Title روش نوين بهينه سازي واحد نم زدايي گاز طبيعي بر مبناي رد پاي كربن و آناليز 4E Type Thesis Keywords Natural Gas, Dehydration, Real-time optimization, Predictive control, Real Time LCA, Soft sensor network, Real time monitoring, Machine learning, Digital twin, Smart logic, 4E analysis Abstract صنعت گاز طبيعي با فشار فزاينده اي براي هماهنگي ميان تقاضاي رو به رشد انرژي و تعهدات سخت گيرانه اقليمي مواجه است، به ويژه كه دماي جهاني از آستانه 1.5 درجه سانتيگرادي توافق پاريس در سال 2023 فراتر رفته است. نم زدايي گاز طبيعي از طريق جذب نوساني دما (TSA) با استفاده از مولكولار سيوها يك فرايند حياتي اما انرژي بر است كه 15 تا 20 درصد از كل انرژي پالايشگاه را عمدتاً در طول عمليات احيا مصرف مي كند. واحدهاي نم زدايي سنتي بر اساس استراتژي هاي كنترلي ايستا و 30 ساله با سيكل هاي جذب 8 ساعته ثابت و زمان بندي احيا از پيش تعيين شده كار مي كنند كه منجر به اتلاف قابل توجه انرژي، تعويض زودرس برج ها و رويكردهاي بهينه سازي پراكنده مي شود؛ جايي كه بهبودهاي بهره وري انرژي اغلب كيفيت محصول يا عملكرد زيست محيطي را به خطر مي اندازد. اين رساله دكتري يك روش شناسي نوين براي بهينه سازي همزمان و بلادرنگ فرايند نم زدايي گاز طبيعي از طريق يك چارچوب يكپارچه حسگر نرم هوشمند سه لايه ارائه مي دهد. اين تحقيق يك مساله اساسي را مورد توجه قرار مي دهد: تقريباً 30 شاخص عملكردي حياتي ( شامل همه 15 دسته مياني زيست محيطي IMPACT 2002+، معيارهاي جامع انرژي و اگزرژي، و هزينه هاي اقتصادي ) كه با ابزارهاي تجاري قابل اندازه گيري مستقيم نيستند. براي غلبه بر اين محدوديت، يك معماري سلسله مراتبي حسگر نرم با استفاده از توليد داده مبتني بر شبيه سازي سيستماتيك، روش سطح پاسخ و روش هاي رياضي اعتبارسنجي شده كه پارامترهاي فرايندي قابل اندازه گيري (دما، فشار، دبي) را به توابع هدف غيرقابل اندازه گيري مرتبط مي سازد، توسعه يافته است. سطح بعدي، پلتفرم نرم افزاري تخصصي را يكپارچه مي كند: Aspen Adsim براي شبيه سازي دقيق فرايند جذب شامل ايزوترم هاي Extended Langmuir-Freundlich و سينتيك مقاومت توده اي؛ Aspen HYSYS با بسته خواص Peng-Robinson براي تحليل دقيق انرژي و اگزرژي؛ SimaPro با كاربرد روش IMPACT 2002+ براي ارزيابي چرخه حيات جامع؛ و Design-Expert براي كاوش كارآمد پارامتري عملياتي با كاهش در تعداد شبيه سازي نسبت به رويكردهاي فاكتوريل كامل. اين يكپارچه سازي براي نخستين بار، رديابي اثرات زيست محيطي دقيقه به دقيقه را همزمان با شرايط پوياي فرايند امكان پذير مي سازد و جايگزين ارزيابي هاي LCA ايستاي سنتي كه هفته ها تاخير داشتند، مي شود. Researchers Hamid Shafiei (Student) , Reza Azin (First primary advisor) , Mohamad Mohamadi-Baghmolaei (Advisor) , Shahriar Osfouri (Second primary advisor)