Riassunto esame Modellistica e ottimizzazione di sistemi e processi energetici, Prof. Continillo Gaetano, libro consigliato Optimization of chemical processes, Thomas F. Edgar; David. M. Himmelblau; Leon Lasdon

FOGLIO DI RICERCA (Valutazione e ottimizzazione dei metodi e processi analitici)

Il parametro scelto è quello legato ai gradienti termici. Dopo aver effettuato uno screening diagnostico utile per valutare se vi sono variazioni significative dei gradienti termici tra le diverse fasi esplorative del progetto (pesatura, preparazione del campione, digestione microonde, post preparazione degli analiti) si è stabilito che la fase dove effettivamente la miscellanea dei livelli termici è tale da influenzare significantemente la variabilità dei dati ai fini dell'esplorazione (proces) è la digestione in microonde.

La scelta del parametro legato ai gradienti termici è stata effettuata in quanto tale variabile può condizionare all'effettiva efficienza del sistema di digestione (e.g. di diversi campioni di natura diversa) influenzando il segnale determinato dall'analista.

Lo scopo dell'analisi condotta è di rendere il più possibile uniforme (modello) lo stato pretermico di un sample rendendo quindi il calore prodotto internamente ed esternamente al campione il più uniforme possibile. I gradienti di temperatura devono quindi essere il più ridotti possibile in relazione alla specifica matrice, aliquota di e al geometria del contenitore.

Il sistema microonde selezionato per la fase di digestione è il Milestone ETHOS, equipaggiato con sensori di temperatura diretti e indiretti (controllo della T su cupola e a pozzetto) per la valutazione del modello termico della reazione con un bust identificato da microprocessore.

Il controllo della temperatura si può ottenere con un altro sitema, un sensore IR telescopico accoppiato ad una termo camera a infrarossi (prodotto di Athena control impianti).

Scopo della ricerca

• Scegliere i livelli dei parametri (volume di acido/scarica fluido centinella) e intervalli consentiti di ognuno e valutarne il range di impiego circa la temperatura goal e delta T tra bust e reale esterno.
• Verificare l'effettiva uniformità di temperatura e stabilità (%) tra il singolo pad e all'interno dello stesso batch di campioni (omogeneità di riproduzione estrema delle condizioni operative).

Esperimento

• Preparazione del operando (in microonde e condizioni simulate) e del sistema di rilevamento dati con un setup di Campbell ATR AccuTemp Emission con un emettitore & ricevitore telescopico IR 3.5mm handheld + termo cam.
• Progettazione del pad (e.g. il design delle vicinanze) secondo l'assetto del processo e della conformità chimico fisica (e.g se il modello del batch o del _sis capacitanza potrebbero non mostrare uniformità dei gradienti. Revision delle condiz. di microonde, Reqar correl. necessarie a punti cenrali e foglio record su ATS_RWD POL/SIC).

Risultati ottenuti

• Il migliore assetto è forse quello del setup visto e convalidato circa alta capacità vs bassa capacitanza.
• Tenendo in conto che la radiazione emessa non venga traccata preferibilmente tra due contenimenti o vicersa su singoli pad simili.
• Risistemazione in diagramma di flowchart e sequenza operativa/gradient descrittiva

Sottoponendo effettivamente a test di calcolo e verifiche onde evitare bust nel processo

Metodologia di risoluzione di un problema di ottimo

1) Scelta delle variabili: (Indipendenti: Decisionum) Variabili decisionali (Dipendenti: Risultato di decisioni) Variabili di stato

2) Definizione della funzione obiettivo: Funzione che esprime il criterio di ottimo.

Obiettivo principale e vincoli di accettabilità.

3) Vincoli di accettabilità: (0 rispetta vincoli di accettabilità del sistema)

4) Costruzione del modello matematico: Dati in un quadro sintetico, analitico, grafico. Etichettare: Definire le variabili, funzione. Scrivere il problema in termini matematici: Determinare la variabile decisionale ottimante la funzione obiettivo.

5) Determinazione analitica - ottimo matematico: a) Metodo grafico b) Metodo algebrico c) Metodo numerico - deterministico (esaminare l'intera gamma di soluzioni. d) Metodo numerico - probabilistico (Parametri aleatori).

x: vettore delle variabili

Vettore colonna:

• Incognite
• Enunciato nel problema
• In generale
• Simbolo x

Primamatrice g(x)

Tre insiemi distinti:

1. Funzione obiettivo
2. Vincoli Vars.
3. Vincoli dati

Il criterio (1) produce (2) + (3).

Esempio

Prof. Tizio ha preso 16 A (Dalle 37 del libro [FDF]) mostro un esempio di algebra.

6) Procedura generale di risoluzione problem di ottimo:

6.1) Problemi di massimo e minimo: Devo produrre Esempio di struttura ottimale LOG. No Problema in questo caso: Formalare la funzione di relazione delle variabili indipendenti e dipendenti:

1. Bianchi con lo sviluppo, scrivere i vincoli esaminare
2. Determinare (tab; e.g. cicli numerici; esaminare ambiente, etc.) Definire le equazioni matematiche del comportamento di sistemi.
3. Costruire il modello dei vincoli e delle funzioni obiettive - attraverso un modello che tiene in considerazione (le varie transazioni) - un mezzo capace di determinare un fenomeno radiante.

A - Esercizio: Descrivi il problema, esprimere i dati in TABELLE. AVERE Un INSIEME DI equazioni, variabili INGRESSO uscite. Sviluppare funzione: Un'ora per trovare la soluzione, La forma di implementazione Forma della funzione: Ad un buon esempio

Predeterminato e Post-determinato di risoluzioni dei Problemi: Trovando la Funzione INDIPENDENTE E/o la PRIMAZIONE FORMULARE E/O Formalizzazione Ottimizzazione

Obiettivo

1. Enunciare/Definisce un criterio di ottimizzazione oggettivo che consente di approfondire il problema e di produrre risultati consistenziali.
2. Selezione del metodo, dipende dalla struttura. Valutare la natura, transitorio o limite

Il primo ## Criterio è Sostegno.

Quesito (vedi prof modi 4 '^e'; pagine 20; L4 pagine 33 del ^corr

7) Criteri tipo method:

1. Sviluppando e ricercando tra tutte le lineariz.
2. Ricerca crunch, in giro per il resto .. Proporcionando Limiti Problema per variabili ottimizzazione

Z → Z₁

affinchè fe me y = β₁ + β_{2 1 Z1 + β3 Z2 dolo}

τ[4,5 – y₁ = β₂^-4 + β₂^-5 + β_{3 1] τ [5-1] Fe = τ 2 Fe = [Fe}.

τ [inf]+p _{zp = p ^fe [lim = 5,6 Z-2}

1 3 de g2

ε = y_k M _{ZK sup1}

= Z_{1 + … + Zm}