Aplicacin de Algoritmos Genticos en la Solucin del

Diseo Integrado de Sistemas de Reactores Qumicos

1 1
Silvana Revollar , Rosalba Lamanna , Pastora Vega
1
Universidad Simn Bolvar. Dpto. de Procesos y Sistemas. Caracas 1081A, Venezuela
{srevolla, lamanna}@usb.ve
2
Universidad de Salamanca. Dpto. de Informatica y Automatica. Salamanca. Espaa
pvega@abedul.usal.es

Abstract. Se presenta la formulacin matemtica del problema de diseo

integrado de reactores tipo tanque continuo agitado, traduciendo una
superestructura de dos reactores en serie, donde se incluyen todas las
alternativas de diseo, en un modelo de optimizacin mixto-entero (MINLP).
Se presenta la resolucin de este problema de optimizacin mixto-entero
utilizando algoritmos genticos. La flexibilidad de los algoritmos genticos
permite alcanzar el objetivo final de este diseo optimo, minimizando los costos
de construccin para el sistema a la vez que se imponen condiciones de
estabilidad y ciertas condiciones de controlabilidad.

1 Introduccin

La sntesis de procesos qumicos se concentra en determinar la mejor configuracin

de un proceso entre todas las alternativas posibles que satisfacen los requerimientos
operacionales, fundamentndose, por lo general, en criterios econmicos y ahorro de
energa. Una vez que la estructura del proceso ha sido determinada, se estudia la
controlabilidad del sistema y se realiza el anlisis del sistema de control.
Distintos autores sealan que el diseo de un proceso determina inherentemente su
controlabilidad, dado que esta es una propiedad asociada a las caractersticas del
proceso y es independiente de la seleccin de un controlador particular o de sus
parmetros [1,2]. En realidad, la controlabilidad est asociada con la capacidad de un
proceso para moverse de una condicin de operacin a otra, y adems, con la
severidad de la interaccin entre las variables del proceso y la capacidad del sistema
para rechazar perturbaciones.
Muchos investigadores han sealado la importancia de considerar la interaccin
entre el diseo y control de un proceso, particularmente si se trata de procesos
qumicos y sugieren incorporar algn tipo de medida de la controlabilidad en las
etapas preliminares de diseo [3, 4, 5, 6, 7, 8]. Luyben [2] realiz una de las primeras
contribuciones donde presenta un mtodo cuantitativo para resolver el conflicto entre
el diseo econmico en estado estacionario y la controlabilidad dinmica para
sistemas de reactores continuos. Luyben y Floudas [3, 4] proponen un procedimiento
sistemtico para incorporar medidas de la controlabilidad a lazo abierto en el modelo
mixto entero de diseo de un proceso.
2 Silvana Revollar 1, Rosalba Lamanna 1, Pastora Vega

En general, la fundamentacin del diseo integrado del proceso y del sistema de

control reside en el estudio sistemtico de la influencia del diseo del proceso sobre la
controlabilidad y estabilidad del sistema, incluso antes de que el esquema del proceso
se haya definido. Por lo tanto, la determinacin de la estructura del proceso es
tambin un objetivo del diseo integrado. Esto se logra mediante la formulacin de
una funcin objetivo que caracteriza la economa el proceso basada en una
superestructura que representa las posibles alternativas de diseo. Esto se traduce en
un problema de optimizacin mixta entera, con las restricciones de operacin y de
controlabilidad del proceso.
Los problemas de optimizacin mixta-entera son usualmente muy difciles de
resolver con mtodos clsicos. Las tcnicas de optimizacin por gradiente slo
pueden ser utilizadas cuando el sistema presenta propiedades de convexidad y
continuidad, y requieren un gran esfuerzo computacional. Este tipo de mtodos,
determinsticos por naturaleza, dependen fuertemente de la seleccin de los
parmetros iniciales y frecuentemente convergen a un ptimo local. Por otra parte,
los mtodos estocsticos, como lo algoritmos genticos, los algoritmos evolutivos, y
simulated annealing han sido utilizados con buenos resultados en la solucin de
muchos problemas de optimizacin mixta-entera [ 8,9,10].
En este artculo se presentan algunos resultados sobre la aplicacin de algoritmos
genticos para la solucin del problema de optimizacin mixta entera que surge del
diseo integrado de un sistema continuo de reaccin. Hasta donde se sabe, se han
publicado pocos trabajos donde los algoritmos genticos se hayan utilizado en
relacin con el diseo integrado de procesos qumicos. La mayora ha propuesto el
uso de algoritmos genticos para resolver el problema de diseo de la estructura
(problema de programacin entera) combinado con mtodos clsicos de optimizacin
para la solucin del diseo del proceso [10,11]. Slo, recientemente Costa y Oliveira
[8] han publicado resultados sobre la aplicacin de algoritmos genticos y estrategias
evolutivas para la solucin de varios problemas de diseo tomados de la literatura de
ingeniera qumica.
Este trabajo se enfoca en la aplicacin de algoritmos genticos para la solucin del
diseo integrado de reactores qumicos perfectamente agitados con chaqueta de
enfriamiento. Slo se presenta el caso ms simple de una reaccin irreversible que
tiene lugar en reactores del mismo volumen conectados en serie, operando a la misma
temperatura. Se formul el problema completo de diseo integrado utilizando una
superestructura del sistema, e incluyendo restricciones dinmicas del proceso as
como medidas de la controlabilidad y estabilidad del sistema.
A continuacin, en la seccin 2 se realiza la formulacin del problema de diseo
en estado estacionario, se propone un modelo MINLP para resolver el mismo
problema y adems, se proponen restricciones a aadir en el modelo para mejorar la
controlabilidad. En la seccin 3 se presenta el algoritmo gentico utilizado para
resolver el problema, en la seccin 4 se presentan los resultados obtenidos y
finalmente, las conclusiones y recomendaciones.

2 Formulacin del Problema

El sistema consiste en una reaccin de primer orden del tipo AB, exotrmica,
 Aplicacin de Algoritmos Genticos en la Solucin del Diseo Integrado de Sistemas de
Reactores Qumicos 3

irreversible, que se desarrolla en fase lquida en un sistema compuesto por uno o ms

reactores CSTR conectados en serie. Se supone que todos los tanques tienen el mismo
volumen y la misma temperatura de reaccin. Los valores de los parmetros fsicos y
las condiciones de operacin definidas para el sistema, se presentan en la tabla 1:

Tabla 1. Parmetros fsicos y variables de entrada para el sistema de reactores continuamente

agitados

Entradas Valores
Conversion (x) 0.95
Temperatura de alimentacin (To) 70 F
Temperatura de areaccin (T1) 140 F
Fraccin molar de A (zo) 1
Flujo de alimentacin (F) 100 lbmol/h
Temperatura de entrada del refrigerante (Tjo) 70 F

Parmetros fsicos Values

3
Densidad del lquido () 50 lb/ft
Peso molecular (M) 50 lb/lbmol
-10
Constante pre-exponencial de reaccin (ko) 4.08 e 1/h
Energa de activacin(Ea) 30000 BTU/lbmol
Constante R 1.99 BTU/(lbmol R)
Capacidad calrica del lquido(Cp) 0.75 BTU/(lb F)
3
Densidad del refrigerante (j) 62.3 lb/ft
Capacidad calrica del refrigerante (Cpj) 1 BTU/(lb F)
2
Coeficiente de transferencia de calor (U) 300 BTU/(ft h F)

A continuacin se presenta el modelo para el diseo en estado estacionario

planteado por Luyben [2] para uno y dos reactores conectados en serie y luego, el
modelo mixto entero que surge al plantear una superestructura donde se consideran
simultnemente las dos alternativas de diseo.

2.1 Formulacin del Modelo en Estado Estacionario

Conocidos el flujo de alimentacin (F), la composicin de la alimentacin (zo), la

velocidad de reaccin (k) y la convesin requerida (x), el diseo del reactor se
determina a partir de las siguientes relaciones que se obtienen de los balances de masa
en estado estacionario:
Un reactor:

V1 = Fx
(1)
k (1 x )

z1 = z o (1 x ) (2)
Dos reactores:
4 Silvana Revollar 1, Rosalba Lamanna 1, Pastora Vega

V1 = V2 =
(
F 1 1 x ) (3)
k (1 x )

z 2 = z o (1 x ) (4)

F zo (5)
z1 =
F + V1 k

A partir de los balances de energa en estado estacionario y las relaciones de

transferencia de calor, se calcula la cantidad de calor removida por la chaqueta para
cada reactor (Q1, Q2) y la temperatura a la cual sale el lquido de la chaqueta (Tj1, Tj2)
Q1 = (z o z 1 ) F hr Cp M F(T1 To ) (6)

Q 2 = (z1 z 2 ) F hr (7)

Qn (8)
Tj n = Tn , n=1,2
U Ah
Del balance de energa en la camisa se obtiene el flujo de refrigerante (Fj ,
Fj2) para cada reactor:
Qn (9)
Fjn = , n=1,2
j Cpj (Tn Tj o )

El dimetro, longitud caracterstica y rea de transferencia de calor, para cada

reactor se obtienen de las relaciones que se muestran a continuacin.

2V
1/ 3 (10)
D=

L = 2D (11)

Ah = 2 (D )2 (12)

El costo de contruccin para cada reactor se define de acuerdo a la siguiente

relacin:

C = 1916.9 (L )0.802 (D )1.066 (13)

Al resolver el problema se encuentra que el diseo ms econmico corresponde al

caso de dos reactores conectados en serie, pues se requiere un menor volumen para
3
alcanzar la conversin especificada, V=694,79 ft con un costo de 296600 $. Para el
3
sistema de un reactor se obtuvo V=3800 ft con un costo de 427634$.
 Aplicacin de Algoritmos Genticos en la Solucin del Diseo Integrado de Sistemas de
Reactores Qumicos 5

2.2 Diseo Integrado Bsico del Sistema

Fig. 1. Representacin del sistema de dos CSTR en una superestructura

En la figura 1 se presenta la superestructura que contiene las dos posibles alternativas

de diseo para el sistema reactores. El objetivo de este modelo es resolver
simultnemente la optimizacin estructural y la optimizacin de las condiciones de
operacin. A diferencia del diseo estacionario, se considera que la temperatura de
reaccin (T1) es uno de los parmetros a optimizar junto con el volumen de reaccin
(V) y el flujo de refrigerante del primer reactor (Fj1).
La funcin objetivo representa los costos de contruccin:

C = (1 + y )1916.9 (L )0.802 (D )1.066 (14)

La variable y, se utiliza para representar la existencia de uno o dos reactores, y=0

para un reactor, y=1 para dos reactores.
Las restricciones sobre los balances de masa y energa en cada reactor, estn
asociadas a la operabilidad del sistema:
dz1 F M (15)
= (z o z1 ) k z1 0.00001
dt V

dT1 F M (16)
= (To T1 ) k z 1 hr Q1 0.01
dt V

dz 2 F M (17)
= (z z 2 ) k z 2 + w1 0.00001
dt V 1

dT2 (18)
= k z 2 hr Q 2 w 2 0.01
dt

Q n = U Ah (T1 Tj n ) , n=1,2 (19)

Las variables w1 y w2 se utilizan para desactivar los balances asociados al segundo
reactor en caso de que este no exista.
Las restricciones asociadas a los balances de energa en la camisa de cada reactor
son:
6 Silvana Revollar 1, Rosalba Lamanna 1, Pastora Vega

dTj n Fjn (20)

= (Tj Tj o )+ Q n = 0 , n=1,2
dt j Cpj Vj n

En el modelo matemtico se presentan restricciones lgicas utilizando la variable y

para definir la existencia de uno o dos reactores en serie:
F zo (21)
z1 = (1 y ) z o (1 x ) + y
F+ V k

w1 0 ; w1 = (1 x ) k z1 (22)

w20; w 2 = (1 y) ( k z 2 hr ) (23)

Finalmente las restricciones fsicas, determinadas por el rango de valores para cada
variable son:
z 2 zo (1 x ) (24)

T1=T2 (25)

120 oF T1 200 oF (26)

400 ft 3 / h Fj1 1000 ft 3 / h (27)

La longitud, dimetro y rea de transferencia de calor para cada reactor se calculan

de acuerdo a las ecuaciones (10), (11) y (12).

2.3 Diseo Integrado con Criterios de Controlabilidad

A continuacin se presentan algunos criterios sencillos de controlabilidad para

complementar el modelo para el diseo incluyendolos como restricciones.
El primer aspecto a tomar en cuenta, son los autovalores de la matriz de estados,
que se desarrolla a partir de la aproximacin lineal de los balances de masa y energa
en cada reactor y en la camisa. Para se establece, por simplicidad, que es suficiente
evaluar la estabilidad del primer reactor para garantizar que el sistema sea estable ya
que sus condiciones de operacin son ms fuertes. Se tienen tres variables de estado,
por lo tanto se obtienen tres autovalores, que deben ser negativos para asegurar la
estabilidad del sistema a lazo abierto. Se propone como restriccin en el modelo que:
i 0 , i=1, 2, 3. (31)
La relacin Qmax/Q es otra medida de la controlabilidad ya que representa la
eficiencia del del sistema de enfriamiento y su flexibilidad para reaccionar ante una
perturbacin en el proceso de transferencia de calor. Este parmetro presenta
limitaciones ms fuertes en el primer tanque [2], por lo que se consider suficiente,
establecer como restriccin para mejorar la controlabilidad del proceso que:
 Aplicacin de Algoritmos Genticos en la Solucin del Diseo Integrado de Sistemas de
Reactores Qumicos 7

Q1,max (32)
Uq
Q1

donde Uq es el valor esperado de esta relacin.

El valor de Qmax se obtiene de la ecuacin (19), evaluada con el flujo mximo de
refrigerante establecido como es cuatro veces el flujo de diseo y la temperatura
mxima de salida del refrigerante.

3 Algoritmo Gentico para la Resolucin del Problema MINLP

Los algoritmos genticos son mtodos estocsticos de optimizacin, basados en el

mecanismo de seleccin natural. El algoritmo gentico se inicializa generando una
poblacin de posibles soluciones al azar, las cuales se representan en un cromosoma.
Luego, se utilizan operadores genticos para crear una nueva generacin a partir de la
poblacin existente. Los individuos son seleccionados para generar la nueva
poblacin de acuerdo a su fitness, el cual es una medida de la calidad del individuo.
Al favorecer la reproduccin de los individuos con mejor fitness, la bsqueda se
dirige en la direccin ms prometedora [12], [13], [14]. Esta concluye cuando se
alcanza un nmero mximo de generaciones o cuando pasa cierto nmero de
generaciones sin que la poblacin mejore [8].
Las soluciones potenciales del problema de optimizacin, se representan en un
cromosoma. Como se trata de un problema mixto entero, este consiste en un vector de
longitud fija de la forma: [V T1 Fj1 y ] , donde las variables continuas estan codificadas
como nmeros reales normalizados y la variable binaria, se almacena en la ltima
posicin. Esta representacin permite que el algoritmo gentico optimice
simultneamente la estructura de proceso y las condiciones de operacin.
Al tratarse de un problema de minimizacin el mejor individuo es el que tiene
menor fitness. Para este problema la funcin de adaptacin es igual a la funcin
objetivo si el individuo es factible, en caso contrario, la funcin es penalizada
asignando al fitness el valor mximo de la funcin objetivo ms el error cometido
sobre las restricciones [15].
Respecto a los operadores del algoritmo gentico, se puede encontrar informacin
detallada en [12, 13]. La seleccin se realiz por el mtodo del torneo, se utilizaron
los operadores de cruce simple y cruce artimtico. El operador de cruce simple se
aplica de igual forma para las variables continuas y enteras, en cambio el operador
de cruce aritmtico tuvo que redefinirse para la variable entera como:
r = 1, p > 0.5 (34)
zi = r x i + (1 r ) yi , donde
r = 0, p 0.5

donde p es un nmero aleatorio entre cero y uno. Se aplic un operador de mutacin

uniforme, que para la variable entera fue definido como:
r = 1, p > 0.5 (35)
z i = r , donde
r = 0, p 0.5
8 Silvana Revollar 1, Rosalba Lamanna 1, Pastora Vega

El algoritmo evolutivo se implement como un mdulo de Visual Basic para

Excel. Este mdulo es bastante flexible porque permite que el usuario seleccione entre
distintos tipos de operadores y realice fcilmente variaciones en los parmetros del
algoritmo.
El xito del algoritmo gentico, depende de la seleccin adecuada de parmetros
como el tamao de la poblacin, la tasa de mutacin, el nmero de individuos
reemplazados y el tipo de operadores utilizados. Se estudi el efecto de estos
parmetros sobre el desempeo del algoritmo, y en base a esto se escogi una tasa de
cruce de 85%, una tasa de mutacin de 30% una poblacin de 30 individuos y una
sustitucin de 20 individuos. La bsqueda del algoritmo finaliza cuando se alcanzan
800 iteraciones. Es importante mencionar que se present repetibilidad de los
resultados aunque se realizaran variaciones ligeras sobre los parmetros del algoritmo,
lo que da una buena idea sobre la confiabilidad del mtodo y su tasa de convergencia

4 Resultados del Problema de Diseo Integrado

A continuacin, se presentan los resultados obtenidos al resolver el problema de

diseo econmico del proceso y luego, se presentan los resultados obtenidos al aadir
restricciones de controlabilidad al problema.

4.1 Problema de Diseo Bsico del Sistema de Reactores

En la tabla 2, se muestran los resultados obtenidos al resolver el diseo integrado del

sistema de reactores y el resultado optimo del sistema de un reactor. Se encontr que
para el diseo integrado la solucin optima corresponde al sistema de dos reactores en
serie. Esto coincide con los resultados de Luyben [2], y se verifica con los resultados
presentados para diseo optimo de un reactor donde los costos son mayores.
Al resolver eficientemente el este problema, se muestra que el algoritmo gentico
es capaz de realizar simultneamente la optimizacin de la estructura y las
condiciones de operacin con poco esfuerzo computacional, pues la implementacin
de las rutinas fue sencilla.

Tabla 2. Resultados obtenidos para el diseo econmico del sistema con algoritmos genticos

Un reactor Diseo integrado

3
V 2480 ft 613 ft3
No reactores - 2
Qmax/Q1 2.91 2.16
Costos 327700 $ 274443 $

En otro orden de ideas, al calcular los autovalores de lazo abierto, para el sistema
de dos reactores (1=0.2, 2=1.43, 3=-21.2l) se encontr que dos de ellos eran
positivos, por lo que el sistema es inestable. Se puede observar tambin, que para el
primer reactor la relacin Qmax/Q es bastante pequea, lo cual indica problemas de
controlabilidad. La seleccin de estructuras de menor tamao para satisfacer la
 Aplicacin de Algoritmos Genticos en la Solucin del Diseo Integrado de Sistemas de
Reactores Qumicos 9

economa del proceso repercute en una menor rea de transferencia de calor, que
equivale a una disminucin de la eficiencia del sistema de refrigeracin y por tanto
una menor controlabilidad del sistema.

4.2 Problema de Diseo del Sistema de Reactores Aadiendo Criterios de

Controlabilidad
En la tabla 3 se muestran los resultados obtenidos al introducir restricciones sobre
relacin Qmax1/Q1 y sobre los autovalores de lazo abierto para que sean negativos. Es
importante mencionar que la inclusin de restricciones fuertes en el problema no
afect el buen desempeo de los algortimos genticos en la resolucin del problema.

Tabla 3. Efecto de la restriccin aplicada sobre la relacin Qmax/Q en el diseo

Qmax/Q 2.3 2.5 2.7

3 3
V 998 ft 3942 ft 4068 ft3
No reactores 2 1 1
Qmax/Q1 2.3 3 3.01
Costos 327700 $ 437385 $ 446043 $

En la tabla 3 se observa que para el caso de Qmax1/Q1=2.3 la estructura optima es el

sistema de dos reactores con un volumen mayor que el obtenido para el diseo
puramente econmico, y por lo tanto un mayor costo. Para valores mayores de
Qmax1/Q1 la mejor solucin es el sistema de un reactor, puesto que a medida que esta
relacin aumenta se requiere una mayor transferencia de calor, lo que corresponde a
sistemas de mayor volumen.
Al comparar con el modelo sin restricciones se observa que favorecer nicamente
en criterios econmicos en el diseo resulta en un sistema poco controlable e
inestable, pero establecer restricciones fuertes sobre la controlabilidad lleva al diseo
de sistemas mucho ms costosos.

Conclusiones

En este artculo se present una aplicacin de los algoritmos genticos para la

solucin del diseo integrado de reactores qumicos. Las alternativas de diseo de
uno o dos reactores conectados en serie fueron incluidas en una superestructura del
sistema, lo que permiti traducir la formulacin del diseo optimo en un problema de
programacin mixta entera. El diseo se complet con la inclusin de restricciones
sobre los autovalores de lazo abierto que aseguran la estabilidad y sobre la relacin
Qmax/Q impuesta como una medida de la controlabilidad del sistema. Al incluir esta
restriccin en la formulacin del modelo se modifica el diseo aumentando los costos
de construccin.
La flexibilidad de los algoritmos genticos permite alcanzar el objetivo final de
este diseo, resolviendo eficientemente el problema de optimizacin mixta entera
optimizando simultnemente las variables enteras y las variables continuas. Se
10 Silvana Revollar 1, Rosalba Lamanna 1, Pastora Vega

realizaron modificaciones en algunos operadores del algoritmo para tratar las

variables enteras y las restricciones se manejaron penalizando la funcin objetivo.
Los resultados son bastante esperanzadores, no slo porque concuerdan con
resultados ya conocidos para casos similares, sino porque el esfuerzo computacional
en la resolucin de estos problemas es con algoritmos genticos es mucho menor que
el requerido por otras alternativas de solucin de problemas mixto-enteros. En
realidad el algoritmo gentico fue implementado fcilmente y muestra una alta tasa de
convergencia.

Agradecimientos. Al CYTED a travs de RIII (Red Iberoamericana de Informatica

Industrial) y al FONACIT, a travs del proyecto No. S1-99000111.

Referencias

1. Skogestad, S., Hovd, M., Lundstrm, P.: Towards Integrating Design and Control: Use of
Frecuency-Depending Tools for Controllability Analysis. Proceedingns PSE91.
Montebello, Canada (1991)
2. Luyben, W.: Trade-offs Betwen Design and Control in Chemical Reactor Systems. J. Proc.
Cont. 3 (1993) 17-40
3. Luyben, M. L. y Floudas, C.: Analyzing The Interaction of Design and Control 1.A
Multiobjetive Framework and Application to Binary Distillation Synthesis. Computers and
Chemical Engineering. 18 (1994) 933-969
4. Luyben, M. L. y Floudas, C.: Analyzing The Interaction of Design and Control 2.Reactor-
Separator-Reycle System. Computers and Chemical Engineering. 18 (1994) 971-993
5. Seferlis, P, y Grievink, J.: Process Design and Control.Structure Based on Economic and
Static Controllability Criteria. Computers and Chemical Engineering. 25 (2001) 177-188
6. Kookos, I, Perkins, J.: An Algorithm for Simultaneous Process Design and Control. Ind,
Eng. Chem. Res. 40 (2001) 4079-4088
7. Floudas, C.: Nonlinear and Mixed-Integer Optimization. Oxford University Press, New
York (1995)
8.Costa, L.. y Oliveira, P. : Evolutionary Algorithms Approach to the Solution of Mixed Integer
Non-Linear Programming Problems. Computers and Chemical Engineering. 25 (2001) 257-
266.
9. Garrard, A and Fraga, E.: Mass Exchange Network Synthesis Using Genetic Algorithms. 12
(1998) 1837-1850
10. Androulakis, I and Venkatasubramanian, V.: A Genetic Algorithm Framework for Process
Design and Optimization. Computers and Chemical Engineering. 15 (1991) 217-228
11. Wang, H., Shalev, O and Lewin, D.R.: A Generalized Method for HEN Synthesis Using
Stochastic Optimization (I). Computers and Chemical Engineering. 22 (1998) 1387-1405
12. Michalewicz, Z.: Genetic Algorithm + Data Structures + Evolution Programs. Springer-
Verlag, Berlin Heidelberg New York (1996)
13.Goldberg, D.F.: Genetic Algorithm in Search, Optimization and Machine Learning.
Addison-Wesley, Reading, MA (1989)
14. Houck, Ch., Joines, J., Kay, M.: A Genetic Algorithm to function Optimization: A Matlab
Implementation. NCSU-IE TR 95-09 (1995)
15..Deb, K.: An Efficient Constraint Handling Method for Genetic Algorithms.Comp. Meth.
Appl. Mech. Eng. (1998)