Op#misa#on in a Process Engineering Context Eva Sorensen - - PowerPoint PPT Presentation

Op#misa#on ¡in ¡a ¡ ¡ Process ¡Engineering ¡Context ¡

Eva ¡Sorensen ¡ Chemical ¡Engineering ¡

Product ¡and ¡Process ¡Systems ¡Engineering ¡

David ¡Bogle, ¡Vivek ¡Dua, ¡Eric ¡Fraga, ¡Lazaros ¡Papageorgiou, ¡ ¡Eva ¡Sorensen ¡and ¡Michail ¡Stamatakis ¡

Our ¡key ¡areas ¡of ¡research: ¡

Biological ¡ Systems ¡ Engineering ¡ Chemical ¡ Manufacturing ¡ Systems ¡ Supply ¡ Chains ¡of ¡ the ¡Future ¡ Energy ¡ Systems ¡ Engineering ¡ Product ¡and ¡Process ¡Design ¡ Opera#ons ¡and ¡Control ¡ Modelling ¡and ¡Model ¡ Solu#on ¡Tools ¡

Competence ¡ Areas ¡ ApplicaEon ¡Domains ¡

Process ¡Engineering ¡

• Process ¡Systems ¡Engineering ¡is ¡concerned ¡with ¡the ¡

improvement ¡of ¡decision ¡making ¡processes ¡for ¡the ¡crea4on ¡ and ¡opera4on ¡of ¡the ¡chemical ¡supply ¡chain. ¡ ¡

• It ¡deals ¡with ¡the ¡discovery, ¡design, ¡manufacture ¡and ¡

distribu4on ¡of ¡chemical ¡products ¡in ¡the ¡context ¡of ¡many ¡ conflic4ng ¡goals. ¡

Grossmann ¡and ¡Westerberg, ¡Carnegie ¡Mellon ¡University ¡

“Chemical ¡products” ¡

“Chemical ¡products” ¡

¡ ¡ApplicaEon ¡Domains: ¡

• Chemical ¡Manufacturing ¡Systems ¡
• Molecular ¡Systems ¡Engineering ¡
• Biological ¡Systems ¡Engineering ¡
• Supply ¡Chains ¡of ¡the ¡Future ¡
• Energy ¡Systems ¡Engineering ¡

¡

Process ¡Engineering ¡pipeline ¡

CONCEPT OPERATION DESIGN

TC A Troubleshooting with detailed predictive models Detailed design

• f process plant

Detailed design of complex units Process flowsheeting Simultaneous design of equipment and control

DESIGN

Model-based automation applications – performance monitoring and decision support Design of

• perating

procedures Product & Process Development

Dis#lla#on ¡column ¡design ¡

Minimum ¡ capital ¡costs ¡ Minimum ¡

• pera#ng ¡

costs ¡

Dis#lla#on ¡column ¡design ¡contd. ¡

A ¡& ¡B ¡ A ¡ B ¡

Energy ¡

A ¡& ¡B ¡ A ¡ B ¡

Energy ¡ TRADE OFF

Minimum ¡ANNUALISED ¡costs ¡

Dis#lla#on ¡column ¡design ¡contd. ¡

Minimum ¡ANNUALISED ¡costs ¡

A ¡& ¡B ¡ A ¡ B ¡

Energy ¡

Minimum ¡ENVIRONMENTAL ¡impact ¡

? ¡

Column ¡scheduling ¡

A ¡B ¡C ¡D ¡ A ¡ ¡ A ¡B ¡ ¡ A ¡B ¡C ¡ B ¡C ¡D ¡ ¡ C ¡D ¡ D ¡

? ¡ ? ¡

ABCD ¡ BCD ¡ CD ¡ C ¡ D ¡ B ¡ A ¡ ABCD ¡ ABC ¡ AB ¡ B ¡ A ¡ C ¡ D ¡ ABCD ¡ ABC ¡ BC ¡ C ¡ B ¡ A ¡ D ¡ ABCD ¡ BCD ¡ BC ¡ C ¡ B ¡ D ¡ A ¡ ABCD ¡ AB ¡ A ¡ D ¡ C ¡ B ¡ CD ¡

Model? ¡

The ¡use ¡of ¡validated ¡predic#ve ¡models ¡for… ¡

QuanEficaEon ¡of ¡ technological ¡risk ¡involved ¡ ¡ in ¡model-­‑based ¡decisions ¡ OpEmisaEon ¡of ¡process ¡ design ¡& ¡operaEon ¡by ¡ comprehensive ¡exploraEon ¡

• f ¡alternaEves ¡

EffecEve ¡targeEng ¡of ¡ experimental ¡R&D ¡towards ¡ minimisaEon ¡of ¡this ¡risk ¡ Quan4ta4ve ¡predic4on ¡of ¡the ¡ effects ¡of ¡design ¡& ¡opera4ng ¡ decisions ¡on ¡KPIs, ¡within ¡the ¡ accuracy ¡necessary ¡to ¡achieve ¡ the ¡business ¡objec4ves ¡ ¡ Quan4fied ¡ uncertainty ¡in ¡the ¡ model ¡predic4ons ¡ ¡

Model? ¡

Catwalk! ¡

Synthesis ¡ Process ¡ Design ¡ Mechanical ¡ Design ¡

Model? ¡

Catwalk! ¡

Synthesis ¡ Process ¡ Design ¡ Mechanical ¡ Design ¡

Model? ¡

Mathema#cal ¡mass ¡and ¡energy ¡balances ¡

Mass ¡ ComposiEon ¡ Temperature ¡ Pressure ¡ Mass ¡ ComposiEon ¡ Temperature ¡ Pressure ¡ Mass ¡Composi#on ¡Temperature ¡Pressure ¡

MODEL: ¡

Accumulated ¡= ¡In ¡-­‑ ¡Out ¡+ ¡Generated ¡-­‑ ¡Consumed ¡ ¡

15 ¡

Simplified Models

C

• l

u m n

Reboiler

FUG

Rate-based Models

Model ¡details ¡-­‑ ¡dis#lla#on ¡

Rigorous Models

Stage

MESH

Detailed Models

16 01/11/2011 E Sorensen

Tray ¡model ¡

( ) ( )

j j j V V j j j j L L j

y P T h h x P T h h , , ; , , = =

( ) ( )

j j j V V j j j j L L j

y P T x P T , , ; , , ρ ρ ρ ρ = =

( )

,..., NC i y x P T K K

j j j j i j i

1 = = , , , ,

,

NC i x K y

j i j i j i

,..., ,

, , ,

1 = = 1

1 1

= ∑ = ∑

= = NC i j i NC i j i

y x

, , V j j L j j V j j L j j j

h V h L h V h L dt dU − − + =

+ + − − 1 1 1 1 j j V j V j L j L j j

P h M h M U υ − + =

j V j V j L j L j

M M υ ρ ρ = + NC i y V x L y V x L dt dM

j i j j i j j i j j i j j i

,..., ,

, , , , ,

1

1 1 1 1

= − − + =

+ + − −

NC i y M x M M

j i V j j i L j j i

,..., ,

, , ,

1 = + =

Single tray only!!!!

j

17 ¡ 25/11/2009 ¡E ¡Sorensen ¡ Modelling ¡of ¡distributed ¡ processes ¡

Model ¡details ¡– ¡spa#al ¡varia#ons ¡

Proper#es ¡vary ¡with ¡respect ¡to ¡one ¡or ¡more ¡spa#al ¡dimensions ¡ as ¡well ¡as ¡with ¡#me: ¡

– Tubular ¡reactors ¡ – Packed ¡bed ¡columns ¡(adsorp#on/absorp#on/dis#lla#on/ chromatography) ¡ – Pipelines ¡ – etc ¡

18 ¡ 25/11/2009 ¡E ¡Sorensen ¡ Modelling ¡of ¡distributed ¡ processes ¡

Model ¡details ¡– ¡Probability ¡density ¡

• Probability ¡density ¡func#ons ¡instead ¡of ¡single ¡scalar ¡values: ¡

– Crystallisa#on ¡units ¡(size ¡of ¡crystals) ¡ – Polymerisa#on ¡reactors ¡(length ¡of ¡polymer ¡chains) ¡

• For ¡such ¡processes, ¡the ¡proper#es ¡may ¡also ¡vary ¡with ¡both ¡#me ¡

and ¡spa#al ¡posi#on. ¡

19 ¡

Op#misa#on ¡Problem ¡Formula#on ¡

Minimise Objective function 1 Subject to: Model equations DAE/PDAE, nonlinear Design variable bounds discrete and continuous Operational variable bounds continuous To determine: Design variables (constant) Operation variables (time dependent) Minimise Objective function 2

& ¡ & ¡ ….. ¡

EXAMPLES ¡

Mul#-­‑scale ¡considera#ons ¡

Objec#ves ¡

• To ¡fabricate ¡micro-­‑dis#lla#on ¡chips ¡based ¡on ¡ ¡

¡zero-­‑gravity ¡dis5lla5on ¡

• To ¡demonstrate ¡fluid ¡separa#on ¡and ¡assess ¡separa#on ¡performance ¡

Micro-­‑channel ¡ <1000 ¡microns Feed Outlet Outlet

Micro ¡dis#lla#on ¡

Op#mal ¡control ¡of ¡Gene ¡Delivery ¡

Compute ¡op#mal ¡gene ¡delivery ¡profile ¡to ¡maximise ¡efficacy ¡and ¡ minimise ¡toxicity ¡subject ¡to ¡model ¡equa#ons ¡and ¡constraints. ¡

Recall: ¡Mul#-­‑scale ¡considera#ons ¡

Water ¡Resource ¡Management ¡

• Non-­‑conven#onal ¡water ¡resources ¡are ¡ ¡

¡crucial ¡to ¡water ¡deficient ¡areas ¡

– Desalinated ¡water ¡ – Treated ¡wastewater ¡ – Reclaimed ¡water ¡

• MIP ¡approaches ¡proposed ¡for ¡ ¡

¡integrated ¡water ¡resources ¡management ¡

• Decisions: ¡

– Plants ¡loca#ons, ¡capaci#es ¡and ¡produc#ons ¡ – Pipeline ¡networks ¡and ¡flows ¡ – Pumping ¡sta#ons ¡ – Storage ¡tanks ¡

• Objec#ve: ¡annualised ¡total ¡cost ¡

– Capital ¡costs ¡(plant/pipeline/pumping ¡sta#on/storage ¡tank) ¡ – Opera#ng ¡costs ¡(produc#on/pumping) ¡

Santorini ¡island ¡

Global ¡Supply ¡Chain ¡Planning ¡

• Three ¡key ¡supply ¡chain ¡performance ¡metrics ¡

are ¡considered: ¡

– Cost ¡ – Responsiveness ¡(flow ¡#me) ¡ – Customer ¡service ¡level ¡(lost ¡sales) ¡

• Two ¡solu#on ¡approaches ¡for ¡mul#objec#ve ¡

MILP ¡model: ¡

– ε-­‑constraint ¡method ¡ ¡à ¡Pareto ¡solu#ons ¡ ¡ – Lexicographic ¡minimax ¡method ¡à ¡Fair ¡solu#on ¡

Minimum ¡cost ¡ Minimum ¡flow ¡ Pareto ¡curves ¡ Global ¡supply ¡chain ¡network ¡

Recall: ¡Mul#-­‑scale ¡considera#ons ¡

Main ¡constraints ¡

PHYSICS/CHEMISTRY ¡

SUSTAINABILITY ¡

SAFETY ¡ RISK ¡??? ¡

Op#misa#on ¡problem ¡

MINLP ¡ MIDO ¡

Integer: ¡ # ¡columns ¡ # ¡plants ¡ ¡ ¡ ¡ ¡etc ¡ ¡ ConEnuous: ¡ ¡ ¡Energy ¡ ¡ ¡Flowrates ¡ ¡ ¡ ¡ ¡ ¡etc ¡ Integer: ¡ # ¡columns ¡ # ¡plants ¡ ¡ ¡ ¡ ¡ ¡ ¡etc ¡ ¡ ConEnuous: ¡ ¡ ¡Energy ¡= ¡f(t) ¡ ¡ ¡Flowrates ¡= ¡f(t) ¡ ¡ ¡ ¡ ¡ ¡etc ¡

Product ¡and ¡Process ¡Systems ¡Engineering ¡

David ¡Bogle, ¡Vivek ¡Dua, ¡Eric ¡Fraga, ¡Lazaros ¡Papageorgiou, ¡ ¡Eva ¡Sorensen ¡and ¡Michail ¡Stamatakis ¡

Our ¡key ¡areas ¡of ¡research: ¡

Biological ¡ Systems ¡ Engineering ¡ Chemical ¡ Manufacturing ¡ Systems ¡ Supply ¡ Chains ¡of ¡ the ¡Future ¡ Energy ¡ Systems ¡ Engineering ¡ Product ¡and ¡Process ¡Design ¡ Opera#ons ¡and ¡Control ¡ Modelling ¡and ¡Model ¡ Solu#on ¡Tools ¡

Competence ¡ Areas ¡ ApplicaEon ¡Domains ¡