MONCADA Optimiz Proces PDF

MSc.
Luis Moncada Albitres
Universidad Nacional de Trujillo
Trujillo – Perú
2005
CONTENIDO
INTRODUCCIÓN
CAPITULO 1
ESTRATEGIA DE DISEÑO 1
1.1 COSTOS INCREMENTALES 2
1.2 CONSIDERACIONES INTANGIBLES Y PRACTICAS 2
1.3 PROCEDIMIENTO GENERAL PARA DETERMINAR LAS 3
CONDICIONES OPTIMAS
1.3.1 Procedimiento con una variable 3
1.3.2 Procedimiento con dos o más variables 5
1.4 COMPARASIÓN DE LOS MÉTODOS GRÁFICOS Y ANALÍTICOS 9
CAPITULO 2
OPTIMIZACION DE PLANTAS 10
2.1 LA GRAFICA DEL PUNTO DE EQUILIBRIO PARA PLANIFICAR LA
PRODUCCIÓN Y SU SIGNIFICANCIA PARA ANÁLISIS OPTIMO 11
2.2 PRODUCCION OPTIMA OPERACIÓN DE PLANTAS 12
2.2.1 Producción óptima para costo mínimo por unidad de producción 12
2.2.2 Producción óptima para máximo beneficio total por unidad de 13
tiempo
2.3 CONDICIONES OPTIMAS EN OPERACIONES CÍCLICAS 14
2.3.1 Operaciones cíclicas semicontinuas 16
CAPITULO 3
ANÁLISIS DE RESULTADOS 24
3.1 PRECISIÓN Y SENSIBILIDAD DE LOS RESULTADOS 24
3.2 DINÁMICA DE FLUIDOS (DIÁMETRO ÓPTIMO DE TUBERÍA) 24
3.2.1 Costos de bombeo 25
3.2.2 Cargas fijas para el sistema de tubería 26
3.2.3 Diámetro económico óptimo de tubería 27
3.2.4 Análisis incluyendo los efectos de impuestos y costo de capital 29
3.2.5 Sensibilidad de los resultados 30
3.3 TRANSFERENCIA DE CALOR (FLUJO OPTIMO DE AGUA DE 30
ENFRIAMIENTO EN UN CONDENSADOR)
3.4 TRANSFERENCIA DE MASA (RAZÓN OPTIMA DE REFLUJO) 35
CAPITULO 4
LA PROGRAMACIÓN LINEAL 41
4.1 INTERPRETACIÓN GEOMÉTRICA Y CONCEPTOS GENERALES 41
4.2 FORMULACIÓN GENERAL DEL PROBLEMA DE PROGRAMACIÓN 43
LINEAL
4.3 SOLUCIÓN GRÁFICA 46
4.4 EL MÉTODO SIMPLEX 50
4.5 USO DE PAQUETES DE SOFTWARE 56
4.5.1 Programación lineal en Excel 56
4.5.2 Uso del paquete LINDO 59
4.6 PROBLEMAS PROPUESTOS 67
4.7 BIBLIOGRAFÍA 72
Optimización de Procesos 1
CAPITULO
1
DISEÑO OPTIMO Y
ESTRATEGIA DE DISEÑO
Un diseño óptimo está basado en las mejores y más favorables condiciones. En

casi la mayoría de los casos, estas condiciones optimas pueden finalmente reducirse a
consideraciones de costos o beneficios. De esta manera, un diseño óptimo podría
basarse en condiciones que den el menor costo por unidad de tiempo o el máximo
beneficio por unidad de producción. Cuando se cambia una variable de diseño, a
menudo se encuentra que unos costos aumentan mientras que otros disminuyen. Bajo
estas condiciones, el costo total puede pasar a un mínimo a un valor particular de la
variable de diseño, y este valor podría considerarse como el óptimo.
1200
1000
Costos total = (1) + (2)
800
Costo por año, $
Costos fijos (1)

600
400
Costos de pérdidas de calor (2)
200
Espesor óptimo de aislamiento
0
0 2,5 5,0 7,5 10 12,5 15
Espesor de aislamiento, cm
Fig. 1-1 Ilustración del principio básico de un diseño óptimo
MSc. Luis Moncada Albitres

Un ejemplo ilustrando los principios de un diseño económico óptimo se presenta

en la Fig. 1-1. En este caso simple, el problema es determinar el espesor óptimo de
aislamiento para una instalación de tubería dada. A medida que el espesor de
aislamiento se incrementa, los costos fijos anuales incrementan, el costo por pérdidas de
calor disminuye, y los demás costos permanecen constantes. Entonces, como se muestra
en la Fig. 1-1, la suma de los costos debe ser mínima para el espesor óptimo de
aislamiento.
Aun cuando las consideraciones de costos y los balances económicos son la base
de la mayoría de los diseños óptimos, hay situaciones donde otros factores diferentes a
los costos pueden determinar las condiciones más favorables. Por ejemplo en la
operación de un reactor catalítico, una temperatura de operación óptima puede existir
para cada tamaño de reactor debido a las limitaciones de equilibrio y velocidad de
reacción. Esta temperatura particular podría estar basada en el máximo porcentaje de
conversión o en la máxima cantidad de producto por unidad de tiempo. Finalmente, sin
embargo, los costos variables deben ser considerados, y el desarrollo de un diseño
óptimo de operación es meramente una etapa en la determinación de un diseño
económico óptimo.
1.1 COSTOS INCREMENTALES
El aspecto de costos increméntales es cubierto en detalle en el texto de Ingeniería

Económica del mismo autor, Cap. 7 (Rentabilidad, inversiones alternativas y
reemplazos). Las consideraciones sobre costos increméntales muestran que un diseño
final recomendable no necesariamente corresponde al diseño económico óptimo, debido
a que el retorno incremental sobre la inversión adicional puede ser inaceptable antes de
que se alcance el punto óptimo. 1 Sin embargo los valores óptimos pueden usarse como
una base para iniciar el análisis del costo incremental.
1.2 CONSIDERACIONES INTANGIBLES Y PRACTICAS
Los diferentes métodos matemáticos para determinar las condiciones óptimas, son
presentadas en este capítulo, presentando una base teórica de las condiciones que
mejoren los requerimientos. Sin embargo, factores que no pueden ser fácilmente
cuantificados o consideraciones prácticas pueden cambiar la recomendación final a otra
diferente de la condición óptima teóricamente correcta. Por lo tanto, la determinación de
una “condición óptima”, como se describe en este capítulo, sirve como un punto base
para un análisis de costo o diseño, y esto puede a menudo cuantificarse en una forma
matemática especifica. A partir de este punto, el ingeniero debe aplicar debe aplicar su
criterio para tomar en cuenta otros factores prácticos importantes, tales como el retorno
sobre la inversión o el hecho que equipo comercial es a menudo disponible en intervalos
discretos de tamaño.
Como un ejemplo, considerar el caso donde un ingeniero ha hecho una estimación
del diámetro óptimo de tubería necesaria para manipular un flujo dado basándose en
1
Ver “Ingeniería Económica” del mismo autor, Fig. 7-5 y las discusiones relacionadas en el Cáp. 7. El
material presentado en el presente capítulo considera el diseño óptimo basado en un valor máximo o
mínimo de la variable especificada. El mismo tipo de aproximación podría usarse si el término óptimo
(referido a una inversión) fuese definido sobre la base de un retorno incremental estipulado.

minimizar los costos debido a las cargas fijas y de bombeo. El resultado matemático
muestra que el diámetro interior optimo es 2,54 pulg. Basándose en los costos para
tubería estándar de acero (# de cédula 40). Los diámetros nominales de tubería
disponibles comercialmente en este rango son 2½ pulg. (de ID 2,469 pulg.) y 3 pulg. (de
ID 3,069 pulg.). El ingeniero podría probablemente recomendar inmediatamente una
tubería de diámetro nominal de 2 ½ pulg. sin calcular el retorno sobre la inversión de
los diferentes tamaños disponibles. Esta aproximación podría normalmente ser
aceptable porque las estimaciones están necesariamente incluidas en los cálculos de
optimización y por el hecho que una inversión para tubería representa solamente una
pequeña porción de la inversión total.
Los factores intangibles pueden tener un efecto sobre el grado de credibilidad que
pueden tener los resultados calculados para las condiciones optimas. Quizás el optimo
esté basado en un precio de venta asumido para el producto del proceso, o puede ser que
este involucrada una evaluación preliminar en la cual no se ha definido con seguridad la
ubicación de la planta. Obviamente para casos de este tipo, un análisis de las
condiciones optimas pueden dar solamente una idea general de los resultados actuales
que podrían ser obtenidos en el trabajo final, y no es razonable ir a los limites extremos
de precisión y exactitud para hacer recomendaciones. Aún para el caso de un diseño
final detallado, los intangibles, tal como la licitación final de varios contratistas para la
construcción, pueda hacerlo no práctico gastar una cantidad grande de esfuerzo
haciendo demasiados refinamientos en la estimación de condiciones optimas
1.3 PROCEDIMIENTO GENERAL PARA DETERMINAR LAS

CONDICIONES OPTIMAS
El primer paso en el desarrollo de un diseño óptimo es determinar que factores

deben ser optimizados. Factores típicos podrían ser el costo total por unidad de
producción o por unidad de tiempo, beneficios, cantidad de producto final por unidad de
tiempo, y porcentaje de conversión. Una vez determinada la base, es necesario
desarrollar relaciones mostrando como las diferentes variables involucradas afectan al
factor escogido. Finalmente estas relaciones son combinadas gráficamente o
analíticamente para dar las condiciones optimas deseadas
1.3.1 Procedimiento con una variable
Son muchos los casos en los cuales el factor siendo optimizado es una función de
una simple variable. El procedimiento entonces es muy simple. Considerar el ejemplo
mostrado en la Fig. 1-1, donde es necesario obtener el espesor de aislamiento el cual de
el menor costo total. La principal variable involucrada es el espesor del aislamiento, y
pueden desarrollarse relaciones mostrando como esta variable afecta al costo total.
Se dispone de costo para la adquisición e instalación de aislamiento, y puede
estimarse el tiempo de vida del servicio. Entonces puede desarrollarse una relación
dando el efecto del espesor de aislamiento sobre las cargas fijas, de manera similar se
puede obtener una relación mostrando los costos debido a las pérdidas de calor como
función del espesor de aislamiento, a partir del costo de vapor, propiedades del
aislamiento y consideraciones de transferencia de calor. Los demás costos tales como

mantenimiento y gastos de la planta, pueden asumirse independientes del espesor de

aislamiento.
Las dos relaciones de costos obtenidas pueden ser expresadas en una forma
simplificada similar a la siguiente:
Cargas fijas = φ(x) = ax + b (1.1)

c
Costo de pérdida de calor = φ’(x) = +d (1.2)
x
c
Costos variables totales = CT = φ(x) + φ’(x) = φ’’(x) = ax + b + +d (1.3)
x
donde a, b, c, y d son constantes y x es la variable común (espesor de aislamiento)
El método gráfico para determinar el espesor óptimo de aislamiento es mostrado
en la Fig. 1-1. el espesor óptimo de aislamiento es encontrado en el punto del costo
mínimo sobre la curva obtenida graficando los costos variables totales versus el espesor
de aislamiento.
La pendiente de la curva de costos variables totales es cero en el punto de espesor
óptimo de aislamiento. Luego usando la Ec. (1.3), se puede encontrar analíticamente el
valor óptimo derivando el CT con respecto a x igualando a cero y resolviendo para x.
dC T c
=a− 2 =0 (1.4)
dx x
1/ 2
⎛c⎞
x= ⎜ ⎟ (1.5)
⎝a⎠
Si el factor que se está optimizando (CT) no tiene un valor máximo o un mínimo,

la solución para la variable independiente indicará esta condición dando un resultado
imposible, tal como infinito, cero o la raíz cuadrada de u un número negativo.
Para determinar si el valor de x mostrado en la Ec. (1.5) corresponde a un punto
óptimo o a un punto de inflexión se aplica:
Si la segunda derivada de la Ec. (1.3), evaluada en el punto dado, es mayor que
cero corresponde a un mínimo, corresponde a un máximo si es menor que cero y
corresponde a un punto de inflexión si es igual a cero.
Un método alternativo para determinar el tipo de punto involucrado es calcular
valores del factor siendo optimizado a puntos ligeramente grandes y ligeramente
pequeños que el valor óptimo de la variable dependiente.
La segunda derivada de la Ec. (1.3) es
d 2 CT 2c
2
=+ 3 (1.6)
dx x
Si x representa una variable tal como el espesor de aislamiento, este valor debe ser
positivo; entonces, si c es positivo, la segunda derivada en el punto óptimo debe ser
mayor que cero, y (c/a)1/2 representa el valor de x en el punto donde los costos variables
totales son mínimos.
1.3.2 Procedimiento con dos o más variables

Cuando dos o mas variables independientes afectan al factor a optimizar, el

procedimiento para determinar las condiciones óptimas puede ser muy tediosos; sin
embargo el procedimiento general es el mismo que con una sola variable.
Considerar el caso en el cual el costo total para una operación dada es una función
de las dos variables independientes x e y, o
CT = φ’’’(x,y) (1.7)
Analizando todos los costos involucrados y reduciendo la relación resultante a una

forma simple, se encuentra la siguiente función:
b
CT = ax + + cy + d (1.8)
xy
Donde a, b, c y d son constantes positivas
Procedimiento gráfico. Las relaciones entre CT, x e y pueden mostrarse como una
superficie graficada en tres dimensiones con un valor mínimo de CT ocurriendo en los
valores óptimos de x e y. Sin embargo, el uso de una gráfica tridimensional no es
práctica para la mayoría de determinaciones en ingeniería.
Los valores óptimos de x e y en la Ec. (1.8) pueden encontrase gráficamente en
una grafica bidimensional usando el método mostrado en la Fig. 1-2. en esta figura, el
factor a optimizar es graficado contra una de las variables independientes (x), con la
segunda variable (y) mantenida en un valor constante. Se hace una serie de graficas para
diferentes valores de la segunda variable. Como muestra la Fig. 1-2, las curvas (A, B, C,
D y E) dan un valor de la primera variable x en el punto donde el costo total es un
mínimo. La curva MN representa el lugar de todos los puntos mínimos, y el valor
óptimo de x e y ocurre en el punto mínimo sobre la curva NM.
Procedimientos gráficos similares pueden usarse cuando existen mas de dos
variables independientes. Por ejemplo si una tercera variable z fuese incluida en la Ec.
(1.8), el primer paso seria hacer una gráfica similar a la Fig. 1-2 a un valor constante de
z. Graficas similares podrían luego hacerse a otros valores de z. Cada gráfica dará un
mínimo valor de x, y y CT para un valor particular de z. Finalmente, como muestra la
Fig. 1-2, el valor óptimo total de x, y, z y CT podrían obtenerse graficando z versus el
valor optimo individual de CT.
Procedimiento analítico De manera general, cuando se tiene una función z = f(x,y) la

cual se desea optimizar, el método consiste en encontrar la derivada de la función con
respecto a cada una de las variables e igualarlas a cero:
(∂z/∂x)y = 0
(∂z /∂y)x = 0
y luego resolver simultáneamente las dos ecuaciones resultantes encontrando los valores
óptimos de x e y
El máximo o mínimo sucede:

∂2z ∂2 z
M ∂x 2 ∂y 2 Optimo
>0 + + Mínimo
– – Máximo
<0 .... .... Punto de inflexión
0 .... .... Dudoso
2
⎛ ∂ 2 z ⎞⎛ ∂ 2 z ⎞ ⎛ ∂ 2 z ⎞
M = ⎜⎜ 2 ⎟⎟⎜⎜ 2 ⎟⎟ − ⎜⎜ ⎟⎟
⎝ ∂x ⎠⎝ ∂y ⎠ ⎝ ∂x∂y ⎠
En la Fig. 1-2 el valor óptimo de x se encuentra en el punto donde (∂CT /∂x)y = y’

es igual a cero. De manera similar, el mismo resultado puede obtenerse si y es usada
como la abcisa en lugar de x. Si se hace esto, el optimo valor de y (i.e., y’) puede
encontrarse en el punto donde (∂CT /∂y)x = x’ es igual a cero. Esto inmediatamente
indica un procedimiento analítico para determinar los valores óptimos.
Usando la Ec. (1.8) como base
∂CT b
=a− 2 (1.9)
∂x x y
∂CT b
=c− 2 (1.10)
∂y xy
Tercera variable Z constante
132
N M E
A
128
CT
B D
124
C
CT
120
10 12 14 16 18 20 22 24
x
Fig. 1-2 Determinación gráfica de condiciones optimas
con dos o más variables independientes
A las condiciones optimas, las dos derivadas parciales deben ser iguales a cero;
luego, si las Ecs. (1.9) y (1.10) pueden igualarse a cero y obtenerse los valores óptimos

de x = (cb/a2)1/3 y y = (ab/c2)1/3 resolviendo las dos ecuaciones simultaneas. Si se tienen

más de dos variables independientes, puede seguirse el mismo procedimiento con el
número de ecuaciones simultáneas igual al numero de variables independientes.
Ejemplo 9.1 Determinación de valores óptimos con dos variables independientes.

La siguiente ecuación muestra el efecto de las variables x e y sobre el costo total para
una operación particular:
11900
CT = 2,33x + + 1,86y + 10
xy
Determine los valores de x e y que den el costo total mínimo
Solución
a) Método analítico:
∂CT 11900
= 2,33 − 2
∂x x y
∂CT 11900
= 1,86 −
∂y xy 2
En el punto óptimo,
11900
2,33 − =0
x2 y
11900
1,86 − =0
xy 2
Resolviendo simultáneamente para los valores óptimos de x e y

x = 16
y = 20
Valor mínimo de CT:
CT = 2,33(16) +11900/(16)(20) +1,86(20) + 10
CT = 121,6
Se puede verificar para tener la certeza de que los valores encontrados representan
las condiciones del costo mínimo.
∂ 2 CT (2)(11900) (2)(11900)
= = = + para un punto óptimo
∂x 2 x3 y (16) 3 (20)
∂ 2 CT (2)(11900) (2)(11900)
= = = + para un punto óptimo
∂y 2 xy 3 (16)(20) 3
∂ 2 CT 11900
= 2 2
∂x∂y x y
Sustituyendo en M

2
⎛ 2(11900) ⎞⎛ 2(11900) ⎞ ⎛ 11900 ⎞
M = ⎜⎜ 3
⎟⎟⎜⎜ 3
⎟⎟ − ⎜⎜ 2 2 ⎟⎟
⎝ x y ⎠⎝ xy ⎠ ⎝x y ⎠
⎡ 4(11900) 2 (11900) 2 ⎤
⎢ 4 4
− ⎥>0
⎣ x y x4 y4 ⎦
Como las segundas derivadas son positivas, las condiciones optimas deben ocurrir
en un punto de costo mínimo
b) Método gráfico:
Los siguientes valores constantes de y son tomados arbitrariamente:
yii = 32 yiii = 26 yi = 20 yiv = 15 yv = 12
A cada valor constante de y, se hace una gráfica de CT versus x. Estas gráficas son
mostradas en la Fig. 1-2 como las curves A, B, C, D y E. Un resumen de los resultados
son presentados en la siguiente tabla:
y x óptimo CT óptimo
ii
y = 32 12,7 128,3
yiii = 26 14,1 123,6
yi = 20 16,0 121,6
yiv = 15 18,5 123,9
yv = 12 20,7 128,5
Una curva (NM en la Fig. 1-2) a través de los diferentes puntos muestra que el
óptimo total ocurre a
x = 16
y = 20
CT = 121,6
Nota: En este caso, se ha tomado un valor de y como el correspondiente al valor
óptimo. Usualmente, es necesario interpolar o hacer otros cálculos en razón a
determinar las condiciones óptimas finales.
c) Usando MATLAB:
Para probar, crear un archivo-M costo.m que define una función de dos
variables, x e y
function c = costo(v)
x = v(1);
y = v(2);
c = 2.33*x + 11900/(x*y) + 1.86*y + 10;
Ahora, encontrar un mínimo para esta función usando x = 0,1 y = 0,1 como los valores
iniciales:

» v = [0.1 0.1];
» a = fminsearch('costo', v)
Lo cual da como respuesta

a =
15.9753 20.0121
Esto quiere decir que el mínimo ocurre cuando x = 15,9753

y = 20,0121
CT = 121,667
1.4 COMPARASIÓN DE LOS MÉTODOS GRÁFICOS Y ANALÍTICOS
En la determinación de las condiciones óptimas, se ha obtenido el mismo

resultado final tanto con el método gráfico y analítico. A veces es imposible establecer
una función analítica por diferenciación, y debe usarse el método gráfico. Si el
desarrollo y simplificación de la función analítica total requiere matemáticas
complicadas, esto se puede simplificar escogiendo la solución gráfica directa; sin
embargo, cada problema individual deberá analizarse sobre la base de las circunstancias
existentes.
El método gráfico tiene una ventaja distinta sobre el método analítico. La forma
de la curva muestra la importancia de operar a cerca de las condiciones optimas. Si el
máximo o mínimo ocurren en un punto donde la curva es llana con solo un cambio
gradual en la pendiente, habrá un considerable cambio de las condiciones finales, y
pueden ser necesarios análisis de costos incrementales. De otro lado, si el máximo o
mínimo es pronunciado, este puede esencialmente operar a las condiciones óptimas
exactas.

CAPITULO
2
OPTIMIZACION DE PLANTAS
2.1 LA GRAFICA DEL PUNTO DE EQUILIBRIO PARA PLANIFICAR LA

PRODUCCIÓN Y SU SIGNIFICANCIA PARA ANÁLISIS OPTIMO
Al considerar los costos totales o beneficios en la operación de una planta, uno de

los factores que tiene un efecto importante sobre los resultados económicos durante la
vida económica es la fracción de capacidad a la cual opera la planta. Si la planta está
sobredimensionada u opera a baja capacidad, algunos costos, tales como materias
primas y mano de obra, serán disminuidos, pero los costos por depreciación y
mantenimiento continúan esencialmente en el mismo valor aun cuando la planta no este
operando a su capacidad total.
60000
50000
Ingresos totales
40000
Dólares por día
30000
Punto de
equilibrio
Utilidades
20000 totales
Costo total Costos fijos
10000
Perdida
0
0 50 100 150 200 250 300
Producción, unidades por día
Fig. 2-1 Gráfica del punto de equilibrio

Hay una relación entre la vida económica, capacidad de producción, y precio de
venta. Es deseable operar a una capacidad que permita una utilización máxima de los

costos fijos mientras se pueda vender el producto y utilizar la capacidad de producción

para dar el mejor resultado económico.
La Fig. 2-1 muestra gráficamente como la cantidad de producción afecta los
costos y beneficios. Los costos fijos permanecen constantes mientras que el costo total ,
sí como las utilidades incrementan con el incremento de la capacidad de producción. El
punto donde el costo total de producción es igual a los ingresos representa el punto de
equilibrio, y la capacidad de producción debe ser mayor que la capacidad
correspondiente al punto de equilibrio
2.2 PRODUCCION OPTIMA OPERACIÓN DE PLANTAS
Los mismos principios usados para desarrollar un diseño óptimo pueden aplicarse
para determinar las condiciones más favorables en la operación de una planta de
manufactura. Una de las variables mas importantes en plantas de manufactura es la
cantidad de producto producido por unidad de tiempo. La velocidad de producción
depende de muchos factores, tales como el número de horas de operación por día, por
semana, o por mes; la carga puesta sobre el equipo; y las ventas posibles. A partir de un
análisis de los costos involucrados bajo situaciones diferentes y considerando otros
factores afectando a la planta particular, es posible determinar una velocidad de
producción optima o llamada tamaño económico de lote.
Cuando un ingeniero de diseño realiza un diseño total de la planta, ordinariamente
el estudio se basa en una capacidad de producción dada para la planta. Antes de que la
planta sea puesta en operación, sin embargo, algunos de los factores originales de
diseño serán cambiados, y la capacidad de producción óptima puede variar
considerablemente de la “capacidad de diseño”. Por ejemplo, suponer que una planta ha
sido diseñada originalmente para la producción por lotes de un producto orgánico sobre
la base de un “batch”cada 8 horas. Antes de que la planta sea puesta en operación, se
obtienen los costos del procesos actuales, y se hacen pruebas operando con varios
procesos. Se encuentra que la mayor producción por mes puede obtenerse si se reduce el
tiempo por “batch”. Sin embargo, cuando se usa un tiempo mas corto por “batch”, se
requiere mas mano de obra, el porcentaje de conversión de materiales disminuye, y los
costos de potencia y vapor aumentan. Aquí esta un caso en el cual puede usarse un
balance económico para encontrar la velocidad de producción optima. Aun cuando el
ingeniero de diseño puede haber basado sus recomendaciones originales en un tipo
similar de balance económico, las condiciones de precio y mercado no permanecen
constantes, por lo tanto el estudio económico debe hacerse periódicamente. El siguiente
análisis indica el método general para determinar la velocidad de producción optima o
tamaño de lote.
El costo total de producto por unidad de tiempo puede dividirse en dos
clasificaciones de costos de operación y costos de organización. Los costos de
operación dependen de la velocidad de producción e incluyen gastos para mano de obra
directa, materias primas, potencia, calor, suministros, e ítem similares los cuales son una
función de la cantidad de material producido. Los costos de organización se deben a
gastos para personal directivo, equipo físico, y otros servicios o facilidades las cuales no
dependen de la cantidad producida. Los costos de organización son independientes de la
capacidad de producción.

Es conveniente considerar los costos de operación sobre la base de una unidad de

producción. Cundo se hace esto, los costos de operación pueden dividirse en dos tipos
de gastos como sigue:
1. Mínimo gasto para materias primas, mano de obre, potencia, etc., que permanece
constante y debe ser pagado por cada unidad de producción tanto como la
cantidad producida de material.
2. Gastos extras debido al incremento de la cantidad de producción. Estos gastos
extras son conocidos como costos de superproducción. Ejemplos de costos de
superproducción son costos extras causados por consumo extra de potencia,
requerimientos adicionales de mano de obra, o disminución en la eficiencia de
conversión. Los costos de superproducción pueden a menudo representarse
como sigue:
Costos de superproducción por unidad de producción = mPn (2.1)
donde P = velocidad de producción tal como unidades totales de producción por unidad
de tiempo.
m = constante
n = constante
Designando h como los costos de operación los cuales permanecen constantes por
unidad de producción y OC como los costos de organización por unidad de tiempo, el
costo total por unidad de producción es:
OC
cT = h + mPn + (2.2)
P
Las siguientes ecuaciones para varios tipos de costos o beneficios se basan en la
Ec. (2.2):
OC
CT = cT P = ( h + mPn + )P (2.3)
P
OC
r = s – cT = s – h – mPn – (2.4)
P
OC
R’ = rP = ( s – h – mPn – )P (2.5)
P
donde CT = costo total de producto por unidad de tiempo

r = beneficio por unidad de producción
R’= beneficio por unidad de tiempo
s = precio de venta por unidad de producción
2.2.1 Producción óptima para costo mínimo por unidad de producción
A menudo es necesario conocer la velocidad de producción a la cual se tiene el

costo de producción mínimo sobre la base de una unidad de material producido. La
producción óptima debe ocurrir cuando dcT /dP = 0. Una solución analítica para este

caso puede obtenerse de la Ec. (2.2), y la producción óptima Po dando el costo mínimo
por unidad de producción se encuentra como sigue:
dcT O
= 0 = nmPon −1 − c2 (2.6)
dP Po
1 /( n +1)
⎛O ⎞
Po = ⎜ c ⎟ (2.7)
⎝ nm ⎠
La producción óptima mostrada en la Ec. (2.7) podría, desde luego, dar el

beneficio máximo por unidad de producción si el precio de venta permanece constante.
2.2.2 Producción óptima para máximo beneficio total por unidad de tiempo.
En la mayoría de negocios, la cantidad de dinero ganada en un período de tiempo

dado es mucho mas importante que la cantidad de dinero ganada por cada unidad de
producto vendido. Entonces, se debe reconocer que la producción para beneficio
máximo por unidad de tiempo puede diferir considerablemente de la producción para el
costo mínimo por unidad de producción.
La Ec. (2.5) presenta la relación básica entre costos y beneficios. Una gráfica de
beneficio por unidad de tiempo versus producción pasa por un máximo. Luego esta
ecuación puede usarse para encontrar analíticamente un valor de la producción óptima.
Cuando el precio de venta permanece constante, la producción que de el beneficio
máximo por unidad de tiempo es:
⎡ s−h ⎤
Po = ⎢ ⎥1 / n (2.8)
⎣ ( n + 1) m ⎦
Ejemplo 2.1 Determinación de beneficios a producción óptima

Una planta produce refrigeradores a razón de P unidades por día. Los costos
variables por refrigerados se han encontrado a ser $47,73 + 0,1P1,2. Las cargas fijas
P
totales diarias son $1750, y todos los demás costos son constantes e iguales a $7325 por
día. Si el precio de venta por refrigerados es 4173, determine:
(a) El beneficio diario para una producción que de el mínimo costo por refrigerador.
(b) El beneficio diario a una producción que de el beneficio diario máximo
(c) La producción en el punto de equilibrio
Solución
(a) Costo total por refrigerador = cT = 47,73 + 0,1P 1,2 + (1750 + 7325)/P
Producción para costo mínimo por refrigerador,

dcT 9075
= 0 = 0,12 Po0, 2 − 2
dP Po
Po = 165 unidades por día para el mínimo costo por unidad
Beneficio diario para la producción que de el mínimo costo por refrigerador
9075
= [173 – 47,73 – 0,1(165)1,2 – ] 165
165
= $4040
(b) Beneficio diario es

1750 + 7325
R’ = (173 – 43,73 – 0,1P1,2 – P )P
P
Producción para beneficio máximo por día,
dR'
= 0 = 125,27 – 0,22 Po1, 2
dP
Po = 198 unidades por día para beneficio diario máximo
Beneficio diario con una producción que da beneficio diario máximo

9075
= [173 – 47,73 – 0,1(198)1,2 – ] 198
198
= $4400
(c) Beneficio total por día en el punto de equilibrio

(1750 + 7325)
= {173 – [47,73 + 0,1 P1,2 + P ]} P = 0
P
Resolviendo la ecuación anterior para P,
Pen el punto de equilibrio = 88 unidades /día
2.3 CONDICIONES OPTIMAS EN OPERACIONES CÍCLICAS
Muchos procesos son llevados a cabo en operaciones cíclicas las cuales

involucran periodos cortos para descargar, limpiar y recarga. Este tipo de operaciones
ocurren cuando el producto es obtenido por un proceso “batch” o cuando la velocidad
de producción disminuye con el tiempo, tal como la filtración en una unidad de discos.
En una verdadera operación “batch” no se obtiene producto durante el periodo de
parada. En operaciones cíclicas semicontinuas, se obtiene producto continuamente
mientras que la unidad esta en operación, pero la cantidad disminuye con el tiempo. Por

lo tanto en operaciones “batch” o semicontinuas, la variable de tiempo total requerido

por ciclo debe ser considerado cuando se determina las condiciones optimas.
El análisis de operaciones cíclicas puede llevarse a cabo convenientemente usando
como base el tiempo por ciclo. Cuando se hace esto, pueden desarrollarse relaciones
similares a las siguientes para expresar todos los factores, tales como costo total anual o
producción anual:
Costo total anual = Costos de operación y no operación / ciclo

x ciclos/año + costos fijos anuales ( 2.9)
producción anual = (producción /ciclo) (ciclos /año) (2.10)
Ciclos /año = (Tiempo de operación + no operación)/año (2.11)

(Tiempo de operación + no operación)/ciclo
El ejemplo siguiente ilustra el método general para determinar las condiciones

optimas en una operación “batch”.
Ejemplo 2.2 Determinación de las condiciones para el costo total mínimo en una
operación “batch”
Un compuesto orgánico se esta produciendo mediante una operación “batch”en la

cual no se obtiene nada de producto hasta que se termina el “batch”. Cada ciclo consiste
del tiempo de operación necesario para la reacción completa además de un tiempo total
de 1,4 h para descargar y cargar. El tiempo de operación por ciclo es igual a 1,5 Pb0, 25 h,
donde Pb son los Kg. de producto obtenidos por “batch”. Los costos de operación
durante el periodo de operación son $20 por hora, y los costos durante el periodo de
descarga y carga son $15 por hora. Los costos fijos anuales para el equipo varían con el
tamaño del “batch” de acuerdo a:
CF = 340 Pb0,8 dólares por “batch
“Las cargas de inventario y almacenamiento pueden despreciarse. Si es necesario,

la planta puede ser operada 24 h por día durante 300 días por año. La producción anual
es 1 millón de Kg. de producto. A esta capacidad, los costos de materia prima y
misceláneos, otros que los ya mencionados, ascienden a $260 000 por año.
Determinar el tiempo por ciclo para condiciones de costo total mínimo por año.
Solución
Ciclos/año = Producción anual = 1 000 000

Producción /ciclo Pb
Tiempo por ciclo = tiempo de op. + tiempo no op. = 1,5 Pb0, 25 + 1,4 h
Costo de op. + costo de no op./ciclo = (20)( 1,5 Pb0, 25 ) + (15)(1,4) dólares
Costos fijos anuales = 340 Pb0,8 + 260 000 dólares

Costos totales anuales = (30 Pb0, 25 + 21)(1 000 000/Pb) + 340 Pb0,8 + 260 000 $
El costo total anual es un mínimo cuando d(costo total anual)/dPb = 0.

Efectuando la diferenciación, igualando el resultado a cero, y resolviendo para Pb
se tiene:
Pb, para costo óptimo = 1630 Kg. por “batch”
Este mismo resultado podría haberse obtenido graficando el costo total anual
versus Pb y determinando el valor de Pb al punto de costo total anual mínimo.
Para condiciones de costo total anual mínimo y una producción de 1 millón de
kg/año:
Tiempo por ciclo = (1,5)(1630)0,25 + 1,4 = 11 h
⎛ 1000000 ⎞
Tiempo total usado por año = (11) ⎜ ⎟ = 6750 h
⎝ 1630 ⎠
Tiempo total utilizado por año = (300)(24) = 7200 h
Luego para condiciones de costo anual mínimo y una producción de 1 millón de

kg/año, podría no usarse todo el tiempo disponible para operación y no operación.
Usando MATLB
Crear el archivo-M cost.m
function c = cost(v)
x = v(1);
c = (30*x^0.25 + 21)*(1000000/x) + 340*x^0.8 + 260000;
Ahora, encontrar un mínimo para esta función usando x = 1,0 como el valor inicial:
» v = [1];
» a = fminsearch('cost', v)
Obteniéndose como respuesta

a=
1.6258e+003
Lo cual indica que Pb, para costo óptimo = 1625,8 kg por “batch”
2.3.1 Operaciones cíclicas semicontinuas
Las operaciones cíclicas semicontinuas son con frecuencia encontradas en la

industria química, y el ingeniero de diseño debe entender los métodos para determinar el
tiempo óptimo por ciclo en este tipo de operaciones. Aun cuando se obtiene producto
continuamente, la velocidad de producción disminuye con el tiempo debido a las
incrustaciones, recolección de subproductos, reducción de la conversión y eficiencia, o

causas similares. Esto deviene en la necesidad de cortar periódicamente la operación en

razón de restaurar las condiciones iniciales para tener altas velocidades de producción.
El tiempo óptimo por ciclo puede ser determinado para condiciones tales como la
producción máxima por unidad de tiempo o el costo mínimo por unidad de producción.
Formación de incrustaciones en evaporación
Durante el tiempo que un evaporador está en operación, a menudo se depositan

sólidos sobre el área de transferencia, formando incrustaciones. La formación continua
de incrustaciones causa un incremento gradual de la resistencia al flujo de calor y,
consecuentemente, una reducción en la velocidad de transferencia de calor y la
velocidad de evaporación si se mantiene la misma diferencia de temperatura como
fuerza impulsora. Bajo estas condiciones, la unidad de evaporación debe ser parada y
limpiada después de un tiempo óptimo de operación, y los ciclos son entonces repetidos.
La formación de incrustaciones ocurre en la misma extensión en los diferentes
tipos de evaporadores, pero es de particular importancia cuando la mezcla alimentada
contiene un material disuelto que tiene una solubilidad inversa. El término solubilidad
inversa indica que la solubilidad disminuye a medida que la temperatura de la solución
aumenta. Para un material de este tipo, la solubilidad es menor cerca de la superficie de
transferencia de calor donde la temperatura donde la temperatura es mas alta. Por lo
tanto, cualquier sólido cristalizando cerca de la superficie de transferencia de calor
formará incrustaciones sobre esta superficie. Las sustancias más comunes para formar
incrustaciones son sulfuro de calcio, hidróxido de calcio, carbonato de sodio, sulfato de
sodio y sales de calcio de ciertos ácidos orgánicos.
Cuando ocurre la formación de incrustaciones, el coeficiente total de transferencia
de calor puede ser relacionado al tiempo que el evaporador ha estado en operación por
la ecuación de la línea recta
1
= aθb + d (2.12)
U2
donde a y b son constantes para una operación dada y U es el coeficiente total de
transferencia de calor en cualquier tiempo de operación θb desde el inicio de la
operación
Si esto no se pueden determinar los coeficientes de transferencia y las constantes
mostradas en la Ec. (2.12), puede usarse cualquier cantidad que sea proporcional al
coeficiente de transferencia de calor. Por lo tanto, si todas las condiciones excepto la
formación de incrustaciones son constantes, la velocidad de alimentación, velocidad de
producción, y velocidad de evaporación pueden cada una representarse de manera
similar a la Ec. (2.12). Cualquiera de estas ecuaciones pueden ser usadas como una base
para encontrar las condiciones optimas. El método general es ilustrado a continuación,
donde se emplea la Ec. (2.12) como base.
Si Q representa la cantidad total de calor transferido en el tiempo de operación θb,
y A y Δt representan el área de transferencia de calor y la diferencia de temperatura
respectivamente, la velocidad de transferencia de calor en cualquier instante es:
dQ A Δt
= U A Δt = (2.13)
dθ b (aθ b + d ) 12

La velocidad instantánea de transferencia de calor varia durante el tiempo de

operación, pero el área de transferencia de calor y la diferencia de temperatura
permanecen esencialmente constantes. Entonces, la cantidad total de calor transferido
durante un tiempo de operación θb, puede determinarse integrando la Ec. (2.13) como
sigue:
1
θb ⎛ 1 ⎞ 2
∫
Q
dQ = A Δt ∫ ⎜⎜ ⎟⎟ dθ b (2.14)
⎝ aθ b + d ⎠
0 0
2 A Δt
Q= [(aθb + d) ½ – d ½] (2.15)
a
Tiempo por ciclo para cantidad máxima de calor transferido. Le ecuación (2.15)
puede usarse como una base para encontrar el tiempo por ciclo el cual permita la
máxima cantidad de calor transferido durante un periodo dado. Cada ciclo consiste de
un tiempo de operación (o ebullición) de θb h. Si el tiempo por ciclo para descargar,
limpiar, y recargar es θc, el tiempo total en horas por ciclo es θt = θb +θc .Luego,
designando al tiempo total usado para la operación actual de descarga, limpieza y
recarga como H, el número de ciclos durante H h = H/(θb +θc).
240
235
Q x 10-7, Btu x 10-7 por 30 días
Basado en Ec. 9.26

230 A = 500 pies2
Δt = 50 oF
225 a = 0,89 x 10-6
d = 25 x 10-6
220
θc = 8 hr
Tiempo de operación H = 720 hr
óptimo
215
210
10 20 30 40 50 60 70 80
Tiempo de operación, θb, horas
Fig. 2-2 Determinación del tiempo óptimo de operación para máxima cantidad
de calor transferido en un evaporador con formación de incrustaciones.
La cantidad total de calor transferido durante
H h = QH = (Q/ciclo) x (ciclos/H h)
Entonces,
2 A Δt H
QH = [(aθb + d) ½ – d ½] (2.16)
a θb +θc

Bajo condiciones ordinarias, la única variable en la Ec. (2.16) es el tiempo de

operación θb. un gráfica de la cantidad total de calor transferida versus θb muestra un
máximo en el valor óptimo de θb. La Fig. 2-2 presenta una gráfica de este tipo. El
tiempo óptimo del ciclo también puede obtenerse derivando la Ec. (2.16) con respecto a
θb igualando a cero y resolviendo para θb. El resultado es
2
θb (por ciclo para cantidad máxima de calor transferido) = θc + adθ c (2.17)
a
El tiempo óptimo de ebullición está dado por la Ec. (2.17) mostrando el plan
necesario para permitir la cantidad máxima de calor transferido. Debe usarse todo el
tiempo disponible para operación, descarga, limpieza y recarga. Para condiciones
constantes de operación, este mismo plan dará también la máxima cantidad de
alimentación consumida, producto obtenido y liquido evaporado.
Un tercer método para determinar el tiempo óptimo por ciclo es conocido como el
método tangencial para encontrar las condiciones óptimas, y es aplicable a muchos
tipos de operaciones cíclicas. Este método es ilustrado para condiciones de tiempo de
limpieza (θc) constante en la Fig. 2-3, donde se grafica la cantidad de calor transferido
versus el tiempo de limpieza. La curva OB está basada en la Ec. (2.15). La cantidad
promedio de calor transferido durante un ciclo completo es Q/(θb +θc).
30
D B
Q x 10-7, Btu x 10-7 en el tiempo θb
25 Pendiente máxima
20 Punto de tangencia
Basada en Ec. 9.25
D’
15
Pendiente = Q/(θb + θc)
10
Tiempo de operación
5 óptimo
C 0
- 10 0 10 20 30 40 50 60 70 80
Tiempo de operación, θb, horas por ciclo
θc, hr
Fig. 2-3 Método tangencial para encontrar el tiempo óptimo de

operación para máxima cantidad de calor transferido en
evaporador con formación de incrustaciones.
Cuando la cantidad total de calor transferido durante un número de ciclos

repetidos es un máximo, la cantidad promedio de calor transferido por unidad de tiempo
debe también ser un máximo. El tiempo óptimo por ciclo, entonces, ocurre cuando
Q/(θb +θc) es un máximo.
La línea recta CD’ en la Fig. 2-3 comienza a la distancia equivalente a θc sobre el
lado izquierdo del origen de la grafica. La pendiente de esta línea recta es Q/(θb +θc),

con los valores de Q y θb determinados por el punto de intersección entre la línea CD’ y
la curva OB. El valor máximo de Q/(θb +θc) ocurre cuando la línea CD es tangente a la
curva OB, y el punto de tangencia indica el valor óptimo del tiempo de ebullición por
ciclo para condiciones de cantidad máxima de calor transferido.
Tiempo por ciclo para costo mínimo por unidad de calor transferido. Existen
muchas circunstancias diferentes las cuales pueden afectar al costo mínimo por unidad
de calor transferido en una operación de evaporación. Un caso simple y comúnmente
dado será considerado. Se puede asumir que se dispone de una unidad de evaporación
de capacidad fija, y que cada día debe manejarse una cantidad definida de alimentación
y evaporación. El costo total para limpieza y cargas de inventario se asume constante
sin importar cuanto tiempo usado para ebullición. El problema es determinar el tiempo
por ciclo, el cual permita la operación a menor costo total.
El costo total incluye (1) cargas fijas sobre el equipo y perdidas de calor, (2)
vapor, materiales, y costos de almacenamiento los cuales son proporcionales a la
cantidad de alimentación y evaporación, (3) desembolsos para mano de obra directa
durante la operación de evaporación actual, y (4) costos de limpieza. Como el tamaño
del equipo y las cantidades de alimentación y evaporación son fijos, los costos
considerados en (1) y (2) son independientes del tiempo por ciclo. Entonces, el tiempo
óptimo por ciclo puede encontrarse minimizando la suma de los costos para limpieza y
mano de obra directa durante la operación.
Si Cc representa los costos para una limpieza y Sb son los costos de mano de obra
directa por hora durante la operación, los costos variables totales durante H h de tiempo
de operación y limpieza debe ser
H
CT, para H h = (Cc + Sbθb) (2.18)
θb +θc
Las Ecs. (2.16) y (2.18) se pueden combinar para dar
aQH (C c + S bθ b )
CT, para H h = 1 1
(2.19)
2 A Δt[(aθ b + d ) 2
−d 2
]
El valor óptimo de θb para costo total mínimo puede obtenerse graficando CT

versus θb o derivando la Ec. (2.19) con respecto a θb igualando a cero y resolviendo para
θb. El resultado es
Cc 2
θb, por ciclo para costo total mínimo = + adC c S b (2.20)
S b aS b
La Ec. (2.20), muestra que el tiempo óptimo por ciclo es independiente de la

cantidad requerida de calor transferido QH. Por lo tanto se debe hacer una revisión para
tener el tiempo óptimo por ciclo exacto para mínimo costo permitiendo la cantidad
requerida de calor transferido. Esto puede hacerse fácilmente usando la siguiente
ecuación, la cual se basa en la Ec. (2.16):

2 AH ' Δt 1 1
θt = θb + θc = [(aθ b ,opt + d ) 2 − d 2 ] (2.21)
aQH
donde H’es el tiempo total disponible para la operación, descarga, limpieza y

recarga. Si θt es igual o mayor que θb,opt + θc , puede usarse el tiempo óptimo de
ebullición indicado por la Ec. (2.20), y la producción requerida puede obtenerse a
condiciones de costo mínimo.
El tiempo óptimo por ciclo determinado por los métodos precedentes puede no
ajustarse al programa da operación adecuado. Afortunadamente, como se muestra en las
Figs. 2-2 y 2-3, los puntos óptimos usualmente ocurren donde una variación
considerable en el tiempo por ciclo tiene pequeño efecto sobre el factor que esta siendo
optimizado. Entonces es posible, ajustar el tiempo por ciclo para elaborar un programa
de operación adecuado sin causar muchas variaciones en los resultados finales.
Las aproximaciones descritas en las secciones precedentes pueden ser aplicadas
para diferentes tipos de operaciones cíclicas semicontinuas. Una ilustración mostrando
como el mismo razonamiento es usado para determinar los tiempos óptimos por ciclo
para operaciones en filtros prensa se presenta en el Ejemplo 2.3.
Ejemplo 2-3 Tiempo por ciclo para máxima cantidad de producción de un filtro prensa
de placas y armazón. Exámenes con un filtro prensa de placas y armazón, operando a
presión constante, muestran que la relación entre el volumen de producto filtrado y el
tiempo de operación puede representarse por:
Pf2 = 2,25 x 104 (θf +0,11)
donde Pf = pies cúbicos de producto filtrado en un tiempo de filtrado de θf h.

La torta formada en cada ciclo debe ser lavada con una cantidad de agua igual a la
dieciséis ava parte del volumen de filtrado por ciclo. La velocidad de lavado permanece
constante e igual a un cuarto de la velocidad de filtrado al final de la filtración. El
tiempo requerido por ciclo para desmontar, descargar, y volver a montar es 6 h. Bajo
estas condiciones donde se aplica la información precedente, determinar el tiempo total
por ciclo necesario para permitir la máxima salida de filtrado durante cada 24 h.
Solución
Haciendo θf = horas de tiempo de filtrado por ciclo
Filtrado obtenido por ciclo = Pf, ciclo = 150(θf + 0,11)1/2 pies3. Caudal de filtrado
obtenido al final del ciclo es
dPf 150
Caudal de lavado x 4 = = (θf + 0,11)– 1/2 pies3/h
dθ f 2
Tiempo para lavado = (volumen de agua de lavado)/ (velocidad de lavado)

150
Agua de lavado = = (θf + 0,11) 1/2
(16)
150
Velocidad de lavado = (θf + 0,11)– 1/2
(4)(2)
(4)(2)(150)(θ f + 0,11)1 / 2 θ f + 0,11

= = h
(16)(150)(θ f + 0,11) −1 / 2 2
θ f + 0,11
Tiempo total por ciclo = θ f + +6 = 1.5θf + 6,06 h (1)
2
24
Ciclos por 24 h =
1,5θ f + 6,06
Filtrado en pies3 obtenidos/24 h es
24
Pf, ciclo (ciclos por 24 h) = 150(θf + 0,11)1/2 (2)
1,5θ f + 6,06
La Ec. (1) describe el tiempo total por ciclo en función del tiempo de filtrado
La Ec. (2) describe la cantidad de filtrado en función del tiempo de filtrado
La solución se encuentra de la manera siguiente:
- Determinar el tiempo de filtrado para obtener la máxima cantidad de filtrado
usando la Ec. (2)
- Reemplazar en la Ec. (1), el valor encontrado del tiempo de filtrado para obtener
el tiempo total por ciclo.
La solución puede hacerse usando diferentes métodos de los cuales presentaremos dos.
a) Método de búsqueda.- Usamos una hoja de cálculo (Exel) para determinar el valor
de tiempo de filtrado que nos de la cantidad máxima de filtrado.
- Un primer cálculo se hace variando θf de 1 en 1
θf Filtrado
1 501.697
2 577.185
3 601.199
4 605.168
5 600.140
6 590.878
7 579.664
8 567.669
9 555.511
El máximo se encuentra entre 3 y 5. Se hace una nueva búsqueda entre estos

valores variando en 0.1

θf Filtrado
3.0 601.199
3.1 602.234
3.2 603.096
3.3 603.798
3.4 604.354
3.5 604.774
3.6 605.068
3.7 605.247
3.8 605.317
3.9 605.289
4.0 605.168
- El máximo ocurre para θf = 3,8 (si se desea mayor exactitud se puede hacer una
nueva búsqueda entre3,7 y 3,9)
b) Método analitico
Derivando la Ec.(2) e igualando a cero
d ( pies 3 filtradoob tenid / 24h)

=0
dθ f
Efectuando la diferenciación y resolviendo para θf ,
θf, opt = 3,8 h
Tiempo total por ciclo necesario para obtener la salida máxima de filtrado
= (1,5)(3,8) + 6,06 = 11,8 h

CAPITULO
3
ANÁLISIS DE RESULTADOS
3.1 PRECISIÓN Y SENSIBILIDAD DE LOS RESULTADOS
El propósito de la discusión y los ejemplos presentados en las secciones

precedentes a este capítulo ha sido dar una basa para el entendimiento de la
significancia de las condiciones optimas además de simplificar los ejemplos para
ilustrar los conceptos generales. Costos debido a los impuestos, valor del dinero en el
tiempo, capital, eficiencia o ineficiencia de la operación, y mantenimiento especial son
ejemplos de los factores que no se han enfatizado anteriormente. Tales factores pueden
tener una suficiente e importante influencia sobre las condiciones optimas por lo que
deben tomarse en cuenta para un análisis final. El ingeniero debe tener el entendimiento
práctico para reconocer cuando tales factores son importantes y cuando la exactitud
adicional obtenida al incluirlos no compensa la dificultad del análisis.
Un ejemplo clásico mostrando como pueden hacerse refinamientos adicionales en
un análisis para condiciones óptimas es dado en el desarrollo de métodos para
determinar el diámetro económico óptimo de tubería para el transporte de fluidos. El
análisis siguiente, tratando con diámetros económicos de tubería, da un ejemplo
detallado para ilustrar como se pueden desarrollar expresiones simplificadas para
condiciones optimas. Futuras discusiones mostrando los efectos de otras variables sobre
la sensibilidad también serán presentadas.
3.2 DINÁMICA DE FLUIDOS (DIÁMETRO ÓPTIMO DE TUBERÍA)
La inversión para tubería y accesorios puede constituir una parte importante de la

inversión total para una planta química. Es necesario, entonces, seleccionar un tamaño
de tubería el cual se acerque al costo total mínimo para bombeo y cargas fijas. Para
cualquier conjunto de condiciones de flujo, el uso de un diámetro mayor de tubería
causara un aumento en las cargas fijas para el sistema y una disminución en las cargas
de bombeo. Por lo tanto debe existir un diámetro económico optimo de tubería. El valor
de este diámetro óptimo puede determinarse combinando los principios de la dinámica

de fluidos con las consideraciones de costos. El diámetro económico óptimo de tubería

se encuentra en el punto al cual la suma de los costos de bombeo y las cargas fijas para
el sistema es un mínimo.
3.2.1 Costos de bombeo
Para cualquier condición de operación dada involucrando el flujo de un fluido no

compresible a través de una tubería de diámetro constante, el balance total de energía
mecánica puede reducirse a la forma siguiente:
2 fV 2 L(1 + J )
Trabajo = +B (3.1)
gc D
donde Trabajo = trabajo mecánico adicionado al sistema desde una fuente mecánica
externa, pie. Lbf/lbm
f = factor de fricción de Fanning, adimensional †
V = velocidad lineal promedio del fluido, pies/s
L = longitud de tubería, pies
J = pérdida por fricción debido a los accesorios y cambios de dirección,
expresado como fracción de perdida en la tubería recta
gc = factor de conversión de la ley de movimiento de Newton
32,17 pies.lbm/(s)(s)(lbf)
D = diámetro interior de tubería, pies. El subíndice i indica pulg.
B = constante que toma en consideración el resto de los demás factores del
balance de energía mecánica
En la región de flujo turbulento (número de Reynolds mayor que 2100), f puede

ser aproximado para tuberías nuevas de acero por la siguiente ecuación:
0,04
f= (3.2)
( N Re ) 0,16
donde NRe es el número de Reynolds o DVρ/μ

Si el flujo es viscoso (número de Reynolds menor que 2100),
16
f= (3.3)
N RE
Combinando las Ecs. (3.1) y (3.2) y aplicando los factores de conversión

necesarios, puede obtenerse la siguiente ecuación representando el costo anual de
bombeo cuando el flujo es turbulento:
0,273q 2f ,84 ρ 0,84 μ c0 ,16 K (1 + J ) H y

Cbombeo = + B' (3.4)
Di4,84 E
†
Basado en ecuación de Fanning escrita como Σ(fricción) = 2fV2L/gcD

donde Cbombeo = costo de bombeo en dólares por año por pie de longitud de tubería
cuando el flujo es turbulento
qf = caudal del fluido, pies3/s
ρ = densidad del fluido, lb/pie3
μc = viscosidad del fluido, centipoises
K = costo de energía eléctrica, $/kWh
Hy = horas de operación por año
E = eficiencia del motor y la bomba expresado como fracción
B’= una constante independiente de Di
De manera similar, las Ecs. (3.1) y (3.3) y los factores de conversión necesarios
pueden combinarse para dar el costo anual de bombeo cuando el flujo es viscoso:
0,024q 2f μ c K (1 + J ) H y
Cbombeo = + B' (3.5)
Di4 E
donde Cbombeo = costo de bombeo en dólares por año por pie de longitud de tubería
cuando el flujo es viscoso
Las Ecs. (3.4) y (3.5) se aplican a fluidos no compresibles. En cálculos de

ingeniería, generalmente también son aceptadas para gases si la caída total de presión es
menos que el 10 por ciento de la presión inicial
3.2.2 Cargas fijas para el sistema de tubería
Para la mayoría de tipos de tubería, una gráfica del logaritmo del diámetro de
tubería versus el logaritmo de los costos de compra por pie de tubería es esencialmente
una línea recta. Entonces, el costo de compra para la tubería puede representarse por la
siguiente ecuación:
ctuberia = X Din (3.6)
donde ctuberia = costo de tubería nueva por pie de longitud, $/pie

X = costo de tubería nueva por pie de longitud si el diámetro es 1 pulg., $/pie
n = constante dependiendo del tipo de tubería
El costo anual para el sistema de tubería instalado puede ser expresado como:
Ctuberia = (1 + F)X Din KF (3.7)
donde Ctuberia = costo para el sistema de tubería instalado en dólares por año por pie de
longitud de tubería †
F = relación de costo total para accesorios e instalación a costo de compra
para tubería nueva
†
Si se desea puede incluirse el costo de la bomba; sin embargo, en el análisis, el costo de la bomba es
considerado invariante con el diámetro de tubería.

KF = cargas fijas anuales incluyendo mantenimiento, expresado como fracción

de costo inicial para tubería completamente instalada
3.2.3 Diámetro económico óptimo de tubería
El costo total anual para el sistema de tubería y bombeo puede obtenerse sumando
las Ecs. (3.4) y (3.7) o Ecs. (3.5) y (3.7). La única variable en la expresión resultante del
costo total es el diámetro de tubería. El diámetro económico óptimo de tubería puede
encontrarse tomando la derivada del costo total anual con respecto al diámetro de
tubería, igualando el resultado a cero, y resolviendo para Di. Este procedimiento da los
siguientes resultados:
Para flujo turbulento,
1
⎡1,32q 2f ,84 ρ 0,84 μ c0,16 K (1 + J ) H y ⎤ ( 4 ,84 + n )
Di,opt = ⎢ ⎥ (3.8)
⎢⎣ n(1 + F ) XEK F ⎥⎦
Para flujo viscoso,
1
⎡ 0,096q 2f μ c K (1 + J ) H y ⎤ ( 4,0+ n )
Di,opt = ⎢ ⎥ (3.9)
⎣⎢ n(1 + F ) XEK F ⎦⎥
El valor de n para tubería de acero es aproximadamente 1,5 si el diámetro de la

tubería es 1 pulg. Sustituyendo este valor en las Ecs. (3.8) y (3.9) da:
Para flujo turbulento en tubería de acero,
Di ≥ 1 pulg.:
0 ,158
⎡ 0,88 K (1 + J ) H y ⎤
Di,opt = q 0 , 448
ρ 0 ,132
μ 0 , 025
⎢ ⎥ (3.10)
⎣ (1 + F ) XEK F ⎦
f c
Di < 1 pulg.:
0 ,171
⎡1,32 K (1 + J ) H y ⎤
Di,opt = q 0 , 487
ρ 0 ,144
μ 0 , 027
⎢ ⎥ (3.10)
⎣ (1 + F ) XEK F ⎦
f c
Para flujo viscoso en tubería de acero,
Di ≥ 1 pulg.:
0 ,182
⎡ 0,064 K (1 + J ) H y ⎤
Di,opt = q 0 , 364
μ 0 ,182
⎢ ⎥ (3.11)
⎣ (1 + F ) XEK F ⎦
f c
Di < 1 pulg.:

0 , 20
⎡ 0,096 K (1 + J ) H y ⎤
Di,opt = q 0 , 40
μ 0 , 20
⎢ ⎥ (3.12)
⎣ (1 + F ) XEK F ⎦
f c
Los exponentes involucrados en las Ecs. (3.10) a (3.12) indican que el diámetro
optimo es relativamente insensible a la mayoría de términos involucrados. Como el
exponente del término de la viscosidad en las Ecs. (3.10) y (3.11) es muy pequeño, el
valor de μ c0, 025 y μ c0, 027 puede tomarse como la unidad para un rango de viscosidad de
0,02 a 20 centipoises. Esto posibilita simplificar las ecuaciones para luego sustituir
valores numéricos promedio para algunos de los términos menos críticos. Los siguientes
valores son aplicables bajo condiciones industriales ordinarias:
K = $0,055/Kwh.
J = 0,35 o 35 por ciento
Hy = 8760 h/año
E = 0,50 o 50 por ciento
F = 1,4
KF = 0,20 o 20 por ciento
X = $0,45 por pie para tubería de acero de 1 pulg. de diámetro.
Sustituyendo estos valores en las Ecs. (3.10) a (3.12) da los siguientes resultados
simplificados:
Para flujo turbulento en tubería de acero,
Di ≥ 1 pulg.:
2,2wm0, 45
Di,opt = 3,9q 0f , 45 ρ 0,132 = (3.13)
ρ 0,32
Di < 1 pulg.:
Di,opt = 4,7q 0f , 49 ρ 0,14 (2.14)
Para flujo viscoso en tubería de acero,
Di ≥ 1 pulg.:
Di,opt = 3,0q 0f ,36 μ c0,18 (3.15)
Di < 1 pulg.:
Di,opt = 3,6q 0f , 40 μ c0, 20 (3.16)
Dependiendo de la exactitud deseada y del tipo de flujo, las Ecs. (3.8) a (3.16)
pueden usarse para estimar el diámetro económico óptimo de tubería. Las Ecs.
Simplificadas (3.13) a (3.16) son suficientemente precisas para estimados de diseño
bajo condiciones ordinarias de planta.

3.2.4 Análisis incluyendo los efectos de impuestos y costo de capital
El análisis precedente, claramente no considera un número de factores que pueden

tener una influencia sobre el diámetro económico optimo de tubería, tal como costo de
capital o retorno sobre la inversión, costo de equipo de bombeo, impuestos y valor del
dinero en el tiempo. Si el desarrollo de la Ec. (3.17) para flujo turbulento es refinado par
incluir los efectos de impuestos y costo de capital (o retorno sobre la inversión) además
de una expresión más exacta para la pérdida por fricción en accesorios, el resultado es:
Para flujo turbulento
4 ,84 + n
Dopt
1 + 0,794 L/e Dopt
0,000189YKws2,84 μ c0,16 {[1 + (a'+b' ) M ](1 − φ ) + ZM }

= (3.17)
n(1 + F ) X ' ( Z + (a + b)(1 − φ )]Eρ 2
donde Dopt = diámetro económico óptimo, pies

X’= costo de compra de tubería nueva por pie de longitud si el diámetro de
tubería es 1 pie basado en ctuberia = X’ Dopt
n
, $/pie
L/e = perdida por fricción en accesorios, dada como longitud equivalente en
diámetros de tubería por unidad de longitud de tubería, L/e = J/Dopt
ws = flujo de masa del fluido, lbs/s
M = razón de costo total de la instalación de bombeo al costo anual de potencia
requerida para el bombeo
Y = días de operación por año
a = fracción del costo inicial del sistema para depreciación anual
a’ = fracción del costo de instalación para depreciación anual
b = fracción del costo inicial del sistema para mantenimiento anual
b’ = fracción del costo de instalación para mantenimiento anual
φ = factor fraccional para impuestos
Z = velocidad fraccional de retorno (o costo de capital antes de los impuestos)
sobre la inversión incremental.
Tabla 3-1 Valores de las variables usadas para obtener la Ec. (3.18)
Flujo turbulento – tubería de acero – diámetro de una pulg. o mayor
Variable Valor usado Variable Valor usado

n 1,5 φ 0,39
L/e 2,35 Z 0,2
Y 328 X’ 19,0
K 0,055 a+b 0,2
μc 1,0 a’ + b’ 0,4
M 0,8 E 0,4
La variable F es una función del diámetro y se puede aproximar por F ≅ 0,75/Dopt + 3

Usando los valores dados en la Tabla 3-1, para flujo turbulento en tubería de
acero, la Ec. (3.17) se simplifica a:
Di ≥ 1 pulg.
(1 + 1,865 Dopt ) 0,158 (0,32) ws0, 45

Di,opt = (3.18)
(1 + F ) 0,158 ρ 0,32
3.2.5 Sensibilidad de los resultados
Las simplificaciones hechas para obtener las Ecs. (3.13) a (3.16) y la Ec. (3.18)
ilustra una aproximación que puede usarse para aproximar los resultados cuando ciertas
variables aparecen en forma tal que grandes cambios en ellas traen pequeños efectos en
los resultados finales. Las variables mostradas en la Tabla 3-1, y en la Ec. (3.12) son
relativamente independientes del diámetro de la tubería, y son elevadas a una pequeña
potencia para la determinación final del diámetro. Luego los resultados finales no son
particularmente sensibles a las variables listadas en la Tabla 3-1, y el ingeniero práctico
puede decidir si merece la pena la pérdida ligera en una exactitud absoluta por el uso de
las ecuaciones simplificadas.
La Tabla 3-2 muestra la extensión de los cambios obtenidos en el diámetro
económico óptimo mediante el uso de la Ec. (3.18) versus la Ec. (3.13) e ilustra los
efectos refinamientos adicionales así como los cambios en valores de algunas de las
variables.
Tabla 3- 2 Comparación del diámetro económico óptimo
de tubería estimado por las Ecs. (3.18) y (3.13)
Flujo turbulento, tubería de acero # de cedula 40,
espaciado aproximado entre accesorios de 15 pies
Di,opt, pulg. ws, ρ,

Por Ec. (3.18) Por Ec. (3.13) lb/s lb/pie3
10,0 11,2 450 200
5,0 6,1 4,5 2
3,0 3,9 12,5 35
1,5 2,2 0,45 2
3.3 TRANSFERENCIA DE CALOR (FLUJO OPTIMO DE AGUA DE

ENFRIAMIENTO EN UN CONDENSADOR)
Si un condensador, con agua como medio de enfriamiento, es diseñado para llevar

a cabo una operación dada, el agua de enfriamiento puede hacerse circular en gran
cantidad con un cambio pequeño en su temperatura o en pequeña cantidad con un
cambio grande en su temperatura. La temperatura del agua afecta la diferencia de
temperaturas como fuerza impulsora para la transferencia de calor. El uso de una
cantidad grande de agua, entonces, causara una disminución en la cantidad de área
necesaria para la transferencia de calor y como resultado una disminución en la
inversión inicial y cargas fijas. De otro lado, el costo para el agua aumentará a medida
que se use mayor cantidad de agua. Un balance económico entre las condiciones alto

flujo de agua – menor área de transferencia y bajo flujo de agua – mayor área de
transferencia, indica que el flujo óptimo de agua de enfriamiento ocurre en el punto de
costo total mínimo para agua de enfriamiento y cargas fijas para equipo.
Considerando el caso general en el cual se debe remover calor de un vapor
condensando a una razón dada designada por q Btu/h. El vapor condensa a una
temperatura constante de t oF, y el agua de enfriamiento es suministrada a una
temperatura de t1 oF. Se aplica la siguiente notación adicional:
w = flujo de masa de agua de enfriamiento, lb/h
Cp = capacidad calorífica del agua de enfriamiento, Btu/(lb)(oF)
t2 = temperatura del agua saliendo del condensador, oF
U = coeficiente total de transferencia de calor, considerado constante y
determinado para las condiciones optimas. Btu/(h)(pie2)(oF)
A = área de transferencia de calor, pies2
Δtlm = diferencia de temperaturas media logarítmica (fuerza impulsora ) en el
condensador, oF
Hy = horas de operación del condensador por año, h/año
Cw = costo del agua de enfriamiento, asumido directamente proporcional a la
cantidad de agua usada, † $/lb
CA = costo por pie2 de área de transferencia del intercambiador instalado, $/pie2
KF = cargas fijas anuales incluyendo mantenimiento, expresado como una fracción
del equipo completamente instalado.
La cantidad de calor transferido en Btu por hora puede expresarse como:
UA(t 2 − t1 )
q = wCp(t2 – t1) = U A Δtlm = (3.19)
ln[(t / − t1 ) /(t / − t 2 )]
Resolviendo para w,
q
w= (3.20)
C P (t 2 − t1 )
Las condiciones de diseño establecen los valores de q , t1, y la capacidad calorífica

del agua ordinariamente puede ser asumida igual a 1 Btu/(lb)(oF). Entonces la Ec. (3.20)
muestra que el caudal de agua de enfriamiento es fijo si la temperatura del agua saliendo
del condensador (t2), se mantiene constante. Bajo estas condiciones, el flujo óptimo de
agua de enfriamiento puede encontrarse directamente a partir del valor óptimo de t2.
El costo anual para agua de enfriamiento es wHyCw. De la Ec. (3.20),
qH y C w
wHyCw = (3.21)
C P (t 2 − t1 )
las cargas fijas anuales para el condensador son AKFCA, y el costo total anual para
agua de enfriamiento más las cargas fijas es
†
Se asume que se dispone de agua de enfriamiento a una presión suficiente para manipular cualquier
caída de presión en el condensador; por lo tanto cualquier costo debido al bombeo del agua de
enfriamiento es incluido en Cw.

qH y C w
Total de costos variables anuales = + AKFCA (3.22)
C P (t 2 − t1 )
Sustituyendo A dado en la Ec. (3.19),
qH y C w
Total de costos variables anuales =
C P (t 2 − t1 )
qK F C A ln[(t / − t1 ) /(t / − t 2 )]
+ (3.23)
U (t 2 − t1 )
La única variable en la Ec. (3.23) es la temperatura del agua de enfriamiento

saliendo del condensador. El caudal óptimo de agua de enfriamiento ocurre cuando el
costo total anual es mínimo. Por lo tanto, la temperatura de salida correspondiente
puede encontrarse diferenciando la Ec. (3.23) con respecto a t2 (o de manera más simple
con respecto a t’ – t2) e igualando el resultado a cero. Cuando se hace esto, se obtiene el
siguiente resultado:
t / − t1 t / − t 2,opt UH y C w
− 1 + ln = (3.24)
t − t 2,opt
/
t − t1
/
K F CPC A
0,7
0,6
0,5
t / − t 2,opt 0,4
t / − t1 0,3
0,2
0,1
0,0
0,1 0,2 0,3 0,4 0,6 0,8 1 0,2 0,3 0,4 0,6 0,8 10 20
UH y C w
K F CPC A
Fig. 3-1 Solución de la Ec. (3.24)
El valor óptimo de t2 puede encontrarse a partir de la Ec.(3.24) por una solución

de prueba y error, y luego puede usarse la Ec. (3.20) para determinar el flujo óptimo de

agua de enfriamiento. La solución por prueba y error se puede eliminar usando la Fig.
3-1, la cual es una gráfica de la Ec. (3.24).
Ejemplo 3-2 Flujo óptimo de agua de enfriamiento en un condensador
Un condensador para una unidad de destilación debe diseñarse para condensar

5000 lbs (2268 kg) de vapor por hora. La temperatura efectiva de condensación para el
vapor es 170 oF (350 K). El calor de condensación para el vapor es 200 Btu/lb (4,65 x
105 J/kg). El agua de enfriamiento está disponible a 70 oF (294 K). El costo del agua de
enfriamiento es $0,06 por 1000 gal ($5,30 por 1000 m3). El coeficiente total de
transferencia de calor a las condiciones óptimas puede tomarse como 50
Btu/(h)(pie2)(oF) (284 J/m2 . s. K). El costo para el intercambiador instalado es $21 por
pie cuadrado de área de transferencia de calor (4226 por metro cuadrado de área de
transferencia de calor) y las cargas fijas anuales incluyendo mantenimiento son 20 por
ciento de la inversión inicial. La capacidad calorífica del agua puede asumirse constante
e igual a 1 Btu/(lb)(oF) (4,2 kJ/kg . K). Si el condensador debe operar 6000 h/año,
determinar el flujo de agua de enfriamiento en libras por hora y en kilogramos por hora
para las condiciones económicas optimas.
Solución
U = 50 Btu/(h)(pie2)(oF)
Hy = 6000 h/año
KF = 0,20
CP = 1,0 Btu/(lb)(oF)
CA = $21 /pie2
0,06
Cw = = $0,0000072 /lb
(1000)(8,33)
UH y C w (50)(6000)(0,0000072)
= = 0,514
K F CPC A (0,20)(1,0)(21)
La temperatura óptima de salida puede obtenerse mediante una solución de prueba

y error de la Ec. (3.24) o usando la Fig 3-2.
De la Fig. 3-2, cuando la abcisa es 0,514
t / − t 2,opt
= 0,42
t / − t1
donde t’ = 170 oF
t1 = 70 oF
t2,opt = 128 oF
De la Ec. (3.20), a las condiciones económicas optimas,

q (5000)(200)
w= = = 17 200 lb de agua/h (7800 kg/h)
C p (t 2 − t1 ) (1,0)(128 − 70)
Método de búsqueda.- Haciendo uso de una hoja de cálculo, hacemos uso de la Ec.
(3.23) y dando valores para t2 calculamos los costos variables anuales totales. La
búsqueda se hace con los valores de t2 entre 70 oF (temperatura de entrada del agua de
enfriamiento) y 170 oF (temperatura de condensación)
Tabla 3-3 Método de búsqueda para el ejemplo 3.2

T2: oF Ct: $/año t2: oF Ct: $/año t2: oF Ct: $/año t2: oF Ct: $/año
70 ----- 90 3097.20 110 2152.73 130 2002.80
71 44044.22 91 3000.03 111 2134.66 131 2004.83
72 22448.51 92 2912.30 112 2118.02 132 2007.69
73 15252.85 93 2832.81 113 2102.74 133 2011.38
74 11657.26 94 2760.52 114 2088.74 134 2015.91
75 9501.72 95 2694.61 115 2075.96 135 2021.30
76 8066.25 96 2634.33 116 2064.33 136 2027.57
77 7042.27 97 2579.10 117 2053.82 137 2034.74
78 6275.50 98 2528.36 118 2044.37 138 2042.83
79 5680.23 99 2481.69 119 2035.93 139 2051.87
80 5205.02 100 2438.68 120 2028.48 140 2061.91
81 4817.16 101 2399.01 121 2021.98 141 2072.97
82 4494.83 102 2362.36 122 2016.41 142 2085.12
83 4222.92 103 2328.48 123 2011.73 143 2098.41
84 3990.65 104 2297.15 124 2007.93 144 2112.89
85 3790.10 105 2268.16 125 2004.99 145 2128.64
86 3615.35 106 2241.33 126 2002.89 146 2145.76
87 3461.86 107 2216.51 127 2001.64 147 2164.32
88 3326.10 108 2193.55 128 2001.20 148 2184.44
89 3205.29 109 2172.33 129 2001.59 149 2206.25
90 3097.20 110 2152.73 130 2002.80 150 2229.90
De la tabla podemos ver que el costo total mínimo es de 2001,20 $/año cuando la
temperatura de salida del agua de enfriamiento es 128 0F
Usando MATLB
Crear el archivo-M costa.m
function c = costa(v)
x = v(1);
c = (43200/(x-70))+(84000/(x-70))*log(100/(170-x));
que representa los costos variables totales anuales, al reemplazar los valores
correspondientes.
Ahora, encontrar un mínimo para esta función usando x = 71 como el valor inicial:

» v = [1];
» a = fminsearch('costa', v)
Teniendo como respuesta
a=
128.0253
Lo cual indica que el costo mínimo ocurre cuando la temperatura de salida (a la

cual se ha denominado x) t2 = 128,0253 oF
3.4 TRANSFERENCIA DE MASA (RAZÓN OPTIMA DE REFLUJO)
El diseño de una unidad de destilación ordinariamente se basa en especificaciones

dadas para el grado de separación requerida para una alimentación dada conociendo su
composición, temperatura y caudal. El ingeniero de diseño debe determinar el tamaño
de la columna y la relación de reflujo necesaria para encontrar las especificaciones. Así,
si se incrementa la relación de reflujo, el número de etapas teóricas requerido para la
separación disminuye. Un incremento en la relación de reflujo, puede entonces dar
como resultado una disminución en las cargas fijas para la columna de destilación y
aumentar los costos para el calor suministrado al rehervidor y del refrigerante al
condensador.
Como se muestra en la Fig. (3-2), la razón óptima de reflujo ocurre en el punto
donde la suma de las cargas fijas y los costos de operación es un mínimo. Como una
aproximación, la razón optima de reflujo usualmente se considera en el rango de 1,1 a
1,3 veces el reflujo mínimo (algunos autores consideran entre 1,25 a 1,5)
Fig. 3-2 Relación óptima de reflujo en la operación de una columna de destilación

El ejemplo siguiente ilustra el método general para determinar el reflujo óptimo en

una operación de destilación.
Ejemplo 3-3 Determinación del reflujo óptimo
Una columna de destilación de platos perforados se esta diseñando para manipular

700 lb mol (318 kg mol) de alimentación por hora. La unidad debe operar
continuamente a una presión total de 1 atm. la alimentación contiene 45 % mol de
benceno y 55 % mol de tolueno, y la alimentación se hace a la temperatura del punto de
burbuja. El producto del tope debe contener 92 % mol de benceno, y los fondos deben
contener 95 % mol de tolueno. Determinar:
a) El reflujo óptimo como moles de liquido retornado a la torre por mol de
destilado
b) La relación de reflujo óptimo a reflujo mínimo
c) El porcentaje de los costos variables debido al consumo de vapor a las
condiciones óptimas.
Se aplican los siguientes datos:
Los datos de equilibrio para mezclas de benceno – tolueno a presión atmosférica
son presentados en la Fig. 3-3.
La capacidad calorífica molar para mezclas liquidas de benceno tolueno en todas
proporciones puede asumirse a ser 40 Btu/(lb mol)(oF) (1,67 x 10-5 J/kg mol . K).
El calor molar de vaporización de benceno y tolueno puede tomarse como 13 700
Btu/lb mol (3,19 x 107 J/kg mol).
Los efectos del cambio de temperatura sobre la capacidad calorífica y calores de
vaporización son despreciables. Las pérdidas de calor desde la columna son
despreciables. Los efectos de la caída de presión sobre la columna pueden despreciarse.
El coeficiente total de transferencia de calor es 80 Btu/(h)(pie2)(oF) (454 J/m2 . s. K)
en el rehervidor y 100 Btu/(h)(pie2)(oF) (568 J/m2 . s. K) en el condensador.
Fig 3-3 Diagrama de equilibrio para mezcla de benceno – tolueno a presión total de 760
mm Hg (método de McCabe – Thiele para determinar el número de etapas teóricas)

La temperatura de ebullición es 201 oF (367 K) para la alimentación, 197 oF (356

K) para el destilado, y 227 oF (381 K) para los fondos. La diferencia de temperaturas
(como fuerza impulsora) en el condensador puede basarse en una temperatura promedio
del agua de enfriamiento de 90 oF (305 K), y la variación en la temperatura del agua de
enfriamiento es 50 oF (27,8 K) para todos los casos. En el rehervidor se usa vapor
saturado a 60 psia (413,6 kPa). A esta presión, la temperatura del vapor condensando es
292,7 oF (418 K) y el calor de condensación es 915,5 Btu/lb (2,13 x 106 J/kg). Ningún
dispositivo de ahorro de calor se usa.
El diámetro de la columna está basado en una velocidad de vapor máxima
permisible de 2,5 pies/s (0,76 m/s) en el tope de la columna. La eficiencia total del plato
puede asumirse como 70 por ciento. La unidad es operada 8500 h/año.
Los siguientes costos son para el equipo instalado incluyendo costos de entrega e
instalación.
Columnas de destilación de platos perforados

Los valores pueden ser interpolados
Diámetro Costo
pulg. M $/plato
60 1,52 1200
70 1,78 1500
80 2,03 1850
90 2,29 2250
100 2,54 2700
Condensador: Intercambiador de calor de casco y tubos

Área de transferencia Costo
2 2
Pies m $
800 74,3 9750
1000 92,9 11250
1200 111,5 12600
1400 130,1 13800
1600 148,6 14850
Rehervidor: Intercambiador de calor de casco y tubos

Área de transferencia Costo
Pies2 m2 $
1000 92,9 17250
1400 130,1 21150
1800 167,2 24600
2200 204,4 27750
2600 241,5 30300

Solución
Los costos variables involucrados son el costo de la columna, costo del

rehervidor, costo del condensador, costo de vapor y costo de agua de enfriamiento. Cada
uno de estos costos es función de la relación de reflujo, y la relación óptima de reflujo
ocurre donde la suma de los costos variables es un mínimo. El costo variable total será
determinado a varias relaciones de reflujo, y la relación óptima de reflujo se encontrara
por método gráfico
Ejemplo de cálculo para relación de reflujo = 1,5
Costo anual para la columna de destilación
Se aplican las asunciones de McCabe – Thiele para este caso, y el número de

etapas teóricas son determinadas por el método gráfico estándar mostrado en la Fig. 3-3.
la pendiente de la línea de balance de materiales (línea de operación) de la sección de
enriquecimiento (rectificación) es 1,5/(1,5 + 1) = 0. De la Fig. 3-3, el número total de
etapas teóricas requeridas para la separación dad es 12,1
El número actual de platos = (12,1 – 1)/0,70 = 16.
Los moles de destilado por hora (MD) y los moles de fondos por hora (MB) pueden
B
determinarse por un balance de materiales como sigue:

(700)(0,45) = (MD)(0,92) + (700 – MD)(0,05)
MD = 322 moles de destilado/h
MB = 700 – 322 = 378 moles de fondos/h
B
Moles de vapor por hora en el tope de la columna = 322(1 + 1,5) = 805

Aplicando la ley del as perfecto,
Velocidad del vapor en el tope de la torre = 2,5 pies/s
(805)(359)(460 + 179)(4)
=
(3600)(492)(π )(diametro) 2
Diámetro = 7,3 pies
Costo por plato para casco y platos = $2145
Costo anual para la columna de destilación = (2145)(16)(1 + 0,60)(0,15)
= $8235
Costo anual para el condensador

Velocidad de calor transferido por hora en el condensador = (moles de vapor
condensado por hora)calor latente de condensación molar) = (805)(13700) = 11 000 000
Btu/h
De la ecuación básica para transferencia de calor q = U A Δt,
(11 000 000)
A = área de transferencia de calor = = 1240 pies2
(100)(179 − 90)

$12825
Costo por pie cuadrado =
1240
12825
Costo anual para el condensador = (1240)(1 + 0,60)(0,15)
1240
= $3075
Costo anual para el rehervidor

La velocidad de calor transferido en el rehervidor (qr) puede determinarse por un
balance total de energía alrededor de la unidad de destilación.
Nivel de energía base en el liquido a 179 oF.
Entrada de calor = salida de calor
qr + (700)(201 – 179)(40) = 11 000 000 + (378)(227 – 179)(40)
qr = 11 110 000 Btu/h = U A Δt
(11 110 000)
A = área de transferencia de calor = = 2120 pies2
(80)(292,7 − 227)
$27150
Costo por pie cuadrado =
2120
27150
Costo anual para el condensador = (2120)(1 + 0,60)(0,15)
2120
= $6510
Costo anual para agua de enfriamiento
La velocidad de transferencia de calor en el condensador = 11 000 000 Btu/h.

La capacidad calorífica del agua puede tomarse como 1,0 Btu/(lb)(oF),
(11 000 000)(0,054)(8500)

Costo anual para agua de enfriamiento =
(1,0)(50)(10 000)
= $10 110
Costo anual para vapor
Velocidad de transferencia de calor en el rehervidor = 11 110 000 Btu/h,
(11 000 000)(0,75)(8500)

Costo anual para vapor =
(915,5)(1000)
= $77 550
Costo total variable anual para relación de reflujo de 1,5

$8235 + $3075 + $6510 + $10110 + $77550 = $105 480
Repitiendo el procedimiento anterior para diferentes relaciones de reflujo, se

puede preparar la siguiente tabla:
Número Diámetro Costo anual, dólares, para Costo

actual de de la Agua de total
Relación etapas columna, Conden- Reher- Enfria- anual,
de reflujo requerido pies Columna sador vidor miento Vapor dólares
1,14 ∞ 6,7 ∞ 2805 5940 8670 66450 ∞
1,2 29 6,8 13395 2865 6060 8910 68250 99480
1,3 21 7,0 9930 2925 6195 9300 71250 99600
1,4 18 7,1 8880 3000 6360 9705 74400 102345
1,5 16 7,3 8235 3075 6510 10110 77550 105480
1,7 14 7,7 7935 3225 6810 10935 83550 112455
2,0 13 8,0 7815 3420 7200 12150 92700 123285
a) Los datos presentados en la tabla precedente, son graficados en la Fig. 3-2. el

costo total mínimo por año ocurre a una relación de reflujo de 1,25.
Relación óptima de reflujo = 1,25
b) Para condiciones de reflujo mínimo, la pendiente de la línea de enriquecimiento

en la Fig. 3-3 es 0,532
Rm
= 0,532
Rm + 1
Rm = 1,14
Ropt 1,25
= = 1,1
Rm 1,14
c) A las condiciones optimas,

Costo anual de vapor = $69750
Costo variable total anual = $99000
69750
Porcentaje del costo variable debido al consumo de vapor = (100) = 70 %
99000

CAPITULO
4
LA PROGRAMACIÓN LINEAL
El término programación en Programación Lineal (PL), no se refiere a

programación para la computadora, sino a algún procedimiento a seguir en un plan. La
programación lineal fue desarrollada en el año 1947, antes de la aparición de la
computadora, cuando George B. Dantzig estableció una generación en las matemáticas
de los problemas de planificación y programación de la producción, el avance de la
programación lineal se ha desarrollado paralelo al de la computadora y hoy día
problemas con varios miles de variables independientes y ecuaciones de restricción
pueden ser resueltos fácilmente. Esta técnica se ha aplicado a la optimización de
refinerías y plantas químicas, mezclas de alimentos para ganado, planeamiento de las
rutas de aviación y utilización de la tripulación, problemas de transporte y distribución,
en general, en la optimización de problemas de estrategia integral.
La aplicación de la programación lineal ha sido fructífera cuando existe un gran
número de alternativas interrelacionadas y la mejor política es en absoluto obvia. A
menudo, una pequeña mejora en la solución, da como resultado una gran variación en la
utilidad real. Un caso típico es el de una refinería de petróleo, donde los flujos son muy
grandes, cualquier cambio en estas variables, en el plazo de un año, puede significar
grandes variaciones en las utilidades de la planta.
4.1 INTERPRETACIÓN GEOMÉTRICA Y CONCEPTOS GENERALES
Como el nombre lo indica, todas las ecuaciones de un modelo que hagan uso de
programación lineal deben ser lineales. Aunque esta restricción es severa, son muchos
los problemas que pueden ser llevados a este contexto. En la formulación de
programación lineal, la ecuación que determina la ganancia o el costo de la operación se
denomina función objetivo. Debe tener la forma de una suma de términos lineales. Las
ecuaciones que describen las limitaciones bajo las cuales el sistema debe operar son las
restricciones. Todas las variables deben ser no negativas, es decir, cero o positivas.

La mejor forma de mostrar lo anterior, es a través de un ejemplo que ilustre el

método y aporte algo acerca de la geometría del problema.
Ejemplo 4.1
Una compañía fabrica dos tipos de motores pequeños con combustible sólido. Con
el motor A, gana $3 por motor y con el motor B gana $4 por motor. Dispone de 80 h por
semana para producirlos y en los procesos se requieren: 4h para A y solo 2 h para B. Sin
embargo, debido a lo peligroso del material usado, son necesarias 5 h de preparación y
limpieza para el motor B y 2 h para A. el tiempo de preparación total disponible es 120
h por semana. Determinar el número de cada clase de motores a producir que dé como
resultado máxima ganancia.
Solución
La función objetivo es:
Maximizar: 3A + 4B ganancia
Las ecuaciones de restricción son:
4A + 2B ≤ 80 tiempo de procesamiento
2A + 5B ≤ 120 tiempo de preparación.
Si se fabrican solamente motores tipo A, existe una limitación en el tiempo de

procesamiento 80/4 = 20 lo que da como ganancia $60
70
60
Tiempo de preparación
Numero de motores B
50
40
Utilidad = 96
30
Utilidad = 110
20
Tiempo de procesamiento
10
0 10 20 30 40 50 60 70
Numero de motores A
Fig. 4.1 Función objetivo y restricciones del Ejemplo 4.1

Si se fabrican solo motores tipo B, la restricción es el tiempo de preparación

120/5 = 24 con una ganancia de $96. Sin embargo existe una solución que es la óptima
y es posible apreciarla en la Fig. 4.1. En esta figura se muestran las ecuaciones de
restricción y la región factible para las variables. Cualquier solución fuera de esta región
viola alguna de las restricciones. De modo que la solución debe existir en o dentro del
contorno formado por las líneas: tiempo de preparación y tiempo de procesamiento y los
ejes A, B; ya que A y B deben ser no negativos. Esta zona cerrada se denomina región
posible. La función objetivo se muestra para P = 96, que es una de las rectas en la
familia de líneas.
P = 3A + 4 B
En este lugar geométrico P puede variar siempre que el valor de las variables se
mantenga en la región posible.
Al aumentar P se aprecia que el valor máximo se alcanza en el vértice donde
A = 10 y B = 20 lo que da como resultado P = $110.
4.2 FORMULACIÓN GENERAL DEL PROBLEMA DE PROGRAMACIÓN

LINEAL
Existen varias formas de presentar las relaciones matemáticas generales aplicables

al problema de programación lineal. Una de ellas es la forma algebraica
Función objetivo
Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 + . . . + cnxn (4.1)
xi = variables del problema

xi ≥ 0 (condición inherente)
i = 1, 2, . . ., n
Ecuaciones de restricción
La F O está sujeta a restricciones:

a11x1 + a12x2 + . . . + a1nxn ≤ b1
a11x1 + a12x2 + . . . + a1nxn ≤ b1 (4.2)
. .
. .
. .
a11x1 + a12x2 + . . . + a1nxn ≤ b1
Esto es, las fuentes son limitadas. Se buscan los valores de xi que optimicen la
función objetivo. Los coeficientes ci reciben el nombre de coeficientes de costo. Los
valores de las variables xi deben satisfacer las ecuaciones de restricción. Generalmente,
hay más incógnitas que ecuaciones, es decir, n > m y algunos de los valores de las xi se
pueden especificar arbitrariamente (por lo general cero). Por ejemplo en un proceso

químico, las variables independientes pueden ser flujos y las ecuaciones de restricción
pueden ser balances de materia y energía en los procesos de la planta.
El segundo tipo general de restricción especifica que todas las actividades deben
tener un valor positivo.
x1 ≥ 0
El problema puede plantearse en forma más compacta como:
n
optimizar Z = ∑c x
i =1
i i (4.3)
sujeta a xi ≥ 0 i = 1, 2, . . ., n (4.4)
∑a
i =1
ji xi ≤ b j j = 1, 2, . . ., m (4.5)
La notación vectorial es otro método para expresar el problema anterior:
optimizar c . x
sujeta a x ≥ 0
Ax ≤ b
donde x = (x1, x2, . . ., xn)

b = (b1, b2, . . ., bn)
c = (c1, c2, . . ., cn)
a11 a12 . . . a1n

a21 a22 . . . a2n
A= .
.
.
am1 am2 . . . amn
Para obtener la solución óptima de este problema, el conjunto de desigualdades se

transforma en igualdades, introduciendo variables de holgura. Esto da como resultado
un conjunto de ecuaciones con más variables independientes que ecuaciones, para poder
resolverlas, algunas tendrán que ser especificadas arbitrariamente. Para cumplir con el
marco matemático de la programación lineal, estas variables además deben hacerse
igual a cero. La solución de las ecuaciones de restricción, ahora igualdades, con igual
número de variables diferentes de cero como ecuaciones que tiene el problema, da como
resultado la solución básica. El resto de las variables son iguales a cero. Una solución
básica posible es una solución de las ecuaciones de restricción en la cual todas las
variables distintas de cero son positivas. La base es el conjunto de variables distintas de
cero. Se verá más adelante que el óptimo de la función objetivo es una solución básica
posible. Esto se determina usando el método simplex de programación lineal.

Ejemplo 4.2
Suponga que una planta procesadora de gasolina recibe cada semana una cantidad
fija de materia prima para gasolina. Esta última se procesa en dos tipos de gasolina de
calidad regular y prémium. Estas clases de gasolina son de alta demanda; es decir, se
tiene garantizada su venta y se obtiene diferentes utilidades para la compañía. Sin
embargo su producción involucra ambas restricciones, tiempo y almacenaje en sitio. Por
ejemplo, sólo una de las clases se puede producir a la vez, y las instalaciones están
abiertas solamente 8 horas por semana. Además, existe un límite de almacenamiento
para cada uno de los productos. Todos estos factores se enlistan abajo (observar que una
tonelada métrica, o ton, es igual a 1 000 kg):
Producto
Recurso Regular Prémium Disponibilidad del
recurso
Materia prima para la
gasolina 7 m3 /tonelada 11 m3 /tonelada 77 m3 /semana
Tiempo de producción 10 hr/tonelada 8 hr/tonelada 80 hr/semana
Almacenamiento 9 toneladas 6 toneladas
Aprovechamiento 150/tonelada 175/tonelada
Desarrollar una formulación de programación lineal para maximizar las utilidades

de esta operación
Solución
El ingeniero que opera esta planta debe decidir la cantidad a producir de cada
gasolina para maximizar las utilidades. Si las cantidades producidas cada semana de
gasolina regular son designadas x1 y x2, respectivamente, la ganancia total se puede
calcular como:
Ganancia total = 150 x1 + 175 x2
o escribirla como una función objetivo en programación lineal,
Maximizar Z = 150 x1 + 175 x2
Las restricciones se pueden desarrollar en una forma similar. Por ejemplo, el total
de gasolina cruda utilizada se puede calcular como
Total de gasolina utilizada = 7 x1 + 11 x2
Este total no puede exceder el abastecimiento disponible de 77 m3/semana, así que

la restricción se puede representar como
7 x1 + 11 x2 ≤ 77
las restricciones restantes se pueden desarrollar en una forma similar, la

formulación total resultante para la PL está dada por

Maximizar Z = 150 x1 + 175 x2 (maximizar la ganancia)
Sujeta a
7 x1 + 11 x2 ≤ 77 (restricciones de materiales)
10 x1 + 8 x2 ≤ 80 (restricciones de tiempo)
x1 ≤ 9 (restricciones de almacenaje “regular”)
x2 ≤ 6 (restricciones de almacenaje “prémium”)
x1 ,+ x2 ≥ 0 (restricciones positivas)
Observar que el conjunto de Ecuaciones anterior constituye la formulación

completa de PL. Las explicaciones en los paréntesis de la derecha se han incluido para
clarificar el significado de cada ecuación
4.3 SOLUCIÓN GRÁFICA
Debido a que las soluciones gráficas están limitadas a dos o tres dimensiones,
tienen utilidad practica limitada. Sin embargo son muy útiles para demostrar algunos
conceptos básicos que resaltan las técnicas algebraicas generales usadas para resolver
problemas con grandes dimensiones en la computadora.
Para un problema en dos dimensiones, como el del ejemplo 4.2, la solución
espacial se define como un plano con x1 medida a lo largo de la abcisa y x2, a lo largo de
la ordenada. Como las restricciones son lineales, se pueden trazar sobre este plano como
líneas rectas. Si el problema de PL se formula adecuadamente (es decir, si tiene una
solución), estas líneas restrictivas delinearán una región, llamada el espacio de solución
factible, englobando todas las posibles combinaciones de x1 y x2 que obedecen las
restricciones y, por lo tanto, representan soluciones factibles. La función objetivo para
un valor particular de Z se puede trazar como otra línea recta y sobrepuesta en este
espacio. El valor de Z puede entonces ser ajustado hasta que esté en el máximo valor,
mientras todavía toca el espacio factible. Este valor de Z representa la solución óptima.
Los valores correspondientes de x1 y x2, donde Z toca el espacio de solución factible,
representan los valores óptimos para las actividades. El ejemplo siguiente deberá ayudar
a clarificar el procedimiento
Ejemplo 4.3 Desarrolle una solución gráfica para el problema de procesamiento de

gasolina que se derivó en el ejemplo 4.2:
Sujeta a
7 x1 + 11 x2 ≤ 77 (1)
10 x1 + 8 x2 ≤ 80 (2)
x1 ≤ 9 (3)
x2 ≤ 6 (4)
x1 ≥ 0 (5)
x2 ≥ 0 (6)

Se ha numerado las restricciones para identificarlas en la siguiente solución

gráfica.
Solución
Primero, se pueden trazar las restricciones sobre el espacio de solución. Por

ejemplo, se puede formular la primera restricción como una línea al reemplazar la
desigualdad por un signo de igual y resolver para x2:
7
x2 = − x1 + 7
11
(a)

(b)
Fig. 4-2 Solución gráfica del problema de programación lineal, a) Las restricciones
definen un espacio de solución factible. b) La función objetivo se puede incrementar
hasta que se alcance el valor más alto que cumpla con todas las restricciones.
Gráficamente, se mueve hacia arriba y a la derecha hasta que toca el espacio factible en
un solo punto óptimo.
Así, como en la Fig. 4-2a, los valores posibles de x1 y x2 que obedecen dicha
restricción se hallan por debajo de esta línea (la dirección es designada por la gráfica y
por la pequeña flecha). Las otras restricciones se pueden evaluar en forma similar, como
sobrepuestas sobre la Fig. 4-2a. Observe como estas encierran una región donde todas
se encuentran. Este es el espacio de solución factible (el área ABCDE en la gráfica).
Además de definir el espacio factible, la Fig. 4-2a, también proporciona un
conocimiento adicional. En particular se puede ver que la restricción 3 (almacenamiento
de gasolina regular) es “redundante”. Esto es, el espacio de solución factible no resulta
afectado si fuese suprimida.
Después, se puede agregar la función objetivo a la gráfica. Para hacer esto se debe
escoger un valor de Z. Por ejemplo, para Z = 0 la función objetivo es ahora
0 = 150 x1 + 175 x2
o resolviendo para x2
150
x2 = − x1
175

Como se muestra en la Fig. 4-2b, ésta presenta una línea punteada interceptando el
origen. Ahora, puesto que estamos interesados en maximizar Z, se puede aumentar esta
a digamos 600, y la función objetivo es
600 150
x2 = − x1
175 175
Así, incrementando el valor de la función objetivo, la línea se mueve lejos del

origen. Como la línea todavía está dentro del espacio de solución, nuestro resultado es
aún factible. sin embargo, por la misma razón, todavía hay espacio para mejorarlo. Por
tanto, Z se puede seguir aumentando hasta que un incremento adicional lleve la función
objetivo más allá de la región factible. como se muestra en la Fig. 4-2b, el valor máximo
de Z corresponde a 1400 aproximadamente. En este punto, x1 y x2 son casi igual a 4,9 y
3,9, en forma respectiva. Así, la solución gráfica indica que si se producen estas
cantidades de gasolinas, se alcanzara una máxima utilidad de casi 1 400.
Además de determinar los valores óptimos, el procedimiento gráfico proporciona

conocimientos adicionales en el problema. Esto se puede apreciar al sustituir de nuevo
las soluciones en las ecuaciones restrictivas.
7(4,9) + 11(3,9) ≅ 77
10(4,9) + 8(3,9) ≅ 80
4,9 ≤ 9
3,9 ≤ 6
En consecuencia, como queda también claro en la gráfica, producir la cantidad

óptima de cada producto nos lleva directamente al punto donde se encuentran las
restricciones de las fuentes(1) y del tiempo (2). Tales restricciones se dice que están
enlazadas. Además, la gráfica también hace evidente que ninguna de las restricciones de
almacenamiento (3) y (4) actúan como una limitante. Tales restricciones se conocen
como no enlazadas. Esto nos lleva a la conclusión práctica de que, para este caso, se
puede aumentar las utilidades ya sea con un incremento en el abastecimiento de fuentes
(la gasolina cruda) o en el tiempo de producción. Además, esto indica que el aumento
del almacenamiento podría no tener impacto sobre las utilidades.
El resultado obtenido en el ejemplo anterior es uno de los cuatro posibles
resultados que por lo general se pueden obtener en un problema de programación lineal.
Estos son:
1. Solución única. Como en el ejemplo, la función objetivo máxima interpreta un solo

punto.
2. Solución alterna. Suponga que la función objetivo del ejemplo tuviera coeficientes,
de tal forma que fueran paralelos precisamente a una de las restricciones. En nuestro
problema ejemplo, una forma en la cual esto podría ocurrir, sería que las utilidades
fueran cambiadas a $140/ton y $220/ton. Entonces más que un solo punto, el
problema podría tener un número infinito de óptimos correspondientes a un
segmento de línea (ver Fig. 4-3a)
3. Solución no factible. Como en la Fig. 4-3b, es posible que el problema esté
formulado de tal manera que no exista solución factible. esto puede deberse a que se
trata con un problema sin solución o a errores en la formulación del problema. Lo

último puede resultar si el problema está tan sobre restringido que ninguna solución
puede satisfacer todas las restricciones.
4. Problema sin límite. Como en la Fig. 4-3c, esto usualmente significa que el
problema está bajo restringido y, por tanto, con finales abierto como para el caso de
la solución no factible, puede a menudo surgir de errores cometidos durante la
especificación del problema.
Fig. 4-3 Además de una sola ecuación óptima (por ejemplo Fig. 4-2b), existen otros
tres resultados posibles de un problema de programación lineal: a) alternativa óptima, b)
solución no factible y c) de resultado sin limites.
Ahora supongamos que nuestro problema involucra una solución única. El

procedimiento gráfico podría seguir una estrategia numerativa para dar con el máximo.
De la Fig. 4-2, debería quedar claro que siempre ocurre el óptimo en uno de los puntos
esquina donde se encuentran dos restricciones. Tal punto se conoce de manera formal
como un punto extremo. Así, fuera del número infinito de posibilidades en el espacio de
decisión y enfocándonos sobre los puntos extremo, claramente se reducen las opciones
posibles.
Además, se puede reconocer que no todo punto extremo es factible; esto es,
satisfacer todas las restricciones. Por ejemplo, observar que el punto F en la Fig. 4-2a es
un punto extremo, pero no es factible. Si nos limitamos a puntos extremos factibles, se
reduce el campo factible todavía más.
Por último, una vez que se ha identificado todos los puntos extremo factibles, el
que ofrezca el mejor valor de la función objetivo representará la solución óptima. Se
podría encontrar esta solución óptima mediante la exhaustiva (e ineficiente) evaluación
del valor de la función objetivo en cada punto extremo factible. en la siguiente sección
se analiza el método simples, que ofrece una estrategia preferible que representa en
forma gráfica un rumbo acelerativo a través de la secuencia de puntos extremos
factibles para arribar al óptimo de una manera extremadamente eficiente.
4.4 EL MÉTODO SIMPLEX
El método simplex se basa en la suposición de que la solución óptima estará en un

punto extremo. Así, el procedimiento debe ser capaz de discernir si durante la solución a
un problema ocurre un punto extremo. Para realizar esto, las ecuaciones con
restricciones se reformulan como igualdades por medio de la introducción de las
llamadas variables de holgura.

Variables de holgura. Como lo indica su nombre, una variable de holgura mide cuanto
de una fuente restringida esta disponible; es decir, cuanta “holgura”de la fuente está
disponible. Por ejemplo, recordar la fuente restringida que se uso en los ejemplos 4.1 y
4.2:
7 x1 + 11 x2 ≤ 77
Se puede definir una variable de holgura S1 como la cantidad de gasolina cruda

que no se usa para un nivel de producción particular (x1 , x2). Si esta cantidad se agrega
al lado izquierdo de la restricción, forma la relación exacta
7 x1 + 11 x2 + S1 = 77
Ahora se reconoce lo que la variable de holgura nos indicaba. Si esta es positiva,

significa que se tiene algo de “holgura”para esta restricción. Esto es, se cuenta con algo
más de recursos que no han sido utilizados por completo. Si es negativa, nos indica que
nos hemos excedido en la restricción. Finalmente, si es cero, denota que se cumplió
exactamente con la restricción. Es decir se dispuso de todo el recurso. Puesto que esta es
exactamente la condición donde las líneas de restricción se intersectan, la variable de
holgura proporciona un medio para detectar puntos extremos.
Una variable de holgura diferente se desarrolla para cada ecuación restringida,
resultando en lo que se llama versión completamente aumentada,
Sujeta a
7 x1 + 11 x2 + S1 = 77
10 x1 + 8 x2 + S2 = 80
x1 + S3 =9
x2 + S4 = 6
x1 , x2 , S1 , S2 , S3 , S4 ≥ 0
Advertir cómo se han formado de igual modo cuatro ecuaciones, de tal manera
que las incógnitas están alineadas en las columnas. Se hizo así para resaltar que ahora se
trata de un sistema de ecuaciones algebraicas lineales
Solución algebraica. Analizando el sistema de ecuaciones formado anteriormente

podemos ver que es un sistema subespecificado; esto es, tiene más incógnitas que
ecuaciones. En términos generales, hay n variables estructuradas (es decir, las
incógnitas originales), m excedentes o variables de holgura (una por restricción), y n+m
variables totales (estructuradas más excedentes). Para el problema de la producción de
gasolina se tienen 2 variables estructuradas, 4 variables de holgura y 6 variables totales.
Así, el problema involucra resolver 4 ecuaciones con 6 incógnitas.
La diferencia entre el número de incógnitas y el de ecuaciones (igual a 2 en
nuestro problema) está directamente relacionada con la forma en que se puede distinguir
un punto extremo factible. En forma específica, cada punto factible tiene 2 variables de
las 6 que se igualaron a cero. Por ejemplo, los cinco puntos esquina del área ABCDE
tienen los siguientes valores cero:

Punto extremo Variables cero

A x1 , x2
B x2 , S2
C S1 , S2
D S1 , S4
E x1 , S4
Esta observación nos lleva a concluir que los puntos extremo se pueden
determinar en la forma estándar al igualar las dos variables a cero. En nuestro ejemplo,
esto reduce el problema a una forma soluble de 4 ecuaciones con 4 incógnitas. Por
ejemplo, para el punto E haciendo x1 = S4 = 0 se reduce la forma estándar a
11 x2 + S1 = 77
8 x2 + S2 = 80
+ S3 =9
x2 =6
la cual puede resolver para x2 = 6 , S1 = 1, S2 = 32 y S3 = 9. Junto con x1 = S4 = 0 ,

estos valores definen el punto E.
Para generalizar una solución básica para m ecuaciones lineales con n incógnitas
se desarrolla al igualar n – m variables a cero, y resolviendo las m ecuaciones para las m
incógnitas restantes. Las variables cero son formalmente referidas como variables no
básicas, mientras las m variables restantes son llamadas variables básicas. Si todas las
variables básicas son no negativas, el resultado es llamado solución factible básica. El
óptimo será una de éstas.
Ahora un procedimiento directo para determinar la solución óptima podría ser
calcular todas las soluciones básicas, para determinar cuáles son factibles, y entre ellas,
cual tiene el valor de Z más grande. Pero este no es un buen procedimiento por dos
razones.
Primero, para problemas de tamaños moderados, el procedimiento puede
involucrar resolver una gran cantidad de ecuaciones. Para m ecuaciones con n
incógnitas, se deben resolver
n!
C mn =
m!(n − m)!
ecuaciones simultáneas. Por ejemplo, si hay 10 ecuaciones (m = 10) con 16 incógnitas

(n = 16), se podría tener 8 008 [= 16!/(10! 6!)] sistemas 10 x 10 ecuaciones a resolver.
Segundo, una porción significativa de éstas puede ser no factible. Por ejemplo, en
el problema actual de los C 64 = 15 puntos extremos, solo 5 son factibles. Claramente, si
se pudiese evitar resolver todos estos sistemas innecesarios, se podría desarrollar un
algoritmo más eficiente. Un procedimiento como tal se describe a continuación.
Implementación del método simplex. El método simplex evita las ineficiencias

descritas en la sección anterior. Esto lo realiza al comenzar con una solución factible
básica. Luego se mueve a través de una secuencia con las otras soluciones factibles

básicas que sucesivamente mejoran el valor de la función objetivo. En forma eventual,

se alcanza el valor óptimo y termina el método.
Se ilustrará el procedimiento mediante el problema de procesamiento de la gasolina de
los ejemplos 9.8 y 9.9. El primer paso es empezar en una solución factible básica (es
decir, en una esquina del punto extremo del espacio factible). Para casos como los
nuestros, un punto de inicio obvio podría ser el A; esto es, x1 = x2 = 0. Las 6 ecuaciones
originales con 4 incógnitas serían
S1 = 77
S2 = 80
S3 =9
S4 =6
Así, los valores iniciales de las variables básicas son dados automáticamente
como iguales a los lados derecho de las restricciones.
Antes de proceder al siguiente paso, la información inicial se puede ahora resumir
en un formato tabular conveniente llamado representación. Como se muestra en la tabla
siguiente, la representación proporciona un resumen conciso de la información clave
que constituye el problema de programación lineal.
Básica Z x1 x2 S1 S2 S3 S4 Solución Intercepción

Z 1 -150 -175 0 0 0 0 0
S1 0 7 11 1 0 0 0 77 11
S2 0 10 8 0 1 0 0 80 8
S3 0 1 0 0 0 1 0 9 9
S4 0 0 1 0 0 0 1 6 ∞
Observe que para propósitos de la representación, la función objetivo se expresa

como
Z – 150x1 – 175x2 – 0S1 – 0S2 – 0S3 – 0S4 = 0 (9.62)
El siguiente paso implica moverse a una nueva solución factible básica que nos
lleva a una mejora de la función objetivo. Esto se lleva a cabo al aumentar una variable
actual no básica (en este punto, x1 o x2) por arriba de cero para que Z aumente. Recuerde
que, para el ejemplo actual, los puntos extremos deben tener 2 valores cero. Por tanto,
una de las variables básicas actuales (S1 , S2 , S3 , S4) deben también igualarse a cero.
Para resumir este paso importante una de las variables no básicas actuales debe
hacerse básica (no cero). Esta variable se llama variable de entrada. En el proceso, una
de las variables básicas actuales se hace no básica (cero). Esta variable se llama variable
de salida.
Ahora, desarrollaremos un procedimiento matemático para seleccionar las
variables de entrada y salida. Debido a la convención e cómo se escribe la función
objetivo [véase ecuación (9.62)], la variable de entrada puede ser cualquier variable en
la función objetivo que tenga un coeficiente negativo (ya que esto hará a Z más grande).
La variable con el valor negativo más grande se escoge de manera convencional porque
nos lleva usualmente al incremento más grande en Z. Para nuestro caso, x2 podría ser la

variable de entrada puesto que su coeficiente, - 175, es más negativo que el coeficiente
de x1, - 150.
En este punto se puede consultar la solución gráfica por visualización. Se
comienza en el punto A, como se muestra en la Fig 9-12. Con base en su coeficiente, se
debería escoger x2 para introducirlo. Sin embargo, para continuar con este ejemplo,
seleccionamos x1 puesto que se observa en la gráfica que nos llevará más rápido al
máximo.
Después se debe escoger la variable de salida de entre las variables básicas
actuales (S1 , S2 , S3, o S4). Se puede ver gráficamente que hay dos posibilidades.
Moviéndonos al punto B se tendrá S2 igual a cero, mientras que al movernos al punto F
tendremos S1 igual acero. Sin embargo, por la gráfica también queda claro que F no es
posible, ya que queda fuera del espacio de solución factible. Así, se decide mover de A a
B.
Fig. 9.12 Ilustración gráfica de cómo se mueve en forma sucesiva el método simplex a
través de soluciones básicas factibles para llegar al óptimo de manera eficiente
¿Cómo se detecta el mismo resultado en forma matemática? Una forma es

calcular los valores para los cuales las líneas de restricción interceptan el eje o línea que
corresponde a la variable de salida (en nuestro caso el eje x1). Se puede calcular este
valor como la razón del lado derecho de la restricción (la columna “Solución”de la
representación) al coeficiente correspondiente de x1. Por ejemplo, para la primera
variable de holgura restrictiva S1, el resultado es
77
Intercepción = = 11
7
Las intersecciones restantes se pueden calcular y enlistar como la última columna de la

tabla. Como 8 es el entero positivo más pequeño, esto significa que la segunda línea
restringida se alcanzará primero en tanto x1 aumente. Por tanto, S2 debería ser la variable
de entrada.

En este punto, se ha movido al punto B (x2 = S2 = 0), y la nueva solución básica es

ahora
7 x 1 + S1 = 77
10 x1 = 80
x1 + S3 =9
S4 =6
La solución de este sistema de ecuaciones define en forma efectiva los valores de

las variables básicas en el punto B: x1 = 8, S1 = 21, S3 = 1, S4 = 6.
La tabla se puede usar para realizar los mismos cálculos al emplear el método de
Gauss-Jordan.
Para este ejemplo, el renglón pivote es S2 (ya que tiene el mayor valor en la
igualdad al lado de la solución 80) que corresponde a la variable de entrada y el
elemento pivote es 10 (el elemento de mayor valor en este renglón) que corresponde al
coeficiente de la variable de salida x1. Al dividir el renglón entre 10 y reemplazar S2 por
x1 se tiene:

Z 1 -150 -175 0 0 0 0 0
S1 0 7 11 1 0 0 0 77
x1 0 1 0.8 0 0.1 0 0 8
S3 0 1 0 0 0 1 0 9
S4 0 0 1 0 0 0 1 6
Después los coeficientes x1 en los otros renglones se pueden eliminar. Por ejemplo, para
el renglón de la función objetivo, el renglón pivote se multiplica por – 150 y se resta el
resultado del primer renglón para dar
Z x1 x2 S1 S2 S3 S4 Solución
1 -150 -175 0 0 0 0 0
-0 -(-150) -(-120) -0 -(-5) 0 0 -(-200)
1 0 -55 0 15 0 0 1200
Operaciones similares se pueden ejecutar en los renglones restantes para obtener

la nueva tabla

Z 1 0 -55 0 15 0 0 1200
S1 0 0 5.4 1 -0.7 0 0 21 3.889
x1 0 1 0.8 0 0.1 0 0 8 10
S3 0 0 -0.8 0 -0.1 1 0 1 -1.25
S4 0 0 1 0 0 0 1 6 6
Así la nueva tabla resume toda la información para el punto B. Esto incluye el
hecho de que el movimiento ha aumentado la función objetivo a Z = 1200

Esta tabla se puede usar entonces para representar el próximo, y en este caso, el
paso final. Sólo una más de las variables, x2, tiene un valor negativo en la función
objetivo, y se escoge, por tanto, como la variable de salida. De acuerdo con los valores
de la intercepción (ahora calculados como la columna de solución sobre los coeficientes
de la columna x2), la primera restricción tiene el valor positivo más pequeño y, por
tanto, se selecciona a S1 como la variable de entrada. Así, el método simplex mueve los
puntos de B a C en la Fig. 9.12. Por último, la eliminación de gauss-Jordan se puede
implementar para resolver las ecuaciones simultáneas. El resultado es la tabla final,
Básica Z x1 x2 S1 S2 S3 S4 Solución
Z 1 0 0 10.1852 7.8704 0 0 1413.889
x2 0 0 1 0.1852 -0.1296 0 0 3.889
x1 0 1 0 -0.1481 0.2037 0 0 4.889
S3 0 0 0 0.1481 -0.2037 1 0 4.111
S4 0 0 0 -0.1852 0.1296 0 1 2.111
Se sabe que este es el resultado final porque no quedan coeficientes negativos en

el renglón de la función objetivo. La solución final se tabula como x1 = 3,889 y x2 =
4,889, los cuales dan una función objetivo máxima de Z = 1413,889. Además S3 y S4
están todavía en la base, sabemos que la solución está limitada por la primera y segunda
restricciones.
4.5 USO DE PAQUETES DE SOFTWARE
El procedimiento descrito anteriormente es tedioso y trae dificultades al resolverlo

manualmente, más aún si el número de variables y restricciones es grande.
Para salvar este inconveniente se puede usar los paquetes de software tal como Excel,
Lindo, MathCad, IMSL, etc., algunos de los cuales se darán a continuación.
4.5.1 Programación lineal en Excel
Existe una variedad de paquetes de software especialmente diseñados para

implementar programación lineal. Sin embargo, como su disponibilidad es amplia, este
análisis se concentrará en la hoja de cálculo Excel. Esta involucra usar la opción Solver
La manera en la cual se usa Solver para programación lineal es similar a nuestras
aplicaciones previas en el sentido de que los datos se introducen en las celdas de la hoja
de cálculo. La estrategia básica es llegar a una celda que esté optimizada como una
función de las variaciones de las otras celdas sobre la hoja de cálculo. El siguiente
ejemplo ilustra como se puede realizar esto para el problema de procesamiento de la
gasolina.
Ejemplo 4.4

Utilice una hoja de cálculo en Excel para calcular los valores adecuados en el problema
de procesamiento de la gasolina dado anteriormente.
Solución
Una hoja de cálculo de Excel para calcular los valores pertinentes en el problema
de procesamiento de gasolina es mostrado en la Fig. 9.13. Las celdas no sombreadas son
las que contienen los datos numéricos y leyendas. Las celdas sombreadas involucran las
cantidades que se calculan con base en las otras celdas. Reconozca que la celda a ser
maximizada es la D12, la cual contiene la utilidad total. Las celdas que cambian son
B4:C4, en las cuales se tiene las unidades de la gasolina producida regular y prémium.
=B6*B4+C6*C4
=B7*B4+C7*C4
= B4
= C4
= B4*B11 = C4*C11 = B12+C12
Fig. 9.13 Acondicionamiento de una hoja de cálculo Excel para usar Solver para la
programación lineal
Una vez que se crea la hoja de cálculo, se selecciona Solver del menú de
Herramientas (Tools). En esta etapa se mostrará un recuadro de dialogo, requiriendo de
usted la información pertinente. Estas celdas pertinentes del resultado del dialogo de
Solver se llenarán como

Se debe incluir las restricciones una por una al seleccionar el botón Agregar. Esto abrirá
un recuadro de diálogo como el siguiente
Como se muestra, la restricción donde el total de materia prima para la gasolina

(celda D6) debe ser menor o igual que el abastecimiento disponible (E6) se puede
agregar como se ejemplificó. Después de agregar cada una de las restricciones, el botón
Agregar puede ser seleccionado. Cuando se haya introducido las cuatro restricciones,
seleccionamos el botón Aceptar para regresar al recuadro del dialogo del Solver.
Ahora, antes de la ejecución, se debería seleccionar el botón Opciones del Solver
y revisar el recuadro como Adoptar modelo lineal, esto hará que Excel emplee una
versión del algoritmo simples (en lugar de Solver no lineal más general que
normalmente usa)que acelera su aplicación.
Fig. 9. 14 Hoja de cálculo de Excel con la solución al problema de programación lineal

Después de seleccionar esta opción, regrese al menú Solver. Cuando seleccione el

botón Aceptar, se abrirá un recuadro de dialogo con un reporte sobre el éxito de la
operación. Para el caso actual, el Solver obtiene la solución correcta (ver Fig 9-14)
4.5.2 Uso del paquete LINDO
Ejemplo 4.5
Una planta química puede producir 2 tipos de productos A y B a partir de 3

materias primas diferentes m1, m2 y m3. las proporciones de materias primas para la
fabricación de A es 4:5:3 y las correspondientes para B son 5:2:8. los ingresos netos
para los productos A y B son uA = $5/lb y uB = $3/lb.
Los “stocks” de materia prima son: S1 = 1000 lbs, S2 = 1000 lbs y S3 = 1200 lbs
para cada uno de los tipos disponibles.
Determinar la capacidad de producción de A y B que brinden el ingreso neto
máximo.
Solución
Planteo
m1 m2 m3 U : $/lb
Producto A 4 5 3 5
Producto B 5 2 8 3
1000 1000 1200
1.- Variables:
x1 = lbs de A (x1 > 0)

x2 = lbs de B (x2 > 0)
2.- Función objetivo: INGRESOS Z
Maximizar: Z = 5 x1 + 3x2
3.- Las restricciones son:

4x1 + 5x2 ≤ 1000
5x1 + 2x2 ≤ 1000
3x1 + 8x2 ≤ 1200
4.- Enunciado:
Maximizar Z = 5 x1 + 3x2
Sujeta a las restricciones
4x1 + 5x2 ≤ 1000
5x1 + 2x2 ≤ 1000
3x1 + 8x2 ≤ 1200
5.- Introduciendo las variables de holgura para transformar las inecuaciones de las
restricciones a ecuaciones

4x1 + 5x2 + x3 = 1000

5x1 + 2x2 + x4 = 1000
3x1 + 8x2 + x5 = 1200
Variables de holgura: x3 , x4 y x5
La solución se encuentra de la siguiente manera:
1. Escribir el problema denotando MAX (para maximizar) o MIN (para minimizar)
MAX 5x1 + 3x2
2. Dar las restricciones
SUBJECT TO
4x1 + 5x2 <= 1000
5x1 + 2x2 <= 1000
3x1 + 8x2 <= 1200
3. Encontrar la solución dando la orden: Solve
NO LIKELY SOURCES OF ERROR WERE FOUND
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 1058.823
VARIABLE VALUE REDUCED COST

X1 176.470581 0.000000
X2 58.823528 0.000000
ROW SLACK OR SURPLUS DUAL PRICES

2) 0.000000 0.294118
3) 0.000000 0.764706
4) 200.000000 0.000000
NO. ITERATIONS = 2
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES

VARIABLE CURRENT ALLOWABLE

COEF INCREASE DECREASE

X1 5.000000 2.500000 2.600000
X2 3.000000 3.250000 1.000000
RIGHTHAND SIDE RANGES

ROW CURRENT ALLOWABLE
RHS INCREASE DECREASE
2 1000.000000 100.000000 199.999985
3 1000.000000 250.000000 200.000000
4 1200.000000 INFINITY 200.000000
La aplicación del método da el siguiente resultado:
Valor máximo de la función objetivo = 1058.823

Valores óptimos de las variables: X1 = 176.470581
X2 = 58.823528
Ejemplo 4.6 Refinería de petróleo simplificada
El diagrama de una refinería de petróleo muy simplificada se muestra en la

Fig. 9-15.
Volumen de
gasolina
Gasolina especial
Nafta liviana virgen (LVNPG) especial
(LVNAP) (PGVOL)
(CNPG)
Especificación
de octanaje
(PGOS)
Petróleo crudo
Nafta liviana (HVNRG)

Crudo virgen ) )
(HVNAP)
(CRUDE)
(HVNCC) (LVNRG)
) Volumen de
Gasolina corriente
gasolina
Nafta catalítica corriente
(CNAP) (RGVOL)
(CNRG)
Destilado virgen Petróleo
Unidad de craqueo
(VDIST) Catalítico liviano (LCORG) Especificación

(LTCCO)) de octanaje
catalítico
(RGOS)
(LCOFO)
Volumen de
Petróleo petróleo
Catalítico diesel
Petróleo Diesel
Pesado (FOVOL)
(HVCCO))
Especificación
de
contaminación
(FCOS)
Fig. 9.15 Diagrama de flujo de una refinería simplificada

La refinería produce gasolina especial que se vende a $50 el barril con un octanaje
mayor o igual que 95, gasolina corriente que se vende a $45 el barril con un octanaje
mayor o igual que 89, petróleo diesel que se vende a $25 el barril con un número de
contaminación no superior a 55. Para satisfacer la demanda del mercado, la refinería
debe producir por lo menos 25 000 barriles diarios de gasolina especial, 10 000 de
gasolina corriente y 30 000 de petróleo diesel. El petróleo crudo cuesta 4 27,5 por barril.
Los costos de operación de la columna de destilación del petróleo crudo son $2,5
el barril de cada uno de los productos obtenidos; nafta ligera virgen, nafta pesada virgen
y destilado virgen. El destilado virgen y parte de la nafta pesada virgen, se envían a la
unidad de separación catalítica. El costo de la operación depende de la alimentación a la
unidad y cuesta $1,0 el barril de nafta pesada virgen y $1,5 el barril de destilado virgen.
La manera más conveniente de presentar la información anterior es en forma
matricial, ver tabla 9-4, donde se ven los coeficientes de costo y las ecuaciones de
restricción. La primera fila es la función objetivo donde los costos son coeficientes
negativos y las utilidades coeficientes positivos. La segunda fila indica la restricción en
volumen de la mezcla de gasolina especial mostrando que por lo menos deben
producirse 25 000 barriles al día de gasolina especial. La tercera fila es le restricción en
el octanaje de la gasolina especial. El octanaje de la nafta liviana virgen es 92 y el de la
nafta catalítica es 97.
Por lo que:
92LVNPG + 97CNPG ≥ 95(LVNPG + CNPG)
Reagrupando los términos se obtiene:
– 3LVNPG + 2CNPG ≥ 0
Que es la ecuación que aparece en la tercera fila. Relaciones similares se muestran

para las mezclas de gasolina corriente y petróleo diesel.
La tabla siguiente da las especificaciones de cada componente de la mezcla
Componente Octanaje Número de contaminación

Petróleo pesado catalítico ... 59
Petróleo liviano catalítico 88 50
Nafta catalítica 97 ...
Nafta pesada virgen 84 ...
Nafta liviana virgen 92 ...
La capacidad de la unidad de separación catalítica (CCC) no debe exceder de

50 000 barriles por día. La columna de destilación de petróleo crudo tiene su capacidad
limitada a 100 000 barriles por día.
A continuación siguen las restricciones de balance de materiales. Por ejemplo, la
línea LVNAP establece que la suma de nafta liviana debe ser igual al total de destilado
crudo. Las alimentaciones son positivas y las salidas negativas. Como se muestra, el
crudo se separa en 3 fracciones de volumen 0,2 de nafta liviana virgen, 0,5 de nafta
pesada virgen y 0,3 de destilado virgen.
En las unidades de separación catalítica el costo de operación por barril de nafta
pesada virgen es $1,0 y la distribución del producto es de 0,7 barriles de nafta catalítica,
0,4 barriles de petróleo catalítico liviano y 0,2 barriles de petróleo pesado catalítico.

Tabla 9.4

El aumento de volumen se debe a la separación de las moléculas grandes en

pequeñas. Estos balances de materiales se muestran en las líneas CNAP, LTCCO y
HVCCO. De igual forma, la distribución del destilado virgen en la unidad de separación
catalítica es 0,1 barriles de nafta catalítica, 0,3 barriles de petróleo catalítico liviano y
0,7 barriles de petróleo catalítico pesado por barril de destilado virgen.
Para este modelo de refinería simplificada fueron necesarias 14 ecuaciones de
restricción; en una planta real las ecuaciones de restricción serán varios centenares, pero
todas desarrolladas en una forma similar a la mostrada.
Para encontrar la solución usaremos el paquete LINDO
1. Establecimiento de la función objetivo (para lo cual se han establecido las variables,
ver Tabla 9.4)
MAX - 27.5X1 - 2.5X2 - 2.5X3 - 2.5X4 - X5 - 1.5X6 + 50.0X7 + 50.0X8 + 45.0X9 +

45.0X10 + 45.0X11 + 45.0X12 + 25.0X13 + 25.0X14
2. Establecimiento de las restricciones
SUBJECT TO
X7 + X8 >=25000
-3.0X7 + 2.0X8>=0
X9 + X10 + X11 + X12 >=10000
3.0X9 - 5.0X10 + 8.0X11 - X12 >=0
X13 + X14 >=30000
-5.0X13 + 4X14 <=0
X5 + X6 <=50000
X1<=100000
-0.2X1 + X7 + X9 =0
-0.5X1 + X5 + X10 =0
-0.7X5 - 0.1X6 + X8 + X11 =0
-0.4X5 - 0.3X6 + X12 + X13 =0
-0.2X5 - 0.7X6 + X13 =0
X2>=0
X3>=0
X4>=0
X5>=0
X6>=0
X7>=0
X8>=0
X9>=0
X10>=0
X11>=0
X12>=0
X13>=0
X14>=0
3. Compilación del modelo
NO LIKELY SOURCES OF ERROR WERE FOUND
4. Búsqueda de la solución (comando Solve)

1) 1145139.
VARIABLE VALUE
X1 100000.000000
X2 0.000000
X3 0.000000
X4 0.000000
X5 33333.332031
X6 16666.666016
X7 11777.777344
X8 17666.666016
X9 8222.222656
X10 16666.666016
X11 7333.333496
X12 0.000000
X13 18333.333984
X14 22916.666016
La solución del problema muestra lo siguiente:

Crudo tratado (X1) = 100 000 barriles por día (bb/d)
Gasolina especial: X7 +X8 = 11777.777344 + 17666.666016 ≥ 25 0000 bb/d
Gasolina corriente: X9 + X10 + X11 + X12 =
8222.222656 + 16666.666016 + 7333.333496 + 0.00 ≥ 10 000 bb/d
Petróleo diesel: X13 + X14 = 18333.333984 + 22916.666016 ≥ 30 000 bb/d
Utilidades máximas = $ 1145139./ día
Ejemplo 4.7
Una empresa se dedica a la fabricación de dos productos alimenticios que deben

reunir tres requisitos vitamínicos con las vitaminas A, B y C. Los requerimientos de
vitaminas para la población son:
Vitamina A: más de 200 UU/día-persona
Vitamina B: más de 100 UU/día-persona
Vitamina C: más de 150 UU/día-persona
En un análisis de comprobación se obtiene que los productos alimenticios

mencionados poseen por porción:
Vitamina A Vitamina B Vitamina C

Alimento 1 50 10 25 unidades
Alimento 2 30 50 30 unidades

Para no incurrir en la repetición de las comidas, se permite consumir hasta 6

porciones/persona-día de cada uno de los alimentos.
Los precios de los alimentos son S/ 1,0/porción y S/1,5/porción para los alimentos
1 y 2 respectivamente.
Que cantidad de productos alimenticios se debe producir satisfaciendo los
requerimientos vitamínicos a un precio mínimo?
Solución
1. Las variables son:

X1: porciones de alimento 1
X2: porciones de alimento 2
2. La función objetivo es Z:
MIN Z = 1,0X1 + 1,5X2
3. Las restricciones son:

50X1 + 30X2 ≥ 200 (vitamina A)
10X1 + 50X2 ≥ 100 (vitamina B)
25X1 + 30X2 ≥ 150 (vitamina C)
X1 ≤ 6
X2 ≤ 6
4. Resolviendo con LINDO
MIN X1 + 1.5X2
SUBJECT TO
50X1 + 30X2 >= 200
10X1 + 50X2 >= 100
25X1 + 30X2 >= 150
X1 <= 6
X2 <= 6
1) 6.315790 Costo mínimo
VARIABLE VALUE
X1 4.736842 Porciones de alimento 1
X2 1.052632 Porciones de alimento 2

4.6 PROBLEMAS PROPUESTOS
1. Determínese la presión de operación y relación de reciclamiento óptimas, para un

proceso en donde el hidrocarburo de alimentación se mezcla con el reciclado y es
comprimido antes de pasar por un reactor catalítico. El producto y el material no
reaccionado se separan por destilación, reciclando el material no reaccionado. Se
deben escoger la presión P y la relación de reciclamiento R, de manera que se
minimice el costo total anual requerido para producir 107 lb al año. La alimentación
se lleva a la presión adecuada con un costo anual de $ 1000, P se mezcla con el
reciclado y se alimenta en el reactor a un costo anual de $4 x 109/PR. El producto es
retirado por un separador a un costo de $105/R al año, y el material no reaccionado
se recicla mediante un compresor de recirculación a un costo anual de $1,5 x 105 R.
2. 100 grmol de R debe producirse por hora de una alimentación que consiste de una
solución saturada de A (CAo = 0,1 grmol/lit)
La reacción es la siguiente
A R
rR = 0,2 CA (k = 0,2 hr-1)
y debe tener lugar en un reactor CSTR

DATOS
- El costo de reactante a la concentración dada es $0,50/grmol de A
- El costo de un reactor CSTR incluyendo instalación como auxiliares e
instrumentación es $0,01/h-lit.
Que tamaño de reactor, caudal de alimentación y conversión se deben usar en una
operación óptima?
Cuál es el costo unitario de R?.
3. Un evaporador de múltiple efecto se debe usar para evaporar 400 000 lb. de
agua/día de una solución salina. El costo total inicial para el primer efecto es 18 000
dólares y para cada efecto adicional 15 000 dólares. El periodo de vida útil se estima
en 10 años, y el valor de rescate de estas unidades al final de ese periodo se puede
considerar cero. Se debe usar el método de depreciación de la línea recta. Las cargas
fijas menos la depreciación ascienden a 15 % anual basado en el costo inicial del
equipo. El costo del vapor de agua es $0,50/1000 lb. Las cargas de mantenimiento
anual suman 5 % del costo total del equipo, todos los otros costos son
independientes del número de efectos. La unidad debe operar 300 días al año. Si las
libras de agua evaporada por libra de vapor es igual a 0,85N en donde (N es número
de efectos). Determine:
El número óptimo de efectos para esta unidad.
4. Una planta de extracción con solvente funciona con una columna de platos continua
con flujo por gravedad. La unidad debe operar 24 horas diarias. El flujo de
alimentación es 1 500 pies3/día y debe operar 300 días /año. La velocidad promedio
es 40 pies3 de solvente y alimentación combinados por hora y por pie2 de sección
transversal. Los costos fijos anuales para la instalación pueden estimarse de la
siguiente ecuación:

CF = 8 800 FSF2 – 51 000 FSF + 110 000 $/año
FSF = Pies3 de solvente/ pie3 de alimentación
Los costos de operación y costos variables dependen de la cantidad de solvente que

debe recuperarse, y estos costos son $0,04/pie3 de solvente que pasa por la torre.
Qué diámetro de torre debe usarse para condiciones óptimas?
5. Un producto orgánico se produce en un reactor “batch”. En este proceso los
reactantes X y Y reaccionan para formar Z. Puesto que la velocidad de reacción es
muy alta, el tiempo requerido por “batch”se ha encontrado que es independiente de
las cantidades de los materiales y cada “batch”requiere 2 horas incluyendo el tiempo
para cargar, calentar y descargar. La siguiente ecuación muestra la relación entre las
libras de Z producidas y las Libras de X y Y suministradas
Z = 1,5[1,1 XZ + 1,3 YZ – XY ]0,5
El reactante X cuesta $0,09/lb

El reactante Y cuesta $0,04/lb
y el producto Z se vende a $0,80/lb. Si la mitad del precio de venta de Z
corresponde a los costos diferentes de la materia prima.
Cuál es máximo beneficio que se obtiene por lb. de Z?
6. Un producto orgánico se produce en una operación intermitente. Cada ciclo consiste

del tiempo de operación necesario para la reacción más un tiempo total de 1,4 horas
para descargar y cargar. El tiempo de operación por ciclo θD = 1,5 P0,25 horas en
donde P es lb de producto/ “batch”. Los costos de operación durante el periodo de
trabajo son $20/hr. (operación neta) y los costos durante el periodo de carga y
descarga $15/hr. (no operación). Los costos fijos anuales para el equipo varían con
el tamaño del “batch”: CF = 340 P0,8 $/“batch”. Las cargas de inventario y
almacenamiento se despreciaran. La planta debe operar 24 hr./día durante 300
días/año. La producción anual debe llegar a 1 000 000 de lbs./año. A esta capacidad,
los costos de materia prima y misceláneos (diferentes a los ya mencionados),
ascienden a 260 000 $/año.
Determinar el tiempo por ciclo para condiciones de costo total mínimo / año.
7. Una compañía produce dos tipos de productos, A y B. Esos productos se producen

en una semana de trabajo de 40 horas y al final de la semana son embarcados. Los
productos requieren 20 y 5 Kg. de materia prima por kg de producto,
respectivamente, y la compañía tiene acceso a 10 000 kg de materia prima por
semana. Sólo un producto se puede fabricar a la vez, con tiempos de producción de
0,05 y 0,15 horas, respectivamente. La planta puede almacenar sólo 550 kg del
producto total por semana. Por último, la compañía obtiene utilidades de $45 y $30
por cada unidad, respectivamente.
a) Establezca el problema de programación lineal para maximizar la utilidad
b) Resuelva el problema de programación lineal en forma gráfica
c) Solucione el problema de programación lineal con el método simplex.
d) Resuelva el problema con un paquete de software.
e) Evalúe con cuál de las siguientes opciones se obtendrá la máxima utilidad:
aumentar la materia prima, el almacenamiento o el tiempo de producción.

8. Suponga que para el ejemplo 9.8, la planta procesadora de gasolina decide producir
una tercera clase de producto con las siguientes características:
Suprema
Materia prima para gasolina 15 m3/tonelada
Tiempo de producción 12 hr/tonelada
Almacenamiento 5 toneladas
Aprovechamiento $250/tonelada
Además suponga que una nueva fuente de materia prima para la gasolina se ha
descubierto, de tal forma que el total disponible se duplica a 154 m3/semana.
a) Establezca el problema de programación lineal para maximizar la utilidad.
b) Resuelva el problema de programación lineal con el método simplex.
c) Solucione el problema con un paquete de software
d) Evalúe con cual de las siguientes opciones se obtendrá la máxima utilidad:
aumentar la materia prima, el almacenamiento o el tiempo de producción.
9. Diseñe el contenedor cilíndrico óptimo (ver Fig. P9) de tal forma que abra por un
extremo y tenga paredes de espesor insignificante. El contenedor va a almacenar
0,2 m3. Realice el diseño de tal forma que sean mínimos el área del fondo y sus
lados.
10. Diseñe el contenedor cónico óptimo (ver Fig. P10) de tal forma que tenga una tapa y
paredes de espesor insignificante. El contenedor va a almacenar 0,2 m3. Realice el
diseño de modo que tanto su tapa como sus lados sean minimizados.
11. Diseñe el tanque cilíndrico óptimo con tapas semiesféricas (ver Fig. P11). El
contenedor va a almacenar 0,2 m3 y tiene paredes de espesor insignificante. Observe
que el volumen de cada una de las tapas semiesféricas se puede calcular con:
2πh( h 2 + 3r 2 )
A = π(h2 + r2) V=
3
a) Diseñe el tanque de tal forma que el área sea sea minimizada. Interprete el
resultado.
b) Repita el inciso a), pero ahora agregue la restricción L ≥ 2h.
Abierto Tapa
r r
h h
Fig. P9 Fig. P10 Fig. P11
12. La razón de crecimiento específico de una fermentación que produce un antibiótico

es una función de la concentración de comida c,

2c
g=
4 + 0,8c + c 2 + 0,2c 3
Como se ilustra en la Fig. P12, el crecimiento parte de cero a muy bajas

concentraciones debido a la limitación de la comida. También parte de cero en altas
concentraciones debido a los efectos de toxicidad. Encuentre el valor de c para el
cual el crecimiento es un máximo.
0,4
g
(d-1) 0,2
0 5 10
c (mg/L)
P. 12
13. Una planta química produce tres productos principales en una semana. Cada uno de
estos productos requiere una cierta cantidad de materia prima de diferentes tipos de
producción, y se obtienen diferentes ganancias. La información pertinente se resume
en la tabla siguiente
Producto1 Producto 2 Producto 3 Disponibilidad

Materia prima 5 kg /kg 4 kg /kg 10 kg /kg 3 000 kg
Tiempo de producción 0,05 hr /kg 0,1 hr /kg 0,2 hr /kg 55 hr /semana
Nueva utilidad $30 /kg $30 /kg $35 /kg
Observar que hay suficiente espacio en los almacenes e la planta para almacenar
un total de 450 kg / a la semana
a) Establezca un problema de programación lineal para maximizar las utilidades
b) Resuelva el problema de programación lineal con el método simplex.
c) Resuelva el problema con un paquete de software.
d) Evalúe cual de las siguientes opciones aumentará más las utilidades: incrementar
la materia prima, el tiempo de producción o el almacenamiento
14. Recientemente los ingenieros químicos se han involucrado en el área conocida

como minimización de desechos. Esto comprende la operación de una planta
química de un modo tal que el impacto sobre el ambiente sean minimizados.
Suponga que una refinería desarrolla un producto, Z1, hecho de dos materias primas
X y Y. La producción de una tonelada métrica del producto involucra 1 tonelada de
X y 2,5 toneladas de Y y produce 1 tonelada de un liquido de desecho, W. Los
ingenieros tienen que enfrentar esto con tres formas alternas para el manejo de los
desechos:
¾ Producir una tonelada de un producto secundario, Z2, al agregar una tonelada

adicional de X por cada tonelada de W.

¾ Producir una tonelada de otro producto secundario, Z3, al agregar 1 tonelada de

Y por cada tonelada de W.
¾ Tratar los desechos de tal forma que su descaraga sea permisible.
Los productos dan utilidades de $2 500, – $50 3 y $200 por tonelada para Z1, Z2 y
Z3 respectivamente. Observe que al producir Z2 se obtiene de hecho una pérdida. El
costo del proceso de tratamiento es de $300 por tonelada. Además, la compañía
tiene acceso a un límite de 7 500 y 10 000 toneladas de X y Y durante el periodo de
producción. Determine qué cantidad de productos y desechos se deben crear para
maximizar las utilidades.
15. Se puede usar el método de Streeter-Phelps para calcular la concentación de

oxigeno disuelto en un rio por debajo de un punto de descarga de desechos (ver Fig.
P. 15)
12
Os
O 8
(mg/L)
O
4
Oc
0
0 5 10 15 20
tc t (d)
Fig. P. 15
O = Os −
k d Lo
kd + ks − ka
( S
)
e kd t − e −( kd + k s )t − b 1 − e −kat
ka
( ) (p. 15)
donde O = concentración de oxigeno disuelto [mg/L], t = tiempo de travesía [d],

Lo = concentración BOD en el punto de mezclado [mg/L], kd = razón de la
descomposición de la demanda de oxigeno bioquímico (BOD, por sus iniciales en
inglés) [d-1], ks = razón de asentamiento de (BOD) [d-1], ka = razón de reariación
[d-1], y Sb = demanda de oxigeno sedimentado [mg/L/d].
Como se indica en la Fig. P. 15, la Ec. P. 15 produce un oxigeno “disuelto” que
alcanza un nivel mínimo crítico, OC, en algún tiempo de travesía, tc, debajo del
punto de descarga. Este punto es llamado “crítico”, ya que representa la ubicación
para flora y fauna que dependen del oxígeno, como el pez, que sería la más
esforzada. Determine el tiempo de travesía crítico y la concentración dados los
siguientes valores:
Os = 10 mg/L kd = 0,1 d-1 ka = 0,1 d-1

ks = 0,1 d-1 Lo = 50 mg/L Sb = 1 mg/L/d

16. La distribución bidimensional de la concentración de contaminantes en un canal se

puede describir con
c(x, y) = 7,9 + 0,13x + 0,21 y – 0,05 x2 – 0,016 y2 – 0,007 xy
Determine la localización exacta de La concentración pico dada la función y con el

conocimiento de que el pico cae dentro de las fronteras –10 ≤ x ≤ 10 y 0 ≤ y ≤ 20.
4.7 BIBLIOGRAFÍA
1. Contemporary Engineering Economics Chan S. ParkEd. Addison Wesley
2. Advanced Engineering Economics Chan S. Park & Gunter P. Sharp-Bette

Ed. John Wiley & Sons
3. Ingeniería económica Blank & Tankin Ed. McGraw Hill
4. Preparación y evaluación de proyectos Nassig Sapag Chain & Reinaldo

Sapag Chain Ed. McGraw Hill
5. Evaluación financiera de proyectos de inversión Infante Villareal Ed. Norma
6. Evaluación de proyectos Baca Urbina Gabriel Ed. McGraw Hill,1995
7. Matemáticas financieras Díaz Mata y Aguilera Ed. McGraw Hill

MONCADA Optimiz Proces PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

MONCADA Optimiz Proces PDF

Cargado por

Copyright:

Formatos disponibles

MSc.

Luis Moncada Albitres

Universidad Nacional de Trujillo

Un diseño óptimo está basado en las mejores y más favorables condiciones. En

Costos fijos (1)

Fig. 1-1 Ilustración del principio básico de un diseño óptimo

MSc. Luis Moncada Albitres

Un ejemplo ilustrando los principios de un diseño económico óptimo se presenta

1.1 COSTOS INCREMENTALES

El aspecto de costos increméntales es cubierto en detalle en el texto de Ingeniería

1.2 CONSIDERACIONES INTANGIBLES Y PRACTICAS

MSc. Luis Moncada Albitres

1.3 PROCEDIMIENTO GENERAL PARA DETERMINAR LAS

El primer paso en el desarrollo de un diseño óptimo es determinar que factores

1.3.1 Procedimiento con una variable

MSc. Luis Moncada Albitres

mantenimiento y gastos de la planta, pueden asumirse independientes del espesor de

Cargas fijas = φ(x) = ax + b (1.1)

Si el factor que se está optimizando (CT) no tiene un valor máximo o un mínimo,

1.3.2 Procedimiento con dos o más variables

MSc. Luis Moncada Albitres

Cuando dos o mas variables independientes afectan al factor a optimizar, el

Analizando todos los costos involucrados y reduciendo la relación resultante a una

Procedimiento analítico De manera general, cuando se tiene una función z = f(x,y) la

MSc. Luis Moncada Albitres

En la Fig. 1-2 el valor óptimo de x se encuentra en el punto donde (∂CT /∂x)y = y’

Tercera variable Z constante

MSc. Luis Moncada Albitres

de x = (cb/a2)1/3 y y = (ab/c2)1/3 resolviendo las dos ecuaciones simultaneas. Si se tienen

Ejemplo 9.1 Determinación de valores óptimos con dos variables independientes.

Resolviendo simultáneamente para los valores óptimos de x e y

MSc. Luis Moncada Albitres

yii = 32 yiii = 26 yi = 20 yiv = 15 yv = 12

MSc. Luis Moncada Albitres

Lo cual da como respuesta

Esto quiere decir que el mínimo ocurre cuando x = 15,9753

1.4 COMPARASIÓN DE LOS MÉTODOS GRÁFICOS Y ANALÍTICOS

En la determinación de las condiciones óptimas, se ha obtenido el mismo

MSc. Luis Moncada Albitres

2.1 LA GRAFICA DEL PUNTO DE EQUILIBRIO PARA PLANIFICAR LA

Al considerar los costos totales o beneficios en la operación de una planta, uno de

Fig. 2-1 Gráfica del punto de equilibrio

MSc. Luis Moncada Albitres

costos fijos mientras se pueda vender el producto y utilizar la capacidad de producción

2.2 PRODUCCION OPTIMA OPERACIÓN DE PLANTAS

MSc. Luis Moncada Albitres

Es conveniente considerar los costos de operación sobre la base de una unidad de

donde CT = costo total de producto por unidad de tiempo

2.2.1 Producción óptima para costo mínimo por unidad de producción

A menudo es necesario conocer la velocidad de producción a la cual se tiene el

MSc. Luis Moncada Albitres

La producción óptima mostrada en la Ec. (2.7) podría, desde luego, dar el

En la mayoría de negocios, la cantidad de dinero ganada en un período de tiempo

Ejemplo 2.1 Determinación de beneficios a producción óptima

MSc. Luis Moncada Albitres

Po = 165 unidades por día para el mínimo costo por unidad

Beneficio diario para la producción que de el mínimo costo por refrigerador

(b) Beneficio diario es

Producción para beneficio máximo por día,

Po = 198 unidades por día para beneficio diario máximo

Beneficio diario con una producción que da beneficio diario máximo

(c) Beneficio total por día en el punto de equilibrio

Pen el punto de equilibrio = 88 unidades /día