화학공학소재연구정보센터
Korean Chemical Engineering Research, Vol.52, No.4, 475-480, August, 2014
PSO 최적화 기법을 이용한 다층 구조의 플랜트 배치에 관한 연구
Study of Multi Floor Plant Layout Optimization Based on Particle Swarm Optimization
E-mail:
초록
플랜트 배치 최적화 문제의 목적은 장치를 연결하는 파이프의 길이를 최소화 하는데 있다. 하지만, 기존 연구들은 대체적으로 단일 층의 배치 문제를 다루고 있으며, 또한 장치 간 유지·보수에 필요한 최소 공간 확보, 사고 예방을 위한 장치 간 이격 거리등 안전 요소를 간과해 왔다. 본 연구에서는 장치 간 유지·보수에 필요한 최소 거리 확보 및 안전 이격 거리를 고려하여 플랜트 배치 문제를 MILP(Mixed Integer Linear Programming) 형태의 문제로 정의하였다. 본 문제의 목적함수는 장치 간 연결하는 파이프 비용이며 제약조건은 안전을 위한 장치 간 최소 이격 거리, 유지·보수에 필요한 공간으로 설정하였다. 하지만, 공정 특성에 따라 필요한 공간 및 작업자의 통행 등 다양한 제약조건을 수반하게 된다. 이에 따라 플랜트 배치 문제를 일반적인 수학식으로 표현하는 데 많은 제약이 있으며, 따라서 함수의 미분식을 이 용하는 기존 최적화 방법론을 이용하여 문제를 해결하는 데 많은 어려움이 있다. 본 연구에서는 함수의 미분식을 적용하지 않고 이용이 가능한 경험적 최적화 기법 중 하나인 PSO(Particle Swarm Optimization)를 이용하여 최적화를 수행하였다. 본 연구에서 개발한 모델의 검증을 위해 Ethylene Oxide 공정을 2층으로 배치하는 최적화를 수행하였다.
In the fields of researches associated with plant layout optimization, the main goal is to minimize the costs of pipelines for connecting equipment. However, what is the lacking of considerations in previous researches is to handle the multi floor processes considering the safety distances for domino impacts on a complex plant. The mathematical programming formulation can be transformed into MILP (Mixed Integer Linear Programming) problems as considering safety distances, maintenance spaces, and economic benefits for solving the multi-floor plant layout problem. The objective function of this problem is to minimize piping costs connecting facilities in the process. However, it is really hard to solve this problem due to complex unequality or equality constraints such as sufficient spaces for the maintenance and passages, meaning that there are many conditional statements in the objective function. Thus, it is impossible to solve this problem with conventional optimization solvers using the derivatives of objective function. In this study, the PSO (Particle Swarm Optimization) technique, which is one of the representative sampling approaches, is employed to find the optimal solution considering various constraints. The EO (Ethylene Oxide) plant is illustrated to verify the efficacy of the proposed method.
  1. Lee CJ, Ko JW, Lee G, Korean Chem. Eng. Res., 46(2), 383 (2008)
  2. Center for Chemical Process Safety Staff, Guidelines for Chemical Process Quantitative Risk Analysis, 153-203 (2000)
  3. Patsiatzis DI, Papageorgiou LG, Comput. Chem. Eng., 26(4-5), 575 (2002)
  4. Georgiadis MC, Schilling G, Rotstein GE, Macchietto S, Comput. Chem. Eng., 23(7), 823 (1999)
  5. Lee HK, Kim SB, Lee ES, Lee IB, Korean J. Chem. Eng., 18(4), 422 (2001)
  6. Penteado FD, Ciric AR, Ind. Eng. Chem. Res., 35(4), 1354 (1996)
  7. Castell CML, Lakshmanan R, Skilling JM, Banares-Alcantara R, Comput. Chem. Eng., 22(S), 993 (1998)
  8. Patsiatzis DI, Knight G, Papageorgiou LG, Chem. Eng. Res. Des., 82(5), 579 (2004)
  9. Park K, Koo J, Shin D, Lee CJ, Yoon ES, Korean J. Chem. Eng., 28(4), 1009 (2011)
  10. Schwaab M, Biscaia EC, Monteiro JL, Pinto JC, Chem. Eng. Sci., 63(6), 1542 (2008)
  11. Khan FI, Haddara MR, J. Hazard. Mater., 108(3), 147 (2004)
  12. Piccinini N, Levy G, Can. J. Chem. Eng., 62, 547 (1984)
  13. Prugh RW, Quantitative evaluation of BLEVE hazards, Loss Prevention Symposium (1988)
  14. Rebsdat S, Mayer D, “Ethylene Oxide,” in Ullmann’s Encyclopedia of Industrial Chemistry, Wiley-VCH Verlag GmbH & Co. KGaA (2000)
  15. National Fire Protection Association, NFPA 30 : Flammable and Combustible Liquids Code. National Fire Protection Association (2012)
  16. U.S. Government Printing Office, Protection of Environment (2008)