As metodologias para a síntese de processos, baseadas em otimização de superestruturas, mostram-se mais poderosas do que as baseadas no projeto em heuríticas, já que levam em consideração as inúmeras possibilidades de construção do processo. É pratica comum a utilização de modelos simplificados (como modelos de rendimento), na representação dos equipamentos dentro destas superestruturas, uma vez que a utilização de modelos fenomenológicos tornar-se-ia inviável, devido aos tempos computacionais e à dificuldade técnica de se programar os módulos e propriedades termodinâmicas de um simulador comercial, dentro de uma plataforma de otimização como o GAMS. Modelos com alta precisão, que não requerem grandes tempos computacionais, reduzidos ou de superfície de resposta, aproximam modelos fenomenológicos e podem ser introduzidos em problemas de síntese, obtendo soluções mais precisas. Neste trabalho, foram construídos modelos reduzidos para dois processos comumente encontrados em sistemas de tratamento de efluentes de refinarias de petróleo: uma torre de resfriamento e um stripper de vapor. Os dados utilizados para a correlação dos modelos reduzidos foram gerados, através da simulação de modelos semi-fenomenológicos ou fenomenológicos destes equipamentos. É proposta uma metodologia original para gerar modelos reduzidos, que diferentemente dos trabalhos anteriores em que se utilizam modelos reduzidos tipo caixa preta, emprega-se um modelo reduzido tipo caixa cinza para a representação da coluna de stripper, o que aumenta a capacidade de correlação do modelo ao conjunto de dados, resultando em menores erros de predição. Dois tipos clássicos de modelos reduzidos foram utilizados dentro dos modelos caixa-cinza: um modelo baseado em redes neurais e um modelo polinomial. Ambos mostraram-se capazes de representar o modelo fenomenológico com pequenos erros e permitindo resolver o problema de síntese em um tempo computacional razoável (da ordem de 10 segundos). Nota-se também que são obtidas várias soluções ótimas locais que diferem ligeiramente de acordo com a abordagem utilizada, mas que qualitativamente correspondem a um mesmo conjunto de soluções.

The superstructure optimization-based methodologies for process synthesis can be more powerful than the heuristic based methodologies, because they cope the many possibilities in order to design the process. It is common practice to use simplified models (efficiency-based models), in the representation of equipment in the superstructures, because the use of phenomenological models would be unfeasible due the high computational time and the technical difficulties in order to program module and thermodynamics properties packages of commercial simulators, into an optimization platform as GAMS. High accuracy models, which do not require large computational time, can be obtained using different types of surrogate or response surface, approximate phenomenological models of the system and can be introduced into the synthesis problems, leading to more precise solutions. In this work, surrogate models were built for two processes usually found in water treatment networks in petroleum refineries: a cooling tower and a steam stripper. The data sets used for fitting the surrogate model were generated by the semi-phenomenological or the first principles model of those equipment. An original methodology for generating surrogate model is proposed that differently of previous works (which make use of black box surrogate models) uses gray box models to represents de stripper column. This approach improves the correlation capacity of the surrogate model to the set data and reduces the prediction errors. Finally, two classic surrogate models were used inside the gray-box models: a neural network based model and a polynomial model. The results showed that both are able to represent the phenomenological model with small errors to solve the synthesis problem in a short computational time (which not exceed in a magnitude of 10 seconds). It is noticed also that many local solutions are obtained, these differ slightly depending on the approach used, but qualitatively represent the same set of solutions.