Optimización en Ingeniería Química
Traducido por
ScribdTranslationsOptimización en Ingeniería Química
Traducido por
ScribdTranslationsOPTIMIZACIÓN QUÍMICA
PROCESOS (CHE1011)
Dr. Dharmendra Kumar Bal
Profesor Asistente
Escuela de Ingeniería Química
Email:
dharmendrakumar.b@[Link]
11
Course Objectives
1. Proporcionar una visión general de la última tecnología
algoritmos de optimización.
2. Transmitir el conocimiento teórico de la química
principios de ingeniería que fortalecen
técnicas de optimización.
3. Enhancing the modelling skills to describe and
formular problemas de optimización y su uso
para resolver varios tipos de problemas prácticamente relevantes
problemas de optimización en ingeniería química.
Introducción
2
Course Outcomes (CO)
1. Demostrar los principios básicos de la Química
Sistemas de Ingeniería
2. Resume los diferentes tipos de optimización
problemas para la ingeniería de procesos
3. Evaluar la optimización univariable y multivariable
problemas de ingeniería química
4. Identificar los diferentes tipos de hipótesis para el
ecuaciones del modelo sistema químico
5. Resolver los problemas de optimización en el campo real
aplicaciones.
Introducción 3
Plan de estudios
Módulo -1: Formulación de Problemas de Optimización
Naturaleza y Organización del Problema de Optimización - Matemático
conceptos de optimización - Gradiente y matriz Hessiana - Convexo
funciones y conjuntos - Grados de libertad - Desarrollo de modelo para
optimization- Constraints in model- Fitting models to data- Method
de mínimos cuadrados - Diseño experimental factorial
Módulo -2: Optimización de Variable Única - No Restringida
Búsqueda unidimensional - Métodos que requieren derivadas (Newton,
Quasi Newton, método de secante); métodos de eliminación de región (Intervalo
división en dos, búsqueda de Fibonacci, sección áurea
Módulo -3: Optimización Multivariable–Sin restricciones
Optimización multivariable no restringida - Visualización gráfica
(gráficas de contorno, gráficas 3D) - Métodos basados en gradientes - Más empinado
descenso - dirección conjugada - método de Newton
4
Module-4: Linear Programming
{"Linear programming (LP)":"Programación lineal (PL)","Graphical solution":"Solución gráfica","Simplex Method":"Método Sencillo","Test for optimality":"Prueba de optimalidad"}
Análisis de sensibilidad - Introducción al método de puntos interiores
Módulo: 5 Programación no lineal con restricciones
Programación no lineal (NLP) con restricciones - multiplicadores de Lagrange - Gráfico
ilustración de problemas de PNL - condiciones necesarias y suficientes de KKT - cuadrática
programación - Programación lineal y cuadrática sucesiva - Ramificación y acotación
métodos - Problemas de enrutamiento de costo mínimo - Solución de no lineales separables
problemas de programación
Módulo: 6 Optimización de procesos químicos - I
Diámetro óptimo de tubería - Trabajo mínimo de compresión de gas - Operación económica
filtro de cama fija - Diseño óptimo de red de transmisión de gas - Recuperación óptima
de calor residual
Módulo: 7 Optimización de Procesos Químicos-II
Diseño y operación óptimos de columnas de destilación en etapas - Diseño óptimo y
operación de reactores químicos - Diseño óptimo de intercambiadores de calor de carcasa y tubo -
optimización de redes de intercambiadores de calor - optimización de evaporadores de múltiples etapas
procesos 5
Libros
1. Edger T.F., Himmelblau D.M., Lasdon L.S., Optimización
de Procesos Químicos, 2ª ed., McGraw-Hill, EE. UU.
2015.
2. Hillier F.S., Lieberman G. J., Introducción a las Operaciones
Investigación, 7ª ed., McGraw-Hill, EE. UU., 2001.
3. Rao S.S., Optimización en Ingeniería: Teoría y Práctica,
4th ed., John Wiley & Sons Ltd., USA, 2009.
Introducción
6
Introducción
•Optimización: El acto de obtener el mejor resultado bajo las condiciones dadas
circunstancias.
•Palabra latina: Optimus: muy bueno o mejor
•Diseño, construcción y mantenimiento de sistemas de ingeniería
involucran la toma de decisiones tanto a nivel gerencial como técnico
nivel
•Objetivos de tales decisiones :
–para minimizar el esfuerzo requerido o
para maximizar el beneficio deseado
Optimización: Definido como el proceso de encontrar las condiciones que
da el valor mínimo o máximo de una función, donde el
la función representa el esfuerzo requerido o el beneficio deseado.
Introducción
7
¿Por qué deberíamos optimizar?
Mejora el proceso para realizar el máximo potencial del sistema.
• Obtener diseños nuevos o mejorados/más eficientes, maximizar beneficios,
reducir el costo de producción
En ingeniería química:
1. Utilice el recurso/energía/utilidad de la manera más eficiente
2. Reducir la generación de residuos, minimizar el impacto ambiental
3. Determina las condiciones de operación más deseables, seguras
operación
4. Cumplir con la especificación de producción, maximizar el beneficio.
Introducción 8
Beneficios de la optimización en la planta de procesos
•Mejor rendimiento de productos valiosos
•Reducción del consumo de energía
Tasas de procesamiento más altas
•Coste de mantenimiento reducido
Menos desgaste del equipo
• Mayor tiempo entre los apagones.
Introducción 9
Columna de destilación
1. Determination of optimal feed location and
2. La determinación de la relación de reflujo óptima es una optimización importante.
parámetros.
10
Declaraciones del problema de optimización
Todos los problemas de optimización se plantean en alguna forma estándar. Tienes que
identify the essential elements of a given problem and translate them into
una forma matemática prescrita.
Los siguientes son los requisitos para la aplicación de la optimización
problems:
(a) Las variables de diseño o decisión
(b) The objective function
(c) Las restricciones
(d) El modelo de proceso
11
La variable de diseño o decisión
La primera tarea del proceso de optimización es identificar la base subyacente
variables de diseño que influencian el sistema que se está optimizando.
•The decision variables are varied during optimization process in order
para lograr el objetivo de optimización.
Las variables que influyen fuertemente en el sistema se llaman decisiones.
variables.
•Ejemplos: Temperatura del reactor, tasa de alimentación, número de platos en destilación
column, reflux ratio, batch time, reactor yield etc.
Si todas las variables de diseño están fijas, no hay margen para
optimización. Así, una o más variables deben ser relajadas para que
el sistema se convierte en un sistema subdeterminado, que tiene en
principio número infinito de soluciones.
12
La función objetivo
•La función objetivo adecuada se define en términos de diseño o
variables de decisión y otros parámetros del proceso (problema).
La función objetivo puede ser técnica o económica, que necesita
ser maximizado o minimizado.
•Ejemplos de función objetivo económica: maximizar el beneficio,
minimizar el costo de producción.
•Ejemplos de funciones objetivo técnicas: Maximizar el rendimiento del reactor,
minimizar el tamaño de un equipo, minimizar el error durante el ajuste de curvas,
minimizar el impacto ambiental etc.
Las funciones objetivo son funciones de variables de decisión.
Vas a descubrir el valor óptimo de las variables de decisión que es
se va a minimizar o maximizar la función objetivo.
Los objetivos técnicos están en última instancia relacionados con la economía.
13
La función objetivo
Plan de viaje para un viaje
(a) minimizar el precio del boleto, f1
(b) minimizar el tiempo de viaje, f2
¿Objetivo único?
Minimizar f = f1(x)
Minimizar f=f2(x)
¿Múltiples objetivos?
Minimizar f= w1f1(x)+w2f2(x)
W1+w2= 1
(Método de ponderación)
14
Las restricciones
•Las restricciones representan algunas funciones adicionales
relaciones entre las variables de decisión y el proceso
parámetros.
Las restricciones se originan ya que las variables de decisión deben satisfacer
ciertos fenómenos físicos y ciertas limitaciones de recursos.
•Ejemplos:
Límites de variables:0 x 1
Equality constraints: sum of mole fractions should be unity
Ecuación de balance de componentes en columna de destilación
Restricciones de desigualdad:
En un reactor de lecho empacado, la temperatura debe ser menor que la
temperatura de desactivación del catalizador.
Condición ácida: pH<7.
15
El modelo de proceso
Se requiere un modelo de proceso que describa la manera en
las variables de decisión están relacionadas.
También nos dice cómo se ve afectada la función objetivo
por la variable de decisión.
Un modelo es una ecuación matemática o es una colección de
varias ecuaciones que definen cómo las variables de decisión
están relacionadas y los valores aceptables que estas variables pueden
tomar.
Los estudios de optimización se llevan a cabo utilizando un simplificado
y un modelo preciso de un sistema real. Trabajando con lo real
el sistema consume tiempo, es costoso y arriesgado.
16
Declaración del problema
Dado un vector de diseño, X = [x1, x2, ……xn]T
Una función objetivo, f(X)
Un conjunto de restricciones de desigualdad, g(X) 0
h(X) 0
Un conjunto de restricciones de igualdad,
La declaración del problema general, minxf(X)
sujeto a g(X) 0
h(X) 0
LB X UB
El problema de optimización es "encontrar valores de decisión"
variables que minimizan o maximizan la función objetivo
mientras se satisfacen las restricciones.
17
Declaración de problema equivalente
La declaración del problema general,
Máxx-f(X)
sujeto a
g(X) 0
h(X) 0
LB X UB
Introducción 18
Clasificación de métodos de optimización
Clasificación basada en la presencia/ausencia de restricciones:
Problemas de optimización restringida: que están sujetos a
una o más restricciones
Problemas de optimización no restringida: en los cuales no
existe una restricción.
Clasificación basada en la naturaleza de las ecuaciones involucradas:
{"Linear programming":"Programación lineal","Non-linear programming":"Programación no lineal"}
Programación cuadrática (QP).
Clasificación basada en la naturaleza de las variables de decisión:
Optimización continua, programación entera, Mixta
programación lineal entera, MINLP
19
Clasificación de métodos de optimización
Clasificación basada en el espacio de búsqueda:
Método de búsqueda local, método de búsqueda global
Clasificación basada en el número de funciones objetivo:
Optimización de un solo objetivo, optimización de múltiples objetivos.
Otra clasificación:
Optimización determinista, optimización estocástica.
Introducción 20