UNIDAD TEMTICA XI

INTRODUCCIN A LA OPTIMIZACION
XII.1 INTRODUCCIN
Desde un punto de vista general, se puede decir que la teora de la optimizacin,
constituye un conjunto de resultados matemticos y mtodos numricos para la
bsqueda e identificacin de la mejor alternativa, a partir de un conjunto numeroso de
ellas, sin tener que enumerar y evaluar explcitamente cada una de las alternativas.
Desde un punto de vista ingenieril podemos decir que la optimizacin constituye la raz
o esencia de la ingeniera, ya que la funcin clsica del ingeniero es disear sistemas
nuevos, mejores, ms eficientes y mas baratos, as como tambin desarrollar planes y
procedimientos que permitan mejorar la operacin de sistemas existentes.
Esta gran ventaja de la teora de la optimizacin, que permite seleccionar la mejor
opcin sin tener que evaluarlas a todas, requiere solo de un modesto nivel de
matemtica, adems del uso de mtodos numricos mediante una determinada
secuencia de calculo implementada en algoritmos. En resumen solo necesitamos un
manejo primario de matrices y vectores, lgebra lineal, clculo y algo de anlisis real, y
por sobre todas las cosas un adecuado conocimiento y criterio ingenierl que nos
permita modelar el problema en estudio y posteriormente interpretar los resultados
obtenidos de la optimizacin.
XII.2 REQUERIMIENTOS BSICOS PARA LA APLICACIN DE UN MTODO DE
OPTIMIZACIN
Los elementos bsicos requeridos para la aplicacin de un mtodo de optimizacin a
un determinado problema o situacin son los siguientes:
1. Definir los lmites del sistema ingenieril a optimizar
2. Definir un criterio cuantitativo que permita establecer un ranking de alternativas a
fin de seleccionar la mejor
3. Seleccionar las variables del sistema que permiten caracterizar o definir
explcitamente al mismo
4. Definir un modelo que interrelacione las variables a fin de describir el sistema en
estudio
Estas cuatro actividades constituyen lo que se denomina Formulacin del Problema
de Optimizacin Ingenieril, y define en gran parte el xito o fracaso de un estudio de

optimizacin. No existen formulas matemticas para desarrollar cada una de estas

actividades, y su aprendizaje solo se adquiere a travs de la prctica y la experiencia
de resolver innumerables problemas en diferentes situaciones, es por ello que se dice
que la etapa de formulacin del problema de optimizacin es mas ARTE que TCNICA.
Veamos algunos conceptos referidos a cada etapa.
Definicin de los Limites del Sistema
Previo a optimizar cualquier tipo de sistema en ingeniera es preciso conocer con
precisin sus limites as como tambin el universo que lo rodea, a fin de poder tener en
cuenta las posibles interacciones entre ambos.
Bajo este contexto se entiende por sistema al concepto termodinmico del mismo, o
sea la porcin restringida del universo bajo consideracin. Ello nos permite aislar el
sistema en estudio de sus alrededores, a fin de poder estudiarlo, evitando as la
influencia de interacciones desde los alrededores. Esto no siempre es posible, y
muchas veces las interacciones con los alrededores son inevitables, por ende es
necesario extender los limites del sistema, a fin de realizar una optimizacin realista.
Por lo general en la prctica es muy comn encontrar situaciones donde una primera
definicin de los limites del sistema resulta muy restrictiva y debido a las interacciones
de los alrededores es necesario luego ampliar los limites. Ello permite incorporar otros
subsistemas que influencian fuertemente al sistema en estudio.
As por ejemplo supongamos que queremos optimizar la operacin de una lnea de
pintado de partes terminadas de un determinado producto, que se producen en otra
lnea de produccin de la fabrica. En una primera aproximacin podramos tentarnos a
estudiar la lnea de pintado en forma aislada del resto, sin embargo veremos que el
tamao ptimo de las bachadas de pintado y la secuencia de colores que debemos
definir estn fuertemente influenciadas por la operacin de la lnea de produccin de
partes. En este caso deberemos ampliar los limites de nuestro sistema, a fin de incluir
la lnea de fabricacin de partes. Ello nos permitir seguramente una mejor
optimizacin de la lnea de pintado. Obviamente esto contradice en cierta forma un
principio ingenieril de descomposicin del problema en subproblemas para su mejor
estudio. Sin embargo en este caso dicho principio puede conducir a una simplificacin
poco realista para abordar la optimizacin del sistema.
El Criterio de Perfomance

Una vez definidos los limites del sistema, es necesario establecer un criterio o medida
de perfomance que nos permita evaluar cada alternativa posible del sistema, a fin de
decidir cual de todas es la mejor.
La seleccin de tal criterio estar regida por el objetivo previsto en nuestro estudio de
optimizacin, que puede ser de tipo econmico o tcnico. As por ejemplo, en el diseo
de sistemas ingenieriles es muy comn que dicho objetivo sea econmico, por lo tanto
el Criterio de Perfomance ser una medida de bondad econmica del sistema, como
por ejemplo costo total de capital, costo total anual, rentabilidad anual neta, retorno
sobre la inversin, relacin costo beneficio, valor presente neto, etc. En el caso de
objetivos tcnicos podemos encontrar criterios del tipo: mnimo tiempo de produccin,
mxima tasa de produccin, mnimo consumo de energa, mnimo peso, mxima
resistencia, etc. En este contexto siempre el sistema, operacin o diseo optimo es
aquel que maximiza o minimiza el criterio de perfomance o funcin objetivo
previamente definido.
Tambin es importante aclarar que como ya hemos visto anteriormente el diseo actual
en ingeniera requiere por lo general satisfacer mas de un criterio, por lo tanto nuestro
problema de optimizacin se transforma en Multiobjetivo. Si bien actualmente existen
algunos avances en optimizacin multiobjetivo, no es menos cierto que su aplicacin
esta an muy lejos de lo deseado. Por ello tales problemas se abordan sobre la base
de un solo objetivo, dejando el resto de los objetivos como restricciones o limites
deseables en el planteo del problema.
Variables Independientes del Sistema
El tercer elemento de relevancia en la Formulacin del Problema de Optimizacin es la
seleccin de las variables independientes, o variables que definen y caracterizan el
sistema. De manera tal que una vez fijadas las mismas, puedan caracterizar el sistema
y su criterio de perfomance, o funcin objetivo.
Es importante poder distinguir entre aquellas variables cuyos valores se puedan
cambiar y aquellas variables cuyos valores estn fijados por factores externos al
sistema. (Por ejemplo: caudal de ingreso a un intercambiador de calor, esta fijado por
condiciones externas, no as el numero de tubos o la disposicin de los mismos dentro
de la carcaza).
Tambin es importante diferenciar aquellos valores que se pueden tomar como fijos, de
aquellos que estn fijados por factores externos. Pero por sobre todo es importante
definir las variables que influencian la operacin o el diseo del sistema en estudio. Su
3

no-consideracin puede conducir a obtener soluciones suboptimas, y muchas veces es

necesario ampliar el sistema primario a fin de obtener un optimo global.
Finalmente es importante considerar un adecuado nivel de detalle en la descripcin del
sistema. El mismo no debe ser tal que su tratamiento entorpezca el anlisis del
sistema, conduciendo a soluciones que no aportan mejoras sustantivas. Por ejemplo en
el diseo preliminar de un proceso, los equipos deben ser considerados con un bajo
nivel de detalle, y ser caracterizados por pocos parmetros de diseo que los definan,
tales como reas, volmenes, potencias etc. Una buena regla del arte es seleccionar
como variables independientes solo aquellas que tengan un impacto significativo sobre
el criterio de perfomance o funcin objetivo.
El Modelo del Sistema
Luego de definir los limites del sistema, establecer el criterio de perfomance o Funcin
Objetivo, y determinar cuales son las variables independientes del sistema, la prxima
etapa en la formulacin del problema es encontrar el modelo que describe el sistema.
O sea encontrar la manera en la cual se interrelacionan las variables, y la forma en que
ellas influencian la funcin objetivo (FO de ahora en ms).
El Modelo es una representacin matemtica simplificada del sistema, que permite el
diseo, anlisis y verificacin de sistemas reales, sin tener que recurrir a costosas
experimentaciones. Ellos permiten estudiar la influencia de cambios en las variables de
diseo, y su influencia sobre la FO.
Por lo general el modelo esta constituido por:

Ecuaciones de Balance de Masa y Energa

Relaciones de diseo

Ecuaciones de propiedades fsicas que describen los fenmenos que ocurren en

el sistema

Desigualdades que definen rangos de operacin permitidos, especifican rangos

mnimos y mximos de perfomance, o fijan limites sobre recursos disponibles

En resumen, el modelo consiste de todos los elementos que normalmente deben

ser considerados para calcular el diseo o predecir el comportamiento de un sistema
ingenieril. Por supuesto la generacin de un modelo adecuado requiere de un total
entendimiento de los fenmenos que ocurren en el sistema, y una gran dosis de
experiencia.
A modo de corolario diremos que para que sea posible la aplicacin de una
metodologa de optimizacin es necesario que el problema posea:
4

Un Criterio de Perfomance o Funcin Objetivo

Un conjunto de Variables Independientes

Un modelo que interrelacione las variables del sistema

Tales requerimientos son comunes a muy diversos sistemas y problemas, y por lo tanto
la aplicacin de la Optimizacin posee un rango muy amplio de aplicacin que va
desde los sistemas sociales, comerciales, militares y organizacionales, hasta los
sistemas ingenieriles, que son los que nos interesan.
Campos de Aplicacin:
La aplicacin de un estudio de optimizacin dentro de la empresa moderna puede
circunscribirse a diferentes campos, como ser:

La compaa entera

Una planta en su totalidad

Un proceso

Una simple operacin unitaria

Una parte de un equipo

Cualquier sistema intermedio

Obviamente la conveniencia de su aplicacin estar dada por la relacin costo

beneficio entre costo del estudio y beneficio esperable.
En el caso de la industria de proceso, la optimizacin se puede aplicar en las siguientes
reas:
1. Administracin:

Evaluacin de proyectos

Seleccin de productos

Presupuesto corporativo

Inversin en Ventas vs. I+D

Construccin de nuevas plantas

2. Diseo:

Diseo de equipos y especificaciones

Seleccin de un proceso

Condicin operativa nominal

Configuracin / estructura de planta

Tamao de unidades individuales o sectores

Materiales de construccin

3. Operacin:

Control operativo

Asignacin de materias primas

Consumo de servicios

Embalaje, transporte y distribucin

4. Planeamiento de la operacin:

Secuenciamiento (scheduling) de procesos

Planificacin (planning) de la operacin (procesos batch)

Paradas y arranques de equipos

Jerarqua de las reas de Aplicacin:

Con relacin al impacto probable de un estudio de optimizacin sobre los costos de la
empresa, resulta indicativo la siguiente jerarqua de reas en la aplicacin de estudios
de optimizacin. En trminos generales la jerarqua indica nivel de impacto sobre los
costos de la empresa, aunque la misma no es taxativa, y depende en gran medida del
tipo y tamao de la empresa en cuestin.
Jerarqua:
Administracin

Planeamiento

Operacin

Diseo
Equipos Individuales

Oportunidades para Aplicar Optimizacin

Del anlisis y observacin de diferentes datos registrados en distintas reas de la
empresa, es posible detectar oportunidades de optimizacin. Por ejemplo en:

Ventas limitadas por produccin

Ventas limitadas por mercado

Grandes niveles de produccin

Alto consumo de materia prima

Calidad del producto que excede especificaciones

Perdida de compuestos valiosos con los desechos

Alto costo de la Mano de Obra

Etc.

Normalmente dichas oportunidades de realizar estudios de optimizacin pueden

detectarse mediante diversas evaluaciones como:

Evaluar registros de Beneficios y Perdidas

Evaluar registros de operaciones en forma peridica

Etc.

XII.3 APLICACIONES DE OPTIMIZACION EN INGENIERIA

Los mtodos de optimizacin encuentran aplicacin en todas las ramas de la
ingeniera, fundamentalmente en las cuatro reas siguientes:
1. Diseo de componentes o sistemas totales
2. Planificacin y anlisis de operaciones existentes
3. Anlisis ingenieril y reduccin de datos
4. Control de sistemas dinmicos
Es muy importante remarcar que la aplicacin de los mtodos de optimizacin en
diseo y operacin, es una herramienta de significativa importancia, pero constituye
una etapa mas en el proceso global de lograr un diseo optimo o una operacin
eficiente.
Por lo general el proceso global es un ciclo iterativo que incluye:
1. Sntesis o definicin de la estructura de los sistemas
2. Formulacin de los modelos
3. Optimizacin de los parmetros del modelo
4. Anlisis de la solucin obtenida
Por lo tanto, y sin desconocer el rol predominante que desempea la optimizacin en el
diseo de procesos, es necesario remarcar que la misma debe usarse en forma
inteligente y exhaustiva por un ingeniero que posee un total entendimiento de los
fenmenos que ocurren el sistema bajo estudio. Sin el juicio del Ingeniero, de nada
sirve el formalismo matemtico y es muy difcil sacar rdito de los resultados obtenidos.
Veamos a continuacin ejemplos clsicos de aplicacin en el campo de la ingeniera.
Desarrollamos uno de ellos, y el otro ser referenciado para consulta del lector.
1. Diseo de un Sistema de Suministro de Oxigeno
2. Anlisis y Reduccin de Datos
Ejemplos de Aplicacin
7

1. Diseo de un Sistema de Suministro de Oxigeno:

Venteo

Compresor
Planta de Oxigeno
Horno de
Reduccin
Tanque

Se desea disear un sistema optimo de suministro de oxigeno, desde una planta

productora de oxigeno a un Horno de Reduccin. A fin de compatibilizar la planta de
oxigeno con el horno, se utiliza un Compresor y un tanque de almacenamiento que
acta como pulmn del sistema.

Se conoce que el horno trabaja en forma cclica

Las demanda de oxigeno es cclica

La planta de oxigeno entrega el gas a un caudal fijo

Se dispone de compresor, tanque pulmn y sistema de venteo de oxigeno

La demanda de oxigeno es la siguiente:

D = D0 para 0 t t1
D = D1 para t1 t t2

Grficamente:
Demanda de
O2 (lb/hr

D1
F
D0

t1

t2

Tiempo

A partir de las condiciones del problema vemos que tenemos las siguientes
posibilidades de Diseo:
1.

Capacidad de almacenaje mximo = D1. Durante la baja demanda se ventea

el oxigeno

2.

Disear la planta para almacenar la cantidad demandada durante el ciclo.

Durante la baja demanda almacenar, para usar durante la alta demanda
8

3.

Se pueden usar diseos intermedios

Veamos ahora la Formulacin del Problema a fin de encontrar el Diseo Optimo

Formulacin:

Perfomance: para caracterizar el diseo se considera en la funcin objetivo

o Costo de produccin de oxigeno (fijo y variable)
o Costo del compresor (fijo y variable)
o Costo fijo del tanque de almacenamiento

Variables Independientes claves que definen el diseo:

o Produccin de la planta de Oxigeno. F(lb O2/hr)
o Capacidad del compresor y tanque de almacenamiento: H (hp), V (ft3)
o Mxima presin del tanque P (psa)

Modelo: consiste del conjunto de relaciones que vinculan las variables

independientes claves de diseo

Definimos: Imax = Cantidad mxima de Oxigeno que debe ser almacenada. Por la
Ley de los Gases:

V=

Im ax RT

z
M
P

De la figura de demanda, la mxima cantidad de oxigeno que debe almacenarse es

el rea bajo la curva:
Imax = (D1-F). (t2 t1)
Sustituyendo:
V=

(D1 - F). (t 2 - t 1 ) RT
.
.z
M
P

El compresor se debe disear para manejar un caudal de [(D1-F). (t2 t1)]/t1 y

comprimir el gas a la mxima presin P.
Suponiendo compresin del gas ideal isotrmico. La capacidad del compresor ser
H, y esta dada por:
H=

(D1 F)(t 2 t 1 ) RT P
.
. ln
t1
k1k 2 P0

k1 = Factor de conversin de unidades

k2 = Eficiencia del compresor
P0 = Presin a la cual se entrega el oxigeno al compresor
Adems el caudal de oxigeno de la planta (F) debe ser suficiente para satisfacer la
demanda total de oxigeno. Luego:

D0 t 1 + D1.(t 2 t 1 )
t1

Tambin la mxima presin del tanque (P) debe ser mayor que la presin del
oxigeno entregado por la planta (P0)
P P0
Para obtener el criterio de perfomance, se deben considerar los siguientes costos:

Costo Anual de la Planta de Oxigeno:

C1 ($/ao) = a1 + a2 . F
a1 y a2: constantes (combustible, labor, agua, etc.)

Costo de Capital del tanque de Almacenamiento:

C2 ($) = b1 Vb2

Costo de Capital del Compresor:

C3 ($) = b3 Vb4

El costo del compresor ser: (b5. t1 H)

El Costo Anual Total ser:
CAT = a1 + a2 .F + d [b1 Vb2 + b3 Vb4 ] + N. b5. t1 H
Donde: N = Numero de ciclos por ao
d = Factor de Costo
Luego el Problema completo de Optimizacin es el siguiente:
Min. CAT (F,V,H, P)

(1)

Sujeto a:

V=

(D1 - F). (t 2 - t 1 ) RT
.z
.
P
M

(2)

H=

(D1 F)(t 2 t 1 ) RT P
.
. ln
t1
k1k 2 P0

(3)

D0 t 1 + D1.(t 2 t 1 )
t1

P P0

(4)
(5)

La solucin estar influenciada tambin por parmetros de ciclos como: N, D0, D1, t1, t2
; parmetros de costo como: a1, a2, b1, -b5, d; y parmetros fsicos como T, P0, k2, z, M.
Alternativamente, se puede resolver eliminando V y H de (2) y (3) en (1), reduciendo el
problema a dos variables.

10

Luego graficamos el contorno de (1) en el plano de F vs. P. Imponemos las

desigualdades (restricciones) (4) y (5), y determinamos del grafico el mnimo punto.
Dicha solucin es por dems laboriosa, pero lograble.
2. Anlisis y Reduccin de Datos

Supongamos que una determinada variable (y) es dependiente de otra variable (x),
y ambas estn relacionadas entre s por la siguiente funcin: y = f(x, 1, 2) que
depende de los dos parmetros 1 y 2. A fin de determinar los valores correctos de
1 y 2 , corremos una serie de experimentos, mediante los cuales ajustamos la
variable independiente (x), y medimos la variable (y) resultante.
Como resultado de una serie N de experimentos, resultar parar el rango de inters
de x, un conjunto de pares (y, x), cuyos valores sern (yi, xi) con i = 1,.., N. A partir
de estos datos podemos intentar aproximar nuestra funcin que mejor ajuste los
mismos, mediante la manipulacin de 1 y 2 hasta lograr un buen ajuste. La
medida ms comn de buen ajuste es el Criterio de Mnimos Cuadrados, que
para este caso lo podemos expresar como:
N

L(1 , 2 ) = [y i f (x i , 1 , 2 )]2
i =1

La diferencia yi - f(xi, 1, 2) entre los valores experimentales yi y los predichos f(xi,

1, 2) mide la aproximacin del modelo a los datos experimentales, y se denomina
residuo. La suma de los cuadrados de los residuos para todos los valores

experimentales indica la bondad del ajuste. Obviamente si L(1, 2) es igual a cero,

el ajuste ser perfecto. De esta forma el problema de aproximacin puede ser
planteado como una optimizacin en la cual L(1, 2) es minimizada mediante una
eleccin adecuada de 1, y 2.

11

XII.4 ESTRUCTURA DE LOS PROBLEMAS DE OPTIMIZACION

Los ejemplos de aplicacin vistos anteriormente poseen un elemento en comn, y es el

hecho que los mismos se pueden expresar como la minimizacin de una Funcin de
Valor Real f(x) donde x es un vector de parmetros de n componentes: x = (x1,
x2,.....xN), cuyos valores estn restringidos a satisfacer un numero de ecuaciones de
valor real hk(x) = 0, un conjunto de desigualdades gi(x) 0, y los limites de las variables
xiU xi xiL. Luego de aqu en adelante denominaremos a cada termino del problema
de optimizacin como:

La funcin f(x) es la Funcin Objetivo

Las ecuaciones hk(x) son las Restricciones de Igualdad

Las ecuaciones gi(x) son las Restricciones de Desigualdad

Luego el Problema General de Optimizacin posee la siguiente estructura:

Minimice

f(x)

Sujeto a:

hk(x) = 0

k = 1,...., K

gi(x) 0

j = 1,....., J

xiU xi xiL

i = 1,....., N

y se denomina Problema de Optimizacin Restringido

Cuando el problema no es restringido:
J=K=0
xiU = - xiL = Infinito, para i = 1,....., N
y se denomina Problema de Optimizacin No Restringido.
Adems los problemas de optimizacin pueden ser clasificados de acuerdo a la
estructura de las funciones: f, hk, gi, y sobre la dimensionalidad de x.
As, si x es un vector de un componente y no existen restricciones, el problema se
llama No Restringido en una Variable, que es el ms simple de los problemas y tal
vez uno de los ms importantes por la frecuencia con que se presenta.
En problemas restringidos, cuando hk y gi son todas lineales, se llama Problema
Linealmente Restringido. Adems dentro de esta clase de problemas encontramos los
que tienen f lineal y f no lineal.

12

Los problemas donde todas las funciones son lineales y con variables continuas, se
llaman Programacin Lineal, y cuando las variables son enteras, Programacin
Entera.
Cuando la Funcin Objetivo es no lineal y las restricciones lineales, se llaman
Programas No Lineales Linealmente Restringidos. Adems si la F.O. no lineal es
cuadrtica, se llama Programa Cuadrtico. Existen adems otras clasificaciones de
acuerdo a la forma y estructura de las funciones objetivo y de las restricciones. Por lo
general los problemas de procesos son del tipo Continuos No Lineales y los ms
complejos del tipo Mixto Enteros No Lineales. No obstante, muchos de los problemas
cotidianos de optimizacin en procesos pueden abordarse o adecuarse a Programas
Lineales.
XII.5 PROCEDIMIENTO PARA RESOLVER PROBLEMAS DE OPTIMIZACION

Una vez formulado el problema de optimizacin, se debe proceder a la seleccin del

mtodo ms adecuado para resolverlo. Para ello se deben tener en cuenta diversos
factores que, segn sus caractersticas nos definirn en cierta forma cual es el mtodo
o algoritmo ms adecuado para su resolucin. Dichos factores son los siguientes:

Caractersticas de la Funcin Objetivo:

Explicita
No explicita

Lineal
No Lineal

Smooth
No smooth

Naturaleza de las Restricciones:

Restricciones de Igualdad

Lineal
Nolineal

Lineal
Nolineal

Restricciones de Desigualdad

13

Numero de Variables Independientes:

Una Variable
Mltiples Variables

A modo de Resumen podemos sintetizar la Etapas en la Resolucin de un Problema

de Optimizacin como:

1.

Analizar el proceso o sistema en s mismo, de manera tal que las variables,

limites y caractersticas de inters sean definidas. Hacer una lista de todas las
variables de inters.

2.

Determinar el criterio de optimizacin y especificar la funcin objetivo en termino

de variables y coeficientes. Quedara as un modelo de Perfomance del sistema o
proceso.

3.

Desarrollar mediante expresiones matemticas un Modelo Valido que relacione

variables de entrada salida del proceso y coeficientes o datos del proceso.
Incluir igualdades y desigualdades. Usar principios fsicos bien conocidos
(Balances de Masa y Energa, Relaciones Empricas o Fenomenolgicas, Leyes
Generales, etc.). Identificar las Variables Independientes y Grados de Libertad.

4.

Si el problema es demasiado grande:

Particionarlo en partes ms manejables, o

Simplificar Funcin Objetivo y Restricciones

5.

Aplicar una tcnica de Optimizacin adecuada al modelo

6.

Anlisis de Sensibilidad de la Solucin ante perturbaciones

14

Bibliografa:

REKLAITIS, G. V.; RAVINDRAN, A. RAGSDELL, K. M., "Enginnering Optimization.

Methods and Applications", John Wiley & Sons. 1983.

EDGAR & HINMENBLAU, "Optimization of Chemical Process", Mc Graw Hill, 1988

BIEGLER, L. T.; GROSSMANN, I. E. WESTWRBERG, A.W., "Systematic Methods

of Chemical Process Design", Prentice Hall International Series in Industrial and
Systems Engineering. 1997.

15