Banca de QUALIFICAÇÃO: ARIVONALDO BEZERRA DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ARIVONALDO BEZERRA DA SILVA
DATA : 30/11/2023
HORA: 10:00
LOCAL: videoconferência
TÍTULO:

Análise Bibliométrica e Machine Learning para determinar um transportador de oxigênio otimizado à base de manganês para aplicação em processos de Chemical Looping.


PALAVRAS-CHAVES:

Transportador de oxigênio; Manganês; Análise Bibliométrica; CL, Machine Learning


PÁGINAS: 73
RESUMO:

O escopo dessa dissertação consiste em determinar um transportador de oxigênio otimizado à base de manganês para aplicação em processos de Chemical Looping utilizando análise bibliométrica e uma plataforma de  Machine Learning. A análise bibliométrica realizada  neste estudo oferece uma visão abrangente dos dados estatísticos e das tendências relacionadas aos transportadores de oxigênio à base de manganês para aplicações em processos de Chemical Looping (CL) no período de 2006 a 2023. A busca realizada na base de dados Web of Science resultou em um total de 426 documentos, dos quais 65 foram cuidadosamente selecionados utilizando o método ProKnow-C para compor o portfólio de estudos. Em seguida, para a realização da análise bibliométrica (construção de tabelas, gráficos e mapas bibliométricos) foram utilizados a plataforma da Web of Science, o VOSviewer e o Excel. Logo depois, foi construída uma planilha do Excel contendo os dados de entrada e saída referentes aos artigos do portfólio bibliográfico para aplicação na plataforma de Machine Learning desenvolvida para CLC, para determinar um transportador de oxigênio otimizado à base de manganês. Em seguida, o transportador de oxigênio determinado pela plataforma será reproduzido experimentalmente e será realizada as análises de FRX, DRX, MEV e reatividade em termobalança. Logo depois, será feita uma comparação entre o transportador de oxigênio apontado pela plataforma e o sintetizado experimentalmente. Com relação aos resultados da análise bibliométrica, destaca-se que o autor com o maior número de documentos foi A. Abad, com um total de 27 artigos publicados. Além disso, a área de Engenharia Química foi a mais proeminente, com 58 documentos associados. Observou-se que o período de maior prolificidade em publicações ocorreu entre os anos de 2014 e 2022, sendo 2017 e 2018 os anos com o maior número de publicações, com 8 e 10 documentos, respectivamente. No que se refere às fontes de pesquisa, a revista "Fuel" sobressaiu-se nos últimos cinco anos, com a identificação de 7 estudos relevantes. No que diz respeito à afiliação institucional dos autores, a maioria das publicações (30 documentos) originou-se de instituições de pesquisa sediadas na Espanha. O documento mais citado, com um total de 244 citações, foi o trabalho de Abad et al. (2006). Vale ressaltar que a palavra-chave mais frequente nos títulos e resumos dos artigos selecionados para o portfólio foi "Chemical-Looping Combustion", com 45 ocorrências. Consequentemente, esta análise bibliométrica revela o considerável potencial dos transportadores de oxigênio sintéticos à base de manganês para aplicação nos processos de Chemical Looping. De acordo com as análises dos artigos mais relevantes, esses materiais demonstraram apresentar taxas de atrito reduzidas e uma baixa tendência à aglomeração em reatores de leito fluidizado contínuo. Além disso, a análise contribuirá para a otimização das propriedades físico-químicas dos transportadores de oxigênio, uma vez que considerou a influência do tipo de fase ativa e do suporte nos testes de reatividade, capacidade de transporte de oxigênio, taxa de atrito e aglomeração em reatores de leito fluidizado contínuo nos processos de CL. Já os resultados da plataforma de Machine Learning estão em fase de execução pela empresa responsável.


MEMBROS DA BANCA:
Externo à Instituição - DENER DA SILVA ALBUQUERQUE - IFRN
Presidente - 349770 - DULCE MARIA DE ARAUJO MELO
Externo ao Programa - 3304576 - RODOLFO LUIZ BEZERRA DE ARAÚJO MEDEIROS - nullExterno à Instituição - TIAGO ROBERTO DA COSTA - IFRN
Notícia cadastrada em: 31/10/2023 10:05
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa02-producao.info.ufrn.br.sigaa02-producao