Capitulo 5

CAPÍTULO 5
OTIMIZAÇÃO PARAMÉTRICA
14 de novembro de 2012
REVISÃO DE CAPÍTULOS ANTERIORES
ENGENHARIA DE PROCESSOS
PROCESSO ???
Seqüência de etapas responsáveis pela transformação de uma

matéria prima num produto de interesse industrial.
Conceito abrangente: inclui todas as transformações químicas

espontâneas, por ação de catalisadores ou de microrganismos.
Aplicável aos 4 Cursos da Escola de Química

ENGENHARIA DE PROCESSOS
Área da Engenharia Química dedicada ao

Projeto de Processos Químicos
1.1 PROJETO DE PROCESSOS QUÍMICOS
O conjunto de ações desenvolvidas
Desde Até

A decisão de se Um plano bem definido
produzir um para a construção e a
determinado produto operação da instalação
químico industrial.

É um conjunto numeroso e diversificado de ações !!!
Esse conjunto compreende três sub-conjuntos que interagem:
PROJETO
SELEÇÃO DA ROTA QUÍMICA
 
ANÁLISE  SÍNTESE
(a) previsão do desempenho do processo. (a) escolha de um equipamento para cada tarefa.
(b) avaliação do desempenho do processo. (b) definição da fluxograma do processo.
SELEÇÃO DA SÍNTESE ANÁLISE
ROTA QUÍMICA
Estabelecer o Calcular o consumo
Investigar mercado número e o tipo de utilidades
para o produto dos reatores
Calcular a vazão das
Investigar reagentes Definir o número e correntes
plausíveis o tipo dos intermediárias
separadores
Investigar a
Calcular as dimensões
disponibilidade
Definir o número e dos equipamentos
das matérias primas
o tipo de
Definir as condições trocadores de calor Calcular o consumo
das reações e dos insumos
identificar os sub- Estabelecer malhas
produtos gerados de controle Calcular o consumo
de matéria prima
Definir o
fluxograma do Avaliar a lucratividade
processo do processo
O PROJETO DE PROCESSOS É CARACTERIZADO PELA
MULTIPLICIDADE DE SOLUÇÕES
MULTIPLICIDADE NA SÍNTESE
Equipamentos disponíveis para a geração do fluxograma de um

processo
RM RT DE A R T
DS
Aquecedor Resfriador Trocador

Reator de de
mistura Reator Coluna de destilação Coluna de destilação Integração
extrativa
tubular simples
A Síntese consiste em combinar esses equipamentos formando

todos os fluxogramas plausíveis em busca do melhor.
Um problema com multiplicidade de soluções

A,B A,B
A
A
(12)
A
A
A (7) (9)
A,P
RT T DS
A,B
RM
RM
A P
P,A
P,A R
R DE
DS
T DS
P
P
A
Aqui, na Síntese, as soluções são fluxogramas
P
RM A,B
A RT R
A,P
A,B DS
A
(8)
P,A (11) P
A,B
T (14)
DE A A
A,B A,P RT T A,P DE

P A RT R DE
RM
(10) (13)
P P
P,A
EXPLOSÃO COMBINATÓRIA !!!
MULTIPLICIDADE NA ANÁLISE
Cada par (x1,x2) é uma solução fisicamente viável
W1 kg B/h ? W2 kg B/h ?
Q = 10.000 kgA/h Q = 10.000 kgA/h
Q* = 10.000 kgA/h x1 kgAB/kg A ? x2 kgAB/kgA ?
xo*= 0,02 kg AB/kg A
1 2
alimentação rafinado rafinado
y1 kg AB/kg B ? y2 kg AB/kg B ?
extrato extrato
Modelo Balanço de Informação:

1. Q* (xo* - x1) - W1 y1 = 0 V = 8, N = 4, C = 2, M = 0
2. y1 - k x1 = 0 G = 2 (otimização)
3. Q* (x1 - x2) - W2 y2 = 0 Variáveis de Projeto: x1, x2
4. y2 - k x2 = 0
MULTIPLICIDADE NA ANÁLISE
Aqui, na Análise, as soluções são pares de valores x1,x2
20
18
16
14
12
10
8
Lucro
6
4 0,020
2
0 0,018
0,016
0,005
0,014
0,010
0,012
0,015
0,010
infinidade
0,020 de soluções viáveis
0,008
x
x
2
1
0,025 0,006
0,030 0,004
0,002
A multiplicidade de soluções de um problema conduz à
Otimização.
Multiplicidade Exige a busca da Solução através de

de Soluções  Ótima  Otimização
O Projeto de Processos pode ser identificado como um
problema complexo de otimização
Fonte da complexidade
multiplicidade de soluções nos três níveis
Nível Tecnológico: determinação da melhor rota química.

Otimização Tecnológica
Nível Estrutural (Síntese): determinação do fluxograma ótimo.

Otimização Estrutural
Nível Paramétrico (Análise): determinação das dimensões

ótimas de equipamentos e correntes.
Otimização Paramétrica ESTE CAPÍTULO !!!
COMO RESOLVER?
INTELIGÊNCIA ARTIFICIAL
ÁRVORE DE ESTADOS
Busca Orientada por Árvore de Estados
Raiz
Rota Química ?
? P
?? Fluxograma ?
Dimensões ?
Nível Tecnológico
A,B P,C D,E P,F
A+B P+C D+E P+F Seleção de uma Rota
?? ??
Fluxograma ?
Dimensões ?
4
A 1 P
A
2
P
D 3 P
D P Nível Estrutural
B x C
B x C
E x F
E x F
T D T A M D M E
Síntese de um
? ? ? ? Fluxograma
Dimensões ? Lucro?
L L L L Nível Paramétrico
6 8 10 7 Análise do Fluxograma
Dimensionamento
x* x o = 3 x x* x o = 4 x* x o = 6 x* x o = 5 dos Equipamentos
x x x
e das Correntes. Lucro.
Solução do Problema de Projeto por Busca Orientada
Raiz
Rota Química ?
? P
?? Fluxograma ?
Dimensões ?
Vantagem Nível Tecnológico

D,E P,F
D+E P+F Seleção de uma Rota
Varre todas as soluções ??
Fluxograma ?
sem repetições Dimensões ?
sem omitir a ótima
D 3 P Nível Estrutural
E x F
Síntese de um
Desvantagem Fluxograma
?
Dimensões ? Lucro?
Explosão Combinatória
(outros métodos)
L Nível Paramétrico
10 Análise do Fluxograma
Dimensionamento
Solução Ótima: 4 x
dos Equipamentos
e das Correntes. Lucro.
Reagentes: D,E. Fluxograma: 3. Valor de x: 4  demais dimensões.
FIM DA REVISÃO
INÍCIO DO CAPÍTULO 5
ORGANIZAÇÃO DA DISCIPLINA
1
INT RODUÇÃO GERAL SÍNTESE
ANÁLISE
2 6
INTRODUÇÃO À INTRODUÇÃO À
ANÁLISE DE PROCESSOS SÍNTESE DE PROCESSOS
4 7 8
3 5
AVALIAÇÃO OTIMIZAÇÃO SÍNTESE DE SÍNTESE DE
ESTRATÉGIAS
ECONÔMICA PARAMÉTRICA SISTEMAS DE SEPARAÇÃO
DE CÁLCULO PRELIMINAR SISTEMAS DE
INTEGRAÇÃO ENERGÉTICA
FINALIDADE DO CAPÍTULO
Apresentar
(a) conceitos básicos de Otimização,
(b) o método analítico
(c) dois métodos numéricos simples
(d) aplicações em processos químicos.
Estudo mais completo de Otimização
EQE 002 OTIMIZAÇÃO EM ENGENHARIA QUÍMICA

5. OTIMIZAÇÃO PARAMÉTRICA
5.1 Conceito de Otimização

5.2 Elementos Comuns em Problemas de Otimização
5.2.1 Variáveis de Decisão (Manipuladas)
5.2.2 Critério
5.2.3 Função Objetivo
5.2.4 Restrições
5.2.5 Região Viável
5.3 Localização da Solução Ótima
5.4 Problemas e Métodos de Otimização
5.5 Método Analítico: problemas univariáveis e multivariáveis.
5.6 Métodos Numéricos: problemas univariáveis e multivariáveis.
OTIMIZAÇÃO
Palavra com dois significados:
Ação de buscar a solução ótima de um problema
Campo da Matemática dedicado ao desenvolvimento de

métodos de busca da solução ótima de um problema
Comentário
Todo problema de Otimização encerra um conflito.
A solução ótima é o ponto de equilíbrio entre os fatores conflitantes

W kg B/h ?
Exemplo
B: benzeno (solvente)
Q = 10.000 kgA/h x kgB/kgA
A : água
EXTRATOR No extrator, a vazão de solvente afeta o
xo= 0,02 kg AB/kg A rafinado Lucro de forma conflitante.
AB: ácido benzóico y kg AB/kg B
(soluto)
(extrato)
Com o aumento da vazão:
60
50
- aumenta a recuperação de soluto.
R Logo, aumenta a Receita.
40
C
- aumenta o consumo de solvente.
L,R,C30 Logo, aumenta o Custo operacional.
$/a
20 L=R-C
Lo=15,6
Vazão ótima  Lucro máximo
10
0
0 1000 2000 3000 4000 5000 6000
Wo = 1.973,6
W kg/h
Até à vazão ótima, a Receita cresce mais rapidamente e o Lucro aumenta.
Após a vazão ótima, o Custo cresce mais rapidamente e o Lucro diminui.
A vazão ótima é o ponto de equilíbrio entre os fatores conflitantes
Qual o conflito identificado no dimensionamento de um
trocador de calor?
ORIGEM DO PROBLEMA DE OTIMIZAÇÃO PARAMÉTRICA
Do Capítulo 2: na resolução de qualquer problema:
Graus de Liberdade G = V - N - E
V : número de variáveis
N : número de equações
E: número de variáveis especificadas (E = C + M)
C = condições conhecidas
M = metas de projeto
Em problemas de dimensionamento, ocorre uma das três situações:
- metas inconsistentes - metas estritamente - metas insuficientes  G > 0

ou em excesso  G  0 suficientes  G = 0 infinidade de soluções viáveis
solução impossível solução única
Solução ótima?
y y y
paralelas coincidentes
x x x
Exemplo simples: dimensionamento de um extrator
(a) Dimensionamento com x = 0,01 kgAB/kgA como meta
Modelo Matemático:
W kg B/h ? 1. Q (xo - x) - W y = 0
B: benzeno (solvente) 2. y - k x = 0
Q = 10.000 kgA/h
A : água EXTRATOR
x = 0,01 kgAB/kgA Balanço de Informação:
rafinado
V = 5, N = 2, C = 2, M = 1
xo= 0,02 kg AB/kg A
G=0 (solução única)
(soluto) extrato
y = 0,04; W = 2.500 kg/h
y
x
(b) Dimensionamento com x = 0,01 kgAB/kgA e y = 0,03
kgAB/kgB como metas.
W kg B/h ?
B: benzeno (solvente) Modelo Matemático:
Q = 10.000 kgA/h 1. Q (xo - x) - W y = 0
A : água x = 0,01 kgAB/kgA 2. y - k x = 0 Identidade!
EXTRATOR
rafinado
xo= 0,02 kg AB/kg A Balanço de Informação:
AB: ácido benzóico y = 0,03 kg AB/kg B V = 5, N = 2, C = 2, M = 2
(soluto) extrato G = - 1 (metas em excesso)
Metas incompatíveis na (Eq.2): o valor de y compatível com x = 0,01

é 0,04.
y
solução impossível!
paralelas
x
(c) Dimensionamento com insuficiência de metas
W kg B/h ? Modelo Matemático:

B: benzeno (solvente) 1. Q (xo - x) - W y = 0
Q = 10.000 kgA/h 2. y - k x = 0
A : água EXTRATOR
x kgB/kgA
Balanço de Informação:
rafinado
xo= 0,02 kg AB/kg A V = 5, N = 2, C = 2, M = 0
(soluto) extrato G = 1 (infinidade de soluções)
Solução ótima?
y
coincidentes
x
Insuficiência de metas gera Graus de Liberdade  Otimização
Relembrando o Processo Ilustrativo
Fluxograma do Processo
Dimensionamento: condições conhecidas + metas de projeto
MISTURADOR RESFRIADOR CONDENSADOR
W14
14 T*14 W12 W12
12 T*12 9 T*12
13 10
Benzeno
W13 W10
T13 Ar T*10
W11 11 W 8 8 Ac
T*11 Água T*8 Água Benzeno
W5
W15 T*5
15
T15
W3
x13 5
EXTRATOR
T3
BOMBA
f13
3 Ae EVAPORADOR
1 Vd f23
W*1 t* r* Extrat W6
x*11 o 7 6 T*6
T*1 W2
f11 x12 W7 W4 Vapor
2 T*7
f31 T*2 x*14
4
Alimentação f12 Produto T4
f32 Rafinado f14
f24
Dimensionamento
G=0
(solução única)
W1
x11,x14
T1,T2,T5,T6,T7,T8,T9,T10,T11,T12,T14, r, 
VARIÁVEIS ESPECIFICADAS
W4,W6,W8,W11,W14
MODELO Vd,Ae,Ac,Ar AVALIAÇÃO
FÍSICO INCÓGNITAS ECONÔMICA
PARÂMETROS
L
W14 = 1.080 kg/h

14 T*14 = 25 oC W12 = 59.969 kg/h W12 = 228.101 kg/h
12 T*12 = 30 oC 9 T*12 = 30 oC
13 10
W13 = 36.345 kg/h W =36.345 kg/h

T13 = 25 oC Ar = 361 m2 T* 10 = 80 oC Ac = 119
10
m2
11 8
W11 = 59.969 kg/h W8 = 228.101 kg/h W5 = 36.345 kg/h
15 T*11 = 15 oC T*8 = 15 oC T*5 = 80 oC
W15 = 37.425 kg/h Resultado do
o
T13 = 25 C W3 = 37.544 kg/h
Dimensionamento x13 = 0,002 5
EXTRATOR T = 25 oC 3
BOMBA f13 = 120 kg/h
f23 = 37.424 kg/h EVAPORADOR
1 Vd = 11.859 l 3 Ae =
124 m2
*= 0,0833 h W6 =8.615 kg/h
W*1 = 100.000 kg/h Extrato T*6 = 150 oC
x*11 = 0,002 r* = 0,60 7 6
W2 = 99.880
T*1 = 25 oC kg/h
f11 = 200 kg/h 2 W7 = 8.615 kg/h W4 = 1.200 kg/h
x12 = 0,0008
f31 = 99.800 kg/h T*7 = 150 oC x*14 = 0,1
T2 = 25 oC 4
T4 = 80 oC
f12 = 80 kg/h
Rafinado f14 = 120 kg/h
f32 = 99.800 kg/h
f24 = 1.080 kg/h
Dimensionamento
Omitindo r, T9 e T12 na lista de
Metas de Projeto
G>0
W1
x11,x14 Otimização
T1,T2,T5,T6,T7,T8,T10,T11,T14, 
variáveis especificadas
W4,W6,W8,W11,W14
MODELO Vd,Ae,Ac,Ar AVALIAÇÃO
FÍSICO incógnitas ECONÔMICA
?
PARÂMETROS
r,T9,T12 L
OTIMIZAÇÃO
r, T9, T12
variáveis de projeto
W14 = 911 kg/h

14 T*14 = 25 oC W12 = 48.604 kg/h W9 = 78.395 kg/h
12 T*12 = 27 oC 9 T*9 = 44 oC
13 10
W13 = 24.670 kg/h W10 =24.670 kg/h
T13 = 25 oC Ar = 238 m2 T*10 = 80 oC Ac = 95 m2
11 8
15
W11 = 48.604 kg/h W8 = 78.395 kg/h W5 = 24.670 kg/h
T*11 = 15 oC T*8 = 15 oC T*5 = 80 oC
W15 = 25.581 kg/h
Resultado da Otimização
T13 = 25 oC (r, T9, T12) W 3 = 25.682 kg/h
x = 0,004 5
13
EXTRATOR T3 = 25 oC
BOMBA f13 = 101 kg/h
f23 = 25.581 kg/h EVAPORADOR
1 Vd = 10.742 l 3 Ae =
84 m2
*= 0,0833 h W6 =5.857 kg/h
W*1 = 100.000 kg/h Extrato T*6 = 150 oC
x*11 = 0,002 r = 0,506 7 6
W2 = 99.898
T*1 = 25 oC kg/h
f11 = 200 kg/h 2 W7 = 5.857 kg/h W4 = 1.012 kg/h
x12 = 0,001
f31 = 99.800 kg/h T*7 = 150 oC x*14 = 0,1
T2 = 25 oC 4
T4 = 80 oC
f12 = 98 kg/h
Rafinado f14 = 101 kg/h
f32 = 99.800 kg/h
f24 = 911 kg/h
Resumo da Análise de Processos
Correspondência dos Capítulos com os Módulos Computacionais
2
INTRODUÇÃO À
ANÁLISE DE PROCESSOS
3 4 5
ESTRATÉGIAS AVALIAÇÃO
OTIMIZAÇÃO
DE CÁLCULO ECONÔMICA
  
Variáveis Especificadas Parâmetros Econômicos
Parâmetros
Físicos MODELO Dimensões Calculadas MODELO Lucro
FÍSICO ECONÔMICO OTIMIZAÇÃO
Variáveis de Projeto
Dimensionar Simular
Extrator Extrator
Dimensionar Simular
Evaporador Evaporador
Dimensionar Simular
Condensador Condensador
Resolver
Problema
Dimensionar Simular
Resfriador Resfriador
Dimensionar Simular
Misturador Misturador
Dimensionar Simular
Processo Processo
Otimizar
Calcular Lucro
Processo
EM RESUMO
Insuficiência de metas gera graus de liberdade
Graus de liberdade geram multiplicidade de soluções
A multiplicidade de soluções exige a busca da solução ótima
A busca de solução ótima se dá por um processo de otimização


5.2.2 Critério
5.2.4 Restrições
5.2 ELEMENTOS COMUNS EM PROBLEMAS DE OTIMIZAÇÃO
Todo problema de otimização exibe os seguintes elementos, qualquer

que seja a sua área de aplicação.
5.2.1 Variáveis de Decisão (ou Variáveis Manipuladas)
5.2.2 Critério
5.2.4 Restrições

Todo problema de otimização exibe os seguintes elementos qualquer

que seja a sua área de aplicação.
5.2.2 Critério
5.2.4 Restrições

São as variáveis manipuladas pelo método de otimização durante a
busca da solução ótima.
Na Engenharia de Processos são chamadas de Variáveis de Projeto.

W1
x 11,x 14
T 1,T 2,T 5,T 6,T 7,T 8,T 10,T 11,T 14,t
VARIÁVEIS ESPECIFICADAS
W 4,W 6,W 8,W 11,W 14

MODELO V d,A e,A c,A r AVALIAÇÃO
FÍSICO
INCÓGNITAS ECONÔMICA
r,T 9,T 12 L
OTIMIZAÇÃO
VARIÁVEIS DE PROJETO
Resultam da liberdade conferida ao projetista pela insuficiência de

metas de projeto
O módulo de Otimização arbitra sucessivos valores das variáveis de

projeto até o Lucro alcançar o seu valor máximo.
x4c x1
C=2 1 V=7 y
x5c x2
E=3 2 x3
x6 m coincidentes
M=1 N=3
3 x7 x
G=V–E–N=7-3-3=1
Metas insuficientes, incógnitas em excesso
Sistema consistente indeterminado
(infinidade de soluções)
Há que se escolher uma solução

x4c x1
x5c 1
x2
x6m 2 x3
x7p 3 x7
G=V–E–N=7-3-3=1
Para se obter uma das soluções, é preciso especificar uma das 4

incógnitas.
o projetista tem a liberdade de escolher essa incógnita. Por
exemplo: x7 (variável de projeto).
O critério de escolha se baseia na minimização do esforço
computacional e foi abordado no Capítulo 3
(Algoritmo de Ordenação de Equações).
Sem imposições, o projetista também tem a
liberdade de escolher o valor da variável de projeto.
A cada valor de x7p corresponde uma solução viável x1, x2, x3 e
um valor para o Lucro.
c
Se a variável for contínua, haverá uma
x4 x1 infinidade de soluções viáveis (indeterminado)
c
1 Ele deve escolher o valor que corresponde ao
x5 x2 Lucro Máximo (solução ótima).
x6m 2
500
x3
x7p 3 400
300
L
Qualquer outro valor 200
atribuído como meta 100
produziria uma solução 0

0,0 0,2 0,4 0,6 0,8 1,0
pior do que a ótima. xm
7 xp
7
Ou seja, em problemas indeterminados, o projetista tem a
oportunidade de apresentar a Solução Ótima !
x4c x1 500
1 400
x5 c y
x2 300
L
x6m 2
200
x3 coincidentes
x7p 3 100
x
0
0,0 0,2 0,4 0,6 0,8 1,0
m p
x x
7 7
As variáveis de projeto são escolhidas dentre as não-
especificadas.
Exemplo: otimização do extrator
W kg B/h
Q = 10.000 kgA/h
x kgB/kgA
rafinado
xo= 0,02 kg AB/kg A
y kg AB/kg B
extrato
Modelo Matemático Balanço de Informação

1. Q (xo - x) - W y = 0 W? x? y? V = 5, N = 2, C = 2, G = 1
2. y - k x = 0 (candidatas: x, y, W)
A solução ótima independe da variável de projeto escolhida
Variável de Projeto: W Variável de Projeto: x
1. Q (xo - x) - W y = 0 1. Q (xo - x) - W y = 0
2. y - k x = 0 2. y - k x = 0 xo*
xo*
y
Wo = 1.972,3 xo = 0,01118

y
xo = 0,01118 yo = 0,04472 W
W yo = 0,04472 Wo = 1.972,3 1 2
1 2
Lo = 15,6 $/h 60 Lo = 15,6 $/h
x
Q* x
Q* 50
60
R
40
50
R C
L,R,C 30
40 $/a
C 20
L,R,C30
$/a Lo = 15,6
10
L
20 L=R-C
Lo=15,6 xo = 0, 01118
10 0
0,006 0,008 0,010 0,012 0,014 0,016 0,018 0,020
x kgAB/kg A
0
0 1000 2000 3000 4000 5000 6000
Wo = 1.973,6
W kg/h
Mas a escolha afeta o esforço computacional
envolvido na otimização
Variável de Projeto: W Variável de Projeto: x

1. Q (xo - x) - W y = 0 1. Q (xo - x) - W y = 0
2. y - k x = 0 2. y - k x = 0
xo* xo*
y
y
W W
1 2 1 2
x
Q* Q* x
Escolha infeliz ! Escolha feliz !

Sequência de cálculo cíclica Ciclo aberto por x (o mesmo p/ y)
Otimização com cálculo iterativo Sequência de cálculo acíclica:
2. y = k x
1. W = Q (xo - x)/y
O Algoritmo de Ordenação de Equações conduz à escolha acertada
São os elementos presentes em qualquer problema de otimização,

independentemente da área de aplicação.
5.2.2 Critério
5.2.3 Restrições
Devem ser identificados e analisados antes de se iniciar a resolução do

problema
5.2.2 Critério
A busca da solução ótima tem que ser norteada por um critério.
O critério mais comum é econômico
500 500
R
400 400
C
300 300
L L
200 200 L
100 100
0 0
0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 0,4 0,6 0,8 1,0
x7o x7o
Maximização do Lucro Minimização do Custo

(produção fixa  Receita constante)
Outros critérios adotados: segurança e controlabilidade.
A solução ótima segundo um critério pode não ser a ótima segundo um

outro critério. Por exemplo: a solução mais econômica pode não ser a
mais segura. E vice-versa.
Dois ou mais critérios podem ser utilizados simultaneamente com pesos

diferentes (otimização com objetivos múltiplos)

5.2.2 Critério
5.2.5 Restrições

É a expressão matemática do critério de otimização descrita em

termos das variáveis físicas do problema.
Pode assumir formas das mais simples às mais complexas.

A sua caracterização é fundamental para a resolução do problema de
otimização.
Pode ser classificada quanto à:
(a) Continuidade: contínua, contínua com descontinuidade na derivada,

descontínua ou discreta.
(b) Modalidade: unimodal, multimodal.
(c ) Convexidade: côncava ou convexa.

(a) Continuidade
0,6
0,5
0,5
0,4
0,4
0,3
y 0,3
y
0,2
0,2
0,1
0,1
0,0 0,0
0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 0,4 0,6 0,8 1,0
x x
Função Contínua Função Contínua com
1,0 10
descontinuidade na derivada
0,8
Os parâmetros da 8
função dependem da
0,6 faixa de x 6
y y
0,4 4
A função só existe para
0,2 2 valores inteiros de x
0,0 0
0,0 0,2 0,4 0,6 0,8 1,0 0 2 4 6 8 10
x x
Função Descontínua Função Discreta
(b) Modalidade
2,0
1,8
1,6
1,4
0,5
1,2
1,0
0,4 0,8
0,6
f 0,4
0,3 0,2
0,0
y -0,2
0,2 -0,4
-0,6
1,0
0,8
-0,8 0,6
0,4
0,1 -1,0
-1,0 -0,8 -0,6
0,2
0,0
-0,4 -0,2 -0,2
-0,4
0,0 0,2
0,4 0,6 -0,6
-0,8 X2
0,8 1,0 -1,0
0,0 X1
0,0 0,2 0,4 0,6 0,8 1,0
x
Função Unimodal em 1 Dimensão Função Unimodal em 2 Dimensões

(b) Modalidade B: mínimo local
F: mínimo global
C: ponto de sela
C, E: máximos locais B, D: mínimos locais
A: máximo global F: mínimo global
220
A
215 4
E 3
C C
y 210 2 B A 0
1 1
f
B D 0 3,0 2
205 -1
2,5
2,0 3
1,5
2
x
1,0 4
0,5
F 0,0
200 -0,5
5
x -1,0
6
1 -1,5
1 2 3 4 5 6 -2,0
x
Função Bimodal em 1 Dimensão Função Bimodal em 2 Dimensões
Incerteza quanto ao ótimo global

(c ) Convexidade (funções univariáveis)
y
y[(1-a) x1 + a x2] 0,5
0,4
(1-a) y(x1) + a y(x2)
0,3
0,2
0,1
0,0
0,0 0,2 0,4 0,6 0,8 1,0
0a1 x1 (1-a)x1+ ax2x2 x
Função côncava: o valor dado pela função é superior ao dado pela reta.
y[(1-a) x1 + a x2] > (1-a) y(x1) + a y(x2)
y
y[(1-a) x1 + a x2] 0,5
0,4
(1-a) y(x1) + a y(x2)
limite inferior para0,3
o máximo
0,2
0,1
0,0
0,0 0,2 0,4 0,6 0,8 1,0
0a1 x1 (1-a)x1+ ax2 x2 x
y
0,5
0,4
0,3
(1-a) y(x1) + a y(x2)
limite superior 0,2
para o mínimo
0,1
y[(1-a) x1 + a x2]
0,0
0,0 0,2 0,4 0,6 x2 0,8 1,0
x1 x
0a1 (1-a)x1+ ax2
Função convexa: o valor dado pela função é inferior ao dado pela reta:
y[(1-a) x1 + a x2] < (1-a) y(x1) + a y(x2)
Concavidade (negativa) e Convexidade (positiva) de funções
univariáveis podem ser determinadas pelo sinal da segunda
derivada da função no ponto extremo.
(c ) Convexidade (funções multivariáveis)
Para funções multivariáveis, a convexidade encontra-se

relacionada aos seus
Valores Característicos
que são as raízes da sua
Equação Característica
Para uma função qualquer de duas variáveis
Matriz Hessiana:
f f
11 12
 2f
H(x) = f ij 
f f x ix j
21 22
Equação Característica:
f -  f
11 12
det =0
f f - 
21 22
2 – (f11 + f22)  + (f11f22 – f12f22) = 0
Os Valores Característicos são as raízes desta equação.

(c ) Convexidade (funções multivariáveis)
Ilustração com Funções Quadráticas (simetria)
f(x) = bo + b1 x1 + b2 x2 + b11 x12 + b22 x22 + b12 x1 x2
Assumem formas diversas em função dos valores dos

coeficientes
,   H ( x) f ( x)
1 2
 >0,  >0 positiva definida estritamente convexa
1 2
 >0,  =0 positiva semi-definida convexa
1 2
 < 0,  < 0 negativa definida estritamente côncava
1 2
 < 0,  = 0 negativa semi-definida côncava
1 2
 >0,  <0 indefinida ponto de sela
1 2
 1 > 0 : 2 > 0 1 < 0 : 2 < 0

2,0
1,8
1,6
1,4
2,0
1,2
1,0
1,8 0,8
1,6 0,6
f 0,4 0
1,4
0,2
1,2 0,0
1,0 1,0 -0,2
-1,0
f 0,8 -0,4 -0,8
-0,6
0,8 0,6 1,0 0,8 -0,4
-0,6 0,6 0,4 -0,2
0,4 0,0
0,6 0,2 1,0 0,2 0,2
-0,8 0,8 0,0 0,4
0,6 -0,2
0,0 0,4 -0,4 0,6
0,4 -1,0 0,2 -0,6 0,8
X2
-0,2 -1,0 0,0 -0,8

-0,8 -0,6 -0,2 -1,0 1,0
0,2 -0,4 -0,4 -0,2 -0,4
-0,6
0,0 0,2
0,4 0,6 -0,6
-0,8 X2
0,0 0,8 -1,0
-1,0 -0,8 -0,8 1,0
1 < 0 : 2 < 0
-0,6 -0,4
-0,2 X1
0,0 0,2 -1,0
0,4 0,6 0,8 1,0
X1
 1 > 0 : 2 = 0 1,0
1 < 0 : 2 = 0 1,0
-1,4 -1,1 -0,80
0,8
0,8
-0,50
1,0
0,6
0,6
0,40 -0,20
0,4
0,8 0,70
0,4 0,2
0,10
0,6 0,0
x2
0,2 0,10
1,0 0,70
f 0,8 -0,2
0,4 0,6
0,4
0,0 0,2 -0,4
-1,0
-0,8 0,0 0,40
-0,6 -0,2 -0,20
-0,4
0,2 -0,2 -0,4 -0,6
1,0 0,0 -0,6
0,2
0,8 0,4
0,6 0,6 -0,8 -0,50 -0,80
0,4 0,8 -1,0 -0,8
0,0 0,2 1,0
-1,0 0,0
-0,8 -1,1 -1,4
-0,6
-0,4 -0,2 -1,0 -1,7
-0,2 -0,4
X2
0,0 -0,6 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0
0,2
0,4 -0,8
X1 0,6 X1
0,8 -1,0
1,0
UMA FUNÇÃO NÃO-QUADRÁTICA
Dimensionamento de 2 extratores em série
Q* = 10.000 kgA/h Q = 10.000 kgA/h Q = 10.000 kgA/h

xo*= 0,02 kg AB/kg A x1 kgAB/kg A ? x2 kgAB/kgA ?
1 2
extrato extrato
Modelo Físico:
1. Q* (xo* - x1) - W1 y1 = 0 Balanço de Informação:
2. y1 - k x1 = 0 V = 8, N = 4, C = 2, M = 0
3. Q* (x1 - x2) - W2 y2 = 0 G = 2 (otimização)
4. y2 - k x2 = 0
Exemplo de Função Não-Quadrática
(Lucro de 2 extratores em série)
b x1
L = a- - cx 2 - d
x1 x2
20
18
16
14
12
10
8
Lucro
6
4 0,020
2
0 0,018
0,016
0,005
0,014
0,010
0,012
0,015
0,010
0,020 0,008
x
x
2
1
0,025 0,006
0,030 0,004
0,002
(b) Modalidade
Ponto A:
x1 = -1 : x2 = 1 : f = 0
1 = 10,6 : 2 = 3,4 4
3
C
2 B A
Ponto B: 0
1 1
f
x1 = 2 : x2 = 4 : f = 1.5 0 2
1 = 37 : 2 = 1
3,0
2,5
-1 2,0 3
1,5
2
x
1,0 4
0,5
0,0
Ponto C : -0,5
5
x -1,0
x1 = 0,6 : x2 = 1,4 : f = 3,3 1 -1,5
-2,0
6
1 = 7 : 2 = -2,3
Função Bimodal em 2 Dimensões

5.2.1 Variáveis de Decisão
5.2.2 Critério
5.2.4 Restrições

5.2.3 Restrições
São os limites impostos pelas leis naturais às variáveis do processo.
Há dois tipos de restrições:
(a) restrições de igualdade : h(x) = 0

São as equações do próprio modelo matemático.
(b) restrições de desigualdade: g (x)  0

São os limites impostos às Variáveis de Projeto
Enunciado Formal de um Problema Exemplo: otimização do extrator
de Otimização
Min f(x) Função Objetivo Max L(x) = R - C
x Variável de Projeto
s.a.:
s.a.: g(x)  0 Restrições de desigualdade
h(x) = 0 Restrições de Igualdade g(x) = x - xo  0
h1 (x) = Q (xo - x) - W y = 0
h2 (x) = y - k x = 0
W kg B/h
Q = 10.000 kgA/h
x kgB/kgA
rafinado
xo= 0,02 kg AB/kg A
y kg AB/kg B
extrato
A presença de restrições pode alterar a solução de um
problema
5.2.3 Restrições
(a) Restrições de Igualdade (solução sobre a curva)
2,0
0,4
0,6
1,5 0,8
x 1,0 1.0
2 A
0,5
B
h(x) = 0
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
h ( x )  x 12  x 22  0 , 25  0
g2(x) = x1  0 Solução Irrestrita: A
g3(x) = x2  0 Solução Restrita : B
2,0 0,4
h(x) = 0
0,6
1,5 0,8
C
A
x2 1,0 1,0
B
0,5
0,0
0,0 0,5 1,0 1,5 2,0
x
1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
h ( x )  x 2  2 , 1( x 1  1) 2  0 , 1  0
Solução Irrestrita: A
g2(x) = x1  0 Solução Restrita : B
g3(x) = x2  0 C é um máximo local
2,0
0,4
0,6
1,5 0,8
x 1,0 1.0
2 A
h2(x) = 0
0,5
B
h1(x)=0
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
h 1 ( x )  x 12  x 22  0 , 25  0
Solução Irrestrita: A
h 2 ( x )  x 12  x 22  0 , 25  0
Solução Restrita : B
(restrições compatíveis)
g2(x) = x1  0
g3(x) = x2  0
2,0
0,4
0,6
1,5 0,8
x2 1,0 1.0
A
0,5
B h2(x) = 0
h1(x)=0
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
h 1 ( x )  x 12  x 22  0 , 25  0
h 2 ( x )  x1  x 2  1  0 Solução irrestrita: A
g2(x) = x1  0 Solução restrita: impossível
g3(x) = x2  0 ( restrições incompatíveis)
5.2.3 Restrições
(b) Restrições de Desigualdade (fronteira e interior de regiões)
2,0
0,4
0,6
1,5 0,8
x2 1,0 1.0
A
0,5
B
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
g ( x ) = x 2 + x 2 - 0 , 25  0
1 1 2
g2(x) = x1  0 Solução irrestrita: A
g3(x) = x2  0 Solução restrita : B
2,0
0,4
0,6
1,5 0,8
x2 1,0 1.0
A
0,5
B
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1) 2  ( x 1  1)( x 2  1)  ( x 2  1) 2
g ( x ) = x 2 + x 2 - 0 , 25  0
1 1 2
Solução irrestrita: A
g2(x) = x1  0
Solução restrita : A
g3(x) = x2  0
2,0
0,4
0,6
1,5
B0,8
x2 1,0 A
1,0 g2 (x)
0,5
g1 (x)
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1 ) 2  ( x 1  1) ( x 2  1)  ( x 2  1) 2
g1 ( x)  x12  x 22  1  0
g 2 ( x )  x12  x 22  4  0 Solução irrestrita : A
g3(x) = x1  0 Solução restrita : B
g4(x) = x2  0
2,0
0,4
0,6
1,5 0,8
A
x2 1,0 1,0
g2 (x)
C
0,5
g1 (x)
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1 ) 2  ( x 1  1) ( x 2  1)  ( x 2  1) 2
g 1 ( x )  x 12  x 22  1  0
g 2 ( x )  x 12  x 22  4  0
g3(x) = x1  0
Solução restrita : C
g4(x) = x2  0
2,0
0,4
0,6
1,5 0,8
x2 1,0 A
1,0
g2 (x)
0,5
g1 (x)
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1 ) 2  ( x 1  1) ( x 2  1)  ( x 2  1) 2
g1 ( x)  x12  x 22  1  0
g 2 ( x )  x 12  x 22  4  0
g3(x) = x1  0 Solução restrita : A
g4(x) = x2  0
2,0
0,4
0,6
1,5 0,8
x2 1,0 A
1,0 g2 (x)
0,5
g1 (x)
0,0
0,0 0,5 1,0 1,5 2,0
x1
f ( x )  1  ( x 1  1 ) 2  ( x 1  1) ( x 2  1)  ( x 2  1) 2
g 1 ( x )  x 12  x 22  1  0
g 2 ( x )  x12  x 22  4  0
Solução impossível
g3(x) = x1  0 Restrições incompatíveis
g4(x) = x2  0

5.2.2 Critério
5.2.4 Restrições

Região do espaço delimitada pelas restrições de igualdade e de
desigualdade à qual se restringe a busca da solução ótima.
x3
Max f(x)
s.a.: h(x) = 0 h(x) = 0
g(x)  0 g(x)  0
x1
x2
Busca restrita ao interior da elipse (restrição de desigualdade g(x)  0)

que se encontra sobre o plano (restrição de igualdade h(x) = 0)
Exemplo: encontrar o aluno de maior CR neste piso, nesta sala

Convexidade
2,0
g1 ( x)  ( x12  2) 2  ( x2  2) 2  4  0
1,5 g2 ( x)  x12  x22  4  0
g (x)
3
g 3 (x)  (x1  2) 2  x 2  4  0
g (x)
2
x 1,0 A
2
0,5 g (x) B
1 Região Convexa
Qualquer par de pontos pode
0,0
0,0 0,5 1,0
x
1,5 2,0 ser unido por uma reta
1
totalmente contida na região.
A convexidade garante a convergência dos métodos de otimização

Convexidade
g1 (x)  x12  x 22  4  0
2,0
g (x) = x 2 + (x - 2) 2 - 4  0
g (x)
1
2 1 2
A
g 3 ( x )  x12  ( x 2  1) 2  1  0
1,5
x 1,0 g (x)
2 3
0,5
Região Não - Convexa
g (x)
2 A reta que une A e B não
B
permanece contida na região
0,0
0,0 0,5 1,0 1,5 2,0
x
1
A não-convexidade não garante a convergência dos métodos de

otimização
É o maior desafio da otimização
Restrições podem ser lineares:
x1 – 0,02  0
x2 – x1  0
20
18
16
14
12
10
8
L
6
4 0,020
2
0 0,018
0,016
0,005
0,014
0,010
0,012
0,015
0,010
0,020 0,008
x
x
2
1
0,025 0,006
0,030 0,004
0,035 0,002

5.2.2 Critério
5.2.4 Restrições
Localização de valores extremos na faixa x1  x  x2
M
5
M
4
f(x) 3
M
2 m
m
1
0 x1 5 10 15 x20
x 2
Pontos estacionários, descontinuidades das derivadas e fronteiras do

intervalo.
Máximos (M) e Mínimos (m) locais e globais
Resolver os problemas do Livro:
(a) 5.1 a 5.8

(b) 5.11
(c) 5.14 a 5.17

5.2.2 Critério
5.2.4 Restrições
5.4 PROBLEMAS E MÉTODOS DE OTIMIZAÇÃO
À luz dos conceitos apresentados os problemas de otimização podem

ser classificados:
(a) Quanto ao número de variáveis:

- Univariáveis ou Multivariáveis
(b) Quanto à presença de restrições:
- Irrestritos ou Restritos
Os métodos de resolução podem ser classificados:
(a) Quanto à natureza:

- Analítico: localiza os pontos estacionários pelo cálculo das
derivadas da função objetivo.
- Numéricos: buscam os pontos estacionários por tentativas.
(b) Quanto ao tipo de informação utilizada:
- Diretos: utilizam apenas o valor da função objetivo.
- Indiretos: utilizam, também, os valores das suas derivadas.

5.2.2 Critério
5.2.4 Restrições
5.6 Métodos Numéricos: problemas univariáveis e multivariáveis
ATENÇÃO PARA O ROTEIRO DA RESOLUÇÃO DO
PROBLEMA
5.5 MÉTODO ANALÍTICO
5.5.1 Problemas univariáveis
Exemplo: dimensionamento do extrator
W kg B/h
Q = 10.000 kgA/h
x kgB/kgA
rafinado
xo= 0,02 kg AB/kg A
y kg AB/kg B
extrato
Modelo Matemático: Balanço de Informação:
1. Q (xo - x) - W y = 0 V = 5, N = 2, C = 2, M = 0
2. y - k x = 0 (k = 4) G = 1 (otimização)
Avaliação Econômica:
L=R-C
R = pAB W y
C = pB W
pAB = 0,4 $/kgAB : pB = 0,01 $/kgB
Sequência de Cálculo
x y W x y W
1 * * * 1 x x o Variável de Projeto : x
2 * *  2 x o
Equações ordenadas
2. y = k x
1. W = Q (xo - x)/y
Restrições de Igualdade !!!

Função Objetivo: L = R - C = pAB W y - pB W
Incorporando as Restrições de Igualdade ordenadas

à Função Objetivo
(viável em problemas simples)
x y, L x L
2. y = k x L = pAB W y - pB L = a - b x - c/x
1. W = Q (xo - W
W
x)/y
a = Q (pAB xo + pB / k) = 105
b = pAB Q = 4.000
c = pB Q xo / k = 0,5
L = a - b x - c/x
60
Busca do ponto estacionário:
dL c c
50
= - b+ = 0 xo = = 0 , 01118
dx x2 b
R
Solução completa do problema:
40
yo = 0,04472 kg AB/kg B;
L,R,C 30 C Wo = 1.972,3 kgB/h;
$/a Ro = 35,3 $/h; Co = 19,7 $/h;
Lo = 15,6 $/h
20 o
L = 15,6
10
L
o
x =0, 01118
0
0,006 0,008 0,010 0,012 0,014 0,016 0,018 0,020 0,022
x kgAB/kg A
5.5.2 Problemas multivariáveis
Exemplo: dimensionamento de 2 extratores em série
W kgB/h W kgB/h
1 2
Q = 10.000 kgA/h
x kgAB/kgA x kgAB/kgA
1 2
1 2
x = 0,02 kgAB/kgA
o
y kgAB/kgB y kgAB/kgB
1 2
Modelo Matemático Avaliação Econômica

1. Q(xo - x1) - W1 y1 = 0 L=R-C
2. y1 - k x1 = 0 R = pAB (W1 y1 + W2 y2 )
3. Q(x1 -x2) - W2 y2 = 0 C = pB (W1 + W2)
4. y2 - k x2 = 0 pAB = 0,4 $/kgAB : pB = 0,01 $/kgB
Balanço de Informação: V = 8; N = 4; C = 2; G = 2 (otimização)

5.5.2 Problemas multivariáveis
Modelo Matemático W1 x1 y1 W2 x2 y2
1. Q (xo - x1) - W1 y1 = 0 1 * * *
2. y1 - k x1 = 0 2 * *
3. Q(x1 -x2) - W2 y2 = 0 3 * * * *
4. y2 - k x2 = 0 4 * *
Ordenação
W1 x1 y1 W2 x2 y2
Equações Ordenadas
1 o x x
2. y1 = k x1
2 x o
4. y2 = k x2
3 x o x x
3. W2 = Q (x1 – x2)/ y2
4 x o
1. W1 = Q (xo - x1)/ y1
Variáveis de Projeto: x1 e x2
Incorporando as Restrições de Igualdade à Função Objetivo L
L=R–C 2. y1 = k x1
R = pAB (W1 y1 + W2 y2 ) 4. y2 = k x2
C = pB (W1 + W2) 3. W2 = Q (x1 – x2)/ y2
1. W1 = Q (xo - x1)/ y1
L = a – b/x1– cx2 – d x1/x2
Buscando o ponto estacionário:

L/x1 = b/x12 – d/x2 = 0 x1o = (b2/cd)1/3 = 0,01357
L/x2 = - c + dx1/x22 = 0 x2o = (d/b) x12 = 0,00921
Solução completa:
y1o = 0,05428 kgAB/kgB; W1o = 1.184 kgB/h
y2o = 0,03684 kgAB/kgB; W2o = 1.184 kgB/h
Co = 23,68 $/h; Ro = 43,15 $/h; Lo = 19,47 $/h
20
18
16
14
12
10
L 8
6
4 0,020
2
0 0,018
0,016
0,005
0,014
0,010
0,012
0,015
0,010
0,020 0,008
x
x
2
1
0,025 0,006
0,030 0,004
0,035 0,002
20
18
16
14
12
10
8
L
6
4 0,020
2
0 0,018
0,016
0,005
0,014
0,010
0,012
0,015
0,010
0,020 0,008
x
x
2
1
0,025 0,006
0,030 0,004
0,035 0,002
ALERTA!
DIMENSIONAMENTO ÓTIMO
W1 = 1.184 W2 = 1.184
kgB/h kgB/h
Q = 10.000 kgA/h x1 = 0,01357 x2 = 0,00921

kgAB/kgA kgAB/kgA
1 2
xo = 0,02 kgAB/kgA
y1 = 0,05428 kgAB/kgA y2 = 0,03824 kgAB/kgA
Examinando a contribuição de cada estágio à solução ótima
Estágio 1 2 Total
Soluto Rec. kg/h 64,28 43,62 107,90

Solv. Cons. kg/h 1.184 1.184 2.368
Lucro $/a 13,87 5,61 19,48
0,020
0,018
0
4,0 2,0
0,016 8,0
6,0
0,014 10
16 14
0,012
X2 0,010 0,00921 19,5 18
0,008
0,006
12
0,004
0,01357
0,002
0,005 0,010 0,015 0,020 0,025 0,030 0,035
X1
DIMENSIONAMENTO COM G = 0
W2 kg B/h ?
W1 kg B/h ?
Q * = 10.000 kgA/h
Q* = 10.000 kgA/h Q * = 10.000 kgA/h x2 * = 0,008 kgAB/kg A
xo*= 0,02 kg AB/kg A x1 * = 0,015 kgAB/kgA
1 2
W1 kg B/h W2 kg B/h
extrato extrato
Modelo Físico
1. Q* (xo* - x1 *) - W1 y1 = 0
2. y1 - k x1 * = 0 Balanço de Informação
3. Q * (x1 * - x2 *) - W2 y2 = 0 V = 8, N = 4, C = 2, M = 2
4. y2 - k x2 * = 0 G = 0 (solução única)
Dimensionamento: x1* = 0,015 e x2* = 0,008
0,020
0,018
0
4,0 2,0
0,016 8,0
6,0
0,014 10
16 14
0,012
X2 0,010 19,5 18
0,008 17,8
0,006
12
0,004
0,002
0,005 0,010 0,015 0,020 0,025 0,030 0,035
X1
OTIMIZAÇÃO SIMULTÂNEA x SEQUENCIAL
O Método Analítico foi aplicado às duas variáveis de projeto

simultaneamente, surgindo um sistema de duas equações que foi
resolvido.
Alternativamente, pode-se pensar em decompor o problema em dois

sub-problemas univariáveis:
(a) otimizar o primeiro estágio
(b) utilizar o valor ótimo x1o na otimização do segundo.
W W
1 2
* *
Q Q
*
1
x imposição! *
2
x
x 1 x 2
o 1
W1 W
2
y y
1 2
(
pbQ* x*o  x1 ) (
pbQ* x1*  x2 )
(
L1  pabQ* x*o  x1 ) kx1
(
L2  pabQ* x1*  x2 ) kx2
c c
L1  a1  b1x1  1 L2  a2  b2x2  2
x1 x2
p p
a1  Q*(pabx*o  b )  105 a2  Q*(pabx1*  b )  6972
,
k k
b1  pabQ*  4..000 b2  pabQ*  4000
.
pbQ*x*o pbQ*x1*
c1   05
, c2   02795
,
k k
c c
x1o  1  00111803
, xo2  2  0008359
,
b1 b2
Solução ótima do Estágio 1 Solução ótima do Estágio 2
Lo1  1556
, $/ a Lo2  284
, $/ a
O segundo estágio foi otimizado para x1 = 0,01118
W1 = 1.972 kgB/h W2 = 843 kgB/h
Q = 10.000 kgA/h x1 = 0,01118 x2 = 0,008359

kgAB/kgA kgAB/kgA
1 2
xo = 0,02 kgAB/kgA
y1 = 0,04472 kgAB/kgA y2 = 0,03344 kgAB/kgA
Resultando:
Estágio 1 2 Total
Soluto Rec. kg/h 64,28 28,21 116,41

Solv. Cons. kg/h 1.972 843 2.815
Lucro $/a 15,56 2,84 18,40
A busca de x2o ficou restrita a x1 – 0,01118 = 0
Obviamente, não é a solução ótima
0,020
0,018
0
4,0 2,0
0,016 8,0
6,0
0,014 10
16 14
0,012
X2 18
0,010
0,008
0,006
12
0,004
0,002
0,005 0,010 0,015 0,020 0,025 0,030 0,035
X1
Comparando as duas soluções...
Solução Simultânea
Estágio 1 2 Total
Soluto Rec. kg/h 64,28 43,62 107,90

Solv. Cons. kg/h 1.184 1.184 2.368
Lucro $/a 13,87 5,61 19,48
Solução Seqüencial
Estágio 1 2 Total
Soluto Rec. kg/h 88,20 28,21 116,41

Solv. Cons. kg/h 1.972 843 2.815
Lucro $/a 15,56 2,84 18,40
Na solução seqüencial, o primeiro estágio consome mais solvente e

recupera mais soluto. Mas o faz ignorando o segundo estágio que
consome menos solvente mas recupera menos soluto.
A solução ótima é aquela obtida pela otimização simultânea
Problemas Restritos [hi(x) , gi(x)]
Método dos Multiplicadores de Lagrange
1. Formar o Lagrangeano do problema:
L(x, , ) = f(x) +  i hi (x) +  j [gj(x) - j2]
i : multiplicadores de Lagrange
i : variável de folga (distância de um ponto interior à fronteira da
restrição; transforma desigualdade em igualdade)
2. Localizar os pontos estacionários do Lagrangeano.
3. Analisar as soluções obtidas à luz das restrições.

Exemplo: Min f(x) = (x1 – 1)2 + (x2 – 1)2
s.a.: g1 (x) = x12 + x22 – 0,25  0
g2 (x) = x1  0
g3 (x) = x2  0
x2
curvas de nível da função objetivo
0,5
0,5 1 x1
restrição
Exemplo: Min f (x) = (x1 – 1)2 + (x2 – 1)2
s.a.: g1 (x) = x12 + x22 – 0,25  0
g2 (x) = x1  0
g3 (x) = x2  0
Formar o Lagrangeano:
Considerar apenas g1(x) e depois eliminar valores negativos de x1 e x2
L (x, , ) = f(x) +  i hi (x) +  j [gj(x) - j2]
L (x, , ) = (x1 – 1)2 + (x2 – 1)2 +  [x12 + x22 – 0,25 - 2]

L (x, , ) = (x1 – 1)2 + (x2 – 1)2 +  [x12 + x22 – 0,25 -  2]
L / x1 = 2 x1 – 2 + 2  x1 = 0  x1 = 1/(1 + ) (1)

L / x2 = 2 x2 – 2 + 2  x2 = 0  x2 = 1/(1 + ) (2)
L /  = x12 + x22 – 0,25 -  2 = 0 (3)
L /   = 2   = 0 (4)
A Eq. (4) é satisfeita para:

 = 0 (solução irrestrita): (1)  x1 = 1 ; (2)  x2 = 1
 = 0 (folga zero, fronteira da região): (1) e (2) em (3)  x1 = x2 = 0,35
x2
curvas de nível da função objetivo
0,5
0,5 1 x1
restrição

5.2.2 Critério
5.2.4 Restrições
5.6 Métodos Numéricos: problemas univariáveis e multivariáveis
5.6 MÉTODOS NUMÉRICOS
São métodos de busca por tentativas.

Os métodos podem ser:
- Diretos: orientam as tentativas com base apenas no valor da Função

Objetivo.
- Indiretos: utilizam, também, o valor da derivada da Função Objetivo.

(com mais informação, o número de tentantivas é menor;
mas o esforço computacional é maior).
Os pesquisadores buscam desenvolver métodos que atendam às

seguintes propriedades:
- Eficiência: resolver o mesmo problema com menor esforço.
- Robustez: resolver uma variedade maior de problemas.

5.6. MÉTODOS NUMÉRICOS
5.6.1 Problemas Univariáveis
Motivação para o uso de métodos numéricos
Dimensionamento de um trocador de calor
T 4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
FLUXOGRAMA
T 4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
Modelo Avaliação Econômica
1. Q  W1C p1 (T1  T2 )  0 CT = Ccap + Cutil

2. Q  W3C p 3 (T4  T3 )  0  A 
0, 48
3. Q  UA  0 Ccap  (0,10)(1.3 50) 

(T  T4 )  (T2  T3 )  4,6 
4.   1 0
T1  T4 Cutil = (8.500)(5x10-5)W3
ln
T2  T3
Balanço de Informação: V = 9; N = 4; C = 3; M = 1; G = 1 (otimização)
Modelo Ordenado Avaliação Econômica
CT = Ccap + Cutil
1.Q  W1Cp1(T1  T2 ) 0, 48
 A 
Q Ccap  (0,10)(1.3 50) 
2.W3   4,6 
Cp 3 (T4  T3 )
Cutil = (8.500)(5x10-5)W3
(T1  T4 )  (T2  T3 )
4.  
T  T4
ln 1
T2  T3
Q
3.A 
U
Variável de Projeto: T4
Incorporando o modelo ordenado à Função Objetivo
0,48
 100 - T4 
 ln  286.875
CT  4.469  35  
 65  T4  T4  15
 
 
T4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
0,48
 100 - T4 
 ln  286.875
CT  4.469  35  
 65  T4  T4  15
 
 
Limites de T4: 15 e 100, com uma descontinuidade em 65.

MÉTODOS DE ESTREITAMENTO DO INTERVALO VIÁVEL
Hipótese: a Função Objetivo é unimodal
(a) a Função Objetivo é calculada em determinados pontos do

intervalo viável.
(b) a partir dos valores calculados e da suposição de unimodalidade,

elimina-se a parte do intervalo em que o ponto extremo não pode
estar (o intervalo viável, de incerteza, é reduzido).
(c) o intervalo viável vai sendo estreitado sucessivamente a cada

iteração até se tornar menor do que uma tolerância pré-estabelecida
Então, qualquer ponto no interior do intervalo pode ser considerado

como solução do problema.
Os métodos diferem quanto ao número e ao critério de colocação dos

pontos.
Exemplos (Problemas de Máximo)
Dois experimentos por ciclo
o
o
o o
0 1/3 2/3 1 0 1/3 2/3 1
intervalos eliminados
Três experimentos por ciclo

o
o o
o
o o
o o o
0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1
intervalos eliminados
o o o
o
o o
o o o
o
o o
o o
o
0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1
Casos de eliminação de 50% do intervalo

o o o o
o
o
o o
o
o o o
o o
o
0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1 0 1/4 2/4 3/4 1
Casos de eliminação de 75% do intervalo

MÉTODO DA SEÇÃO ÁUREA
Em cada iteração, um dos intervalos é eliminado com base no valor da

Função Objetivo calculada em apenas dois pontos.
Esses pontos (xi e xs) são estrategicamente posicionados de modo a:
(a) exibir uma simetria em relação aos limites do intervalo (Li e Ls)
(b) eliminar sempre a mesma fração do intervalo vigente.
Fi
Fs
Li xi xs Ls
Onde posicionar xi e xs? Qual é esta fração?

Esta fração advém da razão dos lados do Retângulo Áureo
(aquele esteticamente perfeito, segundo os gregos)
Seja um retângulo de lado maior 1 e lado menor e
A razão dos seus lados é e /1 = e

Removendo-se um quadrado,
1- e
sobra um retângulo cuja razão dos lados é (1 - e ) / e

O Retângulo Áureo é aquele cuja razão dos lados permanece a
mesma ao se remover quadrados sucessivos
1- e
e 1 e e
  e 2  e  1  0  e  0,618
e 1
Esta é a Razão Áurea dos lados de um retângulo

Retângulo Áureo
0,382
0,618
0,618 / 1 = 0,382 / 0,618 = 0,618
Assim, a cada remoção de um quadrado o lado maior do

retângulo perde 38,2% do seu comprimento ficando reduzido a
61,8% do comprimento anterior.
Retângulo Áureo
0,382
0,618
0,618 / 1 = 0,382 / 0,618 = 0,618

Após a remoção de N quadrados, o lado maior do retângulo estará
reduzido a 0,618N do comprimento original.
Após a remoção de 10 quadrados, o lado maior do retângulo estará
reduzido a 0,0081 do comprimento original, ou seja, a menos de 1% do
comprimento original.
MÉTODO DA SEÇÃO ÁUREA
Em cada iteração, um dos intervalos é eliminado com base no valor da
Função Objetivo calculada em apenas dois pontos.
Esses pontos (xi e xs) são estrategicamente posicionados de modo a:
(a) exibir uma simetria em relação aos limites do intervalo (Li e Ls)
(b) eliminar sempre a mesma fração do intervalo vigente.
Isto é obtido dividindo o intervalo de busca na razão áurea
0,618 
Fi
 = Ls – Li
xi = Li + 0,382 
Fs xs = Ls - 0,382 
0,382  0,382 
Li xi xs Ls

Algoritmo da Seção Áurea
ÁUREA
Iniciar
Repetir
Eliminar Região
Atualizar Delta
Se Convergiu Então Finalizar
Colocar Novo Ponto
Convergiu
Delta  Tolerância
Iniciar
Repetir
Eliminar Região Fi
Atualizar Delta
Colocar Novo Ponto
Fs Eliminação de Região Eliminação de Região
Problema de Mínimo Problema de Máximo
0,618 
Li xs Ls Fi Li xi xs Ls
xi
Atualiza 
xi  Li Atualiza 
Tolerância ? Tolerância ?
xs  xi Novo Ponto Novo Ponto
Fs  Fi xs  Ls
Fs
xi  xs
Fs Fi  F s
Fs
0,382  0,382 
Li xi xs Ls Fi
Fi

Inicialização
 = Ls – Li
xi = Li + 0,382 
Li xi xs Ls xs = Ls - 0,382  Li xi xs Ls
EXEMPLO
Dimensionamento de um trocador de calor
T 4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
Cp1 = 1,35 kcal/kg oC

Cp3 = 1,00 kcal/kg oC
U = 0,75 kcal / m2 oC
FLUXOGRAMA
T 4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
Modelo Avaliação Econômica
1. Q  W1C p1 (T1  T2 )  0 CT = Ccap + Cutil

2. Q  W3C p 3 (T4  T3 )  0  A 
0, 48
3. Q  UA  0 Ccap  (0,10)(1.3 50) 

(T  T4 )  (T2  T3 )  4,6 
4.   1 0
T1  T4 Cutil = (8.500)(5x10-5)W3
ln
T2  T3
Balanço de Informação: V = 9; N = 4; C = 3; M = 1; G = 1 (otimização)
Modelo Ordenado Avaliação Econômica
CT = Ccap + Cutil
1.Q  W1Cp1(T1  T2 ) 0, 48
 A 
Q Ccap  (0,10)(1.3 50) 
2.W3   4,6 
Cp 3 (T4  T3 )
Cutil = (8.500)(5x10-5)W3
(T1  T4 )  (T2  T3 )
4.  
T  T4
ln 1
T2  T3
Q
3.A 
U
Variável de Projeto: T4
Incorporando o modelo ordenado à Função Objetivo
0,48
 100 - T4 
 ln  286.875
C T  4.469  35  
 65  T4  T4  15
 
 
T4 oC
W1 = 30.000 kg/h
A m2 ?
T1 = 100 oC T2 = 50 oC
W3 kg/h ?
T3= 15 oC
0,48
 100 - T4 
 ln  286.875
C T  4.469  35  
 65  T4  T4  15
 
 
Limites de T4: 15 e 100, com uma descontinuidade em 65 (T4 = 1)

PROGRAMA Áurea.bas e Áurea.xls
Iniciar
Repetir
Eliminar Região
Atualizar Delta
Colocar Novo Ponto
0,48
 100 - T4 
 ln  286.875
C T  4.469  35  
 65  T4  T4  15
 
 
Iniciar
Repetir
Eliminar Região
9.568
Atualizar Delta
6.287
5.339
Colocar Novo Ponto
15 47,47 67,53 79,93 100

Li xi xs xs Ls
Li xi
N Li xi Fi xs Fs Ls 
2 15 47,47 9.568 67,53 6.287 100 85

3 47,47 67,53 6.287 79,93 5.339 100 52,53
4 67,53 79,93 5.339 100 32,47
VER PROGRAMA AUREA.XLS
Minimização do Custo do Trocador de Calor
Tolerância: 1,8 oC (1% do intervalo inicial)
N Li xs Fs xi Fi Ls 
2 15 47,47 6776,632 67,53 5073,825 100 85

3 47,47 67,53 5073,825 79,93 4510,13 100 52,53
4 67,53 79,93 4510,13 87,59 4293,36 100 32,47
5 79,93 87,59 4293,36 92,33 4222,96 100 20,07
6 87,59 92,33 4222,96 95,26 4224,39 100 20,42
7 87,59 90,52 4242,09 92,33 4222,96 95,26 12,40
8 90,52 92,33 4222,96 93,45 4217,68 95,26 7,66
9 92,33 93,45 4217,68 94,14 4217,63 95,26 4,74
10 93,45 94,14 4217,63 94,57 4219,10 95,26 2,93
11 93,45 93,88 4217,32 94,14 4217,63 94,57 1,81
93,45 93,88 4217,32 94,14 1,11
T4o = 93,88  Ao = 17 ft2  W3o = 1.770 lb/h

FUNÇÕES MULTIMODAIS
5.6. MÉTODOS NUMÉRICOS
5.6.2 Problemas Multivariáveis
Alguns métodos diretos:

- Busca Aleatória
- Busca por Malhas
- Busca Secionada
- Simplex
- Hooke & Jeeves
Procedimento Geral:
(a) seleção de um ponto inicial (base).
(b) exploração da vizinhança da base para inferir uma direção de busca.
(c ) progressão na direção de busca até decisão em contrário.
(d) finalização
Os métodos diferem quanto à forma de executar a exploração e a

progressão.
Método de Hooke & Jeeves
ALGORITMO
Estabelecer um incremento e uma tolerância para cada variável
Escolher uma Base
Repetir
Explorar a vizinhança da Base (em busca da direção provável do ótimo)
Se houve Sucesso em alguma direção
Então: Progredir (na direção provável) até haver um Insucesso
Senão (estamos nas proximidades do ótimo):
Se Chegou ao Ótimo
Então: Finalizar
Senão: reduzir os incrementos
Explorar, Progredir e Chegou ao Ótimo: ver em seguida

ALGORITMO
Escolher uma Base
Repetir
Explorar a vizinhança da Base (em busca da direção provável do
ótimo)
Incremento: a busca deve ser grosseira, porém rápida no início e lenta
e minuciosa nas proximidades do ótimo. O incremento inicial pode ser 2
vezes a tolerância, ou mais, para ser reduzido à metade à medida que
se aproxima do ótimo.
Tolerância: o menor intervalo de incerteza admissível para cada

variável
Base: o centro da região de busca (na falta de maiores informações).
Exploração
Testar a Função Objetivo em cada sentido (incrementos + i e - i) de
cada direção (xi) ao redor da Base.
Do resultado, depreender
? a direção provável do
ótimo
+ 2
- 1 + 1
? Base ?
- 2
A Exploração não pode ser interrompida sem que todas as direções

tenham sido testadas.
Exploração
Funções unimodais: o sucesso num sentido dispensa o teste no outro.
S: Sucesso
S
I: Insucesso
0,5 + 2
- 1
0,4
Sucesso
0,3
S Base
y desnecessário
0,2
buscando máximo - 2
0,1
0,0
0,0 0,2 0,4
x
0,6 0,8 1,0 I
Exploração
O Sucesso numa tentativa justifica a mudança da Base para a
nova posição. A Exploração continua a partir desta melhor
posição.
+
2
- 1
S Base
- 2
I
Seguem-se todos os resultados possíveis da Exploração
x2
Direção x1
Unimodalidade: dispensa + 1
Direção x2
Sucesso: deslocar a Base
- 1
15 10 Base
- 2
18 Sucesso: deslocar a Base
Direção provável do ótimo
x1
x2 Direção provável do ótimo
Direção x1
18 Sucesso:
deslocar a Base Direção x2
+ 2
- 1
15 10 Base
- 2
12 Insucesso: permanecer na Base
x1
Direção x1
x2
13 Insucesso: Direção x2
permanecer na Base
Direção + 
2
provável Sucesso: deslocar a Base
do ótimo - 1
15 10 Base
- 2
12 Insucesso:
permanecer na Base
x1
x2
Direção x1
Direção x2
- 1 +1
7 10 15
Insucesso:
Base
permanecer na Base - 2
Sucesso:
18
deslocar a Base
x1
Direção provável do
x2 ótimo
Direção x1
18 Sucesso:
Direção x2 deslocar a Base
+ 2
- 1 +1 Sucesso:

7 10 15
deslocar a Base
Insucesso:
Base
permanecer na Base - 2
12
Insucesso:
permanecer na Base
x1
x2
Direção x1
Insucesso:
11 permanecer na Base
Direção x2
+ 2
Sucesso:
deslocar a Base
- 1 +1
7 10 15
Insucesso:
Base Direção provável
permanecer na - 2
Base do ótimo
Insucesso:
x1
x2
Direção x1
Direção x2
Base
- 1 +1 Insucesso:
7 10 8 permanecer na Base
Insucesso:
permanecer na Base- 
2
15 Sucesso:
deslocar a Base
x1
Direção provável
x2 do ótimo
Direção x1
15 Sucesso:
Direção x2 deslocar a Base
+ 2

Insucesso: 7 10 8 permanecer na Base
permanecer na Base Base
- 2
Insucesso:
x1
x2
Direção x1
Insucesso:
Direção x2
+ 2

Insucesso:
7 10 8 permanecer na Base
permanecer na Base Base
- 2
Insucesso:
A Base deve estar próxima do ótimo
!
x1
ALGORITMO
Escolher uma Base
Repetir
Explorar a vizinhança da Base (em busca da direção provável do
ótimo)
Se houve Sucesso em alguma
direção
Então: Progredir (na direção provável) até haver um
Insucesso
Senão (proximidade do ótimo):
Se Chegou ao Ótimo
Então: Finalizar
Senão: reduzir os
incrementos
Se Chegou ao Ótimo
Então: Finalizar
Senão: reduzir os
incrementos
A Base estará suficientemente próxima para ser declarada como o

ótimo?
Se todos os incrementos estiverem menores do que as tolerâncias,

SIM!: Finalizar
Se algum deles estiver maior, então este deve ser reduzido à

metade.
Inicia-se uma nova Exploração à volta da Base com os novos
incrementos
Se Chegou ao Ótimo
x2 Então: Finalizar
5
- e1 + e1
+ 2
+ e2
- 1 +1
7 10 8
Base
- e2
- 2
9
1 > e1 e 2 > e2 Reduzir os incrementos
ainda não chegou ao ótimo 1 = 1 /2 , 2 = 2 /2
x1
Se Chegou ao Ótimo
5
- e1 + e1
+ 2
+ e2
- 1 +1
7 10 8
Base
- e2
- 2
9
1 > e1 e 2 > e2 Reduzir os incrementos
ainda não chegou ao ótimo 1 = 1 /2 , 2 = 2 /2
x1
Se Chegou ao Ótimo
- e2 + e1
5
+ e2 + 2
- 1 +1
7 10 8
Base
- 2
- e2
1 < e1 e 2 < e2 a Base pode ser considerada o Ponto Ótimo
x1
ALGORITMO
Escolher uma Base
Repetir
Senão: (proximidade do
ótimo)
Se Chegou ao Ótimo
Então: Finalizar
Método de Hooke & Jeeves : Fase de Progressão
22 Insucesso!
Progredir com duplo incremento Permanecer na
x2 até ocorrer um Insucesso Base (25)
+ 2 2
Sucesso!
Mover a Base. 25
Continuar a Progressão + 2 1 Exploração a partir da
Base (25) com 1 e 2 .
+ 2 2
18
+ 2 1
+ 2
+1 15
10 Resultado da Exploração
Base
x1
Funções Unimodais
O método converge sempre para o único extremo independentemente da

base inicial.
Os incrementos iniciais afetam apenas o número de tentativas.

Funções Multimodais
O método pode convergir para extremos locais diferentes dependendo da base inicial e
dos incrementos iniciais selecionados.
(a) partindo de bases iniciais diferentes pode-se alcançar extremos locais diferentes
com os mesmos incrementos iniciais.
(b) partindo de uma mesma base inicial pode-se alcançar extremos locais diferentes
com incrementos iniciais diferentes
f (x) = (x12 + x2 – 11)2 + (x22 + x1 – 7)2

ALGORITMO
Escolher uma Base

Repetir
Senão: (proximidade do ótimo)
Se Chegou ao Ótimo
Então: Finalizar
'HJ 18JUL90-23MAI96
'Executa o Método de Hooke & Jeeves.
'----------------------------------------------------------------------------
' Programa Principal
'----------------------------------------------------------------------------
EscolherUmaBase
DO
ExplorarAsVizinhancasDaBase '(Buscando a direção provável do ótimo).
IF HouveSucessoEmAlgumaDirecao THEN
ProgredirAteUmInsucesso '(Na direção provável do ótimo).
ELSE
IF ChegouAoOtimo THEN EXIT DO ELSE ReduzirTodosOsIncrementos
END IF
LOOP
Finalizar
DIMENSIONAMENTO POR SIMULAÇÕES SUCESSIVAS
EMPREGADO POR “SOFTWARES” COMERCIAIS
Empregam, para dimensionamento, os módulos ordenados para

simulação.
Mas exige um procedimento de otimização:

- função objetivo (a ser minimizada): diferença, em valor absoluto,
entre os valores obtidos para as variáveis de saída e os valores
estipulados como metas
- variáveis de projeto: as dimensões dos equipamentos
Exemplo: Extrator
Normal
W = 3.750 kgB/h
Q* = 10.000 kgA/h o
xo*= 0,02 kg AB/kg A Ts C Q* = 10.000 kgA/h
solvente
To oC x* = 0,008 kgAB/kg A
o T oC
T C
alimentação rafinado
T oC
extrato W = 3.750 kgB/h
y = 0,032kg AB/kg B
r = 0,60
W = ??? kgB/h Simulações Sucessivas

Q* = 10.000 kgA/h oC
x *= 0,02 kg AB/kg A Ts
o Q* = 10.000 kgA/h
solvente
To oC x = ??? kgAB/kg A
T oC
T oC
T oC FO = |x – 0,008|
extrato W = kgB/h
y = kg AB/kg B
Exemplo: Extrator
W = ??? kgB/h Simulações Sucessivas

Q* = 10.000 kgA/h oC
xo*= 0,02 kg AB/kg A Ts
Q* = 10.000 kgA/h
solvente
To oC x = ??? kgAB/kg A
o T oC
T C
T oC FO = |x – 0,008|
extrato W = kgB/h
y = kg AB/kg B
1. Q (xo – x) – W y = 0
2. y – k x = 0
x = Q xo / (Q + k W )
Por Seção Áurea, 0 < W < 1.000  W = 3.750

Exemplo: Trocador de Calor
T4* = 30 oC
Normal
1. Q  W1Cp 1 (T1  T2 )  0
* oC
A = 265,6 T = 25
2
2. Q  W3 Cp 3 (T4  T3 )  0
m2
W1* = 30.000 kg/h 3. Q  UA  0
T1* = 80 oC (T1  T4 )  (T2  T3 )
W3 = 44.000 kg/h 4.   0
T1  T4
ln
T3* = 15 oC T2  T3
T4* = ??? Simulações Sucessivas

Q
1.T2 = T1 – Q / W1Cp1
T 2* ??? 2. T4 = T3 + Q / W3Cp3
A ??
*
W1 = 30.000 kg/h 4. ...
T1* = 80 oC 3. Q – U A  = 0
W3 ??
T3* = 15 oC
Ciclo!
Substituindo 4, 2 e 1 em 3, resulta:
a = T1 – T3
b = U A [ 1 / W1 Cp1 – 1 / W3 Cp3]
3’. Q = a (eb – 1) / [ eb / W1 Cp1 – 1 / W3 Cp3]
1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4. ...
T4* = ??? Simulações Sucessivas
Q
1.T2 = T1 – Q / W1Cp1
T 2* ??? 2. T4 = T3 + Q / W3Cp3
A ??
*
W1 = 30.000 kg/h 4. ...
T1* = 80 oC 3. Q – U A  = 0
W3 ??
T3* = 15 oC
Ciclo!
a = T1 – T3
b = U A [ 1 / W1 Cp1 – 1 / W3 Cp3]
3’. Q = a (eb – 1) / [ eb / W1 Cp1 – 1 / W3 Cp3]
1.T2 = T1 – Q / W1Cp1
2. T4 = T3 + Q / W3Cp3
4. ... Otimização
T4* = ???
Por Hooke&Jeeves
T 2* ???
0 < A < 1.000
A ?? 0 < W3 < 100.000
*
W1 = 30.000 kg/h
T1* = 80 oC
W3 ?? FO = |T2 – 25| + |T4 – 30|
T3* = 15 oC
MATERIAL COMPLEMENTAR
8.2 O PROBLEMA DE SÍNTESE
8.2.2 Problema Ilustrativo
Omitindo detalhes do fluxograma...
100 Corrente WCp To Td

60 90 kW/ oC oC oC
F2 Q1
F1 F1 5 60 150
Q2 RT C Q2
140 F2 7 100 220
250 ?
Q1 10 180 90
Q1 F1 Q2 2 250 140
F2
180 150
220 Simplificação: Cp constante
Subsídio para o Problema 5.10: divisão de correntes
Q
T1* = 180 oC
WCpQ = 10 kW/oC
x? 1-x
F2
WCpF2 = 7 kW/oC
2
T7* = 100oC T8* = 170 oC
F1
WCpF1 = 5 kW/oC
1
T5* = 60oC T6* = 117,2 oC
T2 ? T3 ?
T4* = 102,4 oC
Modelo Matemático
Q T1* = 180 oC
WCpQ = 10 kW/oC
Q1 = WF1 (T6 - T5)
x? 1 - x
Q1 = WQ x (T1 – T2)
F2
Q2 = WF2 (T8 - T7)
WCpF2 = 7 kW/oC
T7* = 100oC
2
T8* = 170 oC
Q2 = WQ (1 – x) (T1 – T3)
F1
Balanço de Informação
WCpF1 = 5 kW/oC
1
G=1
T5* = 60oC T6* = 117,2 oC
Variável de Projeto: x
T2 ? T3 ?
T4* = 102,4 oC
Função Objetivo
Max LE = aR – b(Cmp + Cutil) – c ISBL

5.2.2 Critério
A busca da solução ótima tem que ser norteada por um critério.
O critério mais comum é econômico:
500 500
R
400 400
C
300 300
L L
200 200 L
100 100
0 0
0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 0,4 0,6 0,8 1,0
x7o x7o
Maximização do Lucro Minimização do Custo

(produção fixa  Receita constante)
Modelo Matemático
Q T1* = 180 oC
WCpQ = 10 kW/oC Q1 = WF1 (T6 - T5)
Q1 = WQ x (T1 – T2)
x? 1 - x
Q2 = WF2 (T8 - T7)
F2
WCpF2 = 7 kW/oC Q2 = WQ (1 – x) (T1 – T3)
2
T7* = 100oC T8* = 170 oC
Balanço de Informação
F1 G=1
WCpF1 = 5 kW/oC
1
*
T5 = 60oC T6* = 117,2 oC
Variável de Projeto: x
T2 ? T3 ? Função Objetivo
Max LE = aR – b(Cmp + Cutil) – c ISBL
T4* = 102,4 oC
Min C = A10,65 + A20,65
Modelo Matemático
Q T1* = 180 oC
WCpQ = 10 kW/oC Q1 = WF1 (T6 - T5)
Q1 = WQ x (T1 – T2)
x? 1 - x
Q2 = WF2 (T8 - T7)
F2
WCpF2 = 7 kW/oC Q2 = WQ (1 – x) (T1 – T3)
2
T7* = 100oC T8* = 170 oC
Função Objetivo
F1
WCpF1 = 5 kW/oC
Min C = A10,65 + A20,65
1
*
T5 = 60oC T6* = 117,2 oC
Resolução: Seção Áurea
T2 ? T3 ? Limites de x
T2 = T1 - Q1 / x WQ > T5  xi = Q1 / WQ (T1 - T5)
*
T4 = 102,4 oC
T3 = T1 - Q2 / WQ (1 - x) > T7  xs = 1 - Q2 / WQ (T1 - T7)

Q T1* = 180 oC
WCpQ = 10 kW/oC
x = 0,74
F2
WCpF2 = 7 kW/oC
2
T7* = 100oC T8* = 170 oC Solução
F1
WCpF1 = 5 kW/oC
1
*
T5 = 60oC T6* = 117,2 oC
T2 = 70oC T3 = 113,8 oC
* oC
Limites de x
T4 = 102,4
T2 = T1 - Q1 / x WQ > T5  xi = Q1 / WQ (T1 - T5)
T3 = T1 - Q2 / WQ (1 - x) > T7  xs = 1 - Q2 / WQ (T1 - T7)

220 150 Cutil = 10.081 $/a
Rede Heurística Ccap = 3.806 $/a
Q2 CT = 13.887$/a
1 2
Cutil = 10.081 $/a
222 140
Ccap = 3.414 $/a 250
CT = 13.495$/a 212
250
117,2
3
250
220 * 150 *
170
Q2
1 2 x = 0,74 113,8
222 140 4
250 *
212 Q1
250
5 117,2
180 102,4
250 30
30
170 5
Q1 70 6
3 4 6
180 * 131 102,4 90
F2 100 F1 60
F2 100 F1 60 90
50
Problema 5.12
Resfriar uma corrente com 3 fluidos refrigerantes que vaporizam a T constante.
Vazão de cada fluido refrigerante?
W1 lb/h ? W2 lb/h ? W3 lb/h ?
Wo* = 10.000 lb/h

t1 = 15 oF t2 = - 22 oF t3 = - 70 oF
T1* = 0 oF T2* = - 40 oF T3* = - 80 oF
to*= 50 oF
Modelo Matemático para cada Trocador i
Qi  WoC p ( t i 1  t i )  0 Qi  UA i i  0
t i 1  t i
Qi  Wi  0 i  0
t T
ln i 1 i
t i  Ti
W1 lb/h ? W2 lb/h ? W3 lb/h ?
Wo* = 10.000 lb/h

t1 = 15 oF t2 = - 22 oF t3 = - 70 oF
T1* = 0 oF T2* = - 40 oF T3* = - 80 oF
to*= 50 oF
O custo de cada trocador é dado por Ci  a i A i  bi Wi ($/h)

Busca Secionada
x2
x1
W kg B/h h1 (x) = Q (xo - x) - W y = 0
h2 (x) = y - k x = 0
Q = 10.000 kgA/h g(x) = x - xo  0
x kgB/kgA
x, y e W só podem assumir
rafinado valores compatíveis com a
xo= 0,02 kg AB/kg A natureza, representada pelas
restrições.
y kg AB/kg B
extrato x = Q xo/(Q + kW)
y = k Q xo/(Q + kW)
Valores de x, y e W compatíveis com as Restrições de

Igualdade (Modelo), Q e xo
0,080
0,060
x
0,040
x, y
y
0,020
0,000
0 10000 20000 30000 40000 50000

Capitulo 5

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitulo 5

Încărcat de

Drepturi de autor:

Formate disponibile

CAPÍTULO 5

Seqüência de etapas responsáveis pela transformação de uma

Conceito abrangente: inclui todas as transformações químicas

Aplicável aos 4 Cursos da Escola de Química

Área da Engenharia Química dedicada ao

O conjunto de ações desenvolvidas

SELEÇÃO DA ROTA QUÍMICA

Equipamentos disponíveis para a geração do fluxograma de um

Aquecedor Resfriador Trocador

A Síntese consiste em combinar esses equipamentos formando

Um problema com multiplicidade de soluções

A,B A,P RT T A,P DE

Cada par (x1,x2) é uma solução fisicamente viável

Modelo Balanço de Informação:

Aqui, na Análise, as soluções são pares de valores x1,x2

Multiplicidade Exige a busca da Solução através de

Nível Tecnológico: determinação da melhor rota química.

Nível Estrutural (Síntese): determinação do fluxograma ótimo.

Nível Paramétrico (Análise): determinação das dimensões

Vantagem Nível Tecnológico

EQE 002 OTIMIZAÇÃO EM ENGENHARIA QUÍMICA

5.1 Conceito de Otimização

Palavra com dois significados:

Ação de buscar a solução ótima de um problema

Campo da Matemática dedicado ao desenvolvimento de

Todo problema de Otimização encerra um conflito.

A solução ótima é o ponto de equilíbrio entre os fatores conflitantes

Em problemas de dimensionamento, ocorre uma das três situações:

- metas inconsistentes - metas estritamente - metas insuficientes  G > 0

(a) Dimensionamento com x = 0,01 kgAB/kgA como meta

Metas incompatíveis na (Eq.2): o valor de y compatível com x = 0,01

W kg B/h ? Modelo Matemático:

W14 = 1.080 kg/h

W13 = 36.345 kg/h W =36.345 kg/h

W14 = 911 kg/h

Insuficiência de metas gera graus de liberdade

Graus de liberdade geram multiplicidade de soluções

A multiplicidade de soluções exige a busca da solução ótima

A busca de solução ótima se dá por um processo de otimização

5.1 Conceito de Otimização

Todo problema de otimização exibe os seguintes elementos, qualquer

5.2.1 Variáveis de Decisão (ou Variáveis Manipuladas)

5.2.3 Função Objetivo

5.2.5 Região Viável

Todo problema de otimização exibe os seguintes elementos qualquer

5.2.1 Variáveis de Decisão (ou Variáveis Manipuladas)

5.2.3 Função Objetivo

5.2.5 Região Viável

Na Engenharia de Processos são chamadas de Variáveis de Projeto.

W 4,W 6,W 8,W 11,W 14

Resultam da liberdade conferida ao projetista pela insuficiência de

O módulo de Otimização arbitra sucessivos valores das variáveis de

Há que se escolher uma solução

Para se obter uma das soluções, é preciso especificar uma das 4

atribuído como meta 100

produziria uma solução 0

Modelo Matemático Balanço de Informação

Variável de Projeto: W Variável de Projeto: x

Escolha infeliz ! Escolha feliz !

São os elementos presentes em qualquer problema de otimização,

5.2.1 Variáveis de Decisão (Manipuladas)

5.2.2 Função Objetivo

5.2.4 Região Viável