Simulación y Optimización de Procesos Químicos
José Antonio Caballero
Departamento de Ingeniería Química. Universidad de Alicante
CÓDIGO: 7342
Carga docente: 6 créditos (3 teóricos + 3 prácticos)
Departamento: Ingeniería Química
Profesor:
José Antonio Caballero
Objetivos:
En la asignatura Simulación y Optimización de los Procesos Químicos,
se pretende dar al alumno las bases de lo que es hoy en día la
simulación de procesos químicos (modular secuencial y simultánea,
basada en ecuaciones), las bases de la programación matemática
(optimización), así como que el alumno desarrolle buenos hábitos en
la modelado y posterior resolución de problemas. Se da también al
alumno una introducción a la incertidumbre en los datos y al diseño
de sistemas flexibles, junto con una introducción al diseño de
experimentos. En esta asignatura se pretende que el alumno sea capaz
de desarrollar sus propios modelos matemáticos y conocer las bases,
ventajas y limitaciones de los algoritmos disponibles hoy en día
para resolver dichos problemas (tanto en lo que se refiere a
simulación como a optimización). La asignatura Simulación y Diseño
por Ordenador se puede considerar complementaria y se le da un
carácter eminentemente práctico, en la que el alumno debe resolver
problemas de simulación complejos utilizando simuladores
profesionales y modelos rigurosos. La Universidad de Alicante
dispone del simulador ChemCad III.
Programa:
UD1. SIMULACIÓN DE PROCESOS QUIMICOS (FLOWSHEETING)
TEMA 1. Introducción
1.1 Introducción.
1.2 Desarrollo histórico de la simulación de procesos. Relación entre simulación optimización y síntesis de procesos.
1.3 Tipos de simuladores: Modular secuencial. Modular simultáneo. Basada en ecuaciones.
TEMA 2. Simulación Modular Secuencial
2.1 Descomposición de diagramas de flujo (flowsheeting)
2.2 Métodos basados en las matrices booleanas Localización de redes cíclicas máximas. Algoritmo de Sargent y Westerberg. Algoritmo de Tarjan.
2.3 Selección de las corrientes de corte:
2.3.1 Caso general planteamiento como un “set-covering problem” (algoritmo de Pho y Lapidus)
2.3.2 Número mínimo de corrientes de corte (algoritmo de Barkley y Motard)
2.3.3 Conjunto de corrientes de corte no redundante (Algoritmo de Upadhye y Grens)
TEMA 3. Simulación Modular Simultánea
3.1 Efecto de las estrategias tipo cuasi Newton sobre la convergencia de los diagramas de flujo.
TEMA 4. Simulación Basada en Ecuaciones
4.1 Introducción. Métodos de factorización de matrices dispersas. Métodos a priori y métodos locales.
4.2 Métodos locales: Criterio de Markowitz.
4.3 Métodos a priori:
4.3.1 Triangularización por bloques:
a. Base de salida admisible (transversal completo).
b. Aplicación de los algoritmos de Sargent y Tarjan a matrices dispersas.
c. Reordenación.
4.3.2 Transformación en matriz triangular bordeada.4.4 Fase numerica. Algoritmo RANKI
4.5 Comparación entre los diferentes sistemas de simulación. Ventajas e Inconvenientes.
TEMA 5. Grados de libertad y variables de diseño de un diagrama de flujo
5.1 Teorema de Duhem y regla de las fases
5.2 Grados de libertad de un equipo
5.3 Grados de libertad de un diagrama de flujo
5.4 Elección de las variables de diseño.
U.D. 2: OPTIMIZACIÓN
TEMA 6. Conceptos Básicos
6.1 Introducción. Desarrollo histórico de la optimización de procesos.
6.2 Funciones y regiones cóncavas y convexas.
6.3 Optimización sin restricciones.
6.4 Optimización con restricciones de igualdad y desigualdad. Condiciones de optimalidad de Karush Khun Tucker
6.5 Interpretación de los Multiplicadores de Lagrange.
TEMA 7. Programación lineal
7.1 Introducción. Planteamiento del problema en forma canónica y forma estándar.
7.2 Teoremas de la programación lineal
7.3 Resolución gráfica
7.4 Resolución en forma de tabla. El método simplex.
7.5 Variables artificiales. Método de la Gran M y método de las dos fases.
7.6 Conceptos básicos de dualidad.
TEMA 8. Programación no lineal
8.1 Repaso de métodos numéricos de optimización sin restricciones: Métodos directos y métodos indirectos.
8.2 Optimización con restricciones. Fundamento de los métodos de programación cuadrática sucesiva y de gradiente reducido.
TEMA 9. Introducción a la programación lineal y no lineal con variables discretas.
9.1 Conceptos básicos para la resolución de problemas lineales con variables discretas.(MILP, mixed integer linear
programming)
9.2 Introducción a la programación no lineal con variables continuas y discretas (MINLP mixed integer non linear
programming)
9.3 Modelado de problemas con variables binarias:
9.3.1 Conceptos básicos de álgebra de Boole
9.3.2 Transformación de expresiones lógicas a expresiones algebraicas
9.3.3 Modelado con variables discretas y continuas. Formulación de envolvente convexa y de la gran M.
U.D. 3. MODELOS
TEMA 10. Tipos de modelos
10.1 Modelos basados en fenómenos de transporte. Modelos basados en balances de población. Modelos estocásticos.
U.D. 4. INTRODUCCIÓN AL DISEÑO CON INCERTIDUMBRE
TEMA 11. Introducción al diseño con incertidumbre
11.1 Introducción.
11.2 Test de flexibilidad e Indice de flexibilidad
U.D. 5 INTRODUCCIÓN AL DISEÑO DE EXPERIMENTOS
TEMA 12. Introducción al diseño de experimentos.
12.1 Introducción. Fundamentos de estadística.
12.2 Diseño factorial.
12.3 Introducción a las técnicas EVOP.
Clases Prácticas en el Aula de Informática
Se desarrollaran una serie de clases prácticas en el aula de informática utilizando tanto MATLAB como GAMS hoja de cálculo EXCEL etc. El objetivo es que el alumno sea capaz de aplicar de forma práctica los conocimientos adquiridos en la parte de teoría así como aplicar métodos numéricos de forma eficiente a diversos tipos de problemas.
El alumno deberá
presentar al final de las prácticas un informe detallado de todo el
trabajo realizado durante el curso.
Evaluación
Se realizará al final de las clases teóricas un examen que constará de dos partes:
Teoría y cuestiones. Supondrá entre un 40 y un 60% de la nota total. No se podrá utilizar ningún tipo de apuntes problemas etc.
Problemas. Se realizará en el aula de informática.
Aunque ambas partes se suman para obtener la nota final será necesario conseguir al menos un 40% en cada una de las partes individuales.
Será necesario, a su vez, presentar el informe de prácticas en tiempo y forma para poder aprobar la asignatura. La calificación obtenida en el informe final de prácticas podrá subir o bajar la nota final definitiva.
Conocimientos previosNotas:
Errores conceptuales graves supondrán un cero en el problema (cuestión) donde aparezca, pudiendo incluso llegar a suponer el suspenso en la asignatura. (Esto incluye unidades, resultados imposibles, etc.)
No se corregirán aquellos exámenes mal presentados, sucios o ilegibles.
Fundamentos matemáticos de Ingeniería. Ampliación de matemáticas para la Ingeniería. Fundamentos de operaciones de separación. Técnicas de cálculo en Ingeniería Química. Reactores Químicos. Operaciones de separación.
Debido al carácter de la asignatura es altamente conveniente y recomendable conocer los conceptos básicos anteriormente nombrados. En cualquier caso, quedarán automáticamente excluidos aquellos alumnos que tengan suspendidas las asignaturas: Fundamentos matemáticos de Ingeniería. Ampliación de matemáticas para la Ingeniería o Técnicas de cálculo en Ingeniería química.
Bibliografía
Himmelblau, D.M. y Bischoff, K.B.,
"Process Analysis and Simulation". John Wiley. Nueva
York (1968). Traducción al castellano. Reverté. Barcelona (1976).
Mah, R.S. “Chemical Process Structures and Information Flows” Butterworths Boston (1989).
Resnick, W., "Process Analysis and Design for Chemical Engineers". McGraw-Hill. Nueva York (1981).
Rudd. D.F. y Watson, Ch.C.,
"Strategy of Process Engineering". John Wiley. Nueva York (1968).
Traducción al
castellano. Alhambra. Madrid (1976).
Westerberg, A.W.; Hutchinson, H.P.; Motard, R.L.;
Winter, P. “Process Flowsheeting”.
Cambridge University
Press. Londres (1979).
Fuente O’Connor, J.L., “Tecnologías computacionales para sistemas de ecuaciones, optimización lineal y entera”, Reverté, Barcelona (1993).
Floudas, C.A.; "Nonlinear and Mixed-Integer Optimization" Oxford University Press (1995)
Edgar, T.F.; Himmelblau, D.M.; "Optimization of Chemical Processes" Mc GrawHill (1988)
Nash, S.G.; Sofer, A.; "Linear and Nonlinear Programming" McGraw-Hill (1996)