Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SELECCIÓN DE VARIABLES
DE DISEÑO
INTRODUCCIÓN
Para fines de análisis y diseño de procesos es necesario
entender las relaciones que guardan entre si las diferentes
variables involucradas.
Caso 3:
Supongamos que se elimina adicionalmente la última restricción del
problema, quedando K por conocerse. Esto nos da 4 variables y 3
ecuaciones, es decir tenemos un grado de libertad.
Existe ahora un número sin limite de posibles soluciones, para valores
de B, C y K. que satisfagan las ecuaciones. La selección de los valores
que se fijan para la operación del proceso esta ligado a un objetivo o
comportamiento deseado.
En particular, para problemas de optimización, esta selección esta ligada a
una función objetivo, es decir, cuando se trata de maximizar beneficios
o minimizar costos.
ALGORITMO DE LEE Y RUDD
Para problemas de modelación donde se tienen grados de libertad
positivos, que es caso de la mayoría de los procesos, dos aspectos son
de importancia:
1. La manera como se van a satisfacer esos grados de libertad, lo cual
implica selección de variables de diseño que se requiere para poder
resolver el problema.
2. La forma en que se va a resolver el sistema de ecuaciones resultante.
Para este punto es muchas veces conveniente establecer el orden en que
esas ecuaciones deben resolverse con el objeto de minimizar los
problemas numéricos en la solución.
Intercambiador 1 Intercambiador 2
m1 m2
T1f Cp1 T2f Cp2
T10 T20
Intercambiador 1
Flujo másico fluido calefacción, Intercambiador 1 mh = 150 kg/h
Cp , fluido calefacción, Intercambiador 1 Cph = 1 kcal/kg°C
Temperatura entrada, fluido calefacción Intercambiador 1 Th0 = 85 °C
Cp , fluido refrigeración, Intercambiador 1 Cp1 = 0,24 kcal/kg°C
Tempertura de entrada, fluido de refrigración, Intercambiador 1 T10 = 20 °C
Intercambiador 2
Temperatura de salida, fluido calefación, Intercambiador 2 Thf = 25 °C
Cp , fluido refrigeración, Intercambiador 2 Cp2 = 0,15 kcal/kg°C
Tempertura de entrada, fluido de refrigración, Intercambiador 2 T20 = 22 °C
Ecuaciones de diseño que describen el sistema: Ecu.
Intercambiador 1
Intercambiador 2
T2
T T20 Thi T2 f
Thf T20
hf
Diferencia media logaritmica de temperaturas 10
ln
Thi T2 f
Algoritmo de Lee y Rudd: formamos la matriz de incidencia
Variable
Ecuación Q1 Q2 Thi T1f m1 U1 A1 ΔT1 m2 T2f U2 A2 ΔT2
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
6 x x
7 x x x
8 x x x x
9 x x x x
10 x x x
Variable A2 esta contenida en una sola ecuación, se elina esa columna y su respectiva fila
Variable
Ecuación Q1 Q2 Thi T1f m1 U1 A1 ΔT1 m2 T2f U2 ΔT2
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
6 x x
7 x x x
9 x x x x
10 x x x
Variable U2, esta contenida en una sola ecuación, se elimina esa columna y su respectiva fila
Variable
Ecuación Q1 Q2 Thi T1f m1 U1 A1 ΔT1 m2 T2f ΔT2
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
6 x x
7 x x x
10 x x x
Variable
Ecuación Q1 Q2 Thi T1f m1 U1 A1 ΔT1 m2 T2f
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
6 x x
7 x x x
Variable
Ecuación Q1 Q2 Thi T1f m1 U1 A1 ΔT1 m2
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
6 x x
Variable
Ecuación Q1 Thi T1f m1 U1 A1 ΔT1 m2
1 x x
2 x x x
3 x x x x
4 x x x x
5 x x x
Variable
Ecuación Q1 Thi T1f m1 U1 ΔT1 m2
1 x x
2 x x x
4 x x x x
5 x x x
Variable
Ecuación Q1 Thi T1f m1 ΔT1 m2
1 x x
2 x x x
5 x x x
Variable
Ecuación Q1 Thi T1f m1 m2
1 x x
2 x x x
Variable
Ecuación Q1 Thi m1 m2
1 x x
Q1 = 6000 kcal/h
Conclusión: Fijar los valores Q1 , m1 , m2 m1 = 600 kg/h
m2 = 1200 kg/h
Solución: debe resolverse las ecuaciones siguiendo el proceso inverso al de eliminación.
En la Ecuación 1: mh Cp hTh0 Q1
Thi
Thi = mh Cp h 45,0 °C
Q1 m1Cp1T10
En la ecuación 2 T1f = T1 f 61,7 °C
m1Cp1
En la Ecuación 4 U1 U1 U1mh,Th0,Thi,m1,T10,T1f 2
600 kcal/h m °C
Q1
En la Ecuación 3 A1 A1 0,41 m
2
U 1 T1
Q2 m2 Cp 2T20
En la Ecuación 7 T2f T2 f 38,7 °C
m2 Cp 2
T2
T T20 Thi T2 f 4,5 °C
Thf T20
hf
En la ecuación 10 ΔT2 ln
Thi T2 f
Q2
A2
En la Ecuación 8 A2 U 2 T2 0,75 m
2
Problema: CONDENSADOR
Se desea analizar el sistema de condenzación. El diseño del equipo se basará en el agua de
enfriamiento como medio de condenzación y se conocen otras variables de acuerdo a la
información proporcionada.
V= 100 kg/h
Tv = 80 °C
mA
TAS TAE = 15 °C
2
U = 1000 Kcal/hm °C
λ=
5 5 0 k c a l / k g
CpA = 1 kcal/kg °C
OPTIMIZACIÓN DE PROCESOS
PRINCIPIOS DE OPTIMIZACIÓN
PRINCIPIOS DE OPTIMITIZACIÓN
Especificamos los limites de búsqueda en el intervalo a0 ,b0 más dos
puntos interiores l 0 y r0 colocados simétricamente de la siguiente
manera:
l0 b0 b0 a0 Ec. 1
r0 a0 b0 a0 Ec. 2
x x x x
a0 l0 r0 b0
x x x
a1 l0 b1
l1 r0 b0 a0
O bien:
b0 a0 2 2 1 0
De dónde:
1
Lo cual indica que no es satisfactorio, debe ser menor que uno
para lograr una reducción en el intervalo de búsqueda
Ensayo de l0 r1
El valor de r1 viene dado por
r1 a0 b0 a0
b0 a0 2 1 0
De donde , ignorando la raíz negativa de esta ecuación cuadrática por
carecer de significado, se obtiene:
0,618
El resultado establece que la base del método consiste en colocar puntos
simétricos en base a las Ec.1 y Ec.2, y rechazar el peor punto de los dos con su
respectiva región adyacente, el punto que se conserva sirve de base para la
siguiente iteración con un cambio en su posición relativa para un nuevo espacio
de búsqueda.
Es decir si en la iteración i 1 Se rechazo la región derecha, incluyendo el
punto ri 1
li bi bi ai
Un procedimiento similar se usa en el caso de eliminar el punto li 1 y la
porción izquierda a , l
i 1 i 1
del intervalo existente en la iteración i 1
Cn n1 0,618
n 1
C
Los solventes B y C
B, xF B, x1 son totalmente inmiscibles
C, y1
G = 3 Incognitas - 2 Ecuaciones = 1
problema de optimización de una variable
4. Selección de las mejores variables de diseño
Algoritmo de Lee y Rudd
Variable
Ecuación x1 y1 C
1 x x x
2 x x
Variable C contenida en una sola ecuación
Variable
Ecuación x1 y1
2 x x
l 0 b 0 ( b 0 a 0 ) 0 , 2 0 , 618 ( 0 , 2 0 ) 0 , 0764
r0 a 0 ( b 0 a 0 ) 0 0 , 618 ( 0 , 2 0 ) 0 ,1236
Cuadro de búsqueda para la solución optima:
Se desea concentrar agua de mar desde 3,5 a 7 % en sales, con un flujo de 100000 kg/h en un
sistema de evaporación de dos efectos. Se dispone de vapor de agua a 120 °C, y el agua de
mar estará a 43 °C. Para evitar la formación de depósitos salinos que ensuciarían la superficie
de transmisión de calor, la temperatura en la última etapa debe mantenerse en 46 °C.
Determinar las áreas de trasferencia de calor para los dos evaporadores que minimizan el
consumo de vapor.
V1, T1 V2 T2
W=? T2 = 46 °C
Ts = 120 °C
Fx F S 1 x s1 Ec.2
W
Ecuación de diseño A1 Ec.5
U T s T 1
Segundo Efécto: Balance de Materia S1 S 2 V2 Ec.6
S 1 x s1 S 2 x s 2 Ec.7
3. Grados de libertad: G = 11 - 10 = 1
Caso: Optimización de una sola variable.
4. Selección de la mejor variable de diseño
Variable
Ecuación W S1 V1 xs1 ts1 T1 A1 S2 V2 ts2 A2
1 x x
2 x x
3 x x x
4 x x
5 x x x
6 x x x
7 x x x
8 x x x x x
9 x
10 x x x
Variable
Ecuación W S1 V1 xs1 ts1 T1 A1 S2 V2 ts2
1 x x
2 x x
3 x x x
4 x x
5 x x x Eliminado Ec.5
6 x x x
7 x x x
8 x x x x x
9 x
Variable
Ecuación W S1 V1 xs1 ts1 T1 S2 V2 ts2
1 x x
2 x x
3 x x x
4 x x
6 x x x
7 x x x
8 x x x x x
9 x
Variable
Ecuación W S1 V1 xs1 ts1 S2 V2 ts2
1 x x
2 x x
3 x x x Eliminado Ec.3
6 x x x
7 x x x
8 x x x x x
9 x
Variable
Ecuación S1 V1 xs1 ts1 S2 V2 ts2
1 x x
2 x x
6 x x x
7 x x x
8 x x x x x Eliminado Ec.8
9 x
Variable
Ecuación S1 V1 xs1 S2 V2 ts2
1 x x
2 x x
6 x x x
7 x x x
9 x
Variable
Ecuación S1 xs1 S2 V2 ts2
2 x x
6 x x x Eliminado Ec.6
7 x x x
9 x
Variable
Ecuación S1 xs1 S2 ts2
2 x x
7 x x x Eliminado Ec.7
9 x
Variable
Ecuación S1 xs1 ts2
2 x x Eliminado Ec.9
9 x
Variable
Ecuación S1 xs1
2 x x Eliminado Ec.2
5. Rango de optimización para x1 variable de diseño.
x1, deberá estar entre 0,035 y 0,070
ai 0,035 0,035 0,0433 0,0433 0,0433 0,0452 0,0452 0,046 0,046 0,0462 0,0464 0,0465
Rango
bi 0,07 0,0566 0,0566 0,0515 0,0484 0,0484 0,0472 0,0472 0,0467 0,0467 0,0467 0,0467
Puntos li 0,0484 0,0433 0,0484 0,0464 0,0452 0,0464 0,046 0,0464 0,0462 0,0464 0,0465 0,0466
xs1 ri 0,0566 0,0484 0,0515 0,0484 0,0464 0,0472 0,0464 0,0467 0,0464 0,0465 0,0466 0,0466
S1(li) 72359 80901 72360 75401 77412 75402 76157 75402 75688 75402 75226 75117
Ec.2
S1(ri) 61805 72363 67930 72362 75402 74211 75402 74943 75402 75226 75117 75050
ts2(li) 46 46 46 46 46 46 46 46 46 46 46 46
Ec.9
ts2(ri) 46 46 46 46 46 46 46 46 46 46 46 46
S2(li) 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000
Ec.7
S2(ri) 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000 50000
V2(li) 22359 30901 22360 25401 27412 25402 26157 25402 25688 25402 25226 25117
Ec.6
V2(ri) 11805 22363 17930 22362 25402 24211 25402 24943 25402 25226 25117 25050
V1(li) 27641 19099 27640 24599 22588 24598 23843 24598 24312 24598 24774 24883
E.1
V1(ri) 38195 27637 32070 27638 24598 25789 24598 25057 24598 24774 24883 24950
ts1(li) 5,5288 126,88 5,5529 51,9 80,542 51,905 62,844 51,907 56,085 51,908 49,327 47,732
Ec.8
ts1(ri) -190,7 5,592 -69,4 5,5771 51,914 34,214 51,911 45,151 51,91 49,328 47,732 46,746
W(li) 20882 34229 20885 26204 29360 26205 27422 26205 26672 26205 25915 25736
Ec.3
W(ri) -3964 20890 11795 20888 26206 24204 26205 25445 26205 25916 25736 25625
T1(li) 5,5 126,9 5,6 51,9 80,5 51,9 62,8 51,9 56,1 51,9 49,3 47,7
Ec.4
T1(ri) -190,7 5,592 -69,4 5,6 51,9 34,2 51,9 45,2 51,9 49,3 47,7 46,7
A1(li) 1011,4 -27585 1011,7 2133,3 4125,2 2133,5 2659,9 2133,6 2313,5 2133,6 2033 1974,3
Ec.5
A1(ri) -70,72 1012,3 345,26 1012,1 2133,9 1564,2 2133,7 1884,7 2133,7 2033 1974,3 1939,4
A2(li) -3786 1309,2 -3789 23116 3625,5 23094 7847,5 23085 13364 23082 41285 79670
Ec.10
A2(ri) -894,5 -3792 -1541 -3791 23057 -12130 23071 -2E+05 23076 41275 79647 185439
0,0566 0,035 0,0515 0,0484 0,0433 0,0472 0,0452 0,0467 0,046 0,0462 0,0464 0,0465
Elimin
0,07 0,0433 0,0566 0,0515 0,0452 0,0484 0,046 0,0472 0,0462 0,0464 0,0465 0,0466
PROGRAMACIÓN DINÁMICA
PROGAMACIÓN DINÁMICA
El uso de programación dinámica constituye una forma muy conveniente de
optimizar sistemas grandes que serian demasiado complicados para su estudio
por métodos de optimización directos.
Más que una técnica de optimización en si, la programación dinámica consiste
en una organización de la estructura de información de un sistema que permite
su descomposición en subsistemas más pequeños y más fáciles de analizar y
optimizar.
Cada subsistema puede requerir de un método de optimización especifico, en
un momento dado, la ventaja puede verse como la descomposición de un
problema de optimización de multivariables a una serie de problemas de
optimización de una sola variable ( o número de variables menor al del
problema original).
Este método, presenta el atractivo de poder manejar funciones no lineales o no
analíticas de una manera efectiva.
En general, se puede decir que mediante programación dinámica se obtiene
una secuencia optima de decisiones. Para procesos industriales, esta técnica
puede proporcionar el conjunto de variables de diseño que optimiza el
comportamiento de un sistema completo de acuerdo a una determinada función
objetivo.
PRINCIPIO DE OPTIMALIDAD DE BELLMAN
Orden de solución
PRINCIPIO DE OPTIMALIDAD DE BELLMAN
dN di d2 d1
SN Si+1 Si S3 S2 S1
F N i 2 1
Los grados de libertad para esta etapa son los asociados a S2, y d1;
los grados de libertad asociados con S2 se consumen al suponer
algún valor que esta variable pueda tomar, mientras que los grados
de libertad asociados con d1 permiten el usa de alguna técnica de
optimización para encontrar su valor optimo.
Por tanto cada suboptimo implica el mejor valor que la variable de
diseño d1, debe tomar para cada posible valor de la variable de
estado S2, que proviene de la etapa anterior. Este proceso de
solución se muestra en la siguiente figura:
Análisis Etapa 1
ESTRATEGIA DE SOLUCIÓN
ESTRUCTURA d1
Suponer S2
S2 1 S1
Optimizar para encontrar el
mejor valor de d1
SUBPROBLEMA DE OPTIMIZACIÓN
SI
TABULACIÓN DE RESULTADOS
S2 d1* f1*
A continuación se consideran las dos etapas en conjunto.
Para un valor dado de la corriente de entrada S3, y algún valor de la variable de
diseño d2, la solución de ecuaciones del sistema debe proveer el valor
correspondiente de salida de la unidad 2, S2, y para cualquier valor de S2 ya se
ha obtenido cual es la mejor variable de diseño de la unidad 1.
Así el problema:
max f 2 S 3 ,d 2 f 1 S 2 ,d 1 f 2* S 3
d 2 ,d1
Se trasforma en:
max f 2 S3 ,d 2 f 1* S2
d2
Esta búsqueda debe repetirse para todos los posibles valores que S3 puede
tomar, y cada suboptimo debe tabularse y graficarse apropiadamente, como se
muestra en la figura a continuación.
Análisis Etapa 1 y 2
ESTRATEGIA DE SOLUCIÓN
ESTRUCTURA d2 d1
Suponer S3
S3 2 S2 S1
Optimizar d2. Para cada punto de búsqueda.
La solución de las ecuaciones de la etapa 2
SUBPROBLEMA DE OPTIMIZACIÓN La etapa 1 ya proporcionan el valor de S2 del cual se
ha sido
Max [f2(S3, d2) + f1*(S2)] obtiene f1*(S2) del análisis de la etapa 1
(d2)
SI
TABLA DE RESULTADOS
Fin del análisis de la etapa 2
S3 d2* S2 f2*
Este procedimiento se extiende de manera similar a otras unidades que
representan el proceso original.
En General para cualquier etapa i, el subproblema a resolver es:
max f i S i 1 , d i f i*1 S i
d i
A este nivel todas las etapas subsecuentes ya se han analizado, por lo cual el
complemento a la estructura óptima depende solo del valor que se obtenga en
Si.
Finalmente, cuando i = N, la primera etapa del flujo de información, se tiene la
última suboptimización, a partir de la cual se recupera el plan optimo global.
En este nivel los grados de libertad del sistema son equivalentes al número de
variables de diseño de la última etapa dN, por lo cual se requiere de un solo
proceso de búsqueda para optimizar esta unidad.
La solución global se recupera siguiendo el camino inverso al de la solución
numérica que se ha planteado mediante esta técnica.
Aunque el proceso de optimización se ha esquematizado para una
variable de diseño para cada etapa, la extensión a problemas de
optimización de multivariables para cada etapa es directa; en tal caso, el
método de optimización debe escogerse adecuadamente, pero el uso de
programación dinámica es equivalente.
Solución:
Tenemos como base un año de operación, y encontraremos la secuencia de
decisiones de máxima utilidad del sistema global.
Unidad 3:
La última tabla proporciona directamente el efecto de considerar todos los
posibles valores de la variable de entrada a esa unidad, en este caso la
temperatura a la que opera la unidad 2.
Unidades 2 + 3:
Al considerar la unidad 2, se toma en cuanta los óptimos obtenidos en la etapa
anterior de solución. Debemos considerar todas las posibles entradas del
sistema combinado que se analiza, en este caso todas las posibles eficiencias
de la unidad 1.
La unidad 1 puede operar a eficiencias de 70, 80 o 90%. Por ejemplo la
utilidad anual que se espera al considerar la eficiencia de 70 % a una
temperatura de 350 °C.
Ingreso
Utilidad Costo de
por menos menos costo fijo
anual = operación
ventas
Utilidad Costo de
Utilidad anual = menos menos costo fijo
anterior operación
Utilidad $/año
Eficiencia % A B
70 306 310
80 252 280
90 228 268
m a x Bx F x1 C1 C 2 C 3
C1,C 2 ,C3
C3 C2 C1
B, xF B, x1 B, x2 B, x1
3 2 1
C, y3 C, y2 C, y1
Regresión de datos de la Curva de Equilibrio, Ecuación 2 del problema
0,2
0,19
0,18
0,17
0,16
0,15
0,14
0,13
0,12
0,11
0,1
0,09
0,08
y = -5108,17308x 5 + 3127,73164x4 - 628,87893x3 + 38,80718x2 + 1,54299x + 0,00021
0,07 R2 = 0,99981
0,06
0,05
0,04
0,03
0,02
0,01
0
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2