estimate of pre-mixed and diffusive rate of heat release phases in marine diesel engines. Journal of the Brazilian Society of Mechanical Sciences and Engineering, v. 4, p. 1/655-10, 2016.

PASSOS, K. L. M., VIEGAS, B. M., MACÊDO, E. N., SOUZA, J. A. S., MAGALHÃES, E. M. Mathematical Modeling of Leaching Process of Red Mud in Order to Obtain the Kinetics Parameters. Revista de Engenharia Térmica, v. 14, n. 2, p. 90-94, 2015.

SANTOS, F. A.; QUEIRÓZ, J. D.; COLODETTE, J. L.; FERNANDES, S. A.; GUIMARÃES, V. M.; REZENDE, S. T. Potencial da palha de cana-de-açúcar para produção de etanol. Química nova, v. 35, n. 5, p. 1004-1010, 2012.

SARAWAN, C., SUINYUY, T. N., SEWSYNKER-SUKAI, Y., & GUEGUIM, E. K. Optimized activated charcoal detoxification of acid-pretreated lignocellulosic substrate and assessment for bioethanol production. Bioresource technology, v. 286, p. 121403-121403, 2019.

SILVA, C. L.; SANTANA, P. L. SILVA, C. F.; PAGANO, R. L. Modelagem e estimação de parâmetros do processo de produção de etanol em reator batelada por Saccharomyces cerevisiae. Scientia Plena. v. 12, n. 05, 2016.

SOMBRA, T. R., NUNES, M. P. M., SERRÃO, G. X., ARAÚJO, J. C., SOUSA, M. A. P., MORAIS, E. C., MACIEL, A. G. Utilização de redes bayesianas através do algoritmo naïve bayes para classificação de carcaças de ovinos/Use of bayesian networks through the na dove bayes algorithm for the classification of sheep carcases. Brazilian Journal of Development, v. 6, n. 3, p. 10476-10498, 2020.

WANG, F. S., SHEU, J. W. Multiobjective parameter estimation problems of fermentation processes using a high ethanol tolerance yeast. Chemical Engineering Science, v. 55, n. 18, p. 3685-3695, 2000.

ZENTOU, H., ABIDIN, Z. Z., YUNUS, R., BIAK, A., RADIAH, D., ZOUANTI, M., HASSANI, A. (2019). Modelling of Molasses Fermentation for Bioethanol Production: A Comparative Investigation of Monod and Andrews Models Accuracy Assessment. Biomolecules, v. 9, n. 8, p.308, 2019.




DOI: https://doi.org/10.34117/bjdv6n5-197

Refbacks

  • There are currently no refbacks.