Efficient nonlinear optimization with rigorous models for large scale industrial chemical processes

Optimización no lineal eficiente con modelos rigurosos para procesos químicos industriales a gran escala

La programación no lineal a gran escala ha demostrado ser una alternativa efectiva para obtener ganancias a través del diseño de procesos óptimos en ingeniería química. Mientras que los métodos clásicos del punto interior y de la programación cuadrática secuencial se han aplicado de modo exitoso para solucionar varios problemas de optimización, el enfoque de problemas de gran escala en la industria y la academia exigen un desarrollo adicional de algoritmos numéricos que brinden una eficiencia computacional mejorada.

El propósito principal de esta investigación fue desarrollar formulaciones efectivas para problemas y algoritmos numéricos avanzados para una resolución eficiente de estos. Entre más aumente el tamaño del problema, es mayor la necesidad de algoritmos a la medida que pueda atacar su estructura específica. Por otra parte, los fabricantes de chips de computadoras no siguieron enfocándose en velocidades de reloj mejoradas, sino en arquitecturas multinúcleo y de tipo HyperThreading.

Por ello, para que tenga lugar una mejora continua en el desempeño, es necesario concentrarse en algoritmos que puedan aprovechar las arquitecturas computacionales paralelas emergentes. Aquí se desarrolló una estrategia de solución paralela avanzada para problemas de programación no lineal con estructura angular de bloque. Se demostró la efectividad de esto sobre un amplio intervalo de tipo de problemas. En este estudio se trataron el diseño óptimo, la operación óptima, la optimización dinámica y la estimación de parámetros. Se investigaron dos estudios de caso unidades de separación de aire y columnas integradas de destilación para abordar el diseño bajo incertidumbre con modelos rigurosos.