Optymalizacja Procesowa

Podstawowe pojęcia teorii

i model matematyczny
optymalizacji
 optymalizacja procesowa - wprowadzenie

Słowo Optymalizacja potocznie bywa rozumiane jako wyznaczenie najlepszego (idealnego)

rozwiązania problemu.

Tak rozumiana optymalizacja jest nieodłączną cechą, każdej działalności człowieka.

Jednakże otrzymała ona ścisłe podstawy naukowe dopiero wówczas, gdy
jej pojęcia i metody opisano matematycznie.

Jednak w ścisłym sensie pojęcia Optymalizacja musimy uczynić zastrzeżenie, że

optymalizacja to najlepsze rozwiązanie w danych warunkach i ze względu
na określone kryterium oceny.
 optymalizacja procesowa - wprowadzenie

Przykład. Kryterium oceny – wybór samochodu

Kryteria oceny:

 cena

 szybkość

 prestiż

 kolor

 ekologia

 itd..
 optymalizacja procesowa - wprowadzenie

Optymalizacja – w szerokim zakresie znaczenia tego pojęcia – jest to uzyskanie

najlepszego rezultatu przy określonym kryterium i w określonych warunkach.

Dzięki rozwojowi technik obliczeniowych wykorzystujących maszyny liczące badania

optymalizacyjne stały się ekonomicznie uzasadnione, a zakres rozwiązywanych zagadnień
znacznie się poszerzył.

Na obecnym wykładzie będziemy zajmować się takimi zadaniami optymalizacji, którym

odpowiada ściśle określona postać matematyczna (model
matematyczny).
 optymalizacja procesowa - wprowadzenie

Ogólne cele obliczeń optymalizacyjnych w inżynierii procesowej:

 określenie parametrów prowadzenia procesu, optymalnych ze względu na przyjęte

kryterium jakości procesu.

Nie zawsze możliwa jest techniczna realizacja rozwiązań optymalnych.

 wyniki optymalizacji są przydatne do wykazania ekstremalnych, granicznych

możliwości układu z punktu widzenia badanego kryterium. Spełniają wtedy taką rolę
jak Cykl Carnote’a w termodynamice.

Niejednokrotnie obliczenia optymalizacyjne są bardzo skomplikowane i długotrwałe.

 badania nad procesami optymalnymi i wpływem warunków procesowych na

optymalny przebieg tych procesów, może pozwolić na określenie pewnych zasad
(ścisłych i heurystycznych) pozwalających ułatwić, ograniczyć lub wyeliminować
konieczność prowadzenia obliczeń optymalizacyjnych.
 optymalizacja procesowa - wprowadzenie

W technice niemal każde zagadnienie projektowania, planowania czy prowadzenia procesu

może być sprowadzone do określenia najmniejszej (minimalnej) lub największej
(maksymalnej) wartości pewnej wielkości.

Wielkość, której wartości minimalnej lub maksymalnej poszukujemy, nosi kilka

równorzędnych nazw:
kryterium optymalizacji
wskaźnik jakości
funkcja celu.
 optymalizacja procesowa - wprowadzenie

decyzje – (zmienne decyzyjne) wielkości, którymi możemy wpływać na wartość

liczbową wskaźnika jakości przez wybór ich wartości mieszczącej się w
określonych zakresach w ramach zadania optymalizacyjnego.

parametry – pozostałe wielkości w modelu procesu, których wartości traktowane są jako

stałe i są z góry narzucone przez projektanta lub okoliczności.

Istnienie decyzji jako wielkości, dla których wartość nie jest narzucona z góry, ale na które
możemy wpływać, stanowi o możliwości prowadzenia optymalizacji.
 optymalizacja procesowa - wprowadzenie

Ze względu na sens praktyczny zmienne decyzje i parametry można podzielić na dwie grupy:

 konstrukcyjne – charakteryzują: strukturę obiektu, np. zasadę budowy

urządzenia i sposób połączenia jego części; cechy fizyczne obiektu, np.
wymiary, pola przekrojów; niektóre zjawiska zachodzące w obiekcie, np.
powstawanie naprężeń, zużycie itp.

 procesowe – charakteryzują: stan i właściwości fizykochemiczne substancji

uczestniczących w procesie; przebieg zjawisk składających się na proces, np.
wymianę ciepła i masy, reakcje chemiczne, przepływ itp.

W problemach projektowania procesów inżynierii chemicznej zmiennymi decyzyjnymi są na

ogół wielkości procesowe, a parametrami – wielkości konstrukcyjne aparatów.

Natomiast, w problemach projektowania aparatury sytuacja jest odwrotna.

 optymalizacja procesowa - wprowadzenie

Przebieg procesu projektowania

Utarta opinia głosi, że punktem wyjścia do optymalizacji projektu, zarówno intuicyjnej jak i
popartej aparatem teoretycznym, może być tylko dobry pomysł lub szczęśliwy zbieg
okoliczności.
Jednakże w obecnym stanie rozwoju teorii i zastosowań metod optymalizacyjnych oraz
powszechnej komputeryzacji metody te należy uznać za jedno z najważniejszych
inżynierskich na­rzędzi pracy służące do wyznaczanie rozwią­zań projektowych o najwyższej
jakości.

Optymalizacja jest jednym z kluczowych etapów procesu projektowania.

Proces projektowania ma określić takie rozwiązanie rozważanego obiektu, które zapewni

spełnienie niezbędnych warunków technicznych, ekonomicznych itp. Warunki te wynikają
z istniejących potrzeb, lecz nie zawsze są zadane w jednoznaczny sposób.
Stąd też za wyjściowy punkt działania należy uznać identyfikację problemu, polegającą
m.in. na określeniu warunków technicznych i ekonomicznych, które powinno spełnić
rozwiązanie projektowe, oraz na wyborze koncepcji rozwiązania.
 optymalizacja procesowa - wprowadzenie
Projektowanie wstępne
oparte na decyzjach
Identyfikacja Projektowanie wstępne
arbitralnych problemu oparte na decyzjach
optymalnych
Określenie założeń
Zestawienie projektowych
ograniczeń Opracowanie modelu
matematycznego
Projektowanie
procesu/obiektu
wstępne
Propozycje
rozwiązania Formalizacja sposobu
Projektowanie
szczegółowe oceny

Spełnione NIE
ograniczenia? Budowa i badania Wyznaczenie
prototypów lub rozwiązania
instalacji pilotowych
optymalnego
TAK
Czy
satysfakcjonująca Czy próby NIE
NIE
jakość wypadły
rozwiązania? pomyślnie?

TAK
TAK
Do pełnej
realizacji
 optymalizacja procesowa - wprowadzenie

Model matematyczny optymalizacji jest to układ równań i nierówności

charakteryzujących badany proces, a także wyrażenie definiujące wskaźnik jakości.

Model matematyczny procesu:

model analityczny – oparty na znajomości praw fizycznych i chemicznych;

model doświadczalny – oparty na przeprowadzonych doświadczeniach – ma on

wówczas nierzadko postać wielomianów opisujących zależności wyjść od wejść
układu (analiza regresyjna)

Model matematyczny procesu (klasyfikacja ze względu na sposób określenia informacji wejściowej) :

modele z pełną informacją (deterministyczne) – w modelach deterministycznych wszystkie
zmienne decyzyjne i parametry są określane jednoznacznie, jest to więc pełny
opis przedmiotu zadania optymalizacyjnego oraz jednoznaczne sformułowanie
wszelkich ograniczeń. Sformułowanie takiego opisu jest wykonalne wtedy, gdy
można założyć, że przebiegu procesu są dokładnie znane oraz że realizacja
rozwiązania projektowego będzie miało ściśle kontrolowany przebieg.
 optymalizacja procesowa - wprowadzenie

Model matematyczny procesu (klasyfikacja ze względu na sposób określenia informacji wejściowej) :

modele z informacją losową (probabilistyczne) – modele z informacją losową zawierają co

najmniej jedną zmienną decyzyjną łub parametr o cechach zmiennej losowej. Są to takie
zadania optymalizacyjne, w których uwzględnia się niepewność dotyczącą niektórych
wielkości procesowych lub konstrukcyjnych albo też niepewność realizacji obiektu. Muszą
jednak istnieć dane statystyczne lub inne informacje, pozwalające zdefiniować rozkłady
wszystkich zmiennych losowych. Przykładem losowej zmiennej decyzyjnej mogą być
zmienne opisujące warunki zewnętrzne.

modele z niepełną informacją – modele z niepełną informacją zawierają zmienne decyzyjne i

parametry będące zmiennymi losowymi lub procesami stochastycznymi o nieznanych
rozkładach, względnie zmienne lub parametry, o których wiadomo tylko tyle, że należą do
znanego zbioru zmiennych losowych lub że mogą przybierać wartości ze znanego zbioru.
Zdarza się tak w zadaniach formułowanych na podstawie danych prognostycznych lub
szacunkowych. Przykładem losowego parametru o nieznanym rozkładzie może być cena
materiału lub produktu, szacowana na przyszłe kilka lat.
 optymalizacja procesowa - wprowadzenie

Optymalizacja jest na tyle dobra – na ile dobry jest model matematyczny.

W praktyce istnieją również przypadki, że odpowiednie dane są niedokładne, albo przyjęte

uproszczenia w modelu matematycznego są znaczne. Wtedy wyniki optymalizacji nie mogą
być bezkrytycznie przyjęte.

Ponadto, techniczna realizacja rozwiązań optymalnych może okazać się trudna. Wówczas
tak, jak wspomniano wcześniej, wyniki optymalizacji są przydatne do wykazania
ekstremalnych, granicznych możliwości układu z punktu widzenia badanego kryterium.

Wyniki obliczeń optymalizacyjnych spełniają wtedy taką rolę jak Cykl Carnote’a w
termodynamice.

Optymalny profil temperatury

w reaktorze rurowym.
 optymalizacja procesowa - wprowadzenie

Wskaźnik jakości: wielkość wyrażona w jawnej postaci analitycznej określonej funkcji

lub funkcjonału zmiennych decyzyjnych.

Wybór wskaźnika jakości musi być przedmiotem wnikliwej analizy najczęściej

termoekonomicznej.

Obok wskaźnika jakości pojawiają się pewne równania lub nierówności (algebraiczne,
różniczkowe lub całkowe) charakteryzujące tzw. ograniczenia .
 optymalizacja procesowa - wprowadzenie

Nałożenie ograniczeń jest typowe dla wszystkich praktycznych zagadnień optymalizacji.

Mogą to być ograniczenia na:

zużycie pewnych zasobów;

wydajność procesu;
stopień zanieczyszczenia produktu;
parametrów procesu (np. stężenia reagentów w mieszaninach wybuchowych,
przepływ gazu i cieczy w absorberach);
parametry konstrukcyjne (np. wielkość aparatów w zamkniętych
pomieszczeniach);
parametry termodynamiczne procesu, np. dopuszczalny zakres temperatur

w wersji standardowej:
 optymalizacja procesowa - wprowadzenie

W modelu ograniczeń należy się więc spodziewać zarówno ograniczeń równościowych

jak i nierównościowych.
Ogólnie standardową postać ograniczeń algebraicznych reprezentuje ich układ o postaci:

(*)

(**)

Optymalizacja ma sens, jeśli układ równań (*) i (**) nie jest sprzeczny; wówczas określa on
w przestrzeni zmiennych decyzyjnych y1, y2, … ys pewien obszar Y zwany obszarem
dopuszczalnym.

Rozwiązanie optymalne może leżeć jedynie wewnątrz tego obszaru lub na jego brzegu.
 optymalizacja procesowa
Obszar dopuszczalny – przykład.

układ ograniczeń:

1  y1 , y2   y1  y2  5  0
 2  y1 , y2   y2  y1  3  0

Ważne, choć wymagające pewnej wprawy, jest wykluczanie z zadania optymalizacji

ograniczeń nieistotnych dla rozwiązania optymalnego.

Istotna jest analiza wrażliwości wskaźnika jakości na decyzje, ponieważ ich liczba w
znacznej mierze określa stopień trudności zadania optymalizacyjnego. Pominięcie w modelu
decyzji mających znikomy wpływ na wskaźnik jakości jest naturalne i często konieczne dla
rozwiązania zadania i zwiększenia przejrzystości wyników.
 optymalizacja procesowa - wprowadzenie
Obszar dopuszczalny – przykład.
układ ograniczeń:

1  y1 , y2   y1  y2  5  0
 2  y1 , y2   y2  y12  0

układ ograniczeń:

1  y1 , y2   y1  y2  5  0
 2  y1 , y2   y2  y12  0

układ sprzeczny
 optymalizacja procesowa - wprowadzenie

Wskaźniki jakości, funkcje celu:

 ekonomiczny – funkcja celu opisuje wartości ekonomiczne: zysk, zysk zredukowany,

koszt, przychód, itp..

Przychód, koszty eksploatacyjne i inwestycyjne są funkcjami zarówno wielkości

ekonomicznych jak i parametrów procesowych.

 procesowy – funkcja celu opisuje wartości fizyczne, procesowe: wydajność procesu,

sprawność procesu, stężenie produktu, stężenie zanieczyszczeń, czas procesu.
 optymalizacja procesowa - wprowadzenie

Koszty procesu

Koszty
Procesu

Koszty Koszty
bezpośrednie pośrednie

Koszty ogólne
Koszty i
Praca Materiały Inne
ogólne administracyjn
e

Transfer
Praca Praca przy Części Podwykona Wsparcie Wsparcie Magazynow
Surowce międzywydzi
inżynierska produkcji zamienne wstwo techniczne produkcyjne ania
ałowy
 optymalizacja procesowa - wprowadzenie

Koszty inwestycyjne i operacyjne w funkcji parametrów procesowych

 optymalizacja procesowa - wprowadzenie

Wydajność procesu dla różnych realizacji w funkcji parametrów procesowych

 optymalizacja procesowa - wprowadzenie

Koszty inwestycyjne i operacyjne w funkcji parametrów procesowych – dwa procesy

 optymalizacja procesowa - wprowadzenie

Typowe zadania optymalizacyjne

Z punktu widzenia zastosowań technicznych występują dwa podstawowe rodzaje zagadnień

optymalizacyjnych:

 zadania sterowania optymalnego – system aparatów lub pojedynczy aparat już istnieje
(nakłady inwestycyjne są ustalone) – poszukuje się jedynie wielkości technologicznych,

 zadania projektowania optymalnego – etap projektowania – decyzjami są wielkości

technologiczne jak również wielkości konstrukcyjne.

Z punktu widzenia charakteru matematycznego również wyróżnia się dwa podstawowe

rodzaje zagadnień optymalizacyjnych:

 zadanie programowania matematycznego lub optymalizacji statycznej,

 zadania optymalizacji dynamicznej.

 optymalizacja procesowa - wprowadzenie

Zadanie programowania matematycznego (optymalizacji statycznej)

Ogólnie zadania tego typu w postaci standardowej są zdefiniowane następująco

przy ograniczeniach:

Charakterystyczne dla tych zadań jest:

 poszukiwane jest minimum funkcji wielu zmiennych z ograniczeniami algebraicznymi

równościowymi i nierównościowymi

 rozwiązaniem są liczby
 optymalizacja procesowa - wprowadzenie

Zadanie optymalizacji dynamicznej

Ogólne sformułowanie standardowe zadań optymalizacyjnych tego rodzaju ma postać:

przy ograniczeniach różniczkowych

spełniających określone warunki początkowe i końcowe dla niektórych zmiennych oraz

ograniczenia algebraiczne:
 optymalizacja procesowa - wprowadzenie

Zadanie optymalizacji dynamicznej

Charakterystyczne dla tych zadań jest:

poszukiwane jest minimum funkcjonału (argumentami są funkcje a nie liczby) z

ograniczeniami algebraicznymi równościowymi i nierównościowymi

rozwiązaniem są funkcje

Wielkości y1, y2,…ys występujące w postaci pochodnych dy/dt nazywamy współrzędnymi

stanu, natomiast zmienne u1, u2,…ur oznaczają tzw. sterowania lub zmienne decyzyjne.

Zadania o powyższej strukturze mogą pojawiać się również dla stanów ustalonych w czasie.
Na przykład dla reaktora rurowego model matematyczny jest taki sam jak dla reaktora
okresowego, chociaż praca reaktora rurowego jest ustalona w czasie, a praca reaktora
okresowego nieustalona.
W reaktorze rurowym role czasu pełni czas przestrzenny, tzn. odległość danego przekroju
reaktora od jego początku.
 optymalizacja procesowa - wprowadzenie

Ogólna procedura formułowania i rozwiązywania zadania optymalizacji

1. Wstępna ogólna analiza zadania optymalizacji,

2. Zdefiniowanie kryterium optymalizacji układu,
3. Znalezienie wyrażenia matematycznego opisującego kryterium optymalizacji,
4. Określenie i wyprowadzenie modelu matematycznego ograniczeń procesu w postaci
układu równań i nierówności,
5. Zdefiniowanie decyzji i rozważania jakościowe nad ich wpływem na kryterium
optymalizacji,
6. Przegląd metod optymalizacji i wybór najbardziej efektywnej metody rozwiązania
problemu optymalizacji,
7. Zastosowanie wybranej metody (lub kombinacji metod) w celu uzyskania rozwiązania,
8. Rozwój i implementacja procedur obliczeniowych,
9. Przeprowadzenie obliczeń i zestawienie otrzymanych rozwiązań,
10. Analiza wyników.
optymalizacja procesowa - wprowadzenie

Zadanie programowania matematycznego (optymalizacji statycznej) – przykład –

przepływowy reaktor izotermiczny z idealnym mieszaniem

x1 – stężenie bezwymiarowe składnika A

x2 – stężenie bezwymiarowe składnika B
p – indeks dotyczący strumienia wlotowego
θ – średni czas przebywania

Wielkości x1p, x2p, k10, k20, E1, E2 są zadane (wielkości niesterowalne), będą występować
w rozwiązaniu zadania jako parametry.
 optymalizacja procesowa - wprowadzenie

Zadanie programowania matematycznego (optymalizacji statycznej) – przykład –

przepływowy reaktor izotermiczny z idealnym mieszaniem

Sformułowanie zadania optymalizacji: znaleźć wartości liczbowe temperatury

i czasu przebywania takie , aby stężenie y2 było maksymalne:

przy ograniczeniach:
W postaci standardowej ograniczenia mają postać:

(***)
 optymalizacja procesowa - wprowadzenie

Zadanie programowania matematycznego (optymalizacji statycznej) – przykład –

przepływowy reaktor izotermiczny z idealnym mieszaniem

Rozwiązaniem zadania będą liczby: i

 optymalizacja procesowa - wprowadzenie

Zadanie optymalizacji dynamicznej – przykład – reaktor okresowy z idealnym mieszaniem

Reaktor pracuje w stanie nieustalonym.

(1)

(2)

Dla temperatury obowiązują ograniczenia jak w poprzednim przykładzie.

Przyjmujemy, że w chwili poczatkowej tp = 0 stężenia x1(tp) i x2(tp) są zadane.

zadanie polega na znalezieniu przebiegu temperatury T(t) aby stężenie y2 było maksymalne
w żądanej chwili końcowej t=tk, zatem

przy ograniczeniach (1), (2), (***)

 optymalizacja procesowa - wprowadzenie

Zadanie optymalizacji dynamicznej – przykład – reaktor okresowy z idealnym mieszaniem

Rozwiązaniem będzie funkcja: oraz liczba

 optymalizacja procesowa - wprowadzenie

Zadanie optymalizacji dynamicznej – przykład – reaktor rurowy

Zadania o strukturze (1 – 2) mogą pojawiać się również dla stanów ustalonych w czasie.
na przykład dla reaktora rurowego z reakcjami następczymi (jak w powyższych
przykładach) model matematyczny jest taki sam jak dla okresowego, chociaż praca reaktora
rurowego jest ustalona w czasie, a praca reaktora okresowego nieustalona.

W reaktorze rurowym role czasu pełni czas przestrzenny, tzn. odległość danego przekroju
reaktora od jego początku.
 optymalizacja procesowa - wprowadzenie

Tematyka wykładów z optymalizacji

 Zastosowanie rachunku różniczkowego w optymalizacji procesowej

 Zadania z ograniczeniami zastosowanie metody mnożników Lagrange’a
 Ograniczenie nierównościowe – warunki Kuhna – Tuckera
 Programowanie dynamiczne
 Algorytmy zasady maksimum
 Algorytm ciągły Pontryagina
 Algorytm dyskretny Katza, Fana, Changa
 Algorytm ze stałym hamiltonianem
 Metody bezpośredniego poszukiwania ekstremum
Dziękuję