CC BY
33
металлов): Дис. ... канд. тех. наук. I Рос. хим.-технол. ун-т им. Д.И. Менделеева. - М.: Изд-во РХТУ, 1998. *190 е.
3. Лисицина В.В. Моделирование и оптимизация процесса получения гипо-фосфита натрия: Дис. ... канд. тех. наук. / Рос. хим.-технол. ун-т им. Д.И. Менделеева. - М.: Изд-во РХТУ. 1994. 15) с.
УДК 66.0il.001.57075
Г. А. Денисов. В. В. Макаров
Российский химико-технологический университет им. Д. И. Менделеева, Москва, Россия
РЕСУРСОСБЕРЕГАЮЩАЯ ОРГАНИЗАЦИЯ ХИМИКО-
ТЕХНОЛОГИЧЕСКИХ СИСТЕМ С ДИСКРЕТНЫМ РЕЖИМОМ РАБОТЫ
Methods of optimal operation mode of multipurpose plants have been described. Algorithms of its solution: taboo-algorithms, simulated annealing and genetic algorithms have been considered.
Описаны методы и приемы организации работы химико-технологических систем в производствах продуктов тонкого химического синтеза, имеющие целью экономию материальных и энергетических затрат и времени. Изложены методы для решения таких задач: табу-поиск, моделируемый отжиг, генетические алгоритмы.
Производства продуктов тонкого химического синтеза функционируют в условиях частых структурных модификаций их ассортимента, что при незначительных объемах выпуска, широкой номенклатуре и повышенным требованиям к качеству обусловили периодический способ организации технологических процессов, доминирующий в упомянутых производствах. Наряду с известными преимуществами (одинаковое время пребывания всех компонентов в аппарате, возможность ностадийного корректирования качества промежуточных продуктов, ориентация на продукцию мобильного ассортимента) периодическим процессам присущи и некоторые недостатки: наличие вспомогательных операций, неактивные состояния: технологических аппаратов, работающих в составе химико-технологических систем и т. п., снижатощие технико-экономическую эффективность производства.
Повысить эффективность производства можно путем оптимальной организации работы химико-технологических систем и технологических аппаратов в их составе, не изменяя разработанной технологии. Комплекс мероприятий по рациональной организации работы химико-технологических систем может включать: 1) сокращение длительности вспомогательных операций в аппаратах периодического действия; 2) ликвидацию неактивных состояний технологических аппаратов или существенное сокращение их длительности; 3) совмещение аппаратурно-подобных технологических процессов в одной схеме; 4) применение модульного и многофункционального оборудования; 5) организацию производства в виде мобильных технологических систем и т.п.
Неактивные состояния (простои) технологических аппаратов объясняются существенным различием длительности их циклов. Они могут быть сокращены, а в некоторых случаях полностью ликвидированы путем организации транспорта вещества из подающих аппаратов в принимающие через вспомогательные демпфирующие емкости-наполнители или путем применения параллельных аппаратов, оформляющих соответствующие стадии технологического процесса. В первом случае необходимы методы расчета объемов вспомогательных емкостей, во втором - алгоритмы оптимизации аппаратурного состава технологических систем.
Широкий ассортимент выпускаемой продукции и малый объем ее выпуска затрудняет организацию производства в виде индивидуальных технологических систем. Во многих случаях технологические процессы производства разных продуктов аппаратно подобны, что дает возможность реализовывать их в одной технологической системе в последовательном режиме. Увеличение габаритных размеров аппаратов в совмещенных системах при уменьшении их суммарного объема, как правило, существенно сокращает капитальные затраты на основное оборудование.
В производствах продукции тонкого органического синтеза (органические красители и промежуточные продукты для них, синтетические лекарственные средства, органические реактивы и биопрепараты и т.п.) ярко выражена тенденция к увеличению числа стадий многостадийных процессов, что объясняется усложнением молекулярной структуры целевых продуктов и увеличением числа вводимых в молекулу функциональных групп. Противостоять этой в общем неблагоприятной тенденции можно, применяя модульное многофункциональное оборудование, что приводит к уменьшению числа аппаратурно-технологических стадий.
Повысить коэффициент использования технологического оборудования можно, применив технологические системы с перестраиваемой аппаратурной структурой (мобильные), организовав одновременный выпуск нескольких продуктов.
Формально перечисленные выше приемы организации работы химико-технологических систем в большинстве случаев представляют задачи оптимизации их аппаратурной структуры и аппаратурного состава как для проектируемых, так и для функционирующих систем.
ЕхСгт Дх) при g(x) > Ь,
где /(х) - критерий оптимальности; х - варьируемые переменные; £(х) -
известные функции; Ь - известный век-сор.
Специфика задач оптимизации аппаратурной структуры и аппаратурного состава, а также конструкционных параметров аппаратов и режимных параметров технологических процессов химико-технологических систем с дискретным режимом работы состоит в: 1) их большой размерности; 2) принадлежности варьируемых переменных к различным классам: непрерывных, дискретных, целочисленных, булевых; 3) многоэкстремальиости.
Перечисленные особенности задач оптимизации существенно ограничивают выбор возможных методов их решения. Наиболее перспективными на наш взгляд были бы методы направленного случайного поиска, к преимуществам которых относится, в частности, возможность определения глобального экстремума функции, зависящий от переменных, принадлежащих к разным классам [1]. Направленный случайный поиск позволяет значительно сократить объем необходимых вычислений, что также является одним из его достоинств.
В последнее время разработаны многочисленные алгоритмы случайного поиска, на основе реализации различных случайных процессов: алгоритмы моделируемого отжига, основанные на распределении Больцмана [2], генетические алгоритмы [3], алгоритмы, основанные на табу вероятности. и т.п. Современные приближенные алгоритмы комбинаторной оптимизации дают возможность получить решения «высокого качества» за приемлемое (с практической точки зрения) время.
Генетические алгоритмы основаны на следующем. Случайным образом генерируется начальная популяция структур. Работа генетического алгоритма представляет собой итерационный процесс, который продолжается до тех пор. пока не выполнятся заданное число поколений или какой-либо иной критерий остановки. На каждом поколении генетического алгоритма реализуется отбор пропорционально приспособленности, одноточечный кроссовер и мутация. Сначала пропорциональный отбор назначает каждой стрз'ктуре вероятность Р.ф') равную отношению ее приспособленности/(0 к суммарной приспособленности популяции:
Затем происходит отбор (с замещением) всех п особей для дальнейшей генетической обработки, согласно величине Ps(t). Простейший пропорциональный отбор - рулетка [3] - отбирает особей с помощью п «запусков» рулетки. Колесо рулетки содержит по одному сектору для каждого члена популяции. Размер i-oro сектора пропорционален соответствующей величине Ps(t). При таком отборе члены популяции с более высокой приспособленностью с большей вероятность будут чаще выбираться, чем особи с низкой приспособленностью.
После отбора п выбранных особей подвергаются кроссоверу (иногда называемому рекомбинацией) с заданной вероятностью Рс. п строк случайным образом разбиваются на и/2 пары. Для каждой пары с вероятностью Рс может применяться кроссовер. Соответственно с вероятностью (1 -Рс) кроссовер не происходит, и неизмененные особи переходят на стадию мутации. Если кроссовер происходит, полученные потомки заменяют собой родителей и переходят к мутации.
Метод моделируемого отжига (simulated annealing) ведет свое начало из термодинамики. При отжиге металла он нагревается до высокой температуры. Молекулы в нагретом металле совершают быстрые колебания, а при медленном остывании они начинают располагаться упорядоченно, обра-
зуя кристаллы. При этом молекулы постепенно переходят в состояние с минимальной энергией.
При медленном остывании металла, соседние кристаллы сливаются друг с другом. Молекулы в одном из кристаллов покидают состояние с минимальной энергией и принимают порядок молекул в другом кристалле. Энергия получившегося кристалла большего размера будет меньше, чем сумма энергий двух исходных кристаллов. Если охлаждение происходит достаточно медленно, то кристаллы становятся очень большими. Окончательное распределение молекул представляет состояние с низкой энергией, и металл при этом будет твердым. Начиная с состояния с высокой энергией, молекулы в конце кондов достигают состояния с очень низкой энергией. На пути к конечному положению, они проходят множество локальных минимумов энергии. Каждое сочетание кристаллов образует локальный минимум. Кристаллы могут объединяться друг с другом только за счет временного повышения энергии системы, чтобы затем перейти к состоянию с меньшей энергией.
Метод моделируемого отжига использует аналогичный подход для поиска наилучшего решения задачи. Во время поиска решения велика вероятность задержки в локальном оптимуме. Чтобы избежать этого, по алгоритму время от времени вносятся в решение случайные отклонения, далее если очередное изменение и не приводит к мгновенному улучшению результата. Это помогает выйти из локального оптимума и отыскать лучшее решение. Если это отклонение не ведет к лучшему решению, то через некоторое время оно будет отброшено. Чтобы эти изменения не возникали постоянно, алгоритм изменяет вероятность возникновения случайных отклонений со временем. Вероятность Р возникновения одного из подобных отклонений определяется формулой
Р = 1/ехр(£ / кТ),
где Е - увеличение «энергии» системы, к - некоторая постоянная, и 7’ -переменная, соответствующая «температуре».
Вначале температура должна быть высокой, поэтому и вероятность Р отклонений также достаточно велика. Иначе случайные отклонения могли бы никогда не возникнуть. С течением времени значение переменной Т постепенно снижается, и вероятность случайных отклонений также уменьшается. После того, как модель дойдет до точки, в которой никакие изменения не смогут улучшить решение, и температура 'Г станет достаточно низкой, чтобы вероятность случайных отклонений была бы малой, алгоритм заканчивает работу.
Одной из самых успешных идей, реализованных в направлении улучшения процесса поиска, предотвращающей его задержку в точках локального экстремума, является схема табу-поиска, предложенная американским математиком ф. Гловером. В его подходе, значительно лучше учитывающем особенности дискретных оптимизационных задач, предлагается устанавливать временные запреты (табу) на те или иные изменения вырабатываемого решения. В простейшем виде этот запрет реализуется в виде поето-
янно изменяющегося списка решений, которые нельзя принимать на очередном шаге поиска.
Библиографические ссылки
1. Растрйгин Л.А. Случайный поиск в задачах оптимизации многопараметрических систем. Рига: Зинажне, 1965.
2. Джонс М.Т. Программирование искусственного интеллекта в приложениях. М.: ДМК - пресс, 2006. 312 с.
3. Батищев Д.И. Генетические алгоритмы решения экстремальных задач. Воронеж, 1995.
УДК 661.12.01/09:66.096.5
Ю. В. Маковская, М. Г. Гордиенко
Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия
ИССЛЕДОВАНИЕ КАЧЕСТВА ПОКРЫТИЯ ПРИ ИНКАПСУЛЯЦИИ ЛЕКАРСТВЕННЫХ ВЕЩЕСТВ В ПСЕВДООЖИЖЕННОМ СЛОЕ МЕТОДАМИ СТАТИСТИКИ
The drug encapsulation by enteric film fluid-bed coating had been investigated. Influence of each operation parameter on product quality had been estimated and optimal condition included film thickness had been determined.
В работе была исследована инкапсуляция методом нанесения пленочного кишечнорастворимого покрытия в псевдоожиженном слое. Было оценено влияние каждого параметра проведения процесса на качество продукта и были определены оптимальные условия, в том числе и толщина пленки покрытия.
Современные фармацевтические технологии направлены на повышение биодоступности лекарственного вещества и уменьшение риска возникновения нежелательных реакций, для этого применяют технологии управляемого высвобождения. И одним из наиболее перспективных методов регулирования свойств лекарственных веществ (ЛВ) является инкапсуляция в оболочку, предающую заданные свойства. Одним из физических методов инкапсуляции является нанесение пленочного покрытия в псевдоожиженном слое (ПС). При этом скорость и условия растворения оболочки подбираются таким образом, чтобы ЛВ распадалось в заданное время и в заданном участке ЖКТ. Механизм инкапсуляции схематично отображен на рисунке 1.
На качество конечного покрытия комплексно влияет множество параметров: состав и концентрация полимерного покрытия, условия распыла, расход и температура сушильного агента, размер покрываемых частиц. Математическое описание всех явлений и процессов, возникающих на микроуровне при формировании пленочного покрытия, в зависимости от параметров ведения процесса представляет собой сложную многомерную задачу, решение которой затруднительно. Поэтому, в данной работе решение задачи
