کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6595002 1423735 2018 55 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data-driven robust optimization under correlated uncertainty: A case study of production scheduling in ethylene plant
ترجمه فارسی عنوان
بهینه سازی قوی بر اساس داده ها تحت عدم اطمینان همبستگی: مطالعه موردی برنامه ریزی تولید در گیاه اتیلن
کلمات کلیدی
هدایت داده، بهینه سازی قوی، عدم اطمینان مرتبط، برنامه تولید، کاپولا، گاز سوخت،
ترجمه چکیده
برای محافظت در برابر نوسانات تولید شده از فرایندهای تولید مستمر، راه حل های عملی را می توان از طریق بهینه سازی قوی ناشی از مجموعه های عدم اطمینان کلاسیک بدست آورد. با این حال، عدم قطعیت ها در برخی از مشکلات برنامه ریزی صنعتی با توجه به روند متصل و عوامل مختلف تصادفی همبسته می شوند. برای جمع آوری و غنی سازی اطلاعات معتبر عدم قطعیت، مقادیری برای ارزیابی توزیع احتمال احتمالات معرفی شده و شبیه سازی سناریوهای متفاوتی برای عدم قطعیت معرفی می شوند. هواپیما برش برای حذف سناریوهای نامطلوب غیر ضروری در مجموعه های عدم اطمینان ایجاد می شود و سپس فرمول های قوی ایجاد شده توسط مجموعه برش برای کاهش محافظه کاری و بهبود کارایی راه حل های برنامه ریزی ارائه می شود. یک فرایند واقعی در گیاه اتیلن به عنوان مورد عددی معرفی شده است و مجموعه های عدم اطمینان با داده های با ابعاد دقیق در جزئیات نشان داده شده است. مدل های پیشنهادی ثابت کرده اند که نوسانات گاز سوخت مصرف شده را زیر سطح محافظه کاری پایین تر کنترل می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
بهینه سازی قوی بر اساس داده ها تحت عدم اطمینان همبستگی: مطالعه موردی برنامه ریزی تولید در گیاه اتیلن
چکیده انگلیسی
To hedge against the fluctuations generated from continuous production processes, practical solutions can be obtained through robust optimization induced by the classical uncertainty sets. However, uncertainties are sometimes correlated in industrial scheduling problems because of the connected process and various random factors. To capture and enrich the valid information of uncertainties, copulas are introduced to estimate the joint probability distribution and simulate mutual scenarios for uncertainties. Cutting planes are generated to remove unnecessary uncertain scenarios in the uncertainty sets, and then robust formulations induced by the cut set are proposed to reduce conservatism and improve the robustness of scheduling solutions. A real-world process of ethylene plant is introduced as the numerical case, and high-dimensional data-driven uncertainty sets are illustrated in detail. The proposed models are proved to control the fluctuation of consumed fuel gas below a lower level of conservatism.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Chemical Engineering - Volume 109, 4 January 2018, Pages 48-67
نویسندگان
, , , ,