This work presents three different applications of optimization models to design industrial equipment and production processes. Non-linear and mixed integer linear programming models are included considering deterministic and stochastic approaches. The algebraic modeling languages GAMS and JuMP were used to formulate the models and to find a solution using solvers such as IPOPT and GUROBI. In the first case study, we analyzed different strategies to address non-linear programming (NLP) problems with chance constraints using the design of a flare system to study different methodologies. The results show that the sigmoidal approximation significantly reduces the equipment oversizing of popular approximations, such as the conditional value at risk and the scenario-based approach. A reduction in equipment cost of up to 64% is achieved. In the second case, it was studied the effect of greenhouse gas monetization to promote the reduction of waste fuel gases (WFG). It was proposed to design a cogeneration system that uses natural gas as a main fuel and WFG as a supplementary fuel. The key factor is the replacement of natural gas with WFG to minimize carbon dioxide emissions. Three scenarios were compared considering different methods to promote the use of WFG. The results show that the approach based on a compromised solution reduces emission 85% and there is no need for taxes or financial incentives. Finally, the optimal mix of the renewable energy to substitute existing power plants in a large-scale electrical system was addressed. A multiobjective linear integer mixed optimization model that can be adapted to different national electricity systems was developed.
En este trabajo se presentan tres diferentes aplicaciones de los modelos de optimización en lo que respecta al diseño de equipo y a la planeación de procesos productivos. Se incluyen modelos deterministas y estocásticos del tipo no lineal y mixto entero lineal y se utilizan los lenguajes algebraicos de modelado GAMS y JuMP para formularlos y obtener una solución mediante solvers como IPOPT y GUROBI. Como primer caso se estudiaron diferentes estrategias para abordar problemas de programación no lineales (NLP) con restricciones probabilísticas utilizando el diseñó de un sistema de antorchas para ilustrar diferentes metodologías. Se demostró que la aproximación sigmoidea reduce significativamente el sobredimensionamiento de aproximaciones populares, como el valor condicional en el riesgo y el enfoque basado en escenario, logrando una reducción en el costo del equipo de hasta 64%. En segundo lugar, se estudió el efecto de la monetización de gases de efecto invernadero para promover la reducción de los gases combustibles de desecho (GCD). Se propuso diseñar un sistema de cogeneración que utilice gas natural como combustible principal y GCD como combustible complementario. El factor clave para minimizar las emisiones de dióxido de carbono es el reemplazo de gas natural con GCD. Se compararon tres casos, que consideran diferentes métodos para fomentar el uso de GCD. Los resultados muestran que cuando se utiliza el enfoque basado en una solución de compromiso se alcanza una disminución de emisiones del 85% sin la necesidad de penalizaciones o incentivos económicos. Finalmente, se abordó la selección óptima de la estructura de generación de energía renovable necesaria para sustituir plantas de potencia existentes en un sistema eléctrico a gran escala. Se desarrolló un modelo de optimización mixto entero lineal multiobjetivo que puede ser adaptado a diferentes sistemas de generación eléctrica nacionales.
