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 ¡ ApplicaEon ¡Domains ¡ Our ¡key ¡areas ¡of ¡research: ¡ Chemical ¡ Biological ¡ Supply ¡ Energy ¡ Manufacturing ¡ Systems ¡ Chains ¡of ¡ Systems ¡ Systems ¡ Engineering ¡ the ¡Future ¡ Engineering ¡ Product ¡and ¡Process ¡Design ¡ Competence ¡ Opera#ons ¡and ¡Control ¡ Areas ¡ Modelling ¡and ¡Model ¡ Solu#on ¡Tools ¡

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 ¡ Process Detailed design Model-based automation Product & flowsheeting of process plant applications – performance Process monitoring and decision Development support DESIGN Troubleshooting with detailed predictive models A OPERATION CONCEPT DESIGN TC Detailed Simultaneous design of design of complex units Design of equipment operating and control procedures

Dis#lla#on ¡column ¡design ¡

Dis#lla#on ¡column ¡design ¡ contd. ¡ Minimum ¡ A ¡ A ¡ capital ¡costs ¡ A ¡& ¡B ¡ A ¡& ¡B ¡ TRADE OFF Minimum ¡ B ¡ opera#ng ¡ costs ¡ Energy ¡ B ¡ Minimum ¡ANNUALISED ¡costs ¡ Energy ¡

Dis#lla#on ¡column ¡design ¡ contd. ¡ Minimum ¡ENVIRONMENTAL ¡impact ¡ A ¡ ? ¡ A ¡& ¡B ¡ B ¡ Energy ¡ Minimum ¡ANNUALISED ¡costs ¡

Column ¡scheduling ¡ A ¡ B ¡ C ¡ ABCD ¡ BCD ¡ CD ¡ A ¡ ¡ ? ¡ A ¡B ¡ ¡ D ¡ A ¡B ¡C ¡ A ¡ ABCD ¡ ABC ¡ AB ¡ D ¡ C ¡ B ¡ A ¡ B ¡ A ¡B ¡C ¡D ¡ ABCD ¡ ABC ¡ BC ¡ D ¡ C ¡ A ¡ B ¡ ABCD ¡ BCD ¡ BC ¡ D ¡ C ¡ B ¡C ¡D ¡ ¡ ? ¡ A ¡ C ¡ C ¡D ¡ ABCD ¡ AB ¡ D ¡ B ¡ D ¡ CD ¡

Model? ¡ The ¡use ¡of ¡validated ¡predic#ve ¡models ¡for… ¡ Quan4fied ¡ Quan4ta4ve ¡predic4on ¡of ¡the ¡ uncertainty ¡in ¡the ¡ effects ¡of ¡design ¡& ¡opera4ng ¡ model ¡predic4ons ¡ ¡ decisions ¡on ¡KPIs, ¡within ¡the ¡ accuracy ¡necessary ¡to ¡achieve ¡ QuanEficaEon ¡of ¡ the ¡business ¡objec4ves ¡ ¡ technological ¡risk ¡involved ¡ ¡ in ¡model-­‑based ¡decisions ¡ OpEmisaEon ¡of ¡process ¡ design ¡& ¡operaEon ¡by ¡ comprehensive ¡exploraEon ¡ EffecEve ¡targeEng ¡of ¡ of ¡alternaEves ¡ experimental ¡R&D ¡towards ¡ minimisaEon ¡of ¡this ¡risk ¡

Model? ¡ Catwalk! ¡ Process ¡ Mechanical ¡ Synthesis ¡ Design ¡ Design ¡

Model? ¡ Catwalk! ¡ Process ¡ Mechanical ¡ Synthesis ¡ Design ¡ Design ¡

Model? ¡ Mathema#cal ¡mass ¡and ¡energy ¡balances ¡ Mass ¡ Mass ¡ MODEL: ¡ ComposiEon ¡ ComposiEon ¡ Temperature ¡ Temperature ¡ Accumulated ¡= ¡In ¡-­‑ ¡Out ¡+ ¡Generated ¡-­‑ ¡Consumed ¡ ¡ Pressure ¡ Pressure ¡ Mass ¡Composi#on ¡Temperature ¡Pressure ¡

Model ¡details ¡-­‑ ¡dis#lla#on ¡ Rate-based Simplified Rigorous Detailed Models Models Models Models n m FUG u Stage l o C Reboiler MESH 15 ¡

Tray ¡model ¡ dM i , j L x V y L x V y , i ,..., NC 1 = + − − = j 1 i , j 1 j 1 i , j 1 j i , j j i , j − − + + dt dU j L V L V L h V h L h V h = + − − j 1 j 1 j j − j 1 + j 1 j j − + dt L V M M x M y , i ,..., NC 1 = + = i , j j i , j j i , j L L V V U M h M h P = + − υ j j j j j j j L V M M j j + = υ j L V ρ ρ j j Single tray only!!!! NC NC x y 1 = = ∑ ∑ i , j i , j i 1 i 1 = = y K x , i 1 ,..., NC = = i , j i , j i , j ( ) ( ) L L V V j h h T , P , x ; h h T , P , y = = j j j j j j j j ) ( ( ) L L V V T , P , x ; T , P , y ρ = ρ ρ = ρ j j j j j j j j ( ) K K T , P , x , y , i 1 ,..., NC = = i j j i , j j j 16 01/11/2011 E Sorensen

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

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

Op#misa#on ¡Problem ¡Formula#on ¡ Minimise Minimise ….. ¡ & ¡ & ¡ Objective function 1 Objective function 2 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) 19 ¡

EXAMPLES ¡

Mul#-­‑scale ¡considera#ons ¡

Micro ¡dis#lla#on ¡ Objec#ves ¡ • To ¡fabricate ¡micro-­‑dis#lla#on ¡chips ¡based ¡on ¡ ¡ ¡ zero-­‑gravity ¡dis5lla5on ¡ Feed Outlet Outlet Micro-­‑channel ¡ <1000 ¡microns • To ¡demonstrate ¡fluid ¡separa#on ¡and ¡assess ¡separa#on ¡performance ¡

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) ¡ Global ¡supply ¡chain ¡network ¡ 210 – Customer ¡service ¡level ¡(lost ¡sales) ¡ Lexi ¡minimax 100% ¡PCE, ¡µ=1% 100% ¡PCE, ¡µ=3% 180 • Two ¡solu#on ¡approaches ¡for ¡mul#objec#ve ¡ Total ¡Flow ¡Time ¡(1000 ¡mu×week) 100% ¡PCE, ¡µ=5% 100% ¡CCE, ¡µ=1% 100% ¡CCE, ¡µ=3% 100% ¡CCE, ¡µ=5% MILP ¡model: ¡ 150 – ε-­‑constraint ¡method ¡ ¡ à ¡Pareto ¡solu#ons ¡ ¡ 120 – Lexicographic ¡minimax ¡method ¡ à ¡Fair ¡solu#on ¡ 90 2,200 2,700 3,200 3,700 4,200 4,700 5,200 5,700 Total ¡Cost ¡(1000 ¡cu) Pareto ¡curves ¡ Minimum ¡cost ¡ Minimum ¡flow ¡

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

Main ¡constraints ¡ PHYSICS/CHEMISTRY ¡ RISK ¡??? ¡ SAFETY ¡ SUSTAINABILITY ¡