Predicción de los desempeños de gasolina de una torre de fraccionamiento en una unidad de ruptura catalítica utilizando análisis estadístico multivariable

El craqueo catalítico fluidizado FCC convierte hidrocarburos pesados en productos livianos con mayor valor agregado en presencia de un catalizador principalmente zeolíticos. El propósito fundamental del presente trabajo fue obtener un modelo de regresión lineal múltiple para predecir los desempeños de gasolina de la torre de fraccionamiento de la unidad de craqueo catalítico UOP I. La metodología desarrollada inició con un análisis exploratorio sobre los datos históricos de las secciones de carga, reactor, regenerador y flujos de entrada a la torre de fraccionamiento, temperatura y presión en la torre de fraccionamiento y los flujos de nafta provenientes de la torre de fraccionamiento, luego se aplicó análisis por componentes principales y análisis clúster kmedias identificando patrones en los datos para finalmente aplicar el método de regresión lineal múltiple. Los resultados de este análisis estadístico, fueron dos modelos de regresión, un modelo que no incluye las variables del catalizador (R 2 = 0.9027) y otro modelo que incluye las variables del catalizador (R 2 = 0.9039), los dos modelos a un nivel de confianza mayor al 90%. Con estos modelos se concluye que el análisis estadístico permite realizar modelos y determinar las variables más influyentes que puedan predecir rendimientos de productos valiosos como la gasolina.

• Autores: Monroy Mora, Saray; Ruiz Garcia, Edisson Andres
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2017
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/35831
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/35831; https://noesis.uis.edu.co
• Palabra clave: Regresión Lineal Multiple; Craqueo Catalítico Fluidizado; Análisis Por Componentes Principales; Análisis Clúster K-Medias.; Multiple Linear Regression; Catalytic Cracking; Principal Component Analysis; Analysis Cluster K-Means.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)