PRÁCTICA 3: MODELADO Y
OPTIMIZACIÓN DE PROCESOS.
PROGRAMACIÓN NO LINEAL SIN
RESTRICCIONES.
Optimización de Procesos (IILI04063)
Responsable del curso: Dr. Fernando Israel Gómez Castro
Integrantes:
HERNANDEZ RODRIGUEZ RICARDO DANIEL.
DE LA ROSA RODRIGUEZ CARLOS EDUARDO.
ROBLEDO ACOSTA PERLA GALILEA
Fecha de entrega: 06 de octubre de 2020
TOTAL: 8.85
INTRODUCCIÓN
Uno de los principales campos de la programación no lineal es el de la optimización no
restringida u optimización libre, que trata el problema de minimizar o maximizar una función en
ausencia de cualquier restricción. Considerando el caso de maximizar una función diferenciable
de una variable cóncava (𝑓′′(𝑥 ∗ ) < 0) no sujeta a ninguna restricción. Recordemos el resultado
de Análisis Matemático que nos dice que 𝑥 ∗ es máximo global si y solo si:
𝑑𝑓(𝑥 ∗ )
=0
𝑑𝑥
Si se puede despejar 𝑥 ∗ de modo directo, el problema llega a su fin; pero si f(x) no es una función
sencilla y su derivada no es una función lineal o cuadrática, tal vez sea imposible resolver la
ecuación analítica. De ser así, existe una cantidad de procedimientos de búsqueda para resolver
el problema en forma numérica. El enfoque con cualquiera de estos procedimientos de búsqueda
implica encontrar una serie de ensayos de solución que conduzcan hacia una solución óptima.
En cada iteración se comienza con la solución de prueba actual para llevar a cabo una búsqueda
sistemática, que culmina con la identificación de una nueva solución de prueba mejorada. El
procedimiento continúa hasta que la solución de prueba haya convergido hacia una solución
óptima, en caso de que exista una.
Existen métodos de búsqueda del valor óptimo de una función f(x) que pueden ser aplicados
para funciones de una o varias variables, usando derivadas o sin usarlas. Dichos métodos para
funciones diferenciables de una variable cóncava se resumen en la siguiente tabla:
Tabla 1. Metodología de métodos de funciones diferenciables de una o varias variables.
MÉTODO DE BISECCIÓN.
1. Seleccionar una tolerancia 𝜖 ≈ 0. Encontrar 𝑥 𝑦 𝑥 por inspección, ubicar un valor con
derivada positiva y otro con derivada negativa. Seleccionar una solución de prueba
𝑥+ 𝑥
inicial intermedia 𝑥 (0) ≔ 2
, 𝑖 ≔ 0.
𝑑𝑓(𝑥 𝑖 )
2. Avanzar 𝑖 ≔ 𝑖 + 1. Evaluar 𝑑𝑥
. Si es positivo, redefinir 𝑥 ∶= 𝑥 𝑖 . Si es negativo,
𝑥+ 𝑥
redefinir 𝑥 ∶= 𝑥 𝑖 . Seleccionar una nueva solución intermedia: 𝑥 (𝑖) ≔ 2
.
∗ 𝑖
3. Si 𝑥 − 𝑥 ≤ 2𝜖, parar, 𝑥 ≈ 𝑥 . Si no, ir al paso anterior.
MÉTODO DE NEWTON.
1. Seleccionar una tolerancia 𝜖 ≈ 0. Encontrar por inspección una solución de prueba
inicial, 𝑖 = 0.
𝑑𝑓(𝑥 𝑖 ) 𝑑 2 𝑓(𝑥 𝑖 ) 𝑓′ (𝑥 (𝑖) )
2. Evaluar 𝑦 . Redefinir una nueva solución: 𝑥 𝑖+1 ≔ 𝑥 (𝑖) − 𝑓′′ .
𝑑𝑥 𝑑𝑥 2 (𝑥 (𝑖) )
(𝑖+1) (𝑖) ∗ (𝑖+1)
3. Si |𝑥 − 𝑥 | ≤ 𝜖, 𝑝𝑎𝑟𝑎𝑟, 𝑥 ≈ 𝑥 . Si no, avanzar 𝑖 ≔ 𝑖 + 1, ir al paso anterior.
Consideremos ahora el caso de maximizar una función diferenciable de varias variables cóncava
no sujeta a ninguna restricción. Recordemos el resultado de Análisis Matemático que nos dice
que 𝑥 ∗ es máximo global si y solo si:
∗)
𝜕𝑓(𝑥 ∗ ) 𝜕𝑓(𝑥 ∗ ) 𝜕𝑓(𝑥 ∗ )
∇𝑓(𝑥 =( , ,⋯, ) = (0,0, ⋯ ,0)
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
Supongamos que el sistema no se puede resolver en forma analítica, por lo que debe emplearse
un procedimiento de búsqueda numérico. Igual que en el caso de una variable, existen varios
procedimientos de búsqueda para resolver este tipo de problema en forma numérica. Uno de
éstos, el Método de búsqueda del gradiente, es muy importante porque identifica y utiliza la
dirección de movimiento, desde la solución de prueba actual, que maximiza la tasa a la cual se
incrementa f(x). Ésta es una de las ideas clave de la programación no lineal. Las adaptaciones
de esta idea para tomar en cuenta las restricciones también son una característica central de
muchos algoritmos que se utilizan para llevar a cabo una optimización restringida.
Tabla 2. Metodología para búsqueda del gradiente.
MÉTODO DE BÚSQUEDA DEL GRADIENTE
1. Seleccionar una tolerancia 𝜖 ≈ 0. Encontrar por inspección una solución de prueba
inicial 𝑥 ∗ . Ir al Criterio de parada.
2. Paso Iterativo. Consta de tres fases:
i. Expresar 𝑓(𝑥 ∗ + 𝑡∇𝑓(𝑥 ∗ )) como función de t al establecer:
𝜕𝑓(𝑥 ∗ )
𝑥𝑗 = 𝑥𝑗∗ + 𝑡 , ∀𝑗 = 1,2, … , 𝑛
𝜕𝑥𝑗
y sustituir estas expresiones en 𝑓(𝑥).
ii. Utilizar el procedimiento de búsqueda en una dimensión para encontrar
𝑡 = 𝑡 ∗ que maximice 𝑓(𝑥 ∗ + 𝑡∇𝑓(𝑥 ∗ )) para 𝑡 ≥ 0.
iii. Establecer 𝑥 ∗ ≔ 𝑥 ∗ + 𝑡 ∗ ∇𝑓(𝑥 ∗ ). Ir al criterio de parada.
𝜕𝑓(𝑥 ∗ )
3. Criterio de parada. Evaluar ∇𝑓(𝑥 ∗ ). Si | 𝜕𝑥𝑗
| ≤ 𝜖, ∀𝑗 = 1,2, … , 𝑛, parar, la aproximación
a la solución óptima es 𝑥 ∗ . Si no, ir al paso anterior.
La versión general del método de Newton está diseñada para resolver problemas de
optimización restringida con variables múltiples. La idea básica es la misma, es decir, se trabaja
con una aproximación cuadrática de la función objetivo f(x), donde, en este caso, 𝑥 =
(𝑥1, 𝑥2, . . . , 𝑥𝑛). Esta función cuadrática de aproximación se obtiene al truncar la serie de Taylor
alrededor de la solución de prueba actual después del término de la segunda derivada. Después,
esta función aproximada se maximiza (o minimiza) exactamente para obtener la nueva solución
de prueba para iniciar la siguiente iteración. Cuando la función objetivo es cóncava y tanto la
solución de prueba actual x como su gradiente 𝛻𝑓(𝑥) se escriben como vectores columna, la
solución 𝑥 ∗ que maximiza la función cuadrática de aproximación tiene la forma:
𝑥 ∗ = 𝑥 − [∇2 𝑓(𝑥)]−1 ∇𝑓(𝑥)
donde [𝛻 2 𝑓(𝑥)]−1 es la inversa de esta matriz hessiana. Los algoritmos de programación no
lineal que emplean el método de Newton (incluso aquellos que lo adaptan para ayudar a tratar
con problemas de optimización restringida) por lo general aproximan el inverso de la función
hessiana de varias maneras. Estas aproximaciones del método de Newton son conocidas como
métodos cuasi-Newton (o métodos métricos variables).
El objetivo de esta práctica es el estudio de este tipo de optimización sin restricciones por medio
de los diferentes resolvedores que nos proporciona GAMS, siendo en este caso CONOPT Vs
BARON, para los problemas de programación no lineal. El problema expuesto en esta práctica
nos ayudará a detalle en la mejor resolución de la obtención del óptimo global por medio de
estos resolvedores, ya que aplican diferentes métodos de busqueda y con ello tendremos
valores diferentes, pero esperando que se tengan similares para cada uno de ellos.
UNIVERSIDAD DE GUANAJUATO
DIVISIÓN DE CIENCIAS NATURALES Y EXACTAS
Materia: Optimización de Procesos (IILI04063)
Responsable del curso: Dr. Fernando Israel Gómez Castro
Fecha de Entrega: 06 de octubre de 2020
Práctica 3: Modelado y Optimización de Procesos. Programación no lineal sin
restricciones.
1.- Se han desarrollado estudios para la producción de biodiésel con metil acetato a
condiciones supercríticas, obteniendo el siguiente modelo para predecir el rendimiento a
biodiésel (Tan et al., 2010):
𝑌 = 77.48 + 20.94𝑥1 − 2.19𝑥2 + 10.44𝑥3 − 5.01𝑥12 − 2.89𝑥22 − 3.39𝑥32 − 1.88𝑥1 𝑥2 + 1.87𝑥1 𝑥3 − 0.13𝑥2 𝑥3
donde 𝑥1 , 𝑥2 𝑦 𝑥3 son variables normalizadas, asociadas con la temperatura de reacción (T),
la relación molar metil acetato/aceite (RM) y el tiempo de reacción (t), respectivamente.
Dicha relación está dada por las siguientes expresiones:
𝑇(°𝐶) − 380
𝑥1 =
20
𝑚𝑜𝑙
𝑅𝑀 ( ) − 40
𝑥2 = 𝑚𝑜𝑙
10
𝑡(𝑚𝑖𝑛) − 45
𝑥3 =
15
De acuerdo con el diseño de experimentos reportado, 340 ≤ 𝑇 ≤ 420, 20 ≤ 𝑅𝑀 ≤ 60 y 15 ≤
𝑡 ≤ 75. Codifique el problema de optimización en GAMS para determinar las condiciones
bajo las cuales se obtiene el mayor rendimiento. Resuelva empleando el resolvedor
CONOPT, y posteriormente con el resolvedor BARON, comparando las soluciones
obtenidas.
METODOLOGÍA GENERAL.
PLANTEAMIENTO DEL PROBLEMA.
Este ejercicio está caracterizado por proporcionarnos el modelo que predice el rendimiento del
biodiésel.
𝑌 = 77.48 + 20.94𝑥1 − 2.19𝑥2 + 10.44𝑥3 − 5.01𝑥12 − 2.89𝑥22 − 3.39𝑥32 − 1.88𝑥1 𝑥2 + 1.87𝑥1 𝑥3 − 0.13𝑥2 𝑥3
También nos proporciona 3 ecuaciones donde están involucradas 3 variables normalizadas, que
se asocian con la temperatura de reacción (Z), la relación molar (RM) y el tiempo de reacción
(t).
𝑍(°𝐶) − 380
𝑥1 =
20
𝑚𝑜𝑙
𝑅𝑀 ( ) − 40
𝑥2 = 𝑚𝑜𝑙
10
𝑡(𝑚𝑖𝑛) − 45
𝑥3 =
15
Estas ecuaciones las podemos establecer en GAMS como ecuaciones de restricción, es
importante cambiar una variable T/t ya que el programa GAMS reconoce estas variables como
iguales, si esto no se hace el ejercicio corre con errores de compilación y eso ocasiona que la
solución no se la óptima.
Por último también contamos con los limites superiores e inferiores de la temperatura de
reacción, la relación molar y el tiempo de reacción.
340 ≤ 𝑍 ≤ 420
20 ≤ 𝑅𝑀 ≤ 60
15 ≤ 𝑡 ≤ 75
El ejercicio nos pide que encontremos las condiciones bajo las cuales se obtiene el mayor
rendimiento, por lo cual usamos el modelo nlp maximizing.
COMPARACIÓN CONOPT VS BARON
RESULTADOS
Resultados con CONOPT
RM 40 mol/mol
Z=T 400 °C
t 60 min
X1 1
X2 0
X3 1
Rendimiento óptimo (Max fobj) 102.33
Resultados con BARON
RM 40 mol/mol
Z=T 400 °C
t 60 min
X1 1
X2 0
X3 1
Rendimiento óptimo (Max fobj) 102.33
2.- El costo del petróleo refinado al enviarse vía marítima desde el Estrecho de Malaca
hasta Japón en dólares por kilolitro ha sido modelado (Uchiyama, 1968) como la suma lineal
de los costos del petróleo crudo, el seguro, aduana, costos de carga y descarga, costos de
tubería submarina, costo de almacenamiento, costo del área del tanque, costo de refinación
y costo de carga del producto, como se presenta a continuación:
2.09 × 104 𝑡 −0.3017 1.064 × 106 𝑎𝑡 0.4925 4.242 × 104 𝑎𝑡 0.7952 + 1.813𝑖𝑝(𝑛𝑡 + 1.2𝑞)0.861
𝑐 = 𝑐𝑐 + 𝑐𝑖 + 𝑐𝑥 + + +
360 52.47𝑞(360) 52.47𝑞(360)
4.25 × 103 𝑎(𝑛𝑡 + 1.2𝑞) 5.042 × 103 𝑞 −0.1899 0.1049𝑞 0.671
+ + +
52.47𝑞(360) 360 360
Donde:
𝒂 = cargos fijos anuales (0.20)
𝒄𝒄 = precio del petróleo crudo, USD/kL (12.50)
𝒄𝒊 = costo de seguro, USD/kL (0.50)
𝒄𝒙 = costo de aduana, USD/kL (0.90)
𝒊 = interés (0.10)
𝒏 = número de puertos (2)
𝒑 = precio de terreno, USD/m2 (7000)
𝒒 = capacidad de la refinería, bbl/día
𝒕 = tamaño del petrolero, kL
a) Considerando los valores dados entre paréntesis, determine el costo mínimo del
petróleo refinado, así como el tamaño óptimo del petrolero y la capacidad óptima de
la refinería, si el tamaño máximo que puede tener el petrolero corresponde a
300,000 kL.
b) Resuelva y analice los resultados si el precio del petróleo crudo se reduce en un 8%
del precio original.
c) Resuelva y analice los resultados si el precio del petróleo crudo aumenta un 12%
del precio original. Desarrolle y encuentre la solución para cada caso empleado el
resolvedor global BARON.
PLANTEAMIENTO DEL PROBLEMA.
Al igual que en el ejercicio anterior, nos proporcionan la ecuación que describe el
comportamiento del ejercicio ([Link]), este ejercicio se basa en el costo del petróleo al enviarse
por vía marítima de un punto a otro
2.09 × 104 𝑡 −0.3017 1.064 × 106 𝑎𝑡 0.4925 4.242 × 104 𝑎𝑡 0.7952 + 1.813𝑖𝑝(𝑛𝑡 + 1.2𝑞)0.861
𝑐 = 𝑐𝑐 + 𝑐𝑖 + 𝑐𝑥 + + +
360 52.47𝑞(360) 52.47𝑞(360)
4.25 × 103 𝑎(𝑛𝑡 + 1.2𝑞) 5.042 × 103 𝑞 −0.1899 0.1049𝑞 0.671
+ + +
52.47𝑞(360) 360 360
De misma forma nos proporciona los datos de cargos fijos, precio de petróleo crudo, costo de
seguros, costo de aduana, interés, número de puertos, capacidad de refinería y tamaño del
petróleo. (variables involucradas en la función objetivo)
𝒂 = 𝑐𝑎𝑟𝑔𝑜𝑠 𝑓𝑖𝑗𝑜𝑠 𝑎𝑛𝑢𝑎𝑙𝑒𝑠 = 0.20
𝑈𝑆𝐷
𝒄𝒄 = 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑒𝑡𝑟ó𝑙𝑒𝑜 𝑐𝑟𝑢𝑑𝑜 = 12.50
𝑘𝐿
𝑈𝑆𝐷
𝒄𝒊 = 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑠𝑒𝑔𝑢𝑟𝑜 = 0.50
𝑘𝐿
𝑈𝑆𝐷
𝒄𝒙 = 𝑐𝑜𝑠𝑡𝑜 𝑑𝑒 𝑎𝑑𝑢𝑎𝑛𝑎, = 0.90
𝑘𝐿
𝑖 = 𝑖𝑛𝑡𝑒𝑟é𝑠 = 0.10
𝒏 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑢𝑒𝑟𝑡𝑜𝑠 = 2
𝒑 = 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒 𝑡𝑒𝑟𝑟𝑒𝑛𝑜 = 7000 𝑈𝑆𝐷/𝑚2
𝒒 = 𝑐𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑓𝑖𝑛𝑒𝑟í𝑎, 𝑏𝑏𝑙/𝑑í𝑎
𝒕 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 𝑝𝑒𝑡𝑟𝑜𝑙𝑒𝑟𝑜, 𝑘𝐿
Para el inciso a), se consideran los valores anteriores agregándole el valor superior a
𝒕 = 300,000 𝑘𝐿
Se usa el solve nlp minimizing para encontrar el costo mínimo del petróleo.
En el inciso b), se considera un aumento del 8% en el precio original, entonces lo único que se
modifica del código es la variable 𝒄𝒄 y quedaría de la siguiente manera.
𝑈𝑆𝐷
𝒄𝒄 = 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑒𝑡𝑟ó𝑙𝑒𝑜 𝑐𝑟𝑢𝑑𝑜 = 11.50
𝑘𝐿
En el inciso c), se considera un aumento del 12% en el precio original. entonces lo único que se
modifica del código es la variable 𝒄𝒄 y quedaría de la siguiente manera.
𝑈𝑆𝐷
𝒄𝒄 = 𝑝𝑟𝑒𝑐𝑖𝑜 𝑑𝑒𝑙 𝑝𝑒𝑡𝑟ó𝑙𝑒𝑜 𝑐𝑟𝑢𝑑𝑜 = 14.0
𝑘𝐿
RESULTADOS
Caso a
Costo mínimo del petróleo refinado (Min fobj) 17.907
Tamaño optimo del petróleo (t) 3x105 KL
Capacidad optima de la refinería (q) 1.5458x105 bbl/dia
Caso b. El precio del petróleo crudo reduce 8%
Costo mínimo del petróleo refinado (Min fobj) 16.907
Tamaño optimo del petróleo (t) 3x105 KL
Capacidad optima de la refinería (q) 1.5458x105 bbl/día
Caso c. El precio del petróleo crudo aumenta un 12%
Costo mínimo del petróleo refinado (Min fobj) 19.407
Tamaño optimo del petróleo (t) 3x105 KL
Capacidad optima de la refinería (q) 1.5458x105 bbl/día
ANÁLISIS DE RESULTADOS
En el primer problema, el resultado de la comparación entre la solución con CONOPT y BARON
nos arroja una optimización con los mismos valores.
Las características principales para cada solucionador son debido a que uno necesita limites
propuestos por los usuarios al momento de resolver el problema, como es el caso del
solucionador BARON.
La idea principal de que ambos resultados de los resolvedores sean idénticos es por la
convergencia que llegan, la cual es la misma, encontrándose el óptimo. Esto se debe a que el
solucionador BARON garantiza una convergencia y por lo tanto un óptimo global.
Para el caso de los resultados obtenidos del ejercicio 2 se tiene para los tres casos el mismo
tamaño optimo del petróleo y la misma capacidad optima de la refinería, llegando a la
observación que el óptimo del costo mínimo del petróleo refinado está en función del precio del
petróleo crudo, por lo tanto el que nos da un mejor optimo respecto al costo es cuando el precio
del petróleo crudo baja un 8% del valor.
OBSERVACIONES
En el programa del primer ejercicio, se observó un error al momento de compilar, el cual se
detectó al momento de observar que el programa GAMS no hace distinción entre mayúsculas y
minúsculas, por lo que se hizo un cambio de variable de T a Z como se observa en los
ejecutables y en la tabla de resultados.
CONCLUSIONES
En la presente práctica se dio dos casos particulares para el estudio de la programación no lineal
sin restricciones, llegando una mejor comprensión del tema. Se sabe, como se mencionó en un
principio, es que cada problema en particular tendrá un método de búsqueda más eficaz para
entrar su solución óptima. La ventaja de tener herramientas como estos
modelos/solucionadores, es que nos ahorran tiempo y esfuerzo al momento de evaluar, pero lo
importante es al momento de presentar todo en el código GAMS.
Como se presenta en el primer problema se tiene que hay valores similares para ambos
modelos/solucionadores, viendo la versatilidad de ellos para resolver nuestros problemas, pero
sin perder en cuenta que cada uno cumple con ciertas características a considerar al momento
de tener problemas de mayor magnitud. Al momento de plantear los problemas, se esperaba
desde un principio que nos dieran valores similares, o muy próximos uno con el otro, pero aquí
la ventaja es que se llegaron a valores similares, como se comentaba anteriormente.
Para el segundo problema, hubo una modificación de esta idea, ya que en algunos valores si
eran similares, pero en los demás óptimos variaba en algunas cantidades. Para este apartado
se llegó a la conclusión de que no es erróneo, ya que se tiene una tendencia similar en valores,
como en el caso anterior, pero en uno su variabilidad en la mínima, pero también difieren estos
valores en las condiciones iniciales que se proporcionan al momento de montar los ejecutables
para la resolución de este.
Se espera que, para futuros trabajos de este tema en específico, se tengan casos de estudios
donde se evalúen problemas de mayor magnitud, con el fin de observar la tendencia de
resultados al momento de encontrar el óptimo global.
REFERENCIAS
[1] Lic. Ramón Cantú Cuellar. (1996). Programación No Lineal. 4 Octubre 2020, de Universidad
Autónoma de Nuevo León Sitio web: [Link]
[2] Karen Bandala. (2010). 3.3 Tipos De Problemas De programación No Lineal. 4 Octubre 2020,
de WordPress Sitio web: [Link]
restringidos-programacion-no-lineal/
[3] María Merino Maestre. (2010). Técnicas Clásicas de Optimización. Parte I: Programación Lineal
y No Lineal. 04 Octubre 2020, de Facultad de Ciencia y Tecnología Departamento de
Matemática Aplicada y Estadística e Investigación Operativa Sitio web:
[Link]
REFERENCIAS RECOMENDADAS
Tan KT, Lee KT, Mohamed AR (2010). A glycerol-free process to produce biodiesel by supercritical
methyl acetate technology: An optimization study via Response Surface Methodology. Bioresource
Technol. 101(3): 965-969.
Uchiyama T (1968). Best size for refinery and tankers. Hydrocarbon Process. 47(12): 85-88.
ANEXO A. REPORTE DE ACTIVIDADES EN EQUIPO PRÁCTICA 3.
Universidad de Guanajuato
División De Ciencias Naturales Y Exactas
Optimización de procesos IILI04063
Responsables del curso: Fernando Israel Gómez Castro
Reporte de actividades correspondiente a PRÁCTICA 3.
Equipo.
Perla Galilea Robledo Acosta.
Ricardo Daniel Hernández Rodríguez.
Carlos Eduardo De la Rosa Rodríguez.
Reporte de actividades (Primera reunión)
Fecha Hora inicio Hora fin Tiempo total
01/10/2020 13:22 15:30 2 horas, 8min
Nombre del RICARDO DANIEL HERNANDEZ RODRIGUEZ.
líder
• Se distribuyeron las actividades a realizar.
• Se dio lectura detallada ala practica #3.
Resumen de la • Se plantearon propuestas de solución a los ejercicios.
reunión • Se observaron los videos de las clases anteriores para solucionar
dudas teóricas.
• Comenzamos la redacción de la practica en Word.
Perla Carlos Ricardo
Investigación de los
Investigación de la teoría
Antecedentes de la métodos BARON y
Actividades sobre la programación no
programación lineal. CONOPT.
para realizar lineal.
Empezar el modelado
del sistema.
Modelado del sistema. Modelado del sistema.
Reporte de la primera
reunión.
• Se asigno que cada miembro iba a buscar información por su cuenta para
trabajar de forma individual.
Acuerdos • En los días siguientes se comprometieron a codificar los programas en GAMS.
• Investigación teórica para redactar la introducción.
• Para la segunda reunión se planea tener redactada la introducción y otras
secciones teóricas.
Se pudo observar confusiones entre los integrantes, se desconocía el cómo abordar
Observaciones el ejercicio para darle solución.
Se comprometieron a revisar apuntes para avanzar en la codificación.
Evidencia
Reporte de actividades (Segunda reunión)
Fecha Hora inicio Hora fin Tiempo total
03/10/2020 17:00 20:00 3 horas.
Nombre del líder RICARDO DANIEL HERNANDEZ RODRIGUEZ.
• Se inicio con el modelado del sistema entre todos los integrantes.
Resumen de la • Se discutió la teoría de la programación lineal.
reunión • Se revisaron detalles del documento.
• Se asignaron tareas finales para una última reunión.
Perla Carlos Ricardo
Discusión de Discusión de
Propuesta del
modelado modelado
modelado en GAMS.
de GAMS de GAMS
Actividades para
ESCRITURA DEL
realizar
Inicio de escritura del Inicio de escritura del MODELO EN GAMS.
reporte y cálculos reporte y cálculos
matemáticos matemáticos. Reporte de
actividades.
• Redacción del reporte entre todos los integrantes.
• Realización y revisión de cálculos matemáticos entre los
Acuerdos
integrantes.
• Quedó pendiente terminar cálculos, lo cual se asignó que se
tienen que acabar para una última reunión.
• El equipo se desenvuelve con mejor facilidad para realizar las
practicas, hay un avance notable en la organización y en el
compromiso de cada integrante.
Observaciones
• El mayor reto se presentó cuando se tuvo que analizar los
resultados ya que se abordaron conceptos nuevos.
EVIDENCIA
Reporte de actividades (tercera reunión)
Fecha Hora inicio Hora fin Tiempo total
05/10/2020 17:00 20:00 3 horas.
Nombre del RICARDO DANIEL HERNANDEZ RODRIGUEZ.
líder
• Esta reunión se realizó con los fines de revisar todas las rubricas de la
Resumen de la
práctica, se observó que todo lo solicitado se encuentra en ella.
reunión
• Se realizo una revisión detallada antes de enviar todos los archivos.
Perla Carlos Ricardo
Actividades Revisión de detalles. Revisión de detalles. Revisión de detalles.
para realizar
Revisión de archivos Revisión de archivos
Reporte de actividades.
gms. gms.
Acuerdos • Se acordó que iba a haber una mejora constante por parte de cada
integrante.
• Se observaron avances positivos en la forma de trabajo
Observaciones • Cumplimos el objetivo de tener listo el reporte el lunes 5 de octubre para
poder revisar de forma conjunta el reporte y archivos gms.
EVIDENCIA
Rubrica de Práctica 3 (Modelado y Optimización de Procesos. Programación No Lineal Sin
Restricciones)
Materia: Optimización de Procesos/Diseño y Simulación de Procesos y Productos II
Docente: Dr. Fernando Israel Gómez Castro
OBJETIVO
Que el estudiante refuerce sus habilidades de modelado y optimización auxiliados por software
para sistemas con funciones objetivo no lineales sin restricciones.
ASPECTO VALOR OBSERVACIONES
MÁXIMO
Portada 0.5 Debe contener al menos: número y tema de la práctica, nombre
completo de todos los miembros del equipo, materia, nombre del
docente y fecha de entrega.
Introducción 1.0 Debe contener algunos antecedentes relevantes al tema de la
práctica. Mínimo dos cuartillas
Metodología 2.0 Debe describir claramente los pasos que se siguieron a lo largo de la
práctica para obtener los resultados. Puede presentarse en forma
de lista y auxiliarse de un diagrama de flujo. Mínimo una cuartilla
Resultados 2.0 Se deben presentar los resultados ordenados, así como un análisis
de los mismos. No se aceptan resultados en el formato en que los
presenta el optimizador. Se deben emplear figuras representando
los casos de estudio para complementar la presentación y discusión
de resultados. En caso de que se hayan tenido problemas que hayan
dificultado la conclusión exitosa de la práctica, estos deben
explicarse detalladamente, así como presentar una
propuesta de solución de dicha situación.
Conclusiones 1.0 Se deben presentar las conclusiones obtenidas después de la
ejecución de la práctica, incluyendo aspectos del desarrollo de ésta.
Las conclusiones deben reflejar los resultados obtenidos, así como
la aportación de la práctica a la formación del estudiante.
Archivos 2.0 Se deben entregar los archivos ejecutables obtenidos en la práctica.
ejecutables
Reporte de 1.0 Debe describir detalladamente las actividades desarrolladas por
actividades cada miembro del equipo
Referencias 0.5 Debe incluir al menos tres referencias bibliográficas. No son válidas
bibliográficas páginas como: el rincón del vago, wikipedia, etc. Las referencias
bibliográficas deben reportarse empleando el formato APA.
TOTAL 10
ASPECTOS ADICIONALES
1.- El reporte se entrega en equipos de 2 personas
2.- Se tomará en cuenta el orden, la ortografía y la redacción
3.- Reportes entregados después de la fecha establecida por el docente tendrán una penalización
de hasta 4 puntos sobre la calificación obtenida. La deducción será de un punto por día natural de
retraso
4.- El reporte se entrega en formato electrónico
5.- Material copiado directamente de la fuente (a través de las herramientas copy-paste) será
penalizado
DESCRIPCIÓN DETALLADA DE LA EVALUACIÓN
ASPECTO PUNTUACIÓN POR ASIGNAR
Portada La portada contiene La portada La portada La portada La portada carece La portada carece
todos los elementos carece de uno carece de dos carece de tres de cuatro de los de los cinco
mínimos: 0.5 puntos de los de los de los elementos elementos
elementos elementos elementos mínimos: 0.1 mínimos: 0.0
mínimos, o mínimos, o mínimos: 0.2 puntos puntos
presenta una presenta dos o puntos
falta de más faltas de
ortografía: 0.4 ortografía: 0.3
puntos puntos
Introducción La introducción La introducción La introducción La La introducción La introducción
cumple con la tiene una tiene una introducción tiene una tiene una
extensión mínima de extensión del extensión del tiene una extensión del 10 extensión menor
dos cuartillas, contiene 80 al 99% de 50 al 79% de extensión del al 25% de dos al 10% de dos
antecedentes dos cuartillas, o dos cuartillas, o 25 al 49% de cuartillas, o del 51 cuartillas, o del 76
relevantes a los temas los párrafos no del 5 al 20% de dos cuartillas, al 75% de la al 100% de la
de programación no tienen conexión la introducción o del 21 al introducción es introducción es
lineal sin restricciones, entre sí, o no es copia o 50% de la copia o copia o
así como de los casos muestra los traducción introducción traducción directa traducción directa
de estudio analizados objetivos de la directa de la es copia o de la fuente de la fuente
en la práctica, práctica, o los fuente original, traducción original: original:
descritos con presenta sin o presenta directa de la 0.1 puntos 0.0 puntos
redacción original de asociarlos a los entre cinco y fuente
los miembros del aspectos tres faltas de original, o
equipo, cada párrafo desarrollados ortografía: 0.5 presenta seis o
de antecedentes está como puntos. más faltas de
ligado al anterior, antecedentes, o ortografía:
presenta los objetivos presenta un 0.25 puntos.
de la práctica máximo de dos
asociados a los faltas de
aspectos desarrollados ortografía: 0.8
como antecedentes, y puntos.
no presenta faltas de
ortografía: 1.0 puntos.
Metodología La descripción de la La descripción La descripción La descripción La descripción de La descripción de
metodología cumple de la de la de la la metodología la metodología
con la extensión metodología metodología metodología tiene una tiene una
mínima de una tiene una tiene una tiene una extensión del 10 extensión menor
cuartilla, y presenta un extensión de 80 extensión de extensión del al 25% de una al 10% de una
nivel de detalle tal que al 99% de una 50 al 79% de 25 al 49% de cuartilla: 0.2 cuartilla: 0.0
permitiría emplear la cuartilla, u una cuartilla, o una cuartilla, o puntos puntos
descripción como guía omite pasos se encuentra presenta seis o
para que un importantes en incompleta, o más faltas de
principiante pueda la descripción presenta entre ortografía: 0.5
desarrollar la práctica: de la cinco y dos puntos.
2 puntos. metodología faltas de
seguida para el ortografía: 1.0
desarrollo de la puntos.
práctica, o
presenta un
máximo de dos
faltas de
ortografía: 1.6
puntos.
Resultados La descripción de los La descripción La descripción La descripción La descripción de La descripción de
resultados cumple con de los de los de los los resultados los resultados
la extensión mínima de resultados resultados resultados tiene una tiene una
una cuartilla, realiza un tiene una tiene una tiene una extensión del 10 al extensión menor
análisis detallado de los extensión de 80 extensión de extensión del 25% de una al 10% de una
mismos y emplea al 99% de u n a 50 al 79% de 25 al 49% de cuartilla: 0.2 cuartilla: 0.0
figuras representativas cuartilla, o el una cuartilla, o una cuartilla, o puntos puntos
análisis de no presenta los presenta seis o
de los casos de estudio resultados es resultados más faltas de
para complementar la incompleto, o completos, o ortografía: 0.5
descripción de los presenta un los resultados puntos.
resultados: 2 puntos. máximo de dos son copia
faltas de directa del
ortografía: 1.6 formato
puntos. empleado por
el optimizador,
o no presenta
figuras de los
casos de
estudio para
representar los
resultados
obtenidos, o
carece de
análisis de
resultados, o
presenta entre
cinco y dos
faltas de
ortografía: 1.0
puntos.
Conclusiones Las conclusiones Las Las No se reportan
describen aspectos conclusiones no conclusiones conclusiones:
generales del describen no coinciden 0.0 puntos
desarrollo de la aspectos con los
práctica, reflejan los generales del resultados
resultados obtenidos, desarrollo de la obtenidos: 0.25
así como la aportación práctica, o no puntos
de la práctica a la reflejan los
formación del resultados
estudiante: 1.0 puntos obtenidos, o no
reflejan la
aportación de la
práctica a la
formación del
estudiante: 0.5
puntos
Archivos Los archivos Los archivos Del 50 al 75% Del 75 al 100% No se envían los
ejecutables ejecutables corren sin ejecutables de los archivos de los archivos archivos
errores y los están ejecutables ejecutables ejecutables: 0.0
resultados que arrojan incompletos, o corren con corren con puntos
coinciden con los un máximo de errores: 0.75 errores: 0.5
reportados: 2.0 50% de estos
corren con
errores: 1.0
Reporte de El reporte de El reporte de El reporte de No se
actividades actividades describe actividades actividades no presenta
detalladamente los describe con describe los reporte de
tiempos requeridos poco detalle los tiempos actividades:
para cada actividad, tiempos requeridos 0.0
así como la requeridos para para cada
contribución de cada cada actividad, actividad, o no
miembro del equipo a así como la describe la
cada actividad, se contribución de contribución de
presenta evidencia cada miembro cada miembro
visual (fotografía) o del equipo a del equipo a
audiovisual (vídeo) de cada actividad, cada actividad,
las reuniones de o se visualiza o no se
trabajo y se visualiza que no hubo presenta
contribución participación evidencia visual
equitativa de todos los equitativa de (fotografía) o
miembros del equipo todos los Audiovisual
al desarrollo miembros del
de la equipo al
práctica: 1.0 desarrollo de la
práctica: 0.7
