Parallel computing in model-based process engineering

Sammanfattning: Popular Abstract in Swedish Kemiska ämnen finns överallt i vårat samhälle och behövs för att vi ska kunna leva som vi gör. Produktionen av kemiska ämnen använder kemiska processer som ofta är dyra och förbättringar av driftsätt kan spara mycket pengar. För att förbättra en process krävs att experiment utförs som oftast är väldigt kostsamma och tidskrävande. Ett sätt för att minska antalet experiment som krävs för att förbättra en process kan vara att utnyttja datorer. Om processen beskrivs med en matematisk modell kan experimenten göras virtuellt på datorn istället genom att simulera modellen. Våra datorer går bara snabbare och snabbare och möjliggör mer avancerade beräkningar. Historiskt kan uppsnabbningen grovt delas in i två faser, den första där varje processorkärna ökade i hastighet och i den andra där antalet processkärnor per dator utökas. Denna avhandling handlar om hur man kan utnyttja flera processorer samtidigt för att kunna minska den totala beräkningstiden. Utnyttjande av klusterteknik har studerats, där många datorer har använts för att köra det stora antalet simuleringar som uppkommer i form av kalibreringar och optimeringar på ett betydligt mer tidseffektivt sätt. En matematisk modell kan vara olika avancerad beroende på vad modellen ska användas till och på komplexiteten och storleken på den process som ska simuleras. Simuleringstiden av en modell kommer därför också att variera kraftigt beroende på vad modellen beskriver. För att kunna använda en modell av en process krävs att den stämmer väl överens med den verkliga processen, vilket åstadkoms med en kalibrering av parametrar som styr hur processen beter sig. En kalibrering kräver att man kör modellen många gånger för att hitta de parametervärdena som ger bäst anpassning av modellen och den verkliga processen. Kalibrering skapar ett behov av att köra många simuleringar, vilket kan resultera i lång väntan. Ju fler parametrar modellen innehåller desto svårare blir kalibreringsproblemet att lösa. När en modell kalibrerats så att den efterliknar den verkliga processen kan modellen användas för att göra virtuella experiment, dvs datorsimuleringar. Det gäller att hitta det optimala körsättet av processen och därför behövs modellen optimeras för olika körsätt tills man hittar det optimala. För att veta vad som är bäst måste ett objekt som ska optimeras bestämmas, exempelvis vinsten eller utbytet. Det funna körsättet kan därefter valideras på den riktiga processen. Att köra en optimering kräver många simuleringar, vilket resulterar i ett behov av mycket datorkraft. En simulering går oftast betydligt snabbare och är betydligt billigare än att göra experimentet på processen. Detta möjliggör en massa virtuella experiment för att hitta det bästa sättet att köra en process. Ett kluster består av flera datorer som kommunicerar med varandra. Varje dator har öppna program som väntar på att köra de simuleringar som de blir tilldelade. Till klustret skapas en kö av simuleringar som datorerna i turordning simulerar. I avhandlingen har parallelliseringar klassificerats i tre olika kategorier. I kategori 1 skapas alla simuleringar samtidigt, i kategori 2 skapas simuleringarna iterativt där en iteration beror på föregående iterations resultat. Kategori 3 är en hybrid kategori med inslag av både kategori 1 och 2. Användande av parallella beräkningar väntas öka i framtiden eftersom våra datorer får fler och fler kärnor och beräkningarna blir mer och mer avancerade. Tekniken är användbar inte bara i kemiska processer utan även inom andra områden där tunga beräkningar krävs, exempelvis prognoser av väder och krocksimuleringar av bilar.