O presente trabalho envolve a elaboração de um modelo matemático para um processo industrial de produção de cloro e soda a partir de salmoura, visando sua otimização em termos de eficiência de produção e dos custos dos consumos de energia elétrica e vapor. O estudo contemplou duas etapas do processo: eletrólise e concentração de licor de NaOH por evaporação. Para a unidade de eletrólise não foram encontrados na literatura modelos fenomenológicos adequados à simulação do processo. Por essa razão, foram desenvolvidos modelos empíricos baseados em redes neurais tipo ?feedforward? constituídas por três camadas, a partir de dados da operação industrial. Para a unidade de evaporação foi elaborado um balanço de energia adequado à estimativa do consumo de vapor. Porém, devido à falta de modelos para previsão das relações de equilíbrio para o sistema, o modelo fenomenológico foi substituído por um modelo de redes neurais tipo ?feedforward? de três camadas também para essa unidade. Para ajuste dos modelos, uma base de dados foi montada a partir de dados de operação do processo da Carbocloro S.A. Indústrias Químicas, localizada em Cubatão-SP, analisados por meio de técnicas estatísticas multivariadas, visando detectar e eliminar erros grosseiros e dados anômalos, além de identificar correlações entre variáveis e diferentes regimes operacionais da planta de produção de cloro e soda. Os modelos ajustados para os diferentes circuitos de células de eletrólise, bem como para a etapa de evaporação, apresentaram boa concordância com os dados operacionais. Isto possibilitou sua utilização para simular a operação das unidades de células eletrolíticas e evaporação no processo industrial de produção de cloro-soda, com células tipo diafragma. O modelo matemático baseado em redes neurais foi utilizado em estudos de otimização do processo, de modo a maximizar o ganho financeiro na unidade industrial, para uma dada condição de operação.

The present work consists on the development of a mathematical model on an industrial chlorine and sodium hydroxide production plant, aiming at the optimization of production efficiency and costs saving concerning electrical energy and vapor consumption. Two process steps were considered in the study: electrolysis and NaOH-liquor concentration by evaporation. Since there are no adequate models reported in the literature for simulating electrolysis-based processes like the one considered, empirical models for the different types of electrolysis cells were developed based on the fitting of neural networks to operational data from industrial operation. In this case, feedforward neural networks containing three neuron layers were fitted to the data. The raw data obtained from industrial operation at Carbocloro plant, in Cubatão ? SP, were first treated by means of multivariate statistical techniques, with the purpose of detecting and eliminating data containing gross errors and outliers, as well as to identify correlations among variables and different operational regimes of the industrial plant. Although material and energy balances for the evaporation step have been initially adopted, this approach could not be used in simulations due to the lack of valid models to predict liquid ? vapor equilibria for the specific system. Thus, a neural network model was also fitted to data from operation of the evaporation step. Fitting of the neural network models resulted in good agreement between model predictions and measured values of the model output variables, and this enabled their use in simulation studies for the electrolysis and evaporation process steps. The neural network-based mathematical model was utilized in process optimization studies aiming at the best financial gain under given operational conditions.