بهینه سازی راکتور شکست حرارتی بوسیله پارامترهای قابل کنترل بر مبنای مدلهای آماری

مدلهای پایه ای در الگوریتم بهینه سازی از سرعت پایینی برخوردارند و امکان همگرا نشدن محاسبات در این الگوریتم وجود دارد ، یک مدل آماری درجه دوم که با استفاده از مدل پایه ای تهیه شده است می تواند در الگوریتم بهینه سازی مورد استفاده قرار گیرد . برای بدست آوردن ضرایب این مدل آماری از مدل پایه ای که از قبل تهیه شده است به عنوان آزمایشگاه استفاده می شود . روش Central Composite Design(CCD)برای تهیه مدل آماری انتخاب گردید .در مدل آماری متغیرهای موثر در بازده محصولات شامل دما و فشار خروجی از راکتور ، دبی خوراک ، نسبت بخار به خوراک و میزان پارافین ، ایزوپارافین و نفتن ها در خوراک می باشند ، ولی برای دقت بیشتر در مدل آماری سه متغیر دیگر ( درصدوزنی اروماتیک ها در خوراک ، جرم مولکولی متوسط خوراک و پارامتر BMCI) Bureau of Mines Correlation Index ) به هفت متغیر قبلی اضافه شد . با این کار بجای صرف هزینه های بالا برای انجام آزمایشات از یک مدل پایه ای که صحت آن توسط داده های صنعتی تایید شده اند به عنوان آزمایشگاه مجازی برای مدل آماری استفاده نمود . برای بهینه سازی تابع هدف در نظر گرفته شده سود حاصل است که باید بیشترین مقدار ممکن با توجه به محدودیتهای فرایند باشد . برای بهینه سازی از الگوریتمCOMPLX BOX که جزء روشهای جستجوی مستقیم است استفاده گردید . محدودیتهای صریح شامل محدودیتهای متغیرهای قابل کنترل و تنها محدودیت غیر صریح مربوط به شدت شکست حرارتی( Severity ) می باشد که باید در میزان دلخواه ( به عنوان Set Point ) قرار گیرد . نتایج حاصل از بهینه سازی نشان می دهد که به عنوان مثال در شدت شکست حرارتی برابر 0/4 و خوراکی حاوی 54/72 درصد وزنی پارافین، 22/72 درصدوزنی ایزوپارافین، 19/61، درصد وزنی و 2/95 درصد وزنی آروماتیک مقدار بهینه متغیرهای قابل کنترل عبارتند از : دمای خروجی از راکتور = 860 درجه سانتی گراد، فشار خروجی از راکتور = 1atm ، دبی خوراک = 14550kg/hr و نسبت بخار آب به خوراک = 0/4 در این شرایط درصد تبدیل محصولات اصلی فرآیند در خروجی(درصد وزنی) عبارتند از اتیلن=30/83% پروپیلن = 12/55% ،بوتادین = 2/76% ، بنزن پیرولیز = 12/87% و Fuel Oil = 3/79% در نهایت میزان سود حاصله با توجه به شرایط گفته شده در بالا برابر 31/47 میلیون دلار در سال خواهد بود.