Modelagem e Simulação de Procesos Químicos

Introdução.

• O que é a simulação de processos?

• Simulação - Projeto – Otimização - Síntese

• Breve história da simulação de processos por computador

• Simulação modular sequencial e simulação baseada em equações
• Comparação, vantagems e desvantagens

• Alguns conceitos básicos de teoría dos grafos

 Simulação

“ Pode-se definir simulação como o uso de um modelo

matemático para descrever um fenômeno físico, químico,
econômico, etc.

A simulação de processos químicos consiste, portanto, no uso

de modelos matemáticos para descrever os balanços de
matéria, energia e quantidade de movimento, bem como
calcular as dimensões de equipamentos, custos, etc. de uma
planta química.”

A simulação de processos necessita de computadores, como

ferramentas imprescindíveis.
 Simulação, Projeto, Otimização e Síntese de Processos

Correntes de Correntes de Correntes de Correntes de

entrada Fluxograma do saída entrada saída
Fluxograma do
processo processo

Condições de Condições de Parâmetros das

operação Parâmetros das
operação unidades
unidades

Simulação Projeto

Função
Função objetivo
objetivo
Correntes de Correntes de
entrada Correntes de
entrada Correntes de
Fluxograma saída
saída
Fluxograma do do processo
processo

Condições de Parâmetros das

Parâmetros das operação
Condições de unidades
unidades
operação
Otimização Síntese
 Simulação, Otimização e Síntese
Simulação, otimização e síntese não costumam ser etapas
independentes, mas sim, costumam estar inter-relacionadas.
Procedimento habitual para a síntese de processos

Projeto
Necessidade Síntese
Conceitual

Valores
Fluxograma Iniciais
Variáveis de
Decisão

Análise
Balanços de massa e energia Optimização
Dimensionamento e custo Paramétrica
Restrições de segurança

Fluxograma Final
 Simulação, Otimização e Síntese de Processos

Síntese Baseada em Programação Matemática

Projeto Conceitual:
Busca eliminar alternativas não
Necessidade Síntese ótimas.
Mantém todas aquelas alternativas que
poderiam ser eventualmente ótimas

Superestrutura

Optimização
estrutural
MINLP

Fluxograma Final
 Simulação e otimização por computador

Simulação: Histórico

1660 Método de Newton para resolver equações

1690 Joseph Raphson generalização do método de Newton

1740 Simpsom introduz derivadas no método de Newton

1946 Aparece o ENIAC (Electronic Numerical Integrator And Computer)

ENIAC foi construído por John Presper Eckert e John Willian Mauchly na Universidade da
Pensilvania. Ocupava cerca de 167 m2 e operava com um total de 17.468 tubos de vácuo, 7.200
diodos de cristal, 1.500 relês, 70.000 resistências, 10.000 condensadores e 5 milhões de soldas.
Pesava 27 toneladas, media 2,4 m x 0,9 m x 30 m; utilizava 1.500 comutadores eletromagnéticos
e relês; requeria a operação manual de uns 6.000 interruptores, e seu programa ou software,
quando requeria modificações, tardava semanas de instalação manual.

1950 Possibilidade de desenvolver simuladores de fluxograma.

Aparecem os primeiros programas pre-FORTRAN de caráter específico para algumas
operações unitárias ou processos
 Simulação e otimização por computador

Simulação: Histórico

1960-65 Primeiros simuladores de fluxograma de estrutura modular

1964 O programa PACER (Process Assembly Case Evaluator Routine) utilizou os
primeiros ensaios práticos. Foi concebido em 1961 pelo professor Paul T. Shannon
e foi utilizado na companhia Humble Oil and Refining. Foi escrito em FORTRAND,
em um computador IBM 7090 e consistia de aproximadamente 1000 linhas de
código.

O primeiro caso de estudo foi uma planta de ácido sulfúrico com uma produção de
300 t/dia. A planta de ácido sulfúrico incluía subrotinas para 42 equipamentos, que
estavam interconectados por aproximadamente 70 correntes. Esta simulação inicial
consistiu na solução de aproximadamente 500 equações simultãneas com quase
1.000 variáveis associadas a correntes e 200 parâmetros de equipamentos. A
simulação foi realizada em 8 minutos de tempo de CPU.

1965-70 Uma boa parte dos simuladores falham. Perda de confiança nos
simuladores de processo!
 Simulação e otimização por computador

Simulação: Histórico

1970-75 Desenvolvimento teórico importante: aparecem simuladores

modulares de uso generalizado.
A empresa Monsanto apresentou Flowtran.
A Simulation Sciences lançou PROCESS, precurssor do PRO II
A ChemShare lançou DESIGN, orientado a aplicações de gás e petróleo

~1980 Começam a aparecer simuladores baseados em equações

Speed Up (Imperial College, Londres)
ASCEND (Carnegie Mellon, Pittsburgh, USA)
TISFLO (DSM, Holanda)

1985 A AspenTech lançou Aspen Plus (a partir de um projeto iniciado em 1976 com o MIT)

~1990 Aparecem aplicações específicas (Análise Pinch) e os fabricantes se

concentram no desenvolvimento de interfaces gráficas.
 Simulação e otimização por computador

Simulação: Histórico

1999 Um simulador podia resolver sistemas de 105 equações

~2000 Aparece o primeiro simulador de código livre COCO (Cape Open to Cape Open)

2000-2020- ? Interfaces padronizadas para aplicações em CAPE.

A rede de laboratórios CAPE-OPEN (CO-LaN) é uma organização internacional para a
gestão destes padrões, que define as regras que se deve implementar no software de
simulação. Estes códigos têm que ser abertos, multiplataforma, e estar disponíveis sem
nenhum custo. Devem estar descritos por meio de uma documentação formal. Costumam
cobrir áreas como as operações unitárias, as propriedades físicas e os procedimentos de
resolução numérica e permitir que cada um dos seus componentes seja utilizado tal qual
está ("plug and play") em qualquer modelo de software, seja ele comercial ou não.
 Simulação e otimização por computador

Otimização: Históricos
1660 Newton: Condições de otimalidade de uma variável

1740 Simpsom: extensão a múltiplas variáveis

1778 Lagrange: Condições de otimalidade e multiplicadores*

(descobertos primeiro por Euler)

1847 Cauchy: método de máximo descenso

1951 (1939) Khun y Tucker (Karush): Condições de otimalidade para

problemas com restrições de desigualdade

1950 - 1965 Programação Linear: Trabalho de Dantzing (1963). Seguem

aparecendo contribuições para resolver problemas lineares

~ 1960 Optimização sem restrições.

~ 1970 Programação quadrática sucessiva e métodos de

gradiente reduzido.
 Simulação e otimização por computador

Otimização: Histórico
1980 Westerberg: “Na prática industrial, a otimização assistida por computador
não é utilizada”

1982-85 Algorítmos de caminho não-factível para simuladores modulares

~1990 Começa a aplicação generalizada da otimização não linear inteira

mixta (MINLP) em síntese de processos.

1996 Aparição da programação disjuntiva generalizada.

O desenvolvimento de algorítmos é uma linha ativa de pesquisa

~ 1998 Algorítmos rSQP y Métodos de Barreira.

O desenvolvimento de algorítmos para NLP é uma linha de pesquisa ativa

2005-2020- ? Integração de programação mixta com simuladores

modulares.
Simulação Modular vs. Simulação Baseada em Equações

Exemplo

y31

x12

Separador
x11 y11 x21 y21 x31
misturador Reator u3

u1 u2

y32

x42
x41 y41
misturador
u4
 Simulação Modular vs. Simulação Baseada em Equações

y31
y11 = g11 ( x11 , x12 , u1 )
x21 = y11
x12

y21 = g 21 ( x21 , u2 )

Separador
x11 y11 x21 y21 x31
misturador Reator u3
x31 = y21
u1 u2 y31 = g31 ( x31 , u3 )
x42 = y32
y32
y32 = g32 ( x31 , u3 )
x42
x41
misturador
y41
y41 = g 41 ( x41 , x42 , u4 )
u4
São introduzidas de forma
implícita, não aparecem como
Simulação Modular Sequencial: tais equações

Resolve cada um dos módulos de forma sequencial, calculando as variáveis de saída (y)
em função das variáveis de entrada (x) e dos parâmetros de cada equipamento (valores
fixos u)

Cada módulo pode ser considerado um programa independente que recebe alguns dados
e devolve outros. Cada módulo funciona como uma caixa preta à qual o usuário tem
acesso limitado. O problema é determinar em que ordem resolver cada uma das unidades
e quais correntes serão ‘cortadas’ se isto for necessário para convergir o sistema
completo (após provado que cada um dos módulos independentes converge).
 Simulação Modular vs. Simulação Baseada em Equações

y31 f11 ( y11, x11 , x12 , u1 ) = 0

x12 f 21 ( y21 , x21 , u2 ) = 0

Separador
x11
misturador
y11 x21
Reator
y21 x31
u3
f31 ( y31 , x31 , u3 ) = 0
u1 u2
f32 ( y32 , x31 , u3 ) = 0
y32 f 41 ( y41 , x41 , x42 , u4 ) = 0
x42
x41 y41 x21 - y11 = 0
misturador
u4
x31 - y21 = 0
x42 - y32 = 0
Simulação baseada em equações:

Escreve e resolve simultaneamente todas as equações que formam o modelo sem

diferenciar nem o equipamento a que pertence a equação, nem o tipo de equação …

Como resultado tem-se um sistema com um grande número de equações, em geral,

muito ‘disperso’ (poucas variáveis em cada equação)
Simulação Modular vs. Simulação Baseada em Equações

Simulação Modular Simulação Baseada em equações

Calcula as saídas em função das entradas. Cada equipamento é representado por

Cada módulo é uma “caixa preta” meio das equações de seu modelo, de
forma explícita

O fluxograma pode ser imaginado como um O sistema fica representado pela

dígrafo. integração de todas as equações

Há três níveis de interação Não se diferencia a origem das

1. Cálculos físico-químicos equações (ou variáveis). As equações
2. Módulos (operações unitárias) são resolvidas de forma simultânea.
3. Variáveis de interação (reciclo) Produz sistemas grandes e muito
4. … Otimização…
dispersos.

Cada operação unitária é resolvida de forma Método de resolução único para todas
eficiente utilizando algoritmos desenvolvidos as equações
especialmente para cada uma delas
Simulação Modular vs. Simulação Baseada em Equações

Simulação Modular Simulação Baseada em equações

Necessita do estabelecimento da ordem de Sistemas muito flexíveis, praticamente

cálculo das unidades. Isto dá lugar a sistemas pode-se escolher como especificação
bastante rígidos (não se pode especificar qualquer variável ou parâmetro
qualquer corrente ou parâmetro)

A convergência global costuma ser lenta, Se converge, é de forma rápida. Porém,

usa-se métodos de ponto fixo (substituição costuma requerer bons valores iniciais.
sucessiva, Wegstein ou valor próprio
dominante) ou em alguns casos, métodos
Quasi-Newton (Broyden)

Bastante robustos e confiáveis, porém, pouco Costuma ser muito versátil, mas
versáteis necessita estratégias de inicialização
avançadas.

É mais difícil incluir otimização. Em geral o Muito fácil de incluir otimização

problema está no cálculo preciso das
derivadas, que costuma ser muito lento