Periodo académico 2019-1S
| Actividad | Grupo | Periodos | Horarios | Aula | Profesor/Tutor |
|---|
No existen datos de grupos de esta asignatura, en este plan de estudios.
La optimización es una herramienta clave para la toma de decisiones en ingeniería química. Ésta ha evolucionado desde una metodología de interés académico hasta una tecnología que continúa teniendo un impacto significativo en la práctica e investigación en ingeniería. Los algoritmos de optimización son herramientas fundamentales en áreas como el diseño de experimentos, síntesis y análisis de procesos, modelos de control predictivo, optimización en tiempo real y planeación, programación e integración de operaciones de procesos dentro de la cadena de suministros.
El curso busca introducir al estudiante a las principales técnicas y métodos (componente teórico), así como al uso de las principales herramientas computacionales (componente práctico) en la optimización de procesos químicos. La primera parte del curso hace una revisión de métodos numéricos que servirán para contextualizar de mejor manera los temas relacionados con métodos de optimización. Posteriormente el curso hace énfasis en la formulación del problema de optimización (función objetivo y restricciones), para luego dar a conocer a los estudiantes los diferentes tipos de problemas de optimización y los métodos más apropiados para la solución de los mismos. Todos los ejemplos y ejercicios de clase estarán enfocados a la aplicación de los conceptos de optimización a problemas propios de la ingeniería química.
REVISIÓN DE MÉTODOS NUMÉRICOS
Conceptos básicos
Principales métodos
Principales métodos y aplicaciones
Taller Computacional: Excel
Primer Examen Parcial
FORMULACIÓN DE UN PROBLEMA DE OPTIMIZACIÓN
Naturaleza del problema de optimización
Desarrollo de modelos para optimización
Formulación de la función objetivo
Taller Computacional: Excel
Taller Computacional: Aspen Plus
Segundo Examen Parcial
OPTIMIZACIÓN: TEORÍA Y MÉTODOS
Conceptos básicos de optimización
Presentación de la propuesta del proyecto
Optimización univariada sin restricciones
Optimización multivariable sin restricciones
Programación lineal y aplicaciones
Taller Computacional: GAMS
Programación no lineal con restricciones
Presentación de avance del proyecto
Taller Computacional: GAMS
Taller Computacional: GAMS
Tercer Examen Parcial
Programación mixta entera
Programación mixta entera
Taller Computacional: GAMS
Entrega y defensa del proyecto
La evaluación se debe pensar como una ocasión que el estudiante tiene de aprender y de saber cuánto ha aprendido y qué problemas tiene para continuar aprendiendo y una ocasión que el profesor o docente tiene para conocer a sus estudiantes y para organizar el trabajo de la enseñanza a partir de ese conocimiento. Esta estrategia logra conocer los saberes y expectativas de los estudiantes y, a partir de ese conocimiento, organizar el trabajo del profesor. Esto incorporará a la evaluación, el proceso de crecimiento del estudiante y permitirá la retroalimentación constante y con eso garantizar el aprendizaje del conocimiento.
[1] B. A. Finlayson, L. T. Biegler, and I. E. Grossmann, “Mathematics in
Chemical Engineering,” in Ullmann’s Encyclopedia of Industrial Chemistry,
Wiley-VCH Verlag GmbH & Co. KGaA, 2000.
[2] N. J. Scenna, Modelado Simulacion Y Optimizacion De Procesos
Quimicos, Primera edición. 1999.
[3] A. Constantinides and N. Mostoufi, Numerical Methods for Chemical
Engineers with MATLAB Applications, HAR/CDR edition. Upper Saddle River, N.J:
Prentice Hall, 1999.
[4] T. F. Edgar, D. M. Himmelblau, and L. S. Lasdon, Optimization of
chemical processes. McGraw-Hill, 2001.
[5] J. A. Caballero and I. E. Grossman, “Una Revisión del Estado del
Arte en Optimización,” Rev. Iberoam. Automática E Informática Indstrial RIAI,
vol. 4, pp. 5–23, 2007.
[6] J. Kallrath, “Mixed Integer Optimization in the Chemical Process
Industry: Experience, Potential and Future Perspectives,” Chem. Eng. Res.
Des., vol. 78, no. 6, pp. 809–822, Sep. 2000.
[7] L. T. Biegler and I. E. Grossmann, “Retrospective on optimization,”
Comput. Chem. Eng., vol. 28, no. 8, pp. 1169–1192, Jul. 2004.
[8] I. E. Grossmann and L. T. Biegler, “Part II. Future perspective on
optimization,” Comput. Chem. Eng., vol. 28, no. 8, pp. 1193–1218, Jul. 2004.