Ziel dieses Forschungsclusters ist die Entwicklung und Anwendung von Methoden für Betrieb und Design von verfahrenstechnischen Prozessen. Hierbei wird eine Vielzahl von Methoden untersucht: von der Berücksichtigung von Unsicherheiten in Optimierungsproblemen, der dynamischen Optimierung bis hin zur Designoptimierung und Methoden zur Verbesserung numerischer Konvergenz. Im Vordergrund steht stets die große Stärke des Fachgebiets – der Bezug zur (Versuchs-)anlage und die Komplexität realer Systeme.
Raum | KWT-A 108 |
---|---|
Sprechstunde | donnerstags, 8-10 Uhr, online - Link auf Nachfrage |
Bei Prozesssyntheseaufgaben stehen häufig mehrere Prozessalternativen nebeneinander, zwischen denen entschieden werden muss. Hierbei können schnell unzählige Alternativen entstehen, die nicht mehr händisch untersucht werden können. In der gemischtganzzahligen Optimierung stehen hierfür verschiedene Modellierungs- sowie Lösungsansätze zur Auswahl, um solche Probleme effizient lösen zu können.
Prozesse unterliegen zunehmen dynamischen Störungen. Aus diesem Grund sollte auch bei der Anlagenauslegung bereits die Dynamik Berücksichtigung finden.
Das An- und Abfahren von Anlagen sowie Betriebspunktwechsel wird häufig nach wie vor durch manuell erstellte Rezepte gesteuert. Im Betrieb können Energie und Ressourcen eingespart werden, in dem optimale Betriebstrajektorien ermittelt werden. Auch die kontinuierliche Reoptimierung von Anlagen ist ein wichtiges aktuelles Forschungsgebiet.
Moderne Methoden der optimierenden Regelung scheitern nach wie vor an der Komplexität realer Prozesse. Unser Schwerpunkt liegt hier unter anderem bei der Kommunikation von Prozessleittechnik und Optimierungswerkzeugen, bei der Formulierung robuster Lösungsalgorithmen sowie der Erweiterung existierender Methoden zur optimierenden Regelung, Zustandsschätzung und vielem mehr.
Die Bestimmung von Modellparametern ist eine häufig wiederkehrende Aufgabe für alle neuen Reaktionen, Trennoperationen und Systeme. Hierbei ist häufig die Durchführung des realen Experiments die größte Hürde. Durch Methoden der Versuchsplanung können modellgestützt optimale Experimente geplant, durchgeführt und parallel zum Experiment Parameterwerte geschätzt werden.
Optimierungsmethoden sollen häufig in Echtzeit an realen Anlagen gelöst werden. Auf Grund von Modellkomplexität ist dies häufig nicht direkt möglich. Mit Hilfe von Ersatzmodellen von Anlagen kann dies zum Beispiel in der Praxis umgesetzt werden. Diese Modelle müssen vor der Anwendung trainiert werden, um alle in Frage kommenden Betriebsbereiche abdecken zu können. Die effiziente Gestaltung und Nutzung solcher Ersatzmodelle für die Optimierung sind offene Forschungsfragen.
Modelle sind stets nur eine Abstraktion der Realität. Dementsprechend sind alle Modelle stets fehlerbehaftet. Die Quantifizierung solcher Fehler in Form von Wahrscheinlichkeitsdichtefunktionen von Modellparametern oder spezifischen Fehlermodellen für ganze Modelle sind essenziell für die Bewertung von Optimierungsergebnissen aber auch für die robuste Optimierung von Systemen.
In der Realität sind viele Nebenbedingungen weich und müssen nicht mit absoluter Sicherheit stets eingehalten werden. Mithilfe von Wahrscheinlichkeitsrestriktionen können solch weiche Nebenbedingungen mathematisch quantifizierbar in Optimierungsprobleme integriert und gelöst werden.
Das Lösen von nichtlinearen Modellen in der Verfahrenstechnik ist häufig nicht trivial und erfordert in der Regel eine aufwändige, händische Initialisierung von Variablen. Wir untersuchen fortschrittliche mathematische Methoden zur Intervallarithmetik, um die Initialisierung problemunabhängiger zu gestalten und weitestgehend ohne händische Initialisierung auskommen zu können.
Prozesse unterliegen zunehmen dynamischen Störungen. Aus diesem Grund sollte auch bei der Anlagenauslegung bereits die Dynamik Berücksichtigung finden.