This study presents a hybrid machine learning and mathematical programming framework for the sustainable synthesis of Carbon-Hydrogen-Oxygen Symbiosis Networks (CHOSYN), which promote the internal reuse of hydrocarbon-rich residuals across process units to enhance resource efficiency and reduce environmental impact in eco-industrial systems. A superstructure-based formulation is developed to represent all feasible interconnections between processing units, enabling a systematic exploration of network configurations. Artificial neural networks (ANN), trained on process simulation data, are employed as surrogate models to approximate the operational behaviour of complex unit operations. These surrogate models are seamlessly embedded within a superstructure-based optimization framework implemented via the Optimization and Machine Learning Toolkit (OMLT) and solved using Pyomo. A multi-objective optimization approach balances economic profitability and environmental performance. This study is the first to explicitly optimize internal recirculation, chemical species reuse, and operating conditions within the CHOSYN network, yielding an optimal configuration that demonstrates extensive inter-unit integration. Numerous material exchanges enable the internal reuse of hydrogen, light hydrocarbons, carbon oxides, water, and other valuable streams. Analysis further indicates that high-margin products such as dimethyl ether and propylene contribute significantly to profitability despite lower production volumes, highlighting strategic product selection in integrated networks. Overall, this study establishes a robust and versatile methodology for integrating data-driven models into process network design, offering a promising path toward greener and economically viable chemical manufacturing.
Las redes simbióticas de Carbono-Hidrógeno-Oxígeno (CHOSYN) pertenecen al último avance dentro del diseño sostenible de procesos químicos, cuyo principal propósito es el uso eficiente de recursos importantes tales como la masa y la energía. La Red CHOSYN es un concepto dentro de la ingeniería de procesos que obedece a la síntesis y diseño de complejos de transformación química altamente integrados a través de esquemas y formulaciones matemáticas de optimización. Mediante las Redes CHOSYN podemos identificar el manejo óptimo de recursos en parques Eco-Industriales totalmente integrados. Modelar matemáticamente complejos industriales de transformación química puede llegar a ser una tarea complicada debido a la complejidad de las operaciones y procesos unitarios desarrollados que regularmente conducen a problemas de optimización con la particularidad de ser altamente no convexos, por esta razón, en este proyecto de investigación se propone el desarrollo de un modelo híbrido general que permita implementar herramientas propias de la simulación modular secuencial en conjunto con estrategias de Machine Learning y programación matemática, con el propósito de usar modelos detallados de los procesos químicos, y que a su vez puedan ser integrados mediante algoritmos de optimización para la síntesis óptima de parques Eco-Industriales que en principio manejan en su operación diaria especies hidrocarbonadas. En base a lo anterior, en el presente trabajo se realizará el diseño y síntesis teórico de la configuración óptima para un complejo de transformación química que involucra en su operación diaria el manejo de especies provenientes de los hidrocarburos, empleando simuladores modulares secuenciales, herramientas de aprendizaje automático (Machine Learning) y algoritmos propios de la optimización determinista (Programación LP, NLP, MILP, MINLP), de esta manera el trabajo se circunscribe en el área computacional-experimental.
