Aremu, Fawaz Babajide (2026) Multi-Objective Plant-Wide Optimization and Control of the Tennessee Eastman Process: From Mechanistic Empc to Surrogate-Assisted Data-Driven Real-Time Optimization. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MULTI_OBJECTIVE_PLANT_WIDE_OPTIMIZATION_AND_CONTROL_OF_THE_TENNESSEE_EASTMAN_PROCESS_FINAL_SIGNED.pdf Restricted to Repository staff only until 20 August 2027. Download (12MB)

Arabic Abstract

تعمل المصانع الكيميائية بوصفها أنظمة مترابطة بدرجة عالية، إلا أن العديد منها لا يزال يعتمد على حلقات تحكم لا مركزية تتجاهل التفاعلات على مستوى المصنع والمفاضلات الاقتصادية، مما يحد من الأداء الكلي للنظام. وعلى الرغم من أن مفهومي PWC وSOC يوفران منهجيات منظمة لتصميم هياكل هرمية للتحكم قادرة على تحقيق تشغيل اقتصادي قريب من الأمثل، فإن تطبيق هذه المفاهيم على العمليات المعقدة وغير الخطية لا يزال يمثل تحديًا كبيرًا. لمعالجة هذه الفجوة، تنتقل هذه الأطروحة من منهجية النمذجة الميكانيكية إلى إطار قائم على البيانات للتحسين والتحكم في عملية TEP، وذلك بوصفها المرحلة الأولى (Phase A) من مسار بحثي أوسع مكوّن من مرحلتين. تطوّر المرحلة A استراتيجية ENMPC قائمة على نموذج NARX منتظم ومدفوع بالبيانات، تعمل بوصفها طبقة إشرافية فوق البنية التنظيمية للتحكم اللامركزي التي اقترحها Ricker. ويستخدم الإطار نموذجًا عصبيًا قائمًا على NARX ومصممًا بما يتوافق مع الاعتبارات الاقتصادية، لتمثيل ديناميكيات المصنع ذي الحلقة المغلقة بوصفه نموذج التنبؤ الداخلي. وبذلك، يحل النموذج القائم على البيانات محل النموذج الميكانيكي، مما يخفف من المتطلبات الحسابية والبنيوية لمسألة البرمجة غير الخطية الكامنة وراء عملية التحكم. تعمل الطبقة الإشرافية على تقليل تكلفة تشغيل المصنع عبر أنماط التشغيل الثلاثة لعملية TEP، وهي توزيعات المنتجات 50/50 و10/90 و90/10، مع فرض قيود العملية والجودة والسلامة. كما يتم تقييم أدائها الاقتصادي، واستقرار الحلقة المغلقة، ومتانتها في مواجهة الاضطرابات بصورة منهجية، وذلك بالمقارنة مع منهجية التحكم اللامركزي الأصلية التي اقترحها Ricker. كما تعرض الأطروحة المرحلة B (Phase B) بوصفها اتجاهًا بحثيًا مستقبليًا، تنتقل فيه المنهجية إلى التحسين متعدد الأهداف المدعوم بالنماذج البديلة (MOO surrogate-assisted). وفي هذه المرحلة، يتم تطبيق خوارزمية NSGA-II على نماذج بديلة قائمة بالكامل على البيانات لمكونات تكلفة التشغيل التي تم تحديدها في المرحلة A، بما يتيح تحليل المفاضلات بين الأهداف على جبهة باريتو المثلى (Pareto-optimal) وتحقيق التحسين في زمن قريب من الزمن الحقيقي، دون الحاجة إلى إجراء تقييمات مباشرة لـ ENMPC ضمن حلقة التحسين. وتُعرض المرحلة B بوصفها تصورًا واتجاهًا بحثيًا مستقبليًا فقط، ولم يتم تنفيذها ضمن هذه الأطروحة. وبوجه عام، تؤسس هذه الدراسة المرحلة الأولى من إطار موحّد قائم على البيانات وتتحقق من فاعليته، بهدف تعزيز الاستقرار، وخفض تكاليف التشغيل، وضمان المتانة في مواجهة الاضطرابات، بما يسهم في ردم الفجوة بين مفاهيم PWC الأكاديمية والتطبيقات الصناعية العملية.

English Abstract

Chemical plants operate as highly interconnected systems, yet many still rely on decentralized control loops that ignore plant-wide interactions and economic trade-offs, limiting overall performance. While Plant-Wide Control (PWC) and Self-Optimizing Control (SOC) offer structured approaches for designing control hierarchies that achieve near-optimal economic operation, applying these concepts to complex, nonlinear processes remains a significant challenge. To address this gap, this thesis transitions from a mechanistic modeling approach to a data-driven optimization and control framework for the Tennessee Eastman Process (TEP), structured as the first phase (Phase A) of a broader two-phase research trajectory. Phase A develops a regularized, data-driven Nonlinear Autoregressive Network with Exogenous Inputs (NARX)-based Economic Nonlinear Model Predictive Control (ENMPC) strategy acting as a supervisory layer over Ricker’s decentralized regulatory architecture. The framework employs an economically tailored NARX neural network model of the closed-loop plant dynamics as the internal prediction model, replacing the mechanistic model and thereby alleviating the computational and structural demands of the underlying nonlinear programming problem. The supervisory layer minimizes plant operating cost across three TEP operating modes (50/50, 10/90, and 90/10 product distributions) while enforcing process, quality, and safety constraints, and its economic performance, closed-loop stability, and disturbance robustness are systematically evaluated against Ricker’s original decentralized approach. The thesis further outlines Phase B, a future research direction in which the framework transitions to surrogate-assisted Multi-Objective Optimization (MOO). In Phase B, an Non-Dominated Sorting Genetic Algorithm II (NSGA-II) is applied to purely data-driven surrogate models of the operating-cost components identified in Phase A, enabling Pareto-optimal trade-off analysis and near real-time optimization without direct ENMPC-in-the-loop evaluations. Phase B is presented as an outlook only and is not implemented in this thesis. Overall, this work establishes and validates the first phase of a unified data-driven framework aimed at enhancing stability, reducing operating costs, and ensuring robustness, bridging the gap between academic PWC concepts and industrial practice.

Item Type:	Thesis (Masters)
Subjects:	Systems Engineering Research
Department:	College of Engineering and Physics > Control and Instrumentation Engineering
Thesis Advisor:	Mujahed Al Dhaifallah,
Thesis Committee Members:	Naqeebuddin Mujahid Syed, Muhammad Sabih,
Depositing User:	FAWAZ BABAJIDE AREMU
Date Deposited:	23 Aug 2026 06:30
Last Modified:	23 Aug 2026 06:30
URI:	https://eprints.kfupm.edu.sa/id/eprint/144726