Simulação e Otimização de Processos
Objetivos
Esta unidade curricular tem como objetivo principal proporcionar uma formação avançada em Engenharia de Sistemas e Processos (PSE), focada na conceção e operação de sistemas de produção complexos, com ênfase no desenvolvimento e aplicação de métodos de modelação e computação para a simulação, projeto, controlo e otimização de processos químicos e biológicos. Os processos são estudados através da descrição matemática dos fenómenos físico-químicos e bioquímicos subjacentes. No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:
- Compreender os conceitos fundamentais de PSE, nomeadamente as noções de sistema, modelo estacionário e dinâmico, parâmetros, graus de liberdade, variáveis de decisão contínuas e inteiras, restrições, função objetivo;
- Compreender os métodos de resolução de sistemas de equações (simulação), nomeadamente sistemas de equações algébricas, sistemas de equações diferenciais/algébricas, e sistemas de equações diferenciais, e métodos de otimização para problemas lineares (contínuos e mistos) e problemas não-lineares.
- Compreender os conceitos e métodos de simulação modular, envolvendo abordagem sequencial com partição e convergência de ciclos, ou abordagem modular simultânea.
- Ser capaz de construir modelos mecanísticos, envolvendo leis de conservação e relações constitutivas, na forma de modelo de parâmetros agregados ou distribuídos.
- Ser capaz de realizar estimação de parâmetros, envolvendo aquisição de dados, aplicação de métodos de estimação de parâmetros e análise de erros.
- Ser capaz de trabalhar com ferramentas de simulação e otimização específicas da área da engenharia química e biológica, nomeadamente ferramentas de flowsheeting (Aspen Plus), modelação dinâmica genérica (gPROMS), e otimização (AMPL).
Caracterização geral
Código
10684
Créditos
6.0
Professor responsável
José Paulo Barbosa Mota
Horas
Semanais - 4
Totais - 5
Idioma de ensino
Português
Pré-requisitos
N/A.
Bibliografia
- R. G. Rice, D. D. Do. Applied Mathematics and Modelling for Chemical Engineers. John Wiley & Sons, 1995.
- K. Hangos, I. Cameron, Process Modelling and Model Analysis, Academic Press, 2001.
- L. Biegler, Nonlinear Programming: Concepts, Algorithms, and Applications to Chemical Processes, MOS-SIAM, 2010.
- H.P. Williams, Model Building in Mathematical Programming, 5th ed., Wiley, 2013.
- Aspen Plus Users Guide (version 12.1). AspenTech, 2005.
- gPROMS Advanced Users Guide (release 5.0). Process Systems Enterprise Ltd, 2016.
- gPROMS Introductory User Guide (release 5.0). Process Systems Enterprise Ltd, 2016.
- R. Fourer, D.M. Gay, B.W. Kernighan, AMPL: A Modeling Language for Mathematical Programming, 2nd ed., Durbury/Thomson, 2003.
Método de ensino
A matéria teórica é lecionada em aulas teóricas no formato habitual onde se lecionam os princípios teóricos de PSE suportados em interação computacional com os alunos. Aulas práticas decorrem em ambiente de laboratório de computação e visam consolidar os conhecimentos adquiridos nas aulas teóricas por aplicação à resolução de problemas concretos. Estas aulas, com forte componente prática, baseiam-se na utilização intensiva de softwares comerciais de simulação de processos químicos e bioquímicos (gPROMS e Aspen Plus) e a interface de programação matemática (otimização) AMPL.
Método de avaliação
A avaliação tem 3 componentes:
A – Teste teórico;
B – Trabalho prático de simulação;
C – Trabalho prático de otimização;
NOTA FINAL = 0,5 * A + 0,25 * B + 0,25 * C
Conteúdo
- Introdução e Conceitos gerais: Sistema, modelo, simulação, otimização.
- Modelos mecanísticos: leis de conservação, relações constitutivas, modelos dinâmicos e de estado estacionário, modelos agrupados e distribuídos.
- Solução de sistemas de equações (simulação): sistemas de equações algébricas, sistemas de equações algébrico-diferenciais, sistemas de equações diferenciais às derivadas parciais.
- Estimação de parâmetros: aquisição de dados, métodos de estimação paramétrica, análise de erros.
- Simulação modular: abordagem sequencial, partição, convergência de ciclos, abordagem modular simultânea.
- Modelação estatística/dados: modelos de regressão, redes neurais artificiais, modelos híbridos.
- Introdução à otimização de processos: programação matemática linear contínua, inteira e mista. Condições de optimalidade. Problema dual. Método de Simplex. Otimização não-linear.
- Aplicação de Ferramentas de modelação, simulação e otimização:
- Flowsheeting – ASPEN Plus, estudos de caso.
- Modelação genérica dinâmica – gPROMS, casos de estudo.
- Otimização – AMPL, casos de estudo.