Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MONCADA Optimiz Proces PDF
MONCADA Optimiz Proces PDF
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
1200
1000
Costos total = (1) + (2)
800
Costo por año, $
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
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
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
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⎠
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.
CT = φ’’’(x,y) (1.7)
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.
(∂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 ⎠
∂CT b
=a− 2 (1.9)
∂x x y
∂CT b
=c− 2 (1.10)
∂y xy
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
∂CT 11900
= 1,86 −
∂y xy 2
En el punto óptimo,
11900
2,33 − =0
x2 y
11900
1,86 − =0
xy 2
∂ 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:
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)
CAPITULO
2
OPTIMIZACION DE PLANTAS
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
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.
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
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 ⎠
2.2.2 Producción óptima para máximo beneficio total por unidad de tiempo.
⎡ s−h ⎤
Po = ⎢ ⎥1 / n (2.8)
⎣ ( n + 1) m ⎦
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
9075
= [173 – 47,73 – 0,1(165)1,2 – ] 165
165
= $4040
dR'
= 0 = 125,27 – 0,22 Po1, 2
dP
Ejemplo 2.2 Determinación de las condiciones para el costo total mínimo en una
operación “batch”
Solución
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 $
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 ⎠
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)
dQ A Δt
= U A Δt = (2.13)
dθ b (aθ b + d ) 12
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
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
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
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
aQH (C c + S bθ b )
CT, para H h = 1 1
(2.19)
2 A Δt[(aθ b + d ) 2
−d 2
]
Cc 2
θb, por ciclo para costo total mínimo = + adC c S b (2.20)
S b aS b
2 AH ' Δt 1 1
θt = θb + θc = [(aθ b ,opt + d ) 2 − d 2 ] (2.21)
aQH
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:
Solución
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
150
Agua de lavado = = (θf + 0,11) 1/2
(16)
150
Velocidad de lavado = (θf + 0,11)– 1/2
(4)(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
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
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
Tiempo total por ciclo necesario para obtener la salida máxima de filtrado
CAPITULO
3
ANÁLISIS DE RESULTADOS
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
0,04
f= (3.2)
( N Re ) 0,16
16
f= (3.3)
N RE
†
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
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:
El costo anual para el sistema de tubería instalado puede ser expresado como:
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.
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 ⎥⎦
1
⎡ 0,096q 2f μ c K (1 + J ) H y ⎤ ( 4,0+ n )
Di,opt = ⎢ ⎥ (3.9)
⎣⎢ n(1 + F ) XEK F ⎦⎥
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
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 ≥ 1 pulg.:
Di < 1 pulg.:
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.
4 ,84 + n
Dopt
1 + 0,794 L/e Dopt
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
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.
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
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 )
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 )
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 )
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
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).
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)
t / − t 2,opt
= 0,42
t / − t1
donde t’ = 170 oF
t1 = 70 oF
t2,opt = 128 oF
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)
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)
a=
128.0253
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)
Solución
$12825
Costo por pie cuadrado =
1240
12825
Costo anual para el condensador = (1240)(1 + 0,60)(0,15)
1240
= $3075
= $10 110
= $77 550
Costo total variable anual para relación de reflujo de 1,5
Rm = 1,14
Ropt 1,25
= = 1,1
Rm 1,14
CAPITULO
4
LA PROGRAMACIÓN LINEAL
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.
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
Maximizar: 3A + 4B ganancia
4A + 2B ≤ 80 tiempo de procesamiento
2A + 5B ≤ 120 tiempo de preparación.
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
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.
Función objetivo
Ecuaciones de restricción
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
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)
optimizar c . x
sujeta a x ≥ 0
Ax ≤ b
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
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:
Las restricciones se pueden desarrollar en una forma similar. Por ejemplo, el total
de gasolina cruda utilizada se puede calcular como
7 x1 + 11 x2 ≤ 77
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)
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
Solución
(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
7(4,9) + 11(3,9) ≅ 77
10(4,9) + 8(3,9) ≅ 80
4,9 ≤ 9
3,9 ≤ 6
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.
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
7 x1 + 11 x2 + S1 = 77
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
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
n!
C mn =
m!(n − m)!
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.
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
77
Intercepción = = 11
7
7 x 1 + S1 = 77
10 x1 = 80
x1 + S3 =9
S4 =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
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
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
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
Ejemplo 4.5
Solución
Planteo
m1 m2 m3 U : $/lb
Producto A 4 5 3 5
Producto B 5 2 8 3
1000 1000 1200
1.- Variables:
Maximizar: Z = 5 x1 + 3x2
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
Variables de holgura: x3 , x4 y x5
SUBJECT TO
4x1 + 5x2 <= 1000
5x1 + 2x2 <= 1000
3x1 + 8x2 <= 1200
1) 1058.823
NO. ITERATIONS = 2
Gasolina especial
Nafta liviana virgen (LVNPG) especial
(LVNAP) (PGVOL)
(CNPG)
Especificación
de octanaje
(PGOS)
Petróleo crudo
gasolina
Nafta catalítica corriente
(CNAP) (RGVOL)
(CNRG)
Destilado virgen Petróleo
Unidad de craqueo
(RGOS)
(LCOFO)
Volumen de
Petróleo petróleo
Catalítico diesel
Petróleo Diesel
Pesado (FOVOL)
(HVCCO))
Especificación
de
contaminación
(FCOS)
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:
– 3LVNPG + 2CNPG ≥ 0
Tabla 9.4
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
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
Ejemplo 4.7
Solución
2. La función objetivo es Z:
MIN Z = 1,0X1 + 1,5X2
MIN X1 + 1.5X2
SUBJECT TO
50X1 + 30X2 >= 200
10X1 + 50X2 >= 100
25X1 + 30X2 >= 150
X1 <= 6
X2 <= 6
LP OPTIMUM FOUND AT STEP 0
VARIABLE VALUE
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
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:
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
2c
g=
4 + 0,8c + c 2 + 0,2c 3
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
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
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.
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)
4.7 BIBLIOGRAFÍA