Está en la página 1de 18

SINTESIS DE PROCESOS

La síntesis es la etapa del diseño de procesos químicos que comprende la


generación de estructuras alternativas técnicamente factibles, que satisfagan
objetivos previamente establecidos. Esta tarea involucra la selección de la secuencia
óptima de las operaciones de un proceso (Flowsheet), que permita la transformación
de materias primas en productos.

La síntesis puede ser definida de diversas formas una de ellas es: la tarea de
invención de la estructura y de determinación de las condiciones operativas de
un proceso (Rudd, 1968).

MÉTODO DE SINTESIS JERARQUICA (DOUGLAS, 1988)

La síntesis de procesos es una actividad extremadamente importante en el diseño


de procesos, en la que el equipo de diseño (grupo de profesionales seleccionados
por sus conocimientos y experiencia) debe encontrar la mejor configuración del
proceso, de forma tal que satisfaga los objetivos pre-establecidos. Se han
desarrollado diferentes metodologías para la generación de alternativas de proceso,
una de ellas es el Método de Síntesis Jerárquica propuesto por Douglas.

El autor parte de la concepción de que los problemas de diseño se resuelven


abordando primero soluciones simples e introduciendo posteriormente, sucesivos
niveles de detalle. De este modo, propuso un procedimiento sistemático que incluye
un conjunto de niveles, estructurados de acuerdo a una jerarquía de decisiones.
Los niveles son clasificados de acuerdo al siguiente orden de decisiones de proceso:
nivel 1
BATCH vs CONTINUO

nivel 2
ESTRUCTURA ENTRADA-SALIDA

nivel 3
ESTRUCTURA DE RECICLO

nivel 4

ESTRUCTURA DEL SISTEMA DE SEPARACION

nivel 5
REDES DE INTERCAMBIO CALORICO

Figura 2: Estructura de Niveles en el Esquema de Síntesis Jerárquica

En esta estructura jerárquica, como puede observarse, en el nivel 5 se obtiene el


flowsheet del proceso integrado energéticamente. Si se asciende en el diagrama, los
niveles contienen menor grado de detalles, en forma sucesiva.

Ventajas del método:

• Permite el cálculo del tamaño de los equipos y la estimación de sus costos a


medida que se pasa a través de los distintos niveles de jerarquía.
• Si la rentabilidad del proceso se hace negativa en algún nivel, se puede buscar
un proceso alternativo o dar por terminado el proyecto de diseño sin tener que
obtener la solución completa al problema.
• Como se toman decisiones sobre la estructura de flowsheet en distintos niveles,
se pueden generar distintas alternativas de proceso, al cambiar las mismas.
INFORMACIÓN DE ENTRADA

Generalmente el problema de diseño está sub-definido en sus orígenes y a menudo está


basado en una cantidad de información mínima, que constituye el punto de partida para
la tarea de diseño preliminar.

La información que está normalmente disponible en las etapas iniciales de un problema


de diseño es la que se muestra en la Tabla IV-1.

Tabla IV-1. Información de entrada

1. Las reacciones y condiciones de reacción

2. Información sobre la velocidad de reacción y la velocidad


de desactivación del catalizador
3. La velocidad de producción deseada

4. La pureza deseada del producto o alguna información


sobre precio vs. pureza
5. Las materias primas y/o alguna información sobre precio
vs. pureza
6. Cualquier restricción de procesamiento

7. Otros datos sobre el sitio y la planta

8. Propiedades físicas de todos los componentes

9. Información sobre seguridad, toxicidad e impacto


ambiental de los materiales involucrados en el proceso
10. Datos de costos de subproductos, equipamiento y
servicios
1- Información sobre el sistema reaccionante

La información sobre el sistema reaccionante que es necesario conocer para


afrontar el problema de diseño se muestra en la Tabla IV-2. En muchos casos, los
datos básicos pueden obtenerse de la literatura de patentes, tales como reacciones
primarias, rangos de temperatura y presión, catalizador y rendimiento máximo. La
información restante se obtiene a partir del trabajo estrecho con químicos
especialistas. Es necesario considerar todas las reacciones secundarias que
pudieran tener lugar, ya que cantidades ínfimas de subproducto en una corrida de
laboratorio pueden llegar a niveles asombrosos en un reciclo industrial. Esto puede
conducir a graves perjuicios económicos.

Tabla IV-2. Información sobre el sistema de reacción

1. Estequiometría de todas las reacciones


2. Rango de presiones y temperaturas de todas las reacciones
3. La/s fase/s del sistema de reacción
4. Alguna información sobre distribución de productos vs.
conversión (y posiblemente la temperatura del reactor, fracción
molar de reactantes y/o presión)
5. Alguna información sobre conversión vs. velocidad espacial o
tiempo de residencia
6. Si se usa catalizador, alguna información sobre su estado,
velocidad de desactivación, regenerabilidad y método de
regeneración

La información sobre la distribución de productos y su forma de variación con las


condiciones de trabajo en el reactor, generalmente es insuficiente y difícil de obtener. Los
datos brindados en los artículos científicos se circunscriben, la mayoría de las veces, a
un estrecho rango de condiciones (donde, por ejemplo, el catalizador trabaja en su punto
óptimo). Esas condiciones, generalmente, no son las más ventajosas económicamente.
Numerosos procesos han sido diseñados para trabajar en condiciones de rendimiento
óptimo, que en muchos casos no corresponden a la conversión económicamente
óptima.

Un parámetro importante a considerar en el estudio del sistema reaccionante involucrado


en el proceso, es la selectividad, S. Existen varias formas de definir la selectividad, se
adopta la siguiente: es la fracción de reactante convertido que se transforma en el
producto deseado

Moles de B producido
S=
Moles de A convertido

Si se considera la reacción A B C

Donde B es el producto deseado y C es un producto que posee solo valor combustible.

En algunos procesos, como los petroquímicos, el costo de las materias primas y las
pérdidas por baja selectividad son factores dominantes. Los costos de las materias
primas representan entre el 35 y el 85 % del costo del producto. La conversión
económicamente óptima se fija generalmente, a través del compromiso entre las
pérdidas por baja selectividad y reactores grandes, a altas conversiones, contra los altos
costos de reciclo, a conversiones bajas. De este modo, la conversión
económicamente óptima es menor que la correspondiente al máximo rendimiento
del producto deseado, siguiendo la tendencia que se muestra en la Figura IV. 1.

2- Desactivación del catalizador.

Generalmente, en las primeras etapas de diseño, falta información sobre la


velocidad a la que pierde actividad el catalizador. Por ejemplo, algunos de ellos
tardan años en desactivarse, por lo que las experiencias tendientes a determinar la
velocidad de desactivación consumirían mucho tiempo.

En las primeras etapas de diseño, se presentan grandes incertidumbres en algunos


datos. Por lo tanto, se debe examinar la sensibilidad del costo total del producto a esas
incertidumbres y usar esos resultados como guía en un programa de desarrollo
experimental en el sentido de la más alta rentabilidad potencial. Es así que se usan
técnicas "shortcut" en los cálculos iniciales de diseño y en consecuencia, será necesario
repetir los cálculos a medida que se vaya obteniendo más información.

3- Caudal de producción

Si se quiere diseñar una nueva planta para satisfacer las condiciones de un mercado en
expansión, la primera aproximación del caudal de producción que se adopta es la de la
planta más grande, de ese tipo, que haya sido construida. De esa manera obtendremos
la mejor economía de escala.

El tamaño máximo de una planta, generalmente está fijado por el tamaño máximo de
una o más piezas del equipamiento y también por restricciones en el transporte de los
equipos al lugar de la planta. Por ejemplo, en el uso de camiones o ferrocarriles existe un
tamaño máximo admisible para el uso de carreteras o vías.

También se puede considerar la posibilidad de exceder el tamaño máximo de plantas


existentes, desarrollando tecnología nueva. Aunque ello implica riesgos, la posibilidad de
beneficios por economía de escala (el precio del producto final sería más bajo,
permitiendo ganar posiciones en el mercado) podría justificar ese riesgo adicional. Es
evidente que la situación de una empresa es diferente si tiene el 50% del mercado y
posee una de las plantas más grandes existentes, que si solamente aporta el 10% del
mercado y la planta es sólo un décimo de la más grande.

La velocidad de producción especificada para la planta puede variar durante el diseño


porque las condiciones del mercado varíen. Al usar métodos "shortcut" en las etapas
iniciales del diseño se minimizan los esfuerzos requeridos al cambiar todos los cálculos.

4- Pureza del producto

La pureza del producto generalmente está condicionada por el mercado. Muchas veces
es posible ofrecer un producto con diferentes grados de pureza y es conveniente que los
encargados del diseño consideren esas alternativas. A medida que el diseño avanza, las
predicciones de pureza vs. precio del producto pueden variar. Debe existir buena
comunicación con el departamento de ventas (marketing), especialmente si surgen
costos my elevados asociados con purezas muy altas para que no aparezcan falsas
expectativas por parte de los consumidores.
5- Materias primas

Un químico usa generalmente materias primas muy puras para sus experimentos, sin
embargo, las materias primas naturales o adquiridas en grandes cantidades siempre
contienen algunas impurezas. Es necesario tener información sobre pureza de materia
prima vs. precio y sobre la naturaleza de las impurezas, para conocer si éstas son
inertes o afectarán a las reacciones deseadas. Se deberá decidir si se incluyen unidades
de purificación y/o de separación. Cantidades ínfimas de impurezas en las materias
primas, si no se eliminaron por algún método, pueden llegar a cantidades enormes
cuando entran en lazos de reciclo.

6- Restricciones

Por seguridad, se evita trabajar en condiciones dentro de los límites explosivos de una
mezcla. Se deben conocer las condiciones de procesamiento que pueden ocasionar:
polimerización, deterioro de las superficies de intercambiadores de calor, inestabilidad,
descomposiciones no deseadas, desactivación del catalizador y formación de coque.
Los materiales tóxicos y corrosivos introducen restricciones adicionales en el diseño del
proceso.

7- Datos complementarios de la planta y el lugar

Si la nueva planta se va a construir en el predio de otra ya existente, las nuevas


instalaciones deberán ser compatibles con las anteriores. En la Tabla IV-3 se indican las
condiciones que es necesario conocer.

Tabla IV-3. Datos de planta y lugar


1- Servicios
Suministro de combustible
Niveles de presión del vapor
Temperaturas de entrada y salida del agua de enfriamiento
Niveles de refrigeración
Energía eléctrica
2- Instalaciones para disponer de los residuos
8- Datos de propiedades físicas

En muchos casos los datos de propiedades físicas no se encuentran en la literatura.


Esto ocurre especialmente cuando se intenta realizar el diseño conceptual para la
obtención de nuevos materiales. Los datos que se requieren a menudo son los pesos
moleculares, puntos de ebullición, presiones de vapor, capacidades caloríficas, calores
de reacción, densidades de líquidos y coeficientes de fugacidad o ecuaciones de estado.
Una buena colección de técnicas se encuentra en publicaciones tales como el libro de
Reid y colaboradores1.

Para diseños conceptuales se pueden suponer los datos que faltan y analizar la
sensibilidad de los costos de procesamiento totales, respecto a esos valores. En algunos
casos el costo total es casi insensible a ciertas propiedades y en otros es muy sensible.
Esta evaluación de sensibilidad provee una medida del incentivo económico para realizar
mediciones experimentales de aquellas propiedades. El uso de procedimientos de
diseño "shortcut" simplifica en forma importante el análisis de sensibilidad.

9- Productos químicos

Los costos de materias primas, productos y subproductos se pueden encontrar en


publicaciones tales como Chemical Marketing Reporter. Los valores listados son los
precios corrientes en el mercado. Ellos pueden ser diferentes de los que se puedan
obtener por contratos de provisión a largos plazos. Los costos de gases no aparecen
generalmente en esas publicaciones, porque es práctica corriente que el proveedor
construya una planta distribuidora en las cercanías o que negocie un contrato a largo
plazo.

10- Datos de costos

Existen diversas fuentes para obtener datos de costos para el diseño preliminar. Por
ejemplo, los costos de materias primas, productos y sub-productos, pueden
encontrarse en el Chemical Marketing Reporter. Para los costos de capital, se
presentan correlaciones de costos tales como las publicadas por Guthrie2, 3. Si no se

1
R. C. Reid, J. M. Prausnitz y T. K. Sherwood. "The Properties of Gases and Liquids", 3rd Ed.,
McGraw-Hill, New York, 1977.
2
K. M. Guthrie,"Capital Cost Estimating", Chem. Eng., 76(6), 114 (1969)
dispone de las correlaciones actualizadas se pueden usar ciertos factores o índices
de actualización tales como los índices M&S, aunque para periodos de actualización
cortos. La mejor práctica para obtener datos actualizados es solicitar una cotización
de los equipos a los vendedores.

Los costos de servicios pueden estimarse a través de su relación con su equivalente


en valor combustible, mediante el uso de la termodinámica y las eficiencias típicas de los
generadores, turbinas, etc. Las fluctuaciones de mercado en ciertas épocas pueden
llevar, por ejemplo, a que el costo del vapor baje a niveles inferiores a los del
combustible. Los cálculos no se deberán basar en esos costos distorsionados porque
surgirán problemas cuando los precios se reviertan a sus valores normales. Una guía de
los factores asociados a los costos de servicios relativos al costo del combustible se
muestra en la Tabla IV-4. Una vez que el costo del combustible ha sido especificado, es
fácil estimar el resto de los costos de servicios.

Tabla IV-4. Costos de servicios

Servicio Factor Precio


Combustible 1.0 $4.00/106 Btu
Vapor
600 psig a 750°F 1.30 $5.20/1000 lb
Vapor saturado
600 psig 1.13 $4.52
250 psig 0.93 $3.72
150 psig 0.85 $3.4
50 psig 0.80 $2.8
15 psig 0.57 $2.28
Electricidad 1.0 $0.04/kwhr
Agua de enfriamiento 0.75 $0.03/1000 gal

3
K. M. Guthrie, "Process Plant Estimating Evaluation and Control", Craftsman Book Co., Solana
Beach, California, 1974.
En resumen:

Como una afirmación general sobre la información de entrada podemos decir


que... Nunca se tendrá la información justa! Algunos datos faltarán, otros
estarán en condiciones diferentes a las que se busca. Probablemente se
disponga de la información de la reacción de interés pero no de las reacciones
secundarias. Quizás el químico realizó cada paso usando un solvente fresco o
diferente, sin preocuparse de recuperarlo, etc. Nunca deberá dudarse en
buscar más información del químico y es recomendable trabajar en estrecha
colaboración con él. Cuando se requieren etapas experimentales adicionales,
para obtener datos de propiedades físicas, por ejemplo, se usarán los cálculos
de diseño preliminares para guiar la experimentación.
Nivel 1: DECISIÓN BATCH versus CONTINUO

Los procesos continuos se diseñan de manera de operar 24 h/día, 7 días/semana


durante casi todo el año, en condiciones constantes antes de detener la planta para
realizar el mantenimiento anual. Por el contrario, los procesos batch contienen varias o
todas sus unidades diseñadas para puestas en marcha y paradas frecuentes. Durante
un ciclo batch normal, las distintas unidades se cargan con material, llevan a cabo su
función por un periodo de tiempo especificado, se detienen, se vacían y limpian antes de
comenzar un nuevo ciclo.

Muchos procesos batch incluyen también unidades que operan continuamente y


viceversa. En general, si hay una o dos operaciones batch en una planta industrial de
gran producción y que posee la mayoría de su equipamiento importante operando en
forma continua, se dice que es un proceso continuo.

Guías para la selección del tipo de proceso

Existen algunos lineamientos que ayudan a decidir entre procesos batch y continuos.

• Caudales de producción. Las plantas con capacidad de producción superior a


10x106 lb/año son usualmente continuas., por el contrario aquellas con producción
inferior se instrumentan, generalmente, como procesos batch,. Las plantas de
capacidad elevada generalmente requieren programas rigurosos de desarrollo y
mayores costos de diseño ingenieril. Por el contrario, las plantas batch son más
flexibles y simples, pudiéndose generar productos satisfactorios, aún con grandes
incertidumbres en el diseño. Debido a su gran flexibilidad, las plantas batch son
comunes cuando un gran número de productos se obtiene con el mismo
equipamiento (por ejemplo, pinturas).

• Requerimientos del mercado. Muchos productos son estacionales, por ejemplo los
fertilizantes son utilizados por el consumidor en determinadas épocas del año. Si se
produjeran durante todo el año, se incurriría en elevados costos de almacenamiento.
Sin embargo, si el fertilizante se produjera en una planta batch, que puede utilizarse
el resto del año para la obtención de otros productos, los costos de almacenamiento
se reducirían. Por lo tanto las plantas batch son preferidas para productos que
poseen demanda estacional. Se requieren alrededor de tres años para construir un
proceso continuo y algunos productos, tales como pigmentos orgánicos, tienen un
periodo de

vida en el mercado de unos dos años. La gran flexibilidad de las plantas batch las
hace preferibles para productos de periodos de vida cortos.

• Problemas operacionales. Algunas reacciones son tan lentas que sólo es


razonable la adopción de reactores batch. También es muy difícil bombear barros a
bajas velocidades sin que se sedimenten o tapen tuberías, por lo que los procesos
continuos se hacen inviables. Del mismo modo, algunos materiales producen
incrustaciones o ensuciamiento del equipamiento, por lo que se requieren paradas y
limpiezas frecuentes y en consecuencia, los procesos batch son la alternativa más
adecuada.

Un rasgo único de los procesos batch es la posibilidad de utilizar un mismo equipo


para llevar a cabo diferentes operaciones, mientras que en un proceso continuo sería
necesario usar recipientes separados para cada una de ellas. Por ejemplo, en una planta
continua se calienta un reactante, se envía a un reactor en donde se agrega un
catalizador y luego la mezcla se introduce en una unidad de separación. En un proceso
batch, se podría usar el calderín de una columna de destilación batch para llevar a cabo
las tres operaciones.

Cuando se realizan operaciones múltiples en un recipiente único, el tamaño de éste es


generalmente mayor que el de las piezas individuales. Por ejemplo, si usáramos un
recipiente para cada paso y tomase 1 hora cada paso, produciríamos P lb/hora de
producto pasando las tachadas de una unidad a la siguiente. Sin embargo, si se usa un
solo recipiente, tomaría tres horas producir ese producto y para obtener la misma
velocidad de producción se necesitaría procesar una cantidad triple de material. Por
supuesto, al utilizar recipientes grandes aparece la economía de escala, que incentiva a
juntar diversas operaciones de procesamiento en una sola unidad.
Diseño de Procesos Batch versus Continuo

Para desarrollar el diseño conceptual de un proceso continuo, se debe realizar lo


siguiente:
1. Seleccionar las unidades de proceso necesarias

2. Elegir las interconexiones entre estas unidades

3. Identificar las alternativas de proceso que necesitan considerarse

4. Listar las variables de diseño dominantes

5. Estimar las condiciones de procesamiento óptimas

6. Determinar la mejor alternativa de proceso

Para un proceso batch debemos tomar exactamente las mismas decisiones y agregar
las siguientes:

7. ¿Qué unidades del flowsheet deberían ser batch y cuáles continuas?

8. ¿Qué pasos del proceso se deberían llevar a cabo en una unidad simple en lugar de
recipientes separados para cada operación individual?

9. ¿Cuándo sería ventajoso utilizar unidades batch en paralelo para aumentar la


producción?

10. ¿Cuánto almacenaje intermedio se necesita y dónde estará localizado?

Como puede observarse, se necesita tomar más decisiones para diseñar un proceso
batch que para uno continuo. Por ello, algunos autores sugieren que el mejor enfoque
para abordar el problema de diseño de procesos batch es diseñar primero un proceso
continuo.
Simulación de Procesos
La Simulación de Procesos. Resume toda la teoría relacionada
con un proceso en el cual se sustituyen las situaciones reales
por otras creadas artificialmente, de las cuales se deben Simulación de Procesos
aprender ciertas acciones, habilidades y hábitos. En los últimos
años, la simulación de procesos ha llegado a ser una
herramienta adecuada y oportuna de apoyo para el diseño,
caracterización, optimización y monitoreo del funcionamiento
de procesos industriales. Para aplicar estas simulaciones
existen en la actualidad una gran variedad de Simuladores de
Procesos.

Aplicaciones
En principio, la simulación de procesos puede ser útil en todas
las etapas del desarrollo de un proyecto industrial. En las Concepto: Técnica para evaluar en forma rápida
diferentes etapas de un proyecto, puede haber necesidad de un proceso con base en una
realizar simulaciones con diferentes niveles de sofisticación. La representación del mismo, mediante
simulación de procesos puede usarse en las siguientes etapas modelos matemáticos.
del desarrollo de un proyecto industrial:

Investigación y desarrollo: Una simulación sencilla se puede usar para probar la factibilidad técnica y
económica del proyecto.
Etapa crítica en la toma de decisiones: Se prueban diferentes alternativas de proceso y condiciones de operación
y se toman decisiones.
Planta piloto: Simulación con modelos más sofisticados para obtener mejores estimaciones de las condiciones
de operación a escala industrial.
Diseño: La simulación proporciona todos los datos de proceso requeridos para el diseño detallado de los
diferentes equipos.
Simulación de plantas existentes: Puede ser muy útil cuando es necesario cambiar las condiciones de operación,
o cuando se quieren sustituir materias primas.

Simulación de Procesos en la Industria Química


La simulación de procesos químicos es una herramienta moderna que se ha hecho indispensable para la solución
adecuada de los problemas de proceso. Permite efectuar el análisis de plantas químicas en operación y llevar a cabo
las siguientes tareas, las cuales son comunes en las diversas ramas de la industria química:

Detección de cuellos de botella en la producción.


Predicción de los efectos de cambios en las condiciones de operación y capacidad de la planta.
Optimización de las variables de operación.
Optimización del proceso cuando cambian las características de los insumos y/o las condiciones económicas del
mercado.
Análisis de nuevos procesos para nuevos productos.
Evaluación de alternativas de proceso para reducir el consumo de energía.
Análisis de condiciones críticas de operación.
Transformación de un proceso para desarrollar otras materias primas.
Análisis de factibilidad y viabilidad de nuevos procesos.
Optimización del proceso para minimizar la producción de desechos y contaminantes.
https://www.ecured.cu/Simulación_de_Procesos 1/2
OPTIMIZACIÓN DE PROCESOS QUÍMICOS.

1.- INTRODUCCIÓN.

Aumentar la presión para reducir costes, mejorar la calidad del producto, minimizar
riesgos medio ambientales, son algunas de las motivaciones para desarrollar herramientas
de optimización para los complejos problemas de operación y diseño de una planta
química. Varios factores han contribuido a este desarrollo. En primer lugar la
disponibilidad de ordenadores y su creciente capacidad de cálculo ha facilitado la
aplicación de complejos modelos matemáticos. En segundo lugar, el desarrollo y mejoría
de los modelos económicos que permiten decidir entre diferentes procesos competitivos.
Y en tercer lugar el reciente desarrollo del software para optimización que ha
proporcionado la herramienta adecuada para el uso de los modelos matemáticos tanto de
operaciones físicas como económicas, para la identificación de las mejores soluciones.
De hecho, muchas de las decisiones en la industria química relacionadas con diseño de
procesos y operaciones están basadas en técnicas de optimización que combinan los
nuevos desarrollos en algoritmos de optimización, modelado de sistemas, y arquitectura y
software de ordenadores.

Aunque muchas de las técnicas matemáticas fueron desarrolladas por investigadores


relacionados con investigación de operaciones, análisis numérico y ciencia de los
ordenadores, los ingenieros químicos han jugado un importante papel en alguno de estos
desarrollos (de hecho un importante porcentaje de las personas implicadas en
investigación de operaciones son ingenieros químicos). A continuación daremos una
visión general de la optimización en ingeniería química haciendo un énfasis especial en
los desarrollos más significativos de los últimos años.

Si no se asume ninguna estructura especial para el problema que se está tratando (el
problema es considerado como una caja negra) entonces las técnicas de búsqueda directa
son los métodos más sencillos de aplicar, pero son también los que más tiempo
consumen. Estos métodos realizan una búsqueda pseudo aleatoria o sistemática (simplex
flexible, algoritmos genéticos, optimización por enjambres de partículas, etc.) para
mejorar la función objetivo. Si el problema presenta restricciones estos métodos usan
métodos costosos y a menudo con dificultades intrínsecas, por ejemplo los métodos de
penalización. Como contrapartida el método es fácil de aplicar a problemas con
restricciones sencillas y probablemente encontrará soluciones cercanas al óptimo global.
Sin embargo debido al hecho de que a menudo requiere miles de evaluaciones de la
función objetivo su rendimiento será altamente dependiente de la selección de los
parámetros del algoritmo.

La aproximación más frecuente para resolver problemas de optimización consiste en


clasificarlos de acuerdo al tipo de función objetivo y al tipo de restricciones y desarrollar
métodos específicos que aprovechen la estructura especial de dichos problemas.

Un problema general viene expresado de la forma:

Min f ( x, y )
s.a g ( x, y ) ≤ 0
h ( x, y ) = 0
x ∈ X ⊆ ℜn
y ∈ {0,1}m

donde f(x,y) es la función objetivo a minimizar (maximizar) –función escalar- que está
sujeta a restricciones de desigualdad, igualdad, tanto de variables continuas x, como
variables discretas y.

El caso más conocido, es el de la programación lineal (LP). En este caso la función


objetivo es lineal y las restricciones que forman el problema también son lineales. La
solución óptima de un LP cae en un vértice del espacio formado por la región factible.
Cualquier solución local debe ser además la solución global del problema. Estos
problemas han sido resueltos durante muchos años utilizando el algoritmo simplex,
basado en métodos algebraicos. El cambio principal en los métodos de solución de los
problemas de programación lineal ha sido el desarrollo de problemas de punto interior,
que tratan con transformaciones no lineales y cuyos requerimientos de cálculo están,
teóricamente acotados por un polinomio expresado en términos del tamaño del problema.
Esta propiedad no la comparte el algoritmo del simplex, que teóricamente tiene un
crecimiento exponencial, aunque este comportamiento es rara vez observable en la
práctica. El algoritmo simplex permite resolver problemas de manera eficiente, que
contengan hasta 10000 ó 15000 restricciones. Los métodos de punto interior funcionan
mejor con problemas de hasta 50000 ó 100000 restricciones. La estructura particular de
ciertos problemas de programación lineal (problema de flujo, de transporte,
asignación…) han llevado al desarrollo de métodos específicos que han permitido
resolver problemas con millones de variables.

La programación lineal mixta (MILP) es la extensión de los problemas de programación


lineal cuando aparecen variables discretas. Los modelos donde aparecen variables
discretas permiten acercarnos a formular problemas del mundo real basados en decisiones
lógicas (esto es variables 0 ó 1) o donde el número de posibilidades es discreto. La forma
más común de resolver los MILP es la técnica de “branch and bound” (ramificación y
acotamiento) que consiste en resolver un subconjunto de problemas de programación
lineal dentro de un árbol de decisión de variables discretas. Otras aproximaciones
comunes suponen el uso de técnicas de plano de corte que hace el MILP resoluble como
un LP añadiendo ciertas restricciones especiales. Teóricamente estos problemas son de
difícil solución, debido a la naturaleza combinatoria del problema que no está
polinomialmente acotado a medida que aumenta el número de variables discretas. Sin
embargo el uso conjunto de técnicas de Branch and Bound y de plano de corte ha
permitido desarrollar algoritmos para resolver problemas que se consideraban
irresolubles tan solo hace unos años.

Para el caso en el cual todas, o al menos algunas de las funciones son no lineales y
además sólo aparecen variables continuas, aparece un problema de programación no
lineal (NLP). Si la función objetivo y las restricciones son diferenciables, los óptimos
locales vienen definidos por las condiciones de optimalidad de Karush-Kuhn-Tucker.
Estos son, probablemente los modelos más comunes en Ingeniería Química.

Si bien problemas que contenían hasta 100 variables para un NLP eran considerados
problemas grandes hace algunos años. La resolución de problemas con varios miles de
variables es algo bastante común hoy en día. Los métodos de gradiente reducido y la
programación cuadrática sucesiva, los cuales se generan de aplicar el método de Newton
a las condiciones de optimalidad de Kunh-Tucker, son los principales algoritmos para
resolver los NLP. El método de gradiente reducido es mejor para resolver problemas con
la mayoría de las restricciones lineales. Para problemas altamente no lineales es mejor la
programación cuadrática sucesiva.

Una limitación de estos métodos es que su convergencia sólo esta garantizada a un


óptimo local. Para problemas que tienen una función objetivo convexa y una región
factible convexa, este problema no existe, porque estos problemas sólo tienen un óptimo
local que coincidirá con el óptimo global. En la práctica probar la convexidad de un
problema no lineal es a menudo difícil, sino imposible, por lo que encontrar un óptimo
local es considerado a menudo una solución satisfactoria sobre todo si ello significa una
mejora en el proceso.

La extensión de la programación no lineal para tratar con variables discretas lleva a la


programación no lineal con variables enteras mixta (MINLP del inglés mixed integer
non-linear programming). Algoritmos como la descomposición de Benders generalizada
o la “aproximación exterior” (outer approximation) son los más utilizados para resolver
estos problemas. Estos métodos que suponen que la función debe ser diferenciable en las
variables continuas, resuelven una secuencia de problemas NLP y MILP. El primero
optimiza las variables continuas y el segundo las discretas. Como en el caso anterior la
solución sólo está garantizada para problemas convexos. Problemas con 100 a 200
variables binarias (0-1) y 1000 variables continuas con unas 1000 restricciones, han sido
resueltos con estos métodos.

Finalmente, todos los métodos mencionados anteriormente suponen que los problemas
están formulados en forma de ecuaciones algebraicas. Muy a menudo, sin embargo,
dentro del problema aparecen ecuaciones diferenciales como restricciones del problema.
Una de las aproximaciones principales para resolver este problema consiste en aproximar
la ecuación diferencial por ecuaciones algebraicas, las cuales ya pueden ser incluidas
dentro del programa general de programación no lineal. Otra manera de resolver el
problema es considerar la ecuación diferencial como una ecuación a parte que se resuelve
en un bloque independiente y se introduce dentro del NLP como una ecuación implícita.