ANÁLISIS DEL ARTÍCULO OPTIMAL CAPACITIES

FOR PRODUCTION FACILITIES

Examen parcial 1

o ELABORADO POR: IÑAKI BRIANO PANTOJA

o PROFESOR A CARGO DEL CURSO: DRA. ALICIA ROMÁN MARTÍNEZ
o SÉPTIMO SEMESTRE
o OPTIMIZACIÓN DE PROCESOS
o INGENIERÍA QUÍMICA
FECHA DE ENTREGA: 3 DE OCTUBRE DE 2019
UNIVERSIDAD AUTÓNOMA DE SAN LUIS POTOSÍ
FACULTAD DE CIENCIAS QUÍMICAS
Resumen

El siguiente trabajo tiene por objeto realizar un análisis sobre un problema

donde se involucran herramientas de optimización de procesos.
La optimización de procesos tiene como meta el alcanzar ciertos resultados
a partir de ciertas restricciones que se fijan en un sistema.
La optimización de procesos puede tener muchos enfoques, los cuales
buscan el aseguramiento de beneficios económicos, ambientales y/o
sociales, minimizando o maximizando alguna condición del sistema.
Existen muchos métodos matemáticos para llevar a cabo la resolución y
análisis de este tipo de problemas.
La resolución de problemas de optimización involucra llevar a cabo
desarrollos algebraicos, la aplicación de derivadas parciales, derivadas
totales, y en la mayoría de los casos los métodos utilizados conducen a
procesos iterativos, hasta finalmente llegar a un estado estacionario en el
cual los valores de alguna variable de decisión se mantiene constante y se
obtienen puntos mínimos o máximos, los cuales corresponden a una
posible solución del problema.
El caso de estudio en particular que se analizará a continuación se refiere a
una planta manufacturera de oxígeno. Lo que se busca es determinar la
combinación óptima entre las capacidades de producción y el sistema de
inventario que debe manejar la planta, para evaluar bajo qué condiciones
de operación se obtiene el mayor beneficio económico, lo cual corresponde
al menor costo de operación.
Este modelo matemático para optimizar los costos en una planta
manufacturera de oxígeno fue propuesto en el año de 1967, y estuvieron
involucrados muchos profesionistas para su desarrollo, principalmente
ingenieros químicos, entre los que destacan Aris.R., Esbach O.W., Chilton
C.H., entre otros. Sin embargo cabe destacar que al tratarse de costos y
aspectos financieros, también estuvieron involucrados varios economistas
en el desarrollo del mismo, entre los que destacan: C. Jen Frank, Pegels
Carl, Dupuis Terrence, entre otros.
El análisis del modelo matemático que se presenta en las secciones
siguientes de este documento es un desarrollo expandido de todo el
proceso matemático que se tuvo que seguir para llegar a los resultados
propuestos por los autores del artículo.
En este análisis realmente no se desarrollarán expresiones matemáticas
nuevas, simplemente se buscará darle un explicación a las expresiones
propuestas por los autores para finalmente llegar a los mismos resultados
que ellos aplicando a lo largo de todo el proceso el método del gradiente.
 1) Descripción del problema
Ventilación

Bosquejo del diseño de un sistema de 4

suministro de oxígeno para un horno
Horno de
Oxígeno

2
Compresor
Isotérmico 5
(transportador
de oxígeno)
Tanque de
Planta almacenamiento
productora de
oxígeno
c
1 3
Figura 1. Diagrama del funcionamiento de una planta productora de oxígeno para
suministro de un horno de oxígeno básico

El horno de oxígeno básico (BOF, por sus siglas en inglés) es

alimentado por un proceso altamente automatizado. La demanda de
oxígeno es repetitiva o cíclica aproximadamente cada hora; sin embargo
la planta debe contar con arreglos que permitan una salida constante de
oxígeno, ya que los tiempos entre cada ciclo son muy pequeños, lo que
dificulta ajustar el nivel de producción rápidamente.
La descripción del diagrama de flujo que se presenta anteriormente es la
siguiente:
Se trata de una pequeña planta productora de oxígeno.
El oxígeno que se produce en la planta productora (1) es circulado por
medio de un compresor (2) y depositado en una unidad de
almacenamiento (3), en caso de tener producción de oxígeno en exceso
(superior a la demanda), éste es almacenado. En caso de no tener
oxígeno en exceso, es decir, la producción es igual a la demanda, éste
es transportado directamente al horno (5), en donde es utilizado como
combustible para la fundición de metales.
Si por alguna circunstancia el oxígeno producido fuese mayor al
volumen que puede ser confinado en el tanque de almacenamiento, el
oxígeno en exceso es ventilado a la atmósfera (4).
2) Definición del sistema

El sistema consta de 3 máquinas principales, las cuales sirven para

suministrar oxígeno a un proceso de BOF, dicho horno sirve para llevar
a cabo la fundición de metales que posteriormente son convertidos en
balas para armamentos y su posterior comercialización.
La planta de la cual se trata este artículo es real y se requiere optimizar
su producción, suministro de oxígeno y el almacenamiento que se le da
al oxígeno para poder obtener una mayor utilidad y llevar a cabo la
producción al menor costo posible, esto principalmente se traduce en un
beneficio para la planta manufacturera por dos razones:
1) Para tener precios competitivos a comparación de empresas que se
dediquen al mismo giro, reduciendo sus costos de producción.
2) Gastar el menor dinero posible en la operación, asegurando la
producción más redituable y una mayor utilidad (Variar condiciones para
obtener mejores resultados)
El análisis que se realizará contempla todos los costos de operación y
se explicará a lo largo del mismo todos los aspectos concernientes al
sistema descrito en la figura 1.

3) Formulación del problema de optimización

El problema puede ser definido como encontrar las capacidades óptimas

de tres máquinas, las cuales son:
1. Máquina productora de oxígeno
2. Una máquina de procesamiento de inventario (Compresor)
3. Una unidad de almacenamiento para el inventario que se
produzca en exceso.
El objetivo del modelo puede entonces ser formulado de la siguiente
forma:
Encontrar la salida del nivel de producción de oxígeno, O (Para
determinar el tamaño de la máquina productora de oxígeno), la
capacidad del compresor, H (Para determinar el tamaño del compresor),
y la capacidad de almacenamiento para inventario, V (Para determinar el
tamaño de la unidad de almacenamiento), lo que brindará el costo total
de producción por ciclo, C.
Una vez que se haya determinado la forma de calcula el costo total por
ciclo se requiere minimizar dicho costo, para obtener la mayor ganancia
económica que puede ofrecer la planta, sujeto a las restricciones
aplicables.
Las variables de decisión son P y p, por lo que ambas serán las que se
variarán y finalmente darán la pauta para llegar a la solución del
 problema y obtener el costo mínimo requerido para llevar a cabo la
operación.
Cabe destacar que para este problema se sabe que las ecuaciones que
relacionan el costo de estas tres máquinas son funciones de O, H y V
respectivamente, los parámetros en las ecuaciones son constantes y el
patrón de demanda es cíclico.

4) Análisis del problema

4.1) Clasificación de variables

Variables de decisión:

P, se refiere a la tasa de producción con la que cuenta la planta

productora de oxígeno y sus unidades están dadas en toneladas/hora
p, se refiere a la presión máxima con la que puede trabajar la unidad de
almacenamiento y sus unidades están dadas en Psia.

Parámetros y constantes:

Símbolo Valor Dimensión

a1 61.8 Dólares/hora
a2 5.72 Dólares/ton
c1 .000025 Dólares/hora
c2 376 (pies cúbicos)-b3
c3 0.75 Adimensional
G 0.98 Adimensional
R 670.6 (Pie cúbico*Psia)/(°R*ton)
T 530 °R
b1 .000025 Dólar/hora
b2 700 (HP)-c3
b3 0.85 Adimensional
D0 2.5 Ton/hora
k2 0.70 Adimensional
k1 14005.8 Pie cúbico-Psia/(HP-HR)
p0 200 Psia
b4 .006 Dólar/(HP-HR)
D1 40 Ton/hora
t1 0.6 Hora
t2 1.0 Hora
Im 9.0 Ton
 4.2) Análisis dimensional

ton hora
𝑰𝒎 = (𝑫𝒂𝒗 − 𝑫𝟎 )𝒕𝟏 [=] [=] ton
hora

𝑰𝒎 𝑮𝑹𝑻 Ton*ft3*Psia*R
𝑽= [=] [=] ft3
𝒑 R*Ton*Psia

(𝒕𝟐 − 𝒕𝟏 ) 𝑹𝑻 𝒑 ton*ft3*Psia*R*(HP-HR) (𝑯𝑷 − 𝑯𝑹)

𝑯 = (𝑫𝟏 − 𝑷) ∗ ∗ ∗ 𝒍𝒏 [=] [=]
𝒕𝟏 𝒌𝟏 𝒌𝟐 𝒑𝟎 hora*R*ton*Psia*ft3 𝒉𝒐𝒓𝒂

𝒂𝟐 Dólar*ton 𝑫ó𝒍𝒂𝒓
𝑪𝟏 = 𝒂𝟏 + ( )𝑶 [=] [=]
𝒕𝟐 hora*ton 𝒉𝒐𝒓𝒂

Dólar*HP 𝑫ó𝒍𝒂𝒓
𝑪𝟐𝟏 = 𝒃𝟏 𝒃𝟐 𝑯𝒃𝟑 [=] [=]
hora*HP 𝒉𝒐𝒓𝒂

Dólar*(HP-HR) 𝑫ó𝒍𝒂𝒓
𝑪𝟐𝟐 = 𝒃𝟒 𝒕𝟏 𝑯 [=] [=]
hora*(HP-HR) 𝒉𝒐𝒓𝒂

𝑪𝟑 = 𝒄𝟏 𝒄𝟐 𝑽𝒄𝟑 Dólar*(ft3) .85 𝑫ó𝒍𝒂𝒓

[=] [=]
hora*(ft3) .85 𝒉𝒐𝒓𝒂
 4.3) Análisis de grados de libertad

Matriz de incidencia
Ecuaciones Variables
Im O V H C1 C21 C22 C3 C p P
𝑰𝒎 = (𝑫𝒂𝒗 − 𝑫𝟎 )𝒕𝟏 *
O=Pt2 * *
𝑰𝒎 𝑮𝑹𝑻
𝑽=
𝒑 * * *
(𝒕𝟐 − 𝒕𝟏 ) 𝑹𝑻 𝒑
𝑯 = (𝑫𝟏 − 𝑷) ∗
𝒕𝟏
∗
𝒌𝟏 𝒌𝟐
∗ 𝒍𝒏
𝒑𝟎
* * *
𝒂𝟐
𝑪𝟏 = 𝒂𝟏 + ( )𝑶 * *
𝒕𝟐
𝑪𝟐𝟏 = 𝒃𝟏 𝒃𝟐 𝑯𝒃𝟑 * *
𝑪𝟐𝟐 = 𝒃𝟒 𝒕𝟏 𝑯 * *
𝑪𝟑 = 𝒄𝟏 𝒄𝟐 𝑽𝒄𝟑 * * * *
𝑪 = 𝑪𝟏 + 𝑪𝟐 + 𝑪𝟑 * * * * * * *

Grados de libertad= 3 Variables- # de ecuaciones

Grados de libertad= 11 variables- 9 ecuaciones=2

Grados de libertad= 2
Debido a que no todos los términos están a la potencia 1, el
problema debe ser tratado como un modelo no lineal, además las
variables independientes se multiplican entre sí, lo cual se
contrapone a los principios de un modelo linear

Modelo no lineal
5) Solución del modelo

El modelo matemático que se presenta sirve para determinar la

capacidad óptima del mínimo costo y la mayor ganancia que se puede
generar en una planta manufacturera en un proceso en estado continúo.
Debido a estas características el modelo puede ser descrito como una
herramienta de optimización de procesos, la cual sirve para minimizar el
costo de producción a través del tiempo.
Una aproximación para calcular los valores óptimos y solucionar el
problema puede ser por medio de la implementación del método del
gradiente.
Para la optimización de modelos de Programación No Lineal se dispone
de una categoría de métodos denominados “Algoritmos Generales de
Descenso” entre los cuales se destaca el Método del
Gradiente o Método del Descenso más Pronunciado (conocido
adicionalmente como Método de Cauchy) que reducen el cálculo de un
mínimo local a una secuencia de problemas de búsqueda lineal (o
búsqueda unidimensional).
El Método del Gradiente consta de 2 pasos principales:
Primero: El cálculo de una dirección de descenso que está dado por el
negativo del gradiente de la función objetivo evaluado en el punto de
partida o en el de la k-ésima iteración.
Segundo: Obtener la magnitud del paso α (alfa) que
determina cuánto se avanza en una determinada dirección de descenso.
Esto se logra generando una función unidimensional en términos de este
parámetro (respecto a la función objetivo original).
¿Cómo determinar si se ha alcanzado la solución óptima del
problema no restringido a través del Método del Gradiente?
Para ello se debe verificar que la dirección de descenso en la k-
ésima iteración es nula (cero).
En nuestro caso fue necesario derivar la función costo con respecto de
las dos variables de decisión para recalcular los nuevos puntos, al
momento de iterar, la metodología que se siguió fue la siguiente:

1) Se calculan los valores de C1, C2 y C3, cabe recordar que estos costos
son funciones de las máquinas con las que cuenta el sistema.
En donde:
C1 (Costo de operar la máquina productora de oxígeno)=f1(O; D, α, β, γ)
C2 (Costo de procesar el inventario)=f2 (H; D, α, β, γ)
C3 (Costo de almacenamiento)=f3 (V; D, α, β, γ)
Se sustituyen las expresiones algebraicas que corresponde a los costos,
para dejarlo en función de los parámetros, constante y únicamente en
base a dos variables de decisión:
 𝒂𝟐
𝟏) 𝑪𝟏 = 𝒂𝟏 + ( )𝑶
𝒕𝟐

𝟐) 𝑪𝟐 = 𝒃𝟏 𝒃𝟐 𝑯𝒃𝟑 + 𝒃𝟒 𝒕𝟏 𝑯

𝟑) 𝑪𝟑 = 𝒄𝟏 𝒄𝟐 𝑽𝒄𝟑

2) Se sustituyen y agrupan las expresiones individuales de cada costo

en la expresión del costo total (Sustituir ecuaciones 1,2 y 3 en 4)

4) C= C1 + C2+ C3

𝒕𝟐 − 𝒕𝟏 𝑹𝑻 𝒑
𝑪 = 𝒂𝟏 + 𝒂𝟐 𝑷 + 𝒃𝟏 𝒃𝟐 [(𝑫𝟏 − 𝑷) ( ) 𝒍𝒏 ( )]𝒃𝟑 + 𝒃𝟒 (𝑫𝟏 − 𝑷)(𝒕𝟐 − 𝒕𝟏 )
𝒕𝟏 𝒌𝟐 𝒌𝟏 𝒑𝟎
𝑹𝑻 𝒑 𝑰𝒎 𝑮𝑹𝑻 𝒄
∗ 𝒍𝒏 ( ) + 𝒄𝟏 𝒄𝟐 [ ]𝟑
𝒌𝟐 𝒌𝟏 𝒑𝟎 𝒑

3) Se decide lo que se debe hacer para optimizar el sistema, es decir,

minimizar el costo de producción y se fijan las restricciones con las que
se trabajará:
Minimizar C= C1 + C2+ C3

Sujeto a las siguientes restricciones:

P≥Dav
p≥p0
C>0

4) Se implementa el método del gradiente:

Para comenzar con la implementación se determina cual será la forma

de recalcular las variables de decisión y el método para volver a evaluar
P y p en los ciclos iterativos, las fórmulas seleccionadas son:

ℎ𝑓𝑝 (1)
𝑃2 = 𝑃1 + 1
[𝑓𝑝2 (1) + 𝑓𝑝2 (1)]2

ℎ𝑓𝑝 (1)
𝑝2 = 𝑝1 + 1
[𝑓𝑝2 (1) + 𝑓𝑝2 (1)]2
En donde fp(i) se refiere a las derivadas parciales de la función costo con
respecto de P y p, respectivamente.
Lo que nos lleva a que el siguiente paso para llegar a la solución; derivar
parcialmente la ecuación del costo con respecto a las variables de
decisión p y P, obteniéndose:

𝛿𝐶 𝑡2 − 𝑡1 𝑅𝑇 𝑝
= 𝑎2 + 𝑏1 𝑏2 𝑏3 [(𝐷1 − 𝑃) ( ) 𝑙𝑛 ( )]𝑏3 −1
𝛿𝑃 𝑡1 𝑘2 𝑘 1 𝑝0
𝑡2 − 𝑡1 𝑅𝑇 𝑝 𝑡2 − 𝑡1 𝑅𝑇 𝑝
− (1) ( )( ) 𝑙𝑛 ( ) − (1)𝑏4 ( ) 𝑙𝑛 ( )
𝑡1 𝑘2 𝑘1 𝑝0 𝑡1 𝑘2 𝑘1 𝑝0

2 1 𝑡 −𝑡 𝑅𝑇
𝛿𝐶 𝑡2 − 𝑡1 𝑅𝑇 𝑝 𝑏 −1 ( 𝑡1 ) (𝑘2 𝑘1 )(𝐷1 − 𝑃)
= 𝑏1 𝑏2 𝑏3 [(𝐷1 − 𝑃) ( ) 𝑙𝑛 ( )] 3
𝛿𝑝 𝑡1 𝑘2 𝑘1 𝑝0 𝑝
𝑅𝑇 𝐼𝑚 𝐺𝑅𝑇 𝑐3 −1 𝐼𝑚 𝐺𝑅𝑇
+ 𝑏4 (𝐷1 − 𝑃)(𝑡2 − 𝑡1 ) ( ) − 𝑐1 𝑐2 𝑐3 [ ] [ 2 ]
𝑘2 𝑘1 𝑝 𝑝

Una vez que se han obtenido las derivadas parciales, se sustituyen los
valores de las constantes y parámetros propuestos, para dejar
únicamente las ecuaciones en función de las variables de decisión:

𝑝
𝛿𝐶 . 03595002309 𝑙𝑛 (200) 𝑝
= 5.72 − .15 − 08700509789 𝑙𝑛 ( )
𝛿𝑃 𝑝 200
[24.16808275(40 − 𝑃) 𝑙𝑛 (200)]

𝛿𝐶 . 03595002309 (40 − 𝑃) 08700509789(40 − 𝑃) 22100.24666

= + −
𝛿𝑝 𝑝 .15 𝑝 3134786.76 .25
𝑝[24.16808275(40 − 𝑃) 𝑙𝑛 ( )] 𝑝2 [ ]
200 𝑝

Posteriormente se selecciona un valor de h arbitrariamente (Se

recomienda un valor pequeño, para lograr un método iterativo efectivo),
recordando que h será el tamaño de paso que existirá entre cada una de
las iteraciones que se realicen, de igual forma se selecciona un punto de
partida arbitrario (P1, p1), el cual corresponderá al punto de partida.
Ya que se ha obtenido toda esta información es posible aplicar el
método del gradiente, para lo cual se hace uso del software Matlab y a
continuación se presenta una breve explicación del funcionamiento que
tiene el código según la programación realizada:
Clc y clear sirven para limpiar los datos del programa, es decir, sirve
para eliminar todos los datos que tenga almacenados el programa, es
una especie de reset.
1) Se introduce la función, la cual corresponde al costo total y sus
derivadas, se recomienda introducir dicha ecuación con el valor de
las constantes para facilitar al software realizar el cálculo (Sin
embargo también se pueden introducir como variables)
2) Se seleccionan los puntos de partida P1 y p1, en este caso se
eligieron los mismos puntos que se proponen en el artículo, es decir
P1=35
P1=461
3) Se vectorizan los valores de P y p, para poder relacionar el número
de iteración, con los resultados obtenidos en cada ciclo.
4) Se selecciona el tamaño del paso (Se seleccionó h=.05, como se
mencionó anteriormente h debe ser un valor pequeño)
5) Se introduce el ciclo iterativo (while, con las restricciones
mencionadas anteriormente: P>=Dav, p>=p0, C>0)
6) En caso de no cumplirse con alguna de las condiciones alimentadas,
el ciclo termina y se alcanza el estado estacionario y por tanto la
solución del problema.
7) El valor obtenido corresponde al valor mínimo del costo total de
operación de la planta de oxígeno.
6) Resultados
C P p
267.5370 35.0000 461.0008
264.7869 34.5000 461.0015
262.0359 34.0000 461.0023
259.2841 33.5000 461.0030
256.5314 33.0000 461.0037
253.7781 32.5000 461.0043
251.0241 32.0000 461.0050
248.2695 31.5000 461.0056
245.5144 31.0000 461.0062
242.7587 30.5000 461.0067
240.0025 30.0000 461.0073
237.2458 29.5000 461.0078
234.4886 29.0000 461.0083
231.7310 28.5000 461.0088
228.9731 28.0000 461.0093
226.2147 27.5000 461.0097
223.4559 27.0000 461.0101
220.6968 26.5000 461.0105
217.9373 26.0000 461.0109
215.1775 25.5000 461.0112
212.4174 25.0000 461.0116
209.6570 24.5000 461.0119
206.8963 24.0000 461.0122
204.1353 23.5000 461.0124
201.3740 23.0000 461.0127
198.6125 22.5000 461.0129
195.8507 22.0000 461.0131
193.0886 21.5000 461.0133
190.3263 21.0000 461.0135
187.5638 20.5000 461.0136
184.8010 20.0000 461.0137
182.0381 19.5000 461.0138
179.2749 19.0000 461.0139
176.5115 18.5000 461.0140
173.7478 18.0000 461.0140
170.9840 17.5000 461.0140
7) Conclusiones

Al realizar el método del gradiente la presión de inventario no varía mucho,

lo que nos indica que esta no tiene un alto impacto en el costo de la
operación, se puede llegar a esta conclusión, ya que se obtienen los
mismos resultados que los del artículo.
La solución obtenida les permite ahorrar a la compañía una gran cantidad
de dinero, (El costo se disminuyó de 270 a 171, casi en 100)
Se logró llegar a la misma solución que planteaba el artículo científico, por
lo que el desarrollo matemático fue correcto.
El Matlab estuvo bien programado especialmente el ciclo iterativo while, ya
que los valores de las iteraciones corresponden a los valores de la tabla de
resultados publicada en el artículo.
Estas iteraciones serían más difíciles de llevar a cabo de manera manual,
sin embargo se podría hacer de esta forma.
El método del gradiente es una buena opción para realizar problemas de
optimización de problemas no lineales, ya que solo se requiere derivar la
función con respecto a la función que se quiera optimizar un proceso.
Lo más complicado en un estudio de optimización de procesos es la
determinación del tamaño de paso h y el punto de partida, más si uno
desconoce el proceso en la práctica y solo utiliza como referencia un libro o
un texto, sin embargo si uno trabaja más cerca con el proceso se puede
lograr un mejor entendimiento de qué es lo que está sucediendo y se
pueden proponer condiciones de manera más sencilla y lograr una mejor
compresión de los proceso.
La optimización de procesos es una disciplina integral, ya que se pueden
contemplar conocimientos de otras ciencias o ingenierías para eficientizar
los procesos.
Es importante conocer las plantas y las actividades que realizan, ya que
uno como ingeniero espera trabajar y coordinar los proceso de alguna
planta algún día y esto no se puede lograr sin el conocimiento necesario.

8) Referencias

Edgar, Himmelblau, Lasdon. (2001). Optimization of Chemical

Processes. México: Mc-Graw Hill.
Frank C. Jen, C Carl Pegels, Terrence M. Dupuis. (Jun 1968). Optimal
Capacities of production facilities. Managment Science, 14, 573-580.