Uma Abordagem de Aprendizado de Máquina para Avaliar Espectros de Impedância no Monitoramento da Cristalização de Glicina

Na cristalização industrial, impurezas iônicas ou aditivos como sais ou ácidos podem afetar vários fenômenos que ocorrem durante a cristalização. O controle de processo que visa alcançar uma forma específica de cristal deve, portanto, levar em conta essas propriedades. Um sensor suave baseado em espectroscopia de impedância elétrica é apresentado, prometendo medir as concentrações de substâncias-alvo dissolvidas e cristalinas e a concentração do aditivo usando apenas uma única sonda. Um estudo de viabilidade é apresentado aqui para o sistema modelo glicina–água–NaCl. Os espectros são avaliados usando redes neurais artificiais. 5140 espectros foram registrados como dados de treinamento durante vários processos de cristalização por resfriamento. As previsões do modelo mostram qualidade promissora quando aplicadas a dados previamente não vistos pelo modelo treinado. Para futuras aplicações de processo, a precisão pode ser ainda mais aprimorada aumentando o número de dados de treinamento e/ou restringindo-os ao intervalo de parâmetro realmente relevante.