A Flexible Approach for Plant Layout Design Optimization Using Simulated Annealing Algorithm

국문 초록 (Abstract)

플랜트 배치는 주어진 제약 조건에서 장비의 최적 배치로 정의되며, 플랜트 배치 문제는 조합 최적화 문제입니다. 이러한 문제의 경우 일반적으로 여러 장비를 배치하는 최적의 해결책을 찾는 복잡하다. 플랜트 배치 설계는 광범위한 엔지니어링 전문 지식이 포함되며, 고려해야 할 가장 중요한 측면은 투자 및 운영 관련 비용문제이다. 특히 비용을 효율적이고 실행 가능한 플랜트 배치를 설계하는 것은 매우 중요하다. 플랜트 배치 설계에서 장비의 할당은 가장 중요한 고려 사항이며, 특이점은 공장 배치 설계에서 각 공장은 장비 배치에 대한 고유한 제약 조건과 요구 사항이 존재한다. 지금까지 플랜트 설계의 이전 연구에서는 특정 플랜트의 배치 제약 조건을 고려하는 플랜트 배치 설계 방법을 만드는 데 중점을 두었다. 하지만 이러한 방법은 배치 제약 조건이 다양한 다른 시나리오에서는 적용할 수 없는 문제가 있다. 플랜트 배치 설계의 두 가지 어려운 문제는 다음과 같이 요약된다. 첫째, 어려운 문제는 문제의 크기와 해결 공간에 관한 것이다. 문제 크기를 줄이고 합리적인 시간 내에 최적의 솔루션을 찾는 데 도움이 되는 데 제한된 검색 공간을 도입하는 만족스러운 접근 방식은 아직까지 존재하지 않는다. 둘째, 발전소 배치를 설계할 때 플랜트 설계 도구에 의해 생성되는 배치계획은 플랜트 설계자의 의도에 따라 변경될 수 없는 정적 접근 방식으로 최적 플랜트 배치 도면의 생성에 문제가 존재한다. 그 이유는 이전 연구에서는 플랜트 배치 설계 프레임워크가 동적으로 설계되지 않았기 때문에 다양한 배치 제약 조건을 갖는 최적의 플랜트 배치를 제공할 수 있는 능력이 제한되어왔다. 따라서 본 논문에서는 수정된 시뮬레이션 어닐링 알고리즘을 사용한 플랜트 레이아웃 설계 및 최적화를 위한 동적 프레임워크를 제안한다. 아울러 본 논문의 세부적인 연구 내용은 다음과 같이 요약할 수 있다. 첫째, 커뮤니티 탐지 알고리즘을 사용하여 조밀하게 연결된 장비를 클러스터링하여 문제를 더 작은 하위 문제로 분해한다. 또한 시퀀스-쌍 알고리즘(Sequence-Pair Algorithm)은 적절한 시간 내에 최적의 솔루션에 도달하기 위해 유한한 검색 공간을 도입하는 데 사용된다. 이 접근 방식은 도메인 전문가가 제공한 배치 제안을 기반으로 실행 중인 특정 설계 제약 조건을 통합할 수 있는 하이브리드 방식을 제공한다. 배치 작업은 대화형으로 이루어지며, 도메인 전문가 설계자는 시스템에서 제공하는 비용을 분석하여 배치를 변경할 수 있다. 둘째, 본 논문은 최적의 장비 배치를 위한 플랜트 레이아웃을 설계하기 위한 2단계 접근법을 제안한다: 첫 번째 단계는 블록 내 장비와 장비, 장비와 파이프 간의 연결성을 기반으로 직사각형 블록에 클러스터된 장비를 배치하는 것이다; 두 번째 단계에서는 유닛 내에서 블록 간 연결을 기반으로 최적의 블록 배치가 수행된다; 세 번째 단계에서 블록 내 배치는 장비와 블록 배치 간 최적화의 결합 효과에 도달하기 위해 한 번 더 최적화된다. 셋째, 적용 실험에는 실험데이터는 38개의 장비, 1,064개의 파이프 라인, 1,067개의 배관 연결로 구성된다. 데이터셋에는 컬럼, 드럼, 탱크, 교환기, 공기 냉각기, 펌프의 6가지 장비가 포함되었으며, 각 장비는 장비 번호, 위치, 직경, T-T, 길이, 넓이의 6가지 속성으로 표현된다. 본 논문에서는 실험 데이터의 모든 장비와 배관이 하나의 유닛(unit) 내에 설치된다고 가정한다. 실험 결과로 최적의 플랜트 배치 설계를 위해 제안된 동적 프레임워크는 파이프 비용(pipe cost, PC)과 재료 취급 비용(material handling cost, MHC)을 각각 최대 17%, 44% 절감하여 그 효과를 입증하였다. 결과적으로 제안된 플랜트 레이아웃 설계 및 최적화 접근 방식은 대규모 플랜트의 파이프 및 자재 처리 비용과 플랜트 개념설계 시간을 크게 줄일 수 있었다.

다국어 초록 (Multilingual Abstract)

The plant layout is defined as the optimal Placement of equipment under given constraints. The plant layout problems are combinatorial optimization problems. Sometimes for such problems, it can be challenging to come up with a timely solution that involves Placement of several equipment. The plant layout design involves extensive engineering expertise, and the most critical aspects to consider are the costs associated with investment and operations. Designing a plant layout that is cost-effective and practical to implement is crucial. The allocation of equipment in plant layout design has been overlooked despite numerous considerations. Each plant layout design has unique constraints and requirements for equipment placement. Previous research has focused on creating methods for designing plant layouts that consider the placement constraints of a specific plant. However, those methods cannot be applied in other scenarios with varying placement constraints. The two challenging issues in the plant layout design are as follows. The first challenging issue is regarding the size of the problem and solution space. No satisfactory approach has been proposed that reduces the problem size and introduces a finite search space which aids in finding the optimal solutions in a reasonable time. The second challenging issue is regarding the static approach followed in designing a plant layout. In the previous studies, plant layout design frameworks were not designed to be dynamic, which limited their ability to provide optimal plant layouts with varying placement constraints. Therefore, this paper proposes a dynamic framework for plant layout design and optimization using a modified simulated annealing algorithm. Our research contents can be summarized as follows. First, we divide the problem into smaller subproblems by clustering the densely connected equipment using a community detection algorithm. Additionally, a Sequence Pair algorithm is utilized to introduce a finite search space to reach the optimal solution in a reasonable time. This approach provides a hybrid way that can incorporate the specific design constraints on the run based on the placement suggestions provided by domain experts. The placement operation is made interactive, which enables the domain expert designer to change the placements by analyzing the cost provided by the system. Second, this paper proposes a two-phase approach to designing the plant layouts for optimal equipment placement. The first phase is the Placement of already clustered equipment in rectangular blocks based on intra-block connections. In the second phase, the optimal block placement is done based on inter-block connections. Third, intra-block placements are optimized one more time to reach the coupling effect of optimization between equipment and block placement. Our case study provides the data of a plant unit with 39 pieces of equipment, and their material connections. The dataset provides comprehensive details on six different types of equipment: column reactors, drums, tanks, exchangers, air coolers, and pumps, along with their respective dimensions. Additionally, it includes a detailed network of 1064 pipelines and 1067 pipe connections between equipment. The proposed dynamic framework for the optimal plant layout design proved its effectiveness by reducing pipe cost (PC) and material handling cost (MHC) by up to 17% and 44%, respectively. Consequently, our proposed approach for the plant layout design and optimization shall dramatically reduce the pipe and material handling costs in large-scale plants.

목차 (Table of Contents)

• Chapter 1 . Introduction 1
• 1.1. Research Background 1
• 1.2. Research Motivation 5
• 1.3. Research Objectives 8
• 1.4. Thesis Outline 10
• Chapter 2 . Related Work 12
• 2.1. Plant Layout Problem 13
• 2.2 Floor Space Representation 15
• 2.3. Problem Formulation 17
• 2.4. Solution Methodologies 18
• Chapter 3 . Research Methods and Material 21
• 3.1. Problem Description and Assumptions 24
• 3.2. Constraints and Objective Function 26
• 3.3. Experimental Dataset 28
• 3.4. Proposed Architecture for Layout Design 29
• 3.5. Community Detection Technique for Equipment Clustering 30
• 3.6. Sequence Pair algorithm for Equipment Placement 35
• 3.7. Modified Simulated Annealing Algorithm for the Optimized Placement of Equipment 39
• Chapter 4 . Experiment and Discussion 45
• 4.1. Experimental Setup 45
• 4.2. Result of Community Detection Algorithms for Equipment Clustering 46
• 4.3. Optimal equipment placement provided by our MSA algorithm based on intra-block connections 49
• 4.4. Results of optimal block placement in the plant layout based on inter-block connections. 53
• 4.5. Effect on Optimization Process by considering pumps midpoint as material exchange points. 54
• 4.6. Discussion 59
• Chapter 5 . Conclusion and Future Work 61
• 5.1 Research Limitations 62
• References 63
• Curriculum Vitae 70