Nos últimos anos, percebeu-se um avanço substancial das metodologias sistemáticas de seleção de ativos em portfólios financeiros, baseadas em técnicas de otimização. A maior pressão por desempenho sobre as gestoras de recursos e a evolução dos softwares e pacotes de otimização foram fatores que contribuíram para esse desenvolvimento. Dentre as técnicas mais reconhecidas utilizadas na gestão de portfólios está a de otimização robusta, cuja aplicação na solução de problemas com dados incertos iniciou-se na década de 1970 e, desde então, vem evoluindo em sofisticação. Partindo de uma extensão recente do método, propõe-se um novo modelo linear que resolve o problema de otimização de um portfólio para múltiplos estágios, com inovações no tratamento da incerteza das estimativas de dispersão dos retornos. Os resultados mostram que o método proposto desempenha muito bem em termos de rentabilidade e de métricas de risco-retorno em momentos de turbulência dos mercados. Por fim, demonstra-se empiricamente que o modelo alcança um desempenho ainda melhor em termos de rentabilidade com a adoção de um estimador eficiente para o valor esperado dos retornos e com a simultânea redução do nível de robustez do modelo. / It has been realized in the last years a remarkable development of the optimization techniques to solve the problem of financial portfolio selection. The pressure on asset management firms to maintain a more stable performance and the evolution of specialized software packages have enabled this positive trend. One of the most recognized approaches applied to the management of investments is the robust optimization, whose use on uncertain portfolio optimization problems has begun in the 1970s and has experienced a substantial growth since then. Building on a recent version of this framework, it is proposed a new linear model of the robust multistage portfolio optimization problem, thereby incorporating uncertainty about dispersion inputs in an innovative way. The results show that this method performs very well during high volatility periods in terms of the terminal wealth and the risk-return tradeoff. Finally, it can be demonstrated empirically that the proposed method outperforms when an efficient return estimator is incorporated to the optimization model and the robustness level is reduced simultaneously.

Nos últimos anos, percebeu-se um avanço substancial das metodologias sistemáticas de seleção de ativos em portfólios financeiros, baseadas em técnicas de otimização. A maior pressão por desempenho sobre as gestoras de recursos e a evolução dos softwares e pacotes de otimização foram fatores que contribuíram para esse desenvolvimento. Dentre as técnicas mais reconhecidas utilizadas na gestão de portfólios está a de otimização robusta, cuja aplicação na solução de problemas com dados incertos iniciou-se na década de 1970 e, desde então, vem evoluindo em sofisticação. Partindo de uma extensão recente do método, propõe-se um novo modelo linear que resolve o problema de otimização de um portfólio para múltiplos estágios, com inovações no tratamento da incerteza das estimativas de dispersão dos retornos. Os resultados mostram que o método proposto desempenha muito bem em termos de rentabilidade e de métricas de risco-retorno em momentos de turbulência dos mercados. Por fim, demonstra-se empiricamente que o modelo alcança um desempenho ainda melhor em termos de rentabilidade com a adoção de um estimador eficiente para o valor esperado dos retornos e com a simultânea redução do nível de robustez do modelo. / It has been realized in the last years a remarkable development of the optimization techniques to solve the problem of financial portfolio selection. The pressure on asset management firms to maintain a more stable performance and the evolution of specialized software packages have enabled this positive trend. One of the most recognized approaches applied to the management of investments is the robust optimization, whose use on uncertain portfolio optimization problems has begun in the 1970s and has experienced a substantial growth since then. Building on a recent version of this framework, it is proposed a new linear model of the robust multistage portfolio optimization problem, thereby incorporating uncertainty about dispersion inputs in an innovative way. The results show that this method performs very well during high volatility periods in terms of the terminal wealth and the risk-return tradeoff. Finally, it can be demonstrated empirically that the proposed method outperforms when an efficient return estimator is incorporated to the optimization model and the robustness level is reduced simultaneously.

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-08-22T17:32:01Z No. of bitstreams: 2 Dissertação - Raina Ribeiro Marques - 2016.pdf: 13527010 bytes, checksum: 59c283fc484a08da24fa8c5c822eeeb3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-23T11:54:05Z (GMT) No. of bitstreams: 2 Dissertação - Raina Ribeiro Marques - 2016.pdf: 13527010 bytes, checksum: 59c283fc484a08da24fa8c5c822eeeb3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-23T11:54:05Z (GMT). No. of bitstreams: 2 Dissertação - Raina Ribeiro Marques - 2016.pdf: 13527010 bytes, checksum: 59c283fc484a08da24fa8c5c822eeeb3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-07-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The robust optimization techniques can be used in problems subject to uncertainty in order to obtain robust solutions, that is, solutions that are less sensitive to the problem variations. Problems such as the facility location, specifically, the location of ambulances, have uncertainty in your data. Thus, an integer linear programming model for allocation of ambulances and stations is investigated considering that the service time is an uncertainty parameter, since this parameter is influenced by the nature of the call, traffic, or distance traveled, for example. It is proposed a model considering the application of a robust approach that controls the amount of uncertainty parameters related with the service time. A case study with real data provided by the fire department of the city of Catalão, Goiás, is performed on the models and the results show that the number of ambulances is greater than the current need, as pointed by the model without uncertainty. However, the results on the robust model show that the real number of ambulances in the city is able to serve a limited amount of demand, so for a maximum variation of the demand, the number of available ambulances are not able to support it. The model had worked well for the first two scenarios among the three ones tested, in which for the last scenario the model was quite sensitive to changes on the uncertainty parameters. / As técnicas de otimização robusta podem ser usadas em problemas sujeitos a incertezas com o intuito de obter soluções robustas, isto é, soluções menos sensíveis as variações do problema. Problemas como o de localização de instalações, especificamente, o de localização de ambulâncias possuem incertezas em seus dados. Assim, um modelo de programação linear inteira de localização de ambulâncias e bases é investigado considerando que o tempo de atendimento das chamadas é um parâmetro incerto, uma vez que este parâmetro é influenciado pela natureza da chamada, trânsito ou distância, por exemplo. Propõe-se um modelo a partir da aplicação de uma abordagem robusta que controla a quantidade de parâmetros incertos sobre o tempo de atendimento. A partir de um estudo de caso, com dados reais fornecidos pelo batalhão de corpo de bombeiros da cidade de Catalão, Goiás, considerado sobre os modelos, os resultados mostram que a quantidade de ambulâncias existente na corporação é maior que a necessidade atual, dado o modelo sem incertezas. Porém, os resultados sobre o modelo robusto apontaram que a quantidade de ambulâncias existentes na cidade é capaz de atender até certa variação do tempo de atendimento, sendo que para uma variação máxima, a quantidade de ambulâncias disponível não é capaz de suprir a demanda. O modelo se comportou bem para os dois primeiros cenários, dentre os três testados, sendo que para o último cenário o modelo se mostrou bastante sensível a variação dos parâmetros considerados incertos.

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-09-28T13:05:06Z No. of bitstreams: 2 Dissertação - Tatiane Nunes da Costa - 2016.pdf: 5111300 bytes, checksum: 82d5b13d4c4d57e1f4850a62f149025c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-09-30T13:03:40Z (GMT) No. of bitstreams: 2 Dissertação - Tatiane Nunes da Costa - 2016.pdf: 5111300 bytes, checksum: 82d5b13d4c4d57e1f4850a62f149025c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-09-30T13:03:41Z (GMT). No. of bitstreams: 2 Dissertação - Tatiane Nunes da Costa - 2016.pdf: 5111300 bytes, checksum: 82d5b13d4c4d57e1f4850a62f149025c (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-08-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Most of the time, modern problems of engineering are nonlinear and, may also be subject to certain types of uncertainty that can directly influence in the answers of a particular system. In this sense, the stochastic methods have been thoroughly studied in order to get the best settings for a given project. Out of the stochastic techniques, the Method of Monte Carlo stands out and, especially the Latin Hypercube Sampling (LHS) which is a simpler version of the same. For this type of modeling, the Stochastic Finite Elements Method (SFEM) is becoming more frequently used, given that, an important tool for the discretization of stochastic fields can be given by the Karhunèn-Loève (KL) expansion. In this work, the following three case studies will be used: A discrete system of 2 g.d.l., a continuous system of a coupled beam type both in linear and nonlinear springs and a rotor consisting of axis, bearings and disks. In this sense, the influence of uncertainties in the systems studied will be checked, using for this, the LHS, SFEM and the KL expansion. The stochastic study in question will be used in the construction of the great project for the rotor problem already presented. / Problemas modernos de engenharia, na maioria das vezes são não lineares e, podem também estar sujeitos a certos tipos de incertezas que podem influenciar diretamente nas respostas de um dado sistema. Nesse sentido, os métodos estocásticos têm sido exaustivamente estudados com o intuito de se obter as melhores configurações para um dado projeto. Dentre as técnicas estocásticas, destacam-se o Método de Monte Carlo e, principalmente o Método Hipercubo Latino (HCL) que é uma versão mais simples do mesmo. Para este tipo de modelagem, é cada vez mais utilizado o Método dos Elementos Finitos Estocásticos (MEFE), sendo que uma importante ferramenta para a discretização dos campos estocásticos pode ser dada pela expansão de Karhunèn-Loève (KL). Neste trabalho serão utilizados três estudos de casos, quais sejam: Um sistema discreto de 2 g.d.l., um sistema contínuo do tipo viga acoplada tanto em molas lineares quanto não lineares e um rotor composto por eixo, mancais e discos. Nesse sentido, será verificada a influência de incertezas nos sistemas estudados, utilizando para isto, o método HCL, MEFE e a expansão de KL. O estudo estocástico em questão será empregado na construção do projeto ótimo robusto para o problema do rotor já apresentado.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-03-19T18:02:26Z No. of bitstreams: 1 saulocustodiodeaquinoferreira.pdf: 1364913 bytes, checksum: efa844157e53551961fc063ecd615818 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-03-21T13:30:23Z (GMT) No. of bitstreams: 1 saulocustodiodeaquinoferreira.pdf: 1364913 bytes, checksum: efa844157e53551961fc063ecd615818 (MD5) / Made available in DSpace on 2018-03-21T13:30:23Z (GMT). No. of bitstreams: 1 saulocustodiodeaquinoferreira.pdf: 1364913 bytes, checksum: efa844157e53551961fc063ecd615818 (MD5) Previous issue date: 2017-12-04 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O presente trabalho apresenta uma nova metodologia para a reconfiguração de sistemas de distribuição de energia elétrica através da aplicação da técnica matemática de decomposição de Benders. Esta técnica possibilita dividir o problema global em dois subproblemas, mestre e escravo, que se comunicam através de restrições denominadas cortes, geradas a partir de informações do segundo subproblema e incluídas no primeiro de forma iterativa até que um critério de convergência seja alcançado. O objetivo do problema é a minimização de perdas técnicas na rede de distribuição através de redefinição de sua topologia, observando-se restrições operativas como níveis de tensão, conectividade e radialidade. A redução de perdas é atrativa por implicar em melhores níveis de tensão, menores esforços aos equipamentos do sistema e maior confiabilidade, proporcionando, portanto, benefícios para as concessionárias de distribuição e maior qualidade da energia aos consumidores. O problema de reconfiguração é de programação não linear inteira mista, de difícil tratamento. Na metodologia proposta, o primeiro subproblema determina as decisões de chaveamento considerando-se apenas restrições lineares associadas à topologia da rede, enquanto que o segundo avalia a operação mediante a decisão do primeiro considerando as não linearidades e as restrições de balanço de carga. A vantagem da aplicação da técnica de decomposição é que ela permite a inclusão de incertezas operativas no modelo, como a representação da aleatoriedade das cargas demandadas a rede conforme presente nesse trabalho. A representação destas incertezas é realizada no contexto de reconfiguração robusta, em que a tomada de decisões sobre topologia da rede deve otimizar a operação para o conjunto de cenários pré-definidos. Sistemas conhecidos da literatura especializada são utilizados para a avaliação da metodologia proposta. / This work shows a new methodology for the reconfiguration of electric energy distribution systems by the application of the mathematical technique named Benders decomposition. This technique makes it possible to divide the global problem into two subproblems, master and slave, which communicate with each other through constraints called slices, generated from information of the second subproblem and included in the first one iteratively until a convergence criterion is reached. The objective of the problem is to minimize technical losses in the distribution network by redefining its topology, observing operational constraints such as levels of voltage, connectivity and radiality. Loss reduction is attractive because it implies better voltage levels, less system equipment effort and greater reliability, thus providing benefits to distribution dealers and higher energy quality to consumers. The reconfiguration problem is non-linear mixed integer programming, difficult to process. In the proposed methodology, the first subproblem determines the switching decisions considering only linear constraints associated with the network topology, while the second one evaluates the operation by means of the decision of the first recital considering the nonlinearities and the load balance constraints. The advantage of the application of the proposed technique is that the decomposition model is potential for the representation of operational uncertainties, as well as the load demands according to the present work. The representation of these uncertainties is carried out in the context of robust reconfiguration, in which the decision making on network topology must optimize the operation under scenarios of a predefined set. Systems known in the literature are used for the evaluation of the proposed methodology.

O planejamento da produção em indústrias moveleiras de pequeno porte é comumente constituído por decisões referentes ao volume de produção e à política de estoque, com o objetivo de minimizar o desperdício de material, os atrasos e as horas-extras utilizadas ao longo do horizonte de planejamento. Administrar tais decisões de uma maneira tratável e eficiente é, em geral, um desafio, especialmente considerando a natureza incerta dos dados. Nessa tese, são desenvolvidos modelos de otimização para apoiar tais decisões no contexto do problema combinado de dimensionamento de lotes e corte de estoque sob incertezas que surge em indústrias moveleiras. Para lidar com as incertezas dos dados, são investigadas duas metodologias: programação estocástica e otimização robusta. Dessa maneira, são propostos modelos de programação estocástica de dois estágios com recurso, assim como modelos estocásticos robustos que incorporam aversão ao risco. A motivação em também desenvolver modelos baseados em otimização robusta é considerar casos práticos em que não há uma descrição probabilística explícita dos dados de entrada, assim como evitar trabalhar com numerosos cenários, o que pode tornar o modelo estocástico computacionalmente intratável. Os experimentos numéricos baseados em exemplares reais de uma empresa moveleira de pequeno porte mostram que as soluções obtidas pelos modelos de programação estocástica fornecem planos de produção robustos e que o (a) decisor (a) pode designar suas preferências em relação ao risco aos modelos, assim como controlar o tradeoff entre o custo total esperado e a robustez da solução. Em relação aos resultados dos modelos de otimização robusta, são obtidos alguns insights entre os chamados budgets de incerteza, as taxas de atendimento da demanda e os valores ótimos. Além disso, evidências numéricas indicam que budgets de incerteza menos conservadores resultam em níveis de serviço razoáveis com baixos custos globais, enquanto a abordagem de pior caso gera, relativamente, boas taxas de atendimento da demanda, mas com custos globais elevados / Production planning procedures in small-size furniture companies commonly consist of decisions with respect to production level and inventory policy, while attempting to minimize trim-loss, backlogging and overtime usage throughout the planning horizon. Managing these decisions in a tractable and efficient way is often a challenge, especially when the uncertainty of data is taken into account. In this thesis, we develop optimization models to support these decisions in the context of the combined lot-sizing and cutting-stock problem that arises in furniture companies. To deal with data uncertainty, we investigate two methodologies: stochastic programming and robust optimization. In the former case, we propose two-stage stochastic programming models with recourse, as well as robust stochastic models to incorporate risk-aversion. In the latter case, our motivation to investigate robust optimization models is the lack of an explicit probabilistic description of the input data. Furthermore, we want to avoid dealing with a large number of scenarios, which typically lead to computationally intractable stochastic programming models. Numerical experiments based on real data from a small-size furniture plant show that the solutions of the stochastic programming models provide robust production plans so that the decision-maker can assign his or her risk preferences to the model and control the tradeoff between the expected total cost and solution robustness. Regarding the results from the robust optimization models, we provide some insights into the relationship among budgets of uncertainty, fill rates and optimal values. Moreover, numerical evidence indicate that less conservative budgets of uncertainty result in reasonable service levels with cheaper global costs, while worst case deterministic approaches lead to relatively good fill rates, but with prohibitive global costs

O planejamento da produção em indústrias moveleiras de pequeno porte é comumente constituído por decisões referentes ao volume de produção e à política de estoque, com o objetivo de minimizar o desperdício de material, os atrasos e as horas-extras utilizadas ao longo do horizonte de planejamento. Administrar tais decisões de uma maneira tratável e eficiente é, em geral, um desafio, especialmente considerando a natureza incerta dos dados. Nessa tese, são desenvolvidos modelos de otimização para apoiar tais decisões no contexto do problema combinado de dimensionamento de lotes e corte de estoque sob incertezas que surge em indústrias moveleiras. Para lidar com as incertezas dos dados, são investigadas duas metodologias: programação estocástica e otimização robusta. Dessa maneira, são propostos modelos de programação estocástica de dois estágios com recurso, assim como modelos estocásticos robustos que incorporam aversão ao risco. A motivação em também desenvolver modelos baseados em otimização robusta é considerar casos práticos em que não há uma descrição probabilística explícita dos dados de entrada, assim como evitar trabalhar com numerosos cenários, o que pode tornar o modelo estocástico computacionalmente intratável. Os experimentos numéricos baseados em exemplares reais de uma empresa moveleira de pequeno porte mostram que as soluções obtidas pelos modelos de programação estocástica fornecem planos de produção robustos e que o (a) decisor (a) pode designar suas preferências em relação ao risco aos modelos, assim como controlar o tradeoff entre o custo total esperado e a robustez da solução. Em relação aos resultados dos modelos de otimização robusta, são obtidos alguns insights entre os chamados budgets de incerteza, as taxas de atendimento da demanda e os valores ótimos. Além disso, evidências numéricas indicam que budgets de incerteza menos conservadores resultam em níveis de serviço razoáveis com baixos custos globais, enquanto a abordagem de pior caso gera, relativamente, boas taxas de atendimento da demanda, mas com custos globais elevados / Production planning procedures in small-size furniture companies commonly consist of decisions with respect to production level and inventory policy, while attempting to minimize trim-loss, backlogging and overtime usage throughout the planning horizon. Managing these decisions in a tractable and efficient way is often a challenge, especially when the uncertainty of data is taken into account. In this thesis, we develop optimization models to support these decisions in the context of the combined lot-sizing and cutting-stock problem that arises in furniture companies. To deal with data uncertainty, we investigate two methodologies: stochastic programming and robust optimization. In the former case, we propose two-stage stochastic programming models with recourse, as well as robust stochastic models to incorporate risk-aversion. In the latter case, our motivation to investigate robust optimization models is the lack of an explicit probabilistic description of the input data. Furthermore, we want to avoid dealing with a large number of scenarios, which typically lead to computationally intractable stochastic programming models. Numerical experiments based on real data from a small-size furniture plant show that the solutions of the stochastic programming models provide robust production plans so that the decision-maker can assign his or her risk preferences to the model and control the tradeoff between the expected total cost and solution robustness. Regarding the results from the robust optimization models, we provide some insights into the relationship among budgets of uncertainty, fill rates and optimal values. Moreover, numerical evidence indicate that less conservative budgets of uncertainty result in reasonable service levels with cheaper global costs, while worst case deterministic approaches lead to relatively good fill rates, but with prohibitive global costs

Fundação de Amparo a Pesquisa do Estado de Minas Gerais / This work focuses on the finite element modeling procedure and the robust-optimal design of composite structures containing piezoelectric elements to be coupled with the so-named shunt circuits with the aim of passive vibration attenuation. The work is organized into two main parts as follows: the first is devoted to the use of the first order shear deformation theory (FSDT) in conjunction with the single equivalent layer theory for the modeling of the mechanical problem composed by a thin rectangular composite plate structure. At this step, the mixed theory, in which the single layer equivalent theory is combined with the discrete theory to model electromechanical system (composite structure with piezoelectric elements), is also employed. Emphasis is also placed on the parameterization strategy of the design variables such as the layer s thicknesses, the directions of the fibers and the parameters of the shunt circuits. It must be emphasized that the finite element models were developed and implemented in MATLAB® environment; the second part of the work is dedicated to the quantification of the parametric uncertainties related to the resistance and inductance of the resonant shunt circuit and the thickness of the piezoelectric element. In order to create the probabilistic models the Maximum Entropy Method (MME) is retained and the resulting stochastic model is solved by using the so-called Monte Carlo method. The interest is to generate the limits of dispersion and the number of random simulations required to be used in the robust multi-objective optimization process of the shunt circuits by taking into account during the simulations the vulnerability functions to be optimized at the same time as the original objective functions. / Este trabalho enfoca os procedimentos de modelagem por elementos finitos e o projeto ótimo-robusto de estruturas compostas contendo elementos piezelétricos acoplados a circuitos elétricos shunt para fins de controle passivo de vibrações. O estudo será dividido em duas partes, a saber: a primeira é dedicada ao emprego da teoria cisalhante de primeira ordem (First-order Shear Deformation Theory FSDT) em conjunto com a teoria da camada equivalente única para a modelagem do problema mecânico formado por uma placa composta plana. Nesta fase, também será utilizada a teoria mista que combina as teorias da camada equivalente única com a discreta para a modelagem do sistema acoplado eletromecânico (estrutura composta com pastilhas piezelétricas). Ênfase é dada à parametrização das variáveis mais influentes que são as espessuras das camadas, as direções das fibras e os parâmetros do circuito shunt. Todos os modelos foram desenvolvidos e implementados em ambiente MATLAB® de programação. Na segunda parte, será apresentado um estudo sobre a quantificação das incertezas nos parâmetros de resistência e indutância do circuito shunt ressonante e na espessura do elemento piezelétrico. Para a geração dos modelos probabilísticos, será empregado o Método da Máxima Entropia (MME) e para a resolução do problema estocástico será utilizado o método de Monte Carlo. Serão estabelecidos os limites de dispersão e o número de tiragens aleatórias a serem utilizados na otimização multiobjetivo robusta dos circuitos shunt via emprego de funções de vulnerabilidade a serem otimizadas ao mesmo tempo em que as funções objetivo originais. / Mestre em Engenharia Mecânica

Orientadores: Rubens Maciel Filho, Delba Nisi Cosme Melo / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-21T11:54:20Z (GMT). No. of bitstreams: 1 CuadrosBohorquez_JoseFernando_D.pdf: 6686167 bytes, checksum: 1899259fbe648f651c06a5f9ca3e2c29 (MD5) Previous issue date: 2012 / Resumo: Esta pesquisa teve por finalidade o desenvolvimento de uma metodologia de otimização em duas camadas. A otimização preliminar foi baseada na técnica de planejamento de experimentos junto com a metodologia por superfície de resposta com a finalidade de identificar uma possível região de busca do ponto de operação ótimo, o qual foi obtido através da implementação de métodos híbridos de otimização desenvolvidos mediante associação do modelo determinístico de otimização por programação quadrática sucessiva (SQP) com a técnica dos algoritmos genéticos (GA) no modelo do processo de craqueamento catalítico fluidizado- FCC. Este processo é caracterizado por ser um sistema heterogêneo e não isotérmico, cuja modelagem detalhada engloba as equações de balanço de massa e energia das partículas do catalisador, como também para a fase líquida e gasosa, sendo um dos casos de estudo para a aplicação da metodologia de otimização desenvolvida. Como caso de estudo principal foi considerado o modelo do conversor do processo de FCC desenvolvido por Moro e Odloak (1995). Mediante a metodologia de otimização do processo baseado no uso do modelo determinístico da planta, foram definidas estratégias e políticas operacionais para a operação da unidade de FCC em estudo. Procurou-se alto nível de desempenho e segurança operacional, através da integração das etapas de operação, otimização e controle no contexto de otimização em tempo real do processo. As otimizações foram divididas em quatro etapas: 1) Análises preliminares dos fatores e das variáveis de resposta do modelo do conversor foram realizadas usando a técnica de planejamento de experimentos, com o objetivo de compreender a interação entre elas, assim como obter modelos simplificados das variáveis de resposta. A geração dos modelos simplificados é devido à necessidade de ganho no tempo computacional permitindo o conhecimento prévio da região de otimização já que em casos industriais pode não ser possível representar adequadamente o processo por modelos determinísticos; 2) Otimização usando algoritmos genéticos implementados no modelo simplificado da conversão, e no modelo determinístico com e sem restrições; 3) Otimização considerando o método de otimização SQP implementado no modelo simplificado da conversão e no modelo determinístico com restrições; e 4) otimização multi-objetivo do conversor usando x a técnica dos algoritmos genéticos, com o objetivo de maximizar a conversão, assim como a minimização da vazão dos gases de combustão, especificamente o monóxido de carbono (CO). Das otimizações foram obtidos ganhos em torno de 8% na conversão quando comparado com os valores de conversão sem otimização. Finalmente, foi realizada a integração do modelo do processo, com a otimização e o controle, dando como resultado a otimização em tempo real do conversor de FCC. A variável de otimização foi a conversão e, através da implementação do controle por matriz dinâmica com restrições (QDMC), aplicando a metodologia de controle inferencial. As variáveis escolhidas como variável controlada foi a temperatura de reação e como variável manipulada foi a temperatura da alimentação, com perturbações na vazão de alimentação do ar de regeneração. Valores de conversão da ordem de 88% foram atingidos para o esquema de otimização em tempo real, o método de otimização por algoritmo genético apresentou um desempenho satisfatório, com tempos e cargas computacionais razoáveis para implementação desta metodologia, em nível industrial / Abstract: The purpose of this research was the develop of an optimization methodology. Experimental design technique along with a hybrid optimization methodology obtained by association of sequential quadratic programming (SQP) with genetic algorithms (GA), were implemented in the model of a Fluid Catalytic Cracking process (FCC) developed by Moro and Odloak (1995). This process is described for a heterogeneous, non isothermal system, in which a detailed modeling comprises mass and energy balance equations for catalyst particles, liquid and gaseous phases that makes this process model, a case study for implementing the optimization methodology developed. The process optimization methodology developed; along with the deterministic model of the plant were applied to define operational strategies and policies for the operation of the FCC unit studied aiming to obtain high performance and operational safety, through the integration of control, operation and optimization stages in the context of real-time optimization (RTO) process. Optimizations were divided into four stages: 1) Preliminary analysis of factors and response variables of converter modeling were performed using experimental design technique aiming to understand the factors and response variables interaction, as well as to obtain response variables simplified models to be used as objective function in optimization stages, 2) a optimization using genetic algorithms was implemented in the simplified conversion model, in the deterministic modeling and the deterministic model considering factors restrictions, 3) a optimization considering a local search methodology like sequential quadratic programming (SPQ) was implemented in the simplified model of process conversion and also it was consided the deterministic model with restrictions. As initial estimative, the optimum factor values obtained with genetic algorithms were considered as well as two random points in the search space, and 4) a multi objective optimization considering genetic algorithms technique in order to maximize conversion and minimize combustion gases emissions, specifically carbon monoxide was developed. Applying this optimization methodology was obtained increments of around 8% in the feed conversion when compared with conversion values without optimization. xii Finally, it was developed the integration of optimization, control and process modeling giving as result the real time optimization (RTO) of FCC converter. The variable maximized by genetic algorithms was the feed conversion and the control technique implemented was based on the matrix named (QDMC) in conjunction with inferential control methodology. It was considered as controlled variable the reaction temperature adjusting the feed temperature (manipulated variable), for disturbances in the feed flow of the regeneration air. Feed conversion in the order of 88% were achieved for the real time optimization scheme considered, in which, the genetic algorithm showed an excellent performance in reasonable computational times and computational loads for implementation at industrial level / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Orientador: José Roberto Sanches Mantovani / Resumo: O planejamento de curto prazo é uma estratégia de tomada de decisão que visa assegurar o desempenho adequado de um sistema de distribuição de energia elétrica e fornecer um produto de alta qualidade aos usuários finais. Este processo considera ações tradicionais para um controle efetivo no fluxo de potência reativa, fator de potência e magnitude de tensão nas barras do sistema. Nos últimos anos, este tipo de planejamento enfrenta-se com significativos desafios devido à integração de novas tecnologias e a filosofia de operação das redes de distribuição de média tensão. Desta forma, o desenvolvimento de algoritmos e ferramentas computacionais sofisticadas são necessárias para contornar essas complexidades. Nessa perspectiva, neste trabalho apresenta-se uma estratégia para a solução do problema de planejamento de curto prazo para redes de distribuição. Em que, a integração de unidades de geração distribuída e sistemas de armazenamento de energia elétrica é considerada simultaneamente com as ações tradicionais de planejamento para melhorar a eficiência do sistema. Diferentes alternativas de investimento, tais como a localização e dimensionamento de bancos de capacitores, unidades de armazenamento de energia e unidades de geração baseadas em energia fotovoltaica e eólica, seleção e substituição de condutores dos circuitos sobrecarregados e alocação de reguladores de tensão são consideradas como variáveis de decisão no problema de otimização. Adicionalmente, na formulação deste pro... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Short-term planning is a decision-making strategy that aims to enhance proper electric distribution network performance and provide high-quality service to consumers. This process considers traditional planning actions to effectively control the reactive power flow, power factor, and the voltage profile of the network. In the last years, this type of distribution network planning has faced important challenges due to the integration of modern technologies and operating aspects of medium-voltage distribution networks. In this regard, development of sophisticated algorithms and computational tools are necessary to cope with these complexities. In this perspective, a strategy to determine the solution of the short-term planning problem for distribution networks is presented in this work, where, integration of distributed generation units and electric energy storage systems are considered simultaneously with traditional planning actions to improve the network performance. Several investment alternatives such as siting and sizing of capacitors banks, energy storage systems, photovoltaic- and wind- based generation units, conductor replacement of overloaded circuits, and voltage regulators allocation are considered as decision variables in the optimization problem. Additionally, environmental aspects at distribution level are duly addressed via Cap and Trade mechanism. Inherently, this optimization problem is represented by a non-convex mixed integer nonlinear programming problem. ... (Complete abstract click electronic access below) / Doutor