Otimização de processos químicos industriais: Avaliação da eficácia do software livre Scilab na resolução de problemas de programação não-linear com restrições

Autores

DOI:

https://doi.org/10.33448/rsd-v10i9.17866

Palavras-chave:

IpOpt; Planta de Williams-Otto; Otimização; Fmincon; Scilab.

Resumo

A resolução de problemas de otimização não-linear com restrições de igualdade e desigualdade é uma tarefa difícil e tende a ser ainda mais difícil de ser resolvido quando envolve um grande número de variáveis. Sistemas de energia, controle e plantas industriais são representados por este tipo de problema e com o avanço tecnológico e computacional, é necessário ferramentas eficazes que consiga lidar com as características deste tipo de sistema, resolvendo de maneira eficaz o problema de otimização. Neste trabalho, dois problemas clássicos de otimização não-linear com restrições de processos químicos são resolvidos a partir do software livre Scilab, utilizando a função fmincon, de modo a avaliar o desempenho do algoritmo para a resolução de problemas de programação não-linear restrita. Os resultados obtidos foram comparados com as condições ótimas obtidas através do software Matlab. O software livre apresentou um bom desempenho na resolução dos problemas propostos, alcançando resultados eficazes, encontrando condições ótimas que resultaram em um aumento de cerca de 16% na função objetivo para o problema de maximização do retorno do investimento da planta de Williams-Otto, se mostrando uma alternativa eficaz para o desenvolvimento de pesquisas e tecnologias nesta área.

Referências

Baudin, M. (2010). Introduction to scilab. Consortium Scilab, 34–56.

Bhaskar, V., Gupta, S. K., & Ray, A. K. (2000). Applications of multiobjective optimization in chemical engineering. Reviews in Chemical Engineering, 16(1), 1–54.

Biegler, L. T. (2018). New directions for nonlinear process optimization. Current Opinion in Chemical Engineering, 21, 32–40.

Cardoso, A. O. (2016). Otimização Descentralizada Coordenada aliada a estratégias de Controle Plantwide para o Controle de Processos Químicos. Universidade Federal de São Carlos (UFSCar).

Cardoso, A. O., & Kwong, W. H. (2020). Estrutura de controle plantwide simplificada para a planta de Williams-Otto: otimização descentralizada coordenada com IBMF. Research, Society and Development, 9(9), 1–21.

Chaudhary, M. N. R. (2009). Real Time Optimization of Chemical Processes. Curtin University of Technology.

Costa, E. P., Figueiredo, M., Politano, P. R., & Kwong, W. H. (2019). O impacto na programação da produção devido à integração das camdas de controle avançado e de scheduling na indústria de processos. Brazilian Journal of Business, 1(3), 1715–1727.

Delgado, J. A. (2021). Método primal-dual de pontos interiores-penalidade e o problema de fluxo de potência ótimo reativo com variáveis de controle discretas. Universidade Estadual Paulista _Júlio de Mesquita Filho_.

Edgar, T. F., Himmelblau, D. M., & Lasdon, L. S. (2001). Optimization of Chemical Processes. McGraw-Hill.

Findeisen, W., Bailey, F. N., Brdys, M., Malinowski, K., Tatjewski, P., & Wãsniak, A. (1980). Control and Coordination in Hierarchical Systems. Jonh Wiley & Sons.

Gavira, M. de O. (2003). Simulação como ferramenta computacional de aquisição de conhecimento. UFSCar.

Govindarajan, L., & Karunanithi, T. (2005). Multiobjective optimization of process plant using genetic algorithm. International Journal of Computational Intelligence and Applications, 5(04), 425–437.

Guardia, L. E. T. (2005). Método dos Pontos Interiores para programação não-linear em redes. XXXVII Simpósio Brasileiro de Pesquisa Operacional, 1930–1936.

Inalhan, G., Stipanović, D. M., & Tomlin, C. J. (2002). Decentralized optimization, with application to multiple aircraft coordination. Proceedings of the IEEE Conference on Decision and Control, 1, 1147–1155. https://doi.org/10.1109/cdc.2002.1184667

Jin, X. (1996). Approaching sustainability in engineering design with multiple criteria decision analysis. Oklahoma State University.

Jung, B. S., Miroshi, W., & Ray, W. H. (1971). Large Scale Process Optimization Techniques Applied to Chemical Petroleum Processes. The Canadian Journal of Chemical Engineering, 844–852.

Kwong, W. H. (1992). Otimizaç{ão}de Plantas Industriais Complexas. Escola Politécnica da Universidade de S{ão}Paulo (USP).

Liu, N., & Qin, S. (2019). A neurodynamic approach to nonlinear optimization problems with affine equality and convex inequality constraints. Neural Networks, 109, 147–158. https://doi.org/10.1016/j.neunet.2018.10.010

Miller, D. C., Siirola, J. D., Agarwal, D., Burgard, A. P., Lee, A., Eslick, J. C., Nicholson, B., Laird, C., Biegler, L. T., Bhattacharyya, D., Sahinidis, N. V., Ignacio E. Grossmann, Gounaris, C. E., & Gunter, D. (2018). Next Generation Multi-Scale Process Systems Engineering Framework. Proceedings of the 13th International Symposium on Process Systems Engineering – PSE 2018, 2209–2214.

Patil, B. P., Maia, E., & Ricardez-Sandoval, L. A. (2015). Integration of Scheduling, Design and Congtrol of Multiproduct ChemicalProcesses under Uncertainty. AIChE Journal, 61(8), 2456–2470.

Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa científica [recurso eletrônico] (1a edição). NTE/UFSM. https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1

Rangaiah, G. P., & Kariwala, V. (2012). Plantwide Control: recent developments and Applications. Jonh Wiley & Sons.

Rao, S. S. (2009). Engineering Optimization: Theory and Pratice (John Wiley and Sons (ed.) (4a ed.).

Ryoo, H. S., & Sahinidis, N. V. (1995). Global optimization of nonconvex NLPs and MINLPs with applications in process design. Computers and Chemical Engineering, 19(5), 551–566. https://doi.org/10.1016/0098-1354(94)00097-2

Santos, T. J. G. dos. (1998). Um novo algoritmo de penalização hiperbólica para resolução de problema de programação não-linear com restrições de igualdade.

Thakur, S. S., Ojasvi, Kumar, V., & Nitin, K. (2017). Continuous diisobutylene manufacturing: Conceptual process design and plantwide control. Computers and Chemical Engineering, 97(59–75).

Vinante, C., & Valladares, E. (1985). Application of the method of multipliers to the optimization of chemical processes. Computers & Chemical Engineering, 9(1), 83–87.

Willians, T. J., & Otto, R. E. (1960). A Generalized Chemical Processing Model for the Investigation of Computer Control. Transactions of the American Institute of Electrical Engineers, Part I: Communication and Electronics, 79(5), 458–473.

Zhou, M., Cai, Y., Su, H., Wozny, G., & Pan, H. (2018). A survey on applications of optimization-based integrating process design and control for chemical processes. Chemical Engineering Communications, 205(10), 1365–1383.

Williams, T. J., & Otto, R. E. (1960). A generalized chemical processing model for the investigation of computer control. Transactions of the American Institute of Electrical Engineers. Part I: Communication and Electronics, 79(5), 458-473.

Jung, B. S., Mirosh, W., & Ray, W. H. (1971). Large scale process optimization techniques applied to chemical and petroleum processes. The Canadian Journal of Chemical Engineering, 49(6), 844-852.

Downloads

Publicado

28/07/2021

Como Citar

SILVA, B. K. .; KWONG, W. H. .; CARDOSO, A. de O. Otimização de processos químicos industriais: Avaliação da eficácia do software livre Scilab na resolução de problemas de programação não-linear com restrições. Research, Society and Development, [S. l.], v. 10, n. 9, p. e39110917866, 2021. DOI: 10.33448/rsd-v10i9.17866. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/17866. Acesso em: 8 abr. 2025.

Edição

Seção

Engenharias