Diseño de Procesos Bajo Incertidumbre Utilizando un Simulador de Procesos

Hdl Handle:
http://hdl.handle.net/11285/572131
Title:
Diseño de Procesos Bajo Incertidumbre Utilizando un Simulador de Procesos
Authors:
Olvera Salazar, Alberto J.
Issue Date:
01/06/2004
Abstract:
En la actualidad los Simuladores Modulares Secuénciales son herramientas ampliamente aceptadas que pueden simplificar el desarrollo de un modelo matemático que represente un proceso químico. Además de los modelos sofisticados y rigurosos de los simuladores avanzados como es el caso de Aspen Plus' también incluyen rutinas de optimización que se han vuelto robustas para la optimización de variables continuas. Sin embargo, la aplicación de estas herramientas al diseño de sistemas complejos de separación de materiales es aÚn un problema difícil de resolver. Más aun, aunque en las Últimas décadas se ha puesto una atención considerable al efecto que la incertidumbre (fluctuaciones del proceso, cambios en los parámetros de costo y operación etc.) puede tener en la definición de un diseño óptimo, la mayoría de los simuladores de procesos aun no proporcionan herramientas para incluir parámetros inciertos en el modelo de optimización. En este trabajo se implementa una programación estocástica en dos etapas a un simulador comercial. Se propone un algoritmo híbrido donde las decisiones de la primera etapa (existencia de unidades de proceso y sus parámetros de diseño) son manejados por un algoritmo genético, mientras que las decisiones de la segunda etapa (variables de operación como flujos y temperaturas) son optimizadas mediante una herramienta de optimización secuencial implementada ya en Aspen Plus. De esta manera, un nÚmero de individuos (valores de las variables de la primera etapa) son definidos, seleccionados y reproducidos utilizando operadores genéticos, mientras las variables de la segunda etapa son modificados para cada individuo mediante un código de programación matemática (Programación Cuadrática Sucesiva) para minimizar el costo esperado. Se proponen varias estrategias para minimizar los requerimientos computacionales, entre ellas una estrategia de tamaño de muestra variable donde se trata de utilizar un mínimo de muestras para aproximar el valor esperado de un individuo. Para el algoritmo genético se utiliza codificación real y binaria, se incorpora el uso de diferentes operadores genéticos propuestos en la literatura, así como un nuevo procedimiento propuesto para acelerar la convergencia del algoritmo. La aplicabilidad del algoritmo propuesto se demuestra mediante la optimización de sistemas complejos de separación, en los cuales se consideran columnas extractivas y i columnas de destilación integradas. En particular, se presenta el caso de una separación de compuestos orgánicos que involucra la recuperación del solvente utilizado. El sistema ha sido utilizado en la Literatura para ejemplificar las limitaciones de los métodos matemáticos de optimización. Los resultados numéricos demuestran la eficiencia y robustez del algoritmo al encontrar diseños óptimos, mientras que las estrategias propuestas para mejorar el desempeño del algoritmo híbrido reducen los requerimientos computacionales hasta en un 50%. Las soluciones encontradas por el algoritmo fueron analizadas para verificar su flexibilidad.
Keywords:
Procesos de Incertidumbre; Simulador de Proceso; Diseño de Procesos; Ingeniería de Procesos
Advisors:
Dr. Joaquín Acevedo MascarÚa
Committee Member / Sinodal:
Dr. Miguel Angel Romero Ogawa; Dr. Eduardo Gómez-Maqueo Aréchiga
Degree Level:
Maestro en Ciencias en Sistemas Ambientales con Especialidad en Ingeniería de Procesos
School:
Ingeniería y Arquitectura
Campus Program:
Campus Monterrey
Discipline:
Ingeniería y Ciencias Aplicadas / Engineering & Applied Sciences
Appears in Collections:
Ciencias Exactas

Full metadata record

DC FieldValue Language
dc.contributor.advisorDr. Joaquín Acevedo MascarÚaes
dc.contributor.authorOlvera Salazar, Alberto J.en
dc.date.accessioned2015-08-17T11:21:46Zen
dc.date.available2015-08-17T11:21:46Zen
dc.date.issued01/06/2004-
dc.identifier.urihttp://hdl.handle.net/11285/572131en
dc.description.abstractEn la actualidad los Simuladores Modulares Secuénciales son herramientas ampliamente aceptadas que pueden simplificar el desarrollo de un modelo matemático que represente un proceso químico. Además de los modelos sofisticados y rigurosos de los simuladores avanzados como es el caso de Aspen Plus' también incluyen rutinas de optimización que se han vuelto robustas para la optimización de variables continuas. Sin embargo, la aplicación de estas herramientas al diseño de sistemas complejos de separación de materiales es aÚn un problema difícil de resolver. Más aun, aunque en las Últimas décadas se ha puesto una atención considerable al efecto que la incertidumbre (fluctuaciones del proceso, cambios en los parámetros de costo y operación etc.) puede tener en la definición de un diseño óptimo, la mayoría de los simuladores de procesos aun no proporcionan herramientas para incluir parámetros inciertos en el modelo de optimización. En este trabajo se implementa una programación estocástica en dos etapas a un simulador comercial. Se propone un algoritmo híbrido donde las decisiones de la primera etapa (existencia de unidades de proceso y sus parámetros de diseño) son manejados por un algoritmo genético, mientras que las decisiones de la segunda etapa (variables de operación como flujos y temperaturas) son optimizadas mediante una herramienta de optimización secuencial implementada ya en Aspen Plus. De esta manera, un nÚmero de individuos (valores de las variables de la primera etapa) son definidos, seleccionados y reproducidos utilizando operadores genéticos, mientras las variables de la segunda etapa son modificados para cada individuo mediante un código de programación matemática (Programación Cuadrática Sucesiva) para minimizar el costo esperado. Se proponen varias estrategias para minimizar los requerimientos computacionales, entre ellas una estrategia de tamaño de muestra variable donde se trata de utilizar un mínimo de muestras para aproximar el valor esperado de un individuo. Para el algoritmo genético se utiliza codificación real y binaria, se incorpora el uso de diferentes operadores genéticos propuestos en la literatura, así como un nuevo procedimiento propuesto para acelerar la convergencia del algoritmo. La aplicabilidad del algoritmo propuesto se demuestra mediante la optimización de sistemas complejos de separación, en los cuales se consideran columnas extractivas y i columnas de destilación integradas. En particular, se presenta el caso de una separación de compuestos orgánicos que involucra la recuperación del solvente utilizado. El sistema ha sido utilizado en la Literatura para ejemplificar las limitaciones de los métodos matemáticos de optimización. Los resultados numéricos demuestran la eficiencia y robustez del algoritmo al encontrar diseños óptimos, mientras que las estrategias propuestas para mejorar el desempeño del algoritmo híbrido reducen los requerimientos computacionales hasta en un 50%. Las soluciones encontradas por el algoritmo fueron analizadas para verificar su flexibilidad.es
dc.language.isoes-
dc.rightsOpen Accessen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleDiseño de Procesos Bajo Incertidumbre Utilizando un Simulador de Procesoses
dc.typeTesis de Maestríaes
dc.contributor.departmentITESMen
thesis.degree.grantorInstituto Tecnológico y de Estudios Superiores de Monterreyes
thesis.degree.levelMaestro en Ciencias en Sistemas Ambientales con Especialidad en Ingeniería de Procesoses
dc.contributor.committeememberDr. Miguel Angel Romero Ogawaes
dc.contributor.committeememberDr. Eduardo Gómez-Maqueo Aréchigaes
thesis.degree.disciplineIngeniería y Arquitecturaes
dc.subject.keywordProcesos de Incertidumbrees
dc.subject.keywordSimulador de Procesoes
dc.subject.keywordDiseño de Procesoses
dc.subject.keywordIngeniería de Procesoses
thesis.degree.programCampus Monterreyes
dc.subject.disciplineIngeniería y Ciencias Aplicadas / Engineering & Applied Sciencesen
All Items in REPOSITORIO DEL TECNOLOGICO DE MONTERREY are protected by copyright, with all rights reserved, unless otherwise indicated.