Mestrado Engenharia Química

Matemática Aplicada

Professora: Ana Isabel Pereira

Data de entrega : 16/10/2018

2018/2019

Optimização De Um Reator
Hidrogenação do etileno para o etano

Trabalho realizado por:

Carly Albiston

Cristina Duarte

Cláudia Martins

Ezzeldin Wael

Heloísa Helena S. De Almeida

Juliana Henriques
Resumo

A optimização é uma das técnicas de programação matemática muito utilizada

na resolução de muitos problemas na engenharia química. O presente trabalho tem por
finalidade dar a conhecer o estudo da optimização de um problema de Hidrogenação do
etileno para etano. Aplicando três métodos e elegendo entre estes o mais adequado para
a resolução do problema. O método que se mostrou ser mais eficaz e mais rápido é o
Método de Newton.

1
Índice
Resumo...................................................................................................................................... 1
Introdução ................................................................................................................................. 3
Problema ................................................................................................................................... 4
Métodos utilizados .................................................................................................................... 5
Método de Newton .................................................................................................................... 5
Método de Quasi-Newton ........................................................................................................ 6
Método de Nelder-Mead .......................................................................................................... 7
Comparação dos métodos ........................................................................................................ 8
Conclusão .................................................................................................................................. 9
Referências Bibliográficas ...................................................................................................... 10
Anexos..................................................................................................................................... 11

2
Introdução

A optimização é uma ferramenta importante na ciência da decisão e na análise

física dos sistemas. Para usá-la, deve-se em primeiro lugar identificar os objectivos do
sistema e definir uma medida quantitativa do desempenho do sistema em estudo. Os
objectivos podem ser de várias formas, por exemplo, tempo, energia potencial ou
qualquer quantidade ou combinação das quantidades que podem ser representadas por
um número. O objectivo da optimização é encontrar os valores das variáveis que
optimizam, isto é, maximizam ou minimizam, dependendo das variáveis em análise, as
funções objectivo. Estas funções podem estar sujeitas a restrições que limitam a
selecção dos valores das variáveis. É possível observar problemas de optimização em
diversas áreas, como por exemplo em ambiente empresarial com o objectivo de
aumentar a taxa de lucros; na natureza onde os sistemas tendem para um estado mínimo
de energia, na engenharia química optimizar um reator.

Para esta optimização foi escolhida a ferramenta matemática MATLAB. O

MATLAB é um sistema interactivo cujo elemento básico de informação é uma matriz
que não requer dimensionamento. Esse sistema permite a resolução de muitos
problemas numéricos em apenas uma fracção de tempo que se gastaria para escrever um
programa semelhante em linguagem Fortran, Basic ou C. Além disso, as soluções dos
problemas são expressas quase exactamente como elas são escritas matematicamente.
Usando MATLAB, podemos analisar os dados, desenvolver algoritmos, e criar modelos
e aplicações. Essas aplicações incluem processamento de sinais e comunicação,
processamento de imagem e vídeo, sistemas de controlo, teste e medição, finanças
computacionais e biologia computacional. Mais de um milhão de engenheiros e
cientistas na indústria e na academia usam o MATLAB

Na reação orgânica de hidrogenação, ocorre a quebra de insaturações e a adição

de um ou mais átomos de hidrogênio à molécula de hidrocarbonetos. Considerando esse
tipo de reação com o auxílio de um catalisador, este trabalho tem como objetivo
optimizar os parâmetros da lei de velocidade (maximizando as constantes de velocidade
– k), obedecendo a uma equação para cálculo da taxa de reação. Serão aplicados três
métodos númericos com o auxílio do programa MATLAB e consequentemente a
verificação de qual o mais adequado para este problema.

3
Problema

O problema consistiu na hidrogenação de etileno para etano, representado pela

seguinte reação:

H2 + C2H4 → C2H6

Para tal usou-se a equação:

𝑘 ∗ 𝑃𝐸 ∗ 𝑃𝐻
−𝑟 ′ 𝑒 =
1 + 𝐾𝑒 ∗ 𝑃𝐸

Com os seguintes dados (Tabela 1):

Tabela 1. Dados diferenciais do reator.

Run Number Reaction Rate PE (atm) PEA (atm) PH (atm)

1 1.04 1 1 1

Onde:

r’e= taxa de reação E= etileno

P= pressão EA= etano

k e Ke= constantes de velocidade H= hidrogênio

Como optimizar os parâmetros da lei de velocidade (obedecendo à equação

fornecida utilizando duas variáveis, k e Ke) a fim de maximizar a velocidade da reação
química?

4
Métodos utilizados

Para a resolução do problema que é considerado sem restrições, foram utilizados

três métodos diferentes, o Método de Newton, de Quasi-Newton e de Nelder-Mead.

Método de Newton

Uma das aplicações mais simples deste método é sua versão para a determinação
de zeros de funções de uma variável real. Para deduzir o método é necessário o teorema
de Taylor, Seja f: R→R uma função com derivadas contínuas até ordem n:

Onde:

Dada uma aproximação 𝑥𝑘 para uma raiz 𝑟 da equação 𝑓 𝑥 = 0 (𝑓: 𝑅 → 𝑅 uma

função), queremos determinar 𝑥𝑘+1 uma aproximação melhor que 𝑥𝑘. Vamos escrever
𝑥𝑘+1 = 𝑥𝑘 + ℎ, a melhor escolha para ℎ seria aquela tal que 𝑟 = 𝑥𝑘 + ℎ, aplicando a
fórmula de Taylor com 𝑛 = 2 obtemos:

considerando 𝑥𝑘 próximo de 𝑟 então ℎ = 𝑟 − 𝑥𝑘 ≈ 0, assim desprezando o termo

podemos encontrar a seguinte aproximação , então definimos a

sequência de Newton para o problema 𝑓(𝑥) = 0 como

5
 Utilizaremos o método de Newton na determinação de máximos e mínimos para
funções de uma variável real, para isto procuramos pontos críticos para a função f, ou
seja, estamos interessados em pontos 𝑥 no domínio de f onde ocorra 𝑓’(𝑥) = 0, portanto
aplicaremos o método descrito anteriormente para resolver a equação 𝑓’(𝑥) = 0.

Os resultados obtidos para este método (Tabela 2):

Tabela 2. Resultados obtidos através do MATLAB pelo Método de Newton.

Iterations 1

funcCount 2

stepsize 4.2426

cgiterations 1

firstorderopt 0

algorithm Trust-region

message Local minimun found...

Método de Quasi-Newton

O método fmincon tenta encontrar um mínimo restrito de uma função escalar de

várias variáveis a partir de uma estimativa inicial. Isto é, geralmente referido como
optimização linear ou não-linear de programação [V].
A função
𝑥 = 𝑓𝑚𝑖𝑛𝑐𝑜𝑛(𝑓𝑢𝑛, 𝑥0, 𝐴, 𝑏)

começa em x0 e tenta encontrar um x minimizador da função descrita na função

para as desigualdades lineares A * x ≤ b, x0 pode ser um escalar, vetor ou matriz[V].
Enquanto que a função
𝑥 = 𝑓𝑚𝑖𝑛𝑐𝑜𝑛(𝑓𝑢𝑛, 𝑥0, 𝐴, 𝑏, 𝐴𝑒𝑞, 𝑏𝑒𝑞)

6
 minimiza a função para a Aeq (igualdade linear) * x = beq e A * x ≤ b, se não
existem desigualdades, conjunto A = [ ] e b = [ ] (conjuntos vazios).
Já a função

𝑥 = 𝑓𝑚𝑖𝑛𝑐𝑜𝑛(𝑓𝑢𝑛, 𝑥0, 𝐴, 𝑏, 𝐴𝑒𝑞, 𝑏𝑒𝑞, 𝑙𝑏, 𝑢𝑏)

define um conjunto de limites inferiores e superiores das variáveis de projeto em

x, de modo que a solução está sempre na gama lb ≤ x ≤ ub, se não existem igualdades,
defini-se Aeq = [ ] e beq = [ ]. Se x (i) é ilimitado lb abaixo definido, (i) =-Inf e, se x (i)
acima é ilimitado, ub conjunto (i) = Inf[V].
Definir opções nonlcon se não houver restrições não-linear de desigualdade ou
restrições lineares de igualdade.

Resultados obtidos para este método (Tabela 3):

Tabela 3. Resultados obtidos através do MATLAB pelo Método de Quasi-Newton.

Iterations 6

funcCount 201

stepsize 1.1160e+03

lssteplength 1.3229

firstorderopt 2.1355e+19

algorithm Quasi-newton

message Solver stopped prematurely.…

Método de Nelder-Mead

O método de Nelder-Mead, utilizamos um simplex no Rn , ou seja, um conjunto

com n + 1 pontos no Rn . A ideia do método é substituir a cada iteração o vértice com o
maior valor de função objetivo e atualizar o simplex adequadamente, refletindo,
expandindo, contraindo ou ainda encolhendo o simplex. Apesar de ser amplamente
7
utilizado, este método não possui garantia de convergência para dimensões maiores que
2. A classe de busca padrão analisa a função objetivo em um padrão de pontos, para
então decidir qual a nova aproximação para o minimizador. Este método consiste em, a
partir de um ponto x k ∈ Rn , avaliar a função objetivo nos pontos x ∈ {x k + αkd|d ∈ D},
onde αk é um escalar positivo e D é uma base geradora positiva para o Rn , ou seja, todo
elemento de Rn pode ser escrito como combinação linear positiva dos elementos de D, e
assim tentar encontrar x k+1 tal que f(x k+1) < f(x k ). Se não for possível encontrar tal
ponto é declarado fracasso, o tamanho do passo αk é diminuído e um novo padrão de
pontos é analisado. Caso contrário, é declarado sucesso, x k+1 é aceito e o tamanho do
passo αk pode aumentar ou ser mantido. A escolha mais intuitiva para D é definida pelas
coordenadas cartesianas, positivas e negativas.

Resultados do método descrito anteriormente (Tabela 4):

Tabela 4. Resultados obtidos através do MATLAB pelo Método de Nelder-Mead.

Iterations 185

funcCount 401

algorithm Nelder-Mead simplex direct search

message Exiting: Maximum number of function

evaluations has been exceeded…

Comparação dos métodos

No geral, o programa tem Toolbox com solucionadores que promovem as
iterações para encontrar um valor ótimo. Isso significa que um solucionador começa
com um valor inical X0, executa alguns cálculos intermediários que acabam levando a
um novo ponto X1 e repete o processo para encontrar aproximações sucessivas X2, X3...
do mínimo local. O processo é interrompido após certo número de iterações (k). Em
qualquer etapa, os cálculos intermediários podem envolver a avaliação da função e suas
restrições, se houver, em pontos próximos da iteração atual Xi. Por exemplo, o
solucionador pode estimar um gradiente por diferenças finitas. Em cada um desses

8
pontos, a contagem de funções (funcCount) é aumentada em um. Se não houver
restrições, a contagem informa o número total de avaliações da função.

Cada método possui suas propriedades particulares, porém se menor for o

número de iterações, mais rápido e adequado é o método para se encontrar os
resultados. Neste trabalho, analisando as iterações (Tabela 5), temos: Newton > Quasi-
Newton > Nelder-Mead (pois o Método de Newton apresentou o menor número de
iterações).

Tabela 5. Resultados de iterações e número de avaliações de cada método através do MATLAB.

Newton Quasi-Newton Nelder-Mead

Iterações 1 6 185
Nº de avaliações 2 201 401

Conclusão

Foi possível observar a importância dos passos a serem seguidos na modelagem

de um problema, para que dessa forma, se consiga selecionar o método mais adequado
para a sua resolução.

De acordo com a comparação dos resultados com a aplicação dos três métodos,
nota-se que foi possível optimizar o cálculo das variáveis k (constantes de velocidade de
reação), onde foi definido o método mais adequado àquele que apresentou menor
número de iterações, ou seja, apresentou resultados de forma mais rápida.

Neste trabalho, pode-se concluir que o método mais adequado foi o de Newton.

9
Referências Bibliográficas

Apontamentos teóricos de Matemática Aplicada , Professora Ana Isabel Pereira,

Capitulo 2, 2018/2019;

Cervelin, B.H.; Ehrhardt, M.A.D. (2012). Um método de minimização irrestrita baseado

em derivadas simplex. CNMAC, 293-294.

Fogler, H. Scott.; Nori, M.; Vicente, B. (2006). Elements of Chemical Reaction

Engineering. Fourth Edition, Pearson Education, Inc.

http://www.ime.unicamp.br/~cheti/felipe.pdf;

http://www.sbmac.org.br/cmacs/cmac-se/2013/trabalhos/PDF/4458.pdf;

10
Anexos

A seguir estão representados os códigos inseridos no programa MatLab, onde

primeiramente foi estabelecido a função (equação) para em seguida a mesma ser
submetida aos três diferentes métodos.

11