Advanced

Parallel computing in model-based process engineering

Andersson, Niklas LU (2014)
Abstract (Swedish)
Popular Abstract in Swedish

Kemiska ämnen finns överallt i vårat samhälle och behövs för att vi ska kunna leva som vi gör. Produktionen av kemiska ämnen använder kemiska processer som ofta är dyra och förbättringar av driftsätt kan spara mycket pengar. För att förbättra en process krävs att experiment utförs som oftast är väldigt kostsamma och tidskrävande. Ett sätt för att minska antalet experiment som krävs för att förbättra en process kan vara att utnyttja datorer. Om processen beskrivs med en matematisk modell kan experimenten göras virtuellt på datorn istället genom att simulera modellen.



Våra datorer går bara snabbare och snabbare och möjliggör mer avancerade beräkningar. Historiskt kan... (More)
Popular Abstract in Swedish

Kemiska ämnen finns överallt i vårat samhälle och behövs för att vi ska kunna leva som vi gör. Produktionen av kemiska ämnen använder kemiska processer som ofta är dyra och förbättringar av driftsätt kan spara mycket pengar. För att förbättra en process krävs att experiment utförs som oftast är väldigt kostsamma och tidskrävande. Ett sätt för att minska antalet experiment som krävs för att förbättra en process kan vara att utnyttja datorer. Om processen beskrivs med en matematisk modell kan experimenten göras virtuellt på datorn istället genom att simulera modellen.



Våra datorer går bara snabbare och snabbare och möjliggör mer avancerade beräkningar. Historiskt kan uppsnabbningen grovt delas in i två faser, den första där varje processorkärna ökade i hastighet och i den andra där antalet processkärnor per dator utökas. Denna avhandling handlar om hur man kan utnyttja flera processorer samtidigt för att kunna minska den totala beräkningstiden. Utnyttjande av klusterteknik har studerats, där många datorer har använts för att köra det stora antalet simuleringar som uppkommer i form av kalibreringar och optimeringar på ett betydligt mer tidseffektivt sätt.



En matematisk modell kan vara olika avancerad beroende på vad modellen ska användas till och på komplexiteten och storleken på den process som ska simuleras. Simuleringstiden av en modell kommer därför också att variera kraftigt beroende på vad modellen beskriver. För att kunna använda en modell av en process krävs att den stämmer väl överens med den verkliga processen, vilket åstadkoms med en kalibrering av parametrar som styr hur processen beter sig. En kalibrering kräver att man kör modellen många gånger för att hitta de parametervärdena som ger bäst anpassning av modellen och den verkliga processen. Kalibrering skapar ett behov av att köra många simuleringar, vilket kan resultera i lång väntan. Ju fler parametrar modellen innehåller desto svårare blir kalibreringsproblemet att lösa.



När en modell kalibrerats så att den efterliknar den verkliga processen kan modellen användas för att göra virtuella experiment, dvs datorsimuleringar. Det gäller att hitta det optimala körsättet av processen och därför behövs modellen optimeras för olika körsätt tills man hittar det optimala. För att veta vad som är bäst måste ett objekt som ska optimeras bestämmas, exempelvis vinsten eller utbytet. Det funna körsättet kan därefter valideras på den riktiga processen. Att köra en optimering kräver många simuleringar, vilket resulterar i ett behov av mycket datorkraft. En simulering går oftast betydligt snabbare och är betydligt billigare än att göra experimentet på processen. Detta möjliggör en massa virtuella experiment för att hitta det bästa sättet att köra en process.



Ett kluster består av flera datorer som kommunicerar med varandra. Varje dator har öppna program som väntar på att köra de simuleringar som de blir tilldelade. Till klustret skapas en kö av simuleringar som datorerna i turordning simulerar. I avhandlingen har parallelliseringar klassificerats i tre olika kategorier. I kategori 1 skapas alla simuleringar samtidigt, i kategori 2 skapas simuleringarna iterativt där en iteration beror på föregående iterations resultat. Kategori 3 är en hybrid kategori med inslag av både kategori 1 och 2.



Användande av parallella beräkningar väntas öka i framtiden eftersom våra datorer får fler och fler kärnor och beräkningarna blir mer och mer avancerade. Tekniken är användbar inte bara i kemiska processer utan även inom andra områden där tunga beräkningar krävs, exempelvis prognoser av väder och krocksimuleringar av bilar. (Less)
Abstract
Chemical processes are usually expensive to run. To optimise a process, we need to know how the process behaves, and this is usually accomplished by studying the process experimentally. However, experiments are very expensive, particularly if an existing plant has to shut down normal operation to conduct an experiment. A better way is to build a model and simulate the process. In order to obtain the correct answer to an optimisation, the model needs to be accurately calibrated, where the model is tuned to fit experiment data.



A simulation of a chemical process can take very long time and many simulations are needed for both the optimisation and calibration. As the computers are becoming faster and faster, more advanced... (More)
Chemical processes are usually expensive to run. To optimise a process, we need to know how the process behaves, and this is usually accomplished by studying the process experimentally. However, experiments are very expensive, particularly if an existing plant has to shut down normal operation to conduct an experiment. A better way is to build a model and simulate the process. In order to obtain the correct answer to an optimisation, the model needs to be accurately calibrated, where the model is tuned to fit experiment data.



A simulation of a chemical process can take very long time and many simulations are needed for both the optimisation and calibration. As the computers are becoming faster and faster, more advanced modelling is possible. Parallel computing can be used to manage many time-consuming simulations in a reasonable amount of time. Parallel computing uses many computers, and simulates multiple jobs simultaneously.



In this thesis, several cases are investigated that use methods that are heavy in terms of computation, such as multi-objective optimisation and parallel simulations and calibrations. The cases studied include parameter estimation in a polyethylene plant, parameter estimation in a combined cycle power plant and multi-objective optimisation of batch and continuously chromatography processes. The results presented could not have been reached in a reasonable time without the computer cluster available.



Optimisations become very complex if all decision variables and objective functions of interest are to be included in the problem, and limits must usually be set in order to obtain the answer within a reasonable time. With more computational power, more advanced problems can be solved. Where discretisation is needed, such as in partial differential equations or trajectory optimisation, the solutions can be made more accurate by making the discretisation grid finer.



The different kinds of parallelisations were classified into open loop, closed loop and hybrid loop vectorised computing, and all categories are needed for various kinds of projects. Computations were broken down to several levels of calculations, where parallelisation was possible between two levels. Two parallelisations were performed simultaneously for hybrid loop vectorised computing.



Parallel computing is attracting greater interest as the number of processor cores increases, and the available methods for parallelisation are predicted to improve. The results obtained from our homebuilt cluster show the potential of multi-computer computations in model-based process engineering. (Less)
Please use this url to cite or link to this publication:
author
supervisor
opponent
  • Professor Mota, José Paulo, Requimte/CQFB Departamento de Química, Faculdade de Ciências e Tecnologia, Universidade Nova de Lisboa, 2829-516 Caparica, Portugal
organization
publishing date
type
Thesis
publication status
published
subject
keywords
Parallel computing, Parameter estimation, Optimisation, Parameter selection, Model-based engineering
publisher
Department of Chemical Engineering, Lund University
defense location
Lecture hall K:C at the Center for Chemistry and Chemical Engineering, Getingevägen 60, Lund University Faculty of Engineering, Lund
defense date
2014-05-09 13:15
ISBN
978-91-7473-972-5
language
English
LU publication?
yes
id
ecc6bb86-e6d3-4904-9949-0a0e40e65979 (old id 4392769)
date added to LUP
2014-04-15 07:37:49
date last changed
2016-09-19 08:45:10
@phdthesis{ecc6bb86-e6d3-4904-9949-0a0e40e65979,
  abstract     = {Chemical processes are usually expensive to run. To optimise a process, we need to know how the process behaves, and this is usually accomplished by studying the process experimentally. However, experiments are very expensive, particularly if an existing plant has to shut down normal operation to conduct an experiment. A better way is to build a model and simulate the process. In order to obtain the correct answer to an optimisation, the model needs to be accurately calibrated, where the model is tuned to fit experiment data. <br/><br>
<br/><br>
A simulation of a chemical process can take very long time and many simulations are needed for both the optimisation and calibration. As the computers are becoming faster and faster, more advanced modelling is possible. Parallel computing can be used to manage many time-consuming simulations in a reasonable amount of time. Parallel computing uses many computers, and simulates multiple jobs simultaneously.<br/><br>
<br/><br>
In this thesis, several cases are investigated that use methods that are heavy in terms of computation, such as multi-objective optimisation and parallel simulations and calibrations. The cases studied include parameter estimation in a polyethylene plant, parameter estimation in a combined cycle power plant and multi-objective optimisation of batch and continuously chromatography processes. The results presented could not have been reached in a reasonable time without the computer cluster available.<br/><br>
<br/><br>
Optimisations become very complex if all decision variables and objective functions of interest are to be included in the problem, and limits must usually be set in order to obtain the answer within a reasonable time. With more computational power, more advanced problems can be solved. Where discretisation is needed, such as in partial differential equations or trajectory optimisation, the solutions can be made more accurate by making the discretisation grid finer.<br/><br>
<br/><br>
The different kinds of parallelisations were classified into open loop, closed loop and hybrid loop vectorised computing, and all categories are needed for various kinds of projects. Computations were broken down to several levels of calculations, where parallelisation was possible between two levels. Two parallelisations were performed simultaneously for hybrid loop vectorised computing. <br/><br>
<br/><br>
Parallel computing is attracting greater interest as the number of processor cores increases, and the available methods for parallelisation are predicted to improve. The results obtained from our homebuilt cluster show the potential of multi-computer computations in model-based process engineering.},
  author       = {Andersson, Niklas},
  isbn         = {978-91-7473-972-5},
  keyword      = {Parallel computing,Parameter estimation,Optimisation,Parameter selection,Model-based engineering},
  language     = {eng},
  publisher    = {Department of Chemical Engineering, Lund University},
  school       = {Lund University},
  title        = {Parallel computing in model-based process engineering},
  year         = {2014},
}