Artificial Neural Network Modeling in the Presence of Uncertainty for Predicting Hydrogenation Degree in Continuous Nitrile Butadiene Rubber Processing
Notice bibliographique
Résumé
The transition from batch to continuous production in the catalytic hydrogenation of nitrile butadiene rubber (NBR) into hydrogenated NBR (HNBR) marks a significant advance for applications under demanding conditions. This study introduces a continuous process utilizing a static mixer (SM) reactor, which notably achieves a hydrogenation conversion rate exceeding 97%. We thoroughly review a mechanistic model of the SM reactor to elucidate the internal dynamics governing the hydrogenation process and address the inherent uncertainties in key parameters such as the Peclet number (Pe), dimensionless time (θτ), reaction coefficient (R), and flow rate coefficient (q). A comprehensive dataset generated from varied parameter values serves as the basis for training an artificial neural network (ANN), which is then compared against traditional models including linear regression, decision tree, and random forest in terms of efficacy. Our results clearly demonstrate the ANN’s superiority in predicting the degree of hydrogenation, achieving the lowest root mean squared error (RMSE) of 3.69 compared to 21.90 for linear regression, 4.94 for decision tree, and 7.51 for random forest. The ANN’s robust capability for modeling complex nonlinear relationships and dynamics significantly enhances decision-making, planning, and optimization of the reactor, reducing computational demands and operational costs. In other words, this approach allows users to rely on a single ML-based model instead of multiple mechanistic models for reflecting the effects of possible uncertainties. Additionally, a feature importance study validates the critical impact of time and element number on the hydrogenation process, further supporting the ANN’s predictive accuracy. These findings underscore the potential of ML-based models in streamlining and enhancing the efficiency of chemical production processes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».