Utilização de Redes Neurais Artificiais para Detecção de Adulteração de Gasolina

Ana Paula Duarte¹; Camila Mariano¹; Giovanni Bueno¹; Lucas Inácio¹; Paulo Duarte¹; Andre Reis¹; Edyene Oliveira¹; Gisele Mendes¹

¹ Centro Universitário Una

doi:10.20906/CPS/CILAMCE2017-0984

Resumo

Atualmente, ainda existem várias amostras de gasolina fora da especificação sendo comercializadas, o que pode ser indício de adulteração. As autoridades brasileiras por meio das ações da ANP (Agência Nacional do Petróleo) estabelecem qualidade mínima dos combustíveis, assegurando-lhes, em princípio, uniformidade da produção à revenda. Porém, tais especificações foram adotadas, em grande parte, visando bom funcionamento do motor e não adulterações. Com isso, várias práticas têm sido usadas a fim de obter benefícios, uma delas é a adulteração planejada com a adição controlada de solventes, que tem como objetivo manter o produto dentro das especificações vigentes. Várias pesquisas têm sido realizadas a fim de identificar com eficiência a qualidade da amostra de gasolina. Porém, os resultados obtidos ainda não oferecem rapidez e praticidade. O objetivo geral desta pesquisa é o desenvolvimento de uma metodologia alternativa que emprega as curvas de destilação, obtidas segundo a ASTM D86, em conjunto com técnicas de redes neurais artificiais. A rede neural utilizada neste trabalho foi a Multi_Layer_Perceptron com os algoritmos Backpropagation, Bayesian e Scaled, além da rede neural de contexto Elman. Para modelagem das redes neurais artificiais foram usadas as ferramentas Weka e Matlab que processaram 9.200 amostras de gasolina com 4 tipos de solventes. A adulteração consistiu nos solventes aguarrás, tinner, solvente de borracha e querosene. Nos testes realizados, a rede neural artificial obteve performance de 96% no treinamento e 93% nos testes.

Palavras-chave: Adulteração de gasolina; Gasolina; Redes Neurais Artificiais