Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1...
Transcript of Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1...
![Page 1: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/1.jpg)
Optimización de ProcesosOptimización de Procesos
Vicente Rico RamírezVicente Rico RamírezDepartamento de Departamento de
Ingeniería QuímicaIngeniería QuímicaInstituto Tecnológico de Instituto Tecnológico de
CelayaCelaya
![Page 2: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/2.jpg)
Índice de ContenidoÍndice de Contenido1 Introducci1 Introduccióónn
1.1 La Ingenier1.1 La Ingenieríía de Procesosa de Procesos1.2 Modelaci1.2 Modelacióón y Grados de Libertadn y Grados de Libertad1.3 Representaci1.3 Representacióón Matemn Matemáática Generalizada de un Problema de Optimizacitica Generalizada de un Problema de Optimizacióónn1.4 Tipos de Problemas de Optimizaci1.4 Tipos de Problemas de Optimizacióónn1.5 Regi1.5 Regióón Factiblen Factible1.6 Convexidad1.6 Convexidad
2. T2. Téécnicas de Optimizacicnicas de Optimizacióónn2.1 Programaci2.1 Programacióón Lineal: Mn Lineal: Méétodo todo SimplexSimplex2.2 Programaci2.2 Programacióón No Linealn No Lineal
2.2.1 Optimizaci2.2.1 Optimizacióón sin restriccionesn sin restricciones2.2.2 Optimizaci2.2.2 Optimizacióón con Restricciones de Igualdadn con Restricciones de Igualdad2.2.3 Optimizaci2.2.3 Optimizacióón con Restricciones de Desigualdadn con Restricciones de Desigualdad
2.3 La Programaci2.3 La Programacióón Mixtan Mixta--Entera en el DiseEntera en el Diseñño de Procesoso de Procesos2.4 Programaci2.4 Programacióón Mixta Entera Lineal: Mn Mixta Entera Lineal: Méétodo de todo de ““Branch and BoundBranch and Bound””2.5 Programaci2.5 Programacióón Mixtan Mixta--Entera No Lineal: MEntera No Lineal: Méétodo todo ““Outer ApproximationOuter Approximation””
3. El Ambiente de Modelaci3. El Ambiente de Modelacióón GAMS y sus Resolvedoresn GAMS y sus Resolvedores
![Page 3: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/3.jpg)
Índice de ContenidoÍndice de Contenido4. Aplicaciones en Ingenier4. Aplicaciones en Ingenieríía Qua Quíímicamica
5. Introducci5. Introduccióón a la Optimizacin a la Optimizacióón Bajo Incertidumbren Bajo Incertidumbre5.1 Tipos de Problemas de Programaci5.1 Tipos de Problemas de Programacióón Estocn Estocáásticastica5.2 El M5.2 El Méétodo de Descomposicitodo de Descomposicióón Estocn Estocáásticastica
6. Introducci6. Introduccióón a la Optimizacin a la Optimizacióón n MultiobjetivoMultiobjetivo6.1 M6.1 Méétodos de Solucitodos de Solucióónn
7. Control 7. Control ÓÓptimo y Optimizaciptimo y Optimizacióón Dinn Dináámicamica7.1 El Principio del M7.1 El Principio del Mááximoximo7.2 Programaci7.2 Programacióón Dinn Dináámicamica7.3 Programaci7.3 Programacióón Dinn Dináámica Estocmica Estocáásticastica
![Page 4: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/4.jpg)
3 Etapas en la Ingeniería de Procesos 3 Etapas en la Ingeniería de Procesos ””Process Systems EngineeringProcess Systems Engineering””
•• Síntesis (o Diseño)Síntesis (o Diseño)
•• Simulación (o Análisis)Simulación (o Análisis)
•• OptimizaciónOptimización
![Page 5: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/5.jpg)
Síntesis (o Diseño ) de ProcesosSíntesis (o Diseño ) de Procesos
Materia Prima
(condiciones iniciales)
Productos Bajo
Especificación
Determinación de la Estructura del ProcesoEstructura del Procesopara realizar la transformación deseada
![Page 6: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/6.jpg)
Análisis (o Simulación ) de ProcesosAnálisis (o Simulación ) de Procesos
Dadas las condiciones de entrada y la estructura del proceso, determinar las variables de salidavariables de salida
Materia Prima
(condiciones iniciales)
Productos Bajo
Especificación
![Page 7: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/7.jpg)
Optimización de ProcesosOptimización de Procesos
Definir una función objetivofunción objetivo y determinar los mejores valores de lasmejores valores de las variables de diseñovariables de diseño
D, Pureza
Alimentación
Minimizar CostoMinimizar Costo
N=?N=?
R=?R=?
P=?P=?
![Page 8: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/8.jpg)
Interacción entre Etapas de la Ingeniería de Interacción entre Etapas de la Ingeniería de ProcesosProcesos
La optimizaciónoptimización requiere de la solución de problemas de simulaciónsimulación en cada iteraciónLa optimizaciónoptimización es una herramienta imprescindible en el diseñodiseño de un proceso
DiseñoDiseño
SimulaciónSimulación
OptimizaciónOptimización
![Page 9: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/9.jpg)
Introducción: Algunos Conceptos Introducción: Algunos Conceptos en la Optimización de Procesosen la Optimización de Procesos
![Page 10: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/10.jpg)
Representación Matemática de la FisicoquímicaRepresentación Matemática de la Fisicoquímicadel proceso:del proceso:
Previo a la Optimización: Previo a la Optimización: ModelaciónModelación
Balances de MasaBalances de EnergíaRelaciones TermodinámicasEcuaciones de DiseñoBalances de MomentumRestricciones Particulares
Sistema de Sistema de Ecuaciones Ecuaciones No LinealesNo Lineales
![Page 11: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/11.jpg)
Análisis de Grados de LibertadAnálisis de Grados de Libertad
Para un sistema de M EcuacionesM Ecuaciones y N VariablesN Variables, el número de grados de libertad, FF, está dado por:
F = N F = N -- MMTres casos:
F = 0 El sistema tiene solución UNICAUNICAF F > > 11 El sistema puede OPTIMIZARSEOPTIMIZARSEF < 0 El sistema está sobre especificado:
MODELO INCORRECTOMODELO INCORRECTO
![Page 12: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/12.jpg)
Simulación u Optimización?Simulación u Optimización?Grados de Libertad
F = Número de Variables – Número de EcuacionesF = N - M
Simulación ó AnálisisF=0
El sistema debe ser consistente
OptimizaciónF>1
Función Objetivo: Maximizarutilidades, Minimizar costos, etc.
Función ObjetivoFunción Objetivo: obtención de diseños obtención de diseños óptimosóptimos
![Page 13: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/13.jpg)
Simulación u Optimización?Simulación u Optimización?
0,3
2
21
21
21
≥=
=+
xxxx
xx0,2
21
21
≥=+
xxxx
022 =−=F112 =−=F
21min xx −Solución únicaSolución única
SimulaciónSimulación
Soluciones posibles:Soluciones posibles:
Función objetivo
MM
05.0
12
25.1
10
21 xx
5.05.1
2
1
==
xx
Solución óptimaSolución óptima
OptimizaciónOptimización
![Page 14: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/14.jpg)
M = 900 N = 1000M = 900 N = 1000
¿ Como seleccionar 100 Variables de Diseño ?
Matriz de Incidencia
f1f2f3
x1 x2 x3 x4
XX XX X X
Selección de Variables de DiseñoSelección de Variables de Diseño
( ) 01053
02)ln(
433
23
422
11
=−+−==−−==−=
xxxfxxf
xf
![Page 15: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/15.jpg)
Variable de Diseño: Cualquiera de xVariable de Diseño: Cualquiera de x22, x, x33 y xy x44
f1f2f3
x1 x2 x3 x4
XX XX X X
Trayectorias de Trayectorias de StewardSteward
![Page 16: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/16.jpg)
• Variables DiscretasDiscretas y ContinuasContinuas• Restricciones (Ecuaciones, Desigualdades)
LinealesLineales y No LinealesNo Lineales
Representación Matemática del Representación Matemática del Problema de OptimizaciónProblema de Optimización
1,0,0),(0),(..
),(min
∈∈≤=
yRxyxgyxhts
yxf
n
![Page 17: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/17.jpg)
1,0,0),(0),(..
),(min
∈∈≤=
yRxyxgyxhts
yxf
n
Minimizar CostosMaximizar Utilidades
Balances de Materia, Energía,Relaciones de Equilibrio, etc.
Decisiones discretas:¿ Equipo Existe ?
Temperatura,Presión, etc.
Límites:0< Comp <1
El Modelo MatemáticoEl Modelo Matemático
![Page 18: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/18.jpg)
¿ Restricción Lineal o No Lineal ?¿ Restricción Lineal o No Lineal ?
¿ Variable Continua o Discreta ?¿ Variable Continua o Discreta ?
132 =+ yx
13 =+ yyx ( ) 1ln2 =+ yx
200 K < Temperatura < 500 KT = 253.75 KT = 493.68 K
yy=0 y=1
EquipoNo Existe
EquipoExiste
![Page 19: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/19.jpg)
Clasificación de Técnicas de OptimizaciónClasificación de Técnicas de Optimización
Tipos de VariablesTipos de Variables
Enteras Continuas Enteras+Continuas
Tipos de RestriccionesTipos de Restricciones
ProgramaciónLinealLineal
ProgramaciónNo LinealNo Lineal
ProgramaciónEnteraEntera
Tipos de RestriccionesTipos de Restricciones
ProgramaciónMixta EnteraMixta Entera
LinealLineal
ProgramaciónMixta EnteraMixta Entera
No LinealNo Lineal
![Page 20: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/20.jpg)
Tipos de Problemas de Optimización Tipos de Problemas de Optimización (Determinística, Estado Estable)(Determinística, Estado Estable)
** Programación Lineal (Programación Lineal (LPLP))
** Programación Mixta Entera Lineal (Programación Mixta Entera Lineal (MILPMILP))
** Programación No Lineal (Programación No Lineal (NLPNLP))
** Programación Mixta Entera No lineal (Programación Mixta Entera No lineal (MINLPMINLP))
![Page 21: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/21.jpg)
Región Factible y ConvexidadRegión Factible y Convexidad
nRxxgxhts
xf
∈≤=0)(0)(..
)(min
NLPNLP
![Page 22: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/22.jpg)
Función ConvexaFunción Convexa
f(x) es convexa si para toda x1 y x2 ε R:
f(x)
x1 x2
f(x)
x1 x2
[ ] )1,0(),()1()()1( 2121 ∈∀−+≤−+ ααααα xfxfxxf
Función Convexa o No ConvexaFunción Convexa o No Convexa
ConvexaConvexa No No ConvexaConvexa
![Page 23: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/23.jpg)
FunciónFunción
[ ] )()1()()1( 2121 xfxfxxf αααα −+≤−+
Función Convexa?Función Convexa?
No No ConvexaConvexa
)3,1(6116)( 23 Intervaloxxxxf −+−=
)3()75.0()1(25.0)5.2( fff +≤
0375.0 ≤−
0)1()( 1 == fxf 0)3()( 2 == fxf
25.0=α
)3()25.0()1(75.0)5.1( fff +≤
0375.0 ≤ No se cumpleNo se cumple75.0=α
![Page 24: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/24.jpg)
Región Factible. Definición:Región Factible. Definición:
Convexa o No Convexa?Convexa o No Convexa?Convexa si para toda x1 y x2 ε FR:
( ) ( ) nRxxgxhxFR ∈≤== ,0,0
x2
x1
x2 x1
)1,0(,)1( 21 ∈∀∈−+= ααα FRxxx
Región Factible y ConvexaRegión Factible y Convexa
ConvexaConvexa No No ConvexaConvexa
![Page 25: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/25.jpg)
Técnicas de OptimizaciónTécnicas de Optimización
![Page 26: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/26.jpg)
Técnicas de OptimizaciónTécnicas de Optimización
** Métodos SimplexMétodos Simplex y Puntos Interiores (y Puntos Interiores (LPLP))
** ““Branch and BoundBranch and Bound” (Ramificación y ” (Ramificación y
Acotamiento) (Acotamiento) (MILPMILP))
** Estrategia del Conjunto ActivoEstrategia del Conjunto Activo, SQP , SQP
(Programación Cuadrática Sucesiva) ((Programación Cuadrática Sucesiva) (NLPNLP))
** ““Outer ApproximationOuter Approximation” y Descomposición de ” y Descomposición de
Benders (Benders (MINLPMINLP))
![Page 27: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/27.jpg)
Programación LinealProgramación Lineal
![Page 28: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/28.jpg)
Forma GeneralForma General
n
T
Rxx
bxAtsxc
∈≥≤0
..min
251353318025
200300
1
21
21
21
≤≤+≤+
+
xxxxxasujeto
xxMaximize
=
200300
c
=
2
1
xx
x
=
03
13
25A
=
25135180
b
Programación LinealProgramación Lineal
![Page 29: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/29.jpg)
Método SimplexMétodo Simplex
El óptimo se encuentra siempre El óptimo se encuentra siempre en un punto “esquina”en un punto “esquina”
g2=0
Si la función objetivodisminuye en esta dirección
Regiónde
búsqueda
g1=0
Este sería el punto óptimo
![Page 30: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/30.jpg)
1) Introducir variables “slack” para convertir desigualdades en igualdades. El número de grados de libertad no cambia.
2) Utilizar x=0 como punto inicial
3) Construir Matriz de Coeficientes
4) Efectuar pasos de eliminación Gaussiana hasta no obtener valores negativos en el renglón correspondiente a la función objetivo
Método SimplexMétodo Simplex
251353318025
1
21
21
≤≤+≤+
xxxxx
251353318025
31
221
121
=+=++=++
sxsxxsxx
![Page 31: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/31.jpg)
x1 x2 s1 s2 s3 b
5 2 1 0 0 180 s1
3 3 0 1 0 135 s2
1 0 0 0 1 25 s3
-300 -200 0 0 0 0 f
s3 x2 s1 s2 s3 b
0 2 1 0 -5 55 s1
0 3 0 1 -3 60 s2
1 0 0 0 1 25 x1
0 -200 0 0 300 7500 f
Método SimplexMétodo Simplex
Matriz de Matriz de CoeficientesCoeficientes
Punto inicialPunto inicialx1 = 0x2=0
s1 = 180s2=135s3 = 25
Eliminación Gaussiana
![Page 32: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/32.jpg)
El pivote en los pasos de eliminación Gaussianase escoge de modo que:
• Columna: el coeficiente de la función objetivo es el más negativo
• Renglón: la menor proporción entre b y el coeficiente de la columna seleccionada
PivoteoPivoteo en el Método en el Método SimplexSimplex
![Page 33: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/33.jpg)
s2 x2 s1 s2 s3 b
0 -3 1 -5/3 0 -45 s1
1 1 0 1/3 0 45 x1
0 -1 0 -1/3 1 -20 s3
0 300 0 100 0 1350 f
Renglón PivoteRenglón Pivote
¿Qué ocurre si no se toma la menor proporción?
![Page 34: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/34.jpg)
s3 s2 s1 s2 s3 b
0 0 1 -2/3 -3 15 s1
0 1 0 1/3 -1 20 x2
1 0 0 0 1 25 x1
0 0 0 200/3 100 11500 f
Método SimplexMétodo SimplexEliminación Gaussiana
![Page 35: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/35.jpg)
1. En cada punto esquina, un número de variables igual al número de grados de libertad del problema valen cero
2. Las variables cuyo valor es cero se denominan no básicasno básicas
3. Cada punto de la trayectoria se dice que es una solución básicasolución básica
4. El algoritmo concluye cuando ya no hay coeficientes negativos en el renglón de la función objetivo
Notas en el Método SimplexNotas en el Método Simplex
![Page 36: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/36.jpg)
Método SimplexMétodo Simplex
251353318025
200300
1
21
21
21
≤≤+≤+
+
xxxxxasujeto
xxMaximize
x1
x2
( )90,0
( )45,0
( )0,0
( )5.27,25
( )20,25
( )0,25El óptimo en el punto (25,20)El óptimo en el punto (25,20)
![Page 37: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/37.jpg)
Programación No LinealProgramación No Lineal
![Page 38: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/38.jpg)
Optimización Sin RestriccionesOptimización Sin Restricciones
Condición necesarianecesaria: es un punto crítico de f(x)si se cumple que
( )nRxxf
∈min
x
( ) 01=
∂∂
∂∂
=∇
nxf
xf
xf M
Condiciones de OptimalidadCondiciones de Optimalidad
Se obtiene un sistema Se obtiene un sistema de de nn Ecuaciones con Ecuaciones con nnVariables Variables xx
![Page 39: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/39.jpg)
Optimización Sin RestriccionesOptimización Sin Restricciones
( )nRxxf
∈min
( ) 01=
∂∂
∂∂
=∇
nxf
xf
xf M
Condiciones de OptimalidadCondiciones de Optimalidad
![Page 40: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/40.jpg)
Condición suficientesuficiente: La Matriz Matriz HessianaHessiana de la función objetivo es definida positiva
∂∂
∂∂∂
∂∂∂
∂∂
=21
2
12
221
2
21
2
xf
xxf
xxf
xf
H
( ) ( ) ( ) xHxxxfxfxxf TT∆∆+∆∇+=∆+ 2
1
021 ≥∆∆ xHxT
Hessiana para el caso de 2 variables2 variables
![Page 41: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/41.jpg)
Optimización Sin RestriccionesOptimización Sin Restricciones
( ) 22
212
1 26)(min xxxx −+−
13
2
1
==
xx
H es positiva definidaH es positiva definida
Optimo GlobalOptimo Global
( ) 02262
2
1 =
−−
=∇xx
xf
=
2002
H
![Page 42: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/42.jpg)
Optimización Con m Restricciones de IgualdadOptimización Con m Restricciones de Igualdad
Función de Lagrange (función escalar):Función de Lagrange (función escalar):
Condiciones de OptimalidadCondiciones de Optimalidad
( )
nRxxhts
xf
∈= 0)(..
min
( ) ( ) ( ) ( )∑+=+=m
jjj
T xhxfxhxfxL λλλ )(,
λλ se denominan multiplicadores de se denominan multiplicadores de Lagrange y constituyen Lagrange y constituyen mm variables variables adicionales en el problemaadicionales en el problema
![Page 43: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/43.jpg)
Condición necesaria:Condición necesaria:Obtener un punto crítico (estacionario) para la función de Lagrangefunción de Lagrange
Condición suficiente: La Matriz Matriz HessianaHessiana de la función de Lagrangefunción de Lagrange es definida positiva
( ) ( ) 0)(,=∇+∇=
∂∂
∑j
jj xhxfxxL λλ
( ) ( ) 0,==
∂∂ xhxL
λλ
Se obtiene un sistema Se obtiene un sistema de de n+mn+m Ecuaciones Ecuaciones con con n+mn+m Variables Variables x x y y λλ
![Page 44: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/44.jpg)
Optimización con Optimización con Restricciones de IgualdadRestricciones de Igualdad
( )02..
26)(min
21
22
212
1
=−−−+−
xxtsxxxx
( ) 01
12262
)( 12
1 =
−
+
−−
=∇+∇ ∑ λλxx
xhxfj
jj
( ) 0221 =−−= xxxh
02022062
21
12
11
=−−=−−=+−
xxxx
λλ
![Page 45: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/45.jpg)
Optimización Con m Restricciones de Igualdad y r de Optimización Con m Restricciones de Igualdad y r de DesigualdadDesigualdad
Función de Lagrange Aumentada (función escalar):Función de Lagrange Aumentada (función escalar):
Condiciones de OptimalidadCondiciones de Optimalidad
( ) ( ) ( ) ( ) ( )∑∑==
++=++=r
kkk
m
jjj
TT xgxhxfxgxhxfxL11
)()(,, µλµλµλ
µµ se denominan multiplicadores de se denominan multiplicadores de KarushKarush--KuhnKuhn--TuckerTucker y constituyen y constituyen rr variables variables adicionales en el problemaadicionales en el problema
nRxxgxhts
xf
∈≤=0)(0)(..
)(min
![Page 46: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/46.jpg)
Condición necesaria:Condición necesaria:Obtener un punto crítico (estacionario) mediante el Teorema de KarushTeorema de Karush--KuhnKuhn--TuckerTucker
Condición suficiente: La Matriz Matriz HessianaHessiana de la función de Lagrange Aumentadafunción de Lagrange Aumentada es definida positiva
Se obtiene un sistema Se obtiene un sistema de de n+m+r n+m+r Ecuaciones Ecuaciones con con n+m+rn+m+r Variables Variables x, x, µµ y y λλ
( ) ( ) 0)()(,, =∇+∇+∇=∂
∂∑∑k
kkj
jj xgxhxfx
xL µλµλ
( ) ( ) 0,,
==∂
∂xh
xLλ
µλ
( ) ( ) 0=⋅ xgx kkµ
( ) 0≤xgk( ) 0≥xkµ
![Page 47: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/47.jpg)
Condición necesaria:Condición necesaria:
( ) ( ) 0)()(,, =∇+∇+∇=∂
∂∑∑k
kkj
jj xgxhxfx
xL µλµλ
( ) ( ) 0,,
==∂
∂xh
xLλ
µλ ( ) ( ) 0=⋅ xgx kkµ
( ) 0≤xgk( ) 0≥xkµ
![Page 48: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/48.jpg)
Optimización con Optimización con Restricciones de Restricciones de
DesigualdadDesigualdad
( ) 021
111
13
)( 212
1 =
−
+
−+
−−
=∇+∇ ∑ µµµxx
xhxfk
kk
( ) ( )
0221
0..32
1min
212
211
2122
21
≤−−=≤+−=
−−+=
xxgxxgts
xxxxxf
Note:Note:
( )( ) 022
1012
13
212
211
212
211
=−−=+−=−+
=+−
xxxx
xx
µµ
µµµµ
![Page 49: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/49.jpg)
Solución al Conjunto de Ecuaciones KKT
( ) 0)()( =∇+∇+∇ ∑∑k
kkj
jj xgxhxf µλ
( ) 0=xh
( ) ( ) 0=⋅ xgx kkµ
( ) 0≤xgk( ) 0≥xkµ
( ) 0=xgk( ) 0<xgk
Programación No LinealProgramación No LinealEstrategia del Conjunto Activo (Estrategia del Conjunto Activo (Active Active SetSet StrategyStrategy))
DesigualdadesDesigualdades
ActivaActiva InactivaInactiva
![Page 50: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/50.jpg)
01 == kgkJ
001 =>⇒∅= kkgJ µ
( ) 0)()(1
=∇+∇+∇ ∑∑∈Jk
kkj
jj xgxhxf µλ
( ) 0=xh
( ) 10 Jkxgk ∈=
Programación No LinealProgramación No LinealEstrategia del Conjunto ActivoEstrategia del Conjunto Activo
1) Definir conjunto activo. Inicialmente:
2) Formular ecuaciones KKT
![Page 51: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/51.jpg)
a) Eliminar de J1 la restricción con el µi más negativo
b) Añadir a J1 todas las restricciones violadas para hacerlas activas
c) Regresar a 2)
00)( ≥≤ kk yxg µ
0/0)( <> kk oyxg µ
0)( >xgk
Programación No LinealProgramación No LinealEstrategia del Conjunto ActivoEstrategia del Conjunto Activo
3) Si para toda k OK
OK. Se ha obtenido la solución
Si cualquier
![Page 52: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/52.jpg)
Condiciones de KarushCondiciones de Karush--KuhnKuhn--Tucker (Iteración 1):Tucker (Iteración 1):
Estrategia del Conjunto Activo: EjemploEstrategia del Conjunto Activo: EjemploProgramación No LinealProgramación No Lineal
( ) ( )
0022
10..
321min
23
212
211
2122
21
≤−=≤−−=≤+−=
−−+=
xgxxg
xxgtsxxxxxf
01 == kgkJ ( ) 0)()(1
=∇+∇+∇ ∑∑∈Jk
kkj
jj xgxhxf µλ
001 =>⇒∅= kkgJ µ
( ) 013
)(2
1 =
−−
=∇+∇ ∑ xx
xhxfk
kkµ
00013
3
2
1
2
1
=====
µµµxx
Verificando restricciones y µ´s:
000
01!!!02/1
02
3
2
1
3
2
1
===<−=
>=<−=
µµµ
gg
g Activar g2
22 =J
![Page 53: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/53.jpg)
nRxxgxhts
xfmin
∈≤=0)(0)(..
)(
Condiciones de optimalidad(Karush-Khun-Tucker)
Iteración de Newton
Programa cuádratico
Sistema de EcuacionesNo Lineales
Programación Cuadrática Sucesiva (SQP) Programación Cuadrática Sucesiva (SQP) Programación No LinealProgramación No Lineal
![Page 54: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/54.jpg)
Programación MixtaProgramación Mixta--EnteraEntera
![Page 55: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/55.jpg)
z2
z1
x2
x1
x010 kmol/hr BA
I
II
=selectednotisIreactorif
selectedisIreactorify
01
1
=selectednotisIIreactorif
selectedisIIreactorify
01
21,0,0,
0200201067.08.00.65.54.65.7min
2121
2211
21
2211
=≥≤−≤−
=++++=
yyxxyxyx
xxasujetoxyxyC
Representación de Procesos en Representación de Procesos en Términos de Variables BinariasTérminos de Variables Binarias
![Page 56: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/56.jpg)
1) NOT1) NOT
2) OR (exclusivo)2) OR (exclusivo)
3) OR (inclusivo)3) OR (inclusivo)
4) AND4) AND
5) 5) IfIf--ThenThen
6) 6) IffIff--ThenThen
7) Teorema de 7) Teorema de MorganMorgan
8) Distribución de 8) Distribución de ANDAND
j
j
yp−¬
1
1=+∨
ji
ji
yypp
Relaciones LógicasRelaciones Lógicas
1≥+∨
ji
ji
yypp
jiji
jiji
yyyypppp≤≥+−
∨¬→11
( )( ) BABA
BABA¬∨¬⇔∧¬¬∧¬⇔∨¬
1,1 ≥≥∧
ij
ji
yypp
( ) ( ) ( )CBCACBA ∨∧∨⇔∨∧
ji
ji
yypp
=↔
![Page 57: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/57.jpg)
Representando AlternativasRepresentando Alternativas
≥≥=∨
≥≤=
0,1
5
0,1
2
21
1
21
2
21
1
21
1
xxx
xxy
xxx
xxy
( )( )
( )1
1112
12
21
11
121
121
=+−≤−−−≥−−≤−
yyyMx
yMxxyMxx
Big Big -- MM ConvexConvex HullHull
( )( )( )0,11
1515
21
21
221
221
≥−−≥−−−≥−−≤−
xxyMx
yMxxyMxx
222
121
212
111
22221
11211
MyxMyxMyxMyx
xxxxxx
≤≤≤≤
=+=+
0,,,1
0502
22211211
21
212
111
2212
2111
≥=+
≥≤
=−=−
xxxxyy
yxyx
xxxx
![Page 58: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/58.jpg)
Procedimiento:Procedimiento:
1)1) Resolver el problema como si todas las variables fueran continuas (problema LP). Es decir, relajar las variables binarias. A este nivel se le conoce como “Root Node” (Nodo raíz)
• El valor de la función objetivo en el nodo raíz es un límite inferior a su valor en la solución
• Si la solución del nodo raíz es entera, tal solución es la solución del problema
2)2) Realizar una búsqueda de ramificación ordenada mediante la adición de restricciones enteras
Programación MixtaProgramación Mixta--Entera LinealEntera Lineal
Método de “Método de “Branch and Bound” (Ramificación y Acotamiento)” (Ramificación y Acotamiento)
![Page 59: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/59.jpg)
0<y2<1 0<y3<1
0<y1<1 0<y2<1 0<y3<1 Relajado
y1=1
y1=0 y2=1
y2=0 y3=1
y3=0
Para m variables binarias, el número de posibles nodos es 2m+1- 1
Método de “Método de “Branch and Bound” (Ramificación y Acotamiento)” (Ramificación y Acotamiento)
![Page 60: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/60.jpg)
1)1) La función objetivo en i es un límite inferior a la función objetivo en k.
2)2) Si algún nodo resulta en una solución entera, el valor de la función objetivo en tal nodo es un límite superior de la solución
3)3) Si i es infactible o ilimitado, entonces k también lo es
k
i
3 Reglas en el Método de “3 Reglas en el Método de “Branch and Bound”:”:
![Page 61: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/61.jpg)
Método de “Método de “Branch and Bound”: Ejemplo”: Ejemplo
1,0,,,09385
023..23min
321
321
321
321
∈≥−≤−−−≤+++−
+++=
yyyxyyy
yyyxtsyyyxz
y3=0
y3=1
y2=0
y2=1
y2=0
y2=1
y1=0
y1=1
[ ]6333.0,1,0
=z
[ ]5.60,5.0,1
=z
[ ]90,1,1
=z
[ ]8.50,1,2.0
=z
[ ]75.6
1,075.0,0=z
[ ]81,1,0
=z
infactibleinfactible
infactibleinfactible
infactibleinfactible15123
1 =−=
+m
m
![Page 62: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/62.jpg)
Algoritmo Algoritmo GeneralGeneral
NO
SI
Nueva y
ZL
ZU
Seleccionar un valor inicial para y
Resolver el NLP resultante S(yk)
Resolver el Problema Maestro MILP
ZL<ZU ?
Solución
Programación MixtaProgramación Mixta--Entera No LinealEntera No Lineal
![Page 63: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/63.jpg)
Problema MaestroProblema Maestro
( ) ( ) ( )( ) ( ) ( )
Tk
RRxy
aAyByxxxgxg
xxxfxfycasujetoZ
nm
kTkk
kTkkT
∈∀
∈∈∈
≤≤+−∇+
−∇++≥
=
α
α
α
1,0
0
min
( )
∀
= k
kk
ydevaloresposibleslosySdeóptimasoluciónlaesxk
T
Programación MixtaProgramación Mixta--Entera No LinealEntera No Lineal
Algoritmo “Algoritmo “Outer Approximation” (DICOPT+++)” (DICOPT+++)
nm
T
RxyayAyBxg
xfyc
∈∈≤
≤++
1,0
0)()(min
x
f(x)
![Page 64: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/64.jpg)
Optimización Optimización SemiSemi--Infinita: Problema RelajadoInfinita: Problema Relajado
( ) ( ) ( )( ) ( ) ( )
Kk
RRxy
aAyByxxxgxg
xxxfxfycasujetoZ
nm
kTkk
kTkkT
K1
1,0
0
min
=
∈∈∈
≤≤+−∇+
−∇++≥
=
α
α
α
( )Kkquetalypordefinidos
xNLPassubproblemKdesoluciónlaDadak
k
K1=
Algoritmo “Algoritmo “Outer Approximation””
![Page 65: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/65.jpg)
1)1)
“Outer Approximation”: Ejemplo 1“Outer Approximation”: Ejemplo 1
Programación MixtaProgramación Mixta--Entera No LinealEntera No Lineal
( )
( ) 01402
02..5.05.1min
221
11
22
1
22
21321
≤−−−≥−
≤−−++++=
yxxyx
xxtsxxyyyz
502 21 === Uzxx2)2)
3)3)
( )
321
22
11
30
01
yxxyx
yx
≥+≥−≥−−
4040
1
2
1
321
≤≤≤≤
≥++
xx
yyy 1,0, 21 ∈yy
NLPNLP
MILPMILP
111 321 === yyy
102001 21321 ====== Lzxxyyy
1122 21 === Uzxx
NLPNLP
MILPMILP
001 321 === yyy
5.101010 21321 ====== Lzxxyyy
5.311 21 === UzxxNLPNLP
MILPMILP
010 321 === yyy
5.412100 21321 ====== Lzxxyyy
![Page 66: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/66.jpg)
1)1) Comenzar con y=1 y resolver NLP:
“Outer Approximation”: Ejemplo 2, Iteración 1“Outer Approximation”: Ejemplo 2, Iteración 1
Programación MixtaProgramación Mixta--Entera No LinealEntera No Lineal
( )( )
1,02001.157.0ln
01ln..7.2min
2
1
2
∈≤≤≤−+−−=
≤++−=+−=
yxyxg
yxgtsxyz
0347.97183.12525.0 21 ==== µµxz
2)2) Linealizar el problema MINLP en x= 1.7183 para obtener el problema maestro MILP:
1,002581.087085.0
36788.036787.09525.24366.37.2..
min
∈≤−≤+−
≤+−−+−≥
=
yxyxyx
xytsz
OA
OAOA
αα
939.10
−==
OAzy
)( Uz
)( Lz
UL zz <
Volver a paso 1 con nuevo valor y=0
![Page 67: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/67.jpg)
El Entorno de Modelación El Entorno de Modelación GAMSGAMS y sus Resolvedoresy sus Resolvedores
![Page 68: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/68.jpg)
Formas de Atacar el Problema de Formas de Atacar el Problema de ModelaciónModelación
Corriente Modular SecuencialCorriente Modular Secuencial
* Cada unidad de proceso (módulo)(módulo) calcula su salida dadas las entradas
⇓⇓En cada unidad se resuelve un sistema de ecuaciones no lineales (subrutina que “convierte” valores de entradas en valores de salida)
* Las variables de las corrientes de reciclo se suponen inicialmente y constituyen la guía para proceso iterativo
![Page 69: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/69.jpg)
Corrientede
Reciclo
CompresorDivisor de Corriente
Intercambiador
SeparadorFlash
ReactorMezcladorAlimentación
* Se requieren algoritmos de orden de precedenciaorden de precedencia y determinación de las corrientes de reciclodeterminación de las corrientes de reciclo a ser supuestas.
![Page 70: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/70.jpg)
* Cada unidad del sistema es representado por un sistema de ecuaciones (lenguaje declarativolenguaje declarativo: no restricciones en cuanto a especificación de variables)
* Las ecuaciones son generalmente almacenadas en
librerías* Para definir el problema, se colectan las ecuaciones
que representan a cada unidad y a las conexiones entre ellas
Corriente de Orientación a las EcuacionesCorriente de Orientación a las Ecuaciones
![Page 71: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/71.jpg)
* El sistema resultante se resuelve simultáneamentesimultáneamente(probablemente un problema de miles de ecuaciones)
SistemaResultante
![Page 72: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/72.jpg)
Corriente Modular Secuencial: Simuladores de Procesos ASPENASPEN, PRO/II, HySys
Modelado por configuraciónconfiguración
Corriente de Orientación a las Ecuaciones: Sistemas de Modelación gPROMS, SpeedUp, ABACO, ASCENDGAMSGAMS
NLPNLP: CONOPT, MINOS, LACELOT, SRQP, LINGOMINLPMINLP: DICOPTMILP, LPMILP, LP: CPLEX, OSL, LINDO, SCICONIC, XA
Simuladores y Optimizadores Simuladores y Optimizadores ComercialesComerciales
![Page 73: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/73.jpg)
GAMS la InterfaseGAMS la Interfase
![Page 74: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/74.jpg)
Resolvedores en GAMSResolvedores en GAMSTipos de ProblemasTipos de Problemas
Algoritmos Algoritmos de Soluciónde Solución
![Page 75: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/75.jpg)
GAMS: Ejemplo 1GAMS: Ejemplo 1
W1 y1
W1 y0 = 0
Q=1000 lb/hr xF = 0.2
Q=1000 lb/hr x1
Etapa de Extracción
( ) 11 1
11 +−=
xHHxy
11 WyQxQxF +=
( ) 11 WxxQMax F λ−−05.0=λ
2.1=H
![Page 76: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/76.jpg)
GAMS: Ejemplo 2GAMS: Ejemplo 2zA = 0.6zB = 0.3zC = 0.1
F = 1000 Kmol/hr
xDA = 0.8
qzN
j j
jj −=−∑
=
11 θαα
min1
1 RxN
j j
Djj +=
−∑= θαα
∑=
=N
j
Djx
11
0.1=CCα
0.1=q
3.2=ACα
3.1=BCα
![Page 77: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/77.jpg)
Algunas Aplicaciones en Algunas Aplicaciones en Ingeniería QuímicaIngeniería Química
![Page 78: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/78.jpg)
D, Pureza
Alimentación
¿ Cómo separar una mezcla ABC ?¿ Cómo separar una mezcla ABC ?
ABC
A
BC
B
CABC
C
AB
A
B
Optimización de Columnas yOptimización de Columnas y Secuencias de Destilación Secuencias de Destilación
Diseño Óptimo de Diseño Óptimo de ColumnasColumnas
1)1)
2)2)
Minimizar CostoMinimizar Costo
N=? R=? P=?N=? R=? P=?
![Page 79: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/79.jpg)
Supone separaciones del 100% (SharpSharp splitssplits)Supone que las cargas térmicas y costos de inversión son funciones linealesfunciones lineales de la alimentaciónSupone que las cargas de los cambiadores son del mismo orden de magnitud
Modelo MILP para Modelo MILP para Secuencias de Separación Secuencias de Separación
k
topkCl ∈
kCl ∈
botkCl ∈
Fix
∑
∑
∈
∈=
k
topk
Cl
Fl
Cl
Fl
topk x
xξ
∑∑
∈
∈=
k
botk
Cl
Fl
Cl
Fl
botk x
xξ
![Page 80: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/80.jpg)
Datos de Caso de Estudio Datos de Caso de Estudio
Sistema Fijo
αk
(103 $/año)
Variable
βk
(103 $ hr / Kgmol año)
Carga térmica
Kk
(106 KJ / Kgmol)
A/BCD 145 0.42 0.028
AB/CD 52 0.12 0.042
ABC/D 76 0.25 0.054
A/BC 125 0.78 0.024
AB/C 44 0.11 0.039
B/CD 38 0.14 0.040
BC/D 66 0.21 0.047
A/B 112 0.39 0.022
B/C 37 0.08 0.036
C/D 58 0.19 0.044
Costos de utilidades:Costos de utilidades:Agua de enfriamiento: CW = 1.3 (103$ hr/ 106 KJ año)Vapor: CH = 34 (103$ hr/ 106 KJ año)
Mezcla Cuaternaria ABCDMezcla Cuaternaria ABCDF=1000 Kmol/hr: 15% A, 30% B, 35% C, 20% D
![Page 81: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/81.jpg)
Superestructura con Superestructura con 4 Componentes4 Componentes
y10
y9
y8
y7
y6
y5
y4
y3
y2
y1
F10
F9
F8
F7
F6
F5
F4
F2
F3
F1
FTOT
AB/CD
AB/C
A/BC
B/CD
BC/D
ABCD
A/BCD
ABC/D
C/D
B/C
A/B
Superestructura Superestructura
![Page 82: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/82.jpg)
Modelo Modelo Factores de separación
ξ1A =0.15 ξ6A =0.188
ξ1BCD =0.85 ξ6BC =0.812
ξ2AB =0.45 ξ7AB =0.5625
ξ2CD =0.55 ξ7C =0.437
ξ3ABC =0.8 ξ8C =0.636
ξ3D =0.2 ξ8D =0.364
ξ4B =0.353 ξ9B =0.462
ξ4CD =0.647 ξ9C =0.538
ξ5BC =0.765 ξ10A =0.333
ξ5D =0.235 ξ10B =0.667
3211000 FFFFTOT ++==
085.0 154 =−+ FFF
08.0 376 =−+ FFF
0563.045.0 7210 =−− FFF
0812.0765.0 659 =−− FFF
0647.055.0 428 =−− FFF
10,...,11,0001000 ==≥≤− kyFyF kkkk
10,...,1== kFKQ kkk
( ) ( )∑∑==
+++=10
1
10
1
3.134mink
kk
kkkk QFyC βα
Balance GlobalBalance Global
Mezclas IntermediasMezclas Intermedias
BCDBCD
ABCABC
ABAB
BCBC
CDCDFlujos (Flujos (BigBig--M)M)
Cargas TérmicasCargas Térmicas Función ObjetivoFunción Objetivo
![Page 83: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/83.jpg)
h1
h2
c1
c2
500 ° K
418 ° K
375 ° K
310 ° K
305 ° K
298 ° K
?
Síntesis de Redes de Síntesis de Redes de Intercambio de Calor Intercambio de Calor
![Page 84: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/84.jpg)
Estrategia de Optimización SimultáneaEstrategia de Optimización Simultánea
Stage 2 Stage 1
H2-C2 H2-C2
H2-C1 H2-C1
H1-C2 H1-C2
H1-C1 H1-C1
C2
C1
H2
H1
Modelo MINLP Modelo MINLP (SYNHEAT) (SYNHEAT)
![Page 85: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/85.jpg)
( )
( ) ∑ ∑
∑ ∑
∈ ∈
∈ ∈
∈+=−
∈+=−
STk HPijijkjjj
STk CPjiijkiii
CPjqhuqFTINTOUT
HPiqcuqFTOUTTIN
,
,
( )
( ) ∑
∑
∈+
∈+
∈∈=−
∈∈=−
HPiijkjkjjk
CPjijkikiik
CPjSTkqFtt
HPiSTkqFtt
,,
,,
1,
1,
CPjTINtHPiTINt
jNOKj
ii
∈=
∈=
+1,
1, ,
CPjtTOUTHPitTOUT
CPjSTkttHPiSTktt
jj
NOKii
kjjk
kiik
∈≥
∈≤
∈∈≥
∈∈≥
+
+
+
,,
,,,,
1,
1,
1,
1,
( )( ) CPjqhuFtTOUT
HPiqcuFTOUTt
jjjj
iiiNOKi
∈=−
∈=−+
,,
1,
1,
1,0,,
,0,0
,,,0
=
∈≤Ω−∈≤Ω−
∈∈∈≤Ω−
jiijk
jj
ii
ijkijk
zhuzcuz
CPjzhuqhuHPizcuqcu
STkCPjHPizq
CPjzhutTOUTdthuHPizcuTOUTtdtcu
CPjHPiSTkzttdt
CPjHPiSTkzttdt
jjhuj
icuNOKii
ijkkjkikij
ijkjkikijk
∈−Γ+−≤
∈−Γ+−≤
∈∈∈−Γ+−≤
∈∈∈−Γ+−≤
+
+++
),1(),1(
,,),1(
,,),1(
1,
1,
1,1,1,
MODELOMODELOBalance de calor total para cada corriente:
Balance de calor para cada etapa:
Asignación de las temperaturas de entrada a la superestructura:
Factibilidad de temperaturas:
Carga de servicios de enfriamiento y calentamiento:
Restricciones lógicas:
Cálculo de las diferencias de temperaturas:
![Page 86: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/86.jpg)
H T3 T2 T1
d4 d3 d2
d1 Demand
T4
La Producción del Petróleo es un Problema La Producción del Petróleo es un Problema MultiperiódicoMultiperiódico
32003100300029002800270026002500
Jan Mar May Jul Sep Nov Jan
Month
Tho
usan
ds o
f barre
ls/d
ay
Planeación de la Planeación de la Producción Producción
![Page 87: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/87.jpg)
well bore storage
well head
reservoir well bore
oil flow
oil flow
Geological Properties: permeability thickness porosity etc.
La extracción produce una disminución de la presión delLa extracción produce una disminución de la presión delpozo con el tiempopozo con el tiempo
pup
plow
pw
ts tt
q
ts
pflow
pshut
![Page 88: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/88.jpg)
El tiempo de operaciEl tiempo de operacióón H es dividido en NP periodos n H es dividido en NP periodos de tiempo. Dadas las demandas de produccide tiempo. Dadas las demandas de produccióón del n del petrpetróóleo en cada periodo de tiempo y las constantes de leo en cada periodo de tiempo y las constantes de caracterizacicaracterizacióón de los pozos, determinar:n de los pozos, determinar:•• Los perfiles de producciLos perfiles de produccióón yn y
•• Los tiempos operaciLos tiempos operacióón de cada pozon de cada pozo
en cada periodo de tiempo.en cada periodo de tiempo.
Modelos de Modelos de Programación MixtaProgramación Mixta--
Entera Entera
![Page 89: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/89.jpg)
Modelo MILPModelo MILP( )TyTyTqMinimize
i j i j i jijijijijijij∑∑ ∑∑ ∑∑ −++ 1αδγ
∑ ∈∀≥i
jij PjdTq
( )[ ] ( )[ ] ( ) PjWiycTcqI
PjWicTcqD
PjWi
pIppp
W
pIpIpp
WY
DppY
ijsiij
ijij
upiij
inij
upi
fij
ij
upiij
inij
ijinij
fij
ij
ij
ijinij
fij
ij
∈∈∀−+=∈∈∀+=
∈∈∀
>+=∨
≤++=
¬
∨
−=
,1ln,ln
,
21
21
21
( )[ ] ( )PjWiqq
PjWippcTcq
ijij
lowi
inijij
∈∈∀≤∈∈∀−=+
,,ln
max21
max
( )PjWiqq
PjWiyqyqqlow
ij
ijlow
ijupiij
∈∈∀≥∈∈∀−+≤
,,1
PjWipp fij
inij ∈∈∀= − ,1
![Page 90: Optimización de Procesos - iqcelaya.itc.mxvicente/NotasSeminario1.pdf · Índice de Contenido 1 Introducción 1.1 La Ingeniería de Procesos 1.2 Modelación y Grados de Libertad](https://reader033.fdocuments.net/reader033/viewer/2022042800/5a75644d7f8b9ad22a8c98c4/html5/thumbnails/90.jpg)
Gráficas de Gráficas de GantGant
Centrífuga
Reactor 2
Reactor 1
Mezclador
4 4 4 4
20 20
20 20
8 8 8 8
Producto A
Determinar el Tamaño y número de unidades paralelasDeterminar el Tamaño y número de unidades paralelasDeterminar la Secuenciación de las unidadesDeterminar la Secuenciación de las unidades
Calendarización de Calendarización de Procesos por Lotes Procesos por Lotes