Kaynak Özetleri

37

Sonrasında her iki yapı için de, seçilen uygun kademelerin sıcaklık farkı kontrol edilerek yüksek üretim hızlarında başarılı oldukları gözlenmiştir. Ayrıca, iyi bir üst ve

alt ürün bileşim kontrolü sağlanmıştır. Kontrol performansında kontrol edilen ve ayarlanabilen değişken seçiminin önemi vurgulanmıştır. İki tane alternatif kontrol edilen değişkenle; daha az hassasiyetteki tepkime kademesi, giriş değişkenindeki büyük

zıt değişimler için zıt bir yanıtım vermekte ve seçilen iki tepkime kademesi sıcaklık farkının (∆T) büyük üretim hızı değişimleriyle başa çıkabilme yeteneği kontrol

sistemi-nin daha iyi olmasını sağlamıştır. Tek kademe sıcaklığı yerine sıcaklık farkının kullanılması daha iyi sonuçlar vermekte ve daha iyi ürün kalite kontrolü sağlamaktadır.

CS2, CS1‟e göre daha iyi performans göstermektedir. Üretim hızı değişimlerinde daha üstün bir şekilde başa çıkabilmekte ve daha iyi bir ürün kalite kontrolü sağlamaktadır.

İyi bir kontrol sistemi için kontrol edilen değişken seçiminin anahtar rolü bu makaleyle gösterilmiştir.

Kumar ve Kaistha (2009), iki sıcaklık kontrol yapısındaki tepkimeli damıtma kolonunun giriş değişkenlerinde oran kontrol yapılarak kontrolde geliştirme sağlanmak istenmiştir.

Bu amaçla metanol beslemesine göre asetik asit beslemesi oranı ve asetik asit beslemesine göre metanol beslemesi oranı şeklinde iki farklı yapı denenmiştir. Kontrol

sonuçlarına göre, yük düzensizliklerinde kontrol performansının artmadığı ve hatta beslemelerin kolona oranlanarak verilmesinin performansı daha da kötüleştirdiğini

göstermiştir. Son olarak, kazan ısısıyla birlikte iki taze besleme oranlanarak kolona beslendiğinde daha iyi bir ürün kontrolü sağlanmıştır. Sonuçlar, doğrusal olmayan (yüksek oranda) tepkimeli damıtma proseslerinde kararlı bir kontrol sistemi tasarlamak için doğrusal olmayan dinamik etkilerin anlaşılması gerektiğini vurgulamaktadır.

Dipolay ve Patle‟nin (2010) yaptığı çalışmada, tepkimeli damıtma kolonunun karmaşık

yapısını anlamak için “Aspen Plus” kullanan karmaşık yapılı tepkimeli damıtma kolonunun hassasiyet analizi yürütülmüştür. Hassasiyet analizi için, metanol ve asetik

asitin metil asetat oluşturan esterifikasyon tepkimesi düşünülmüştür. Yatışkın hal sonuçları Poken ve arkadaşları (2001) tarafından sunulan deneysel çalışmalarla doğrulanmıştır. Buradaki yatışkın hal sonuçları referans olarak düşünülürse, hassasiyet

analizleri yapılmıştır. Benzetimde, tek bir ünitede tepkime ve ayırmanın eşzamanlı olmasından kaynaklanan karmaşanın üstesinden gelebilmek için “RADFRAC” modeli

38

seçilmiştir. Denge hesaplamaları için benzetimde “UNIQUAC” özellik modeli seçilmiştir.

Sakhre ve arkadaşları (2016) tepkimeli damıtma kolonunda ürün bileşimini kaskad bazlı modifiye yapay sinir ağları kontrolü üzerinde çalışmışlardır. Bu çalışmada, tepkimeli damıtma kolonunda ürün bileşimini kontrol etmek için Back Propagaiton (FBPNN) algoritması ile eğitilmiş İleri Beslemeli Yapay Sinir Ağları temeline dayanan, yapay sinir ağı bazlı basit döngü ve kaskad kontrol tasarımı yürütülmüştür. FBPNN en dik düşüş yöntemi ile modifiye edilmiştir. Bu modifiye, hata fonksiyonunu optimize etme için önerilmiştir. Girdi ve gizli katmanları bağlayan ağırlıklar, gizli ve çıktı katmanlar, ortalama kare hatasını minimize etmeye neden olan ve bu sayede sistem yanıtımını geliştiren en dik düşüş metodu kullanılarak optimize edilmiştir. FBPNN, İkincil bir

proses değişkeni olarak sıcaklığı kullanarak tepkimeli damıtmada bileşim tahmin edicisinin dolaylı ılıman sensörü gibi kullanılmıştır. Tepkimeli damıtmanın optimize

edilmiş sıcaklık profili yapay sinir ağı için girdi değişkeni olarak seçilmiştir. Kazan ısısı basit döngü kontrol tasarımı durumunda ayar değişkeni olarak seçilirken alt kısım T9 ise kaskad kontrol tasarımı için ayar değişkeni olarak seçilmiştir. Modifiye FBPNN‟

nin minimum seviyede ortalama kareler hastası verdiği saptanmıştır. Aynı zamanda, kaskad kontrol tasarımının basit döngülü kontrol tasarımına göre daha gelişmiş yanıtlar verdiği de saptanmıştır.

Rushdi ve Mahdi (2017), tepkimeli damıtma kolonu ile metil asetat üretiminin Çok katmanlı Perceptron tahmini adlı çalışmalarını yapmışlardır. Bu çalışmada, sülfürik

asitin katalizör olmadığı bir tepkimeli damıtma kolonunda metil asetat üretiminin tasarımı verilmiştir. Tepkimenin dönüşümünün zamanın, geri akma oranının ve besleme

mol kesrinin fonksiyonu olarak çalışılmış ve SPSS yazılım 21 vasıtasıyla Çok Katmanlı Perceptron kullanılarak tahmin edilmiştir. Sonuçlar, ANN kullanmanın En Küçük Kareler Hatasını 0.262‟ ye ve Bağıl Hatanın ise %12.1‟e düşürüleceğini göstermektedir.

Jana ve Banerjee (2018), tepkimeli bir damıtma kolonunun sinir ağı tahmin edici bazlı genişletilmiş genel model kontrolü adlı çalışmayı gerçekleştirmişlerdir. Bu çalışmanın amacı, etilen glikol üretilen bir tepkimeli damıtma kolonunda dolaylı genişletilmiş genel

model kontrolcü (IEGMC) bazlı bir sinir ağı tahmin edicisi önermektir. Bu lineer

39

olmayan kontrol sistemi bileşim sonucu için model bazlı kontrol edici (EGMC gibi), bir

yapay sinir ağı bazlı tahmin edici (NE gibi) ve ANN Bazlı hafif sensörlerini karşılaştırır. İlk önce, EGMC‟nin kontrol hareketinin benzetimini yapabilmek için çokça

gerekli olan durum değişkenleri hesabı için tepkimeli damıtmada NE tasarlanmaktadır.

Sonradan NE bazlı EGMC kontrol edici formüle edilmiştir. Daha ileri bir gelişme ola-rak, tepkimeli damıtma kolonunun alt ürün bileşimini bilen bir hafif sensor önerilmiş ve bu bağlamda sonuçlanan hafif sensörlü kontrol edici NE bazlı EGMC kontrol edici olarak tanımlanmıştır. Etilen glikol sistemini tanıtmak amacıyla en alt raf en hassas bölge olduğu için bileşimi belirten olarak kullanılmıştır. Benzetim performans sonuçla-rına göre önerilen NE bazlı IEGMC dolaylı kısmi integral kontrol ediciden daha iyi olduğu anlaşılmıştır.

Li ve arkadaşlarının (2018) yaptığı çalışmada metil asetat hidrolizi için farklı basınçlarda termal olarak bağlı tepkimeli damıtma kolonunun tasarımı ve kontrolü

üze-rinde çalışılmıştır. Enerji gereksinimlerini düşürmek ve kimya mühendisliği gelişme prosesinde çevresel yararı başarmak için termal olarak bağlı damıtma tasarlanmıştır. Bu çalışmada, farklı basınçlı termal bağlı tepkimeli damıtma (DPTCRD) prosesi önerilmiş ve DPTCRD prosesi ekonomik yapılabilirliğinin hesaplanması için optimize edilmiştir.

Hesaplamalar bu termal bağlı dizinin toplam yıllık tutarın %7.49 unu tasarruf edebildiğini ve enerji harcamasının geleneksel tepkimeli damıtmaya göre %40.07 azaldığını açıkça göstermektedir. Ek olarak, önerilen serinin kontrol edilebilirliği hesaplanmış ve dinamik sonuçlar geliştirilmiş kontrol yapıları stabil prosesi sağlayabilir

ve büyük besleme düzensizlikleriyle başa çıkabilir olduğunu göstermiştir.

Mathew ve Kumar (2018) yaptığı çalışmada, ileri beslemeli ve tekrarlayan yapay sinir

ağlarıyla birlikte ideal dört bileşenli endotermik tepkimeli damıtmanın tahmin edici bazlı dolaylı kontrolü üzerinde çalışmışlardır. İdeal, dört bileşenli, kuramsal, kinetik

olarak kontrol edilen tepkimeli bir damıtma kolonunda yüksek saflıkta ürün kontrolü için sırasıyla, iki bileşenli tahmin edici bazlı, bir ileri beslemeli yapay sinir ağı (FNN)

ve bir katmanlı-tekrarlayan yapay sinir ağı (LRNN) tasarlanmıştır. Seçilen raf sıcaklıkları tahmin edicilerde girdi değişkeni olarak kullanılarak bileşim gibi çıktı

de-ğişkenleri tasarlanan kontrol yapısında tahmin edilmiştir. Tahmin edicinin kolonun kontrolündeki performansı için otomasyon, düzenleyici, besleme kirliliği düzensizleri

40

ve katalizör deaktivasyonu çalışılmıştır. Özellikle ürün saflığı kontrolünde tahmin edici bazlı kontrolün etkili olabileceği bulunmuştur. Raf sıcaklığı ölçüm sayısı ile bunların

hassasiyetinin birebir ilişkisi tahminin doğruluğunu etkilediği gözlenmiştir. Sonuç olarak, LRNN‟ nin performansının tahmin edicide test edilen daha çok girdi değişkeni

için daha iyi bir performans sergileyip düzensizliklerle baş çıktığı bulunmuştur.

Bu tezde, Ankara Üniversitesi Kimya Mühendisliği Bölümü Proses Simülasyon Laboratuvarında hazır bulunan laboratuvar ölçekli tepkimeli dolgulu damıtma kolonu

kullanılmıştır. Bu tez ile birlikte deneysel çalışmalar laboratuvar ölçekli cam tepkimeli damıtma kolonunda yapılmış ve sistem kontrolleri MATLAB SIMULINK programında benzetimle yapılmıştır. Bu sistemde ilk defa dolaylı kontrol uygulanmış ve kontrol edici olarak yapay sinir ağı bazlı kontrol edici olan NARMA-L2 kontrol edici kullanılmıştır.

Yukarıdaki cümleler açıklanacak olursa; tepkimeli damıtma kolonunda metanol ve asetik asidin kazana ön besleme yapılarak ve çözeltinin ısıtılıp buharlaşarak kolonun

tepkime bölgesine gelmesi sağlanmış, burada katalizör varlığında ve taze metanol ile asetik asit beslemesi ile birlikte tepkimeye girerek metil asetat üretilmiştir. Metil asetat

üst ürün olarak alınmıştır. Kütle kesirleri GC-MS cihazından analiz edilmiştir.

CHEMCAD‟te farklı girdi değişkenleri ile farklı kütle kesirlerinde metil asetat bulun-muştur. Deneysel ve teorik sonuçlar kullanılarak MATLAB Sistem Tanımlama Araç

Kutusu kullanılarak sistemin iletim fonksiyonları bulunmuştur. Sistemin iletim fonksiyonları yardımı ile MATLAB SIMULINK paket programında sistemin benzetimi

yapılmıştır. İlk önce PID kontrol edici ile ve sonrasında Yapay Sinir Ağı NARMA-L2 kontrol edici ile üst ürün metil asetat kütle kesri kontrol edilmiştir. Metil asetat kütle kesri kontrol edilirken sıcaklık ölçümlerinden yararlanılmıştır. Sıcaklık kontrol edilirken kütle kesri dolaylı olarak kontrol edilmiştir. Yapay sinir ağı bazlı kontrol edicinin kont-rol performansının geleneksel PID kontkont-rol ediciden daha iyi olduğu bulunmuştur. Bu yönleriyle yapılan çalışma literatüre katkı sağlamaktadır.

41