Apoyo a la Toma de Decisión en una Red de Evaporadores Industriales

M. Kalliski; J. L. Pitarch; C. Jasch; C. de Prada

doi:10.4995/riai.2018.9233

Autores/as

M. Kalliski Technische Universität Dortmund
J. L. Pitarch Universidad de Valladolid https://orcid.org/0000-0001-5356-6321
C. Jasch Process Engineer Recovery & Spinbath Viscose / Modal Plant Lenzing Aktiengesellschaft
C. de Prada Universidad de Valladolid https://orcid.org/0000-0001-6700-9067

DOI:

https://doi.org/10.4995/riai.2018.9233

Palabras clave:

Ayuda a la operación, Asignación de recursos, Modelos subrogados, Programación de limpiezas, Industria del papel y textil

Resumen

La planificación de la producción y tareas de mantenimiento en una red de equipos es una tarea cuya complejidad aumenta exponencialmente con el número de productos, equipos y tareas. Encontrar soluciones óptimas económicas o de eficiencia de recursos) se hace especialmente difícil para un planificador humano, más aún cuando se requiere tomar decisiones en breves periodos de tiempo. Este trabajo aborda el problema de distribución de carga en tiempo real y programación de limpiezas en una red de evaporadores industriales mediante herramientas de ayuda a la decisión basadas en optimización mixta entera con modelos. Las herramientas propuestas tienen en cuenta las preferencias de visualización de los operarios y están integradas con el sistema de supervisión de la planta. Además de proporcionar recomendaciones para la operación óptima de la red, se incluye un sistema semiautomático de actualización de modelos basado en datos históricos de operación.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

M. Kalliski, Technische Universität Dortmund

PhD Student.Fakultät Bio- undChemieingenieurwesen.

J. L. Pitarch, Universidad de Valladolid

Investigador sénior. Departamento de Ingeniería de Sistemas y Automática, Escuela de Ingenierías Industriales.

C. Jasch, Process Engineer Recovery & Spinbath Viscose / Modal Plant Lenzing Aktiengesellschaft

Project manager. Division of viscose fiber production.

C. de Prada, Universidad de Valladolid

Catedrático de Universidad. Director del Grupo de Supervisión y Control de Procesos.

Departamento de Ingeniería de Sistemas y Automática. Escuela de Ingenierías Industriales.

Citas

Başar, T., Bernhard, P., 2008. Hâˆž-optimal control and related minimax design problems: A dynamic game approach. Springer, Boston. https://doi.org/10.1007/978-0-8176-4757-5

Bandler, J.W., Charalambous, C., 1974. Nonlinear programming using minimax techniques. Journal of Optimization Theory and Applications, 13 (6), 607-619. https://doi.org/10.1007/BF00933620

Bizet, V.M., Grossmann, I.E., Juhasz, N.M., 2005. Optimal production and scheduling of a process with decaying catalyst. AIChE Journal, 51 (3), 909-921. https://doi.org/10.1002/aic.10342

Bliek, C., Bonami, P., Lodi, A., 2014. Solving mixed integer quadratic programming problems with IBM-CPLEX: a progress report. Proceedings of the 26th RAMP Symposium, 171-180.

Bonami, P., Biegler, L.T., Conn, A.R., Cornuéjols, G., Grossmann, I.E., Laird, C.D., Lee, J., Lodi, A., Margot, F., Sawaya, N., Wächter, A., 2008. An algorithmic framework for convex mixed integer nonlinear programs. Discrete Optimization, 5(2), 186-204. https://doi.org/10.1016/j.disopt.2006.10.011

Burton, D.M., 1976. Elementary Number Theory. Allyn & Bacon, Boston.

Charnes, A., Cooper, W.W., 1959. Chance-constrained programming. Management Science, 6 (1), 73-79. https://doi.org/10.1287/mnsc.6.1.73

Engell, S., Harjunkoski, I., 2012. Optimal operation: Scheduling, advanced control and their integration. Computers & Chemical Engineering, 47, 121-133. https://doi.org/10.1016/j.compchemeng.2012.06.039

Heluane, H., Blanco, A.M., Hernández, M.R., Bandoni, J.A., 2012. Simultaneous re-design and scheduling of multiple effect evaporator systems. Computers & Operations Research, 39 (5), 1173-1186. https://doi.org/10.1016/j.cor.2011.06.015

Kalliski, M., Krahé, D., Beisheim, B., Krämer, S., Engell, S., 2015. Resource efficiency indicators for real-time monitoring and optimization of integrated chemical production plants. Computer Aided Chemical Engineering, 37, 1949-1954. https://doi.org/10.1016/B978-0-444-63576-1.50019-4

Krämer, S., Engell, S. (Eds.), 2017. Resource Efficiency of Processing Plants: Monitoring and Improvement. Wiley-VCH Verlag.

Kujanpää, M., Hakala, J., Pajula, T., Beisheim, B., Krämer, S., Ackerschott, D., Kalliski, M., Engell, S., Enste, U., Pitarch, J.L., 2017. Successful Resource Efficiency Indicators for process industries. VTT Technology, 290, Helsinki.

LeiKon, 2014. D4.1 Requirement specification for the integrated deployment platform, Outcomes of the MORE Project. http://www.more-nmp.eu/outcomes/deliverables/

Mason, A.J., 2012. OpenSolver – An open source add-in to solve linear and integer programmes in Excel. En: Klatte, D., Lathi, H., Schmedders, K. (Eds.), Operations Research Proceedings 2011. Springer-Verlag, Berlin Heidelberg, 401-406. https://doi.org/10.1007/978-3-642-29210-1_64

Melouk, S.H., Freeman, N.K., Miller, D., Dunning, M., 2013. Simulation optimization-based decision support tool for steel manufacturing. International Journal of Production Economics, 141 (1), 269-276. https://doi.org/10.1016/j.ijpe.2012.08.001

Pereira, M.V.F., Pinto, L.M.V.G., 1991. Multi-stage stochastic optimization applied to energy planning. Mathematical Programming, 52, 359-375. https://doi.org/10.1007/BF01582895

Pitarch, J.L., Palacín, C.G., Merino, A., de Prada, C., 2017. Optimal operation of an evaporation process. En: Bock, H.G., Phu, H.X., Rannacher, R., Schlöder, J. (Eds.), Modeling, Simulation and Optimization of Complex Processes HPSC 2015. Springer, Cham. https://doi.org/10.1007/978-3-319-67168-0_16

Rockafellar, R.T., Wets, R. J.-B., 1991. Scenarios and policy aggregation in optimization under uncertainty. Mathematics of Operations Research, 16 (1), 119-147. https://doi.org/10.1287/moor.16.1.119

Sala, A., Pitarch, J.L., 2016. Optimisation of transient and ultimate inescapable sets with polynomial boundaries for nonlinear systems. Automatica, 73, 82-87. https://doi.org/10.1016/j.automatica.2016.06.017

Schulz, E.P., Bandoni, J.A., Diaz, M.S., 2006. Optimal shutdown policy for maintenance of cracking furnaces in ethylene plants. Industrial & Engineering Chemistry Research, 45 (8), 2748-2757. https://doi.org/10.1021/ie050341r

Tremblay, G., Berriah, S., Veillette, M., 2009. Method and system for electrolyzer diagnosis based on curve fitting analysis and efficiency optimization. U.S. Patent No. 7,616,006, Washington DC.