Συντάχθηκε 12-06-2026 18:56
Τόπος: Δ3 - Κτίριο ΜΠΔ
Έναρξη: 18/06/2026 11:00
Λήξη: 18/06/2026 12:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Παραγωγής και Διοίκησης
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ημερομηνία: Πέμπτη, 18 Ιουνίου 2026, 11:00
Αίθουσα: Χώρος εργαστηρίου INDIGO
Ονοματεπώνυμο: ΣΤΑΥΡΙΔΟΥ ΕΙΡΗΝΗ
Θέμα: Προσομοίωση της αντίστροφης ώσμωσης σε εργαστηριακή κλίμακα με τα μαθηματικά μοντέλα Solution Diffusion και Solution Diffusion Imperfection
Title: Simulation of reverse osmosis on a laboratory scale with the use of the mathematical models Solution Diffusion and Solution Diffusion Imperfection.
Εξεταστική Επιτροπή
- ΑΡΑΜΠΑΤΖΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
- ΚΟΝΣΟΛΑΚΗΣ ΜΙΧΑΗΛ, Καθηγητής
- ΔΙΑΓΓΕΛΑΚΗΣ ΝΙΚΟΛΑΟΣ, Επίκουρος Καθηγητής
Περίληψη
Η ανάπτυξη και υιοθέτηση ψηφιακών εργαλείων στον βιομηχανικό τομέα αποτελεί ζήτημα μείζονος σημασίας για τη βελτιστοποίηση των βιομηχανικών διεργασιών. Συγκεκριμένα, η πρόβλεψη της απόδοσης των συστημάτων αντίστροφης ώσμωσης είναι απαραίτητη για την αξιολόγηση της συμπεριφοράς τους. Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η προσομοίωση συστήματος αντίστροφης ώσμωσης σε πιλοτικήεργαστηριακή κλίμακα με τη χρήση των μαθηματικών μοντέλων Solution Diffusion (SD) και Solution Diffusion Imperfection (SDI) για την αξιολόγηση και σύγκριση της ικανότητάς τους να προβλέψουν τη συγκέντρωση του διηθήματος. Για την ανάπτυξη του μοντέλου, την δημιουργία της προσομοίωσης καθώς και τον εντοπισμό των παραμέτρων που επηρεάζουν ένα σύστημα αντίστροφης ώσμωσης, όπως η σύσταση και ο ρυθμός ροής του νερού τροφοδοσίας πραγματοποιήθηκε βιβλιογραφική ανασκόπηση. Η προσομοίωση υλοποιήθηκε σε Python και η λειτουργία της επαληθεύτηκε αντλώντας δεδομένα από μια πραγματική διάταξη αντίστροφης ώσμωσης που εφαρμόστηκε σε μια βιομηχανική μονάδα παραγωγής απιονισμένου νερού στα πλαίσια του έργου AquaSPICE. Το μη προσαρμοσμένο μοντέλο SD, το οποίο χρησιμοποιούσε συντελεστές που υπολογίστηκαν από δεδομένα του κατασκευαστή της μεμβράνης, παρουσίασε μέσο όρο σφάλματος της τάξεως του 83.36%, αποδεικνύοντας ότι η χρήση συντελεστών που προέρχονται από δεδομένα κατασκευαστή δεν επαρκούν για την ακριβή πρόβλεψη της συγκέντρωσης του διηθήματος. Μετά τη προσαρμογή των συντελεστών διαπερατότητας νερού και διαλυμένης ουσίας με την χρήση πειραματικών δεδομένων, ο μέσος όρος σφάλματος του μοντέλου SD μειώθηκε στο 46.51%, επιβεβαιώνοντας την υπόθεση ότι η προσαρμογή των συντελεστών είναι απαραίτητη για την προσομοίωση συστημάτων αντίστροφης ώσμωσης με ακρίβεια. Η χρήση του μοντέλου SDI, το οποίο περιλαμβάνει έναν επιπλέον συντελεστή σύζευξης (K) για την περιγραφή της μεταφοράς διαλύτη και διαλυμένης ουσίας μέσα από τις ατέλειες της μεμβράνης, δεν βελτίωσε την ακρίβεια πρόβλεψης καθώς ο μηχανισμός μεταφοράς μέσω διάχυσης κυριαρχούσε υπό τις εξεταζόμενες συνθήκες. Παρά τη βελτίωση της ακρίβειας, το μοντέλο υπερεκτιμούσε διαρκώς την ποιότητα του διηθήματος. Αυτή η ανακρίβεια αποδόθηκε στις επιπτώσεις της ρύπανσης της μεμβράνης λόγω σχηματισμού επικαθήμενου στρώματος στην επιφάνεια της, το οποίο ενισχύει τις επιπτώσεις του φαινομένου πόλωσης συγκέντρωσης (cake-enhanced concentration polarization). Αυτό το φαινόμενο δεν αποτυπώθηκε πλήρως από τα μοντέλα παρά την ενσωμάτωση των εξισώσεων πόλωσης συγκέντρωσης. Συνοψίζοντας, το μοντέλο SD παρουσίασε περιορισμένη ακρίβεια στην πρόβλεψη της πυκνότητας του διηθήματος λόγω των επιπτώσεων της ρύπανσης της μεμβράνης, ενώ το μοντέλο SDI απέτυχε να βελτιώσει την ακρίβεια, επιβεβαιώνοντας ότι η μεταφορά διαλύτη και διαλυμένης ουσίας μέσω διάχυσης κυριαρχούσε έναντι της μεταγωγικής μεταφοράς μέσω ατελειών της μεμβράνης.
Abstract
The development and adoption of digital tools in the industrial sector is of major importance for process monitoring, simulation and optimization. Predicting the performance of reverse osmosis (RO) systems is useful and necessary for their performance assessment. The objective of this thesis was to simulate a RO process on a laboratory scale using the mathematical models of Solution Diffusion (SD) and Solution Diffusion Imperfection (SDI) in order to evaluate and compare the ability of the two models to predict permeate concentration. In the context of the thesis, a literature review was conducted for the development and simulation of the models and in order to find the parameters that affect RO process, such as the composition and flow rate of the feed solution. The simulation was implemented in Python and validated using data from a real industrial RO application in a demineralization plant within the context of the AquaSPICE project. The uncalibrated SD model, using coefficients that were back-calculated from manufacturer data, produced mean relative errors of 83.36%, demonstrating that coefficients derived from manufacturer data alone are insufficient for accurate permeate concentration prediction. Following calibration of the water and solute permeability coefficients using experimental data, the mean relative error for the SD model dropped to 46.51%, confirming that calibration is essential for reliable simulation of permeate concentration results. The SDI model, which included an additional coupling coefficient to account for convective solute and solvent transport through membrane imperfections provided no measurable improvement in predictive accuracy, as the diffusive transport mechanism dominated under the examined conditions. Despite the improvement in accuracy, the model consistently overpredicted permeate quality. This inaccuracy was attributed to the effects of membrane fouling, namely the effects of cake-enhanced concentration polarization which was present in the case study, that the models could not fully capture despite incorporating concentration polarization. In summary, the SD model showed limited predictive accuracy for the RO pilot due to the effects of membrane fouling, while the SDI model failed to improve accuracy, confirming that diffusive transport dominated over convective transport through membrane imperfections.
