Você está na página 1de 107

MRA LCIA FERNANDES CARNEIRO

SNTESE AUTOMATIZADA DE COLUNAS DE DESTILAO: UMA ABORDAGEM ALTERNATIVA AO PROCESSO DE PROJETO


Dissertao apresentada como requisito parcial obteno do grau de mestre. Curso de Mestrado em Informtica Instituto de Informtica Pontifcia Universidade Catlica do Rio Grande do Sul. Orientador: Prof. Dr. Ney L. Vilar Calazans

PORTO ALEGRE

1996/SETEMBRO

ii

DADOS INTERNACIONAIS DE CATALOGAO NA PUBLICAO (CIP)


C289s Carneiro, Mra Lcia Fernandes Sntese Automatizada de Colunas de Destilao: uma abordagem alternativa ao processo de projeto/ Mra Lcia Fernandes Carneiro. - Porto Alegre, 1996 106f. Diss.(Mestrado) - Inst. de Informtica, PUCRS 1. Engenharia Qumica - Informtica 2. Informtica - Sntese Automatizada. 3. Processos Qumicos - Otimizao 4. Simulao e Modelagem em Computadores I.Ttulo. CDD 660.2028542 004.11-.16 660.281 CDU 66:681.3 681.3:66.09 66.095

Bibliotecria Responsvel Ginamara Lima Jacques Pinto CRB 10/1204

AGRADECIMENTOS

Ao Prof. Dr. Ney Calazans, que demonstrou no nosso dia-a-dia o significado da palavra orientador. Obrigada pelo apoio nas horas em que os problemas pareciam ser maiores que as minhas foras para super-los. Obrigada pelo incentivo constante. Obrigada pela confiana. Pontifcia Universidade Catlica do Rio Grande do Sul, na pessoa do Prof. Dr. Monsenhor Urbano Zilles, Pr-Reitor de Pesquisa e Ps-Graduao, pelo apoio financeiro, e do Prof. Eng. Dulcemar Coelho Lautert, Diretor da Escola Politcnica, pelo estmulo dado aos professores em seu aprimoramento pessoal. Ao Prof. Doutorando Claudio Frankenberg, meu colega no Departamento de Engenharia Qumica. Foi contigo que comecei a descobrir o mundo da pesquisa. Obrigada meu amigo. Aos auxiliares de pesquisa, Paulo Csar Ramos, Roger Godolphin da Rosa, Lucas Arago e Marco Antonio Ghidini, pela dedicao e amizade. Aos amigos que encontrei no Instituto de Informtica e que me mostraram uma nova viso do mundo. Vocs me ajudaram a crescer. Obrigada. Aos meus pais, Fernando e Eneida, que me ensinaram que, com esforo e dedicao, tudo podemos conseguir. Estou tentando colocar isto em prtica. Amo vocs. As minhas manas e manos Mrcia e Fbio, Marlise e Joo e ao meu amado Rafael. Obrigada pela fora e compreenso. A Suzana e Simone, obrigada pelo apoio constante.

SUMRIO
AGRADECIMENTOS ...............................................................................................iii SUMRIO...................................................................................................................iv LISTA DE FIGURAS.................................................................................................vii LISTA DE TABELAS................................................................................................ix RESUMO.....................................................................................................................x ABSTRACT ................................................................................................................xii 1. INTRODUO ......................................................................................................12 1.1 Processo de projeto baseado em simulao........................................................13 1.2 Processo de projeto baseado em sntese..............................................................17 1.3 Comparao entre simulao e sntese ...............................................................20 1.3.1 Sntese e Simulao em Projeto de Colunas de Destilao .................................22 1.4 Objetivos e escopo do trabalho............................................................................23 1.5 Organizao da dissertao .................................................................................23 2. CONCEITOS E DEFINIES.............................................................................25 2.1 Definio de problema de otimizao .................................................................25 2.2 Propriedades das funes.....................................................................................28 2.3 Projeto de Processos Qumicos............................................................................30 2.4 Processos Qumicos de Separao: Destilao...................................................31 3. MTODOS DE OTIMIZAO ...........................................................................36 3.1 Introduo .............................................................................................................36 3.2 Procedimento para a soluo de problemas de otimizao ..............................37 3.3 Uma viso sobre mtodos de otimizao ............................................................39 3.3.1 Mtodos determinsticos......................................................................................40 3.3.2 Mtodos Probabilsticos ......................................................................................46 3.4 Taxonomia de mtodos de otimizao ................................................................53 4. OTIMIZAO DO PROJETO DE COLUNAS DE DESTILAO ...............59

4.1 Modelos de projeto para colunas de destilao .................................................59 4.2 Critrios de otimizao para colunas de destilao...........................................61 4.3 Modelos de projeto para colunas de destilao de pratos.................................62 4.4 Formulao das funes objetivo aplicveis ao projeto de colunas .................65 4.4.1 Estimando custos .................................................................................................65 4.4.2 Atualizando as correlaes de custo....................................................................66 4.5 Estimando custos para colunas de destilao ....................................................67 4.5.1 Coluna..................................................................................................................67 4.5.2 Equipamentos auxiliares......................................................................................68 4.5.3 Custo total instalado de uma coluna de destilao ..............................................70 4.6 Anlise da funo custo........................................................................................71 5. PROJETO AUTOMATIZADO DE COLUNAS DE DESTILAO ...............73 5.1 Introduo .............................................................................................................73 5.2 Mtodos de otimizao aplicveis ao problema de projeto de colunas de destilao ............................................................................................................74 5.2.1 O mtodo de Evoluo Estocstica .....................................................................75 5.3 Adaptao do Algoritmo de Evoluo Estocstica para otimizao do projeto de colunas de destilao ............................................................................78 6. UM PROTTIPO DE SINTETIZADOR DE COLUNAS DE

DESTILAO........................................................................................................82 6.1 Descrio do prottipo SINCO............................................................................82 6.1.1 Viso do usurio ..................................................................................................83 6.1.2 Viso do implementador......................................................................................89 6.2 Estudos de Caso ....................................................................................................90 6.2.1 Processo de execuo do SINCO ........................................................................91 6.2.2 Comparao entre os modelos de projeto do SINCO e HYSIM .........................93 6.3 Experimentos para calibrao da ferramenta SINCO .....................................96 6.3.1 Avaliao da influncia das variveis de projeto selecionadas sobre a funo objetivo .........................................................................................................96 6.3.2 Parametrizao do otimizador .............................................................................99 7. CONCLUSES E TRABALHOS FUTUROS.....................................................101

vi

8. REFERNCIAS BIBLIOGRFICAS .................................................................104

LISTA DE FIGURAS

Figura 1.1 - Fluxograma de emprego de ferramentas de projeto baseadas em simulao .................................................................................................................16 Figura 1.2 - Fluxograma de emprego de ferramentas de projeto baseadas em sntese automatizada ................................................................................................19 Figura 2.1 - Exemplo de uma funo unimodal ..........................................................29 Figura 2.2 - Exemplo de uma funo multimodal .......................................................29 Figura 2.3 - Esquema de uma coluna de pratos ...........................................................33 Figura 2.4 - Esquema de uma coluna recheada ...........................................................34 Figura 3.1 - Etapas da soluo de problemas de otimizao ......................................38 Figura 3.2 - Taxonomia proposta por HILLIER e LIEBERMAN (1988) ...................54 Figura 3.3 - Taxonomia proposta por EDGAR e HIMMELBLAU (1989) .................55 Figura 3.4 - Taxonomia proposta por GILL et alii (1993) ..........................................55 Figura 3.5 - Taxonomia proposta por TANOMARU (1995) ......................................56 Figura 3.6 - Taxonomia proposta por SHANG e WAH (1996) ..................................56 Figura 3.7 - Proposta de nova taxonomia para os mtodos de otimizao...................58 Figura 4.1 - Representao esquemtica de uma coluna de destilao ........................60 Figura 4.2 - Algoritmo de aplicao das equaes do mtodo de Lewis-Sorel para dimensionamento de colunas de destilao ......................................................65 Figura 4.3 - Representao da funo custo aplicada colunas de destilao.............72 Figura 4.4 - Projeo da funo custo para colunas de destilao ...............................72 Figura 5.1 - Algoritmo de Evoluo Estocstica..........................................................75 Figura 5.2 - Algoritmo de funo PERTURBSE ...........................................................76 Figura 5.3 - Algoritmo de pseudo-funo UPDATE original ......................................77 Figura 5.4 - Algoritmo de Evoluo Estocstica adaptado ..........................................79 Figura 5.5 - Algoritmo de pseudo-funo PERTURBASINCO.......................................79 Figura 5.6 - Algoritmo proposto para a funo MOVIMENTOSINCO ..........................80 Figura 5.7 - Algoritmo proposto para a funo ATUALIZASINCO ...............................81 Figura 6.1 - Prottipo SINCO.......................................................................................83

viii

Figura 6.2 - Diagrama de fluxo de dados do prottipo SINCO....................................85 Figura 6.3 - Caixa de dilogo de apresentao do SINCO...........................................86 Figura 6.4 - Caixa de dilogo para entrada de dados da alimentao .........................87 Figura 6.5 - Caixa de dilogo para entrada de dados dos produtos ..............................87 Figura 6.6 - Apresentao dos resultados da coluna gerada.........................................88 Figura 6.7 - Resultados do processo de otimizao......................................................88 Figura 6.8 - Principais hierarquias de classes do prottipo SINCO .............................90 Figura 6.9 - Evoluo do custo de solues intermedirias geradas pelo SINCO ......................................................................................................................92 Figura 6.10 - Influncia da razo de refluxo sobre o custo ..........................................94 Figura 6.11 - Influncia da condio trmica da alimentao sobre o custo................95 Figura 6.12 - Influncia da distncia entre pratos e razo de refluxo sobre o custo ..........................................................................................................................96 Figura 6.13 - Influncia da razo de refluxo e condio trmica sobre o custo ...........97

LISTA DE TABELAS

Tabela 6.1 - Dados das colunas otimizadas................................................................. 92 Tabela 6.2 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema pentano-heptano................................................................................... 93 Tabela 6.3 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema pentano-heptano................................................................................... 94 Tabela 6.4 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema gua-cido actico ............................................................................... 94 Tabela 6.5 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema etanol-gua........................................................................................... 95

RESUMO
Este trabalho prope um mtodo computacionalmente eficaz para conduzir o processo de projeto e resolver o problema de projeto de colunas de destilao. O problema, neste caso, consiste em determinar uma coluna capaz de satisfazer os requisitos de operao estabelecidos pelo projetista. A abordagem proposta para a conduo do processo de projeto sugere o emprego de tcnicas de sntese automatizada, largamente utilizadas em projeto auxiliado por computador em algumas reas de engenharia. Esta abordagem apresentada aqui como uma alternativa ao emprego de ferramentas de simulao, tradicionalmente utilizadas na rea de Engenharia Qumica. O processo de projeto, conduzido sob o enfoque de simulao, envolve a descrio do modelo selecionado para descrever o sistema em estudo, atravs da especificao de um conjunto de entradas que permitam test-lo, e a atividade de anlise das sadas obtidas. J o processo conduzido sob o enfoque de sntese envolve, a partir de uma especificao do comportamento esperado, a agregao de informaes at a obteno de uma descrio detalhada que permita sua construo fsica. O conceito de otimizao est presente nas duas abordagens analisadas. Na simulao, o projetista necessita analisar as sadas, atravs de um algum critrio, para que possa optar pela soluo mais adequada ao seu problema. J na sntese, a descrio final obtida atravs da anlise de diversas alternativas e da seleo daquela considerada a melhor para solucionar o problema. Para auxiliar na caracterizao do problema em estudo, o trabalho apresenta uma definio formal do problema de otimizao. A implementao de um procedimento de projeto sob o enfoque de sntese automatizada propiciou a comparao entre as duas abordagens. O prottipo implementado, denominado SINCO (SINtetizador de COlunas), inclui, como modelo de projeto, o proposto por Lewis-Sorel e adota, como mtodo de otimizao, o mtodo probabilstico denominado Evoluo Estocstica. Os estudos de caso desenvolvidos com o SINCO permitiram avaliar a influncia das diversas

variveis de projeto sobre a funo objetivo selecionada e a parametrizao da ferramenta. A comparao dos resultados obtidos com o SINCO e os fornecidos pelo simulador comercial HYSIM propiciaram a validao do modelo de projeto.

ABSTRACT
This work proposes a new, computationally efficient method to drive the distillation column design process and to solve the associated design problem. This problem consists in determining a distillation column capable of satisfying the operation requirements established by the designer. The proposed approach to conduct the design process suggests the employment of automated synthesis techniques. Such techniques are in wide use in some engineering fields such as electrical and mechanical engineering, but have been barely explored in chemical engineering. The approach we use is an alternative to the design of distillation columns based on simulation tools, the approach of choice in chemical engineering, and many times the only one available to designers in the field. The design process conducted under the simulation tools approach is threefold, comprising the elaboration of an abstract description of the equipment, the description of a set of input stimuli that allow to test the model of the equipment and the analysis of the output response of the simulator submitted to the equipment description and the input stimuli set. All of these steps rely upon the technical expertise of the designer to be adequately solved. On the other hand, the automated synthesis approach assumes that the final equipment description is obtained as a selection, by the designer, of one of several alternative designs automatically generated. To help characterizing the central optimization problem involved in the design of distillation columns, we present a formal definition of optimization problems. The computer implementation of automated synthesis design allowed the comparison of our approach with that of commercial simulators. The prototype implementation, called SINCO (Synthesizer of Distillation Columns) includes, as a design model, the one proposed by Lewis-Sorel, and adopts as optimization method, stochastic evolution, a probabilistic approach. The case studies treated with SINCO allowed us to evaluate the influence of several design variables upon the selected objective function, as well as the possibility of parameterizing the synthesis tool. Comparing the results obtained with the SINCO tool and those obtained with the HYSIM commercial simulator provided us with means to validate the design model.

1. INTRODUO
O projeto auxiliado por computador (Computer Aided Design - CAD) hoje uma realidade na indstria qumica. O desenvolvimento de equipamentos de uso geral e a maior disponibilidade de programas especializados permitem a anlise de diversas alternativas de projeto, devido maior velocidade nos clculos associados obteno de uma soluo, e propiciam uma diminuio dos erros humanos associados s solues via clculos manuais. O surgimento de uma legislao ambiental especfica e o aumento nos custos de energia, conseqncia, entre outras causas, da crise do petrleo da dcada de 70, determinaram a necessidade de promover alteraes nos procedimentos de projeto e operao de plantas industriais com o objetivo de atender s restries ambientais e reduzir custos. As tcnicas de otimizao podem ser consideradas como ferramentas de grande auxlio na busca de novas alternativas destes procedimentos de projeto e operao. Isto deve-se ao fato de que os problemas de projeto tm muitas e, seguidas vezes, infinitas solues e a otimizao consiste em selecionar a melhor ou uma das melhores dentre este conjunto de solues, atravs de critrios preestabelecidos. Em algumas reas de engenharia o processo de projeto estudado h bastante tempo e, como resultado, foram propostos diversos modelos para represent-lo. Exemplos so a Engenharia Mecnica e Engenharia Eltrica, em particular na rea de projeto de sistemas digitais. Esta ltima ser utilizada em nosso trabalho como referncia para descrio do processo de projeto em Engenharia Qumica. O processo de projeto de um sistema digital pode ser definido, conforme CALAZANS (1995), como a transformao de uma descrio inicial,

freqentemente denominada especificao, em uma descrio final, tambm chamada de projeto final ou projeto detalhado. A diferena fundamental entre as descries inicial e final est no fato da ltima conter todas as informaes necessrias construo do sistema de forma mecnica ou automtica, ao contrrio da primeira. No caso de sistemas complexos, a passagem de uma descrio a outra no ocorre de

13

maneira direta. A atividade de projeto, nestes casos, desenvolvida de forma que a cada passo so agregadas novas informaes descrio inicial at ser obtida a descrio final desejada, gerando um conjunto de descries intermedirias. Esta forma de descrever o processo de projeto, embora tenha sido elaborada no contexto da rea de Engenharia Eltrica, tambm vlida para outras reas da engenharia. Na Engenharia Qumica, o projeto de uma planta industrial, constituda por um conjunto de equipamentos, envolve a transformao de uma descrio inicial que inclui, entre outros dados, a especificao da matria-prima disponvel e do produto desejado, em uma descrio final do sistema em estudo, denominado de projeto bsico. O projeto bsico envolve a especificao dos equipamentos envolvidos, a sua distribuio na planta (seqncia de operaes) e suas dimenses fundamentais (altura, dimetro, volume, etc.). O termo projeto final ou detalhado, em Engenharia Qumica, pressupe a participao de outros profissionais, como o engenheiro mecnico para especificao estrutural e mecnica dos equipamentos e seus acessrios internos, do engenheiro civil para determinao das fundaes para instalao dos equipamentos, do engenheiro eletrnico para instrumentao, etc., atividades que esto fora do escopo de nosso trabalho. No caso do problema de otimizao do processo de projeto em Engenharia Qumica, a literatura indica uma abordagem essencialmente apoiada na simulao, enquanto da engenharia de processos podemos trazer a idia de sntese automatizada como uma forma concomitante de conduzir o processo de projeto. Antes de estabelecer a proposta de trabalho, discutiremos algumas caractersticas destas duas abordagens do processo de projeto e discutiremos sua aplicabilidade na rea de Engenharia Qumica. 1.1 Processo de projeto baseado em simulao Segundo LAW e KELTON (1991), a simulao consiste em utilizar um computador para avaliar numericamente uma descrio e a reunio dos dados assim obtidos so utilizados para estimar as verdadeiras caractersticas da descrio sob estudo. J SILVA e MUNTZ (1992) definem descrio como uma viso simplificada do sistema em estudo, projetada de forma a capturar o mximo do comportamento

14

real do sistema, suficiente para fornecer prognsticos precisos dentro de uma tolerncia aceitvel. Estes mesmos autores afirmam que simulao a forma mais popular de se descrever sistemas reais e que virtualmente podemos simular qualquer sistema desde que seja realizado esforo suficiente para representar os detalhes do mesmo. SILVA e MUNTZ consideram a simulao como a implementao de uma descrio detalhada, enquanto LAW e KELTON consideram a simulao como uma forma de validar uma descrio. THOME (apud DIMIAN (1994)) define simulao como um processo de projeto de uma descrio operacional de um sistema e a conduo de experimentos com esta descrio com o propsito de adquirir conhecimento sobre seu comportamento ou avaliar estratgias alternativas para seu desenvolvimento ou operao. Esta descrio deve ter a capacidade de reproduzir aspectos selecionados do comportamento do sistema descrito com um certo grau de preciso. Esta ltima definio acrescenta, s definies anteriores, a possibilidade da simulao ser utilizada como fonte de informaes sobre o sistema em estudo. Outra possibilidade sugerida o uso da simulao como ferramenta facilitadora do processo de tomada de deciso presente no processo de projeto, por permitir a anlise de vrias alternativas de projeto ou operao do sistema. Na rea de Engenharia Qumica, o termo simulao, conforme PERRY e CHILTON (1973), refere-se criao de um modelo abstrato para representar um processo qumico. Esta descrio pode ser resultado de uma anlise rigorosa de uma operao unitria (como a destilao) ou de um conjunto de equaes empricas. Em nossa viso, o processo de projeto conduzido sob o enfoque de simulao envolve, alm da elaborao de um modelo abstrato para representar o sistema em estudo, uma descrio do modelo selecionado, ou seja, a especificao de um conjunto de entradas que permita testar o modelo e a atividade de anlise das sadas obtidas a partir das entradas fornecidas. No caso de projeto de colunas de destilao, o modelo do sistema poderia representar o comportamento de uma coluna de pratos, enquanto uma descrio indicaria que a coluna separa uma mistura binria constituda por hexano e heptano para produzir um destilado contendo 99 mois% de hexano, por exemplo.

15

Concordamos com a definio proposta por THOME (apud DIMIAN (1994)) quanto ao simulador ser utilizado na anlise de diversas alternativas de projeto. Na realidade, embutido neste conceito est o conceito de otimizao, pois o projetista, ao fazer esta anlise, dever estabelecer algum tipo de critrio para selecionar a soluo mais adequada ao seu problema. O processo de projeto, conduzido com o auxlio de ferramentas de projeto desenvolvidas sob o enfoque de simulao, permite a otimizao de equipamentos atravs da alterao manual e sucessiva dos valores das variveis de projeto. A seguir, a anlise dos resultados obtidos na simulao da coluna com os valores alterados so utilizados como fonte para novas iteraes. O processo de projeto via simulao consiste, portanto, em exercitar uma descrio gerada a partir de um modelo abstrato do sistema em estudo at o projetista obter informaes suficientes para considerar o projeto vlido, ou, na maioria das vezes, analisar as conseqncias da alterao de algumas variveis de projeto sobre a operao de um equipamento j existente. Simuladores e ferramentas de captura de descries possuem papel passivo, sendo empregados pelo projetista para reduzir o tempo de projeto (CALAZANS, 1995). Os programas HYSIM e HEXTRAN (da Hyprotech, 1994) e Pro-II (da Simulation Sciences, 1991) so exemplos de simuladores de processo amplamente utilizados na indstria qumica e que podem ser enquadrados nesta categoria. O estilo de projeto estabelecido por ferramentas de simulao fortemente centrado no talento criativo do ser humano. O fluxograma apresentado na Figura 1.1 foi proposto por CALAZANS(1995) para descrever o processo de projeto de sistemas digitais. No entanto, o mesmo tambm pode ser usado para representar o modelo adotado pelas ferramentas de simulao disponveis na rea de Engenharia Qumica. Na simulao, o projetista deve no somente compreender os modelos abstratos subjacentes ao projeto, mas tambm deve ser capaz de descrever um sistema que atenda aos requisitos de projeto (tipicamente, estes ltimos correspondem a uma

16

descrio mais abstrata) e de sugerir entradas relevantes para exercitar a descrio.


Incio
Requisitos do Projeto

Elaborao do Modelo
Descrio

Elaborao das Entradas


Excitaes

Simulao
MSm = Modelo de Simulao MSm 1 MSm 2 ... MSm n

Sadas

Anlise das Sadas

Resultados No No

OK ?
Sim

Fim

Figura 0.1 - Fluxograma de emprego de ferramentas de projeto baseadas em simulao No caso do simulador de processos qumicos HYSIM (1994), por exemplo, o processo de projeto tem incio quando o projetista seleciona um modelo termodinmico que descreve o comportamento fsico-qumico dos componentes qumicos que sero introduzidos no equipamento a ser simulado. Diversos so os modelos termodinmicos disponveis para estimativa de propriedades fsico-qumicas dos componentes a serem separados e a seleo do modelo mais adequado depende diretamente do conhecimento do projetista sobre a aplicabilidade destes modelos. Aps esta seleo, o simulador solicita a identificao destes componentes qumicos e, somente aps estas informaes, o projetista pode selecionar o equipamento a ser

17

projetado, ou seja, o modelo de simulao que o descreve. A indicao de um equipamento especfico deve ser complementada com uma descrio estrutural (dimenses bsicas, condies de temperatura e presso de operao, etc.). Uma vez que o projetista humano tenha elaborado uma descrio estrutural e/ou comportamental, ele deve criar um conjunto de entradas para exercitar a descrio, as chamadas excitaes. Feito isto, descrio e excitaes so entregues ao simulador. Com base em um dos modelos de simulao internos escolhidos pelo usurio, o simulador computa as sadas para cada excitao e as fornece para o usurio. Cabe ento a este analis-las e decidir se os resultados satisfazem os requisitos de projeto. Caso negativo, ele deve saber identificar a origem dos problemas para poder elaborar novas excitaes. As fontes de erro possveis so mltiplas: falhas na descrio, falhas na gerao das entradas, falhas da tecnologia em atender aos requisitos ou requisitos exigentes demais, entre outras. A utilizao de simuladores comerciais como ferramenta de apoio ao processo de projeto em Engenharia Qumica apresenta uma srie de dificuldades, sendo a principal a necessidade de grande conhecimento do equipamento sob anlise por parte do projetista. Isto se deve ao fato de que o projetista deve fornecer, como entradas ao simulador, uma srie de dados nem sempre disponveis (ou conhecidos com preciso) no incio do processo de projeto. 1.2 Processo de projeto baseado em sntese Uma segunda abordagem para o processo de projeto aquela conduzida sob o enfoque de sntese automatizada. Na Engenharia Qumica, o processo de projeto, segundo RUDD et alii (1973), requer do projetista as habilidades de sntese e anlise. Segundo o NOVO DICIONRIO AURLIO (1986), a sntese a reunio de elementos concretos ou abstratos em um todo e anlise o exame de cada parte de um todo, tendo em vista conhecer sua natureza, suas propores, suas funes, suas relaes, etc.. A sntese trata da criao de abstraes de sistemas que devem possuir determinadas propriedades, envolvendo a agregao de informaes sobre o objeto em estudo at a obteno de uma descrio detalhada que permita sua construo fsica. Este conceito

18

vm ao encontro daquele proposto por CALAZANS(1995). J a anlise envolve o entendimento das caractersticas dos sistemas e como eles trabalham. A atividade de sntese comumente empregada no projeto de circuitos digitais. Conforme DE MICHELI (1994), as tcnicas de sntese de projeto agilizam o ciclo de projeto e reduzem o esforo humano, enquanto que as tcnicas de otimizao aumentam a qualidade do projeto. Assim como GAJSKI e KUHN (1983), o autor considera que a sntese pode ser vista como uma srie de transformaes realizadas sobre o conjunto de especificaes iniciais at a obteno do produto desejado, atravs de alteraes sobre a representao funcional, estrutural e geomtrica. Os conceitos de correo e otimizao do sistema a projetar so conceitos fundamentais a serem considerados durante o processo de projeto. Segundo CALAZANS (1995), uma descrio correta se ela atende a todos os requisitos da descrio inicial e pode ser construda. Uma descrio final tima se ele a correta e possui custo mais baixo e melhor desempenho que qualquer outra soluo correta. DAVIO et alii (1983) afirmam que o propsito da sntese obter uma descrio que, quando implementada, resulte em um produto de baixo custo. Estes autores associam o processo de sntese otimizao, salientando que, para determinar o produto de menor custo, devem ser definidos previamente os critrios adequados. MEDLAND (1986) considera que existem dois tipos de programas que podem ser desenvolvidos para apoiar o processo de projeto: tcnicas de otimizao e de simulao. No caso da otimizao, ou projeto automatizado como denomina o autor, so empregados algoritmos de otimizao de tal maneira que uma soluo adequada obtida a partir de um dado conjunto de parmetros. No captulo 2 apresentaremos uma definio precisa de otimizao, adequada para o escopo do presente trabalho. O processo de projeto deve ser conduzido pela busca da ou de uma das solues timas. Contudo, na maior parte dos casos, a soluo tima no conhecida (ou facilmente determinvel) e deve ser estabelecido algum compromisso entre custo e desempenho a ser obtido. O estilo de projeto estabelecido pelas ferramentas de sntese centrado no apenas no talento criativo do ser humano, mas tambm no fato de parte deste talento

19

poder ser capturado por ferramentas computacionais e usado para guiar o processo de projeto. Este estilo ilustrado na Figura 1.2. Aqui, o projetista liberado da tarefa de gerao da descrio inicial, bem como da gerao das excitaes. A ferramenta central possui embutido um conjunto de modelos de sntese e capaz de gerar uma descrio correta por construo, bem como uma avaliao do desempenho desta descrio, a partir dos requisitos de projeto fornecidos como entrada. O lao de realimentao fechado pelo projetista, que julga os resultados da sntese e aceita a descrio, ou a rejeita e escolhe um novo modelo de sntese para ser usado.

Incio

Requisitos do Projeto e Escolha de MSi

Sntese
MSi = Modelo de Sntese i MS1 MS2 ... ... MSn Descrio e Avaliao

Novo MSi

Escolha de novo MSi

Anlise de Resultados
Resultados

No

OK ?

Sim

Fim

Figura 0.2 - Fluxograma de emprego de ferramentas de projeto baseadas em sntese automatizada

Os modelos de sntese podem ser apenas ligeiramente diferentes entre si, provendo uma explorao do espao de solues corretas sob a forma de um quase contnuo (CALAZANS, 1995).

20

As ferramentas de simulao podem ainda ser empregadas aqui visando fornecer mais detalhes sobre a implementao. Um exemplo seria um conjunto de relacionamentos entre vetores de entrada e vetores de sada, para prover uma caracterizao parcial do sistema sintetizado, visando o teste do sistema aps sua construo. Note-se ainda na Figura 1.2 a presena implcita no seio do sintetizador de procedimentos de sntese e de otimizao. Freqentemente, o sintetizador gera uma descrio a partir dos requisitos, e refina esta descrio atravs de tcnicas de otimizao. Tipicamente, apenas a descrio resultante deste ltimo processo fornecida ao projetista. A necessidade de manipular quantidades crescentes de informao durante o projeto exige a constante elaborao de novas ferramentas. Estas deveriam transcender as atividades de facilitar a captura e de exercitar descries, passando a ser capazes de gerar novas descries de forma automatizada e corretas por construo, baseado nos mesmos requisitos manipulados pelos projetistas. 1.3 Comparao entre simulao e sntese A diferena mais visvel entre simulao e sntese o fato das descries simulveis serem propensas a erros, enquanto que as descries geradas por ferramentas de sntese so corretas por construo. Claramente esta afirmao deriva do pressuposto bsico de que a ferramenta de sntese possa ser provada correta, o que muito difcil. Partindo deste pressuposto, ainda que eventualmente incorretas, essa diferena faz com que o emprego de sntese automatizada fornea uma segurana maior com relao correo do projeto final, uma caracterstica essencial para minimizar os custos do sistema final. Por outro lado, uma outra conseqncia do emprego de sntese automatizada reside na rapidez de obteno de uma soluo sem erros, ao contrrio das ferramentas baseadas em simulao, onde a obteno de uma descrio correta est associada a um processo iterativo de edio de descries e simulao destas. Uma outra vantagem associada utilizao de uma ferramenta de sntese a rapidez na obteno de solues corretas, propiciando uma melhor explorao do espao de solues na busca da soluo tima. Logo, ferramentas de sntese

21

automatizada so mais propensas a aproximar solues timas de projeto, em comparao com ferramentas baseadas em simulao. Ferramentas de sntese possuem modelos subjacentes que podem ser bastante complexos, o mesmo ocorrendo com ferramentas de simulao. No entanto, o projetista no precisa dominar todos os conceitos associados a estes modelos para explorar os recursos da ferramenta, visto que seu papel parametrizar a ferramenta para que esta gere descries corretas. Ele apenas precisa dominar a influncia desta parametrizao no desempenho dos modelos de sntese. Os modelos de simulao, por outro lado, precisam ser dominados mais profundamente pelo projetista, pois de sua compreenso depende a qualidade da descrio inicial, bem como a capacidade do projetista de analisar as sadas. Na Engenharia, a transio da abordagem de simulao para a de sntese ocorre de maneira gradual. A prpria tradio de uso das ferramentas de simulao faz com que os projetistas mantenham seus procedimentos de projeto. Em especial na Engenharia Eltrica, a proximidade com a Cincia da Computao e o avano da tecnologia tm acelerado este processo. As ferramentas de simulao possuem tambm um conjunto de vantagens com relao a ferramentas de sntese (CALAZANS, 1995). Enquanto as ferramentas baseadas em simulao no pressupem um estilo de projeto especfico, uma vez que cabe ao projetista gerar a descrio simulvel, as ferramentas de sntese partem do princpio que as descries geradas se encaixam em um dos modelos de sntese embutidos. Logo, a flexibilidade para explorar o espao de solues mais baixa que nas ferramentas de simulao. Uma boa ferramenta de sntese deve permitir muitas parametrizaes para reduzir sua falta de flexibilidade, enquanto que uma ferramenta de simulao deve apenas ater-se a um modelo de simulao, por mais complexo que este seja. Logo, a implementao de ferramentas de sntese mais difcil que a implementao de simuladores. Para reforar ainda mais este ltimo ponto, ferramentas de sntese devem capturar os aspectos mais criativos do processo de projeto (a gerao de descries finais a partir de descries iniciais), enquanto que os simuladores se limitam a exercitar descries geradas externamente.

22

1.3.1

Sntese e Simulao em Projeto de Colunas de Destilao Os trabalhos desenvolvidos na rea de destilao so essencialmente voltados

simulao na busca das melhores condies de operao do equipamento ou na melhor seqncia de colunas necessrias separao. Como exemplo, podemos analisar o trabalho de MACIEL e CARVALHO (1994), onde o projeto timo de seqncias de destilao realizado atravs do um simulador comercial. No entanto, os autores precisaram recorrer a mtodos simplificados, como o de FenskeUnderwood-Gilliland (WANKAT, 1988), para obter os parmetros bsicos solicitados como entrada pelo simulador. J no trabalho de PEDROSA NETO e MORI (1994), foi desenvolvido um mdulo de otimizao baseado no mtodo Simplex Modificado (Mtodo de Box) e uma interface com o simulador. Este mdulo de otimizao permitiu a obteno do valor das variveis operacionais que maximizam a funo objetivo, no caso em questo representada pela rentabilidade diria da unidade de destilao em estudo. No entanto o objetivo do estudo era otimizar as condies de operao de uma coluna j existente, permitindo que os parmetros iniciais, requisitados pelo simulador, fossem obtidos experimentalmente. Em ambos os casos, a descrio inicial exigida pelo simulador foi obtida de maneira indireta (por clculos manuais (mtodos simplificados) ou obtidos na operao do equipamento) como forma de superar a necessidade de conhecimento dos modelos internos do simulador. Na Engenharia Qumica, inmeros so os estudos de sntese de processo (RUDD et alii, 1973; GROSSMANN, 1989; BRITT et alii, 1989, entre outros), envolvendo a seleo da seqncia otimizada de operaes unitrias (equipamentos) que produzam um produto especificado a partir da disponibilidade de matria-prima. A sntese de processo envolve um certo grau de abstrao, onde os equipamentos so projetados por mtodos simplificados, j que o objetivo fundamental verificar a viabilidade da seqncia escolhida. Somente aps encontrada esta seqncia considerada tima que o projetista passar a etapa de projeto dos equipamentos individuais. Nosso estudo aborda a sntese de projeto de um destes equipamentos, onde o nvel de abstrao menor do que o presente na sntese de processo, j que nesta etapa utilizam-se modelos de projeto mais detalhados e precisos.

23

1.4

Objetivos e escopo do trabalho No presente trabalho, investigamos a proposta de que o processo de projeto

baseado em sntese automatizada pode ser considerado como uma alternativa ao processo desenvolvido via simulao, quando aplicado em Engenharia Qumica. Para verificar a viabilidade de nossa proposta, implementamos o prottipo de uma ferramenta de sntese como forma de validar nossas idias, atravs de estudos de casos. O mtodo apresentado neste trabalho procura superar as dificuldades presentes no processo de projeto essencialmente apoiado na simulao. O sintetizador proposto solicita como entrada uma descrio inicial baseada somente em um conjunto de requisitos, normalmente disponveis ao projetista, e a seleo do modelo de sntese a ser adotado. A partir destes dados, o sintetizador produz como sada uma descrio detalhada, constituda por conjunto de variveis de projeto que podem ser utilizadas como descrio inicial para o simulador para posterior refinamento da soluo. Desta forma, o uso da ferramenta de sntese torna-se mais simples sob o ponto de vista do usurio que o uso de ferramentas de simulao. No ensino de Engenharia Qumica, so estudados os modelos de projeto tradicionais e o processo de projeto segue a abordagem de sntese, pois, na maior parte dos casos analisados, o aluno (atuando como projetista) dimensiona um equipamento a partir da especificao de um conjunto restrito de entradas (variveis de projeto) e de uma descrio comportamental do sistema. No entanto, a anlise de diversas alternativas de projeto na busca do projeto timo dificultada pela falta de ferramentas informatizadas que auxiliem e agilizem este processo. A implementao do mtodo proposto neste trabalho gerou um prottipo de uma ferramenta de sntese que poder ser utilizada no ensino de projeto de colunas de destilao, permitindo que as descries geradas pelo sintetizador sejam analisadas e comparadas com razovel rapidez. 1.5 Organizao da dissertao Para apresentar e justificar nossa proposta, o trabalho est organizado de acordo com a seguinte estrutura. O captulo 2 apresenta uma definio precisa para o

24

problema de otimizao. Esta definio surgiu da necessidade de caracterizarmos, de maneira clara e suficientemente geral, o problema de otimizao de forma a abarcar problemas das mais diversas reas, j que a literatura consultada no apresentava uma definio adequada. Neste captulo tambm so apresentados os conceitos fundamentais para o entendimento da abordagem proposta, considerando a multidisciplinaridade dos temas abordados. O captulo 3 apresenta as caractersticas fundamentais dos problemas de otimizao, propondo uma seqncia de etapas a serem seguidas para sua soluo. Nesta seo tambm discute-se brevemente os principais mtodos de otimizao e sua classificao, apresentando a proposta de uma nova taxonomia. No captulo 4 analisamos os modelos de projeto de colunas de destilao e a funo custo adotada. No captulo 5, apresentamos o mtodo de otimizao probabilstico selecionado para implementar o prottipo e discutimos com foi realizado o mapeamento para o nosso problema especfico. No captulo 6, abordamos os aspectos de projeto e implementao do prottipo de uma ferramenta de sntese denominada SINCO (SINtetizador de COlunas de destilao). Este prottipo propiciou o desenvolvimento de estudos de caso para avaliar o emprego de sntese como alternativa simulao em Engenharia Qumica. Finalmente, no captulo 7, apresentado um conjunto de concluses a respeito do enfoque de projeto automatizado de colunas de destilao, salientando a possibilidade de utilizao desta abordagem no ensino de Destilao nos cursos de Engenharia Qumica, bem como sugestes para trabalhos futuros.

2. CONCEITOS E DEFINIES
Neste captulo, apresentamos alguns conceitos bsicos que auxiliaro na compreenso dos diversos tpicos abordados ao longo da dissertao. Embora tenhamos aqui objetivado propor definies genricas, sempre que necessrio para simplificar as discusses posteriores, algumas delas foram particularizadas para o escopo de problemas de processo de projeto. 2.1 Definio de problema de otimizao Um problema de otimizao caracterizado por um conjunto totalmente ordenado de variveis, V , e por um conjunto de restries, R. A dimenso, d, do problema de otimizao a cardinalidade do conjunto V. Para um dado conjunto V, o espao de solues d, onde o conjunto dos nmeros reais. Denominamos soluo candidata a uma d-tupla de valores na forma (v1, v2, ... , vd) d onde cada vi designa o valor de uma varivel. Uma restrio uma funo de chaveamento do tipo rj : d { 0 , 1 }, com rj R Note-se que uma restrio pode aplicar-se a todas as d variveis, ou a um subconjunto destas ou mesmo a apenas uma varivel das d-tuplas. A formulao proposta permite, assim, modelar a interao entre valores de diferentes variveis mediante o uso de um conjunto reduzido de funes rj. A cada soluo candidata, existe um custo associado. Definimos funo custo, ou funo objetivo, como c : d .

Um problema de otimizao de dimenso d submetido a n restries pode ento ser definido como:

26

Encontrar uma d-tupla t d tal que 1. rj (t) =1 para todo 1 j n onde n = | R | ; 2. o custo c(t) um mnimo, sobre todos os valores t que obedecem a (1). Informalmente, dado um conjunto de restries, resolver um problema de otimizao consiste em encontrar um conjunto de valores que satisfaz todas as restries e possui custo mnimo. Se existe pelo menos uma tupla t tal que a condio 1 satisfeita, diz-se que o problema tem soluo. Cada tupla t que obedece condio 1 corresponde a uma soluo correta ou simplesmente uma soluo do problema de otimizao. Uma tupla t que obedece s condies 1 e 2 ser denominada soluo tima. Convm observar que a determinao das n restries rj pode ser em si um problema de difcil soluo. Em muitos casos, dado um conjunto de restries, a soluo encontrada satisfaz apenas um subconjunto de R. Como forma de simplificar a soluo, assume-se aqui que este subconjunto o conjunto de restries de interesse. Podemos exemplificar com o caso do problema de otimizao do projeto de uma coluna de destilao. Uma n-tupla que representa uma soluo candidata para este problema constituda pelas seguintes variveis: v1 = nmero de pratos reais v2 = altura da coluna v3 = dimetro da coluna v4 = razo de refluxo de operao v5 = distncia entre pratos v6 = condio trmica da alimentao v7 = presso de operao v8 = temperatura de operao

27

A dimenso do conjunto de variveis, V, neste caso igual a 8 (oito). Sobre estas variveis estabelecido um conjunto de restries para que a soluo possa ser admitida como correta e, portanto, seja a ela associado o valor 1, atravs da aplicao da funo de restrio. Por exemplo, o nmero de pratos de uma coluna deve ser um nmero inteiro, assim como a coluna, para ser considerada como coluna de pratos, deve possuir pelo menos um prato. Poderamos at mesmo especificar que, no caso especial do nmero de pratos ser nulo, a coluna seria do tipo recheada. Da mesma forma, a altura corresponder, no mnimo, ao nmero de pratos mais um (ou seja, o nmero de espaos entre pratos e entre o prato superior e o topo da coluna) multiplicado pela distncia entre pratos. Logo, a altura nunca poder ser menor que a distncia entre pratos. Existem tambm regras empricas quanto aos valores do dimetro, que determinam a viabilidade de operao de uma coluna de pratos ou a recomendao de substituio por uma coluna recheada. J o valor da razo de refluxo de operao corresponde a um valor que deve ser superior razo de refluxo mnima da coluna descrita. Um valor de razo de refluxo menor que a razo mnima implicaria em um nmero infinito de pratos para a realizao da separao desejada. A distncia entre pratos limitada a um conjunto de seis valores usualmente empregados na indstria e considerados no projeto, enquanto as condies de temperatura e presso so estabelecidas em funo das propriedades fsico-qumicas dos componentes a separar. Como uma restrio, podemos considerar que a coluna opera presso atmosfrica e a temperatura estar limitada pelas temperaturas de ebulio dos componentes puros. Para outras presses, sabemos que seu valor no pode ser negativo. Tanto temperatura quanto presso possuem limites superiores baseados em restries do material de construo ou limites de aplicabilidade dos modelos termodinmicos. A varivel que representa a condio trmica da alimentao (cujo valor indica o estado fsico da corrente de alimentao), por sua vez, pode assumir qualquer valor real.

28

As restries rj so funes que refletem estas regras. Uma restrio sobre esta tupla poderia ser exemplificada na forma: (v1 > 0 , v2 >0 e v2 > v5 , v3>0 , v4 > Rmin , v5 = 6 ou v5 = 12 ou v5 = 18 ou v5 = 24 ou v5 = 36; v6 , TebA < v7 < TebB , v8 = 1 atm) Neste exemplo, a funo de restrio aplicada sobre elementos da tupla e estabelece interao entre algumas variveis, por exemplo v2 e v5. 2.2 Propriedades das funes As funes objetivo ou funes custo possuem caractersticas que devem ser levadas em conta quando da escolha do mtodo de otimizao. Estas funes podem ser unimodais ou multimodais. Uma funo f(x) denominada unimodal se, na faixa de valores especificados para x , possui um nico extremo (mnimo ou mximo), enquanto uma funo multimodal possui dois ou mais extremos (locais). Se a derivada da funo f(x), denotada por f(x), for igual a zero em um ponto de extremo, este ponto denominado ponto estacionrio (e pode ser um mximo ou mnimo). No caso das funes multimodais, podem existir mltiplos pontos estacionrios. Neste caso, deve-se diferenciar entre o extremo global , o maior de todos (ou menor) entre um conjunto de pontos extremos, enquanto qualquer outro ponto extremo denominado extremo local (EDGAR e HIMMELBLAU, 1988). Muitas tcnicas numricas utilizadas nos mtodos de otimizao baseiam-se na hiptese de que a funo a ser tratada unimodal. No entanto, a propriedade de unimodalidade difcil de ser estabelecida analiticamente. Para funes de uma ou duas variveis, a funo pode ser plotada, evidenciando se a funo unimodal ou no. A Figura 2.1 exemplifica este procedimento atravs da representao a funo y = x2. No intervalo de 0 x 50 , esta funo apresenta um nico extremo (ponto de mnimo) e, portanto, representa o comportamento de uma funo unimodal. J a Figura 2.2 apresenta a representao da funo y = sen(x), exemplo de uma funo

29

multimodal, pois apresenta vrios pontos de mnimo na faixa de valores de x considerada.

3500

3000

2500

y = x^2
-60 -40 -20

2000

1500

1000

500

0 0 20 40 60

Figura 0.1 - Exemplo de uma funo unimodal


1,5

0,5

sen(x)

0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45

-0,5

-1

x (em rad)

-1,5

Figura 0.2- Exemplo de uma funo multimodal As funes objetivo podem tambm ser caracterizadas como funes cncavas ou convexas. A determinao da concavidade ou convexidade de uma funo auxilia na verificao de que uma soluo tima local ou no uma soluo tima global. Quando se sabe que uma funo tem as caractersticas de concavidade (ou

30

convexidade), a determinao da soluo tima pode ser acelerada, atravs de algoritmos apropriados (EDGAR e HIMMELBLAU, 1988). Uma funo denominada cncava sobre uma regio R se a relao, apresentada pela equao (2.1), for vlida. Para dois valores diferentes de x, xa e xb que recaem na regio R f [ xa + (1 - ) xb ] f(xa)+ (1 - ) f(xb) (2.1)

onde um escalar que assume um valor entre 0 e 1. A funo estritamente cncava se o sinal de maior ou igual () for substitudo pelo sinal de maior (>). Uma funo denominada convexa quando o sinal de igual ou maior for substitudo por um sinal de menor (<). A funo apresentada na Figura 2.1 exemplo de uma funo estritamente convexa , pois se unirmos com uma linha reta quaisquer pares de valores f(xa) e f(xb), os valores de f(x) sobre esta linha, para todos os pares xa e xb , sempre ficaro acima dos valores da funo correspondentes aos pontos considerados. 2.3 Projeto de Processos Qumicos A Engenharia Qumica definida por FOUST et al (1982), como a "aplicao dos princpios das cincias fsicas, juntamente com os princpios da economia e das relaes humanas, aos campos que so diretamente pertinentes aos processos e aos equipamentos de processos nos quais se tratam substncias visando provocar modificaes de estado, de energia ou de composio". Esta definio bastante vaga, devido amplitude do campo abarcado. Deve-se observar, no entanto, que se realam, de forma considervel, os processos e os equipamentos de processo, permitindo afirmar que o trabalho de muitos engenheiros qumicos poderia ser denominado, com maior propriedade, de engenharia de processo. O processo pode ser definido aqui como qualquer conjunto de etapas que envolvem modificaes de composio qumica, ou que envolvem alteraes fsicas no material que est sendo preparado, separado ou purificado. O trabalho de muitos engenheiros qumicos envolve a escolha das etapas apropriadas, na ordem adequada,

31

para formular um processo capaz de concretizar uma operao de produo, separao ou purificao. Em virtude de cada etapa que constitui um processo estar sujeita a variaes, o engenheiro de processo deve tambm especificar as condies exatas de realizao efetiva de cada etapa. O conjunto destas tarefas (escolha adequada das etapas e dimensionamento dos equipamentos envolvidos) denominado projeto de processo. 2.4 Processos Qumicos de Separao: Destilao Uma corrente uma mistura de compostos qumicos que, por exigncia do processo qumico da qual faz parte, deseja-se separar em seus componentes individuais. Quando a corrente constituda por apenas dois componentes, a mistura denominada mistura binria, enquanto as misturas com mais do que dois componentes so denominadas misturas multicomponentes. As separaes de substncias constituem uma fase importante de quase todos os processos de Engenharia Qumica e so necessrias porque as espcies qumicas de uma corrente, em geral, so conduzidas a mltiplos destinos com concentraes especificadas. Um estgio real uma etapa do processo de separao, caracterizada pelo fato de nela ocorrer a mistura de duas ou mais correntes de tal forma que se permita a ocorrncia da transferncia de massa entre elas, fazendo com que as correntes que saem do estgio possuam composio diferente das correntes de entrada. Um estgio ideal, tambm denominado de estgio de equilbrio ou estgio terico, uma etapa do processo onde duas ou mais correntes so colocadas em contato; ocorre transferncia de massa entre as fases at que o equilbrio seja alcanado e as novas fases formadas so separadas. Mesmo que as condies de equilbrio sejam raramente alcanadas em um equipamento real, o estgio de equilbrio um modelo fsico til para a anlise das operaes em estgios. Embora o modelo fsico do estgio seja conveniente para os clculos, o nmero de estgios de equilbrio calculado deve ser relacionado ao nmero de estgios reais necessrios separao. Exprime-se esta relao pela eficincia de estgio, definida como a razo entre a modificao de composio num estgio real e a modificao de composio em um estgio de equilbrio (FOUST et al, 1982).

32

Alguns equipamentos industriais podem ser constitudos por um nico estgio, mas, em geral, empregam-se equipamentos com vrios estgios, com escoamento em contracorrente entre as duas fases. A operao em estgios mltiplos (ou multiestgios) possibilita maiores variaes na composio das duas fases do que as variaes que se pode obter em um s estgio. O equipamento para separaes multiestgios freqentemente consiste de pratos horizontais para promover o contato entre as fases, arranjados em uma coluna vertical. A diferena de composio obtida aps o contato entre as fases, seja em um ou vrios estgios, denominada grau de separao. O grau de separao depende do nmero de pratos e da eficincia dos estgios. A rea da seo transversal da coluna determina a capacidade dos pratos em permitir a passagem das correntes que devem entrar em contato (HENLEY e SEADER, 1981, WANKAT, 1988). As colunas de fracionamento podem ser de pratos ou recheadas, mas em ambos os casos devem possuir um refervedor na base e um condensador no topo. A funo do refervedor produzir o vapor que sobe pela coluna. O lquido retirado do refervedor o produto de fundo. O condensado vai para um acumulador (tambor de refluxo) do qual parte retorna para o topo da coluna como refluxo e o restante retirado como produto destilado. O refluxo origina a corrente lquida que desce de prato em prato pela coluna (GOMIDE, 1988; HOLLAND, 1963; HOLLAND, 1975). A Figura 2.3 apresenta o esquema de uma coluna de pratos, onde cada prato considerado como um estgio, enquanto a Figura 2.4 apresenta o esquema de uma coluna recheada. .

33

Figura 0.3 - Esquema de uma coluna de pratos

34

Figura 0.4 - Esquema de uma coluna recheada

35

A destilao fracionada ou retificao uma operao multiestgios em contracorrente. Na destilao fracionada opera-se com vaporizaes e condensaes sucessivas em uma coluna de fracionamento. A separao dos componentes da mistura est baseada nas diferenas de temperaturas de ebulio dos componentes puros. Na destilao, uma fase vapor entra em contato com uma fase lquida e ocorre transferncia de massa do lquido para o vapor e deste para aquele. O lquido e o vapor contm, em geral, os mesmos componentes, mas em quantidades relativas diferentes. O efeito final o aumento da concentrao do componente mais voltil no vapor e do componente menos voltil no lquido (BOLES e FAIR, 1970; CHANG, 1980; ECONOMOPOULOS, 1978a, 1978b; HOLLAND, 1963; JAFAREY et alii, 1979; KING, 1980; LUYBEN e WENZEL 1988, WANKAT, 1988, SINOTT, 1993).

3. MTODOS DE OTIMIZAO

3.1

Introduo A otimizao em projeto baseia-se fundamentalmente na formulao de um

padro de medida - a funo custo - que represente o desempenho ou o valor de uma deciso e, iterativamente, na busca de melhoria deste desempenho atravs da seleo entre um conjunto de alternativas possveis (FOGEL, 1994). Os mtodos clssicos de otimizao geram uma seqncia pr-determinada de possveis solues, baseados nas variaes provocadas na funo custo e selecionam a soluo tima (valor mximo ou mnimo da funo custo). Em muitos casos, dependendo das caractersticas desta funo, estes mtodos podem gerar seqncias de solues que convergem assintoticamente para solues timas locais. Os mtodos denominados probabilsticos ou estocsticos propem a determinao da soluo tima atravs da pesquisa em um espao de estados possveis, baseando-se na idia de busca probabilstica, onde cada deciso funo somente das decises anteriores e a aceitao de um novo estado determinada a partir de uma funo de probabilidade. Como discutido anteriormente, os problemas tpicos de projeto ou operao de processos qumicos geralmente possuem inmeras solues e a otimizao apresentase como uma ferramenta efetiva na seleo da soluo mais adequada, atravs da aplicao de mtodos quantitativos eficientes. Conforme EDGAR e HIMMELBLAU (1988), no existe mtodo ou algoritmo de otimizao que possa ser aplicado a todos os problemas. A escolha do mtodo de otimizao para qualquer caso particular depender fundamentalmente das caractersticas da funo objetivo e se ela conhecida explicitamente, da natureza das restries e do nmero de variveis independentes e dependentes. Para nos auxiliar na escolha de um mtodo de otimizao adequado ao nosso estudo, vamos analisar o procedimento proposto por EDGAR e HIMMELBLAU (1988) para a soluo de problemas de otimizao, na seo 3.2. A seo 3.3

37

apresenta as caractersticas dos principais mtodos de otimizao descritos na literatura, enquanto a seo 3.4 mtodos estudados. 3.2 Procedimento para a soluo de problemas de otimizao Uma proposta de seqncia de etapas para anlise e soluo de problemas de otimizao mostrada no fluxograma apresentado na Figura 3.1, baseado na seqncia de etapas para a anlise e soluo de problemas de otimizao, proposta por EDGAR e HIMMELBLAU(1988). A primeira etapa envolve a anlise do problema de maneira a definir as variveis de processo e as caractersticas especficas de interesse, isto , determinao de todas as variveis envolvidas. A etapa seguinte (modelagem dos critrios de otimizao) prope a determinao de um critrio para a otimizao e especificao da funo objetivo em termos das variveis identificadas na primeira etapa, proporcionando um modelo de desempenho, algumas vezes denominado modelo econmico. A modelagem do problema envolve o desenvolvimento, atravs de expresses matemticas, de uma representao para o equipamento ou processo. Tal modelo deve relacionar as variveis de entrada (dados do problema) e sada (valores gerados). Devem tambm ser includas aqui as restries, atravs do uso dos princpios fsicos bem conhecidos (balanos de massa e energia), relaes empricas, conceitos implcitos e restries externas. apresenta uma proposta de taxonomia para os

38

INCIO

ANLISE DO PROBLEMA

MODELAGEM DOS CRITRIOS DE OTIMIZAO

MODELAGEM DO PROBLEMA

PROBLEMA COMPLEXO DEMAIS? NO APLICAO DE MTODOS DE OTIMIZAO

SIM

PARTICIONAR O PROBLEMA

NO

ANLISE DOS RESULTADOS

SOLUO TIMA ?

SIM FIM

Figura 0.1- Etapas da soluo de problemas de otimizao Se a formulao do problema muito ampla para o escopo, h a necessidade de particion-lo, dividi-lo em partes manejveis e/ou simplificar a funo objetivo e o modelo. Esta etapa sugere que a descrio matemtica do problema seja simplificada tanto quanto possvel sem perda das caractersticas essenciais do problema. No caso de particionamento do problema, o algoritmo de soluo proposto por EDGAR e HIMMELBLAU(1988) no indica alternativas para a reunio das solues dos subproblemas para a obteno da soluo do problema original. Finalmente, a fase de resoluo e anlise da soluo envolve a aplicao de um mtodo de otimizao adequado representao formal estabelecida para o

39

problema, anlise dos resultados e exame da sensibilidade do resultado a alteraes nos coeficientes, no problema e nas hipteses. Virtualmente, todo mtodo de otimizao envolve iterao e a efetividade de uma dada tcnica depende, em geral, de uma boa estimativa inicial dos valores das variveis para alcanar a soluo tima. A etapa de anlise envolve a avaliao da soluo candidata para determinar se ela j tima. Em alguns problemas, podemos verificar se as condies suficientes para uma soluo tima foram satisfeitas. Muito freqentemente existe uma soluo tima, embora no possamos demonstrar que as condies suficientes para obt-la tenham sido satisfeitas. Tudo o que podemos mostrar, neste ltimo caso, por clculos numricos repetitivos, que o valor da funo objetivo, para uma suposta soluo tima, superior (ou inferior) a todas as alternativas conhecidas. O algoritmo apresentado contempla as etapas fundamentais para a soluo de um problema de otimizao. Sugere que, atravs da anlise do problema,

identifiquemos as variveis de projeto, permitindo a caracterizao do espao de solues do problema de otimizao. A etapa de modelagem dos critrios de otimizao envolve a caracterizao da funo custo (c). A etapa de modelagem do problema estabelece as demais condies: a determinao do modelo matemtico do processo ou equipamento (e respectiva descrio) e incluso das restries sobre as variveis de projeto. A aplicao de um mtodo de otimizao, adequado ao problema em estudo, propicia a determinao da soluo candidata que possui custo mnimo, de acordo com a nossa definio do problema de otimizao, apresentada no captulo 2. 3.3 Uma viso sobre mtodos de otimizao De um modo geral, podemos classificar os mtodos de otimizao em determinsticos e probabilsticos. Os mtodos ditos determinsticos so aqueles que, em sua formulao, levam em considerao os processos fsicos que relacionam as entradas e sadas. A estrutura dos mtodos probabilsticos no apresenta relao com o fenmeno fsico em si, obtendo os valores das variveis de sada a partir da ocorrncia em tempos anteriores da prpria varivel ou de outra que possa com ela estar relacionada.

40

3.3.1

Mtodos determinsticos LAW e KELTON (1991) definem um modelo determinstico como aquele que

no contm nenhum componente probabilstico. Nestes modelos, a sada determinada uma vez que o conjunto de entradas e relaes do modelo tenham sido especificadas. Esta definio pode ser estendida para os mtodos de otimizao tambm denominados determinsticos. A caracterstica fundamental destes mtodos que sua aplicao independe dos valores das funes envolvidas (GILL et alii, 1993). A aplicao de mtodos determinsticos sobre o conjunto de variveis do problema determina uma soluo cujo custo mnimo. No entanto, no h garantias de que a soluo encontrada corresponda a um mnimo global da funo. Nas sees 3.3.1.1 a 3.3.1.4 descrevemos as caractersticas bsicas de alguns mtodos que podem ser classificados como determinsticos.

3.3.1.1 Funes de uma varivel sem restrio O problema de otimizao de funes sem restrio pode ser descrito, atravs da adequao da definio apresentada no captulo 2. Neste caso, o conjunto de variveis do problema de otimizao (V) constitudo por uma varivel de projeto, pertencente ao conjunto do nmeros reais, expresso na forma V={v v} e confunde-se com o conjunto de variveis (V), j que no existem restries varivel pesquisada. Assim, a soluo do problema de otimizao sempre atender a condio 1 da definio do problema de otimizao (captulo 2), correspondendo a uma soluo correta. Os mtodos que recaem nesta categoria foram denominados por

TANOMARU (1995) de mtodos enumerativos de otimizao. Eles examinam cada ponto do espao de estados em busca do valor mnimo para a funo custo (funo objetivo), adotando procedimentos especficos para determinar a direo de busca, ou seja, qual o prximo valor a ser examinado.

41

Muitas vezes, no caso de problemas mais complexos, pode ser conveniente estabelecer critrios de forma que o mtodo no alcance a melhor soluo, mas que quase sempre encontre uma soluo muito boa, baseando-se na idia de busca heurstica. O propsito de um funo heurstica guiar o processo de busca na direo mais promissora, sugerindo que caminho seguir primeiro, quando houver mais de um disponvel (RICH e KNIGHT, 1994). Os mtodos que envolvem a busca heurstica podem ser descritos independentemente de qualquer domnio de problemas, mas, quando aplicados a um tipo de problema em particular, tornam-se altamente dependentes do modo como eles exploram o conhecimento de cada domnio da aplicao. Quando forem utilizados como mtodos complementares em algoritmos de otimizao mais complexos, tornam-se tambm dependentes da forma como exploram o conhecimento de cada domnio da aplicao (RICH e KNIGHT, 1994). Alguns dos mtodos que recaem nesta categoria so os Procedimentos de Busca e Limite (scanning and bracketing procedures), Mtodo de Newton, Mtodo de Aproximao por diferenas finitas (Mtodo quasi-Newton), Mtodo da Secante, Mtodo de limitao da regio de busca, Mtodos de Aproximao Polinomial e os Mtodos de Busca Heurstica, como Busca em profundidade, Busca em amplitude, Gerar-e-testar, Subida de encosta e a Busca pela melhor escolha, entre outros. (BOAS, 1963; EDGAR e HIMMELBLAU, 1988; HIMMELBLAU, 1963; RICH e KNIGHT, 1994). Estes mtodos diferenciam-se basicamente pelos procedimentos recomendados para determinao do melhor caminho a seguir na busca da soluo. 3.3.1.2 Funes multivariveis sem restrio O problema de otimizao de funes multivariveis envolve a determinao da soluo candidata, que minimiza a funo custo, c. Como no caso anterior, no existem restries aos valores das variveis pertencentes ao espao de solues. A direo de busca determinada a partir de um ponto inicial e a funo custo minimizada naquela direo. A busca interrompida segundo algum critrio e, ento, uma nova direo determinada, at ser detectada a limitao de uma regio de

42

mnimo. Neste ponto a busca pode ser concluda e utilizado um mtodo mais sofisticado, para que seja alcanado um grau de preciso maior. Os mtodos adotados para otimizao de funes multivariveis sem restrio so denominados por EDGAR e HIMMELBLAU(1988) de mtodos de programao no linear. Os mtodos, que recaem nesta categoria, basicamente diferem entre si na forma como so geradas as direes de busca. Os mtodos de otimizao multivariveis denominados diretos so mtodos que no requerem o uso de derivadas para determinar a direo de busca da soluo. Alguns destes mtodos so a Busca randmica, Busca baseada em quadrante ("grid search") e Busca invariante. EDGAR e HIMMELBLAU (1988) indicam, alm dos citados acima, os mtodos Simplex (SPENDLEY et alii (1962) apud EDGAR e HIMMELBLAU (1988)), a busca com direes conjugadas e o mtodo de Powell (POWELL(1970) apud EDGAR e HIMMELBLAU (1988)). J os mtodos indiretos utilizam-se de derivadas para determinar a direo de busca para otimizao. Recaem nesta categoria o mtodo do gradiente, gradiente conjugado, mtodo de Newton, mtodo da secante, entre outros (EDGAR e HIMMEMBLAU, 1989).

3.3.1.3 Funes multivariveis com restries A programao linear (PL) um dos mtodos mais amplamente usados e um dos mais efetivos. O termo programao linear foi proposto por George Dantzig, em 1947, com o objetivo de nomear o procedimento de otimizao de problemas em que tanto a funo objetivo quanto as restries so lineares (HIMMEMBLAU e EDGAR, 1988). Segundo HILLIER e LIEBERMAN (1980), a programao linear trata de problemas de alocao otimizada de recursos limitados entre atividades que competem. O termo "programao", segundo estes autores, sinnimo de planejamento. Assim, a PL envolve o planejamento de atividades para obter um

43

resultado timo, isto , o melhor resultado que atinge o objetivo especificado entre todas as possveis alternativas. Um programa linear est em uma forma padro se : - um problema de maximizao (ou minimizao); - contm restries de igualdade e - todas as variveis pertencem ao conjunto dos nmeros naturais. Logo, a definio do problema envolve uma limitao ao conjunto de valores possveis das variveis pertencentes ao conjunto V de variveis de projeto. Alm disso, as restries impostas sobre estas variveis restringem-se a relaes de igualdade. Em muitos problemas prticos, as variveis de deciso somente tm sentido se assumirem valores inteiros, restrio esta de difcil soluo matemtica. Entretanto, alguns progressos tm sido feitos (HILLIER e LIEBERMAN, 1980) no desenvolvimento de procedimentos de soluo para o caso dos problemas de programao linear, sujeitos a esta restrio adicional de que as variveis devem assumir valores inteiros. Embora a hiptese bsica da Programao Linear seja satisfeita em numerosos problemas prticos, algumas vezes necessrio reformul-la para atender os casos onde as restries so do tipo no-linear. A programao quadrtica recai entre estes casos e refere-se ao problema de maximizar (ou minimizar) uma funo objetivo quadrtica sujeita a restries lineares. J o problema de programao convexa (HILLIER e LIEBERMAN, 1980) refere-se ao caso especial de programao no linear onde a funo objetivo uma funo cncava e todas as restries so funes convexas.

3.3.1.4 Processos discretos Muitas plantas de processos e partes de equipamentos so representadas como processos multiestgios, mesmo se o conjunto sob anlise no constitudo por

44

unidades separadas. A determinao das condies timas de operao ou projeto em tais processos complicada, porque os prprios estgios so quantidades discretas e as condies a serem estabelecidas para cada estgio esto interrelacionadas. Os mtodos discutidos a seguir abordam este tipo de problema.

3.3.1.4.1

Diviso e conquista

Historicamente, o termo "diviso e conquista" foi criado pelos generais napolenicos (1800-1814) (TERADA, 1991), que aplicavam uma estratgia de dividir o exrcito inimigo em vrios sub-exrcitos separados, para poder vencer cada uma das partes mais facilmente. O mtodo de desenvolvimento de algoritmos por diviso e conquista reflete esta estratgia. A Diviso e Conquista, segundo TOSCANI e VELOSO (1990), um mtodo que consiste em, dado um problema, decomp-lo em subproblemas menores independentes, resolver estes problemas recursivamente e ento combinar as solues. um mtodo recursivo descendente (top-down) e til no caso de problemas que podem ser resolvidos por decomposio em problemas menores, mas do mesmo tipo.

3.3.1.4.2

Programao dinmica

A essncia do mtodo de Programao Dinmica recai na decomposio de um problema de otimizao com mltiplas variveis interconectadas em um seqncia de subproblemas que podem ser solucionados em srie. Segundo TOSCANI e VELOSO (1990), a Programao Dinmica recebe uma seqncia de problemas de tamanho mnimo, soluciona esses problemas, guarda os resultados, combina subproblemas menores e seus resultados, para obter e resolver problemas maiores, at recompor e resolver o problema original. O problema neste mtodo decomposto uma nica vez, de forma que os subproblemas menores so gerados antes dos subproblemas maiores ( um mtodo ascendente ou bottom-up). Os resultados parciais so armazenados em uma tabela para serem usados numa outra iterao. Uma vantagem do mtodo est no fato de, uma vez resolvido um

45

subproblema, a soluo ser guardada para consulta e no mais calculada a cada aparecimento (CORMEN et alii, 1990; HILLIER e LIEBERMAN, 1980; WAGNER, 1985). Segundo WAGNER (1985), a caracterstica comum de todos os modelos de programao dinmica expressar o problema de deciso por meio de uma formulao recursiva. A Programao Dinmica aplicvel, quando, ao contrrio dos problemas tratveis com Diviso e Conquista, existem subproblemas compartilhados no particionamento inicial em subproblemas. O desenvolvimento de um algoritmo de programao dinmica pode ser dividido em uma seqncia de quatro etapas (CORMEN et alii, 1990): 1. caracterizar a estrutura de uma soluo tima; 2. definir recursivamente o valor de uma soluo tima; 3. calcular o valor de uma soluo tima de maneira "ascendente"; 4. construir uma soluo tima a partir da informao computada. As etapas 1 a 3 formam a base da soluo de um problema por programao dinmica. A etapa 4 pode ser omitida somente se o valor de uma soluo tima requerido. Quando se desenvolve a etapa 4, algumas vezes acrescenta-se informaes adicionais durante o clculo da etapa 3 para facilitar a construo de uma soluo tima.

3.3.1.4.3

Mtodos gulosos

Para muitos problemas de otimizao, o uso da programao dinmica para determinar as melhores escolhas implica mais esforo do que seria necessrio, indicando a possibilidade de outros algoritmos mais simples realizarem estas escolhas. Um algoritmo guloso sempre faz a escolha que parece ser a melhor no momento, ou seja, em qualquer estgio individual, um algoritmo guloso seleciona a opo que corresponde a um "timo local", sob algum ponto de vista.

46

A diferena essencial entre este mtodo e a programao dinmica que no mtodo guloso apenas uma seqncia de decises gerada, enquanto que na programao dinmica, vrias seqncias de decises podem ser geradas.

3.3.2

Mtodos Probabilsticos Os mtodos determinsticos descritos anteriormente pressupem que todos os

dados necessrios para descrio do modelo sejam conhecidos. Mas, na vida real, dificilmente se conhece todos estes valores com absoluta certeza e necessitamos avaliar situaes em que alguns valores das variveis, pertencentes ao espao do problema, assumem valores aleatrios. Duas so as abordagens a serem adotadas (WAGNER, 1985) para lidar com a falta de conhecimento dos valores de algumas variveis que constituem uma soluo candidata: testar a sensibilidade da soluo em modelos determinsticos e construir modelos que contenham elementos probabilsticos. Em ambas, as variveis desconhecidas so vistas como predies imperfeitas a serem caracterizadas por distribuies de probabilidades para os diferentes eventos possveis. Freqentemente, os modelos resultantes so meras verses mais complicadas de modelos determinsticos e podem ser resolvidos pelos mesmos mtodos numricos (atravs da programao dinmica, por exemplo). Em outras ocasies, para obter as solues, teremos de estabelecer heursticas ou alguma forma arbitrria de escolha entre as solues para determinar a soluo tima. Em qualquer dos casos, segundo HILLIER e LIEBERMAN (1980), os modelos probabilsticos so inerentemente mais difceis de usar que as verses determinsticas. Primeiro, porque h novas dificuldades conceituais, tais como a interpretao de probabilidades propriamente ditas e o significado da otimalidade. Segundo, porque h novas dificuldades tcnicas relacionadas matemtica da otimizao. Por exemplo, mesmo quando um modelo estocstico for uma generalizao direta de uma verso determinstica, a carga computacional aumenta, uma vez que se deve considerar cada evento possvel, em vez de somente uma nica

47

estimativa. Alm disso, em modelos estocsticos, as funes objetivo so tipicamente no-lineares, tornando a tarefa de otimizao mais complexa. E alm disso so necessrios mais dados para a especificao das distribuies de probabilidade. No entanto, os mtodos probabilsticos permitem uma melhor explorao do espao de solues, aumentando a possibilidade de determinao do extremoextremo global da funo objetivo pesquisada.

3.3.2.1 Recozimento Simulado METROPOLIS et alii (apud KIRKPATRICK et alii, 1983) propuseram, no incio dos anos 50, um algoritmo simples que pode ser usado, por exemplo, para simular o comportamento de uma coleo de tomos em equilbrio a uma dada temperatura. Em cada etapa deste algoritmo realizado um pequeno deslocamento aleatrio de um tomo e calculada a variao resultante da energia do sistema, E. Se E 0, o deslocamento aceito e a configurao com o tomo deslocado usada como ponto de partida para o prximo passo. O caso de E > 0 probabilisticamente: a probabilidade que a configurao seja aceita P (de aceitar um aumento de energia E) = exp ( - E /kB T). Nesta relao, T a temperatura e kB um parmetro que determina o cronograma de tmpera, isto , como a probabilidade varia com a temperatura T. Os nmeros aleatrios uniformemente distribudos no intervalo (0,1) constituem um meio conveniente para implementar a parte aleatria do algoritmo. Um destes nmeros selecionado e comparado com P(E) . Se ele menor do que P(E), a nova configurao retida; caso contrrio, a configurao original usada no prximo passo. Repetindo estes passos bsicos diversas vezes, podemos simular a movimentao trmica de tomos, em contato com um banho trmico temperatura T. A escolha de P(E) tem como conseqncia a evoluo do sistema de acordo com a distribuio de Boltzmann. tratado

48

KIRKPATRICK et alii (1983) observaram que a determinao de qual arranjo de tomos tem a menor energia era semelhante a encontrar quais os valores das variveis de um problema de otimizao que minimizariam a funo objetivo. Para encontrar o valor mnimo da funo objetivo, o processo inicia a uma alta temperatura e aplica o algoritmo at ser alcanado o estado estacionrio, quando no ocorrem mais alteraes no sistema. Quando o valor da funo objetivo no decresce sistematicamente, mas somente varia aleatoriamente de uma iterao para a seguinte, inicia-se a lenta reduo da temperatura e so realizadas mais algumas iteraes. Eventualmente um novo estado de equilbrio alcanado com um valor menor que o anterior. O processo continua at que a temperatura seja reduzida a zero, proporcionando uma configurao final com um valor muito baixo da funo objetivo, talvez at o valor timo. Este processo denominado de Recozimento Simulado ou Tmpera Simulada ("simulated annealing") devido s semelhanas ao processo fsico de tmpera que METROPOLIS et alii (apud KIRKPATRICK et alii, 1983) originalmente simularam. O Recozimento Simulado uma variao da Subida de encosta, mtodo de busca que envolve uma funo heurstica, a qual fornece uma estimativa da proximidade de uma determinada soluo em relao soluo tima (RICH e KNIGHT, 1994). A partir do valor desta funo, o mtodo decide sobre como continuar a explorao do espao de solues. No caso do Recozimento Simulado, no incio do processo, podem ser feitos alguns movimentos descendentes, ou seja, o mtodo aceita possveis solues de maior custo (no caso do problema de minimizao), na expectativa de escapar de um possvel mnimo local. A idia explorar suficientemente todo o espao do problema logo no incio, para que a soluo final seja relativamente independente do estado inicial. Como, em geral, o objetivo minimizar a funo objetivo, na realidade no temos uma subida de encosta, mas sim uma descida de vale. Quatro ingredientes so necessrios, segundo KIRKPATRICK et alii (1983), para implementao do algoritmo de Recozimento Simulado: - uma descrio concisa de uma configurao do sistema;

49

- um gerador aleatrio de "movimentos" ou rearranjos dos elementos em uma configurao; - uma funo objetivo quantitativa contendo os compromissos a serem assumidos e - um cronograma de tmpera das temperaturas e intervalos de tempo para os quais o sistema evoluir.

3.3.2.2 Evoluo Estocstica A Evoluo Estocstica uma tcnica dedicada otimizao combinatorial proposta por SAAB e RAO (1991). O mtodo similar ao Recozimento Simulado, tendo como principal diferena o fato da Evoluo Estocstica aceitar inicialmente somente ganhos positivos fazendo com que a Subida de encosta (RICH e KNIGHT,1994) inicie somente quando for alcanado um mnimo local. Segundo os autores, esta abordagem permite que a Evoluo Estocstica apresente convergncia mais rpida que o Recozimento Simulado, com resultados similares ou at melhores. O algoritmo caracteriza-se por estratgias de movimento que determinam a gerao de novos valores para as variveis na prxima iterao. Segundo SAAB e RAO (1991), dada uma estratgia de movimento, a soluo candidata s uma soluo vizinha de uma soluo candidata s se s pode ser gerada a partir de s por um nmero mximo de movimentos, que podem ser simples ou compostos. O ganho de um movimento resultado da comparao entre o custo c da soluo candidata inicial s e o custo c da nova soluo s, aps a ocorrncia do movimento. Cada movimento aceito se o ganho for maior que um nmero aleatrio, gerado no intervalo (0, -p), onde p o parmetro que permite ganhos negativos de forma a realizar a subida de encosta. Um parmetro r controla o nmero de iteraes, correspondendo a uma estimativa do tempo necessrio para melhorar a soluo corrente. Cada vez que encontrada uma soluo melhor, o contador decrementado de R unidades, proporcionando mais etapas para o algoritmo de Evoluo Estocstica.

50

A tcnica de Evoluo Estocstica, segundo seus autores (SAAB e RAO, 1991) pretende superar as dificuldades inerentes ao Recozimento Simulado, tais como a necessidade de um acerto cuidadoso dos parmetros de controle e uso de excessivo tempo de computao, atravs de uma modelagem apropriada das solues candidatas do problema; a noo de movimento associada aos elementos "mveis" (variveis) das solues candidatas; um valor inicial para o parmetro de controle e um mtodo para atualiz-lo e um valor para o parmetro do critrio de parada. Segundo os autores, esta tcnica tem proporcionado bons resultados associados a uma execuo rpida, quando comparados com os resultados obtidos atravs do Recozimento Simulado.

3.3.2.3 Computao evolucionria Segundo FOGEL (1994), a evoluo Darwiniana um mecanismo efetivo de busca e otimizao. A evoluo dos seres vivos (biota) demonstra um comportamento otimizado a cada nvel: a clula, o rgo, o indivduo e a populao. Este processo de evoluo pode ser aplicado a problemas onde solues heursticas no fornecem resultados satisfatrios. As teorias evolucionrias mais amplamente aceitas baseiam-se no paradigma neo-Darwiniano (FOGEL,1994). Estas teorias atestam que a histria da vida pode ser completamente descrita por processos fsicos (reproduo, mutao, competio e seleo) que operam sobre ou entre populaes e espcies. Os indivduos e as espcies podem ser vistos como uma combinao de sua programao gentica (gentipo) e a expresso de seu comportamento, determinado pelas condies ambientais (fentipo), sobre os quais estes processos fsicos agem. A evoluo vista como um processo de otimizao, pois a seleo produz fentipos to prximos do timo quanto possvel, a partir da especificao de um estado inicial e das restries ambientais. Segundo TANOMARU (1995), a Computao Evolucionria encara a teoria de evoluo Darwiniana como um processo adaptativo de otimizao, sugerindo um modelo em que populaes evoluem (buscam um estado melhor) de modo a melhorar

51

o desempenho geral da populao (medido atravs de uma funo objetivo) com respeito a um dado problema. Atualmente, a Computao Evolucionria envolve um crescente nmero de paradigmas e mtodos, dos quais os mais importantes so os Algoritmos Genticos, a Programao Evolucionria e as Estratgias Evolucionrias, entre outros

(TANOMARU, 1995).

3.3.2.3.1

Algoritmos Genticos

Os Algoritmos Genticos (AGs) constituem as tcnicas mais estudadas e difundidas de Computao Evolucionria, pela sua flexibilidade, relativa simplicidade de implementao e eficcia em realizar busca global em ambientes adversos. Vista de forma global, a evoluo natural implementa mecanismos adaptativos de otimizao que, embora estejam longe de serem uma forma de busca aleatria, com certeza envolvem aleatoriedade. este tipo de busca inteligente, mas no determinstica, que os algoritmos genticos tentam imitar (TANOMARU, 1995). Estes algoritmos pertencem classe dos mtodos probabilsticos de busca e otimizao, embora no envolvam variveis aleatrias. Apesar do uso do conceito de probabilidade, os algoritmos genticos tentam dirigir a busca para regies do espao de solues onde provvel a localizao de pontos timos. TANOMARU prope a seguinte definio para os algoritmos genticos: Mtodos computacionais de busca baseados nos mecanismos de evoluo natural e na gentica. Em AGs, uma populao de possveis solues para o problema em questo evolui de acordo com operadores probabilsticos concebidos a partir de metforas biolgicas , de modo que h uma tendncia que, na mdia, os indivduos representem solues cada vez melhores medida que o processo evolutivo continua.

52

De um modo geral, os algoritmos genticos diferenciam-se por operarem sobre uma populao de pontos e no partir de um ponto isolado e em um espao de solues codificadas e no diretamente no espao de busca. Estes algoritmos necessitam somente de informao sobre o valor da funo objetivo para cada membro da populao e usam transies probabilsticas e no regras determinsticas. J o Recozimento Simulado e na Evoluo Estocstica, mtodos que tambm se utilizam de transies probabilsticas, operam sobre pontos isolados (solues candidatas) e analisam diretamente o espao de busca, calculando, a cada deciso, o valor da funo objetivo para a soluo sob anlise. Conforme TANOMARU (1995), os Sistemas Classificadores e a Programao Gentica podem ser vistos como aplicaes especiais de Algoritmos Genticos. O campo da Programao Gentica aplica as idias de algoritmos genticos a estruturas muito mais complexas que seqncias binrias. Cada cromossomo representa uma rvore computacional de tamanho varivel, em contraste com os cromossomos de tamanho fixo da grande maioria dos algoritmos genticos. Assim, a Programao Gentica realiza a gerao automtica de programas de computador para resolver um dado problema. Os Sistemas Classificadores, por sua vez, so basicamente sistemas de produo (regras) adaptativos, em que regras do tipo se-ento evoluem de acordo com um algoritmo gentico. Cada regra denominada um classificador e representada por uma seqncia gerada a partir de um alfabeto (TANOMARU, 1995).

3.3.2.3.2 Os

Programao Evolucionria mtodos de Programao Evolucionria foram originalmente

desenvolvidos por FOGEL (1994). Tipicamente, na Programao Evolucionria h uma populao de N indivduos que so copiados na totalidade numa populao temporria e sofrem mutaes variveis. Um torneio estocstico realizado para extrair a populao seguinte desse grupo de 2N indivduos. No h nenhuma restrio que implique em um tamanho de populao constante e no h recombinao entre os indivduos (TANOMARU, 1995).

53

3.3.2.3.3

Estratgias Evolucionrias

As Estratgias Evolucionrias surgiram na Alemanha, com RECHENBERG e SCHWEFEL (apud TANOMARU,1995) na busca do desenvolvimento de um mtodo eficiente de otimizao de funes reais multimodais e no-diferenciveis. No esquema mais simples de Estratgia Evolucionria, um indivduo-pai gera um s filho atravs de aplicao de mutaes de distribuio Gaussiana, mdia zero e varincia varivel, de modo que pequenas mutaes ocorram mais freqentemente que mutaes mais radicais. Sempre que um filho melhor que o pai gerado, o pai substitudo e o processo reiniciado (TANOMARU, 1995). 3.4 Taxonomia de mtodos de otimizao Na Cincia da Computao, na Engenharia Eltrica e Qumica e na Matemtica, encontramos propostas de diversos mtodos, que poderiam ser classificados segundo variados critrios, tais como natureza matemtica do problema (natureza matemtica da funo objetivo e restries), procedimentos de busca da soluo tima, etc. HILLIER e LIEBERMAN (1980) propem uma taxonomia para os mtodos de otimizao, classificando-os segundo duas grandes categorias: programao matemtica e modelos probabilsticos (Figura 3.2). J EDGAR e HIMMELBLAU (1988) classificam as mtodos de acordo com as caractersticas do problema: funes sem restrio, programao matemtica e processos discretos (Figura 3.3), enquanto GILL et alii (1993) propem uma classificao baseada na natureza da funo objetivo (Figura 3.4).

54

Linear

Programao Matemtica

No linear

MTODOS DE OTIMIZAO

Programao Dinmica

Modelos Probabilsticos

Figura 0.2 -Taxonomia proposta por HILLIER e LIEBERMAN (1980)


uma varivel

Funes sem restrio

multivariveis

MTODOS DE OTIMIZAO

Linear Programao Matemtica No Linear Programao Dinmica Processos Discretos Programao Inteira ou Mista

Figura 0.3 -Taxonomia proposta por EDGAR e HIMMELBLAU (1988)

55

Funes sem restrio

uma varivel

multivariveis

Igualdades Lineares MTODOS DE OTIMIZAO Funes com restries lineares Desigualdades Lineares

Programao Linear Programao Quadrtica

Sujeita a limites

Igualdades no lineares Funes com restries no lineares

Desigualdades no lineares

Figura 0.4 - Taxonomia proposta por GILL et alii (1993) TANOMARU (1995) afirma que existem trs correntes fundamentais de mtodos gerais de otimizao: mtodos probabilsticos, numricos e enumerativos, alm de um grande nmero de mtodos hbridos. A Figura 3.5 apresenta esquematicamente esta proposta de classificao.

56

Analticos

Mtodos Numricos
Baseados em Clculo Numrico

MTODOS DE OTIMIZAO

Modelos Enumerativos

Recozimento simulado

Modelos Probabilsticos

Redes Neuronais Artificiais

Computao Evolucionria

Figura 0.5 - Taxonomia proposta por TANOMARU (1995)

SHANG e WAH (1996) classificam os mtodos de otimizao em mtodos de minimizao local e de minimizao global (Figura 3.6). Mtodos de minimizao local so aqueles que convergem para um mnimo local, e, segundo estes autores, encontram este mnimo local de maneira eficiente, sendo adequados a problemas unimodais. Os mtodos de minimizao global, ao contrrio, empregam estratgias heursticas para procurar o mnimo global e no interrompem o procedimento de busca ao encontrar um mnimo local. No entanto, esta classificao refere-se somente aos mtodos de minimizao de problemas no lineares e sem restries, limitando o escopo da aplicao.

57

MTODOS DE OTIMIZAO NO-LINEARES

Mtodos de Minimizao Local

Mtodos de Minimizao Global

Determinsticos

Probabilsticos

Figura 0.6 - Taxonomia proposta por SHANG e WAH (1996)

As classificaes apresentadas no so abrangentes o suficiente para abarcar os mtodos levantados na literatura consultada. Alm disso, uma outra forma de classificao pode proporcionar uma melhor compreenso da distribuio dos mtodos, facilitando o estabelecimento de relaes entre eles. Assim, prope-se uma nova taxonomia para os mtodos de otimizao, apresentada na Figura 3.7, classificando-os em mtodos Determinsticos e mtodos Probabilsticos.

58

Uma varivel

Funes sem restrio


Multivariveis

Uma varivel

Mtodos Determinsticos

Funes com restrio


Multivariveis

Diviso e Conquista

Processos Discretos

Tcnicas gulosas

MTODOS DE OTIMIZAO

Programao Dinmica

Recozimento Simulado

Mtodos Probabilsticos

Evoluo Estocstica
Algoritmos Genticos

Computao Evolucionria

Programao Evolucionria

Estratgias Evolucionrias

Figura 0.7 - Proposta de nova taxonomia para os mtodos de otimizao

4. OTIMIZAO DO PROJETO DE COLUNAS DE DESTILAO


Os processos de separao so uma fase importante na maioria dos processos industriais. As separaes so necessrias porque as espcies qumicas de uma corrente devem ser enviadas para mltiplos destinos com concentraes especficas. Para alcanar a separao desejada, devemos determinar o melhor tipo e seqncia de separadores a ser usada, avaliar as diferenas de propriedades fsicoqumicas, determinar o nmero de fases em cada separador e estabelecer as condies de operao para todo o processo. A otimizao necessria tanto na fase de projeto do equipamento quanto na determinao das condies timas de operao. No nosso caso, abordaremos a otimizao na fase de projeto. Para que possamos simular e otimizar uma coluna de destilao, necessitamos elaborar um modelo que descreva o problema de projeto de tal equipamento. Neste captulo apresentamos um modelo de projeto de colunas de destilao, aplicado separao de sistemas constitudos por dois componentes (sistemas binrios). A partir deste modelo, propomos a formulao de uma funo objetivo aplicvel ao caso em estudo. 4.1 Modelos de projeto para colunas de destilao Uma coluna de destilao tpica e os equipamentos auxiliares bsicos (condensador e refervedor) pode ser esquematizada conforme mostrado na Figura 4.1. A corrente F designa a taxa de alimentao da coluna, enquanto as correntes D e W designam os produtos destilado e resduo, obtidos como resultado da operao. A introduo da alimentao, em geral, ocorre em um prato intermedirio, dividindo a coluna em duas sees, denominadas Seo Superior ou de Enriquecimento e Seo Inferior ou de Esgotamento.

condensador

60

Corrente de Seo de Enriquecimento Corrente de Alimentao, refluxo


COLUNA

destilado, D

Seo de Esgotamento

refervedor Corrente de Resduo, W

Figura 0.1 - Representao esquemtica de uma coluna de destilao

A razo entre a quantidade de lquido retornada como refluxo e a quantidade retirada como destilado denominada razo de refluxo R. A razo de refluxo inversamente proporcional ao nmero de pratos necessrios separao. Assim, a operao com uma razo de refluxo mnima implicaria em um nmero infinito de pratos, enquanto a operao com refluxo total (mas sem retirada de produtos) corresponderia ao nmero mnimo de pratos. Alm disso, uma alterao no valor da razo de refluxo determina alteraes nas taxas de calor trocadas no condensador e refervedor, implicando em maior ou menor consumo de gua de refrigerao (no condensador) e vapor de aquecimento (no refervedor). As colunas de destilao so modeladas em funo do tipo de contato promovido entre as fases lquido e vapor: contato contnuo ou contato descontnuo. No contato contnuo, as fases lquido e vapor escoam em contracorrente ao longo da coluna e permanecem em contato durante toda sua extenso. Este o caso das colunas recheadas, cujo recheio selecionado de forma a promover maior rea e tempo de contato entre as fases. J no contato descontnuo, o modelo de projeto baseia-se no conceito de estgio (definido no captulo 2), onde as fases lquido e vapor entram em contato, transferem massa entre si e so separadas. Este o caso das colunas de pratos, que podem ser perfurados, valvulados ou com borbulhadores (HENLEY e SEADER, 1981).

61

Os modelos de projeto para colunas de contato contnuo baseiam-se na diferena da taxa de transferncia de massa dos constituintes da mistura, enquanto que no contato descontnuo fundamentam-se na diferena de composio das fases em equilbrio (FOUST et al., 1982). Os modelos de projeto denominados rigorosos envolvem as equaes de balano material e entlpico, alm das relaes de equilbrio. J os modelos simplificados estabelecem algumas hipteses simplificadoras para reduzir o nmero de equaes envolvidas e fornecer resultados menos precisos, mas mais rapidamente obtidos (FOUST, 1982; HENLEY e SEADER, 1987, GOMIDE, 1988). 4.2 Critrios de otimizao para colunas de destilao Vrias so as propostas de algoritmos encontrados na literatura para a otimizao de projeto de colunas de destilao (LOGSDON et alii, 1990; SALCEDO et alii, 1990; SKOVBORG e MICHELSEN, 1992; SRYGLEY e HOLLAND, 1965; WALLER e GUSTAFSSON, 1978). Como critrio de otimalidade, os diversos autores consultados indicam essencialmente critrios econmicos para constituir a funo objetivo. WALLER e GUSTAFSSON (1978) afirmam que a exigncia de mxima separao por prato no poderia ser usada como critrio de otimalidade pois implicaria numa razo de refluxo infinita. Estes autores indicam, como funo a otimizar, o critrio de minimizao da soma dos custos devido a perda do componente mais voltil no fundo, custos com a perda do componente mais pesado na corrente de topo e custos da gerao de vapor no refervedor. MOURA (1981) afirma que, traando uma curva de custo anual total (soma do custo das utilidades (gua, vapor de aquecimento, etc.) e investimento) contra a razo de refluxo, se pode constatar que ela passa por um mnimo para razo de refluxo de 1,1 a 1,25 vezes o refluxo mnimo, a partir da nlise de 70 destilaes de

hidrocarbonetos. No caso de refluxos acima deste "timo", KING (1980) recomenda o projeto considerando uma razo de refluxo 20 a 30 % superior ao mnimo, j que o custo total de apenas 2 a 6 % acima do custo timo. Estas recomendaes baseiam-

62

se em experincias prvias dos autores, mas no podem servir como regra para a determinao da razo de refluxo mais adequada a uma determinada separao. DOUGLAS (1988) prope a minimizao do custo anual, expresso em funo do custo de capital (custo da coluna, refervedor e condensador, nmero de pratos) e custo das utilidades (gerao de vapor de aquecimento), enquanto LOGSDON et alii (1990) baseiam-se no critrio proposto por DOUGLAS, relacionando o custo anual com a quantidade de destilado produzido e custo da alimentao. Pelo exposto, podemos inferir que no existe um consenso entre os autores consultados, quanto funo objetivo mais adequada para otimizar o projeto de colunas de destilao. Alm disso, alguns autores mencionam a existncia de um conjunto de heursticas de projeto, derivadas de dados empricos, indicando que a complexidade do problema no permite o estabelecimento de uma nica estratgia de soluo. Dentre as sugestes encontradas, optamos por considerar a funo objetivo proposta por DOUGLAS (1988) pois esta leva em conta no s o custo da coluna (casco mais pratos), mas tambm envolve o consumo de energia, atravs das estimativas das taxas de gua de refrigerao e vapor de aquecimento. Este consumo de energia diretamente afetado pela alterao dos requisitos de projeto, por exemplo, condio trmica da alimentao (introduzida na coluna na forma de vapor ao invs de lquido), e intimamente ligado s condies de temperatura e presso de operao da coluna. 4.3 Modelos de projeto para colunas de destilao de pratos O projeto completo de uma coluna de pratos envolve diversas etapas, que poderemos caracterizar como: - clculo das taxas de produto fornecidas pela coluna, - clculo do nmero de pratos e - determinao da altura e dimetro da coluna. Dentre estas etapas, a determinao do nmero de pratos normalmente a etapa crtica, pois afetada diretamente pela especificao dos requisitos de projeto.

63

De um modo geral, as destilaes na prtica industrial envolvem misturas multicomponentes, porm a compreenso dos princpios da destilao de misturas binrias particularmente importante do ponto de vista didtico, pois constitui a base para as operaes mais complexas. Alm disso, permite o estabelecimento de hipteses simplificadoras que no afetam o projeto, mas facilitam a identificao da influncia das variveis envolvidas (requisitos de projeto) sobre o processo. O algoritmo esquematizado na Figura 4.2 permite o dimensionamento de colunas de destilao de pratos para separao de sistemas binrios e baseia-se no mtodo de Lewis-Sorel (HENLEY e SEADER,1981).

DIMENSIONAMENTO DE UMA COLUNA DE DESTILAO 1. ENTRADA DE DADOS Para o sistema a ser separado, devemos especificar : - quais os componentes a separar - taxa (F) e composio (xF) da corrente de alimentao - composies das correntes produto: destilado (xD) e resduo (xW) - condio trmica da alimentao, q - temperatura e presso de operao A especificao das condies de operao da coluna determinam a volatilidade relativa (alfa) do sistema. 2. CLCULO DAS CORRENTES PRODUTO - Estabelecimento do balano material As correntes de produto so calculadas a partir dos dados especificados D = F (xF - xW)/(xD - xW) W=F-D 3. ESTIMATIVA DA RAZO DE REFLUXO MNIMA A coluna opera, em geral, com uma razo de refluxo R, igual a razo L (lquido proveniente do condensador, que retorna coluna) e D (taxa de destilado) superior ao valor mnimo. Por isso, o algoritmo determina primeiro o valor da razo mnima, como funo da condio trmica da alimentao, volatilidade relativa e composies de F e D. 4. CLCULO DAS TAXAS INTERNAS DE LQUIDO E VAPOR As taxas internas designam as taxas de lquido e vapor que escoam no interior da coluna: Ln = R D // taxa de lquido na seo superior Vn = (R + 1) D // taxa de vapor na seo superior Lm = Ln + q F // taxa de lquido na seo inferior Vm = Vn - (1 -q) F // taxa de vapor na seo inferior

64

5. INTERSEO DAS LINHAS DE OPERAO A determinao da interseo das linhas de operao, atravs da coordenada xint, indica o prato de introduo da alimentao, ou seja, a passagem da seo superior para a inferior.
x int = x F ( R + 1) x D (q 1) ( R + q)

6. DETERMINAO DO NMERO DE PRATOS TERICOS DA COLUNA O clculo do nmero de pratos (ou estgios) tericos (ou ideais) realizado a partir da variao das composies do lquido (x) e vapor (y) que escoam atravs da coluna. As composies do lquido e vapor que se cruzam na seo superior so representadas pelas variveis xn e yn+1, respectivamente. Na seo inferior, as composies do lquido e vapor so denominadas de xm e ym+1. Iniciando no prato de topo, o procedimento segue at a identificao do prato de introduo da alimentao, determinado pela comparao do valor de x com xint , calculado no passo anterior. Enquanto xn xint
xn = y n +1 y n+1 = x R xn + D R +1 R +1

y n +1 + (1 - y n+1 )

NumPratosSuperior = NumPratosSuperior + 1 Quando xn torna-se menor que xint , indica que estamos na seo inferior e devemos utilizar a equao da linha de operao correspondente, considerando xm = xn. O procedimento repetido at ser alcanada a composio do resduo, xW. Enquanto xm >= xw
y m+1 = Lm W . xW xm Vm Vm y m +1 xm = y m+1 + (1 - y m+1 )

NumPratosInferior = NumPratosInferior +1 NumPratosTotal = NumPratosSuperior + NumPratosInferior. 7. ALTURA DA COLUNA Altura = (NumPratosTotal+1)*DistanciaEntrePratos 8. DETERMINAO DO DIMETRO DO TOPO DA COLUNA (mtodo de Fair) O dimetro estimado em funo da velocidade do vapor que causaria inundao da coluna. Algumas regras prticas so sugeridas pelo mtodo de FAIR (apud

65

WANKAT, 1988) para determinao da velocidade de operao e correspondente dimetro, fornecendo a equao
Diametro = sqrt(4*TaxaMassicaVapor/(3.1416*0,90*DensVapor* 0,75*VelocInund*3600));

Figura 0.2 - Algoritmo de aplicao das equaes do mtodo de Lewis-Sorel para dimensionamento de colunas de destilao

4.4

Formulao das funes objetivo aplicveis ao projeto de colunas A formulao de funes objetivo uma das etapas cruciais na aplicao da

otimizao a um problema prtico. Devemos ser capazes de traduzir uma afirmao verbal ou conceito do objetivo desejado em termos matemticos. Nas indstrias de processos qumicos, a funo objetivo expressa em unidades monetrias porque a meta do empreendimento minimizar custos ou maximizar lucros sujeitos a uma grande variedade de restries.

4.4.1

Estimando custos A maioria dos mtodos modernos de estimativas de custos usam correlaes

de custo baseadas em dados histricos ou projetados. Tais correlaes so usualmente expressas em termos das variveis de operao ou de projeto, as quais, por sua vez, podem corresponder s variveis independentes que podem ser otimizadas. As correlaes para estimativa de custos geralmente so utilizadas nas estimativas denominadas preliminares (projeto bsico), envolvendo uma preciso que recai na faixa de -15 a +30%. J as estimativas definitivas, que envolvem o desenvolvimento de desenhos e especificaes completas (projeto detalhado), recaem numa faixa de preciso entre -5 a +15 % (EDGAR e HIMMELBLAU, 1988). Os custos de operao so normalmente simples de estimar e envolvem os custos de matria-prima, mo-de-obra, superviso, manuteno, estoques, utilidades (vapor, gs, eletricidade, combustvel), taxas e seguro. Conhecidos os fluxos de matria-prima e utilidades, simplesmente multiplicamos o fluxo pelo seu custo

66

unitrio. Quanto aos custos de capital (instalao e localizao, instrumentao, isolamento, taxas, etc.) existem inmeras formas de estimativas, desde clculos rpidos de limitada preciso at clculos detalhados , mas mais precisos. Para projetos bsicos, necessitamos de uma abordagem que propicie avaliaes simples e rpidas. Por isso, normalmente, utilizam-se correlaes, obtidas atravs do estabelecimento de relaes entre o preo mdio de mercado e o tamanho dos equipamentos disponveis.

4.4.1.1 Correlaes de GUTHRIE GUTHRIE (1969) publicou um conjunto de correlaes de custo que incluam informaes tanto sobre custos de aquisio quanto instalao dos principais foram

equipamentos utilizados nas indstrias qumicas. Estas correlaes

inicialmente propostas com o objetivo de apoiar a avaliao econmica durante a fase de projeto bsico de plantas de processos qumicos. O mtodo foi desenvolvido baseado em dados de quarenta e dois projetos de plantas de processo.

4.4.1.2 Correlaes ASPEN Outro conjunto de correlaes foi desenvolvido pelo Projeto ASPEN

(EVANS et alii, 1979) , usando dados da empresa PDQ$ Inc. Estas correlaes so parte de um programa de projeto auxiliado por computador e, portanto, as correlaes esto todas em forma numrica, ao invs de grficos como na maioria das outras fontes.

4.4.2

Atualizando as correlaes de custo As correlaes de Guthrie proporcionam muito mais informaes que a

maioria das correlaes de custo disponveis na literatura, embora sejam to simples de usar quanto as demais (DOUGLAS, 1988). No entanto, estas correlaes foram desenvolvidas em 1968. Evidentemente, o custo aumenta com o passar do tempo e

67

devemos estar aptos a atualizar as correlaes de custo. Vrios mtodos podem ser usados com este propsito, mas, de modo geral, envolvem a multiplicao do custo bsico em um certo ano pela razo entre o ndice de custo de algum outro ano e o ndice de custo do ano base. Um dos ndices mais populares deste tipo publicado por Marshall e Swift (M&S) e atualizado mensalmente pela revista Chemical Engineering . 4.5 Estimando custos para colunas de destilao A estimativa dos custos de capital para o equipamento de destilao , assim como a estimativa de custo de outros equipamentos, baseada na determinao do custo bsico dos componentes principais, o qual ser multiplicado por um fator para obter um custo que cubra a compra e a instalao (ROSE, 1985). Os itens principais no equipamento de destilao so: a coluna, trocadores de calor, vasos e bombas. Apresentamos a seguir as correlaes propostas por

GUTHRIE (1969) e adaptadas por DOUGLAS (1988), no sistema de unidades tcnico americano conforme proposto originalmente.

4.5.1

Coluna Uma vez calculada a altura e dimetro da torre, podemos usar as correlaes

para estimar o custo da torre, isto , o custo do casco, considerado como um vaso de presso, mais o custo dos pratos. Como uma aproximao, DOUGLAS (1988) sugere que os custos dos pratos sejam considerados como sendo 20% do custo do casco (admitindo que o material seja ao carbono). O autor ainda sugere um fator de 1/3 para transformar o custo do equipamento instalado em um valor anual. Assim, temos:
M & S 0 ,8 CCOLUNA = 1 (120 D T H )(2.18 + FC ) 3 280

(4-1)

onde M&S o ndice de Marshall e Swift para correo da inflao

DT o dimetro da coluna (e dos pratos), em ft

68

H a altura da coluna, em ft. Fc um fator de correo que leva em conta o material da coluna e a presso de operao.

4.5.2

Equipamentos auxiliares Para colunas de destilao, devemos tambm projetar e estimar o custo do

condensador e refervedor, alm de especificar as exigncias da gua de resfriamento e vapor de aquecimento.

4.5.2.1 Condensador e gua de refrigerao A situao mais comum considerar um condensador total. Assim, a carga trmica do condensador o calor requerido para condensar completamente o vapor de topo da coluna. Considerando que a gua de resfriamento entre a 90 0F e sai a 120 0F, o balano trmico fornece:
Q C = H Vn Vn = U C A COND Q C = m agua C p (120 90) 120 90 T 90) ln[( eb (Teb 120)]

(4-2)

A estimativa da rea de troca trmica (ACOND), conforme DOUGLAS (1988), necessita das informaes sobre o calor latente de vaporizao do vapor de topo e fundo, bem como suas respectivas taxas molares.
(Teb - 90) H Vn A COND = Vn log 30 100 (Teb 120)

(4-3)

onde considera-se - Cp o calor especfico da gua, em Btu/lbm.F - ACOND a rea de troca trmica do condensador, em ft2 ;

69

- UC o coeficiente global de transferncia de calor (considerado aqui igual a 100 Btu/(h.ft2.F) - Vn a taxa molar de vapor que alimentado ao condensador, lbmol/h - HVn o calor latente molar de vaporizao, em Btu/lbmol - Teb a temperatura de ebulio do vapor de topo, em F. e a taxa requerida de gua de resfriamento
H Vn m agua = Vn 30

(4-4)

DOUGLAS (1988) ainda estabelece como simplificaes: - custo da gua: US$ 0,01 por 1000 gales - trocador de calor com rea de 1000 ft2 e custo de US$ 8900; - trocador de cabea flutuante, ao carbono, operando a uma presso menor que 150 psig - fator de instalao de 3,29. A considerao destas hipteses leva expresso do custo :
H Vn T 90 M& S ln eb C Condensador = 328 280 Teb 120 3000 M& S 0 , 65 C agua = (328 A COND ) 280
0 ,65

Vn0 ,65

(4-5)

(4-6)

onde Ccondensador o custo do condensador Cgua o custo do consumo de gua de refrigerao.

70

4.5.2.2 Refervedor e suprimento de vapor de aquecimento O balano trmico no refervedor apresentado na equao (4-7), considerando que o vapor dgua fornecido em quantidade suficiente para produzir Vm mis/h de vapor na base da torre.
Q ref = H Vm Vm = U ref A referv Tmedio = m vapor H vaporizacao (4-7)

onde (Uref x DTmedio ) estimado em 11.250 Btu/(h.ft2) e a rea, calculada por


H Vm Vm A referv = 11.250

(4-8)

onde Areferv a rea de troca trmica no refervedor, em ft2 ; - Vm a taxa molar de vapor que alimentado ao condensador, lbmol/h - HVm o calor latente molar de vaporizao, em Btu/lbmol - Uref o coeficiente global de transferncia de calor do refervedor - mvapor a taxa requerida de vapor de aquecimento, em lbm/h - Hvaporizao o calor latente de vaporizao do vapor de aquecimento, em Btu/lbm A taxa de vapor requerida
m vapor = H Vm Vm H vaporizacao

(4-9)

4.5.3

Custo total instalado de uma coluna de destilao O custo total de uma coluna portanto a soma de todos os custos bsicos

multiplicados pelo fator que converte o custo bsico em custo total instalado. Para este tipo de equipamento, este fator igual a 4,0 (PERRY e CHILTON, 1973). O custo final tem de ser corrigido pela inflao desde 1968 usando um fator de inflao fI .

71

Custo total =

(custos dos componentes)

f I 4,0

(10)

Considerando o fator de correo da inflao de M&S de maio de 1996 (1046,3), a expresso do custo total (coluna + trocador) torna-se Custo total = (CCOLUNA + CCONDENSADOR+CREFERVEDOR) * (1046,3/280) * 4.0 ou Custo total = (CCOLUNA + CCONDENSADOR+CREFERVEDOR)* 14,9471 (11) 4.6 Anlise da funo custo A funo custo apresentada na seo 4.4 foi representada como funo das variveis de projeto (Figuras 4.3 e 4.4), evidenciando sua caracterstica multimodal.

Figura 0.3 - Representao da funo custo aplicada colunas de destilao

72

0,55

0,5

Custo (US$ x 10e-3)

0,45

0,4

0,35

0,3 0 2 4 6 8 10 Amostra 12 14 16 18 20

Figura 0.4 - Projeo da funo custo para colunas de destilao

5. PROJETO AUTOMATIZADO DE COLUNAS DE DESTILAO

5.1

Introduo Vrios so os mtodos de otimizao disponveis e aplicveis ao projeto de

colunas de destilao e a seleo do mtodo mais adequado deve passar pela anlise cuidadosa do tipo de problema a ser resolvido (operao ou projeto) e o modelo selecionado para descrever a coluna de destilao. EDGAR e HIMMELBLAU (1988) classificam os problemas de otimizao de colunas de destilao segundo as seguintes categorias: - Determinao das condies timas de operao para uma coluna j existente alcanar uma desempenho especfico com custo mnimo (consumo mnimo de energia): problema que pode ser resolvido por um mtodo de programao no linear; - Determinao das condies de operao e o nmero (mnimo) de estgios (pratos da coluna) requeridos para a separao: problema de programao no linear mista. Neste tipo de problema, os custos incluem tanto os custos de capital quanto os de operao; os custos de capital aumentam com o nmero de estgios e as razes de refluxo internas, enquanto os custos de operao decrescem at um certo ponto. Suas caractersticas, no entanto, permitem soluo atravs de tcnicas de busca randmica, programao quadrtica ou atravs do uso de tcnicas baseadas em modelos probabilsticos. - Determinao do nmero de estgios e a localizao tima da alimentao e retirada(s) lateral (ais): Neste caso, nos deparamos com problemas que exigem, para sua soluo, no somente reunir um conjunto de equaes que descreva o problema (modelo), mas tambm o auxlio da experincia prtica. A literatura fornece algumas heursticas, originrias da experincia industrial. O problema de projeto de colunas de destilao proposto em nosso estudo envolve a determinao do nmero de estgios e a localizao tima da introduo da

74

alimentao para uma coluna separando uma mistura binria. Por suas caractersticas, podemos classific-lo como pertencente a terceira categoria proposta por EDGAR E HIMMELBLAU (1988), j que envolve um conjunto de equaes no lineares e um conjunto de restries estabelecidas a partir de heursticas, indicando que o mtodo de otimizao adequado deve levar em conta estas restries. Neste captulo apresentamos uma breve descrio do mtodo de otimizao selecionado para a implementao do prottipo SINCO e o mapeamento do algoritmo original para o problema de otimizao do projeto de colunas de destilao de pratos. 5.2 Mtodos de otimizao aplicveis ao problema de projeto de colunas de destilao Conforme discutido anteriormente, os mtodos de otimizao podem ser classificados em determinsticos e probabilsticos. Tradicionalmente, a otimizao do projeto de colunas de destilao tem sido realizada com o auxlio de mtodos determinsticos, como por exemplo programao linear, programao no linear mista, etc. No entanto, o nmero de equaes envolvidas, a no linearidade destas equaes, o nmero de variveis de projeto a serem especificadas e o conjunto de restries indicam que este problema complexo e, possivelmente, melhor tratado por um mtodo probabilstico. Para implementar o prottipo de uma ferramenta de sntese, optamos pelo mtodo probabilstico proposto por SAAB e RAO (1991), denominado Evoluo Estocstica, descrito no captulo 3. Este mtodo foi escolhido por ter sido recentemente proposto como uma evoluo de um mtodo probabilstico de sucesso, o Recozimento Simulado (KIRKPATRICK et alii, 1983) e pelo nosso conhecimento sobre sua utilizao.

75

5.2.1

O mtodo de Evoluo Estocstica Como introduzido no captulo 3, o mtodo de Evoluo Estocstica, foi

proposto para superar algumas dificuldades encontradas na implementao do mtodo de Recozimento Simulado (KIRKPATRICK et alii, 1983). No modelo de estados proposto por SAAB e RAO (1991), um estado definido como uma funo S: M L , onde M um conjunto finito de elementos mveis e L, um conjunto finito de posies. O mtodo baseia-se na idia de que a movimentao adequada de cada elemento m M de sua localizao corrente S(m) proporciona um custo menor para o estado S. Em linhas gerais, o algoritmo de Evoluo Estocstica (EE) pode ser descrito pelo algoritmo apresentado na Figura 5.1.

Algoritmo Geral de Evoluo Estocstica S = So ; SMELHOR = S; p = po ; cont = 0 ; r = 1;


// estado inicial // salva o estado inicial como melhor // inicializa o parmetro de controle // inicializa contador

REPEAT CPREVIO= CUSTO (S) // calcula o custo do estado S S = PERTURBEE (S, p); CATUAL= CUSTO (S); UPDATE (p, CPREVIO , CATUAL); IF (CUSTO (S) < CUSTO (SMELHOR)) THEN SMELHOR= S; // salva o melhor estado cont = cont - r ; // decrementa o contador de r ELSE cont = cont + 1; // incrementa o contador ENDIF; UNTIL cont > r: // critrio de parada RETURN ( SMELHOR): // retorna o melhor estado Figura 0.1 - Algoritmo de Evoluo Estocstica Fonte: SAAB e RAO(1991)

76

A entrada do algoritmo EE um estado inicial So , um valor inicial para o parmetro de controle p e um parmetro r usado como critrio de parada. O algoritmo EE retm o estado de menor custo entre aqueles produzidos pela funo PERTURBEE (cujo algoritmo apresentado na Figura 5.2). Cada vez que um estado encontrado e possui um custo menor que o melhor estado (SMELHOR), o algoritmo decrementa o contador cont, mas o "recompensa", iteraes. funo PERTURBEE (S,p)
FOR EACH (m M ) DO S' = MOVE (S,m); m GANHO (M) = CUSTO (S) - CUSTO (S' ); IF (GANHO(M) > RANDINT (-p, 0)) THEN S = S'; ENDIF; ENDFOR; S = MAKE_STATE (S) ; RETURN (S) ; //provoca o movimento associado a // calcula o ganho do movimento // movimento aceito

aumentando o nmero de

// garante que S um estado // retorna um estado vizinho

Figura 0.2 - Algoritmo da funo PERTURBEE Fonte: SAAB e RAO(1991) Durante cada chamada da funo PERTURBEE , os elementos do conjunto M de elementos mveis so explorados segundo alguma ordem preestabelecida (SAAB e RAO, 1991). Quando o elemento m M explorado, associa a m um movimento simples de S que gera uma nova funo S': M L tal que S'(m) S(m). importante notar que um movimento a partir de S associado a m gera uma funo nica S' . O GANHO (m) definido como uma reduo do custo depois de ocorrer um movimento. A funo PERTURBEE decide estocasticamente se aceita ou no o movimento associado ao elemento m pesquisado, com a ajuda de um parmetro de controle no negativo p. O valor de GANHO(m) comparado com um inteiro i randomicamente gerado no intervalo [-p , 0]. Se GANHO(m) > i , ento o movimento para S' aceito; em caso contrrio, rejeitado. Note que sempre i 0; portanto, movimentos com ganhos positivos sempre sero aceitos.

77

O parmetro r age como o nmero esperado de iteraes que o algoritmo EE necessita at que CATUAL < CUSTO (SMELHOR), isto , at que ocorra um aumento do custo. Se tal aumento ocorrer em < r iteraes , ento s r - iteraes so somadas as r iteraes seguintes. O algoritmo ento ir analisar o prximo elemento de M. Se, depois de pesquisar todos os elementos de M, a funo final S gerada no satisfizer as restries do problema, a funo MAKE_STATE(S) chamada para reverter algum nmero dentre os ltimos movimentos aceitos de forma a satisfazer as restries. A figura 5.3 apresenta a pseudo-funo UPDATE, responsvel pela atualizao do valor do parmetro de controle p. No algoritmo implementado por SAAB e RAO (1991), p um conjunto de valores no-negativos prximos de zero. Tal escolha para p significa que somente movimentos com ganhos negativos pequenos sero realizados. Os autores salientam que movimentos, com ganhos negativos muito grandes, tendem a dificultar o processo de otimizao e somente aumentar o tempo de processamento do algoritmo. Assim, o valor de p somente aumentado quando necessrio, isto , quando detectamos um possvel mnimo local, permitindo que o algoritmo escape de um vale. Procedimento UPDATE( p , CPREVIO, CATUAL );
IF ( CPREVIO = CATUAL ) THEN p = f(p); ELSE ENDIF; p = p0; // altera o valor do parmetro de controle // retorna ao valor de p inicial

Figura 0.3 - Algoritmo da pseudo-funo UPDATE original Fonte: SAAB e RAO(1991) Depois de cada passo da funo PERTURBEE , a funo custo CATUAL do novo estado comparada com a funo custo CPREVIO do estado anterior. Se ambos forem iguais, ento p aumentado para um novo valor f(p) p. Em caso contrrio, p volta a assumir seu valor inicial.

78

Um problema potencial associado ao algoritmo de Evoluo Estocstica a falta de grandes saltos (hill climbing steps). A soluo pode circular ao redor de um mnimo local se o vale for muito profundo. No existe um mecanismo para evitar a possibilidade de retorno ao mesmo mnimo local, depois de algumas etapas. Para evitar este problema (CALAZANS et alii, 1992) propem a utilizao de uma funo que gera um estado aleatrio se a melhor soluo no alcanada depois de r tentativas (ou etapas). O valor de r escolhido como o nmero esperado de iteraes para alcanar a melhor soluo. 5.3 Adaptao do Algoritmo de Evoluo Estocstica para otimizao do projeto de colunas de destilao No caso do projeto da coluna de destilao, o estado inicial uma n-tupla de variveis que identificam uma soluo candidata do problema de otimizao. No caso em estudo, as variveis que constituem as n-tuplas so: a razo de refluxo (atravs da especificao do multiplicador da razo mnima), a condio trmica da alimentao, a temperatura e presso de operao e a distncia entre pratos. A identificao da influncia destas variveis sobre a funo objetivo (funo custo) discutida a seguir, no captulo 6. A Figura 5.4 apresenta nossa proposta para a adaptao do algoritmo EE para a otimizao de colunas de destilao. Os movimentos propostos no algoritmo

PERTURBASINCO (adaptao do algoritmo PERTURBEE) sero movimentos compostos, prevendo a alterao simultnea das variveis do conjunto V. As pseudo-funes PERTURBASINCO e MOVIMENTOSINCO, adaptadas ao projeto de colunas de destilao, so apresentadas nas Figuras 5.5 e 5.6. A adaptao da pseudo-funo original prope a alterao estocstica da condio trmica da alimentao e multiplicador da razo de refluxo e a avaliao exaustiva das seis possibilidades de valores para a distncia entre pratos, consideradas na determinao do dimetro da coluna. Dentre estes valores, o de menor custo o considerado como o novo estado da coluna. Otimizador Estocstico S = So ;
// recebe estado inicial

79

SMELHOR = S; ParametroControle = 500; Contador = 0; LimiteContador = 15;

// armazena S como estado melhor // inicializa o parmetro de controle // inicializa contador // inicializa o critrio de parada

REPEAT CustoPrevio = CustoAtual; S = PERTURBASINCO (ParametroControle); CustoAtual = Custo(S) ; ParmetroControle = ATUALIZASINCO (ParmetroControle, CustoPrvio, CustoAtual); IF ( CustoAtual < CustoMelhor)
THEN SMELHOR = S; Contador = Contador - LimiteContador; ELSE Contador = Contador + 1;

ENDIF; UNTIL ( Contador > LimiteContador); RETURN( SMELHOR) Figura 0.4 - Algoritmo de Evoluo Estocstica adaptado

Custo (S) CalculaCustoCasco(Altura (S), Diametro(S)) a = (0.778 - 0.000082 * Altura(S)) * log(3.281 * Diametro(S)); b = 0.9199 * sqrt(Altura(S)* 0.3028) - 1.433; f = a + b; nCustoCasco = exp(1.33 * f - 0.541); CalculaCustoPrato (NumPratoReal(S), Diametro(S)) CustoPrato= NumPratoReal(S) * ( 0.030 + 0.038 * Diametro(S)2); CalculaCustoTrocadores (CalorLatVapVn, CalorLatVapVm,Vn, Vm) CustoTrocadores = CustoCondensador + CustoRefervedor ; CustoTotal = (CustoCasco + CustoPrato + CustoTrocadores ) RETURN Custo (S) Figura 5.5 - Algoritmo para clculo da funo custo PERTURBASINCO (p) SANTERIOR = SATUAL; SNOVO = MOVIMENTOSINCO ( ); GANHO = CustoMelhor - CustoNovo;

80

aleatrio = random (- p); IF (Ganho > aleatrio) THEN return (SNOVO); return (SANTERIOR); Figura 0.6 - Algoritmo da pseudo-funo PERTURBASINCO O GANHO (Figura 5.6) considerado como a reduo do custo, que pode ocorrer depois de um movimento, e calculado pela diferena entre o custo do melhor estado e o custo do novo estado gerado pela funo PERTURBASINCO. No nosso caso, este custo definido como o custo total anual da coluna, envolvendo os custos da coluna (funo da altura e dimetro) e custos de energia (calor trocado no condensador e refervedor), determinados aps a gerao de uma soluo para o conjunto de requisitos especificados. O valor de GANHO comparado com um inteiro aleatoriamente gerado no intervalo limitado pelo valores (-ParmetroControle) e zero. Se GANHO maior do que o nmero aleatrio gerado, ento o movimento para o novo estado aceito; caso contrrio, o sistema retorna ao estado anterior, rejeitando o movimento. Como o nmero aleatrio gerado sempre menor ou igual a zero, os movimentos com ganhos positivos sempre sero aceitos e o algoritmo passar ento a analisar o prximo movimento. MOVIMENTOSINCO ( ) ALTERACondioTrmica( ); ALTERA Multiplicador( ); ALTERADistnciaEntrePratos ( ); return (S) ; Figura 0.7 - Algoritmo proposto para a funo MOVIMENTOSINCO Depois de cada passo da funo PERTURBASINCO , a funo custo CATUAL do novo estado comparada com a funo custo CPRVIO do estado anterior. Se ambos forem iguais, ento ParmetroControle aumentado para um novo valor maior que o anterior. No nosso caso, este valor determinado atravs de um nmero aleatrio gerado no intervalo [500,1000]. Em caso contrrio, ParmetroControle volta a

81

assumir seu valor inicial. O valor inicial do parmetro de controle foi estabelecido como igual a 500 porque a funo Custo fornece valores da ordem de 103. O parmetro LimiteContador age como o nmero esperado de iteraes que o algoritmo EE necessita at que CATUAL seja menor que o CMELHOR, isto , at que ocorra uma diminuio do custo. Se esta diminuio ocorrer em nmero de iteraes menor que o limite estabelecido (aqui denominado LimiteContador), ento as iteraes j realizadas so somadas s iteraes seguintes. A qualidade do estado final obtido aumenta com o tempo de execuo do algoritmo EE, portanto a escolha adequada do nmero limite de iteraes muito importante. SAAB e RAO(1991) afirmam que um valor para o limite de iteraes entre 10 e 20 fornece bons resultados. O procedimento ATUALIZASINCO (Figura 5.8) o principal responsvel pela atualizao do valor do parmetro de controle (adaptao da funo UPDATE (SAAB e RAO,1991)). Devemos observar que movimentos com ganhos negativos muito grandes tendem a dificultar o processo de otimizao e somente aumentar o tempo de processamento do algoritmo. Assim, o valor do parmetro de controle aumentado somente quando identificada a possibilidade do algoritmo estar no entorno de um mnimo local.
ATUALIZASINCO ( p, CustoPrevio, CustoAtual)

IF ( CustoPrevio = CustoAtual) THEN p = aleatrio (500, 1000); ELSE p = 500 ; RETURN (p); Figura 0.8 - Algoritmo proposto para a funo ATUALIZASINCO A adaptao do algoritmo de Evoluo Estocstica ao projeto de colunas de destilao, apresentada atravs das Figuras 5.4 a 5.8, foi implementada no prottipo SINCO. No captulo 6 apresentamos algumas consideraes sobre esta

implementao e o comportamento do sistema sob anlise durante a realizao de estudos de casos.

6. UM PROTTIPO DE SINTETIZADOR DE COLUNAS DE DESTILAO


A abordagem de sntese automatizada uma alternativa para a conduo do processo de projeto de colunas de destilao. A ferramenta computacional construda no escopo do presente trabalho capaz de gerar automaticamente uma soluo para o problema de projeto e avaliar o desempenho desta. Isto feito a partir da especificao de requisitos pelo usurio. A ferramenta responsvel pelo cmputo de um conjunto de restries que definem o problema de otimizao, junto com o conjunto de variveis intrnsecas ao(s) modelo(s) de sntese embutido(s) na ferramenta. Com vistas a validar parcialmente algumas das idias propostas,

implementamos um prottipo de um sintetizador de colunas de destilao, denominado SINCO (SINtetizador de COlunas). Este captulo descreve a implementao do SINCO e apresenta os resultados obtidos a partir de alguns estudos de casos. 6.1 Descrio do prottipo SINCO O aplicativo denominado SINCO - SINtetizador de COlunas de destilao um sistema computacional projetado mediante o uso do paradigma de orientao a objetos (WIRFS-BROCK et alii, 1990) e implementado na linguagem C++ (STROUSTRUP, 1991) em ambiente Windows (BORLAND, 1992). A Figura 6.1 apresenta um esquema da concepo do prottipo SINCO. Para validar a Abordagem de Sntese Automatizada, optamos pelo estudo do processo de projeto de colunas de destilao. Este estudo exigiu o estabelecimento de Modelos de Projeto para a coluna e seleo de um Mtodo de Otimizao adequado ao problema. A abordagem de Orientao a Objetos auxiliou na implementao de um sistema informatizado com uma interface amigvel, j que um de seus objetivos o uso no ensino de Engenharia Qumica. O emprego do SINCO proporciona novas

83

possibilidades de pesquisa no desenvolvimento de ambientes de projeto em Engenharia Qumica. As sees 6.1.1 e 6.1.2 apresentam a descrio do sistema sob o ponto-de-vista do usurio e do implementador.

Implementao segundo a Orientao a Objetos

Abordagem de Sntese Automatizada Modelo de Coluna

Utilizao: Ensino

SINCO

Mtodo de Otimizao

Ambientes de Projeto

Figura 0.1- Prottipo SINCO

6.1.1

Viso do usurio A Figura 6.2 apresenta a representao do sistema computacional SINCO,

atravs de um Diagrama de Fluxo de Dados (DFD), seguindo a representao proposta por GANE e SARSON (1983). No DFD apresentado, a entidade Projetista representa o usurio que interage com o sistema. Inicialmente, o Projetista fornece ao sistema um conjunto de especificaes de entrada: caractersticas da(s) correntes a ser(em) tratada(s)

84

(especificao dos componentes a serem tratados; taxa, composio e condio trmica da corrente de alimentao); propriedades fsico-qumicas dos componentes a serem tratados e requisitos (tipo de coluna, razo de refluxo, temperatura e presso de operao) e as especificaes de sada esperadas: caractersticas das correntes produtos (composies ou taxas ou percentual de recuperao de um componente). O processo Trata Propriedades identifica, a partir da especificao dos componentes, se suas propriedades esto armazenadas no depsito de dados denominado Propriedades. Se estas propriedades esto armazenadas, elas podem ser apresentadas ao usurio para confirmao ou atualizao. Em caso contrrio, o usurio poder cadastrar as informaes sobre o novo componente. Este depsito de dados elimina a necessidade do usurio consultar tabelas e manuais durante a atividade de projeto. O processo Trata Requisitos recebe as informaes sobre a descrio da coluna a ser projetada e armazena estas informaes no depsito de dados denominado Coluna.. Este processo analisa as informaes fornecidas pelo projetista e, caso algum valor no tenha sido especificado, solicita ao depsito de dados Requisitos o valor por omisso do requisito no especificado. O contedo dos depsitos de dados ou arquivos lgicos (Propriedades, Coluna e Requisitos) foi definido atravs da anlise dos contedos dos fluxos de dados que entram e saem dos respectivos arquivos. A partir dos dados da coluna, das propriedades dos componentes e dos requisitos, o processo Gera Coluna gera (calcula) uma coluna e informa o resultado ao Projetista. O prottipo implementado utiliza o algoritmo apresentado no captulo 4 (Figura 4.2) para calcular as dimenses da coluna (nmero de pratos, altura e dimetro). A coluna gerada corresponde a uma soluo do problema de projeto e o sistema pode, por opo do Projetista, buscar uma soluo tima para o problema. A cada momento, o usurio tem a possibilidade de obter relatrios dos resultados intermedirios e assim avaliar as conseqncias de suas alteraes, pois os dados da coluna gerada so apresentados ao projetista.

85

Dados de propriedades Propriedades Propriedades para arquivo

PROPRIEDADES

PROJETISTA

Solicitao de propriedades

1 Trata Propriedades
Dados de propriedades para gerao

Informaes de propriedades

Descrio Informaes de requisitos

COLUNA

PROJETISTA

Dados de coluna para gerao

Coluna gerada

Solicitao de otimizao

Requisitos

2 Trata Requisitos

Informaes da coluna

3 Gera Coluna

Dados de requisitos

Dados de requisitos para gerao Coluna otimizada

Dados de requisitos para alterao REQUISITOS Requisitos para arquivo Requisitos alterados

4 Otimiza Coluna

Dados de coluna para otimizao

Informaes sobre coluna otimizada

COLUNA

Figura 0.2 - Diagrama de fluxo de dados do prottipo SINCO Por solicitao do Projetista, o processo Otimiza Coluna altera os valores dos requisitos seguindo o algoritmo do mtodo de otimizao escolhido at que o processo Gera Coluna fornea uma coluna com custo mnimo. A seguir apresentamos a interface desenvolvida para o dilogo do sistema com o usurio. A Figura 6.3 a tela de abertura, onde o usurio pode selecionar o tipo de

86

sistema (binrio ou multicomponente) a ser separado por destilao, j que o processo de projeto diferenciado para cada um dos casos.

Figura 0.3 - Caixa de dilogo de apresentao do SINCO

As Figuras 6.4 e 6.5 apresentam as telas para entrada de dados da alimentao e especificao dos produtos no caso da destilao de um sistema constitudo por dois componentes.

87

Figura 0.4 - Caixa de dilogo para entrada de dados da alimentao

Figura 0.5 - Caixa de dilogo para entrada de dados dos produtos

Quando o usurio solicita que a coluna seja gerada, apresentada uma mensagem indicando que o processo de clculo foi concludo. A Figura 6.6 mostra um exemplo tpico de relatrio. A partir do menu principal, o usurio pode ainda solicitar a impresso deste relatrio ou a otimizao dos parmetros da coluna.

88

Figura 0.6 - Apresentao dos resultados da coluna gerada A Figura 6.7 apresenta os resultados da otimizao, prevendo a possibilidade de representao grfica do processo de clculo da coluna de destilao de um sistema binrio.

Figura 0.7 - Resultados do processo de otimizao

89

6.1.2

Viso do implementador Para projetar o prottipo, foi utilizada a abordagem de WIRFS-BROCK et alii

(1990), para o desenvolvimento de um sistema orientado a objetos, enquanto a escolha de C++ como linguagem de programao foi motivada por ser esta uma das linguagens com algum suporte para o paradigma de orientao a objetos. O prottipo SINCO foi implementado como uma ferramenta de sntese. Comparando a descrio do prottipo atravs da DFD (Figura 6.2) e o fluxograma de emprego de ferramentas de projeto baseadas em sntese automatizada, apresentado no captulo 1, Figura 1.2, podemos estabelecer algumas relaes. O SINCO recebe como entradas o conjunto de requisitos do sistema e uma descrio da coluna. Os processos Gera Coluna e Otimiza Coluna realizam a atividade de sntese, que engloba a gerao de uma descrio mais completa da coluna e a avaliao do desempenho desta descrio, segundo algum critrio preestabelecido. Este critrio, no caso em estudo, corresponde ao custo anual da coluna, conforme detalhado no captulo 4. Aqui tambm o lao de realimentao do sistema fechado pelo projetista que, ao ser informado dos resultados do processo de sntese, aceita a descrio ou a rejeita e escolhe um novo modelo de sntese para ser usado. Em nvel macroscpico, pretendemos implementar modelos de sntese para o projeto de outros tipos de colunas como as recheadas, tanto para sistemas binrios quanto multicomponentes. A programao em ambiente Windows permitiu o desenvolvimento de interfaces amigveis para o usurio, facilitando o fornecimento dos dados (descrio, propriedades e requisitos) e propiciando relatrios de mais fcil compreenso e interpretao. O projeto do sistema segundo a abordagem de WIRFS-BROCK et alii (1990) permitiu a identificao das hierarquias de classes apresentadas na Figura 6.8.

90

Coluna de Pratos Binria

Coluna de Pratos

COLUNA
Coluna Recheada

Coluna de Pratos Multicomponentes

Corrente de Alimentao

ORRENTE

Corrente de Produto

Corrente Interna

PROPRIEDADE

OTIMIZADOR

Otimizador Estocstico

Figura 0.8 - Principais hierarquias de classes do prottipo SINCO

6.2

Estudos de Caso Esta seo tem por objetivo apresentar os resultados obtidos a partir de estudos

de caso, selecionado entre aqueles realizados. Tais estudos foram conduzidos de forma a permitir uma comparao entre os resultados obtidos a partir do modelo de projeto adotado (projeto de colunas de pratos para sistemas binrios) e os fornecidos atravs de um modelo rigoroso como o utilizado pelo simulador comercial HYSIM, com o propsito de validar, dentro do possvel, os resultados obtidos no SINCO.

91

Os sistemas em estudo foram: hexano-heptano, pentano-heptano, pentanohexano, gua-cido actico e etanol-gua. Como entrada so fornecidas ao SINCO as seguintes especificaes: - nmero de componentes a separar: neste caso igual a 2, indicando que o sistema binrio; - nome dos componentes - taxa de alimentao (de 1000 lbmois/h, no exemplo) e - composio da alimentao (mistura equimolar). Estes dados so fornecidos atravs de caixas de dilogo como as mostradas nas Figuras 6.3 e 6.4. Ao confirmar estes dados, o projetista deve ainda especificar as composies esperadas para as correntes de produto (destilado e resduo), atravs de caixa de dilogo como a da Figura 6.5. A especificao dos requisitos (valores adotados pela ferramenta por omisso) a seguinte: - condio trmica da alimentao (q): lquido saturado; - razo de refluxo (R): 20% superior razo de refluxo mnima; - distncia entre pratos (dp): 24 in; - presso de operao; 14,7 psia (presso absoluta, expressa em lbf/in2); - temperatura de operao: temperatura mdia entre as temperaturas de ebulio dos componentes envolvidos (em F). As sees 6.2.1 e 6.2.2 apresentam o processo de execuo da etapa de otimizao do SINCO e os resultados produzidos por uma simulao com o HYSIM, permitindo a comparao com os resultados do prottipo SINCO.

6.2.1

Processo de execuo do SINCO A Figura 6.9 apresenta a evoluo do custo de solues intermedirias geradas

ao longo de um experimento. A partir da especificao dos requisitos da coluna, o

92

SINCO determinou a coluna tima que atende especificao inicial. As solues apresentadas so obtidas na etapa de otimizao probabilstica.

4700,000

4200,000

Custo (US$ 1000)

3700,000

3200,000

2700,000

2200,000 Este o valor otimo ! 0 10 20 30 40 iterao 50 60 70 80

1700,000

Figura 0.9 - Evoluo do custo de solues intermedirias geradas pelo SINCO

A Tabela 6.1 mostra a especificao da coluna otimizada determinada pelo SINCO. Conforme estabelecido na definio do problema de otimizao, o SINCO encontra uma coluna de custo mnimo dentre as solues candidatas pesquisadas.

Tabela 0.1 - Dados das colunas otimizadas

Sistemas Variveis
Condio trmica da
hexano/ heptano pentano/ heptano pentano/ hexano gua/cido actico etanol/gua

1.48

0.23

3.19

1.9

1.74

93

alimentao Distncia entre Pratos Multiplicador da razo de refluxo Razo de refluxo Nmero de pratos reais Altura (em ft) Dimetro (em ft) Custo Total (US$ 1.000)

12 1.141 1.3224 54 55 9.54 1845.256

24 1.062 0.9735 20 42 21.23 1655.19

24 1.819 1.05 20 42 21.42 2389.99

12 2.19 4.056 36 37 15.743 2771.57

24 1.674 0.8651 24 50 11.228 1694.18

6.2.2

Comparao entre os modelos de projeto do SINCO e HYSIM A partir da especificao dos requisitos, o SINCO gera uma soluo candidata

ao problema. O sistema permite que soluo seja apresentada ao projetista, de forma que este verifique as dimenses da coluna gerada (nmero de pratos tericos, nmero de pratos reais, altura e dimetro) e o respectivo custo. AS Tabelas 6.2 a 6.5 apresentam exemplos tpicos dos resultados gerados pelo SINCO e HYSIM. Como discutido no captulo 1, o simulador exige um maior nmero de especificaes, tais como nmero de pratos e razo de refluxo. Assim, utilizando os resultados fornecidos pelo SINCO como entrada do simulador HYSIM, recalculamos a coluna com o objetivo de validar o modelo de simulao implementado no SINCO, cujos resultados so mostrados na ltima coluna das Tabela 6.2 a 6.5.

Tabela 6.2 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema pentano-heptano

Variveis Presso de operao (psia) Taxa de destilado Taxa de resduo

Resultados SINCO 14,7 500 500

Resultados HYSIM 14,7 499,96 500,04

94

% molar de pentano no destilado % molar de pentano no resduo Razo de refluxo Nmero de pratos reais Altura (em ft) Dimetro (em ft) Custo Total (US$ 1.000)

99,0 1,0 0,9735 20 42 21,23 1655,19

97,60 2,409 0,9735 20 36,0 21,23 455,500

Tabela 6.3 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema pentano-hexano Variveis Presso de operao (psia) Taxa de destilado Taxa de resduo % molar de pentano no destilado % molar de pentano no resduo Razo de refluxo Nmero de pratos reais Altura (em ft) Dimetro (em ft) Custo Total (US$ 1.000) Resultados SINCO 14,7 500 500 99,0 1,0 1,05 20 42,0 21,42 2389,99 Resultados HYSIM 14,7 500 500 90,03 4,196 1,05 20 36,0 21,42 1195,00

Tabela 6.4 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema gua-cido actico Variveis Resultados SINCO Presso de operao (psia) Taxa de destilado Taxa de resduo % molar de gua no destilado 14,7 500 500 99,0 Resultados HYSIM 14,7 141,77 858,23 92,76

95

% molar de gua no resduo Razo de refluxo Nmero de pratos reais Altura (em ft) Dimetro (em ft) Custo Total (US$ 1.000)

1,0 4,056 36 37,0 15,743 2771,57

42,93 3,85451 36 64,0 15,743 199,10

Tabela 6.5 - Resultados da comparao de experimento com o SINCO e HYSIM para o sistema etanol-gua Variveis Resultados SINCO Presso de operao (psia) Taxa de destilado Taxa de resduo % molar de gua no destilado % molar de gua no resduo Razo de refluxo Nmero de pratos reais Altura (em ft) Dimetro (em ft) Custo Total (US$ 1.000) 14,7 500 500 80,0 1,00 5,562 16,0 17,0 29,162 3072,38 Resultados HYSIM 14,7 499,83 500,17 70,0 8,76 x 10-8 5,5617 16,0 26,0 29,162 873,10

Os sistemas exemplificados nas Tabelas 6.2 e 6.3 atendem s hipteses de idealidade estabelecidas pelo SINCO. Os resultados fornecidos pelo HYSIM indicam que a separao ocorre com os produtos sendo fornecidos em uma composio muito semelhante especificao estabelecida pelo SINCO. J os sistemas gua-cido actico (Tabela 6.4) e etanol-gua (Tabela 6.5) so exemplos de sistemas no ideais. Como conseqncia, os resultados obtidos atravs do SINCO e posteriormente avaliados com o auxlio do HYSIM apresentam diferenas significativas. Estas diferenas so basicamente devidas s hipteses simplificadoras do mtodo de Lewis-Sorel (captulo 4, Figura 4.2) utilizado como

96

modelo de projeto da coluna pelo SINCO, enquanto que o HYSIM adota um mtodo rigoroso. 6.3 Experimentos para calibrao da ferramenta SINCO Os testes realizados com o SINCO tambm tiveram por objetivo avaliar a influncia das variveis de projeto sobre a funo objetivo e a parametrizao da ferramenta, atravs da determinao das faixas recomendadas para as variveis de controle envolvidas no algoritmo de otimizao selecionado.

6.3.1 Avaliao da influncia das variveis de projeto selecionadas sobre a funo objetivo Os resultados de diversas iteraes com o SINCO permitiram a anlise da influncia da seleo adequada das variveis de projeto sobre o custo da coluna. A Figura 6.10 apresenta a influncia da razo de refluxo (aqui representada por um fator multiplicador em relao a razo de refluxo mnima) sobre o custo da coluna.

97

2900

2700

2500 custo (US$ 1000)

1,05 1,10 1,15

2300

1,2 1,4 1,6

2100

1,8 2 2,5

1900

1700 6 9 12 15 18 21 24 27 30 33 36 Distncia entre pratos , in

Figura 0.10 - Influncia da razo de refluxo sobre o custo

Podemos observar que, apesar da literatura apontar a distncia entre pratos de 24in como mais adequada (LUDWIG,1979) , obtivemos a minimizao do custo para a distncia entre pratos de 12 in. No entanto, cabe aqui salientar que a recomendao de 24 in (o que corresponde a, aproximadamente, 60 cm) o tamanho usual que permite a instalao de aberturas de acesso ao interior da coluna para manuteno. Esta recomendao poderia ser utilizada, inclusive, como uma restrio ao projeto, funo da altura e nmero de pratos da coluna. A Figura 6.11 apresenta uma projeo da relao entre a condio trmica da alimentao e o custo da coluna, no plano com coordenadas razo de refluxo 20% superior mnima e distncia entre pratos igual a 24 in. Podemos observar que a regio de custo mnimo corresponde ao estado de lquido saturado (q =1), pois as necessidades trmicas so menores, o que resulta em menor tamanho nos trocadores de calor e, conseqentemente, menor custo. No entanto, os simuladores comerciais disponveis para a comparao no permitem este tipo de especificao (normalmente

98

mais fcil de ser estabelecida), solicitando o fornecimento de informaes como temperatura e presso da alimentao, e exigindo estimativas iniciais para estas variveis.
2500,0000

2400,0000

2300,0000

Custo (U$ 1000)

2200,0000

2100,0000

2000,0000

1900,0000

1800,0000 -1,00

-0,50

0,00

0,50

1,00 Condio trmica

1,50

2,00

2,50

3,00

Figura 0.11 - Influncia da condio trmica da alimentao sobre o custo (com R = 1,2 Rmin e distncia entre pratos de 24 in) A Figura 6.12 apresenta a relao entre custo, distncia entre pratos e razo de refluxo para uma corrente de alimentao no estado de lquido saturado. A regio de mnimo custo indica valores de distncia entre pratos de 12 in e razo de refluxo de 20 a 40% superior razo mnima.

2 0 9 0

2 0 7 0 2 - 0 9 0 2 0 5 0 2 - 0 7 0 2 0 3 0 2 - 0 5 0 2 0 7 0 2 0 1 0 2 - 0 3 0 1 0 9 0 2 - 0 1 0

2 0 5 0

C u s t o

( U $ 2 0 3 0 3 2 5 , 2 2 0 1 0 1 6 ,

1 8 ,

1 4 ,

1 0 9 0

1 , 2 Mu l t p i l c a o i dr da Ra z ode r e l f u x o 1 1 , 5

1 0 7 0 6 9 1 2 1 8 Di s t nc i a e nt r e pr a t os 2 4 3 6 1 0 , 5

1 1 , 0

Figura 0.12 - Influncia da distncia entre pratos e razo de refluxo sobre o custo (alimentao como lquido saturado) Na Figura 6.13, apresentamos a evoluo da funo custo ao longo de um teste com o SINCO, considerando a distncia entre pratos igual a 24 in. Nesta figura, os valores calculados foram ordenados em funo da condio trmica. A figura permite fazer uma anlise preliminar da influncia do multiplicador da razo de refluxo e da condio trmica sobre a funo custo. Grandes valores para o multiplicador

99

implicam custos elevados. Alm disso, os valores timos esto sempre prximos do multiplicador igual a 1,2, conforme discutido na literatura, e condio trmica igual a 1,0 (estado de lquido saturado).

10,00

5,00

8,00

4,00

3,00 6,00 2,00 4,00 1,00

2,00

0,00

0,00 Custo e -2,00 1 2 3 4 5 6 7 8 9 10 1 12 13 14 1 16 1 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

-1,00

-2,00 experimento -3,00 -4,00 Condi

multipl

Custo

-4,00

-6,00

-5,00

Figura 0.13 - Influncia da razo de refluxo e condio trmica sobre o custo

6.3.2

Parametrizao do otimizador Os vrios testes realizados com o SINCO permitiram estabelecer um

subconjunto do conjunto de restries sobre as variveis de projeto e parametrizar o otimizador estocstico. As restries estabelecidas so: - multiplicador da razo de refluxo mnima variando entre 1,01 e 3,00 - condio trmica da alimentao variando entre +5 e -5; - distncia entre pratos: assumindo um valor do conjunto 6,9,12,18,24,36}.

100

Atravs destes testes e seguindo recomendaes da literatura (CALAZANS et alii, 1992) estabelecemos o limite do contador do nmero de iteraes do otimizador como igual a 15. Alm disso, conforme discutido no captulo 5, o valor inicial do parmetro de controle foi escolhido como igual a 500 e sua faixa de variao estabelecida como o intervalo [500, 1000], j que os custos estimados so da ordem de 103.

101

7. CONCLUSES E TRABALHOS FUTUROS


Ao longo dos ltimos anos, as indstrias qumicas tm sofrido uma srie de restries quanto disponibilidade de energia e controle ambiental. Estas restries provocaram alteraes nos procedimentos de projeto e operao, evidenciando processos de projeto otimizados. Tradicionalmente o processo de projeto auxiliado por computador tem sido desenvolvido sob o enfoque de simulao, onde a alterao manual e sucessiva dos valores das variveis envolvidas realizado at a obteno do projeto timo. Procuramos, atravs deste trabalho, propor uma nova maneira de conduzir o processo de projeto, de maneira que o projetista possua ferramentas de apoio s tarefas de estabelecimento da descrio estrutural do equipamento, bem como garantir a correo do projeto final. Na abordagem de sntese proposta aqui, o projetista fornece como entrada ao sistema somente o conjunto de requisitos a serem atendidos pelo projeto, deslocando o eixo de responsabilidade de projeto para mais prximo de uma ferramenta automatizada e reduzindo possveis fontes de erro associadas s atividades do projetista. As ferramentas de otimizao, presentes no seio do sintetizador, permitem ainda que uma soluo aceitvel para o problema de projeto seja eventualmente alcanada em menor espao de tempo que atravs de um simulador. Como os simuladores comerciais no possuem, em geral, uma interface projetada com o intuito de facilitar a utilizao por um projetista iniciante, sugerimos a utilizao do SINCO como gerador da descrio estrutural a ser utilizada como entrada para um simulador. Os testes realizados com o prottipo SINCO indicaram que a abordagem proposta promissora (RAMOS SILVA et al, 1995) e que seu potencial deve continuar sendo investigado. A utilizao do prottipo tambm permitiu o

estabelecimento de limites experimentais para os parmetros considerados no algoritmo de Evoluo Estocstica adaptado. A validao do modelo de sntese do

102

prottipo SINCO foi realizada atravs do simulador comercial HYSIM, amplamente utilizado na indstria qumica. O projeto de pesquisa, ora em andamento, Anlise comparativa de

desempenho de duas abordagens ao projeto de colunas de destilao: sntese versus simulao, desenvolvido nvel de Iniciao Cientfica, tem por objetivos, entre outros, a realizao de estudo comparativo entre o modelo selecionado para descrever o problema de projeto de colunas de destilao pelo programa Sintetizador de Colunas (SINCO) e o utilizado em um simulador comercial, atravs do estudo de caso de destilaes tpicas da indstria. Alm disso, pretende avaliar e comparar o tempo necessrio para o projeto de uma coluna de destilao via Sintetizador e via Simulador. Inicialmente foram utilizados os resultados fornecidos pelo SINCO como entrada ao simulador e avaliados os resultados. Estes testes serviram de base para as anlises comparativas, apresentadas no captulo 6. Na realizao dos testes comparativos no escopo da pesquisa, encontramos algumas dificuldades, devidas basicamente s diferenas de modelagem entre o SINCO e o HYSIM. O simulador HYSIM no especifica qual o mtodo de projeto utilizado, nem to pouco explicita como avaliado o custo da coluna. Os valores obtidos para o custo para uma mesma coluna no SINCO e HYSIM so diferentes, mas enquanto no primeiro inclumos, alm do custo do casco e pratos (coluna em si), o custo de energia consumida nos trocadores (condensador e refervedor), no segundo somente o custo da coluna considerado. Como melhoramentos no SINCO, considerando sua possvel utilizao no ensino, sugerimos a incluso de facilidades tais como: acesso s equaes ou

hipteses simplificadoras utilizadas no modelo de projeto, informaes sobre o clculo da funo objetivo e possibilidade do usurio alterar ou atualizar as correlaes de custo originais, atravs da incluso de dados experimentais, por exemplo. Estas alteraes auxiliaro o uso do SINCO no ensino de Operaes Unitrias, onde, tradicionalmente, estuda-se o projeto de equipamentos para atender

103

um conjunto de requisito e disponibiliza-se ferramentas de projeto baseadas em simulao. Ao longo da reviso bibliogrfica foram identificadas outras abordagens para o desenvolvimento da etapa de otimizao, como, por exemplo, a Computao Evolucionria. Estes estudos indicam que a adaptao de outros mtodos de otimizao, permitir uma avaliao mais criteriosa sobre o mtodo mais adequado para apoiar o processo de projeto em Engenharia Qumica via sntese automatizada. Como sugestes para trabalhos futuros podemos ainda indicar a

implementao de outros modelos de simulao, de forma a atender o projeto de outros tipos de colunas de destilao, como colunas recheadas e multicomponentes, e modelos de simulao para projetos de outras operaes unitrias como absoro e extrao.

104

8. REFERNCIAS BIBLIOGRFICAS
BOAS, ARNOLD. How search methods locate optimum in univariable problems. Chemical Engineering February 4, 1963. BOLES, W. e FAIR, J. Distillation. Industrial and Engineering Chemistry. 62 (11):8190, November, 1970. BORLAND C++ . Users Guide. California, Borland International Inc. , 1992. BRITT, H.; SMITH, J. e WARECK, S. A Computer-Aided Process Synthesis and Analysis Environment.. In: Third International Conference on Foundations of Computer-Aided Process Design. Snowmas Village, Colorado, july 10-14, 1989. Anais CACHE. p.281-307. CALAZANS, N. Mtodos e Ferramentas para o Projeto de Sistemas Digitais. In: Escola Regional de Informtica. Caxias do Sul, 10-13 maio 1995. Anais Sociedade Brasileira de Computao. p.34-53. CALAZANS,N.; ZHANG,Q.; JACOBI, R.; YERNAUX, B. e TRULLEMANS, A. Advanced Ordering and Manipulation Techniques for Binary Decision Diagrams. In: Proceedings of the European Conference on Design Automation. Brussels, Belgium. March 16-19, 1992. IEEE Computer Society Press, p. 452457. CHANG, H. Computer aids short-cut distillation design. Hydrocarbon Processing. August, 1980. p.79-82. CORMEN, T., LEISERSON,C. e RIVEST, R. Introduction to Algorithms. Cambridge, MIT Press, 1990. DAVIO, M.; DESCHAMPS, P. e THAYSE, A. Digital systems with algorithm implementation. Chichester, John Wiley, 1983. DE MICHELI, G. Synthesis and optimization of digital circuits. New York, McGraw-Hill, 1994. 579p. DIMIAN, A. Use process simulation to improve plant operations. Chemical Engineering Progress. 90(9):58-66. Set. 1994. DOUGLAS, J.M. Conceptual design of chemical processes. New York, McGrawHill, 1988. ECONOMOPOULOS, A. A fast computer method for distillation calculations. Chemical Engineering. 91-100. April 24, 1978a. ECONOMOPOULOS, A. Computer design of sieve trays and tray column. Chemical Engineering. 109-120. December 4, 1978b. EDGAR, T.F e HIMMELBLAU, D.M. Optimization of chemical processes. New York, McGraw-Hill, 1988. EVANS, L.B. et alii. ASPEN: An Advanced System for Process Engineering. Computers and Chemical Engineering . 3:319 (1979). FOGEL, D. An Introduction to Simulated Evolutionary Optimization. IEEE Transactions on Neural Netwoks. New York, 5 (1):3-14, Jan. 1994. FOUST, A.;WENZEL, L.;CLUMP,C.;MAUS,L. e ANDERSEN,L. Princpios das Operaes Unitrias. Rio de Janeiro, Guanabara Dois, 1982. GAJSKI, D. e KUHN, R. New VLSI Tools. Computer. New York. 11-14(1983)

105

GANE, C. e SARSON, T. Anlise Estruturada de Sistemas. Rio de Janeiro, LTC, 1983. GILL, P, MURRAY,W. e WRIGHT, M. Practical Optimization. San Diego, Academic Press, 1993. GOMIDE, R. Operaes Unitrias. So Paulo, Ed. do Autor, 1988. v.4. GROSSMANN, I. MINLP Optimization Strategies and Algorithms for Process Synthesis. In: Third International Conference on Foundations of Computer-Aided Process Desing. Snowmas Village, Colorado, july 10-14, 1989. Anais CACHE. p.105-132. GUTHRIE, K.M. Data and techniques for preliminary...Capital Cost Estimating.Chemical Engineering, New York, march 24, 1969. HENLEY,E. e SEADER, J.D. Equilibrium-Stage Separation Operations In Chemical Engineering. New York, John Wiley, 1981. HEXTRAN - User Manual. Simulation Sciences Inc. February 1993. version 6.0. HILLIER, F.S. e LIEBERMAN, G.J. Introduction to Operations Research. Oakland, California, Holden-Day, 1980. HIMMELBLAU, D.M. Process optimization by search techniques. IeEC Process Design and Development. 2 (4): 296-300, October 1963. HOLLAND, C.D. Fundamentals and Modeling of Separation Processes. New Jersey, Prentice-Hall, 1975. HOLLAND, C.D. Multicomponent distillation. New Jersey, Prentice-Hall, 1963. HYSIM - User's Guide. Hyprotech Centre, Alberta, Canada. march, 1994. JAFAREY, A.; DOUGLAS, J. e McAVOY, T.J. Short-cut techniques for distillation column design and control. 1. column design. Ind. Eng. Chem. Process Des. Dev. 18(2):197-202, 1979. KING, C.J. Separation Processes. New York, McGraw-Hill, 1980. KIRKPATRICK, S.; GELATT, C.D. e VECCHI, M.P. Optimization by simulated annealing. Science. 220 (4598):671-680, 13 May 1983. LAW, A. e KELTON, D. Simulation modeling and analysis. New York, McGrawHill, 1991. LOGSDON, J.S.; DIWEKAR, U.M. e BIEGGLER, L. On the simultaneous optimal design and operation of batch distillation columns. Trans IChemE. 68 , part A:434-444, September, 1990. LUDWIG, E.E. Applied Process Design for Chemical and Petrochemical Plants. v.2. Houston, Gulf Pub.Co., 1979. LUYBEN, W. e WENZEL,,L. Chemical Process Analysis: Mass and Energy Balances. New Jersey, Prentice-Hall,1988. MACIEL, M.R. e CARVALHO, C.A. Projeto e otimizao de seqncias de colunas de destilao utilizando um simulador comercial de processos qumicos. In: 10 Congresso Brasileiro de Engenharia Qumica. So Paulo, 13-16 set 1994. Anais Associao Brasileira de Engenharia Qumica. p.283-288. MEDLAND, A.J. The computer based design process. London, Kogan Page, 1986. MOURA, C.A.D. Uso eficiente de programas de computador na simulao de colunas de destilao. Boletim tcnico PETROBRS. 24 (3):195-200, jul/set. 1981 NOVO DICIONRIO AURLIO da Lngua Portuguesa. Rio de Janeiro: Nova Fronteira, 1986. p. 113, 1592.

106

PEDROSA NETO, P. e MORI, M. Simulao e otimizao de fracionamento e recuperao de produtos da unidade de craqueamento cataltico fluido da REPLAN. In: 10 Congresso Brasileiro de Engenharia Qumica. So Paulo, 13-16 set 1994. Anais Associao Brasileira de Engenharia Qumica. p.864-869. PERRY, R. e CHILTON, C . Chemical Engineer's Handbook. Tokyo, McGraw-Hill, 1973. PRO/II . PC User Guide. Simulation Sciences Inc., 1991. RAMOS SILVA, P.C. ; CARNEIRO, M.L. e CALAZANS, N. SINCO - Sintetizador de Colunas de Destilao. In: XI CONGRESSO REGIONAL DE INICIAO CIENTFICA E TECNOLGICA EM ENGENHARIA. Caxias do Sul, 30 a 31 outubro 1995. Anais Associao Brasileira de Ensino de Engenharia. p.99 RAMOS SILVA, P.C. ; CARNEIRO, M.L. e CALAZANS, N. SINCO - Sintetizador de Colunas de Destilao. In: Salo de Iniciao Cientfica da UFRGS. Porto Alegre, 16 a 20 outubro 1995. Anais UFRGS. p.53. RICH, E. e KNIGHT, K. Inteligncia artificial. So Paulo, Makron, 1994. ROSE, L.M. Computer-Aided Chemical Engineering: Distillation Design in practice. Amsterdam, Elsevier, 1985. RUDD, D. , POWERS, G. e SIIROLA, J. Process Synthesis. New Jersey, PrenticeHall, 1973. SAAB, Y.G. e RAO, V.B. Combinatorial Optimization by stochastic evolution. IEEE Transactions on computer-aided design. vol. 10, no 4, April 1991. SALCEDO, R.; GONALVES, M.J. e FEYO de AZEVEDO, S. An improved random-search algorithm for non-linear optimization.Computer Chem. Engng. 14 (10):1111-1126, 1990. SHANG, Y. e WAH, B. Global Optimization for neural network training. Computer. 29(3):45-54, March 1996. SILVA, E.S. e MUNTZ, R. Mtodos computacionais de soluo de Cadeias de Markov: aplicaes a sistemas de computao e comunicao. Instituto de Informtica da UFRGS. Porto Alegre, 1992. SINNOTT, R.K. Coulson e Richardsons Chemical Engineering. Oxford, Pergamon Press, 1993. vol.6 SKOVBORG, P. e MICHELSEN, M.L.A flexible algorithm for simulation and optimization of continuous distillation. In: Proceedings of European Symposium on Computer Aided Process Engineering - ESCAPE-1 . Denmark, 24-28 May, 1992. p. S255-S262. SRYGLEY, J.M. e HOLLAND, C.D. Optimum design of conventional and complex distillation columns. AIChE Journal. 11 (4):695-701, July 1965. STROUSTRUP, B. The C++ programming language. Massachusetts, AddisonWesley, 1991. TANOMARU, J. Motivao, fundamentos e Aplicaes de Algoritmos Genticos. In: II Congresso Brasileiro de Redes Neurais, Curitiba, 29/out a 01/nov 1995. Anais, p.373-403. TERADA, R. Desenvolvimento de Algoritmo e Estrutura de Dados. Rio de Janeiro, Makron, 1991. TOSCANI, L.V. e VELOSO, P.A. A programao dinmica: um caso particular da Diviso e Conquista. Revista de Informtica terica e aplicada. 1(2), maio 1990. WAGNER, H. Pesquisa Operacional . Rio de Janeiro, Prentice-Hall, 1985.

107

WALLER, K. e GUSTAFSSON, T. On optimal steady-state operation in distillation. Ind. Eng. Chem, Process Des.Dev.. 17 (3):313-317, 1978. WANKAT, P. Equilibrium staged separations. New York, Elsevier, 1988. WIRFS-BROCK, R.; WILKERSON,B. e WIENER, L. Designing Object Oriented Software. New Jersey, Prentice Hall, 1990.