17/02/2021

ZT3035 – Ingeniería de
Procesos en Sistemas de
Producción Animal

Optimización de los Procesos de

Producción

Ph.D.(c) Cecilio Barrantes Campos

Contenido
1. Introducción
2. Optimización
3. Proceso de optimización
4. Métodos, técnicas y
herramientas de
optimización
5. Optimización en ciencia
animal

1
 17/02/2021

1. Introducción

Ruta Critica de un Proceso

Optimización
del proceso

Identifica un Mejorar el
problema en proceso
el proceso

Actividades: 7 nodos (A,B,C,D,F,G,H) Actividades criticas: A, B, C (cualquier

Entrada: 1 nodo (S) percance, retrasaría todo el proceso)
Salida: 1 nodo (E) Actividades flotantes: D, F, G, H
Ruta critica: S-A-B-C-E (4 semanas) (podrían retrasarse sin influenciar la
4
duración del proceso)

2
 17/02/2021

2. Optimización

2.1 Optimización
• La optimización es el acto de obtener el mejor
resultado (punto o alternativa) bajo ciertas
circunstancias. Para lograrlo, se toman varias
decisiones tecnológicas y manejo en varias etapas.
• El objetivo final de todas las decisiones es minimizar el
esfuerzo requerido o maximizar los beneficios
deseados.
• El esfuerzo requerido o el beneficio deseado, se puede
expresar como una función de ciertas variables
decisoras.
• Optimización es el proceso de encontrar las
condiciones que den el valor máximo o mínimo de una
función.
6

3
 17/02/2021

Optimización media la minimización, ya que el

máximo de una función puede encontrarse

Curva Optimizada
buscando el mínimo del negativo de la misma
función.

x* Mínimo de f(x) es la misma

que el máximo de –f(x)

Existen varios métodos, técnicas y herramientas,

para resolver eficientemente los problemas de
7
optimización.

2.2 Problemas de Optimización

• Los problemas que buscan maximizar o minimizar una
función matemática de una serie de variables, sujetos a
ciertas restricciones, forman una clase única de
problemas, que se denominan problemas de
optimización. Muchos de los problemas teóricos y
mundo real pueden modelarse en este marco general.
• Modelo es una abstracción o representación
matemática de un problema de interés y es una parte
esencial del proceso de resolver el problema
óptimamente.
• El termino optimizar es usado para reemplazar los
términos de maximizar o minimizar.
8

4
 17/02/2021

• La función matemática que optimiza es conocida como

función objetivo, conteniendo usualmente varias variables. La
función objetivo puede ser una función de una sola variable
para algún problema practico.
• Los problemas de optimización pueden involucrar mas de una
función objetivo, conocidos como problemas de optimización
multi-objetivos.
• Dependiendo de la naturaleza del problema, las variables en
el modelo pueden ser reales o enteros (entero puro o entero
binario) o una mezcla de ambos.
• El problema de optimización podría estar restringido (f(x) = o
≤ o ≥) o no restringido. Las funciones, objetivos o restringidas,
pueden ser del dominio lineal o no lineal.
• Según las propiedades de la función, podrían seguir una
tendencia continua o no continua, diferenciable o no
diferenciable, convexa o no convexa, unimodal o multimodal.
9

2.3 Clasificación de Problemas de Optimización

Tipos de objetivos: maximización

y minimización

10
PO determinísticos y estocásticos Con o sin derivadas

5
 17/02/2021

2.4 Propiedades de Problemas de Optimización

Función con un pico (solución optima)

Unimodal o
Función con varios picos (optima local o
Multimodal global)

Propiedades de la
Función de Problemas
de Optimización

Estática o Función no cambia con el tiempo

Dinámica Función cambia con el tiempo

Restricciones suaves, son las que se

Propiedades de las pueden alterarse con cierta penalización o
Restricciones Suave o
restricciones de la bajo ciertas condiciones.
Restricciones Duras Restricciones duras, son las que satisfacen
función de problema
en la solución final.

11

2.5 Declaración de Problemas de Optimización

PO tiene restricciones de igualdad o

PO Restringida
desigualdad
Problemas de
Optimización (PO)

PO no tiene restricciones de igualdad o

PO No restringida desigualdad

Donde:
X: Vector n-dimensional (vector del diseño)
f(X): Función objetivo
gj(X) y lj(X): Restricciones de desigualdad e
igualdad
n: Numero de variables
m y p: Numero de restricciones

6
 17/02/2021

Comportamiento o
funcional, geométricas
o laterales (físicas)

Restricción
Vector del del Diseño
Diseño
Parámetros pre asignados,
variables del diseño o de
decisión
Superficie de
Superficie de la Problema de la Restricción
Función Objetivo Optimización
Función
f(X) = C (constante),
forma una Objetivo
hipersuperficie en el
espacio del diseño Función objetivo o criterio o merito. PO involucra
múltiples funciones objetivos, son problemas de
programación multiobjetivo.
Construye una nueva función objetivo para
optimización

α1 y α2: constantes, importancia relativa de una

función objetivo relativa a la otra.

3. Proceso de Optimización

14

7
 17/02/2021

3.1 Proceso de Optimización

Diseño de
procesos

Identificación
Proceso de
Problema de
Optimización
Optimización

Toma de
decisiones

Propósito
Ayudar a determinar resultados realistas y
prácticos de los proceso de diseño y toma de
decisiones de gestión

15

3.2 Proceso de Decisión

• El procesos de toma de decisiones puede ser iniciado
siempre cuando alguien se preocupe por algún
problema encontrado y demande una solución.
• Dos vías para solucionar el problema: enfoque
cualitativo o cuantitativo.
• Enfoque cualitativo, se basa en el juicio personal o
experiencia pasada adquirida al tratar con problemas
similares en el pasado.
• Enfoque cuantitativo, cuando el problema se puede
resolver aplicando técnicas que ya han sido
desarrolladas y aplicadas a problemas similares,
recurrentes o complejos (involucra muchas variables).
16

8
 17/02/2021

• Las técnicas de optimización se aplican a sistemas de la

vida real que han percibido problemas de gestión
complejos.
• La premisa de la toma de decisiones, existen varias
formas diferentes de abordar un problema, y que la
mejor forma puede no ser obvia o única.
• El proceso de encontrar la mejor forma (óptima) se
llama optimización.
• Ejemplos de problemas en producción animal: alto
valor monetario del concentrado, desbalance
energético o proteico en la dieta de los animales, baja
rentabilidad de la granja.

17

Individuos o grupos de Proceso de toma de decisiones

individuos
Determina el objetivo, medidas de eficacia
Magnitud, definirlo y para comparar alternativas, intereses de
síntomas involucrados, supuestos, restricciones y
limitaciones.

Validación

Categorías de modelos matemáticos: descriptivos,

prescriptivos (optimización), heurístico y predictivo
(regresión y análisis de series de tiempo).
Tipos: icónico, analógicos Relaciones funcionales y parámetros, modelos
simbólico o matemáticos determinísticos y estocásticos.

Validación
Iteración
Análisis de sensibilidad: permite determinar la
exactitud requerida de los datos de ingreso al
modelo, identificar variables de decisión de
impacto significativo en la solución.

Prueba de la solución: Antes de implementar hay

que probarla a escala pequeña.

Implementación de la solución a gran escala. Factores pueden causar

problemas en la implementación: grado de cambio, capacidad de
usuarios usando la solución, cambios pueden interrumpir 18 la
asignación actual de apoyo o poder a los involucrados.

9
 17/02/2021

4. Métodos, Técnicas y
Herramientas de Optimización

19

4.1 Métodos de Investigación de Operaciones

Técnicas de Procesos Métodos
Técnicas de Programación Matemática
Estocásticos Estadísticos
- Método de calculo - Teoría de decisión - Análisis de
- Calculo de variaciones estadística regresión
- Programación no lineal - Procesos de Markov - Análisis cluster
- Programación geométrica - Teoría de filas de (grupos)
- Programación cuadrática espera (queueing) - Reconocimiento
- Programación lineal - Teoría de la de tendencia
- Programación dinámica renovación - Diseño de
- Programación de enteros - Métodos de experimentos
- Programación estocástica simulación - Análisis
- Programación separable - Teoría de la discrimínate
- Programación multiobjetivos confiabilidad (análisis factorial)
- Métodos de redes: método de la ruta
critica (CPM) y técnica de evaluación y
revisión del programa (PERT)
- Teoría del juego
- Templado simulado
- Algoritmo genético
- Redes neuronales 20

10
 17/02/2021

4.2 Técnicas y Herramientas de Optimización

21

4.3 Técnicas de Optimización

Convencional
A) Método Taguchi: diseño robusto de Taguchi, diseñar
un producto o proceso de tal manera que su
desempeño sea menos sensible a la variación debido a
variables incontroladas que no son económicas de
controlar.
• El método se aprecia por su diseño de matriz ortogonal
y sin distribución, proporciona una reducción
considerable del tiempo y recursos necesarios para
determinar factores importantes que afectan las
operaciones con una mejora simultánea de la calidad y
el costo de fabricación.
22

11
 17/02/2021

B) Metodología del Diseño de Superficie de Respuesta

(RSM): es una herramienta dinámica y mas importante de
diseño de experimentos (DOE) en la que se mapea la
relación entre la respuesta o respuestas de un proceso con
sus variables de decisión de entrada para logara el objetivo
de maximizar o minimizar las propiedades de respuestas.
• Es un conjunto de técnicas estadísticas DOE, modelos de
regresión intrínseca y métodos de optimización útiles para
cualquier campo de la ingeniería.
• Primero se mapea las respuesta(s), Y como una función de
las variables de decisión independientes (X1, …, Xn). Si el
modelo es adecuado, se intenta la técnica de ascenso o
descenso de colinas para maximizar o minimizar le
problema y se repite la misma técnica de mapeo.

• En las proximidades del punto optimo, se considera un modelo

de regresión de segundo orden. El punto máximo, mínimo o de
silla se identifica mediante el enfoque de punto estacionario y
el análisis canónico del modelo de segundo orden desarrollado,
y se intenta el “análisis de cresta” si es un punto silla.
• Se desarrolla una extensión del análisis de crestas, denominada
metodología de diseño de superficies de respuestas dual, en la
que los investigadores se enfrentan a la necesidad de optimizar
simultáneamente dos o mas variables de respuestas.
C) Técnica de búsqueda de matemática iterativa: técnica de
programación lineal, no lineal y dinámica, puede ser descrito en
términos de su estructura, procedimiento computacional, y
problemas de decisión importantes formulados como
minimización o maximización de una función matemática de
varias variables que tienen una serie de restricciones.
24

12
 17/02/2021

4.4 Técnicas No Convencional

A) Técnica de búsqueda heurística: proporciona medios
sencillos para indicar cual de varias soluciones alternativas
parece ser la mas eficaz para lograr algún objetivo, consiste
en una regla o un conjunto de reglas que buscan soluciones
aceptables a un costo computacional razonable.
• Esta técnica muy útil para los casos en los que las técnicas
de optimización convencionales no son adecuadas, como
problemas con el espacio de búsqueda de alta dimensión
con muchos óptimos locales.
• Los investigadores prefieren soluciones alternativas
rentables casi optimas (o aproximadas) que las optimas
exactas, ya que puede ser extremadamente difícil encontrar
el punto optimo exacto en una dimensión superior y un
espacio de búsqueda multimodal.
25

B) Técnica de búsqueda metaheurística: aunque la

búsqueda heurística puede ofrecer soluciones casi
optimas, son principalmente especificas del problema.
• Los investigadores sugieren varias alternativas a las
heurística especificas de problemas, también llamada
estrategia maestra iterativa generalizada
“metaheurística”, que guían y modifican otras
heurísticas para producir soluciones que normalmente
se generan en una búsqueda de la optimización local.
• Tres tipos mas usados de algoritmos de búsqueda
basados en metaheurística : algoritmo genético (GA),
templado simulado (SA), y búsqueda tabú (TS).

26

13
 17/02/2021

C) Algoritmo Genético (GA)

El algoritmo crea una población a partir de una población aleatoria inicial (obtenida
de diferentes combinaciones factibles de variables de decisión del proceso)
mediante reproducción, cruce y mutación en un proceso iterativo.
La selección, el cruce y mutación en la población inicial crean una nueva
generación, que se evalúa con criterios de terminación predefinidos.
El procedimiento continua considerando la población actual como población inicial
hasta que se alcanzan los criterios de terminación. 27

5. Optimización en Ciencia Animal

28

14
 17/02/2021

Técnicas de Optimización en Ciencia Animal

Técnicas Convencionales

Búsqueda Iterativa
Diseño de
Experimentos
Matemática
(DOE)

Programación
Lineal

Superficie de
Respuesta

29

GRACIAS

cbarrantes@lamolina.edu.pe
30

15