Examen de la Asignatura Optimizacin de Procesos

5 curso de Ingeniera Qumica Junio 2010

Tiempo: 3 h.



Problema 1

En un cierto proceso de produccin de una refinera representado en la Figura 1, dos
corrientes V
1
y V
2
que llevan azufre en porcentajes en peso del 3% y 1%
respectivamente se mezclan dando lugar a un producto intermedio. Los costos de los
productos que constituyen ambas corrientes son 6 y 16 /kg respectivamente. Esta
mezcla se calienta y se utiliza para hacer dos productos finales P
1
y P
2
en otros dos
sistemas de mezcla con una tercera corriente F que tiene un porcentaje de azufre del 2%
y cuyo costo es de 10 /kg. El primero de estos productos de mezcla final, P
1
, se desea
que tenga una composicin mxima del 2.5% de azufre y se espera una mxima
demanda de 100 kg/h del mismo, mientras que P
2
se desea que no tenga azufre en un
porcentaje superior al 1.5% y se espera que su mxima demanda sea inferior a 200
Kg/h. Se sabe que P
1
y P
2
se venden respectivamente a 9 y 10 /kg y los costes de
calentamiento se estiman en 1 /(Kg/h)h. Se desea saber como operar el proceso de
forma que se maximice el beneficio diario.

Mezcla
V
1
V
2
F
P
1
P
2


Figura 1


1 Formular un problema como uno de optimizacin.
2 Cuantas y cuales son las variables de decisin de este problema?
3 Decir que tipo de problema resulta, indicar los mtodos que seran adecuados para
resolverlo y seleccionar uno razonando la seleccin.
4 Podran obtenerse soluciones distintas si el mtodo escogido funciona bien?




Problema 2

Una planta qumica dispone de tres reactores continuos cada uno de un modelo R1, R2
y R3 con los que puede fabricarse un cierto producto A. Otras partes de la planta
requieren cantidades variables de A lo largo del da de acuerdo a la siguiente tabla 1:

Tabla 1
Periodo Horas comienzo/ fin Cantidad
Maana 8 am a 2 pm 900 kg/h
Tarde 2 pm a 10 pm 1200 kg/h
Noche 10 pm a 8 am 500 kg/h

Cada tipo de reactor puede trabajar entre un mximo y un mnimo de acuerdo a los
valores reflejados en la tabla 2, con unos costes de operacin tambin reflejados en la
misma. Si un reactor est parado tiene unos costes asociados de mantenimiento y otros
de puesta en marcha cuando se le arranca.

Tabla 2
Tipo
reactor
Capacidad
mnima Kg/h
Capacidad
mxima
Kg/h
Coste
operacin
/kg
Coste de
mantenimiento
parado /h
Coste de
puesta en
marcha
R1 200 850 20 2 200
R2 125 175 13 4 100
R3 150 400 30 3 50

Qu reactores y con qu produccin deberan estar trabajando en cada periodo del da
para minimizar los costos de produccin diarios? La produccin es continua.

1 Formular el problema como uno de optimizacin.
2 Qu tipo de problema resulta?
3 Cuantas y cuales son las variables de decisin?
4 Qu mtodos de solucin conoces para este problema?
Examen de la Asignatura Optimizacin de Procesos

5 curso de Ingeniera Qumica Junio 2010


Tiempo: 1 h.


Cuestiones

1) Dado el problema:


0 x
2 x 2 x
40 ) x exp( 12 ) x log( x 4
: a sujeto
x x x x 7 x max
2
2 1
1 2 1
2
2 2 1 2
2
1
>
s
s +
+
x


Es convexo? Razonar la respuesta

2) Cual es el fundamento de los mtodos tipo GRG de optimizacin?

3) Escribir las condiciones de Karush-Kuhn-Tucker para el problema:

0 x , 0 x
5 . 0 x ) x sin(
3 e x x
) x x log( 10 x min
2 1
2 1
x
2 1
2 1 1
1
> >
= +
s +
+

4) Que podras decir sobre el problema del ejercicio 1) si el valor del multiplicador de
Lagrange asociado a la ecuacin x
1
2x
2
s 2 valiera 3.

5) Suponiendo que solo dispones de un software de optimizacin que implementa el
mtodo de Newton-Raphson, Podras resolver con el problema del apartado 3)? En
caso de respuesta afirmativa, que haras para ello?
Problema 1
Mezcla
V
1
V
2
F
P
1
P
2
c
2
V
x
F
1
F
2
Q
1
Q
2
c
1
3%
1%
6/kg
16/kg
10 /kg 2%
2.5%
100 kg/h
9 /kg
1.5%
200 kg/h
10 /kg
1 /kg/h


V
1
, V
2
, V, F, F
1
, F
2,
, Q
1
, Q
2
, P
1
, P
2
caudales
x, c
1
, c
2
concentraciones de azufre

Se trata de determinar los caudales y las concentraciones de azufre x, c
1
, c
2
que
maximizan el beneficio diario:

24 V ) F 10 V 16 V 6 P 10 P 9 ( 24 max
2 1 2 1
+


Las variables de decisin son las anteriores, 13, y estn sujetas a las restricciones:

Balances de masa:

2 2 2 2
2 2 1 1
2 1
2 2 2
2 1
1 1 1
2 1
2 1
F 02 . 0 x Q c P
F 02 . 0 x Q c P
V 01 . 0 V 03 . 0 Vx
F Q P
F F F
F Q P
Q Q V
V V V
+ =
+ =
+ =
+ =
+ =
+ =
+ =
+ =


025 . 0 c 0
015 . 0 c 0
200 P 0
100 P 0
2
1
2
1
s s
s s
s s
s s


Problema NLP no convexo luego puede tener mnimos locales

Problema 2

Definimos:
i tipo de reactor (R1, R2, R3)
j periodo de trabajo (maana, tarde, noche)

F
ij
produccin del reactor i en el periodo j
M
i
mxima produccin del reactor i
m
i
mnima produccin del reactor i si trabaja
y
ij
=1 si el reactor i trabaja en el periodo j
D
j
demanda en el periodo j
d
j
duracin de la etapa
B
i
costos de mantenimiento del reactor i parado
P
i
costos de puesta en marcha del reactor i
C
i
costos de operacin del reactor i



Se trata de minimizar los costos: de produccin de los reactores que funcionan, ms los
de mantenimiento de los que estn parados y de los que han arrancado en ese periodo.

3 i 0 i
3
1 i
1 j , i ij i j i ij ij j i
3
1 j
y , F
y y
)) y y ( , 0 max( P d B ) y 1 ( F d C min
ij ij
=
+ +

=

=



Se debe cubrir la demanda de cada periodo

3 , 2 , 1 j D F
3
1 i
j ij
= >

=


La produccin de cada reactor debe estar dentro de lmites y ser cero si no funciona



3 , 2 , 1 j 3 , 2 , 1 i M y F m y
i ij ij i ij
= = s s

Cuestiones

1)

0 x
2 x 2 x
40 ) x exp( 12 ) x log( x 4
: a sujeto
x x x x 7 x max
2
2 1
1 2 1
2
2 2 1 2
2
1
>
s
s +
+
x


La funcin de costo puede escribirse como:

( )
2
2
1
2 1
x 7
x
x
1 5 . 0
5 . 0 1
x x
|
|
.
|

\
|
|
.
|

\
|

La convexidad de la funcin de coste viene dada por el carcter de

|
.
|

\
|

1 5 . 0
5 . 0 1

Que es positiva definida, por lo que la funcin es convexa.

Sin embargo, las restricciones no forman un conjunto convexo porque el trmino
exp(-|x
1
|) no lo es, luego no podemos decir que sea un problema convexo.




3)
Las condiciones KKT para

0 x , 0 x
5 . 0 x ) x sin(
3 e x x
) x x log( 10 x min
2 1
2 1
x
2 1
2 1 1
1
> >
= +
s +
+

son

0 x , 0 x
5 . 0 x ) x sin(
3 e x x
0 x
0 x
0 ) 3 e x x (
0 e
x
10
x
L
0 ) e x 1 ( ) x cos(
x
10
1
x
L
x x ) 3 e x x (
) 5 . 0 x ) x (sin( ) x x log( 10 x L
2 1
2 1
x
2 1
2 3
1 2
x
2 1 1
3
x
1
2 2
2
x
2 1 1
1 1
2 3 1 2
x
2 1 1
2 1 2 1 1
1
1
1
1
1
> >
= +
s +
=
=
= +
= + + =
c
c
= + + + =
c
c
+ +
+ + + + =