Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contextualización de la optimización
Optimización de procesos Página 1
matemática de procesos
1. CONTEXTUALIZACIÓN DE LA OPTIMIZACIÓN
MATEMÁTICA DE PROCESOS
Johanny Franchesco Niño Fonseca
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
1. Contextualización de la optimización
Optimización de procesos Página 2
matemática de procesos
Sin duda, el primer camino resulta más sencillo, por cuanto es aplicable en cualquiera
de las fases del ciclo de vida del producto: puede limitarse solo al rediseño de alguna
parte, o bien a plantear cambios en el proceso de manufactura. En muchos casos, el
simple cambio de valor de un componente hace posible obtener una mejora notable
en el desempeño de un circuito.
La condición óptima se obtiene al indagar qué tan cerca se está del ideal de producto,
valorando los siguientes efectos:
• Efectos indeseados: alto costo, altos rechazos, altas temperaturas, alta tasa de
fallas, gran volumen, entre otros.
• Efectos deseados: larga vida útil, alta eficiencia, alta capacidad de disipación de
calor y mejores prestaciones en general.
En este punto es necesario encauzar el proyecto para minimizar los efectos indeseados
y maximizar los deseados, aprovechando los grados de libertad disponibles: la relación
entre ambos determina un factor de ideal del producto —o “idealidad”— al que
debería acercarse la solución.
Una solución ideal no siempre es posible: su búsqueda podría llegar a ser tan compleja
que es mejor optar por una solución aceptable. Además, el desarrollo de proyectos
suele acomodarse a cronogramas ajustados, por lo que la toma de decisiones debe ser
rápida y puede resultar difícil examinar todas las alternativas. En este caso, debe
establecerse bajo algún criterio si los beneficios que resultan de una optimización
compensan los esfuerzos necesarios para su logro.
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
1. Contextualización de la optimización
Optimización de procesos Página 3
matemática de procesos
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 2. Formulación de modelos de optimización Página 1
a) Conjunto de información
A: número de fábricas.
B: número de clientes.
Ui: cantidad de producto que se debe comprar a la fábrica i.
Vj: cantidad de producto requerido por el cliente j.
Cij: costo de envío por unidad de producto desde la fábrica i hasta el cliente j.
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 2. Formulación de modelos de optimización Página 2
b) Variables
Xij: cantidad de producto que se envía desde la fábrica i hasta el cliente j. Aunque en
principio sería posible suponer que la variable Xij debe ser positiva en este caso, el
hecho de que el producto pase por diversas fábricas antes de llegar al cliente podría
hacer que resultara positiva (no es muy frecuente). Empero, la situación anterior no es
frecuente.
c) Restricciones
𝐵𝐵
𝐴𝐴
d) Función objetivo
Vistos los componentes anteriores, resulta claro que se desea minimizar el costo total
de envío de los productos; es decir, la suma de los costos de envío multiplicada por la
cantidad a enviar. La ecuación resultante es la siguiente:
𝐵𝐵 𝐴𝐴
𝑍𝑍 = � � 𝐶𝐶𝑖𝑖𝑖𝑖 𝑋𝑋𝑖𝑖𝑖𝑖
𝑗𝑗 =1 𝑖𝑖=1
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 2. Formulación de modelos de optimización Página 3
Al involucrarse en temas de salud pública, los nutricionistas observan dos factores que
influyen en la mala alimentación de los niños:
Supóngase que se conocen los contenidos nutritivos, los precios y la cantidad mínima
de nutrientes aconsejada respecto de ciertos alimentos indispensables en la canasta
familiar. Se requiere entonces determinar la cantidad y tipo de alimento por persona
que debe comprarse para satisfacer los mínimos aconsejados y alcanzar un precio total
mínimo.
a) Conjunto de información
A: número de alimentos.
B: número de nutrientes.
Cij: la cantidad de nutriente i en el alimento j.
Di: cantidad mínima del nutriente i recomendada.
Ej: precio de la unidad del alimento j.
b) Variables
c) Restricciones
𝐴𝐴
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 2. Formulación de modelos de optimización Página 4
d) Función objetivo
𝐴𝐴
𝑍𝑍 = � 𝐸𝐸𝑗𝑗 𝑋𝑋𝑗𝑗
𝑗𝑗 =1
Bibliografía complementaria
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 1
3.1. Generalidades
Los métodos indirectos tienen la ventaja inherente de que la convergencia suele ser
más rápida aun cuando se utilicen métodos numéricos para calcular las derivadas. Sin
embargo, en problemas de ingeniería esta ventaja se ve neutralizada por la falta de
interés de determinaciones precisas de la función objetivo, debido a la falta de
precisión de los coeficientes que se emplean con frecuencia. Los métodos numéricos
directos, por su parte, tienen la ventaja de que pueden tratar fácilmente con
problemas que incluyan discontinuidades, puntos de inflexión y puntos finales;
además, el carácter de 𝑓𝑓(𝑥𝑥) en las vecindades de un extremo puede estudiarse con
facilidad. Para llevar a cabo los métodos directos de minimización numérica solo se
usa el valor de la función objetivo: se comienza con un valor inicial 𝑥𝑥 y luego siguen
seleccionándose valores de 𝑥𝑥 según una estrategia preseleccionada.
Aplicar los métodos de búsqueda supone comenzar por acotar el punto donde se
encuentra el óptimo y asegurarse de que la función es unimodal (función en la cual
existe un valor 𝑀𝑀 tal que para 𝑥𝑥 ≤ 𝑀𝑀 la función es decreciente y para 𝑥𝑥 ≥ 𝑀𝑀 es
creciente) en el intervalo considerado. Aunque resulta muy difícil determinar a priori si
una función es unimodal o no, ese rasgo se presenta en muchos casos prácticos. Con
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 2
Los algoritmos para la optimización no lineal sin restricciones con múltiples variables se
clasifican en tres grupos: 1) búsqueda sin el uso de derivadas; 2) búsqueda usando
información de la derivada primera; y 3) búsqueda usando información de la derivada
segunda. A este respecto, ejemplos típicos de algoritmos que no usan derivadas son el
método simplex, el algoritmo de Hooke y Jeeves, el método de Rosenbrock y el
método de las direcciones conjugadas.
Entre los algoritmos que usan información del gradiente se encuentran el método de
máximo descenso, el método del gradiente conjugado y los métodos cuasi Newton. El
primero realiza una búsqueda a lo largo de la dirección opuesta al gradiente para
minimizar la función; el segundo combina la información del último gradiente con la
información de gradientes de iteraciones previas; y los terceros construyen una
aproximación de la curvatura de la función no lineal utilizando solo información del
gradiente, evitando por lo tanto calcular de forma explícita la matriz hessiana. En los
métodos cuasi Newton, la inversa de la matriz hessiana premultiplica la dirección de
máximo descenso y se halla una dirección adecuada usando una aproximación
cuadrática de la función objetivo.
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 3
Mínimo local estricto. Un punto es un mínimo local estricto si 𝑓𝑓(𝑥𝑥 ∗ ) < 𝑓𝑓(𝑥𝑥) para
todo 𝑥𝑥 en el vecindario δ de 𝑥𝑥 ∗ .
Mínimo global. Un punto es un mínimo global si 𝑓𝑓(𝑥𝑥 ∗ ) < 𝑓𝑓(𝑥𝑥) para todo 𝑥𝑥 la región
factible de 𝑥𝑥 ∗ . De modo informal, es posible considerar que este mínimo es único y no
existe bajo el dominio de 𝑥𝑥 un punto cuya imagen 𝑓𝑓(𝑥𝑥) sea menor que 𝑓𝑓(𝑥𝑥 ∗ ).
Si la función objetivo 𝑓𝑓 es de clase C1 (derivable por lo menos una vez), una condición
𝑑𝑑
necesaria para que 𝑥𝑥 ∗ sea un mínimo local de 𝑓𝑓 es 𝑓𝑓(𝑥𝑥 ∗ ) = 0, donde 𝑓𝑓(𝑥𝑥) = 𝑓𝑓(𝑥𝑥).
𝑑𝑑𝑑𝑑
Dicho en otros términos, la pendiente de la función en el punto 𝑥𝑥 ∗ es cero. El punto
que satisface esta condición se denomina estacionario y puede ser mínimo, máximo o
de inflexión.
c) Condición suficiente
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 4
Las herramientas numéricas para hallar un mínimo local tienen dos etapas básicas. La
primera consiste en hallar un intervalo donde esté contenido el punto mínimo,
teniendo en cuenta que solo es posible hacerlo en funciones unimodales; y la segunda
es la reducción del tamaño de ese intervalo. Establecer el intervalo inicial y verificar los
siguientes exige que cada uno de ellos cumpla con la siguiente condición: deben
existir tres puntos 𝑥𝑥1 , 𝑥𝑥2 y 𝑥𝑥3 de forma que cumplan que 𝑓𝑓(𝑥𝑥1 ) ≥ 𝑓𝑓(𝑥𝑥2 ) < 𝑓𝑓(𝑥𝑥), o bien
𝑓𝑓(𝑥𝑥1 ) > 𝑓𝑓(𝑥𝑥2 ) ≤ 𝑓𝑓(𝑥𝑥3 ).
Para establecer el intervalo inicial y verificar los que siguen, en cada uno de ellos
deben existir tres puntos 𝑥𝑥1 , 𝑥𝑥2 y 𝑥𝑥3 de forma que cumplan que 𝑓𝑓(𝑥𝑥1 ) ≥ 𝑓𝑓(𝑥𝑥2 ) < 𝑓𝑓(𝑥𝑥)
o 𝑓𝑓(𝑥𝑥1 ) > 𝑓𝑓(𝑥𝑥2 ) ≤ 𝑓𝑓(𝑥𝑥3 ).
Existen métodos diversos para reducir el tamaño del intervalo (de los cuales se
examinará en detalle el primero de la lista), a saber:
• Primer término: 1.
• Segundo término: 2.
• Tercer término: 2 + 1 = 3.
• Cuarto término: 3 + 2 = 5.
• Quinto término: 5 + 3 = 8.
• Sexto término: 8 + 5 = 13.
• …
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 5
Para utilizar este método es preciso seguir los pasos que se muestran a continuación:
1. Establecer un intervalo de tamaño 𝐼𝐼1 , definido por [𝑥𝑥1 , 𝑥𝑥2 , 𝑥𝑥4 ], que cumpla con
la configuración 𝑓𝑓1 ≥ 𝑓𝑓2 < 𝑓𝑓4 , o bien 𝑓𝑓(𝑥𝑥1 ) > 𝑓𝑓(𝑥𝑥2 ) ≤ 𝑓𝑓(𝑥𝑥4 ).
2. Encontrar un cuarto punto 𝑥𝑥3 que satisfaga que la distancia entre |𝑥𝑥1 | y |𝑥𝑥3 |sea
igual a la existente entre |𝑥𝑥2 | y |𝑥𝑥4 |.
3. Evaluar 𝑓𝑓(𝑥𝑥3 ): si 𝑓𝑓(𝑥𝑥2 ) < 𝑓𝑓(𝑥𝑥3 ), el nuevo intervalo de tamaño 𝐼𝐼2 estará
definido por [𝑥𝑥1 , 𝑥𝑥2 , 𝑥𝑥3 ]; si 𝑓𝑓(𝑥𝑥2 ) = 𝑓𝑓(𝑥𝑥3 ) estará definido por [𝑥𝑥2 , 𝑥𝑥3 , 𝑥𝑥4 ]
(cualquiera de las dos formas es válida para definir el intervalo).
4. Evaluar de nuevo el primer paso, iniciando con ello la segunda iteración.
Al igual que en las funciones de una sola variable, en aquellas con más de una variable
existen una condición necesaria y una suficiente, ligadas al gradiente y al hessiano de
la función objetivo.
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 3. Optimización sin restricciones Página 6
Método del máximo descenso. Este método, planteado por Augustin Louis Cauchy en
1847, consta de las siguientes etapas:
Bibliografía complementaria
Chong, E. & Zak, S. (2008). Conjugate Direction Methods. En E. K. Chong & S. Zak
(Eds.), An Introduction to Optimization (pp. 169-182). Nueva York: Wiley.
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 4. Técnicas de optimización con restricciones Página 1
4.1. Generalidades
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 4. Técnicas de optimización con restricciones Página 2
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 4. Técnicas de optimización con restricciones Página 3
𝑚𝑚í𝑛𝑛
𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 , … )
𝑥𝑥1 , 𝑥𝑥2 , …
𝑓𝑓 es la función objetivo; 𝑥𝑥 = [𝑥𝑥1 , 𝑥𝑥2 , … ]; las funciones 𝑔𝑔𝑖𝑖 son las restricciones de
desigualdad; y las funciones ℎ𝑗𝑗 son las de igualdad. 𝑔𝑔𝑖𝑖 y ℎ𝑗𝑗 son continuas, y se asume
que tienen segunda derivada en circunstancias normales. La anterior es la forma
genérica de presentar los problemas de optimización, con miras a utilizar los métodos
convencionales. No obstante, en algunos casos se requiere hacer algunos ajustes a los
problemas para denotarlos de esta forma:
Aunque los problemas de optimización con restricciones lineales son muy comunes y
abarcan un amplio rango de aplicaciones, muchos problemas de ingeniería tienen
restricciones no lineales que deben resolverse. Las situaciones de este tipo se conocen
como problemas de programación no lineal. Algunos de los métodos para resolverlos
son los siguientes:
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central
Optimización de procesos 4. Técnicas de optimización con restricciones Página 4
Bibliografía complementaria
www.ucvirtual.edu.co
Todos los derechos son propiedad de la Universidad Central