EQE038 – Simulação e Otimização de Processos Químicos

Apresentação em tema: "EQE038 – Simulação e Otimização de Processos Químicos"— Transcrição da apresentação:

1 EQE038 – Simulação e Otimização de Processos Químicos
– Aula 1 – Argimiro R. Secchi EQ/UFRJ 23 de agosto de 2013

2 Introdução 2

3 Razões para a Simulação
Contenção de despesas (custo e tempo) Processos fortemente integrados com diversos reciclos de massa e energia Necessidade de melhor compreensão de processos cada vez mais complexos Otimização e construção de processos otimizados Construção de protótipos virtuais, verificação de projetos, etc. 3

4 Razões para a Simulação Dinâmica
Processos Batelada e Semi-batelada (Análise, Controle, Otimização Dinâmica, Projeto Ótimo, Estimação de Parâmetros, Operações de Partida) Otimização Dinâmica em Tempo Real (D-RTO) (NMPC, Otimização Global de Plantas, Transição de Produtos, Atualização de Modelos, Analisadores Virtuais) Controle Avançado de Processos (Projeto de Estruturas de Controle, Redução de Modelos, Controlabilidade e Operabilidade, Controle Baseado em Modelos, Sintonia de Controladores, Dinâmica Não Linear) Partidas, Paradas e Transições (Estratégias de Partida, Estudos de Segurança, Parada de Plantas, Transições de Produtos, Troubleshooting) Intensificação de Processos (Sistema Complexos, Comportamentos Complexos, Processos Reação/Separação, Reatores Auto-Refrigerados) Ensino e Treinamento (Ensino em Sala de Aula, Treinamento de Operadores)

5 Processos em Batelada e Semi-Batelada
produto refluxo (bio)reatores (semi-)batelada destilação batelada

6 Otimização Dinâmica em Tempo Real
Processo+Controle Regulatório NMPC D-RTO / RTO Tratamento e reconciliação de dados Atualização de modelo p/ RTO Atualização de modelo p/ NMPC Programação da Produção Inferências u(t) y(t) Y(t) u*(t) y*(t) especificações de carga, produto e mercado Servidor de modelos (rigorosos, empíricos, híbridos, reduzidos) d(t)

7 Controle Não-Linear Baseado em Modelos
Controle de Processos Controle Não-Linear Baseado em Modelos Processo+Controle Regulatório NMPC Tratamento e reconciliação de dados Atualização de modelo p/ NMPC Otimização local Inferências u(t) y(t) Y(t) metas Servidor de modelos (rigorosos, empíricos, híbridos, reduzidos) d(t)

8 Treinamento de operadores
Ensino e Treinamento Ensino em sala de aula Treinamento de operadores Simulador Estudante TCP/IP Simulador Professor Server Simulador  Planta Client Trainee TCP/IP Client Instrutor Exemplo: Operator training (Lee et al., 2000)

9 Como Usar a Simulação Dinâmica?
Há várias coisas para escolher! Algumas delas são: Simuladores Discretizadores Integradores Estimadores Otimizadores Próprio Comercial Modular Equação-orientado Diferenças finitas Volumes finitos Elementos finitos Colocação ortog. Implícitos Explícitos Índice baixo Índice elevado Mínimos quadrados Max. verossim. Mínimo local Mínimo global Variacional Program. mat. Seqüencial Simultâneos

10 Um Exemplo Simples em Diferentes Ambientes
Série de reatores CSTR isotérmicos com reação de primeira ordem e controlador PI

11 MATLAB ODE file (CSTR_series.m) MATLAB script file (run_series.m)

12 SIMULINK SIMULINK diagram (series_sl.mdl)
S-function file (CSTR_series_sf.m)

13 EMSO (CSTR_series.mso)

14 Técnicas de Simulação Simulação Modular Seqüencial
Simulação Modular Simultânea Simulação Orientada por Equações 14

15 Simuladores Modulares
O cálculo dos equipamentos são executados de forma seqüencial; O resultado da saída de um bloco é passado como entrada para o bloco seguinte, iterando para a solução de reciclos. Modelagem tipo Caixa-Preta O código é desenvolvido para a solução de equipamentos específicos 15

16 Exemplo de Fluxograma de Processo
O modelo matemático do processo pode ser visto como constituído de três tipos de equações: 1) Equações dos modelos, incluindo modelos das unidades do processo e modelos de propriedades físicas; 2) Equações de conexão do fluxograma de processo, que indicam como as unidades são conectadas umas as outras; 3) Equações de especificações.

17 Exemplo de Fluxograma de Processo
Equações de modelo: y1 = g1(x0,x4,v1) ; h1(x0,x4,v1) = 0 y2 = g2(x1,v2) ; h2(x1,v2) = 0 y3 = g3(x2,v3) ; h3(x2,v3) = 0 y4 = g4(x3,v4,u) ; h4(x3,v4,u) = 0 onde vi : variáveis internas e hi : modelo da unidade. Equações de conexão: x1 = y1(x0,x4); x2 = y2(x1); x3 = y3(x2); x4 = y4(x3,u) Equações de especificação: r(x2,v3) = rs Para este problema, deseja-se determinar u dados x0 e rs (problema de análise), ou ainda determinar rs dados x0 e u (problema de projeto).

18 Simulação Modular Seqüencial
Uso da matriz de incidência para determinar os reciclos e definir uma estratégia para criar as variáveis de abertura A solução de um módulo é usada como entrada para outro(s) módulo(s), de acordo com a topologia do fluxograma do processo. As variáveis de abertura são iteradas por métodos de resolução de sistemas de equações algébricas (usualmente substituições sucessivas).

19 Simulação Modular Simultânea
A solução é obtida iterativamente em dois níveis de cálculo: - nível dos módulos, onde cada módulo (ou conjunto de módulo) é usado para gerar uma aproximação dos elementos da matriz Jacobiana das variáveis de conexão do processo; fi = xi – gi = 0 , i = 1, 4 f5 = r – rs = 0 JDz = – f , z = [x1, x2, x3, x4, u] - nível do fluxograma, onde as equações dos modelos linearizados são resolvidos simultaneamente com as equações de especificações e as equações de conexão (ou um subconjunto destas equações).

20 Simuladores Orientados por Equações
20

21 Simulação Orientada por Equações
Todas as equações (modelos, conexões e especificações) são resolvidas simultaneamente para as variáveis internas e externas aos módulos. h1(x0,x4,v1) = 0 h3(x2,v3) = 0 y1 – g1(x0,x4,v1) = 0 y3 – g3(x2,v3) = 0 h2(x1,v2) = 0 h4(x3,v4,u) = 0 y2 – g2(x1,v2) = 0 y4 – g4(x3,v4,u) = 0 x1 – y1(x0,x4) = 0 r(x2,v3) – rs = 0 x2 – y2(x1) = 0 x3 – y3(x2) = 0 x4 – y4(x3,u) = 0

22 Ferramentas dos Simuladores
Diferenciação Numérica Simbólica Automática

23 Ferramentas CAPE Movimento na direção de ferramentas orientada por equações (EO) Principais vantagens das EO: Modelos podem ser visualizados Modelos podem ser refinados ou reusados Uso do mesmo modelo como fonte de várias tarefas: simulação, otimização, estimação de parâmetros, reconciliação de dados, etc.  ambiente integrado Algumas limitações atuais: Falta de assistência para o desenvolvimento de modelos Dificuldade na correção de modelos mal postos e obtenção de estimativas iniciais robustas

24 Breve Histórico dos Simuladores
Anos 50: M. W. Kellog. Corp. apresentou o Flexible Flow Anos 60: Estima-se a existência de 200 ferramentas diferentes (simuladores próprios nas grandes empresas) Anos 70: Projeto ASPEN do MIT Anos 80-90: Novos conceitos, interfaces gráficas amigáveis Novas linguagens de programação Algoritmos numéricos mais poderosos Anos 2000: Projeto ALSOC da UFRGS, COPPE e USP: EMSO 24

25 Histórico – EMSO Início do desenvolvimento em 2000 (mestrado de Rafael de Pelegrini Soares - UFRGS) Em 2001 e 2002, primeiras versões operacionais Primeiro semestre de 2003, proposta de formação de consórcio de empresas e universidades Primeiro semestre de 2004, proposta ao CT-PETRO / FINEP Início do Projeto ALSOC 1, janeiro de 2005. Início do Projeto ALSOC 2, janeiro de 2007.

26 Ambiente Livre para Simulação, Otimização e Controle
Projeto ALSOC Ambiente Livre para Simulação, Otimização e Controle OBJETIVO Desenvolvimento sustentável de um ambiente integrado de síntese, modelagem, simulação, controle e otimização de processos, com características de modularidade, reutilização e interfaceamento padrão.

27 Projeto ALSOC IMPACTOS DESEJADOS
Acesso gratuito a uma mesma ferramenta de simulação de processos em todas as universidades brasileiras, aumentando as interações inter-institucionais. Maior uniformização dos trabalhos de pesquisa e desenvolvimento na área de modelagem e simulação de processos. Possibilidade de uma maior capacitação de recursos humanos nas universidades e indústrias com uso do simulador. Maior transferência de tecnologia resultante de uma interação mais efetiva universidade – empresa pelo uso de uma ferramenta comum. Oferecimento de condições favoráveis às indústrias de processos melhorarem seus processos produtivos. Redução da dependência externa do Brasil em softwares de simulação de processos.

28 Parceria entre universidades-empresas (fases 1 e 2):
Projeto ALSOC Parceria entre universidades-empresas (fases 1 e 2): PETROBRAS BRASKEM COPESUL INNOVA IPIRANGA P. TRIUNFO REFAP UFRGS COPPE/UFRJ USP MACKENZIE FINEP-CNPq

29 Universidades Colaboradoras
Projeto ALSOC Universidades Colaboradoras UFRGS UFBa UFU

30

31 EMSO EMSO é a sigla para “Environment for Modeling, Simulation, and Optimization” Desenvolvimento iniciado em 2001 na UFRGS: Rafael de Pelegrini Soares Escrito em linguagem C++ Disponível para Windows e Linux Modelos escritos em linguagem de modelagem orientada a objetos Simulador e otimizador orientado por equações (EO) Computacionalmente eficiente para simulações dinâmicas e estacionárias Desenvolvimento continuado através do Projeto ALSOC:

32 Algumas Aplicações Industriais
Simulação Dinâmica do Ciclo de Refrigeração a Propano de uma Unidade de Processamento de Gás Natural

33 Algumas Aplicações Industriais
Simulação Dinâmica de uma Despropenizadora (165 pratos, 2 comp.)

34 Algumas Aplicações Industriais
Simulação Dinâmica de uma Desisobutanizadora (80 pratos, 13 comp.)

35 Algumas Aplicações Industriais
Simulação Estacionária de uma Termoelétrica à Carvão Pulverizado

36 Algumas Aplicações Industriais
Simulação Dinâmica de uma Estação de Tratamentos de Despejos Industriais (Müller et al., 2009) Componentes modelados: OD, TOC, Fenol, NH3, NO2, NO3 e 6 grupos de bactérias

37 Algumas Aplicações Industriais
Simulação Dinâmica do Processo de Produção de Poliestireno Cristal

38 Aplicações em Biorreatores
Simulação da Produção de Lactase em Batelada (Longhi et al., 2004)

39 Aplicações em Biorreatores
Simulação da Produção de Lactase em Batelada concentração (g/l) time (s)

40 Aplicações em Biorreatores
Simulação da Produção de PHB em Batelada Rotas metabólicas Kinetics and Mechanism of Synthesis and Degradation of PHB in Alcaligenes eutrophus Macromolecules 1992, 25, Kawaguchi, Y., Doi, Y.

41 Aplicações em Biorrefinarias
Biorrefinaria de 2ª geração: cana-de-açúcar  etanol (Furlan et al., 2010)

42 Principais Características do EMSO
Biblioteca de modelos de código aberto Modelagem orientada a objetos Diferenciação automática e simbólica built-in Checagem e conversão automática de unidades de medida Resolve problemas de índice elevado Realiza análise de consistência (DoF, DDoF, condição inicial) Graphical User Interface (GUI) integrada ao simulador Criação de fluxogramas por diagrama de blocos Manipulação de eventos discretos (estado e tempo) Multitarefa para simulações paralelas e em tempo real Arquitetura modular e suporte para álgebra esparsa Multi-plataforma: win32 e posix Interface com código do usuário escrito em C/C++ ou Fortran Documentação automática de modelos usando hipertextos e LaTeX

43 O que pode ser feito com o EMSO
Simulações estacionárias Simulações dinâmicas Otimização estacionária (NLP, MINLP) Estimação de parâmetros com modelos estacionários Estimação de parâmetros com modelos dinâmicos Reconciliação de dados estacionária Acompanhamento de processos e inferências com comunicação OPC Construção de diagramas de bifurcação (interface com AUTO para DAEs) Simulação dinâmica com o SIMULINK (interface com MATLAB) Adição de novos solvers (DAE, NLA, NLP) Adição de rotinas externas usando o recurso de Plugins

44 Propriedades Físicas e Termodinâmicas Plugin
Banco de Dados com cerca de 2000 componentes puros Cálculo de propriedades de mistura

45 Como Instalar o EMSO Download EMSO e VRTherm a partir do site: Executar o setup Executar o EMSO Adicionar o pacote de propriedades físicas usando a opção Config Plugins do menu Selecionar e simular um exemplo

46 Configurando o Plugin – VRTherm: vrpp –
Para usar um plug-in é necessário registrá-lo através do menu Config Plugins Windows: plug-in é um arquivo DLL (vrpp.dll) Linux: plug-in é um arquivo SO (libvrpp.so)

47 Adicionando Novas Bibliotecas de Modelos
47

48 – Simulando um exemplo –
GUI Integrada – Simulando um exemplo – sample/processes/Sample_Flowsheet.{mso, pfd}

49 Estrutura do EMSO - Entidades
O simulador EMSO possui na sua estrutura de modelagem 3 entidades principais FlowSheet – problema em estudo, é composto por um conjunto de DEVICES. DEVICES – componentes do FlowSheet, são as operações unitárias ou equipamentos. Model – é a descrição matemática de um DEVICE. 49

50 Estrutura do EMSO - Entidades
FlowSheet Model Model: baseado em equações FlowSheet: baseado em componentes streamPH 50

51 Linguagem – Sistema Baseado em Equações
Model Linguagem – Sistema Baseado em Equações Equações Não importa a ordem em que aparecem no modelo Equações Equivalentes Podem ser escritas na forma desejada pelo usuário 51

52 Linguagem – Modelagem Orientada a Objetos
A modelagem e a simulação de sistemas complexos é facilitada através do uso dos conceitos da POO Equipamento Componente Sistema O sistema pode ser decomposto em seus diversos componentes e cada um deles descrito separadamente através de suas equações governantes Os componentes do sistema trocam informações entre si através das suas portas de conexões 52

53 Linguagem – Sistema Baseado em Componentes
FlowSheet Linguagem – Sistema Baseado em Componentes streamPH A modelagem do sistema é feita pela utilização, configuração e conexão de componentes pré-existentes 53

54 Componentes de um FlowSheet
Parâmetros dos DEVICES Remoção de Graus de Liberdade Opções de simulação Remoção de Graus de Liberdade Dinâmicos

55 Tipos Definidos no EMSO
Parâmetros e variáveis são declarados dentro de seus domínios válidos e unidades usando tipos criados baseados nos tipos básicos: Real e Integer 55

56 TANQUE DE NÍVEL – FLOWSHEET
Parâmetros dos DEVICES Remoção dos graus de liberdade Opções da Simulação Remoção dos graus de liberdade dinâmicos

57 CONSISTÊNCIA DO SISTEMA
O EMSO analisa a consistência do sistema criado no FlowSheet

58 TANQUE DE NÍVEL – SIMULAÇÃO
Detalhes da Simulação

59 TANQUE DE NÍVEL – RESULTADOS
Eixo “X” é sempre a variável “tempo”

60 TANQUE DE NÍVEL – RESULTADOS

61 SELECIONANDO GRÁFICOS
Selecione a região do gráfico usando o mouse Para reverter o Zoom clicar com o botão direito do mouse e selecionar Zoom Out

62 Clicar com o botão direito do mouse
EDITANDO GRÁFICOS Caixa de Diálogo Clicar com o botão direito do mouse e selecionar Properties

63 Clicar com o botão direito do mouse
SALVANDO GRÁFICOS Clicar com o botão direito do mouse e selecionar Export Image Caixa de Diálogo

64 SALVANDO RESULTADOS Caixa de Diálogo

65 RESULTADOS EM PLANILHAS
Usando o Excel para analisar os resultados Resultados separados por blocos de equipamentos

66 RESULTADOS EM PLANILHAS
Usando o BrOffice ou OpenOffice para analisar os resultados Blocos de equipamentos

67 RESULTADOS NO MATLAB E SCILAB
Usando o MATLAB para analisar os resultados

68 EML – BIBLIOTECA DE MODELOS
Controladores Controladores PID (série, paralelo, AW, AWBT) Controladores PID Incrementais (série, paralelo, AW, AWBT) Lead-Lag, Lag Comparator, Sum, Ratio, Multiply, HiLoSelect IAE ISE Trocadores de Calor Trocadores de Calor Casco e Tubos com Modelagem Simplificada Trocadores de Calor Casco e Tubos com Modelagem Rigorosa Trocadores de Calor Casco e Tubos Discretizados Trocadores de Calor Multicorrentes - MHeatex Trocadores de Calor - Aquecedores e Resfriadores Trocadores de Calor Duplo Tubo Trocadores de Calor de Placas Sistemas de Separação Flash dinâmico Flash Estacionário Condensador Dinâmico Condensador Estacionário Refervedor Dinâmico Refervedor Estacionário Refervedor Estacionário Parcial Estágio de Equilíbrio - Prato Splitter Mixer Tanque cilíndrico Tanque cilíndrico deitado Seção de coluna Coluna de destilação com condensador e refervedor dinâmicos Coluna de destilação com refervedor termossifão e subresfriamento no condensador Coluna de destilação com refervedor termossifão e condensador dinâmico Coluna de destilação com refervedor kettle e subresfriamento no condensador Coluna Retificadora Coluna Retificadora com subresfriamento Coluna de Stripping com refluxo Coluna de Stripping refluxada com subresfriamento no condensador Coluna de Absorção com refluxo Coluna de Absorção refluxada com subresfriamento no condensador Coluna de Stripping com refervedor kettle Coluna de Stripping com refervedor termossifão Coluna de Absorção com refervedor kettle Coluna de Absorção com refervedor termossifão Reatores CSTR PFR Gibbs Equilíbrio Batelada Batelada alimentada Modificadores de Pressão Bombas Turbinas Compressores Válvulas Modelos Didáticos Exercícios do Fogler 68

69 Construção de Diagrama de Blocos – criando um novo arquivo –
Seleção de componentes do pacote de Propriedades Físicas DEVICES encontrados nas bibliotecas de modelos

70 Construção de Diagrama de Blocos – selecionando DEVICES –
Ao fazer uma conexão, somente portas compatíveis estarão disponíveis para conectar drag & drop portas para criar uma conexão click para criar um DEVICE

71 Construção de Diagrama de Blocos – configurando um estudo de caso –
double-click Status da variável: a determinar (Evaluate) conhecida (Specify) condição inicial (Initial) estimativa inicial (Guess)

72 Construção de Diagrama de Blocos – modelo termodinâmico –
Modelos disponíveis right-click PC-SAFT

73 Construção de Diagrama de Blocos
– simulando –

74 Exercícios 1) Construir um fluxograma para simular um tanque de nível;
2) Construir um fluxograma para simular uma série de três tanques de nível; 74

75 Bibliografia Himmelblau, D. M. & Bischoff, K. B., "Process Analysis and Simulation - Deterministic Systems", John Wiley & Sons, 1968. Carnahan, B. Luther, H. A. & Wilkes, J. O., "Applied Numerical Methods", Wiley, 1969. Finlayson, B. A., "The Method of Weighted Residuals and Variational Principles with Application in Fluid Mechanics, Heat and Mass Transfer", Academic Press, 1972. Himmelblau, D. M., "Applied Nonlinear Programming", McGraw-Hill, 1972. Villadsen, J. & Michelsen, M. L., "Solution of Differential Equation Models by Polynomial Approximation", Prentice- Hall, 1978. Felder, R. M. & Rousseau, R. W., "Elementary Principles of Chemical Processes", John Wiley & Sons, 1978. Rice, J. R., "Numerical Methods, Software and Analysis", McGraw-Hill, 1983. Davis, M. E., "Numerical Methods and Modeling for Chemical Engineers", John Wiley & Sons, 1984. Denn, M., "Process Modeling", Longman, New York, 1986. Edgar, T.F. & Himmelblau, D.M., "Optimization of Chemical Processes", McGraw-Hill, 1988. Brenan, K. E., Campbell, S. L. & Petzold, L. R., "Numerical Solution of Initial-Value Problems in Differential Algebraic Equations", North-Holland, 1989. Luyben, W. L., "Process Modeling, Simulation, and Control for Chemical Engineers", McGraw-Hill, 1990. Silebi, C.A. & Schiesser, W.E., “Dynamic Modeling of Transport Process Systems”, Academic Press, Inc., 1992. Biscaia Jr., E.C. “Método de Resíduos Ponderados com Aplicação em Simulação de Processos”, XV CNMAC, 1992 Ogunnaike, B.A. & Ray, W.H., “Process Dynamics, Modeling, and Control”, Oxford Univ. Press, New York, 1994. Rice, R.G. & Do, D.D., “Applied Mathematics and Modeling for Chemical Engineers”, John Wiley & Sons, 1995. Maliska, C.R. “Transferência de Calor e Mecânica dos Fluidos Computacional”, 1995. Bequette, B.W., “Process Dynamics: Modeling, Analysis, and Simulation”, Prentice Hall, 1998. 75

76 Referências de Artigos
Al-Arfaj, M. and W.L. Luyben. Comparison of Alternative Control Structures for an Ideal Two-Product Reactive Distillation Column. Ind. Eng. Chem. Res., 39, 3298–3307 (2000). Arpornwichanop, A., P. Kittisupakorn and I.M. Mujtaba. On-line Dynamic Optimization and Control Strategy for Improving the Performance of Batch Reactors. Chemical Engineering and Processing, 44, 101–114 (2005). BenAmor, Z., F.J. Doyle III and R. McFarlane. Polymer Grade Transition Control using Advanced Real-Time Optimization Software. Journal of Process Control, 14, 349–364 (2004). Bhagwat, A., R. Srinivasan and P.R. Krishnaswamy. Fault Detection During Process Transitions: a Model-Based Approach. Chemical Engineering Science, 58, 309–325 (2003). Biagiola, S.I. and J.L. Figueroa. Application of State Estimation Based NMPC to an Unstable Nonlinear Process. Chemical Engineering Science, 59, 4601–4612 (2004). Biegler, L.T., A.M. Cervantes and A. Wächter. Advances in Simultaneous Strategies for Dynamic Process Optimization. Chemical Engineering Science, 57, 575–593 (2002). Charpentier, J.C. and T.F. McKenna. Managing Complex Systems: Some Trends for the Future of Chemical and Process Engineering. Chemical Engineering Science, 59, 1617–1640 (2004). Costa Jr., E.F., R.C. Vieira, A.R. Secchi and E.C. Biscaia Jr. Dynamic Simulation of High-Index Models of Batch Distillation Processes. Journal of Latin American Applied Research, 32 (2) 155–160 (2003).

77 Referências de Artigos
Davies, M.L., I. Schreiber and S.K. Scott. Dynamical Behaviour of the Belousov–Zhabotinsky Reaction in a Fed-Batch Reactor. Chemical Engineering Science, 59, 139–148 (2004). Elgue, S., L. Prat, M. Cabassud, J.M. Le Lann and J. Cézerac. Dynamic Models for Start-up Operations of Batch Distillation Columns with Experimental Validation. Computers and Chemical Engineering, 28, 2735–2747 (2004). Ferreira, L.S., J.O. Trierweiler, A.R. Secchi and S.M. Marcon. Development of a Virtual Analyzer Software for Bioprocesses. AIChE Annual Meeting, San Francisco, CA, USA, p. #107ak (2003). Gao, W. and S. Engell. Iterative Set-point Optimization of Batch Chromatography. Computers and Chemical Engineering, 29, 1401–1409 (2005). Grünera, S. and A. Kienle. Equilibrium Theory and Nonlinear Waves for Reactive Distillation Columns and Chromatographic Reactors. Chemical Engineering Science, 59, 901–918 (2004). Hahn, J., T.F. Edgar and W. Marquardt. Controllability and Observability Covariance Matrices for the Analysis and Order Reduction of Stable Nonlinear Systems. Journal of Process Control, 13, 115–127 (2003). Henson, M.A. Dynamic Modeling and Control of Yeast Cell Populations in Continuous Biochemical Reactors. Computers and Chemical Engineering, 27, 1185–1199 (2003). Iliuta, I. and F. Larachi. Modeling Simultaneous Biological Clogging and Physical Plugging in Trickle-Bed Bioreactors for Wastewater Treatment. Chemical Engineering Science, 60, 1477–1489 (2005).

78 Referências de Artigos
Furlan, F.F., Giordano, R.C., Cruz, A.J.G., Costa, C.B.B., Secchi, A.R., Soares, R.P., Fonseca, G.C., Pinto, G.A., Biscaia Jr, E.C., Giordano, R.L.C. Bioprocess Systems Engineering Applied to a Multipurpose Second Generation Ethanol-from-Sugarcane Plant: Assessing the Performance of Local and Global Optimization Algorithms. In: 14th International Biotechnology Symposium and Exhibition, Rimini, Itália (2010). Jockenhövel, T., L.T. Biegler and A.Wächter. Dynamic Optimization of the Tennessee Eastman Process using the OptControlCentre. Computers and Chemical Engineering, 27, 1513–1531 (2003). Kulikov, V., H. Briesen, R. Grosch, A. Yang, L. vonWedel and W. Marquardt. Modular Dynamic Simulation for Integrated Particulate Processes by Means of Tool Integration. Chemical Engineering Science, 60, 2069–2083 (2005). Lakner, R., K.M. Hangos and I.T. Cameron. On Minimal Models of Process Systems. Chemical Engineering Science, 60, 1127–1142 (2005). Lee, S., I. Jeong and I. Moon. Development of Evaluation Algorithms for Operator Training System. Computers and Chemical Engineering, 24, (2000). Logsdon, J.S. and Biegler, L.T. Accurate Determination of Optimal Reflux Polices for the Maximum Distillate Problem in Batch Distillation. Ind. Eng. Chem. Res., 32 (4) (1993). Longhi, L.G.S., D.J. Luvizetto, L.S. Ferreira, R. Rech, M.A.Z. Ayub and A.R Secchi. A Kinetic Model for the Kluyveromyces marxianus Growth using Cheese Whey as Substrate. Journal of Industrial Microbiology, 31 (1) 35–40 (2004). Marquardt, W. and M. Mönnigmann. Constructive Nonlinear Dynamics in Process Systems Engineering. Computers and Chemical Engineering, 29, 1265–1275 (2005). Martinson, W.S. and P.I. Barton. Distributed Models in Plantwide Dynamic Simulators. AIChE Journal, 47 (6) 1372–1386 (2001).

79 Referências de Artigos
Molnár, A., M. Krajciová, J. Markos and L. Jelemensky. Use of Bifurcation Analysis for Identification of a Safe CSTR Operability. Journal of Loss Prevention in the Process Industries, 17, 489–498 (2004). Reepmeyer, F., J.U. Repke and G. Wozny. Time Optimal Start-up Strategies for Reactive Distillation Columns. Chemical Engineering Science, 59, 4339–4347 (2004). Rodrigues, R., R.P. Soares and A.R Secchi. Teaching Chemical Reaction Engineering Using EMSO Simulator. Computer Applications in Engineering Education, Wiley (2008). Skogestad, S. Control Structure Design for Complete Chemical Plants. Computers and Chemical Engineering, 28, 219–234 (2004). Soares, R.P. and A.R. Secchi. EMSO: A New Environment for Modeling, Simulation and Optimization. ESCAPE 13, Lappeenranta, Finlândia, 947 – 952 (2003). Soares, R.P. and A.R. Secchi. Modifications, Simplifications, and Efficiency Tests for the CAPE-OPEN Numerical Open Interfaces. Computers and Chemical Engineering, 28, 1611–1621 (2004). Soares, R.P. and A.R. Secchi, Direct Initialisation and Solution of High-Index DAE Systems, ESCAPE 15, Barcelona, Spain, 157–162 (2005). Soares, R.P. and A.R. Secchi, Debugging Static and Dynamic Rigorous Models for Equation-oriented CAPE Tools, DYCOPS 2007, Cancún, Mexico, v.2, 291–296 (2007).

80 Referências de Artigos
Srinivasan, R., P. Viswanathan, H. Vedam and A. Nochur. A Framework for Managing Transitions in Chemical Plants. Computers and Chemical Engineering, 29, 305–322 (2005). Toledo, E.C.V., R.F. Martini, M.R.W. Maciel and R. Maciel Filho. Process Intensification for High Operational Performance Target: Autorefrigerated CSTR Polymerization Reactor. Computers and Chemical Engineering, 29, 1447–1455 (2005). Tosukhowong, T., J.M. Lee, J.H. Lee and J. Lu. An Introduction to a Dynamic Plant-Wide Optimization Strategy for an Integrated Plant. Computers and Chemical Engineering, 29, 199–208 (2004). Trierweiler, J.O. and L.A. Farina. RPN tuning strategy for model predictive control. Journal of Process Control, 13, 591–598 (2003). Valle, E.C., R.P. Soares, T.F. Finkler, A.R. Secchi. A New Tool Providing an Integrated Framework for Process Optimization, EngOpt International Conference on Engineering Optimization, Rio de Janeiro, Brazil (2008). Wu, K.L., C.C. Yu, W.L. Luyben and S. Skogestad. Reactor/Separator Processes with Recycles-2. Design for Composition Control. Computers and Chemical Engineering, 27, 401–421 (2002). Yip, W.S. and T.E. Marlin. The Effect of Model Fidelity on Real-Time Optimization Performance. Computers and Chemical Engineering, 28, 267–280 (2004). Zhang, J. and R. Smith. Design and Optimisation of Batch and Semi-Batch Reactors. Chemical Engineering Science, 59, 459–478 (2004).

81 Referências DAE Solvers:
DASSL: Petzold, l.R. (1989) DASSLC: Secchi, A.R. and F.A. Pereira (1997), MEBDFI: Abdulla, T.J. and J.R. Cash (1999), PSIDE: Lioen, W.M., J.J.B. de Swart, and W.A. van der Veen (1997), SUNDIALS: R. Serban et al. (2004),

82 Agradecimentos especiais
Prof. Rafael de Pelegrini Soares, D.Sc. Eng. Gerson Balbueno Bicca, M.Sc. Eng. Euclides Almeida Neto, M.Sc. Eng. Eduardo Moreira de Lemos, M.Sc. Eng. Marco Antônio Müller Pela preparação de parte do material do curso. Pelo apoio ao Projeto ALSOC.

83 ... obrigado pela sua atenção!
Lab. de Modelagem, Simulação e Controle de Processos Fone: