Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Expocicion de Maquinas Industriales y Su Mtto

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 24

UNIVERSIDAD DE CIENCIAS COMERCIALES.

CAMPUS- LEÓN.

TEMA: Teoría de Optimización

DOCENTE: Diana
INTEGRANTES:
NORMAN RENIER CASTELLON
WESLING ZENIFF
MARLON SANCHEZ
WENDY

CARRERA: INGENIERÍA INDUSTRIAL


TURNO: SABATINO
LA OPTIMIZACIÓN

 Introducción
 El problema y su solución
 Ejemplos de optimización
Desarrollos claves para la optimización.

• Fermat (1646) f ( x ) funcion de una sola variable


Newton (1670) df(x)
=0
dx

• Euler (1755) f ( x ) funcion vectorial


Ñ x f ( x) = 0

• Lagrange (1797) min


x
f ( x) x vector
Desarrollos clave de la segunda mitad del siglo XX

• Dantzig (1947) Programación lineal


(Restricciones con desigualdades)
• Kuhn Tucker (1951)
Condiciones a satisfacer por una optimización no lineal
• Contribuciones (1960-80s) Algoritmos para optimización no
lineal
• Khachain and Karmarkar (~1980) Nuevo métodos de puntos
interiores
• Desarrollos continuados en diferentes problemas
(optimización entera, estocástica, global, etc.) –
Actualmente sigue con un gran desarrollo
Principales categorías de optimización

Ajustar el método al problema


Quién hace optimización?
• Programación matemática
Matemática Gestión de Investigación operativa
aplicada negocio
Incluye estadística, modelado, etc.

• Optimización aplicada
Todas las áreas de ingeniería

Ingeniería de Ingeniería • Planificación y logística


software mecanica
Gestión de la cadena de suministro,
gestión de recursos.
Y muchos más!
¿Cuál es la característica principal de los problemas de
optimización?

Coste total
Característica principal

Costes producto (-valor)


Hay un compromiso entre las
Optimo

Costes energía
variables y el objetivo.
Hay que identificar estos
compromisos antes de
desarrollar los modelos
matemáticos.
Hay que entender el problema
cualitativamente antes de (alta) Pureza producto (baja)
resolverlo cuantitativamente.
Dos opciones para
realizar la optimización

Optimización Optimización
basada en modelos
empírica
• Se puede investigar un nuevo • Debe de existir
Aplicaciones un proceso
típicas –
Aplicaciones típicas – sistemas
proceso
para los que existe un buen • Necesita experimentos
desarrollo rápido de (suelen ser
• No se necesitan experimentos
modelo costosos)
procesos poco entendidos
•• Se requiere ungases
Componentes modeloy (puede • No hay retraso por
• Aplicaciones el modelo
pequeñas en
necesitar experimentos
líquidos en industrias en su • Se operación de aplanta
puede llevar cabo sin modelo
• desarrollo)
Aplicaciones de negocio para • Lenta
• Rápida
inventario, transporte,…
•• Depende de la
En aquellos exactitud
sitios donde del
no
modelo
se permite experimentar
EL PROBLEMA Y SU SOLUCIÓN
Es importante ver los
efectos de un error
del modelo en la solución
Optimización
basada en
modelos
De fácil a
imposible (hoy)
De sencillo a
muy complejo
Método de
Decisiones a
modelo resolución y Solución
tomar
software

La formulación y el método de resolución permiten la solución


EL PROBLEMA Y SU SOLUCIÓN

Opciones para la resolución de optimización


basada en modelos

1. Soluciones gráficas

2. Soluciones analíticas (Newton, Euler, etc.)

3. Métodos numéricos
EL PROBLEMA Y SU SOLUCIÓN

Opciones para la resolución de optmización basada en


modelos

Gráfica

Dónde está el óptimo


Función objetivo, f(x)

Variable, x
EL PROBLEMA Y SU SOLUCIÓN

Opciones para la resolución de optmización basada en


modelos
Analítica

f ( x) con x unica variable


df(x)
=0
dx
d 2 f ( x)
2
>0
dx
EL PROBLEMA Y SU SOLUCIÓN

Opciones para la resolución de optmización basada en


modelos

Numérica

min
x
f ( x)
s.t.
h( x ) = 0
g ( x) ≤ 0
xmin ≤ x ≤ xmax
ALGUNOS EJEMPLOS DE OPTIMIZACIÓN
3. Economía: Logística / Gestión de la cadena de

Which Which plant


raw (different yields, etc.)
Plant
material?

What routes and


Raw Plant modes used for
materials transportation?

Storage
How much inventory? How much inventory?

También podría gustarte