slide1
Download
Skip this Video
Download Presentation
EQ/UFRJ 23 de agosto de 2013

Loading in 2 Seconds...

play fullscreen
1 / 83

EQ/UFRJ 23 de agosto de 2013 - PowerPoint PPT Presentation


  • 236 Views
  • Uploaded on

EQE038 – Simulação e Otimização de Processos Químicos. – Aula 1 –. Argimiro R. Secchi. EQ/UFRJ 23 de agosto de 2013. Introdução. Razões para a Simulação. Contenção de despesas (custo e tempo) Processos fortemente integrados com diversos reciclos de massa e energia

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' EQ/UFRJ 23 de agosto de 2013' - sinclair-aedan


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

EQE038 – Simulação e Otimização de Processos Químicos

– Aula 1 –

Argimiro R. Secchi

EQ/UFRJ

23 de agosto de 2013

slide3

Razões para a Simulação

  • Contenção de despesas (custo e tempo)
  • Processos fortemente integrados com diversos reciclos de massa e energia
  • Necessidade de melhor compreensão de processos cada vez mais complexos
  • Otimização e construção de processos otimizados
  • Construção de protótipos virtuais, verificação de projetos, etc.
slide4

Razões para a Simulação Dinâmica

  • Processos Batelada e Semi-batelada
  • (Análise, Controle, Otimização Dinâmica, Projeto Ótimo, Estimação de Parâmetros, Operações de Partida)
  • Otimização Dinâmica em Tempo Real (D-RTO)
  • (NMPC, Otimização Global de Plantas, Transição de Produtos, Atualização de Modelos, Analisadores Virtuais)
  • Controle Avançado de Processos
  • (Projeto de Estruturas de Controle, Redução de Modelos, Controlabilidade e Operabilidade, Controle Baseado em Modelos, Sintonia de Controladores, Dinâmica Não Linear)
  • Partidas, Paradas e Transições
  • (Estratégias de Partida, Estudos de Segurança, Parada de Plantas, Transições de Produtos, Troubleshooting)
  • Intensificação de Processos
  • (Sistema Complexos, Comportamentos Complexos, Processos Reação/Separação, Reatores Auto-Refrigerados)
  • Ensino e Treinamento
  • (Ensino em Sala de Aula, Treinamento de Operadores)
slide5

refluxo

produto

Processos em Batelada e Semi-Batelada

(bio)reatores (semi-)batelada

destilação batelada

slide6

Programação da Produção

Atualização de modelo p/ RTO

especificações de carga, produto e mercado

Inferências

D-RTO / RTO

y*(t)

u*(t)

Atualização de modelo p/ NMPC

NMPC

y(t)

Tratamento e reconciliação de dados

u(t)

Processo+Controle Regulatório

Y(t)

d(t)

Servidor de modelos

(rigorosos, empíricos, híbridos, reduzidos)

Otimização Dinâmica em Tempo Real

slide7

Otimização local

Inferências

metas

Atualização de modelo p/ NMPC

NMPC

y(t)

Tratamento e reconciliação de dados

u(t)

Processo+Controle Regulatório

Y(t)

d(t)

Servidor de modelos

(rigorosos, empíricos, híbridos, reduzidos)

Controle de Processos

Controle Não-Linear Baseado em Modelos

slide8

Simulador

Professor

Server

Simulador  Planta

Client

Instrutor

TCP/IP

TCP/IP

Simulador Estudante

Simulador Estudante

Simulador Estudante

Client Trainee

Client Trainee

Client Trainee

Ensino e Treinamento

Ensino em sala de aula

Treinamento de operadores

Exemplo: Operator training (Lee et al., 2000)

slide9

Como Usar a Simulação Dinâmica?

Há várias coisas para escolher! Algumas delas são:

Simuladores

Discretizadores

Integradores

Estimadores

Otimizadores

Mínimos quadrados

Max. verossim.

Mínimo local

Mínimo global

Variacional

Program. mat.

Seqüencial

Simultâneos

Próprio

Comercial

Modular

Equação-orientado

Implícitos

Explícitos

Índice baixo

Índice elevado

Diferenças finitas

Volumes finitos

Elementos finitos

Colocação ortog.

slide10

Um Exemplo Simples em Diferentes Ambientes

Série de reatores CSTR isotérmicos com reação de primeira ordem e controlador PI

slide11

MATLAB

ODE file (CSTR_series.m)

MATLAB script file (run_series.m)

slide12

SIMULINK

SIMULINK diagram (series_sl.mdl)

S-function file (CSTR_series_sf.m)

slide13

EMSO

(CSTR_series.mso)

slide14

Técnicas de Simulação

  • Simulação Modular Seqüencial
  • Simulação Modular Simultânea
  • Simulação Orientada por Equações
slide15

Simuladores Modulares

O cálculo dos equipamentos são executados de forma seqüencial;

O resultado da saída de um bloco é passado como entrada para o bloco seguinte, iterando para a solução de reciclos.

Modelagem tipo

Caixa-Preta

O código é desenvolvido para a solução de equipamentos específicos

slide16

Exemplo de Fluxograma de Processo

O modelo matemático do processo pode ser visto como constituído de três tipos de equações:

1) Equações dos modelos, incluindo modelos das unidades do processo e modelos de propriedades físicas;

2) Equações de conexão do fluxograma de processo, que indicam como as unidades são conectadas umas as outras;

3) Equações de especificações.

slide17

Exemplo de Fluxograma de Processo

Equações de modelo:

y1 = g1(x0,x4,v1) ; h1(x0,x4,v1) = 0

y2 = g2(x1,v2) ; h2(x1,v2) = 0

y3 = g3(x2,v3) ; h3(x2,v3) = 0

y4 = g4(x3,v4,u) ; h4(x3,v4,u) = 0

onde vi : variáveis internas e hi : modelo da unidade.

Equações de conexão:

x1 = y1(x0,x4); x2 = y2(x1); x3 = y3(x2); x4 = y4(x3,u)

Equações de especificação:

r(x2,v3) = rs

Para este problema, deseja-se determinar u dados x0 e rs (problema de análise), ou ainda determinar rs dados x0 e u (problema de projeto).

slide18

Simulação Modular Seqüencial

Uso da matriz de incidência para determinar os reciclos e definir uma estratégia para criar as variáveis de abertura

A solução de um módulo é usada como entrada para outro(s) módulo(s), de acordo com a topologia do fluxograma do processo. As variáveis de abertura são iteradas por métodos de resolução de sistemas de equações algébricas (usualmente substituições sucessivas).

slide19

- nível dos módulos, onde cada módulo (ou conjunto de módulo) é usado para gerar uma aproximação dos elementos da matriz Jacobiana das variáveis de conexão do processo;

- nível do fluxograma, onde as equações dos modelos linearizados são resolvidos simultaneamente com as equações de especificações e as equações de conexão (ou um subconjunto destas equações).

fi = xi – gi = 0 , i = 1, 4

f5 = r – rs = 0

JDz = – f , z = [x1, x2, x3, x4, u]

Simulação Modular Simultânea

A solução é obtida iterativamente em dois níveis de cálculo:

slide21

Simulação Orientada por Equações

Todas as equações (modelos, conexões e especificações) são resolvidas simultaneamente para as variáveis internas e externas aos módulos.

h1(x0,x4,v1) = 0 h3(x2,v3) = 0

y1 – g1(x0,x4,v1) = 0 y3 – g3(x2,v3) = 0

h2(x1,v2) = 0 h4(x3,v4,u) = 0

y2 – g2(x1,v2) = 0 y4 – g4(x3,v4,u) = 0

x1 – y1(x0,x4) = 0 r(x2,v3) – rs = 0

x2 – y2(x1) = 0 x3 – y3(x2) = 0

x4 – y4(x3,u) = 0

slide22

Diferenciação

Numérica

Simbólica

Automática

Ferramentas dos Simuladores

slide23

Ferramentas CAPE

  • Movimento na direção de ferramentas orientada por equações (EO)
  • Principais vantagens das EO:
    • Modelos podem ser visualizados
    • Modelos podem ser refinados ou reusados
    • Uso do mesmo modelo como fonte de várias tarefas: simulação, otimização, estimação de parâmetros, reconciliação de dados, etc.  ambiente integrado
  • Algumas limitações atuais:
    • Falta de assistência para o desenvolvimento de modelos
    • Dificuldade na correção de modelos mal postos e obtenção de estimativas iniciais robustas
slide24

Breve Histórico dos Simuladores

  • Anos 50:
    • M. W. Kellog. Corp. apresentou o Flexible Flow
  • Anos 60:
    • Estima-se a existência de 200 ferramentas diferentes (simuladores próprios nas grandes empresas)
  • Anos 70:
    • Projeto ASPEN do MIT
  • Anos 80-90:
    • Novos conceitos, interfaces gráficas amigáveis
    • Novas linguagens de programação
    • Algoritmos numéricos mais poderosos
  • Anos 2000:
    • Projeto ALSOC da UFRGS, COPPE e USP: EMSO
slide25

Histórico – EMSO

  • Início do desenvolvimento em 2000 (mestrado de Rafael de Pelegrini Soares - UFRGS)
  • Em 2001 e 2002, primeiras versões operacionais
  • Primeiro semestre de 2003, proposta de formação de consórcio de empresas e universidades
  • Primeiro semestre de 2004, proposta ao CT-PETRO / FINEP
  • Início do Projeto ALSOC 1, janeiro de 2005.
  • Início do Projeto ALSOC 2, janeiro de 2007.
slide26

Projeto ALSOC

Ambiente Livre para Simulação, Otimização e Controle

OBJETIVO

Desenvolvimento sustentável de um ambiente integrado de síntese, modelagem, simulação, controle e otimização de processos, com características de modularidade, reutilização e interfaceamento padrão.

slide27

Projeto ALSOC

IMPACTOS DESEJADOS

  • Acesso gratuito a uma mesma ferramenta de simulação de processos em todas as universidades brasileiras, aumentando as interações inter-institucionais.
  • Maior uniformização dos trabalhos de pesquisa e desenvolvimento na área de modelagem e simulação de processos.
  • Possibilidade de uma maior capacitação de recursos humanos nas universidades e indústrias com uso do simulador.
  • Maior transferência de tecnologia resultante de uma interação mais efetiva universidade – empresa pelo uso de uma ferramenta comum.
  • Oferecimento de condições favoráveis às indústrias de processos melhorarem seus processos produtivos.
  • Redução da dependência externa do Brasil em softwares de simulação de processos.
slide28

Projeto ALSOC

Parceria entre universidades-empresas (fases 1 e 2):

PETROBRAS

BRASKEM

COPESUL

INNOVA

IPIRANGA

P. TRIUNFO

REFAP

UFRGS

COPPE/UFRJ

USP

MACKENZIE

FINEP-CNPq

slide29

UFU

UFBa

UFRGS

Projeto ALSOC

Universidades Colaboradoras

slide31

EMSO

  • EMSO é a sigla para “Environment for Modeling, Simulation, and Optimization”
  • Desenvolvimento iniciado em 2001 na UFRGS: Rafael de Pelegrini Soares
  • Escrito em linguagem C++
  • Disponível para Windows e Linux
  • Modelos escritos em linguagem de modelagem orientada a objetos
  • Simulador e otimizador orientado por equações (EO)
  • Computacionalmente eficiente para simulações dinâmicas e estacionárias
  • Desenvolvimento continuado através do Projeto ALSOC:

http://www.enq.ufrgs.br/alsoc

slide32

Algumas Aplicações Industriais

Simulação Dinâmica do Ciclo de Refrigeração a Propano de uma Unidade de Processamento de Gás Natural

slide33

Algumas Aplicações Industriais

Simulação Dinâmica de uma Despropenizadora (165 pratos, 2 comp.)

slide34

Algumas Aplicações Industriais

Simulação Dinâmica de uma Desisobutanizadora (80 pratos, 13 comp.)

slide35

Algumas Aplicações Industriais

Simulação Estacionária de uma Termoelétrica à Carvão Pulverizado

slide36

Algumas Aplicações Industriais

Simulação Dinâmica de uma Estação de Tratamentos de Despejos Industriais (Müller et al., 2009)

Componentes modelados: OD, TOC, Fenol, NH3, NO2, NO3 e 6 grupos de bactérias

slide37

Algumas Aplicações Industriais

Simulação Dinâmica do Processo de Produção de Poliestireno Cristal

slide38

Aplicações em Biorreatores

Simulação da Produção de Lactase em Batelada (Longhi et al., 2004)

slide39

Aplicações em Biorreatores

Simulação da Produção de Lactase em Batelada

concentração (g/l)

time (s)

slide40

Aplicações em Biorreatores

Simulação da Produção de PHB em Batelada

Rotas metabólicas

Kinetics and Mechanism of Synthesis and Degradation of PHB in Alcaligenes eutrophus

Macromolecules 1992, 25, 2324-2329

Kawaguchi, Y., Doi, Y.

slide41

Aplicações em Biorrefinarias

Biorrefinaria de 2ª geração: cana-de-açúcar  etanol (Furlan et al., 2010)

slide42

Principais Características do EMSO

  • Biblioteca de modelos de código aberto
  • Modelagem orientada a objetos
  • Diferenciação automática e simbólica built-in
  • Checagem e conversão automática de unidades de medida
  • Resolve problemas de índice elevado
  • Realiza análise de consistência (DoF, DDoF, condição inicial)
  • Graphical User Interface (GUI) integrada ao simulador
  • Criação de fluxogramas por diagrama de blocos
  • Manipulação de eventosdiscretos (estado e tempo)
  • Multitarefa para simulações paralelas e em tempo real
  • Arquitetura modular e suporte para álgebra esparsa
  • Multi-plataforma: win32 e posix
  • Interface com código do usuário escrito em C/C++ ou Fortran
  • Documentaçãoautomática de modelos usando hipertextos e LaTeX
slide43

O que pode ser feito com o EMSO

  • Simulações estacionárias
  • Simulações dinâmicas
  • Otimização estacionária (NLP, MINLP)
  • Estimação de parâmetros com modelos estacionários
  • Estimação de parâmetros com modelos dinâmicos
  • Reconciliação de dados estacionária
  • Acompanhamento de processos e inferências com comunicação OPC
  • Construção de diagramas de bifurcação (interface com AUTO para DAEs)
  • Simulação dinâmica com o SIMULINK (interface com MATLAB)
  • Adição de novos solvers (DAE, NLA, NLP)
  • Adição de rotinas externas usando o recurso de Plugins
slide44

Propriedades Físicas e Termodinâmicas Plugin

Banco de Dados com cerca de 2000 componentes puros

Cálculo de propriedades de mistura

slide45

Como Instalar o EMSO

  • Download EMSO e VRTherm a partir do site:http://www.enq.ufrgs.br/alsoc
  • Executar osetup
  • Executar o EMSO
  • Adicionar o pacote de propriedades físicas usando a opção Config Plugins do menu
  • Selecionar e simular um exemplo
slide46

Configurando o Plugin

– VRTherm: vrpp –

Para usar um plug-in é necessário registrá-lo através do menu

Config Plugins

Windows:plug-in é um arquivo DLL (vrpp.dll)

Linux: plug-in é um arquivo SO (libvrpp.so)

slide48

GUI Integrada

– Simulando um exemplo –

sample/processes/Sample_Flowsheet.{mso, pfd}

slide49

Estrutura do EMSO - Entidades

O simulador EMSO possui na sua estrutura de modelagem 3 entidades principais

FlowSheet– problema em estudo, é composto por um conjunto de DEVICES.

DEVICES– componentes do FlowSheet, são as operações unitárias ou equipamentos.

Model– é a descrição matemática de um DEVICE.

slide50

streamPH

Estrutura do EMSO - Entidades

FlowSheet

Model

FlowSheet: baseado em componentes

Model: baseado em equações

slide51

Model

Linguagem – Sistema Baseado em Equações

Equações

Nãoimporta a ordememqueaparecem no modelo

Equações Equivalentes

Podem ser escritas na forma desejada pelo usuário

slide52

Model

Linguagem – Modelagem Orientada a Objetos

A modelagem e a simulação de sistemascomplexos é facilitada através do uso dos conceitos da POO

Equipamento

Componente

Sistema

O sistema pode ser decomposto em seus diversos componentes e cada um deles descrito separadamente através de suas equações governantes

Os componentes do sistema trocam informações entre si através das suas portas de conexões

slide53

streamPH

FlowSheet

Linguagem – Sistema Baseado em Componentes

A modelagem do sistema é feita pela utilização, configuração e conexão de componentes pré-existentes

slide54

Componentes de um FlowSheet

Parâmetros dos DEVICES

Remoção de Graus de Liberdade

Opções de simulação

Remoção de Graus de Liberdade Dinâmicos

slide55

Tipos Definidos no EMSO

Parâmetros e variáveis são declarados dentro de seus domínios válidos e unidades usando tipos criados baseados nos tipos básicos: Real e Integer

tanque de n vel flowsheet
TANQUE DE NÍVEL – FLOWSHEET

Parâmetros dos DEVICES

Remoção dos graus de liberdade

OpçõesdaSimulação

Remoção dos graus de liberdade dinâmicos

consist ncia do sistema
CONSISTÊNCIA DO SISTEMA

O EMSO analisa a consistência do sistemacriado no FlowSheet

tanque de n vel resultados
TANQUE DE NÍVEL – RESULTADOS

Eixo “X” é sempre a variável “tempo”

selecionando gr ficos
SELECIONANDO GRÁFICOS

Selecione a região do gráficousando o mouse

Para reverter o Zoom

clicar com o botãodireito do mouse

e selecionar

Zoom Out

editando gr ficos
EDITANDO GRÁFICOS

Caixa de Diálogo

Clicar com o botãodireito do mouse

e selecionar

Properties

salvando gr ficos
SALVANDO GRÁFICOS

Clicar com o botãodireito do mouse

e selecionar

Export Image

Caixa de Diálogo

salvando resultados
SALVANDO RESULTADOS

Caixa de Diálogo

resultados em planilhas
RESULTADOS EM PLANILHAS

Usando o

Excel para

analisarosresultados

Resultadosseparados

porblocos de

equipamentos

resultados em planilhas1
RESULTADOS EM PLANILHAS

Usando o

BrOfficeouOpenOffice

para

analisarosresultados

Blocos

de

equipamentos

resultados no matlab e scilab
RESULTADOS NO MATLAB E SCILAB

Usando o

MATLAB para

analisar os resultados

eml biblioteca de modelos
EML – BIBLIOTECA DE MODELOS
  • Controladores
    • Controladores PID (série, paralelo, AW, AWBT)
    • Controladores PID Incrementais (série, paralelo, AW, AWBT)
    • Lead-Lag, Lag
    • Comparator, Sum, Ratio, Multiply, HiLoSelect
    • IAE
    • ISE
  • Trocadores de Calor
    • Trocadores de Calor Casco e Tubos com Modelagem Simplificada
    • Trocadores de Calor Casco e Tubos com Modelagem Rigorosa
    • Trocadores de Calor Casco e Tubos Discretizados
    • Trocadores de Calor Multicorrentes - MHeatex
    • Trocadores de Calor - Aquecedores e Resfriadores
    • Trocadores de Calor Duplo Tubo
    • Trocadores de Calor de Placas
  • Sistemas de Separação
    • Flash dinâmico
    • Flash Estacionário
    • Condensador Dinâmico
    • Condensador Estacionário
    • Refervedor Dinâmico
    • Refervedor Estacionário
    • Refervedor Estacionário Parcial
    • Estágio de Equilíbrio - Prato
    • Splitter
    • Mixer
    • Tanque cilíndrico
    • Tanque cilíndrico deitado
    • Seção de coluna
    • Coluna de destilação com condensador e refervedor dinâmicos
    • Coluna de destilação com refervedor termossifão e subresfriamento no condensador
    • Coluna de destilação com refervedor termossifão e condensador dinâmico
    • Coluna de destilação com refervedor kettle e subresfriamento no condensador
    • Coluna Retificadora
    • Coluna Retificadora com subresfriamento
    • Coluna de Stripping com refluxo
    • Coluna de Stripping refluxada com subresfriamento no condensador
    • Coluna de Absorção com refluxo
    • Coluna de Absorção refluxada com subresfriamento no condensador
    • Coluna de Stripping com refervedor kettle
    • Coluna de Stripping com refervedor termossifão
    • Coluna de Absorção com refervedor kettle
    • Coluna de Absorção com refervedor termossifão
  • Reatores
    • CSTR
    • PFR
    • Gibbs
    • Equilíbrio
    • Batelada
    • Batelada alimentada
  • Modificadores de Pressão
    • Bombas
    • Turbinas
    • Compressores
    • Válvulas
  • Modelos Didáticos
    • Exercícios do Fogler
slide69

Construção de Diagrama de Blocos

– criando um novo arquivo –

Seleção de componentes do pacote de Propriedades Físicas

DEVICES encontrados nas bibliotecas de modelos

slide70

Construção de Diagrama de Blocos

– selecionando DEVICES –

Ao fazer uma conexão, somente portas compatíveis estarão disponíveis para conectar

drag & drop portas para criar uma conexão

click para criar um DEVICE

slide71

Construção de Diagrama de Blocos

– configurando um estudo de caso –

double-click

Status da variável: a determinar (Evaluate)

conhecida (Specify)

condição inicial (Initial)

estimativa inicial (Guess)

slide72

Construção de Diagrama de Blocos

– modelo termodinâmico –

Modelos disponíveis

right-click

PC-SAFT

slide74

Exercícios

1) Construir um fluxograma para simular um tanque de nível;

2) Construir um fluxograma para simular uma série de três tanques de nível;

slide75

Bibliografia

  • Himmelblau, D. M. & Bischoff, K. B., "Process Analysis and Simulation - Deterministic Systems", John Wiley & Sons, 1968.
  • Carnahan, B. Luther, H. A. & Wilkes, J. O., "Applied Numerical Methods", Wiley, 1969.
  • Finlayson, B. A., "The Method of Weighted Residuals and Variational Principles with Application in Fluid Mechanics, Heat and Mass Transfer", Academic Press, 1972.
  • Himmelblau, D. M., "Applied Nonlinear Programming", McGraw-Hill, 1972.
  • Villadsen, J. & Michelsen, M. L., "Solution of Differential Equation Models by Polynomial Approximation", Prentice-Hall, 1978.
  • Felder, R. M. & Rousseau, R. W., "Elementary Principles of Chemical Processes", John Wiley & Sons, 1978.
  • Rice, J. R., "Numerical Methods, Software and Analysis", McGraw-Hill, 1983.
  • Davis, M. E., "Numerical Methods and Modeling for Chemical Engineers", John Wiley & Sons, 1984.
  • Denn, M., "Process Modeling", Longman, New York, 1986.
  • Edgar, T.F. & Himmelblau, D.M., "Optimization of Chemical Processes", McGraw-Hill, 1988.
  • Brenan, K. E., Campbell, S. L. & Petzold, L. R., "Numerical Solution of Initial-Value Problems in Differential Algebraic Equations", North-Holland, 1989.
  • Luyben, W. L., "Process Modeling, Simulation, and Control for Chemical Engineers", McGraw-Hill, 1990.
  • Silebi, C.A. & Schiesser, W.E., “Dynamic Modeling of Transport Process Systems”, Academic Press, Inc., 1992.
  • Biscaia Jr., E.C. “Método de Resíduos Ponderados com Aplicação em Simulação de Processos”, XV CNMAC, 1992
  • Ogunnaike, B.A. & Ray, W.H., “Process Dynamics, Modeling, and Control”, Oxford Univ. Press, New York, 1994.
  • Rice, R.G. & Do, D.D., “Applied Mathematics and Modeling for Chemical Engineers”, John Wiley & Sons, 1995.
  • Maliska, C.R. “Transferência de Calor e Mecânica dos Fluidos Computacional”, 1995.
  • Bequette, B.W., “Process Dynamics: Modeling, Analysis, and Simulation”, Prentice Hall, 1998.
slide76

Referências de Artigos

  • Al-Arfaj, M. and W.L. Luyben. Comparison of Alternative Control Structures for an Ideal Two-Product Reactive Distillation Column. Ind. Eng. Chem. Res., 39, 3298–3307 (2000).
  • Arpornwichanop, A., P. Kittisupakorn and I.M. Mujtaba. On-line Dynamic Optimization and Control Strategy for Improving the Performance of Batch Reactors. Chemical Engineering and Processing, 44, 101–114 (2005).
  • BenAmor, Z., F.J. Doyle III and R. McFarlane. Polymer Grade Transition Control using Advanced Real-Time Optimization Software. Journal of Process Control, 14, 349–364 (2004).
  • Bhagwat, A., R. Srinivasan and P.R. Krishnaswamy. Fault Detection During Process Transitions: a Model-Based Approach. Chemical Engineering Science, 58, 309–325 (2003).
  • Biagiola, S.I. and J.L. Figueroa. Application of State Estimation Based NMPC to an Unstable Nonlinear Process. Chemical Engineering Science, 59, 4601–4612 (2004).
  • Biegler, L.T., A.M. Cervantes and A. Wächter. Advances in Simultaneous Strategies for Dynamic Process Optimization. Chemical Engineering Science, 57, 575–593 (2002).
  • Charpentier, J.C. and T.F. McKenna. Managing Complex Systems: Some Trends for the Future of Chemical and Process Engineering. Chemical Engineering Science, 59, 1617–1640 (2004).
  • Costa Jr., E.F., R.C. Vieira, A.R. Secchi and E.C. Biscaia Jr. Dynamic Simulation of High-Index Models of Batch Distillation Processes. Journal of Latin American Applied Research, 32 (2) 155–160 (2003).
slide77

Referências de Artigos

  • Davies, M.L., I. Schreiber and S.K. Scott. Dynamical Behaviour of the Belousov–Zhabotinsky Reaction in a Fed-Batch Reactor. Chemical Engineering Science, 59, 139–148 (2004).
  • Elgue, S., L. Prat, M. Cabassud, J.M. Le Lann and J. Cézerac. Dynamic Models for Start-up Operations of Batch Distillation Columns with Experimental Validation. Computers and Chemical Engineering, 28, 2735–2747 (2004).
  • Ferreira, L.S., J.O. Trierweiler, A.R. Secchi and S.M. Marcon. Development of a Virtual Analyzer Software for Bioprocesses. AIChE Annual Meeting, San Francisco, CA, USA, p. #107ak (2003).
  • Gao, W. and S. Engell. Iterative Set-point Optimization of Batch Chromatography. Computers and Chemical Engineering, 29, 1401–1409 (2005).
  • Grünera, S. and A. Kienle. Equilibrium Theory and Nonlinear Waves for Reactive Distillation Columns and Chromatographic Reactors. Chemical Engineering Science, 59, 901–918 (2004).
  • Hahn, J., T.F. Edgar and W. Marquardt. Controllability and Observability Covariance Matrices for the Analysis and Order Reduction of Stable Nonlinear Systems. Journal of Process Control, 13, 115–127 (2003).
  • Henson, M.A. Dynamic Modeling and Control of Yeast Cell Populations in Continuous Biochemical Reactors. Computers and Chemical Engineering, 27, 1185–1199 (2003).
  • Iliuta, I. and F. Larachi. Modeling Simultaneous Biological Clogging and Physical Plugging in Trickle-Bed Bioreactors for Wastewater Treatment. Chemical Engineering Science, 60, 1477–1489 (2005).
slide78

Referências de Artigos

  • Furlan, F.F., Giordano, R.C., Cruz, A.J.G., Costa, C.B.B., Secchi, A.R., Soares, R.P., Fonseca, G.C., Pinto, G.A., Biscaia Jr, E.C., Giordano, R.L.C. Bioprocess Systems Engineering Applied to a Multipurpose Second Generation Ethanol-from-Sugarcane Plant: Assessing the Performance of Local and Global Optimization Algorithms. In: 14th International Biotechnology Symposium and Exhibition, Rimini, Itália (2010).
  • Jockenhövel, T., L.T. Biegler and A.Wächter. Dynamic Optimization of the Tennessee Eastman Process using the OptControlCentre. Computers and Chemical Engineering, 27, 1513–1531 (2003).
  • Kulikov, V., H. Briesen, R. Grosch, A. Yang, L. vonWedel and W. Marquardt. Modular Dynamic Simulation for Integrated Particulate Processes by Means of Tool Integration. Chemical Engineering Science, 60, 2069–2083 (2005).
  • Lakner, R., K.M. Hangos and I.T. Cameron. On Minimal Models of Process Systems. Chemical Engineering Science, 60, 1127–1142 (2005).
  • Lee, S., I. Jeong and I. Moon. Development of Evaluation Algorithms for Operator Training System. Computers and Chemical Engineering, 24, 1517-1522 (2000).
  • Logsdon, J.S. and Biegler, L.T. Accurate Determination of Optimal Reflux Polices for the Maximum Distillate Problem in Batch Distillation. Ind. Eng. Chem. Res., 32 (4) 692-700 (1993).
  • Longhi, L.G.S., D.J. Luvizetto, L.S. Ferreira, R. Rech, M.A.Z. Ayub and A.R Secchi. A Kinetic Model for the Kluyveromyces marxianus Growth using Cheese Whey as Substrate. Journal of Industrial Microbiology, 31 (1) 35–40 (2004).
  • Marquardt, W. and M. Mönnigmann. Constructive Nonlinear Dynamics in Process Systems Engineering. Computers and Chemical Engineering, 29, 1265–1275 (2005).
  • Martinson, W.S. and P.I. Barton. Distributed Models in Plantwide Dynamic Simulators. AIChE Journal, 47 (6) 1372–1386 (2001).
slide79

Referências de Artigos

  • Molnár, A., M. Krajciová, J. Markos and L. Jelemensky. Use of Bifurcation Analysis for Identification of a Safe CSTR Operability. Journal of Loss Prevention in the Process Industries, 17, 489–498 (2004).
  • Reepmeyer, F., J.U. Repke and G. Wozny. Time Optimal Start-up Strategies for Reactive Distillation Columns. Chemical Engineering Science, 59, 4339–4347 (2004).
  • Rodrigues, R., R.P. Soares and A.R Secchi. Teaching Chemical Reaction Engineering Using EMSO Simulator. Computer Applications in Engineering Education, Wiley (2008).
  • Skogestad, S. Control Structure Design for Complete Chemical Plants. Computers and Chemical Engineering, 28, 219–234 (2004).
  • Soares, R.P. and A.R. Secchi. EMSO: A New Environment for Modeling, Simulation and Optimization. ESCAPE 13, Lappeenranta, Finlândia, 947 – 952 (2003).
  • Soares, R.P. and A.R. Secchi. Modifications, Simplifications, and Efficiency Tests for the CAPE-OPEN Numerical Open Interfaces. Computers and Chemical Engineering, 28, 1611–1621 (2004).
  • Soares, R.P. and A.R. Secchi, Direct Initialisation and Solution of High-Index DAE Systems, ESCAPE 15, Barcelona, Spain, 157–162 (2005).
  • Soares, R.P. and A.R. Secchi, Debugging Static and Dynamic Rigorous Models for Equation-oriented CAPE Tools, DYCOPS 2007, Cancún, Mexico, v.2, 291–296 (2007).
slide80

Referências de Artigos

  • Srinivasan, R., P. Viswanathan, H. Vedam and A. Nochur. A Framework for Managing Transitions in Chemical Plants. Computers and Chemical Engineering, 29, 305–322 (2005).
  • Toledo, E.C.V., R.F. Martini, M.R.W. Maciel and R. Maciel Filho. Process Intensification for High Operational Performance Target: Autorefrigerated CSTR Polymerization Reactor. Computers and Chemical Engineering, 29, 1447–1455 (2005).
  • Tosukhowong, T., J.M. Lee, J.H. Lee and J. Lu. An Introduction to a Dynamic Plant-Wide Optimization Strategy for an Integrated Plant. Computers and Chemical Engineering, 29, 199–208 (2004).
  • Trierweiler, J.O. and L.A. Farina. RPN tuning strategy for model predictive control. Journal of Process Control, 13, 591–598 (2003).
  • Valle, E.C., R.P. Soares, T.F. Finkler, A.R. Secchi. A New Tool Providing an Integrated Framework for Process Optimization, EngOpt 2008 - International Conference on Engineering Optimization, Rio de Janeiro, Brazil (2008).
  • Wu, K.L., C.C. Yu, W.L. Luyben and S. Skogestad. Reactor/Separator Processes with Recycles-2. Design for Composition Control. Computers and Chemical Engineering, 27, 401–421 (2002).
  • Yip, W.S. and T.E. Marlin. The Effect of Model Fidelity on Real-Time Optimization Performance. Computers and Chemical Engineering, 28, 267–280 (2004).
  • Zhang, J. and R. Smith. Design and Optimisation of Batch and Semi-Batch Reactors. Chemical Engineering Science, 59, 459–478 (2004).
slide81

Referências

  • DAE Solvers:
  • DASSL: Petzold, l.R. (1989) http://www.enq.ufrgs.br/enqlib/numeric/numeric.html
  • DASSLC: Secchi, A.R. and F.A. Pereira (1997), http://www.enq.ufrgs.br/enqlib/numeric/numeric.html
  • MEBDFI: Abdulla, T.J. and J.R. Cash (1999), http://www.netlib.org/ode/mebdfi.f
  • PSIDE:Lioen, W.M., J.J.B. de Swart, and W.A. van der Veen (1997), http://www.cwi.nl/cwi/projects/PSIDE/
  • SUNDIALS: R. Serban et al. (2004), http://www.llnl.gov/CASC/sundials/description/description.html
slide82

Agradecimentos especiais

Prof. Rafael de Pelegrini Soares, D.Sc.

Eng. Gerson Balbueno Bicca, M.Sc.

Eng. Euclides Almeida Neto, M.Sc.

Eng. Eduardo Moreira de Lemos, M.Sc.

Eng. Marco Antônio Müller

Pela preparação de parte do material do curso.

Pelo apoio ao Projeto ALSOC.

slide83

... obrigado pela sua atenção!

http://www.enq.ufrgs.br/alsoc

  • Lab. de Modelagem, Simulação e Controle de Processos
  • Fone: +55-21-2562-8301
  • E-mail: [email protected]
  • http://www.peq.coppe.ufrj.br/Areas/Modelagem_e_simulacao.html
ad