Maximizing RON value in isomerate product
Başlık çevirisi mevcut değil.
- Tez No: 667915
- Danışmanlar: PROF. DR. METİN TÜRKAY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Kimya Mühendisliği, Industrial and Industrial Engineering, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Rafineri operasyonları optimizasyona her zaman açık olmuştur. COVID-19'un enerji sektörü üzerindeki şiddetli büyüyen olumsuz etkileri ile beraber, optimizasyonun önemi her geçen gün artmaktadır. Bu çalışmanın amacı isomerat ürünündeki oktan değeri ile reaktör sıcaklığı arasında model kurup, bu model doğrultusunda oktan optimizasyonunu sağlamaktır. Geleneksel yöntemlerde reaktör ve oktan arasında model kurulurken, bu çalışmada isomerat networkündeki tüm değişkenler modellemeye katılmıştır. RON değerini etkileyen etkenler üç kategoriye ayrılabilir: sarjdaki safsızlıklar, reaktör operasyonları, ve DIH kolonundaki operasyonlar. Isomerat sarj ağı oldukça komplex bir yapıdan oluşmaktadır; ham petrol ünitelerinden, hydrocracker ve MQD ünitelerinin nafta splitter kolonlarında şarjını alır. İsomerizasyon reaktöründe ise birçok reaksiyon gerçekleşir ve bu reaksiyonların mekanizması da şarj içeriğine göre değişmektedir. Bu çalışmada, modellemeyi gerçekleştirmek için kinetik yöntemler kullanmaktansa makine öğrenmesi kullanılmıştır ve böylelikle reaktör sıcaklığı ile beraber açıklayıcı değişkenler ile RON arasında modelleme kurulmuştur. RON'u tahmin etmek için birçok makine öğrenmesi algoritmasının performansını analiz ettik: Linear Regression, Decision Tree, Random Forest, XGBoost, Support Vector Regression, and KNN. Rafineride en sık kullanılan linear regression'la karşılaştırdığımızda ortalama mutlak hatada (MAE) 0.82 azalma gözlemledik. XGBoost modelimizin test datasındaki MAE'si ise 0.08 olarak bulduk. RON'u etkileyen üç temel kategoriden birini çıkardığımızda MAE'de ciddi artışlar tespit ettik. Örneğin sadece reaktör operasyonlarını kullansaydık, 0.23 MAE elde edebilecektik. Bulduğumuz modelle birlikte, daha yüksek RON elde bilecek sıcaklık değer önerileri elde ettik. Bunu, reaktör sıcaklık değişkeni dışındaki değişkenleri sabit tutup, reaktör sıcaklığına değerler deniyerek sağladık. Önerilen sıcaklık değerini validasyon datamızda kullandığımızda, ortalama 0.2 RON yükselme tespit edeceğimizi gördük. Bunun da yıllık geliri yaklaşık olarak 528 000 Dolardır.
Özet (Çeviri)
Refinery operations are always sensitive to optimization, and due to the increasingly adverse effects of COVID-19 on energy sectors, its importance had increased significantly. This thesis aims to analyze the reactor temperature that yields a higher RON (octane measurement) value in isomerate product by using all available information in the isomerate production network. The main explanatory variables that can affect the RON value can be divided into three categories: feed impurities, isomerization reactor operations, deizohexanizer column operations. Isomerate feed network is quite complex and fed by different crude distillation units, hydrocracker units, and MQD units. Various reactions occur in the isomerization reactors; and depending on the feed content the reaction mechanism changes. In this thesis, we apply machine learning algorithms to build a model that can capture the relationship between RON and reactor temperature with the other explanatory variables. We implemented a number of machine learning algorithms to assess their performance on the problem, specifically Linear Regression, Decision Tree, Random Forest, XGBoost, Support Vector Regression, and KNN. Comparing with the linear regression, we achieved 0.82 decrease in the mean absolute error. The mean absolute error of the XGBoost model is 0.08 RON. The error is significantly increased if we remove one of the three categories from the input space. For example, by using only the reactor operations variable, we could be able to achieve 0.23 MAPE. We find a temperature value with the selected model that yields a higher RON number by trying different temperature values while keeping the same values for the other variables. If we used the suggested temperature by our model, we predict that we could obtain a 0.2 RON increase in the validation zone resulting in annual profit increase of 528 000 USD Dollar.
Benzer Tezler
- Maximizing profit per unit time in cointegration based pairs trading
Birim zamandaki karı maksimuma ulaştıran eşbütünleşme bazlı eşli alım-satım metodu
DUYGU TUTAL
Yüksek Lisans
İngilizce
2014
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. SAVAŞ DAYANIK
- Bilgisayar destekli helisel yay tasarımı ve optimizasyonu
Computer aided design and optimization of helical spring
ERKAN DEVECİLER
Yüksek Lisans
Türkçe
2010
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EROL SOLMAZ
- Maximizing spaces in micro apartments: Perception of Turkish and Libyan people living in Ankara
Mikro dairelerde mekanların büyütülmesi: Ankara'da yaşayan Türklerin ve Libyalıların algısı
NEZAR MABROUK H SOUB
Yüksek Lisans
İngilizce
2017
İç Mimari ve DekorasyonÇankaya Üniversitesiİç Mimarlık Ana Bilim Dalı
YRD. DOÇ. DR. İPEK MEMİKOĞLU
- Maximizing energy generation of a cascade hydropower system
Kaskat barajlarda enerji üretiminin maksimizasyonu
VEHBİ KARAEREN
Yüksek Lisans
İngilizce
2014
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE BURCU ALTAN SAKARYA
- Maximizing the signal-to-noise ratio of diverging ultrasonic waves in multiple scattering, attenuating, and diffracting media
Çoklu saçılmalı, soğurmalı ve kırınımlı ortamlarda ıraksayan ultrasonik dalgaların sinyal gürültü oranının maksimizasyonu
YASİN KUMRU
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRETTİN KÖYMEN