Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/267559
Type: TESE
Title: Modelagem detalhada e otimização de processos de cristalização
Title Alternative: Detailed modelling and optmization of crystallization process
Author: Costa, Caliane Bastos Borba
Advisor: Maciel Filho, Rubens, 1958-
Filho, Rubens Maciel
Abstract: Resumo: O foco de estudo neste trabalho é a cristalização, processo bastante utilizado industrialmente, principalmente na obtenção de produtos de alto valor agregado nas indústrias farmacêuticas e de química fina. Embora seja um processo de clássica utilização, seus mecanismos, sua modelagem e o real controle de sua operação ainda requerem estudos. A tese apresenta discussões e desenvolvimentos na área de modelagem determinística detalhada do processo e sua otimização, tanto por métodos determinísticos quanto estocásticos. A modelagem é discutida detalhadamente e os desenvolvimentos presentes na literatura de métodos numéricos aplicáveis à solução do balanço de população, parte integrante da modelagem, são apresentados com enfoque nos processos de cristalização e nas principais vantagens e desvantagens. Estudos preliminares de melhoria do processo de cristalização em modo batelada operada por resfriamento indicam a necessidade de otimização da política operacional de resfriamento. Uma vez que o método determinístico de otimização de Programação Quadrática Sucessiva se apresenta ineficiente para resolução do problema de otimização, a utilização de Algoritmo Genético, um método estocástico de otimização bastante estabelecido na literatura, é avaliada, para a busca do ótimo global deste processo, em um estudo pioneiro na literatura de aplicação dessa técnica de otimização em processos de cristalização. Uma vez que o uso de Algoritmos Genéticos exige que se executem sucessivas corridas com diferentes valores para os seus parâmetros no intuito de se aumentar a probabilidade de alcance do ótimo global (ou suas cercanias), um procedimento original, geral e relativamente simples é desenvolvido e proposto para detecção do conjunto de parâmetros do algoritmo de influência significativa sobre a resposta de otimização. A metodologia proposta é aplicada a casos de estudo gerais, de complexidades diferentes e se mostra bastante útil nos estudos preliminares via Algoritmo Genético. O procedimento é então aplicado ao problema de otimização da trajetória de resfriamento a ser utilizada em um processo de cristalização em modo batelada. Os resultados obtidos na tese apontam para a dificuldade dos métodos determinísticos de otimização em lidar com problemas de alta dimensionalidade, levando a ótimos locais, enquanto os métodos evolucionários são capazes de se aproximar do ótimo global, sendo, no entanto, de lenta execução. O procedimento desenvolvido para detecção dos parâmetros significativos do Algoritmo Genético é uma contribuição relevante da tese e pode ser aplicado a qualquer problema de otimização, de qualquer complexidade e dimensionalidade

Abstract: This work is focused on crystallization, a process widely used in industry, especially for the production of high added-value particles in pharmaceutical and fine chemistry industries. Although it is a process of established utilization, its mechanisms, modeling and the real control of its operation still require research and study. This thesis presents considerations and developments on the detailed deterministic modeling area and the process optimization with both deterministic and stochastic methods. The modeling is discussed in detail and the literature developed numerical methods for the population balance solution, which is part of the modeling, are presented focusing on crystallization processes and on the main advantages and drawbacks. Preliminary studies on batch cooling crystallization processes improvement drive to the need of cooling operating policy optimization. Since the Sequential Quadratic Programming deterministic method of optimization is inefficient for the optimization problem, the use of Genetic Algorithm (GA), a stochastic optimization method well established in literature, is evaluated in the global optimum search for this process, in a pioneering literature study of GA application in crystallization processes. Since the GA requires that many runs, with different values for its parameters, are executed, in order to increase the probability of global optimum (or its neighborhood) achievement, an original, general and relatively simple procedure for the detection of the parameters set with significant influence on the optimization response is developed and proposed. The proposed methodology is applied to general case studies, with different complexities and is very useful in the preliminary studies via GA. The procedure is, then, applied to the cooling profile optimization problem in a batch cooling optimization process. The results of the study presented in this thesis indicate that the deterministic optimization methods do not deal well with high dimensionality problems, leading to achievement of local optima. The evolutionary methods are able to detect the region of the global optimum but, on the other hand, are not fast codes. The developed procedure for the significant GA parameters detection is a relevant contribution of the thesis and can be applied to any optimization problem (of any complexity and of any dimensionality)
Subject: Cristalização
Modelagem
Otimização matemática
Algoritmos genéticos
Language: Português
Editor: [s.n.]
Date Issue: 2006
Appears in Collections:FEQ - Tese e Dissertação

Files in This Item:
File SizeFormat 
Costa_CalianeBastosBorba_D.pdf3.74 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.