Modélisation des phénomènes de transports lors de l’osmose inverse : Application aux molécules inorganiques et organiques en amont et en aval d’une unité de production pharmaceutique

Abstract

Ce travail présente une méthodologie pour le calcul et l’étude de la performance de deux procédés, le premier concerne le dessalement de l’eau en amont d’une unité de production des ampoules injectable (élimination des molécules inorganiques) par 66 membranes d’osmose inverse partagées en 11 modules, chaque module comporte 6 membranes montées en deux étages. La base des données lors de cette étude comporte 248714 vecteurs de 7 entrées (le temps, le pH, la pression, le débit, la conductivité, la température, le débit de (NaPO3)6) et 7 sorties (la température, la pression, le débit, la conductivité du perméat et la pression, la température, la conductivité du concentrât). Le second procédé traite la séparation de 265 molécules organiques (molécules pharmaceutiques, endocrines, pesticides, phénols et solvants) par six membranes de nanofiltration et neuf membranes d’OI en amont d’une unité de production industriel (concentration du soluté) et /ou en aval (traitement des effluents) avec 4 paramètres d’entrées (logarithme du coefficient de partage octanol-eau (log Kow), taux de rétention des sels par les membranes d’osmose inverse et nanofiltration, taille moyenne de la molécule, longueur moléculaire) et un paramètre de sortie (taux de rétention de ces molécules). Les deux réseaux neurones artificiels ont adoptés le perceptron multicouche, en utilisant l'algorithme d'apprentissage de Levenberg-Marquardt. . Le RNA optimal d’architecture {7; (25, 27); 7} du premier procédés a été validé avec une erreur relative absolue maximale de 0,46 et une capacité d'interpolation qui est satisfaisante. Alors que le second RNA optimal d’architecture {4; (9); 1} a été validé avec une erreur relative absolue maximale de 0,05.