Universidad de Santiago de Chile Facultad de Ingeniera Departamento de Industrias

OPTIMIZACIN

Alumna: Andrea Tornera Torres. Profesor: Jos Miguel Araya. Fecha: 23 de Noviembre de 1998.

Introduccin Para comenzar leamos la siguiente nota del profesor Bruno Philippi: "La optimizacin proporciona un esquema conceptual que facilita el difcil proceso de estructuracin, anlisis y sntesis, inherente a todo problema de decisin; contribuyendo, as, al diseo de mejores soluciones para problemas de carcter tanto tcnico, como econmico y social." Podemos decir que optimizar es sinnimo de buscar lo mejor, tambin de alcanzar la ganancia mxima o tener la prdida mnima. Es por esto que el hombre siempre ha querido la optimizacin dentro de sus actividades, sean stas empresariales, cientficas o polticas, formalizando y cuantificando, mediante procedimientos matemticos, la forma de alcanzar lo mejor en una circunstancia o problema bien definido. Este trabajo pretende de cierta forma dar una idea del esquema conceptual que ofrece la optimizacin como herramienta efectiva para estructurar, analizar y sintetizar una gran variedad de problemas de decisin.

Glosario.

Modelo econmico: Consiste en una ecuacin que incluye las utilidades obtenidas con la venta del producto y los costos asociados al proceso productivo, o sea, materia prima, costos de operacin, costos de administracin, gastos generales, etc. Programacin: Consiste en los pasos que se requerirn para optimizar un sistema. Formulacin matemtica: Es la tcnica con la cual se lleva el proceso de optimizacin a formulas matemticas.

Formulacin de problemas de optimizacin. Cuando se ha decidido o hecho indispensable aplicar la optimizacin en un proceso industrial se han de requerir tres componentes bsicas para la formulacin del problema en trminos matemticos: i) ii) El modelo matemtico que rige el problema, adems de una definicin de las variables del proceso que pueden ser manipuladas o controladas. Un modelo econmico para el proceso. Esto quiere decir una ecuacin que incluye las utilidades obtenidas con la venta del producto y los costos asociados al proceso productivo, o sea, materia prima, costos de operacin, costos de administracin, gastos generales, etc. iii) Un procedimiento de optimizacin para la manipulacin de las variables independientes del proceso, que maximice las utilidades o minimice los costos determinados por el modelo econmico, restringido por el modelo del proceso. En el siguiente diagrama simplificado de optimizacin y control en la industria, se desea mostrar la relacin de las actividades del proceso controlado y los niveles de optimizacin.
Modelo del proceso Modelo econmico

Ecuaciones de simulacin

Control con computadora

Mtodos de optimizacin

Optimizacin de procesos. (estado estacionario en lnea)

Optimizacin de planta

Debido a la complejidad de las grandes empresas, los modelos del proceso se deben simplificar, usando ecuaciones de simulacin para mantener los costos de programacin y el uso del computador dentro de los lmites razonables. Sin embargo, dentro de cada proceso en particular es posible crear modelos ms detallados para especificar condiciones de operacin ptimas, es decir, temperaturas, precisiones, mano de obra, energa, etc., para asegurar una operacin ptima en la unidad. Existen diferentes tcnicas de optimizacin, las cuales tienen dos divisiones muy claras: Una es la programacin matemtica cuyo objetivo es ubicar el mejor punto x(x 1,....., xn) que optimice el modelo econmico. La otra, muestra los mtodos variacionales, cuyo objetivo es ubicar la mejor funcin y(x) que optimice el modelo econmico del proceso.

Optimizacin. Programacin matemtica Objetivo: encontrar el mejor punto que optimice el modelo econmico. Ejemplo: condiciones ptimas de operacin de un reactor qumico. reactor tubular. Formulacin matemtica Optimizar y(x), x = (x1,....., xn) x y'(x)]dx sujeta a: fj(x) <= 0 j = 1, 2, ...,m Mtodos Analticos Programacin geomtrica Programacin lineal Programacin dinmica (discreta) Programacin no lineal Tcnicas de bsqueda Principio del mximo (discreto) Programacin cuadrtica Programacin separable Programacin convexa Programacin entera Programacin combinacional Programacin heurstica Al resolver un problema de optimizacin, la estructura y complejidad de las ecuaciones son importantes, ya que la mayor parte de los procedimientos de programacin matemtica pueden hacer uso de la forma especial de los modelos econmicos y del Clculo de variaciones Programacin dinmica (continua) Principio del mximo (continuo) sujeta a: restricciones algebraicas, integrales o diferenciales. Mtodos Formulacin matemtica Optimizar J[y(x)] = F[y(x)], Mtodos variacionales Objetivo: encontrar la mejor funcin que optimice el modelo. Ejemplo: mejor perfil de temperatura que maximiza la conversin en un

proceso (ecuaciones de restriccin). Por ejemplo: Programacin lineal (donde todas las ecuaciones son lineales) y la programacin geomtrica (todas las ecuaciones son polinomios). La siguiente figura nos muestra un mtodo para enfrentar los problemas de optimizacin, incorporando los conocimientos especiales de cada tcnica de optimizacin. Programacin matemtica Hay restricciones en el problema S Es posible usar multiplicadores de Lagrange No Funciones objetivo y restricciones lineales No Funciones objetivo y restricciones polinomio No Es posible formular en el problema etapas No Resuelva usando tcnicas de bsqueda S Punto Funcin o punto ptimo No Funcin Mtodos variacionales

Forme funcin de Lagrange

Derive y resuelva ecuaciones diferenciales

Resuelva usando programacin lineal Resuelva usando programacin geomtrica Resuelva usando programacin dinmica La respuesta es satisfactoria? S Pare

No

Regresa a la partida

Teora clsica del mximo y del mnimo. Esta teora estudia los mtodos para encontrar los puntos extremos de una funcin. En particular se desea determinar el valor de las n variables independientes x1,....., xn de una funcin en un punto extremo. Es necesario tener en cuenta algunas condiciones necesarias y suficientes para determinar puntos extremos, un teorema fcil de comprender es el de Weierstrass, el cual garantiza la existencia de puntos extremos, y dice: "Toda funcin continua en un dominio cerrado posee un valor mximo y uno mnimo,ya sea en el interior o en el contorno del dominio" Este teorema nos dice que no se requiere que la funcin tenga derivadas continuas para que exista un mximo o un mnimo. No es necesario que todos los puntos estacionarios sean mximos o mnimos locales, ya que puede haber puntos de inflexin o puntos de montura. Una vez localizados los mximos y mnimos locales, es necesario comparar individualmente cada punto para determinar los valores mximos y mnimos absolutos. Para establecer si un punto estacionario es un mximo o un mnimo local, se resolver un desarrollo en series de Taylor alrededor del punto estacionario. X0 : f(x) = f(x0) + f '(x0)(x- x0) + 1/2 f'' (x0)(x- x0)2 + .... En donde: f '(x) = y/ x con x = x0 La ecuacin se puede simplificar a: f(x) = f(x0) + 1/2 f'' (x0)(x- x0)2 Para saber si x0 es un mximo o un mnimo local, examinando el valor de la segunda derivada, debido a que (x- x0)2 es siempre positivo, resultando: Si f ( x0) > 0 entonces f(x0) es mnimo. Si f ( x0) < 0 entonces f(x0) es mximo. Si f ( x0) = 0 entonces no hay informacin.

Para este ltimo caso, ser necesario examinar las derivadas de orden superior, entonces en general: f '(x0) = f ''(x0) = ...= f n-1(x0) = 0 Y f n (x0) 0 , por lo tanto el desarrollo en series de Taylor queda: f(x) = f(x0) + 1/n! f n (x0)(x - x0)n Cuando n es par, (x - x0)n es siempre positivo y el resultado es: Si f n (x0) > 0 , f(x0) es mnimo. Si f n (x0) < 0 , f(x0) es mximo. Si n es impar, (x - x0)n es negativa al variar x desde x< x0 hacia x> x0 resultando un punto de inflexin.

Programacin lineal. Este trmino no se refiere a la programacin computacional, sino a algn procedimiento a seguir en un plan. Desde el punto de vista de la programacin matemtica, el problema de programacin lineal puede formularse como: max { c1x1 + .....+ cnxn } sujeto a : a11x1 + .... + a1nxn <= b1 ...................................... am1x1 + .... + amnxn <= bm x1 >= 0 , ....... , xn >= 0 O bien, en notacin vectorial: Max cx Sujeto a : Ax <= b x >= 0 en que: XT = (x1,....., xn) x A= a11............. a1n ...................... am1............. amn Con ci , bj , aij R (i = 1.....n , j = 1......m) X = { x/ Ax <= b , x >= 0} c = (c1... cn)
bT = (b1.....

bm)

Estructura de un problema de programacin lineal. Primero haremos una consideracin de carcter general, vlida tanto para modelos no lineales como lineales: Naturaleza de los parmetros empleados en la construccin de los modelos. Los datos que caracterizan el problema, como son en un modelo de programacin lineal los valores asignados a los parmetros aij , bi y cj , derivan de observaciones reales y como tales estn sujetos, en general, a un cierto grado de incertidumbre. Linealidad del modelo. La naturalidad con que formulamos nuestro problema, en trminos de un programa lineal, se debe en buena medida, a la presencia de los dos ingredientes bsicos de la linealidad: proporcionalidad y superposicin. 1) Proporcionalidad: es apreciada en dos aspectos. Al decir que si se requieren aij horas de maquinaria i para producir una unidad de producto j, se requerirn a ijxj horas para producir xj unidades de producto j, y al establecer que si el beneficio asociado con la produccin de una unidad de j es cj , el beneficio de xj unidades es cj xj . Sin embargo, aunque esta afirmacin parece ser bastante razonable, hay dos observaciones que ilustrarn sus limitaciones: a) Problemas de la inversin inicial: como casi siempre la produccin de un determinado producto requiere de una inversin inicial, con lo cual, si ci es el beneficio unitario y xi el nmero de unidades producidas, el beneficio correspondiente a este nivel de produccin ser : 0 ci (xi) = -K + ci xi si xi > 0 si xi = 0

en que K(k>0) es el costo de la inversin. Si k=0, tenemos ci (xi) = ci xi como en el problema de programacin lineal, pero si k>0, la proporcionalidad ya no es vlida. El c i (xi) as definido tiene una discontinuidad en el origen.

b) Rendimientos de escala: en algunos casos el costo (o utilidad) puede estar asociado con el nivel de produccin de un determinado producto y por lo tanto, al no existir la proporcionalidad, no es posible formular el modelo directamente en trminos de una programacin lineal. 2) Superposicin: o aditividad, se refiere al hecho de que la suma de los recursos empleados por cada actividad es igual al uso total del recurso. O sea, el nmero total de horas de uso de la mquina i corresponde a la suma de las horas empleadas por cada producto en esta misma mquina durante su proceso de fabricacin. La aditividad implica que no se gana ni se pierde nada por la fabricacin simultnea de varios productos. Existe un mtodo computacional que no depende de la dimensin del problema para su funcionamiento. Este mtodo recibe el nombre de mtodo simplex. Mtodo simplex. Con l se puede resolver un problema de programacin lineal de cualquier dimensin. Es un algoritmo que salta de un vrtice, formado por la interseccin de las ecuaciones de restriccin, a otro, de manera que siempre aumente el valor de la funcin objetivo. El procedimiento a seguir en la solucin de un problema de programacin lineal es: 1) Formule el problema en un formato adecuado para la programacin lineal, usando ecuaciones de restriccin lineales y funcin objetivo lineal. 2) Introduzca las variables de holgura necesarias manteniendo siempre positivo el lado derecho de todas las ecuaciones. 3) Escoja una base inicial posible. Si todas las ecuaciones de restriccin son desigualdades del tipo menor que, se pueden usar las variables de holgura. 4) Manipule algebraicamente las ecuaciones de manera que la funcin objetivo quede expresada en funcin de las variables no bsicas. Esto determina el valor de la funcin objetivo para las variables en la base.

5) Examine la funcin objetivo y escoja la variable que tenga el mayor coeficiente positivo para introducirla en la base (en el caso de maximizacin). Si no hay coeficientes positivos, quiere decir que se ha alcanzado el ptimo. 6) Examine las ecuaciones de restriccin y escoja una para eliminar la variable que ser introducida en la base. El criterio a usar es que ninguno de los trminos del lado derecho se haga negativo. Esto es necesario para asegurar que todas las variables de la nueva base sean positivas. 7) Realice la misma eliminacin en la funcin objetivo para sacar la nueva variable perteneciente a la base. La funcin objetivo debe tener solamente variables que no estn en la base. Esto determina el nuevo valor de la base. 8) Repita los pasos 5, 6 y7 hasta que todos los coeficientes en la funcin objetivo a maximizar sean negativos.

Optimizacin en Chile

El GRUPO DE SISTEMAS EN AGRICULTURA est conformado por un grupo de docentes, investigadores y personal de extensin del Departamento de Zootecnia de la Facultad de Agronoma e Ingeniera Forestal de la Pontificia Universidad Catlica de Chile. Las reas de investigacin que se cubren estn vinculadas a la optimizacin de sistemas de produccin animal (aves, cerdos, bovinos, ovinos, peces, y otras especies pecuarias), a la evaluacin y desarrollo de procesos tendientes a disminuir el impacto ambiental negativo, a la gestin empresarial agropecuaria y agroindustrial y al desarrollo de procesos y productos agropecuarios y agroindustriales. Tambin existen una serie de proyectos para pesca y acuicultura los cuales ya fueron aprobados, uno de estos es el mostrado a continuacin: TTULO : Optimizacin del cultivo de salmondeos en Chile y disminucin de su impacto ambiental. DIRECTOR : Juan Carlos Uribe B. INSTITUCIN RESPONSABLE : Universidad de Los Lagos INSTITUCIONES PARTICIPANTES: *Empresa Pesquera Isla Grande *Soc. Alimentos martimos Avalon Ltda. *Piscicultora del Ro Bueno S.A. OBJETIVOS GENERALES Optimizar el cultivo de salmondeos en Chile: 1.- Optimizar los ciclos de cultivo de salmn coho mediante un aprovechamiento integral de nuestras ptimas condiciones ambientales. 2.- Optimizar la utilizacin de agua de los lagos.

3.- Disminuir la contaminacin ambiental que provoca la actividad. RESEA DEL PROYECTO Se pretende optimizar el uso de las condiciones ambientales favorables de nuestras aguas dulces en la produccin de smolt (estado de desarrollo en que el individuo migra desde los ros de origen al mar), para hacer posible un manejo completo de la poca y talla de esmoltificacin. Ello se realizar por un riguroso manejo de la temperatura de cultivo, aprovechando la estratificacin de la temperatura que existe en lagos de la zona sur austral de Chile. Se disear un sistema de succin que permita bombear agua del lago a diferentes profundidades, a estanques de cultivo de peces en tierra. Se propone la obtencin controlada de smolt de salmn coho, desde octubre hasta marzo. Paralelamente, se pretende evaluar la factibilidad del cultivo de smolt, utilizando aguas provenientes de napas subterrneas, de manera de incorporar un nuevo tipo de cuerpo de agua dulce al cultivo de peces, alternativo a lagos y esteros del sur de Chile. PRINCIPALES IMPACTOS Econmico-sociales: Aumentar la produccin nacional de salmones y truchas por la va de mejorar el aprovechamiento de la capacidad instalada desde un 70% actual hasta un 100% con proyecto. Ampliar el nmero de cuerpos de agua dulce aptos para el cultivo de salmondeos. Cientfico-tecnolgicos: Generacin de nuevas tecnologas en cultivo de smolt y disminucin de la contaminacin. Desarrollo de investigacin cientfica en fisiologa de peces. Institucionales: Refuerzo de la principal rea de desarrollo institucional de la Universidad de Los Lagos. Mejoramiento de la capacidad de investigacin y desarrollo. Mejoramiento de la vinculacin de la Universidad con el sector productivo y con instituciones extranjeras de excelencia.

Ambientales: Evaluacin de una forma de cultivo en agua dulce (con agua de napas subterrneas) que no utiliza los lagos y evita la contaminacin. Los afluentes se utilizaran para riego de cultivos agrcolas, donde los nutrientes son aprovechados como fertilizante.

Bibliografa. Bruno Philippi. " Introduccin a la optimizacin de sistemas." Ediciones Universidad Catlica de Chile, 1988. Ralph Pike - Lautaro Guerra. "Optimizacin en Ingeniera." Ediciones Alfaomega, 1989. Fonpi21@sas.puc.cl