بهینه سازی فرایند تولید کاتالیزگر رس فعال به کاررفته در کاهش و حذف ترکیبات غیراشباع الفینی از خوراک های آروماتیکی به کمک فرآیند یادگیری ماشین
- سال انتشار: 1404
- محل انتشار: اولین همایش بین المللی فناوری های نوین درمهندسی نفت، گاز و پتروشیمی ایران
- کد COI اختصاصی: OSCONFE01_025
- زبان مقاله: فارسی
- تعداد مشاهده: 35
نویسندگان
دانشجوی دکتری مهندسی مواد و متالورژی، دانشگاه علم و صنعت ایران
کارشناس تحقیق و توسعه، شرکت گسترش فناوری خوارزمی
استادیار گروه سرامیک، دانشکده مهندسی مواد و متالورژی، دانشگاه علم و صنعت ایران
نایب رییس هیئت مدیره، شرکت گسترش فناوری خوارزمی
استاد گروه سرامیک، دانشکده مهندسی مواد و متالورژی، دانشگاه علم و صنعت ایران
چکیده
برای حذف ترکیبات الفینی از خوراک های آروماتیکی، از کاتالیزگر رس فعال شده به روش اسیدی استفاده می شود که در آن معمولا، بنتونیت خام در زمان و دمای مشخص در تماس با اسید رقیق شده قرار می گیرد. یکی از مشخصه های مهم تعیین کیفیت کاتالیزگر، یعنی سطح ویژه ی آن، متاثر از عوامل مختلفی از جمله، ویژگی های خاک اولیه و عوامل متعدد فرآیندی است؛ به همین دلیل در این پژوهش، از روش یادگیری ماشین، به دلیل دقت و تعمیم پذیری نسبی بالا و صرفه جویی در زمان و هزینه بهره گرفته شد. مدل یادگیری ماشین در ابتدا، به کمک ۴۰۰ نمونه ی آزمایشگاهی و جمع آوری شده از منابع، آموزش داده شد و مهم ترین عوامل و محدوده ی بهینه ی آن ها به دست آمد. سپس با توجه به این مقادیر بهینه، طراحی آزمایش تاگوچی برای پنج عامل در سه سطح و در ۲۷ گام آزمایشگاهی انجام گرفت. مدل یادگیری ماشین، به کمک داده های جدید آموزش داده شد. از میان مدل های یادگیری ماشین خطی، درختی و دسته جمعی، مدل «ارتقاء گرادیان» بهترین عملکرد را در پیش بینی سطح ویژه با دقت نهایی %۷۴ داشت. با تحلیل مدل، عوامل «غلظت اسید»، «زمان»، «دما» و «نسبت وزن رس به حجم اسید» به ترتیب موثرترین عوامل فرآیندی و ویژگی های «مجموع فلزات ساختار هشت وجهی»، «فاصله ی صفحات»، «نسبت سیلیکا به آلومینا» و «سطح اولیه» به ترتیب موثرترین ویژگی های رس اولیه در تعیین سطح ویژه ی رس فعال بودند. یک نمونه رس فعال، براساس مقادیر بهینه ی عوامل فرایندی، به دست آمده از مدل ارتقاء گرادیان، تولید و در نهایت سطح ویژه ی نمونه ی بهینه برابر m۲/g ۱ ± ۲۰۴ اندازه گیری شد که در محدوده ی پیش بینی مدل یادگیری ماشین m۲/g (۱۹ ± ۲۰۵) قرار داشت.کلیدواژه ها
رس فعال, کاتالیزگر, روش اسیدی, یادگیری ماشینمقالات مرتبط جدید
- محاسبه تخلخل و نحوه توزیع آن به کمک نمودار تصویرگر FMI
- تفسیر نمودار تصویرگر FMI به منظور شناسایی شکستگیهای دیواره چاه
- ارزیابی تاثیر تکانه قیمتی سوخت های مصرفی بر میزان مصرف
- بررسی تنشهای دیواره چاه و محاسبه فشار منفذی از نمودارهای چاهپیمایی معمول و تصویرگر FMI
- Chelating Agents and their role in enhancing carbonate rock dissolution: A critical Review
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.