The present work emphasizes the development of a generic methodology that addresses the core issue of any running chemical plant, i.e., how to maintain a delicate balance between profit and environmental impact. Here, an ethylene oxide (EO) production plant has been taken as a case study. The production of EO takes place in a multiphase catalytic reactor, the reliable first principle-based model of which is still not available in the literature. Artificial neural network (ANN) was therefore applied to develop a data-driven model of the complex reactor with the help of actual industrial data. The model successfully built up a correlation between the catalyst selectivity and temperature with other operational parameters. A hybrid multi-objective metaheuristic optimization technique, namely ANN-multi-objective genetic algorithm (MOGA) algorithm was used to develop a Pareto diagram of selectivity versus reactor temperature. The Pareto diagram will help the plant engineers to make a strategy on what operating conditions to be maintained to make a delicate balance between profit and environmental impact. It was also found that by applying this hybrid ANN-MOGA modeling and optimization technique, for a 720 KTA ethylene glycol plant, approximately 32,345 ton/year of carbon-di-oxide emission into the atmosphere can be reduced. Along with the reduction of environmental impact, this hybrid approach enables the plant to reduce raw material cost of nine million USD per annum simultaneously.

中文翻译：

---

通过人工智能方法提高商业环氧乙烷反应器的性能

目前的工作强调开发一种通用方法，以解决任何正在运行的化工厂的核心问题，即如何在利润和环境影响之间保持微妙的平衡。此处以环氧乙烷 (EO) 生产厂为例进行研究。EO 的生产发生在多相催化反应器中，可靠的基于第一原理的模型在文献中仍然不可用。因此，人工神经网络 (ANN) 被应用于在实际工业数据的帮助下开发复杂反应堆的数据驱动模型。该模型成功地建立了催化剂选择性和温度与其他操作参数之间的相关性。一种混合多目标元启发式优化技术，即 ANN 多目标遗传算法 (MOGA) 算法用于开发选择性与反应器温度的帕累托图。帕累托图将帮助工厂工程师制定关于要维持哪些操作条件的策略，以在利润和环境影响之间取得微妙的平衡。还发现，通过应用这种混合 ANN-MOGA 建模和优化技术，对于 720 KTA 乙二醇工厂，可以减少大约 32,345 吨/年的二氧化碳排放到大气中。除了减少对环境的影响外，这种混合方法还使工厂能够同时降低每年 900 万美元的原材料成本。帕累托图将帮助工厂工程师制定关于要维持哪些操作条件的策略，以在利润和环境影响之间取得微妙的平衡。还发现，通过应用这种混合 ANN-MOGA 建模和优化技术，对于 720 KTA 乙二醇工厂，可以减少大约 32,345 吨/年的二氧化碳排放到大气中。除了减少对环境的影响外，这种混合方法还使工厂能够同时降低每年 900 万美元的原材料成本。帕累托图将帮助工厂工程师制定关于要维持哪些操作条件的策略，以在利润和环境影响之间取得微妙的平衡。还发现，通过应用这种混合 ANN-MOGA 建模和优化技术，对于 720 KTA 乙二醇工厂，可以减少大约 32,345 吨/年的二氧化碳排放到大气中。除了减少对环境的影响外，这种混合方法还使工厂能够同时降低每年 900 万美元的原材料成本。每年可减少 345 吨二氧化碳排放到大气中。除了减少对环境的影响外，这种混合方法还使工厂能够同时降低每年 900 万美元的原材料成本。每年可减少 345 吨二氧化碳排放到大气中。除了减少对环境的影响外，这种混合方法还使工厂能够同时降低每年 900 万美元的原材料成本。