Contribution to the development of more sustainable process industries under uncertainty

Abstract

En les últimes dècades, els reptes originats com a resultat dels elevats preus de l'energia i la creixent pressió per reduir les emissions de gasos d'efecte hivernacle han estimulat un gran interès en la investigació relacionada amb sistemes energètics i de processos. D'una banda, les indústries de procés s'enfronten a la necessitat de cobrir la creixent demanda energètica en un mercat afectat cada vegada per més incertesa. De l'altra, els recursos utilitzats tradicionalment com a suport per al desenvolupament comencen a mostrar impactes ambientals que podrien posar en perill el desenvolupament sostenible de les espècies. En conseqüència, la situació actual es pot descriure com guiada al voltant de tres eixos principals: energia, sostenibilitat i incertesa. De vital importància per a aquests problemes és la recerca en tecnologia de sistemes assistida per ordinador, per al desenvolupament d'estratègies que investiguin l'impacte de les indústries de procés en tots dos, l'eficiència del sistema i el seu impacte ambiental de cicle de vida en presència d'incertesa . En aquest sentit, l'objectiu general d'aquesta tesi és dirigir aquests reptes primer realitzant un pas endavant en l'acostament entre els marges de la investigació científica i la investigació de sistemes en l'àrea d'enginyeria de sistemes de processos. El problema s'enfoca ideant un conjunt d'eines avançades de programació matemàtica multi-objectiu capaços de tractar amb la problemàtica ambiental i d'incertesa en el disseny i planificació d'indústries de procés més sostenibles. Això es porta a terme afegint múltiples mètriques estocàstiques i de cicle de vida, i aplicant anàlisi de components principals per identificar mètriques redundants. Els models presentats, són llavors capaços de tractar sistemes d'una única o de múltiples plantes de procés, i d'atendre de manera holística les tres majors fonts d'incertesa: paramètrica, estructural i metodològica.

En las últimas décadas, los retos originados como resultado de los elevados precios de la energía y la creciente presión por reducir las emisiones de gases de efecto invernadero han estimulado un gran interés en la investigación relacionada con sistemas energéticos y de procesos. Por un lado, las industrias de proceso se enfrentan a la necesidad de cubrir la creciente demanda energética en un mercado afectado cada vez por más incertidumbre. Por otro, los recursos utilizados tradicionalmente como soporte para el desarrollo comienzan a mostrar impactos ambientales que podrían poner en peligro el desarrollo sostenible de las especies. En consecuencia, la situación actual se puede describir como guiada alrededor de tres ejes principales: energía, sostenibilidad e incertidumbre. De vital importancia para estos problemas es la investigación en tecnología de sistemas asistida por ordenador, para el desarrollo de estrategias que investiguen el impacto de las industrias de proceso en ambos, la eficiencia del sistema y su impacto ambiental de ciclo de vida en presencia de incertidumbre. En este sentido, el objetivo general de esta tesis es dirigir estos retos primero realizando un paso adelante en el acercamiento entre los márgenes de la investigación científica y la investigación de sistemas en el área de ingeniería de sistemas de procesos. El problema se enfoca ideando un conjunto de herramientas avanzadas de programación matemática multi-objectivo capaces de tratar con la problemática ambiental y de incertidumbre en el diseño y planificación de industrias de proceso más sostenibles. Esto se lleva a cabo añadiendo múltiples métricas estocásticas y de ciclo de vida, y aplicando análisis de componentes principales para identificar métricas redundantes. Los modelos presentados, son entonces capaces de tratar sistemas de una única o de múltiples plantas de proceso, y de atender de manera holística las tres mayores fuentes de incertidumbre: paramétrica, estructural y metodológica.

Over the past decades, the challenges originated as a result of high energy prices and the growing pressure to reduce greenhouse gas emissions have fuelled a large interest in energy and process systems related research. On the one hand, process industries are faced with the need to cover the increasing demand for energy as developing nations grow and developed countries continue to progress in an increasingly uncertain marketplace, and on the other hand, the resources that have traditionally supported this continued progress begin to show environmental impacts that could threaten the sustainable development of species in the world. As a consequence, the present situation could be described as driven along three main edges: energy, sustainability and uncertainty. Of particular relevance for these problems is research on computer-aided systems technology to develop strategies for investigating the impact of process industries on both, the system efficiency and its life cycle environmental impact in the presence of uncertainty. In this sense, the general goal of this thesis is to explicitly address these challenges by first making a step towards closing the gap between science-based and systems-based research in Process Systems Engineering. The problem is addressed by devising a set of advanced multi-objective mathematical programming tools able to deal with environmental and uncertainty concerns in the design and planning of more sustainable process industries. In particular, multiple life cycle assessment and risk management stochastic metrics are appended to the optimization MILP and MINLP problems as additional criteria to be optimized, and Principal Components Analysis is applied for identifying redundant life cycle metrics and reduce the problem dimensionality. These models presented here are thus able to deal with single-site and multi-site process systems are capable of addressing, in a holistic manner, the three major sources of uncertainty: parameter, model and methodological.