Virtual sensor for penetration of an asphalt produced in a crude distillation unit

• Morales Medina, Giovanni ^[1]
  1. [1] Universidad Industrial de Santander

     Universidad Industrial de Santander

     Colombia

     
• Localización: Investigación e Innovación en Ingenierías, ISSN-e 2344-8652, Vol. 13, Nº. 1, 2025 (Ejemplar dedicado a: January - June), págs. 1-1
• Idioma: inglés
• Títulos paralelos:
  • Desarrollo de un sensor virtual de penetración para el asfalto generado en una unidad de destilación de crudos
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: El objetivo del presente trabajo corresponde a desarrollar un sensor virtual basado en redes neuronales artificiales para la predicción de la penetración de los asfaltos generados en una unidad de destilación en una refinería nacional. Metodología: Los datos de proceso de la unidad de destilación fueron recolectados en una ventana de 4 años, incluyendo 47 variables de las torres atmosférica y de vacío. La arquitectura feedforward fue utilizada para las redes, según el Toolbox nntool de MATLAB. Los hiperparámetros evaluados fueron funciones de transferencia (Logsig y Tansig) y número de neuronas ocultas, considerando los estadísticos de desempeño MSE y R2 para las etapas entrenamiento, validación y prueba. El algoritmo input perturbation fue aplicado para determinar la influencia de las variables de entrada en la predicción de la red de mejor desempeño. Resultados: La arquitectura de red denominada 47:40:1–Tansig (47 entradas, 40 neuronas ocultas con función Tansig y 1 variable de predicción) reportó el mejor desempeño en la predicción de la penetración de los asfaltos, con MSE=0,008 y R2=0,86. También, esta red mostró resiliencia respecto a datos atípicos. Por otra parte, el procedimiento input perturbation aplicado a la red 47:40:1–Tansig reveló que las variables con mayor influencia fueron el flujo del reflujo inferior y el vapor de despojo. Conclusión: El sensor virtual desarrollado en el presente documento constituye una herramienta para la predicción semicuantitativa de la penetración del asfalto producido en la unidad de destilación nacional.

     

  • English

    Objective: This work aims to develop a virtual sensor based on artificial neural networks (ANN) to predict asphalt penetration using process variables from a crude distillation unit at a national refinery. Methodology: Process data from the crude distillation unit were collected over a four-year operation period, encompassing 47 process variables from both atmospheric and vacuum distillation towers. A feedforward ANN was implemented using MATLAB’s nntool toolbox. The hyperparameters, specifically activation functions (Logsig and Tansig) and number of hidden neurons, were evaluated. Mean squared error (MSE) and the coefficient of determination (R2) were used as goodness-of-fit metrics across training, validation and testing phases. An Input perturbation algorithm was applied to assess the influence of each variable on the predictions made by the best-performing ANN. Results: The ANN architecture named 47:40:1-Tansig (47 inputs, 40 hidden neurons with Tansig and 1 output variable) achieved the best performance, with MSE of 0,008 and R2 of 0,86 for predicting asphalt penetration. This architecture also demonstrated resilience to outliers. Additionally, the input perturbation procedure applied to the 47:40:1-Tansig network revealed that the bottom reflux flow and the stripping steam were the most influential variables in the model. Conclusion: The virtual sensor developed in this study provides a tool for the semi-quantitative prediction of asphalt penetration in the national distillation unit.