This work aims to develop an optimizing route for the unsteady states of a chemical plant through non-derivative local minimization algorithms. The most critical phases of plant operativity are the start-up and shutdown, which are usually implemented by following an experience-based sequential manual procedure. The proposed library for such development is NLopt, an open-source collection of optimization algorithms that can be implemented in C++ and Python languages. The definition of the problem followed a Monte Carlo initialization approach and optimization with successive algorithm validation to test the optimizer potentiality. The case studies implemented described common units in chemical plants and show the potential of the route for the automation of such phases, in order to transform obsolete manual sequences into non-time consuming and energy-saving routes to be implemented in plant activity.

L’argomento trattato in questo elaborato tenta allo sviluppo di una routine di ottimizzazione per le fasi non stazionarie in impianti chimici attraverso l’utilizzo di algoritmi che non si avvalgono del gradiente della funzione per la sua minimizzazione. Le fasi maggiormente critiche in impianto sono quelle di accensione e spegnimento, le quali sono solitamente governate da procedure basate sull’esperienza del singolo operatore e che prevedono una sequenza di azioni manuali da essere seguite dagli operatori d’impianto. La libreria proposta per questo scopo è NLopt, una collezione di algoritmi di ottimizzazione implementabile nei linguaggi di codice C++ e Python, le quali non richiedono licenze per l’utilizzo. La definizione del problema ha previsto l’utilizzo di una inizializzazione Monte Carlo prima della successiva ottimizzazione e confronto fra gli algoritmi a disposizione del codice. I casi studio implementati studiano unità tipiche dell’industria chimica e mostrano il potenziale del modello per l’automazione delle fasi di impianto, da procedure manuali a digitali in impianto.

Discrete optimization of manual operations in process transient states

Salano, Loretta
2021/2022

Abstract

This work aims to develop an optimizing route for the unsteady states of a chemical plant through non-derivative local minimization algorithms. The most critical phases of plant operativity are the start-up and shutdown, which are usually implemented by following an experience-based sequential manual procedure. The proposed library for such development is NLopt, an open-source collection of optimization algorithms that can be implemented in C++ and Python languages. The definition of the problem followed a Monte Carlo initialization approach and optimization with successive algorithm validation to test the optimizer potentiality. The case studies implemented described common units in chemical plants and show the potential of the route for the automation of such phases, in order to transform obsolete manual sequences into non-time consuming and energy-saving routes to be implemented in plant activity.
GALEAZZI , ANDREA
PRIFTI, KRISTIANO
ING - Scuola di Ingegneria Industriale e dell'Informazione
6-ott-2022
2021/2022
L’argomento trattato in questo elaborato tenta allo sviluppo di una routine di ottimizzazione per le fasi non stazionarie in impianti chimici attraverso l’utilizzo di algoritmi che non si avvalgono del gradiente della funzione per la sua minimizzazione. Le fasi maggiormente critiche in impianto sono quelle di accensione e spegnimento, le quali sono solitamente governate da procedure basate sull’esperienza del singolo operatore e che prevedono una sequenza di azioni manuali da essere seguite dagli operatori d’impianto. La libreria proposta per questo scopo è NLopt, una collezione di algoritmi di ottimizzazione implementabile nei linguaggi di codice C++ e Python, le quali non richiedono licenze per l’utilizzo. La definizione del problema ha previsto l’utilizzo di una inizializzazione Monte Carlo prima della successiva ottimizzazione e confronto fra gli algoritmi a disposizione del codice. I casi studio implementati studiano unità tipiche dell’industria chimica e mostrano il potenziale del modello per l’automazione delle fasi di impianto, da procedure manuali a digitali in impianto.
File allegati
File Dimensione Formato  
Ottobre_Salano_1.pdf

solo utenti autorizzati dal 20/09/2023

Dimensione 2.09 MB
Formato Adobe PDF
2.09 MB Adobe PDF   Visualizza/Apri
Ottobre_Salano_2.pdf

solo utenti autorizzati dal 20/09/2023

Dimensione 1.01 MB
Formato Adobe PDF
1.01 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/192248