TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010
PO pisteiden määräämismenetelmät Idea: tuotetaan erilaisia PO ratkaisuita, joista päätöksentekijä valitsee parhaan Approksimoidaan koko PO joukkoa tai sen osaa Edut soveltuvat hyvin kahden objektifunktion tilanteeseen, koska saadut ratkaisut on helppo esittää päätöksentekijälle saa käsityksen koko PO joukosta
PO pisteiden määräämismenetelmät Huonot puolet PO joukon approksimointi usein aikaa vievää DM joutuu valitsemaan parhaan ratkaisun isosta joukosta ratkaisujen visualisointi, kun paljon objektifunktioita
ABS-jarrujärjestelmän optimointi ABS: tietokoneohjattu jarrutusjärjestelmä Säätelee jarrujen nesteiden paineistusta hyödyntäen maksimaalisesti olemassa olevan renkaiden pidon Renkaan luistaminen vaikuttaa renkaan tuottamaan jarrutusvoimaan jarrutuksen aikana vapaasti pyörivä rengas ei luistoa lukkiutunut rengas täysi luisto Useimmilla alustoilla renkaan pito on maksimaalinen kun luisto on välillä 10-30% ABS-järjestelmä on suunniteltu pitämään luisto lähellä maksimaalista pitoaluetta ABS tehokkaampi kuin jarrutus ilman säätöä
ABS-jarrujärjestelmän optimointi Säätäminen vaikeaa: erilaiset olosuhteet, mittaustulosten epävarmuus, sensoreiden suuret mittausvälit (> 5 ms) ABS-järjestelmän käyttäytyvät erittäin epälineaarisesti Stokastinen optimointi järjestelmä toimii hyvin eri olosuhteissa ja epätarkoilla mittauksilla Otettava huomioon useita suunnittelutavoitteita Monitavoiteoptimointia käytetty vertailemaan eri säätöalgoritmeja (Athan & Papalambros, Engineering Optimization, 27, 1996)
ABS-jarrujärjestelmän optimointi Tavoitteet max f 1 =ABS:n tehokkuus (verrattuna ideaalitilanteeseen) min f 2 = keskimääräinen luisto (vaikuttaa ohjaukseen) min f 3 = hidastumisen muutokset (mukavuus) min f 4 = tärinä (lyhentää laitteiston käyttöikää) min f 5 = herkkyys (mittausvirheille) max f 6 = muutosvaste (reagointi keliolosuhteiden muutoksiin)
ABS-jarrujärjestelmän optimointi Monitavoiteoptimointimenetelmänä painokerroinmenetelmä min f = -w 1 f 1 + w 2 f 2 + w 3 f 3 + w 4 f 4 + w 5 f 5 - w 6 f 6 Painoja vaihdellaan järjestelmällisesti eri PO ratkaisuja Vaatii globaalia optimointimenetelmää Toimiiko painokerroinmenetelmä hyvin?
ABS-jarrujärjestelmän optimointi Spider web visualisointi Jokaiselle tavoitteelle oma akseli Yksi ratkaisu on yksi seitti verkossa
Painokerroinmenetelmä Optimoidaan objektifunktioiden painotettua summaa Eri PO ratkaisuja saadaan vaihtamalla painokertoimia w i Eräs tunnetuimmista menetelmistä Gass & Saaty (1955), Zadeh (1963)
Painokerroinmenetelmä Hyvät puolet positiivisilla painoilla saadaan PO ratkaisu painokerrointehtävä on helppo ratkaista (yksinkertainen objektifunktio, ei lisärajoitteita) Huonot puolet ei löydä ratkaisuja PO joukon epäkonveksista osasta saatu ratkaisu ei välttämättä kuvaa preferenssejä
Konveksi / epäkonveksi PO joukko Painokertoimet = objektifunktion tasa-arvokäyrän kulmakerroin muuttamalla painokertoimia kulmakerroin muuttuu Epäkonveksiin osaan ei pääse millään painokertoimilla! f 2, min w 1 =0.5, w 2 =0.5 w 1 =1/3, w 2 =2/3 f 2, min konveksi PO joukko f 1, min epäkonveksi PO joukko f 1, min
Painokerroinmenetelmä Tulos1: Painokerroinmenetelmän antama ratkaisu on heikosti Pareto-optimaalinen. Tulos2: Painokerroinmenetelmän antama ratkaisu on Pareto-optimaalinen, jos kaikki painokertoimet ovat aidosti positiivisia. Tulos3: Olkoon x* konveksin tehtävän PO ratkaisu. Tällöin on olemassa painokerroinvektori w siten, että x* on painokerrointehtävän ratkaisu.
Esimerkki painokertoimista Vaimon valinta (Prof. Pekka Korhonen) Ulkonäkö Ruuanlaitto Talous Siisteys Martta 1 10 10 10 6,4 Johanna 5 5 5 5 5 Nina 10 1 1 1 4,6 painoker. 0,4 0,2 0,2 0,2 Parhaimman objektifunktion arvon saanut ehdokas on huonoin tärkeimmän tavoitteen mielessä!
Esimerkki 1: Vesikiertojen optimointi
Vesikiertojen optimointi Tavoitteena minimoida prosessiin tarvittava puhdas vesi Objektifunktio: minimoidaan puhtaan veden määrä Rajoitteet liuenneen orgaanisen aineen määrä paperikoneen viiravedessä liuenneen orgaanisen aineen määrä valkaisuun menevässä massassa Muuttujat: 5 splitteriä ja 3 venttiiliä
Vesikiertojen optimointi Käytännössä siis annetaan orgaanisen aineen pitoisuuksille ylärajat minimoidaan veden kulutus (yksi objektifunktio) Monitavoiteoptimointimenetelmänä rajoiteyhtälömenetelmä Muuttamalla ylärajoja saadaan erilaisia ratkaisuja vaatii uuden optimoinnin Miten valita hyvät ylärajat? liian tiukat ylärajat: ei välttämättä sallittuja ratkaisuita Ei saada ratkaisuja, joissa ylärajoja rikotaan
Esimerkki 2: Kemiallinen erotusprosessi Tarkastellaan kromatografiaan perustuvaa kemiallista erotusprosessia Käytetään moniin tärkeisiin erotusprosesseihin (mm. sokeri-, petrokemian- ja lääketeollisuudessa) Perustuu eri kemiallisten komponenttien nopeuseroon nesteessä * http://www.pharmaceutical-technology.com
Kemiallinen erotusprosessi Syöte- ja poistovirtojen paikkaa vaihdetaan säännöllisin väliajoin (askelaika) Säätömuuttujat askelaika virtausnopeudet
Kemiallinen erotusprosessi Tyypillisesti prosessi optimoidaan maksimoimalla tuottofunktio max suhteellinen tuotto =(syötteen kulutus) x (erotetun tuotteen määrä) - (syötteen hinta/tuotteen hinta) x (syötteen kulutus) - (liuottimen hinta/tuotteen hinta) x (liuottimen kulutus) alaraja tuotteen puhtaudelle Tuottofunktion muodostaminen ei ole helppoa sisältää epävarmuuksia (hinnat) hävittää keskinäiset riippuvuudet
Kemiallinen erotusprosessi Monitavoitteinen lähestymistapa Voidaan löytää 4 objektifunktiota maksimoi prosessin läpi menevä ainemäärä minimoi käytetyn liuottimen määrä maksimoi tuotteen puhtaus maksimoi erotetun tuotteen määrä Sisältyvät tuottofunktioon
Kemiallinen erotusprosessi Glukoosin ja fruktoosin erotus Kawajiri & Biegler, Journal of Chromatography A, 1133, 2006 Halutaan tutkia prosessin läpi menevän ainemäärän ja liuottimen kulutuksen riippuvuutta Käsitellään tuotteen puhtautta ja erotetun tuotteen määrää rajoitteina Maksimoidaan läpi menevää ainemäärää ja annetaan liuottimen kulutukselle eri ylärajoja saadaan approksimaatio PO joukolle 2 objektifunktion tapauksessa Rajoiteyhtälömenetelmä
Rajoiteyhtälömenetelmä Valitaan yksi objektifunktioista optimoitavaksi, annetaan muille ylärajat ja käsitellään rajoitteina Eri PO ratkaisuja saadaan vaihtamalla ylärajoja ja optimoitavaa objektifunktiota Haimes, Lasdon & Wismer (1971)
Rajoiteyhtälömenetelmä PO ratkaisuja eri ylärajoilla f 2 :lle ε 1 : ei ratkaisuja ε 2 : z 2 ε 3 : z 3 ε 4 : z 4
Rajoiteyhtälömenetelmä Hyvät puolet jokainen PO ratkaisu voidaan löytää (myös epäkonvekseille tehtäville) Huonot puolet miten valita ylärajat? ei välttämättä sallittuja ratkaisuja miten valita optimoitava funktio?
Rajoiteyhtälömenetelmä Tulos1: Rajoiteyhtälömenetelmän antama ratkaisu on heikosti Pareto-optimaalinen. Tulos2: Rajoiteyhtälömenetelmän antama yksikäsitteinen ratkaisu on Paretooptimaalinen. Tulos3: Sallittu x* on PO jos ja vain jos se on rajoiteyhtälömenetelmän ratkaisu jokaiselle j=1,,k, missä ε i = f i (x*), i j. (jokainen PO ratkaisu voidaan löytää)
Rajoiteyhtälömenetelmä PO vs. heikosti PO ε 1 : heikosti PO ε 2 : PO f 2, min heikosti PO PO ε 1 ε 2 =f 2 (x*) f 1, min