Recentemente, foram conduzidos estudos avançados sobre a produção de poliestireno através da polimerização via radicais livres (FRP) em microcanais. Esse tema tem despertado grande interesse, principalmente devido à eficiência proporcionada pelos microrreatores em termos de intensificacao do processo. Além disso, especialmente em plantas-piloto, os microrreatores têm sido utilizados devido à sua eficácia no monitoramento das características ou propriedades finais do polímero poliestireno, que variam conforme o tamanho da cadeia polimérica. Por outro lado, um problema crítico encontrado em microrreatores e milirreatores é o entupimento dos microcanais. Neste trabalho, foi simulada a síntese de poliestireno via FRP em microcanal utilizando um algoritmo robusto e eficiente em termos de tempo, baseado na simulação estocástica híbrida baseada no algoritmo de Gillespie. Esse método não apenas simula o crescimento da cadeia polimérica, mas também permite um cálculo determinístico paralelo simultâneo do mesmo sistema de reação. Os perfis determinísticos obtidos em diferentes condições foram comparados com as respectivas trajetórias estocásticas. Para validar o modelo, os resultados obtidos para a conversão de monômero (X), o índice de polidispersidade (PDI), o peso molecular é numérico (Mn) e o peso molecular médio ponderado (Mw) foram comparados aos dados experimentais. Foram utilizados tempos de residência variando de 5 a 80 minutos e diferentes condições operacionais, incluindo concentrações iniciais de monômero (M), solvente (S) e iniciador (I) e, também, temperaturas variando entre 100 e 140 graus Celsius. O erro percentual m´edio (APE - Average Percentage Error) obtido a partir da simulação determinística pelo algoritmo de simulação estocástica híbrida (HSSA) aproxima-se dos resultados encontrados na literatura, validando assim a capacidade de simular a polimerização via FRP do monômero de estireno. Dessa forma, aplicando diferentes condições de entrada, o algoritmo foi utilizado para prever simultaneamente os perfis determinísticos e as trajetórias estocásticas. O modelo estocástico permite a compreensão dos fenômenos físicos que ocorrem dentro de um microrreator.

Most recently, advanced studies have been carried out on the production of polystyrene by Free Radical Polymerization (FRP) via microchannels. This has been a subject of core interest primarily due to the efficiency of a microreactor in terms of process intensification. In addition, especially in pilot experimentations, a micro or milli-reactor has been known widely to be efficient in monitoring the microstructural end-use features or properties of the polystyrene polymer as the chain grows and ultimately terminates. However, a critical problem that occurs in milli- and micro-reactors is the clogging of the microchannels. In this work, the synthesis of polystyrene via FRP through microchannels is simulated using a robust and time-efficient Hybrid Stochastic Simulation Algorithm based on the Gillespie Algorithm. This algorithm not only simulates the chain growth polymerization but also allows a simultaneous parallel deterministic computation of the same chain growth reaction system. The produced deterministic profiles at various conditions were compared to the respective stochastic trajectories. To validate the model, the obtained results of the end-use properties of polystyrene such as Monomer Conversion (X), Polydispersity Index (PDI), Number-Average Molar Mass (Mn) and Weight-Average Molar Mass (Mw) were compared to experimental data. Also, the residence times deployed for the simulation was from 5 to 80 minutes and as well as varying operating conditions of initial Monomer (M), Solvent (S) and Initiator (I) which includes temperatures ranging from 100 and 140 degrees Celsius. The Average Percentage Error (APE) obtained from the deterministic simulation of the hybrid stochastic simulation algorithm (HSSA) was close to the results found in literature, thus validating the efficiency of the algorithm to simulate the polymerization via FRP of the styrene monomer. Thus, applying different input conditions, the algorithm was used to simultaneously predict deterministic profiles and stochastic trajectories. The stochastic model allows us to understand the physical phenomena that occur inside a microreactor.