Modelado matemático

1.1 Introducción al modelado

El modelo matemático de un proceso consiste en una serie de relaciones que se
establecen por cada equipo que forma parte del sistema. Es posible establecer que en
general para cada equipo un modelo consiste de una combinación de las siguientes
expresiones:
 Balance de cantidad de movimiento
 Balance de materia
 Balance de energía
 Ecuaciones de diseño
 Relaciones termodinámicas y cinéticas
 Especificación de algunas variables o restricciones particulares
Las ecuaciones básicas de balance de materia y energía se establecen en estado
estacionario para fines de diseño, o en estado no estacionario para estudios dinámicos
y de control.
El modelo resultante consiste típicamente de un sistema de ecuaciones acopladas y
no lineales, cuya solución puede ser directa para un equipo simple, o bastante
complicada para un proceso completo. La solución numérica del modelo del proceso
requiere procedimientos iterativos para su solución, por lo que es importante
seleccionar adecuadamente las variables que deben suponerse (variables de diseño)
con el fin de hacer más eficiente la solución del problema.

1.2 Modelos matemáticos

Se utilizan tres tipos de modelos básicos en estudios de optimización:
1. Fenomenológicos basados en modelos orientados a ecuaciones
2. Modelos de superficie de respuesta
3. Procedimientos o modelos orientados a simulación
Los modelos fenomenológicos se componen de las ecuaciones básicas de balance
de materiales y de la energía de equilibrio, las relaciones de diseño de ingeniería y
propiedades ecuaciones físicas, todos se pueden agrupar en conjuntos de
ecuaciones explícitas o desigualdades.
Las ecuaciones deben ser las funciones reales que pueden ser evaluados por los
valores seleccionados de las variables independientes.
Las ecuaciones podrían involucrar operadores integrales o diferenciales. Sin embargo,
en la práctica es generalmente mejor para eliminar los términos de búsqueda de
fórmulas de cuadratura o aproximaciones a fin de dar lugar a las funciones del modelo
puramente algebraicas.

2
Debido a que los modelos orientados a ecuaciones describen el comportamiento del
sistema en el nivel de los principios básicos de ingeniería.
En un modelo de superficie de respuesta, todo el sistema o sus componentes están
representados mediante la aproximación de ecuaciones derivadas para ajustar los
coeficientes a las formas de ecuaciones seleccionadas utilizando directa o
indirectamente, los datos de respuesta del sistema de medición. Las ecuaciones
típicas de aproximación son la función de correlación lineal y la función cuadrática con
o sin términos de correlación cruzada. Se utilizan esos modelos si la respuesta del
sistema es poco conocida o demasiado compleja para permitir el modelado detallado
de los principios básicos de la ingeniería. Debido a que son en esencia las
correlaciones, los modelos de superficie de respuesta suelen ser válidas sólo en
rangos limitados de las variables del sistema. Sin embargo, tienen la ventaja de una
estructura simplificada.
Las ecuaciones básicas que describen el comportamiento del sistema se agrupan en
módulos o subprogramas separados que representan una pieza particular del equipo
o de la colección de actividades asociadas con un cambio en el estado del sistema.
Cada uno de estos modelos o subrutinas suele ser una entidad autónoma que puede
implicar procedimientos internos numéricos como: resolución de ecuaciones,
integración, o procedimientos de ramificación lógicas.
Los modelos orientados a simulación se utilizan cuando la evaluación de las
ecuaciones es compleja, ya que involucra las variables determinadas implícitamente;
cuando la selección de un bloque lógico del procedimiento de cálculo o ecuaciones
apropiadas está sujeta al estado del sistema; y cuando el modelo debe incluir
elementos estocásticos que requieren técnicas de muestreo de Monte Carlo. Los
modelos de este tipo son en general mucho más complejos que los dos tipos anteriores
y por lo general son mucho más exigentes de los recursos informáticos.

Desarrollo de modelos matemáticos

2.1 Fases en el desarrollo de un modelo matemático
Un problema adecuado para la aplicación de métodos de optimización consiste en una
medida de rendimiento, un conjunto de variables independientes, y un conjunto de
restricciones de igualdad y desigualdad que constituye el modelo del sistema en
estudio. La definición y la formulación de un modelo que representa el sistema real es
el paso más importante en la realización de un estudio de optimización, ya que dictará
si la solución obtenida será físicamente significativo y realizable.
El proceso de optimización a través de un modelo puede considerarse como una ruta
alternativa que permite que el óptimo del sistema real sea encontrado sin experimentar
directamente con el sistema real.
Para la formulación del modelo es necesario seleccionar los aspectos significativos del
sistema que debe ser incluido y los de importancia secundaria que puede ser ignorada;
identificar los supuestos que se pueden hacer; y para elegir la forma en la que será

3
echado el modelo, el nivel de detalle del modelo, y la manera en que se genera el
modelo.
Un modelo que involucra funciones no lineales es preferible a un modelo que implica
funciones lineales sólo si representa el sistema real con mayor precisión. La propia
exactitud a menudo no puede ser evaluada con precisión, y por lo tanto la selección
entre los modelos puede implicar un considerable grado de subjetividad.
Un modelo puede ser más preciso que una formulación competitiva sobre una
subregión, pero menos preciso con otra subregión. En este caso, se puede también
elegir un modelo con menor precisión en general, ya que es más preciso en una
subregión crítica. En otros casos, puede, de hecho, ni siquiera será posible evaluar de
antemano la precisión del modelo completo, sino sólo la de algunos de sus ecuaciones
constitutivas.
Dado que los costos de desarrollo de modelos aumentan drásticamente con el nivel
de detalle del modelo, es necesario usar mucho criterio para seleccionar el nivel que
sea apropiado para los objetivos del estudio y en consonancia con la calidad de la
información disponible sobre el sistema. Es poco factible desarrollar un modelo
dinámico detallado de una operación de la planta si un modelo general de entrada-
salida es suficiente. Por otra parte, es inútil desarrollar un modelo complejo cuando los
datos disponibles para evaluar los coeficientes del modelo son escasos y poco fiables.
Por otra parte, ya que es el modelo el que se ha optimizado y no el sistema real, no
tiene sentido llevar a cabo un estudio de optimización con un modelo simplista que no
se aproximará adecuadamente el óptimo verdadero del sistema.

Principios básicos de optimización

3.1 Introducción a la optimización
Para optimizar un sistema se debe establecer una función objetivo, la cual trata de
maximizar algún tipo de beneficios o salidas de sistema, o de minimizar algún tipo de
costos o entradas al proceso. Relaciones adicionales en forma de balances de materia,
balances de energía, ecuaciones de diseño y estipulación de algunas variables
constituyen restricciones bajo las cuales la búsqueda se va a llevar a cabo .
Si existe un solo grado de libertad, se tiene un caso de optimización de una sola varible,
si existen varios grados de libertad, entonces la optimización se conoce como
multivariable. El tipo de relaciones que definen la función objetivo y las restricciones
del sistema sirven también para clasificar el problema. Si todas las relaciones son
lineales (y todas las variables son continuas), se tiene un problema de programación
lineal; en caso de no cumplirse lo anterior se tiene un problema de programación no
lineal. Si alguna de las variables es discreta, es decir, que solo puede tomar valores
enteros entonces se tiene un problema de programación entera, si todas las varibales
de programación son enteras, o de programación mixta entera si algunas variables son

4
continuas y otras son enteras. Estos tipos de formulaciones pueden ser lineales o no
lineales, dependiendo de las relaciones matemáticas que se estipulan.