Search

Aquest projecte té com a finalitat implementar una millora en el sistema de gestió informàtic integrat a l’empresa Hausmann, dedicada a la fabricació d’aromes i extractes alimentaris. Aquest programa incorpora sistemes de digitalització i optimització dels processos operatius. L’objectiu és reduir l’ús del paper i augmentar l’eficiència en les operacions. La implementació s’ha dut a terme en el departament de producció, on es digitalitzaran els registres d’envasat i de neteja de les màquines utilitzades en la fabricació dels productes. A més, s’incorporarà un sistema de planificació de la producció dels operaris, permetentlos la priorització de les fabricacions segons les necessitats, contribuint a una gestió més efectiva i sostenible dels recursos. Aquest projecte ha implicat, en primer lloc, un estudi exhaustiu de les dades extretes del programa, fent unes anàlisis detallades per a obtenir-ne informació significativa i així entendre els patrons i les tendències prevalents en el departament de producció. Un cop avaluades les necessitats i les habilitats existents a l’empresa, s’han identificat les àrees de millora potencial en el departament de producció i s’han dissenyat les pantalles de registres adequades, tenint en compte tota la informació requerida. Respecte als resultats aconseguits, destaquen la disminució de l’ús del paper, la millora en l’eficiència operativa, l‘agilització en els processos de traçabilitat dels productes i d’altres aspectes que s’han estudiat al llarg del treball. Per altra banda, també s’han analitzats els costos econòmics de les propostes per comprovar la seva viabilitat. No obstant això, un dels punts més rellevants segueix sent la cerca constant de millores contínues. En conclusió, aquest projecte representa un pas significatiu cap a la modernització dels sistemes de gestió de l’empresa, adaptant-se a la constant evolució dels processos productius, en un entorn on la busca de l’eficiència i la preservació del medi ambient són condicio

Un conjunt de suspensió és un component crític del xassís d'un vehicle que millora la comoditat de conducció i l'estabilitat aïllant el vehicle de les imperfeccions de la carretera. Actualment, el procés de disseny d'un conjunt de suspensió es duu a terme mitjançant eines de simulació per a reduir l'ús de prototips físics. No obstant això, l'ajust manual dels diferents paràmetres del conjunt de suspensió simulat implica un enfocament sistemàtic i que consumeix molt de temps, on els enginyers han de considerar molts factors i seleccionar els components adequats i la seva configuració geomètrica per a optimitzar la qualitat de la conducció i el maneig. Per aquestes raons, l'equip de simulació de dinàmica de vehicles de l'empresa " Applus IDIADA Automotive" ha desenvolupat recentment un algorisme d'optimització d’un únic objectiu, que proposa automatitzar el disseny una suspensió optimitzant una combinació de diferents mètriques que reflecteixen diversos indicadors del vehicle en carretera. El present projecte introdueix un model millorat d'optimització multiobjectiu, que s'acoblarà a una eina de simulació per a optimitzar el procés de disseny de suspensió. Aquest model incorpora un Multi-objective Optimization Evolutionary Algorithm (MOEA) que avalua les alternatives en funció dels resultats obtinguts a partir de les proves de simulació de cinemàtica i compliance (K&C) realitzades a través del programari ADAMS/Car. El MOEA específic utilitzat és el Non-dominated Sorting Genetic Algorithm II (NSGA-II), que és un MOEA popular basat en el principi de dominància per a aproximar el conjunt de solucions de Pareto òptimes. L'objectiu principal d'aquest treball consisteix a desenvolupar una eina capaç de determinar eficientment diferents configuracions que representin diversos compromisos entre les mètriques de rendiment i comparar els resultats obtinguts pels enfocaments tant de mico-objectiu com de multiobjectiu. L'enfocament proposat es prova en un conjunt de suspensió dav, Un conjunto de suspensión es un componente crítico del chasis de un vehículo que mejora la comodidad de conducción y la estabilidad al aislar el vehículo de las imperfecciones de la carretera. Actualmente, el proceso de diseño de un conjunto de suspensión se lleva a cabo mediante simulación para reducir el uso de prototipos físicos. Sin embargo, el ajuste manual de los diferentes parámetros del conjunto de suspensión simulado implica un enfoque sistemático y que consume mucho tiempo, donde los ingenieros deben considerar muchos factores y seleccionar los componentes adecuados y su configuración geométrica para optimizar la calidad de la conducción y el manejo. Por estas razones, el equipo de simulación de dinámica de vehículos de la empresa "Applus IDIADA Automotive" ha desarrollado recientemente un algoritmo de optimización mono-objetivo, que propone automatizar el diseño una suspensión optimizando una combinación de diferentes métricas que reflejan varios indicadores del vehículo en carretera. El presente proyecto introduce un modelo mejorado de optimización multiobjetivo, que se acoplará a una herramienta de simulación para optimizar el proceso de diseño de suspensión. Este modelo incorpora un Multi-objective Optimization Evolutionary Algorithm (MOEA) que evalúa las alternativas en función de los resultados obtenidos a partir de las pruebas de simulación de cinemática y compliance (K&C) realizadas a través del software ADAMS/Car. El MOEA específico utilizado es el Non- dominated Sorting Genetic Algorithm II (NSGA-II), que es un MOEA popular basado en el principio de dominancia para aproximar el conjunto de soluciones de Pareto óptimas. El objetivo principal de este trabajo consiste en desarrollar una herramienta capaz de determinar eficientemente diferentes configuraciones que representen varios compromisos entre las métricas de rendimiento y comparar los resultados obtenidos por los enfoques tanto de mono-objetivo como de multiobjetivo. El enfoque propuesto se p, A suspension assembly is a critical component in a vehicle's chassis that enhances ride comfort and stability by isolating the vehicle from road imperfections. Currently, the design process of a suspension assembly is carried out using simulation to reduce the use of physical prototypes. However, the manual tuning of the different parameters of the simulated suspension assembly involves a systematic and time-consuming approach, where engineers have to consider many factors and select the appropriate components and their geometric configuration, in order to optimise ride quality and handling. For these reasons, the vehicle dynamics simulation team of company “Applus IDIADA Automotive” has developed recently a single-objective optimization algorithm, which proposes automatically a suspension assembly design by optimizing a combination of different metrics that reflect several performance indicators of the system behaviour. The present project introduces an improved multi-objective optimization model, to be coupled with a simulation tool to optimise the suspension design process. This model incorporates a Multi-objective Optimization Evolutionary Algorithm (MOEA) that evaluates the alternatives based on the results obtained from the kinematics and compliance simulation test (K&C) performed through the software ADAMS/Car. The specific MOEA used is the Non-dominated Sorting Genetic Algorithm II (NSGA-II), which is a popular MOEA based on the dominance principle to approximate the set of Pareto-optimal solutions. The main objective of this work consists in developing a tool able to determine efficiently different configurations representing several trade-offs among the performance metrics and comparing the results obtained by the single-objective and multi-objective approaches. The proposed approach is tested on a double wishbone front suspension assembly. The main processes were implemented in Python. The solutions obtained confirm the soundness of the new model, which i

This project focuses on the creation of a high-performance warehouse that incorporates an automatic storage and retrieval system, designed specifically for a food products distribution plant. The main objective of this project is to address the logistical challenges faced by clad-rack automated warehouses, such as the need to optimize space, reduce operation times and guarantee the quality and safety of perishable products. To achieve this, an automatic palletizing system has been defined that allows the efficient organization of products on pallets, optimizing storage space and facilitating the handling and tracking of products throughout the supply chain. In this study, the key components of this system are analyzed in depth, including the structure of the warehouse itself, the pallet transport systems and the management software. It is investigated how these technologies can be effectively integrated into the distribution plant warehouse, ensuring smooth operation and efficient inventory management. Different configurations and palletizing strategies are explored to adapt to the specific needs of the plant and the food products it handles. The final results demonstrate a significant reduction in operating costs, greater efficiency in product handling, and improvement in distribution quality and accuracy. In addition, the positive impact on sustainability is highlighted, since automation leads to a reduction in waste and energy consumption. Outlining, this project provides a detailed guide for the design and implementation of warehouses with automatic storage and retrieval systems. The findings and recommendations presented here have the potential to transform the industry, improving the ability to store and distribute products more efficiently, economically and sustainably. This research provides a valuable roadmap for companies in the food sector and future projects, in general, that seek to improve their storage and distribution capacity effectively., Aquest projecte se centra en la creació d'un magatzem d'alt rendiment que incorpora un sistema de paletitzat automàtic, dissenyat específicament per a una planta de distribució de productes alimentaris. L'objectiu principal d'aquest projecte és abordar els desafiaments logístics que enfronten els magatzems automàtics autoportants, com la necessitat d'optimitzar l'espai, reduir els temps d'operació i garantir la qualitat i seguretat dels productes peribles. Per a aconseguir això, s'ha definit un sistema de paletitzat automàtic que permet l'organització eficient dels productes en paletes, optimitzant l'espai d'emmagatzematge i facilitant la manipulació i el seguiment dels productes al llarg de la cadena de subministrament. En aquest estudi, s'analitzen en profunditat els components clau d'aquest sistema, que inclouen l'estructura en si del mateix magatzem, els sistemes de transport de paletes i el programari de gestió. S'investiga com aquestes tecnologies poden integrar-se de manera efectiva en el magatzem de la planta de distribució, assegurant una operació sense problemes i una gestió eficient d'inventari. S'exploren diferents configuracions i estratègies de paletitzat per a adaptar-se a les necessitats específiques de la planta i els productes alimentaris que maneja. Els resultats finals demostren una reducció significativa en els costos operatius, una major eficiència en la manipulació de productes i una millora en la qualitat i precisió de la distribució. A més, es destaca l'impacte positiu en la sostenibilitat, ja que l'automatització comporta una reducció en els residus i el consum d'energia. En resum, aquest projecte proporciona una guia detallada per al disseny i implementació de magatzems amb sistemes de paletitzat automàtic. Les troballes i recomanacions aquí presentats tenen el potencial de transformar la indústria, millorant la capacitat d'emmagatzematge i distribució de productes de manera més eficient, econòmica i sostenible. Aquesta recerca proporciona, Este proyecto se centra en la creación de un almacén de alto rendimiento que incorpora un sistema de paletizado automático, diseñado específicamente para una planta de distribución de productos alimentarios. El objetivo principal de este proyecto es abordar los desafíos logísticos que enfrentan los almacenes automáticos autoportantes, como la necesidad de optimizar el espacio, reducir los tiempos de operación y garantizar la calidad y seguridad de los productos perecederos. Para lograr esto, se ha definido un sistema de paletizado automático que permite la organización eficiente de los productos en paletas, optimizando el espacio de almacenamiento y facilitando la manipulación y el seguimiento de los productos a lo largo de la cadena de suministro. En este estudio, se analizan en profundidad los componentes clave de este sistema, que incluyen la estructura en sí del mismo almacén, los sistemas de transporte de paletas y el software de gestión. Se investiga cómo estas tecnologías pueden integrarse de manera efectiva en el almacén de la planta de distribución, asegurando una operación sin problemas y una gestión eficiente de inventario. Se exploran diferentes configuraciones y estrategias de paletizado para adaptarse a las necesidades específicas de la planta y los productos alimentarios que maneja. Los resultados finales demuestran una reducción significativa en los costos operativos, una mayor eficiencia en la manipulación de productos y una mejora en la calidad y precisión de la distribución. Además, se destaca el impacto positivo en la sostenibilidad, ya que la automatización conlleva una reducción en los residuos y el consumo de energía. En resumen, este proyecto proporciona una guía detallada para el diseño e implementación de almacenes con sistemas de paletizado automático. Los hallazgos y recomendaciones aquí presentados tienen el potencial de transformar la industria, mejorando la capacidad de almacenamiento y distribución de productos de manera más eficiente, Objectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructura

It is recognized that many real-world problems can be interpreted and formulated as optimization problems. This feature has fostered the development of research studies aiming to design and implement efficient optimization methods, able to address the increasing complexity of the applications that are intended to be solved. These research studies have mostly followed two main axes., Peer Reviewed, Postprint (published version)

This work introduces a methodological framework for the design of realistic and sustainable hydrogen supply chains (HSCs). First, a mixed-integer non-linear mathematical model accounts for innovative features, such as power efficiencies, continuous sizing capacities, as well as the cost of the different energy feedstocks considered as time-varying parameters, intrinsically related to the learning rate. Also, emergent production technologies are accounted for, such as steam methane reforming with carbon capture, utilization and storage, alakaline electrolysis and proton exchange membrane water electrolysis. For the resulting bi-objective optimization problem, which aims at minimizing simultaneously the total daily costs and greenhouse gas emissions, an ad-hoc solution strategy based on bi-level decomposition and a matheuristic algorithm is developed. This methodology for the design of HSCs is applied to a case study in southern France, highlighting the robustness of the solution technique for determining efficiently an approximation of the Pareto frontier. A detailed analysis of some relevant solutions selected along the Pareto front provides deeper insights regarding the spatial, time-wise and technological deployment of the HSC, according to decision-makers preferences with respect to the economic and environmental criteria., Peer Reviewed, Objectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructura, Objectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructura::9.1 - Desenvolupar infraestructures fiables, sostenibles, resilients i de qualitat, incloent infraestructures regionals i transfrontereres, per tal de donar suport al desenvolupament econòmic i al benestar humà, amb especial atenció a l’accés assequible i equitatiu per a totes les persones, Objectius de Desenvolupament Sostenible::13 - Acció per al Clima, Objectius de Desenvolupament Sostenible::7 - Energia Assequible i No Contaminant, Postprint (author's final draft)

Stand-alone systems based on renewable energies have proven suitable for the electrification of rural areas. Generally, the design stage of such systems only considers economic efficiency, through a single-objective optimization approach minimizing the system cost for a given demand. However, when designing a system, distinct solutions covering different demands and thus with different costs should be obtained in order to allow the users to select the one that best fits their needs and budget. In this regard, a conflict arises between the minimization of the project cost (in order to implement economically sustainable facilities) and the maximization of the energy/power supply. This work introduces a strategy based on Multi-objective Optimization (MO), aiming to produce a comprehensive set of configurations that represent the best trade-off between the total cost of the system and the energy and power supplied to consumers. The process developed here first identifies a set of non-dominated solutions and, if necessary, prunes this set through mechanisms based on Evolutionary MO in order to produce a manageable number of efficient solutions. The working parameters and internal operators of this computational process were finely tuned and designed through the numerical comparison of several pruning techniques. The computational experiments performed for two real rural communities from Peru demonstrate the relevance of the proposed approach, which is able to provide a reduced number of solutions showing distinct features regarding the three objectives (cost and energy/power supplied), among which decision-makers can select more easily the one that most suits their particular needs or preferences., Peer Reviewed, Postprint (author's final draft)

Despite global progresses worldwide, many people living in rural areas still have no electricity. Autonomous generation systems based on renewable energy and microgrid distribution represent a viable alternative, but their design is complex. In a recent work, the design of electrification systems is tackled through a multi-objective optimization (MO) approach that simultaneously minimizes the system cost and maximizes the energy and power supplied to consumers. However, hundreds of non-dominated solutions may result from this MO process, hindering the subsequent task of decision-makers confused by too many alternative configurations. In this framework, this work proposes a computational tool based on e-dominance and cluster analysis to prune the set of non-dominated solutions to a manageable number. The numerical experiments highlight that, regardless the size of the community to be electrified, the proposed tool successfully determines a reduced number of diverse trade-off alternatives, among which decisionmakers are able to comprehensively select their preferred option., Peer Reviewed, Postprint (author's final draft)

This paper proposes a hybrid solution algorithm for the mixed-integer bi-level programming problem (MIBLP) as a mathematical model of the Stackelberg game with the novelty inclusion of multi-followers in competition. The solution strategy considers the MIBLP as a multi-parametric problem knowing that the feasible set of the lower level problem (LLP) of a bi-level programming problem (BLPP) is parametric in terms of the optimization variables of the upper level problem (ULP), under those circumstances is possible to solve each level with a different approach. To tackle the oligopoly (multi-player) competition in the LLP, a general static Cournot equilibrium model is proposed, with the particularities of non-differentiated product with asymmetric cost. The proposed hybrid algorithm implements Differential Evolution to solve the ULP while each feasible population member of each generation execute a MILP Solver to search for feasible LLP individuals sharing the market and looking to maximize their individual profit. The algorithm, which is a new method for the resolution of MIBLP, is illustrated through a modified numerical example from the literature adapted to Energy Markets. Competitive energy markets are the best way to keep prices as low as possible and create a climate that encourages economic growth, job creation and innovation. Demand and supply of energy are best determined through fair and competitive markets, meaning, well-designed competititve markets deliver better results than traditional monopoly markets. Until now, most of the Hydrogen Supply Chains (HSC) designs are treated as problems with single or multiple objectives without any hierarchical conflict, mainly in a centralized monopolic view point. Computational results prove the functionality of the proposed hybrid algoreithm on a ficticious HSC, the evidence highlights the impact between choosing a monopoly or an oligopoly production model., Peer Reviewed, Postprint (author's final draft)

Access to electricity for the rural and indigenous population of Ecuador’s Amazon Region (RAE) is considered a critical issue by the national authorities. The RAE is an isolated zone with communities scattered throughout the rainforest, where the expansion of the national grid is not a viable option. Therefore, autonomous electrification systems based on solar energy constitute an important solution, allowing the development of indigenous populations. This work proposes a tool for the design of stand-alone rural electrification systems based on photovoltaic technologies, including both microgrid or individual supply configurations. This tool is formulated as a Mixed Integer Linear Programming model including economic, technical and social aspects. This approach is used to design electrification systems (equipment location and sizing, microgrid configurations) in three real communities of the RAE. The results highlight the benefits of the developed tool and provide guidelines regarding RAE’s electrification., Peer Reviewed, Postprint (published version)

The present master thesis is based on the recently presented doctoral thesis of Dr. Victor Hugo Cantu Medrano, addressing multiobjective optimization problems in Process Engineering with several alternative resolution methods using Evolutionary Computation. In his thesis, a new algorithm to find the optimal design of the Hydrogen Supply Chain while minimizing economic costs and environmental impact is presented. For its resolution, the algorithm divides the problem into two subproblems or levels. The first level deals with the design of the HSC structure (sizing and location of the facilities). A second level that solves the subproblem corresponding to the operation of the supply chain (production and transportation). The technique used for its resolution is a hybridization of the MOEA SMS-EMOA, for the first level, with a linear programming solver that uses a scalarization function to address the two objectives considered in the second level. In this line, this master thesis consists of developing an extension of this same algorithm with the objective of taking advantage of all the information generated in the second level to increase its efficiency. To achieve this, the second level is executed several times for each execution of the first level, using each time a different vector of weights in the scalarization function. But this new logic implies the readaptation of the whole algorithm. First, the Hydrogen Supply Chain problem is presented and the technique for solving the original algorithm is discussed. Subsequently, the necessary modifications to the MOEA are presented in order to be able to apply the new approach to the algorithm. With the new algorithm implemented, a study is carried out for the definition of the weight vectors and different scalarization functions are studied to try to increase its efficiency. Finally, the results obtained with the new algorithm and those of the original algorithm are compared to determine whether the new version is capabl, Cette thèse de master est basée sur la thèse de doctorat récemment soutenue par Dr Víctor Hugo Cantú Medrano, dans laquelle il expérimente plusieurs méthodes de résolution alternatives à l'aide méthodes évolutionnaires pour résoudre les problèmes d'optimisation multiobjectifs dans le domaine du génie des procédés. Dans sa thèse, le Dr Cantú présente un nouvel algorithme permettant de trouver la conception optimale de la chaîne d'approvisionnement en hydrogène tout en minimisant les coûts économiques et l'impact environnemental. Pour sa résolution, l'algorithme divise le problème en deux sous-problèmes ou niveaux. Le premier niveau traite de la conception de la structure de la chaîne logistique hydrogène (dimensionnement et emplacement des installations). Un second niveau résout le sous-problème correspondant à l'exploitation de la chaîne logistique (production et transport). La technique utilisée pour sa résolution est une hybridation du MOEA SMS-EMOA, pour le premier niveau, avec un solveur de programmation linéaire qui utilise une fonction de scalarisation pour traiter les deux objectifs considérés dans le second niveau. Dans cette lignée, ce mémoire de master consiste à développer une extension de ce même algorithme avec l'objectif de tirer profit de toute l'information générée dans le deuxième niveau pour augmenter son efficacité. Pour ce faire, le second niveau est exécuté plusieurs fois pour chaque exécution du premier niveau, en utilisant à chaque fois un vecteur de poids différent dans la fonction de scalarisation. Mais cette nouvelle logique implique la réadaptation de l'ensemble de l'algorithme. Tout d'abord, le problème de la chaîne logistique hydrogène est présenté et la technique de résolution de l'algorithme original est discutée. Ensuite, les modifications nécessaires au MEOA sont présentées afin de pouvoir appliquer la nouvelle approche à l'algorithme. Avec le nouvel algorithme implémenté, une étude est réalisée pour la définition des vecteurs de poi, Este Trabajo Final de Master parte de la tesis doctoral recientemente presentada del doctor Víctor Hugo Cantú Medrano, donde se abordan problemas de optimización multiobjetivo en Ingeniería de Procesos experimentando con varios métodos de resolución alternativos haciendo uso de la Computación Evolutiva. En su tesis, el doctor Cantú presenta un nuevo algoritmo para encontrar el diseño óptimo de la Hydrogen Supply Chain minimizando los costes económicos y el impacto ambiental. Para su resolución, el algoritmo divide el problema en dos subproblemas o niveles. Un primer nivel que aborda el diseño de la estructura de la HSC (dimensionamiento y ubicación de las instalaciones). Un segundo nivel que resuelve el subproblema correspondiente a la operación de la cadena de suministro (producción y transporte). La técnica empleada para su resolución es una hibridación del MOEA SMS-EMOA, para el primer nivel, con un solver de programación lineal que utiliza una función de escalarización para tratar los dos objetivos considerados en el segundo nivel. En esta línea, este trabajo consiste en desarrollar una extensión de este mismo algoritmo con el objetivo de aprovechar toda la información que se genera en el segundo nivel para aumentar su eficiencia. Para lograrlo se ejecuta varias veces el segundo nivel por cada ejecución del primer nivel, utilizando cada vez un vector de pesos diferente en la función de escalarización. Pero esta nueva lógica implica la readaptación de todo el algoritmo. En primer lugar, se presenta el problema de la Hydrogen Supply Chain y se discute la técnica de resolución del algoritmo original. Posteriormente se presentan las modificaciones necesarias en el MOEA para poder aplicar el nuevo enfoque al algoritmo. Ya con el nuevo algoritmo implementado se realiza un estudio para la definición de los vectores de peso y se estudian diferentes funciones de escalarización para tratar de aumentar su eficiencia. Por último, se comparan los resultados obtenidos con el, Aquest Treball Final de Màster té el seu origen en la tesis doctoral recentment presentada del doctor Víctor Hugo Cantú Medrano, en la qual s’aboren problemes d’optimització multiobjectiu en enginyeria de processos, experimentant amb diversos mètodes de resolució alternatius fent ús de la Computació Evolutiva. En la seva tesis, el doctor Cantú presenta un nou algorisme per a trobar el disseny òptim de la Hydrogen Supply Chain minimitzant els costos econòmics i l’impacte ambiental. Per a la seva resolució, l’algoritme divideix el problema en dos subproblemes o nivells. Un primer nivell aborda el disseny de l’estructura.de la HSC (dimensionament i ubicació de les instal·lacions). Un segon nivell resol el subproblema corresponent a l’operació de la cadena de subministrament (producció i transport). La tècnica empleada per a la seva resolució és una hibridació del MOEA SMS-EMOA, per al primer nivell amb un solver de programació lineal que utilitza una funció d’escalarització per a tractar els dos objectius considerats en el segon nivell. En aquesta línia, aquest treball consisteix a desenvolupar una extensió d’aquest mateix algorisme amb l’objectiu d’aprofitar tota la informació que es genera en el segon nivell per a augmentar la seva eficiència. Per a aconseguir-ho s’executa diverses vegades el segon nivell per cada execució del primer nivell, utilitzant cada vegada un vector de pesos diferent en la funció d’escalarització. Però aquesta nova lògica implica la readaptació de tot l’algorisme. En primer lloc, es presenta el problema de la Hydrogen Supply Chain i es discuteix la tècnica de resolució de l’algorisme original. Posteriorment es presenten les modificacions necessàries en el MOEA per a poder aplicar el nou enfocament a l’algorisme. Ja amb el nou algorisme implementat es realitza un estudi per a la definició dels vectors de pes i s’estudien diferents funcions d’escalarització per a tractar d’augmentar la seva eficiència. Ja amb el nou algorisme implementat es rea, Objectius de Desenvolupament Sostenible::7 - Energia Assequible i No Contaminant::7.3 - Per a 2030, duplicar la taxa mundial de millora de l’eficiència energètica

In this chapter, we study the effect of repairing infeasible solutions using the gradient information for solving constrained multiobjective problems (CMOPs) with multiobjective evolutionary algorithms (MOEAs). For this purpose, the gradient-based repair method is embedded in six classical constraint-handling techniques: constraint dominance principle, adaptive threshold penalty function (ATP), C-MOEA/D, stochastic ranking, e-constrained and improved e-constrained. The test functions used include classical problems with inequality constraints (CFs and LIRCMOPs functions) as well as six recent problems with equality constraints. The obtained results show that the gradient information coupled with a classical technique is not computationally prohibitive and can make the given classical technique much more robust. Moreover, in highly constrained problems, like those involving equality constraints, the use of the gradient for repairing solutions may not only be useful but also necessary in order to obtain a good approximation of the true Pareto front., Peer Reviewed, Postprint (author's final draft)

A wide range of process systems engineering problems involve an optimisation formulation that is difficult to solve due to sources of discontinuity and non-convexity and a high number of constraints to satisfy. Differential Evolution algorithm (DE) has proven to be robust for the solution of highly non-convex and mixed-integer problems; nevertheless, its performance greatly depends on the constraint-handling technique used. In this study, numerical comparisons of some state-of-the-art constraint-handling techniques are performed: static penalty function, stochastic ranking, feasibility rules, constrained method and gradient-based repair. The obtained results show that the gradient-based repair technique deserves a special attention when solving highly constrained problems. This technique enables to efficiently satisfy both inequality and equality constraints, which makes it particularly adapted for the solution of process engineering optimization problems., Peer Reviewed, Postprint (author's final draft)

This work introduces an efficient tool for the design of sustainable hydrogen supply chains (HSCs), considering both economic and environmental concerns, through an appropriate multi-objective strategy. The original problem, being formulated as a bi-objective mixed-integer linear programming (MILP) problem, takes into consideration the availability of different energy sources, the installation and operation of hydrogen facilities of different sizes and technologies, and the transportation of hydrogen from production units to storage facilities. The area of study is divided into grids which have a specific hydrogen demand that evolves over time, thus a multi-period model of the HSC is considered. In order to overcome the computational burden associated to the solution of large size instances of the resulting problem, we proposed a solution strategy consisting of a hybrid algorithm. The original problem is reformulated into a bi-level optimization problem: the upper level (discrete problem) consists of finding the optimal location for production plants and storage facilities, whereas the lower level (continuous problem) minimizes their corresponding costs associated to transportation and facility operation. A multi-objective evolutionary algorithm is employed for the solution of the bi-objective upper level, whereas the bi-objective lower level is decomposed using a scalarizing function, which is then solved using a linear programming solver. The proposed methodology is validated through the comparison of the true Pareto fronts given by CPLEX with -constraint method, for six increasing size instances. Numerical results prove that the proposed hybrid approach produces an accurate approximation of the Pareto-optimal fronts, more efficiently than the exact solution approach., Peer Reviewed, Postprint (author's final draft)

Evolutionary algorithms (EAs) have been with us for several decades and are highly popular given that they have proved competitive in the face of challenging problems’ features such as deceptiveness, multiple local optima, among other characteristics. However, it is necessary to define multiple hyper-parameter values to have a working EA, which is a drawback for many practitioners. In the case of genetic programming (GP), an EA for the evolution of models and programs, hyper-parameter optimization has been extensively studied only recently. This work builds on recent findings and explores the hyper-parameter space of a specific GP system called neat-GP that controls model size. This is conducted using two large sets of symbolic regression benchmark problems to evaluate system performance, while hyper-parameter optimization is carried out using three variants of the iterated F-Race algorithm, for the first time applied to GP. From all the automatic parametrizations produced by optimization process, several findings are drawn. Automatic parametrizations do not outperform the manual configuration in many cases, and overall, the differences are not substantial in terms of testing error. Moreover, finding parametrizations that produce highly accurate models that are also compact is not trivially done, at least if the hyper-parameter optimization process (F-Race) is only guided by predictive error. This work is intended to foster more research and scrutiny of hyper-parameters in EAs, in general, and GP, in particular., Peer Reviewed, Postprint (author's final draft)