Universidad Arturo Prat

Facultad de Ingeniería y Arquitectura

Iquique-Chile

Análisis y Optimización de
Procesos

Eder Piceros Fuentes

 Introducción
Numerosos conceptos básicos se han revisado durante la formación en Ingeniería Metalúrgica cuyo objetivo es
interpretar los fundamentos de la operación de una planta metalúrgica, como también lograr el diseño
conceptual de un proceso que sea capaz de lograr un objetivo técnicamente factible de producción.

- Balance de materia: permite calcular el rendimiento másico de un proceso y establecer el contenido detallado
de su conjunto de corrientes.
- Balance de energía: permite determinar el requerimiento energético.
- Fenómenos de transporte: (cantidad de movimiento, calor y materia)
- Procesos de equilibrio
Todos ellos establecen las bases del diseño y dimensionamiento u operación de los equipos.
Estos conocimientos, más los adquiridos en economía, permiten efectivamente desarrollar y evaluar proyectos
de Ingeniería a escala real.
Una asignatura de Optimización de Procesos provee criterios que permiten distinguir una alternativa
conveniente, como también aporta una herramienta racional que apoya la toma de decisiones de relevancia
ingenieril.
 Introducción
¿Qué justifica el estudio de optimización en el curriculum de la ingeniería?
Dos respuestas:
1. Todo método de optimización es una estrategia matemática que permite obtener resultados. Sin embargo, la
estrategia matemática alcanza resultados relevantes cuando se añade un análisis de ingeniería.

2. No existe ningún método de optimización que pueda enfrentar con generalidad los diversos problemas de
optimización que pueden plantearse y, como se verá en el desarrollo del curso, cada problema requiere un
análisis específico, más la selección de una estrategia para enfrentarlo.
 Introducción
Los objetivos de este curso son variados, de él se espera:

• Adquirir habilidades que permitan detectar oportunidades de optimización

• Integrar diversos conocimientos modulares de ingeniería metalúrgica y matemática, de modo de formular

modelos de diverso grado de complejidad, y enfrentar la solución

• Comprender la teoría básica de optimización y su análisis geométrico ad-hoc, de modo de tratar con técnicas
adecuadas problemas específicos de optimización.
 Introducción
Como requerimientos básicos de la asignatura se requiere tener familiaridad con:

- Elementos de cálculo diferencial

- Análisis vectorial
- Álgebra de matrices
- Ciencias básicas de la Ingeniería Metalúrgica
 Introducción
Elementos del problema de Optimización.
La Optimización es definida como la búsqueda de un conjunto de variables manipulables,
cuya finalidad es maximizar una característica deseable o minimizar una característica
indeseable de un proceso.

Ejemplos típicos de características deseables o indeseables son:

- Minimizar un costo productivo.
- Maximizar un rendimiento operacional.

Ejemplos más atípicos pueden ser:

- Minimizar un riesgo operativo o el impacto ambiental de un nuevo proyecto.
- Maximizar la estabilidad operacional de una tecnología potencialmente peligrosa.
 Introducción
Elementos del problema de Optimización.

Desde un punto de vista de Ingeniería, la optimización es posible cuando la característica

deseable o indeseable de un proceso, denominada de aquí en adelante función objetivo,
resulta sensitiva y cambiante para un conjunto de variables manipulables.
 Introducción
Elementos del problema de Optimización.

En general, los problemas de optimización poseen una estructura similar, lo que permite
presentarlos en forma generalizada. Los elementos del problema de optimización son:

• 1° Categoría
Una función objetivo a minimizar o maximizar. Esta “función objetivo” depende
sensitivamente de un conjunto de n variables manipulables perfectamente identificadas o
identificables.
 Introducción
Elementos del problema de Optimización.

• 2° Categoría
Un conjunto de m restricciones de igualdad (ecuaciones), que corresponden a identidades
matemáticas impuestas por el diseño, el equipo o el modelo matemático del sistema.

• 3° Categoría
Un conjunto de p restricciones de desigualdad (inecuaciones), que corresponden a
limitaciones físicas (o de operación) impuestas por el diseño, el equipo o el modelo
matemático del sistema.
 Introducción
Elementos del problema de Optimización.
Durante el curso se utilizará la siguiente notación del problema de optimización:

Minimizar :𝑓 𝑥 función objetivo

Sujeto a : :ℎ 𝑥 =0 vector de restricciones independientes de igualdad

:𝑔 𝑥 ≥0 vector de restricciones independientes de desigualdad

en el contexto de esta notación:

𝑥 𝑇 = 𝑥1 𝑥2 … 𝑥𝑛
es el vector de variables manipulables en un problema de optimización.
 Introducción
Elementos del problema de Optimización.
En general, es suficiente revisar el problema de minimización, pues 𝑚á𝑥 𝜏 𝑥 = 𝑚í𝑛 −𝜏 𝑥 .
Si denotamos por n al número de variables manipulables, por m al número de restricciones de igualdad y por p
el número de restricciones de desigualdad, se tienen los siguientes casos:

Caso 1
m < n : número de incógnitas es mayor que el número de ecuaciones que las relaciona. El sistema es
subdeterminado, o con infinitas soluciones. De ese conjunto de soluciones, sólo una satisface el problema de
optimización o el criterio de optimalidad.
 Introducción
Elementos del problema de Optimización.
Caso 2
m = n : número de incógnitas es igual al número de ecuaciones que las relaciona. El sistema es determinado y
sólo se requiere resolver el sistema de restricciones de igualdad. Esta solución es, por definición, la solución
del problema de optimización.

Caso 3
m > n : número de incógnitas es menor que el número de ecuaciones que las relaciona. El sistema es
sobredeterminada, ningún conjunto de soluciones satisface todas las restricciones de igualdad. Lo mismo
sucederá para el problema de optimización.
 Introducción
Elementos del problema de Optimización.

Dominio factible, contiene las variables de

optimización.

Línea factible, restricciones de igualdad del

problema de optimización.
 Introducción
Estrategia general para enfrentar problemas de optimización
1. En un problema planteado buscar problemas de optimización. La Ingeniería normalmente está involucrada
con tres categorías de problemas, que son:
• Problema de diseño: en este caso se definen los objetivos del proceso, en función de un conjunto de
parámetros de entrada.
Por ejemplo: El diseño de un molino, el objetivo es seleccionar el diámetro y largo de un molino para
producir Q toneladas por hora de un material con un porcentaje Ψ menor que el tamaño p1. Para ello se debe
especificar el tamaño de las bolas de la recarga, su distribución y la potencia del molino.

• Problemas de simulación: el problema de simulación atiende al caso de un equipo ya instalado, con tecnología
existente como restricción. La oportunidad de optimización se relaciona con mejorar algún parámetro
productivo del proceso, utilizando como variables manipulables aquellas que estén contenidas dentro de la
flexibilidad del diseño.
 Introducción
Estrategia general para enfrentar problemas de optimización
1. En un problema planteado buscar problemas de optimización. La Ingeniería normalmente está involucrada
con tres categorías de problemas, que son:
• Problema de control: el control corresponde a la capacidad que un sistema tiene de entregar una respuesta
constante frente a condiciones variables de alimentación.

2.Determinar el conjunto de variables influyentes.

3. Plantear una función objetivo consistente con la oportunidad de optimización, y que dependa del conjunto de
variables influyentes.

4. Plantear las restricciones de igualdad y desigualdad pertinentes al caso.

 Introducción
Estrategia general para enfrentar problemas de optimización
5. Analizar los grados de libertad del problema, chequeando la independencia de las variables manipulables y las
restricciones.

6. Resolver el problema de optimización, seleccionando técnicas ad-hoc con la naturaleza del problema. Por
ejemplo, si sospecha que el problema es discontinuo o no diferenciable para algunas especificaciones de las
variables manipulables, evitar la aplicación de técnicas diferenciales.

7. Analizar la sensitividad del óptimo encontrado, pues, es común que los problemas de optimización tengan
múltiples soluciones, y sólo una de ellas sea la más conveniente.
 Introducción
Teoría de funciones continuas
Una función unidimensional es continua en un punto 𝑥0 si:
a. 𝑓 𝑥0 existe.
b. lim 𝑓 𝑥 existe, y es único aproximándose a 𝑥0 .
𝑥→𝑥0
c. lim 𝑓 𝑥 = 𝑓 𝑥0 .
𝑥→𝑥0

El concepto de continuidad tiene gran importancia en optimización, pues permite seleccionar una técnica de
optimización ad-hoc.
 Introducción
Teoría de funciones continuas
 Introducción
Teoría de funciones continuas
El caso a) podría producirse por un cambio de
tecnología o escala. Se observa la presencia
de un máximo que podría ser alcanzado con
técnicas diferenciales dependiendo del valor
inicial.
El caso b), corresponde a un caso continuo.
Aunque la función es continua por definición,
no es diferenciable y una técnica de derivadas
puede fallar.
 Introducción
Funciones uni y multimodales
En optimización la monotonía se denomina modalidad de una función.
Una función se dice unimodal en un dominio definido cuando presenta un solo punto estacionario (máximo o
mínimo) en el dominio de estudio.
Una función es multimodal en un dominio definido cuando presenta varios puntos estacionarios.

El caso a), por ejemplo, es unimodal, pues presenta un solo punto estacionario, que corresponde a un
máximo.
El caso b) presenta mínimos y máximos, dando origen a una función multimodal.
 Introducción
Funciones uni y multimodales
Cuando las funciones son de clases C2 (continuas y diferenciables), la modalidad puede ser estudiada
analizando la segunda derivada.
La función será unimodal cuando el signo de su segunda derivada no cambia.
Desde el punto de vista de la optimización, el caso más sencillo ocurre cuando las funciones objetivo son
unimodales.
En funciones multimodales siempre es posible determinar un candidato a óptimo, pero el óptimo más
conveniente requiere de una exploración exhaustiva de la función.
 Introducción
Funciones cóncavas y convexas
Una función es matemáticamente cóncava en una región ℜ si, al considerar dos puntos arbitrarios de la
región, se cumple que:
𝑓 𝜃𝑥𝑎 + 1 − 𝜃 𝑥𝑏 ≥ 𝑓 𝑥𝑎 + 1 − 𝜃 𝑓 𝑥𝑏 ∀𝑥𝑎 < 𝑥𝑏 ∈ ℜ; 0 ≤ 𝜃 ≤ 1

desde un punto de vista gráfico, esto significa que la recta espacial que une dos puntos de la función (o
cuerda) evaluada se sitúa por debajo de la función. Por otro lado, una función convexa se define invirtiendo la
desigualdad:
𝑓 𝜃𝑥𝑎 + 1 − 𝜃 𝑥𝑏 ≤ 𝑓 𝑥𝑎 + 1 − 𝜃 𝑓 𝑥𝑏 ∀𝑥𝑎 < 𝑥𝑏 ∈ ℜ; 0 ≤ 𝜃 ≤ 1
en funciones el concepto de concavidad y convexidad permite clasificar el punto extremo (máximo o mínimo)
como un extremo global.
 Introducción
Funciones cóncavas y convexas
 Introducción
Funciones cóncavas y convexas
Una técnica poderosa para estudiar la concavidad o convexidad de una función, es el análisis de la segunda
derivada. En esta metódica se requiere que la función sea de clases C2. Del cálculo nos es familiar la siguiente
relación:
 Introducción
Regiones cóncavas y convexas
Cuando se optimiza una función objetivo sujeta a restricciones, existe un dominio factible en donde se
encuentra la solución. Se define un dominio convexo como aquel cuya hiperrecta que une dos elementos del
dominio, tiene todos sus puntos contenidos en el dominio. Un ejemplo de dominio convexo puede observarse
en la Figura
 Introducción
Regiones cóncavas y convexas
Cuando la región factible de optimización es externa a la elipse, algunos de los puntos de la línea que une dos
elementos del dominio no están contenidos en el dominio factible dando origen a regiones cóncavas.
 Introducción
Regiones cóncavas y convexas
1. La intersección de dos regiones convexas es convexa.
2. La unión de dos regiones convexas, no necesariamente define una región convexa.
 Introducción
Regiones cóncavas y convexas

Las regiones cóncavas y convexas adquieren relativa importancia cuando se combinan restricciones de
desigualdad en un mismo problema de optimización. La razón es que el dominio de búsqueda está acotado
por restricciones y fácilmente puede llegarse a un punto donde se viola la factibilidad del dominio.