G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

Revista Internacional de Mtodos Numricos para

Clculo y Diseo en Ingeniera
www.elsevier.es/rimni

Seleccin ptima bajo criterios mltiples de materiales refractarios

y aislantes para cazuelas metalrgicas
O. Martnez Valds a y J. Arzola Ruiz b,
Unidad Docente Metalrgica (UDM), Instituto Superior Politcnico Jos Antonio Echeverra (CUJAE), Calle 20, n 10522, entre 100 y 101, Cotorro, La Habana, Cuba
Centro de Estudios de Matemtica para las Ciencias Tcnicas, Instituto Superior Politcnico Jos Antonio Echeverra (CUJAE), Calle 114, n 11901, entre 119 y 127,
Marianao, La Habana, Cuba
a

informacin del artculo

r e s u m e n

Historia del artculo:

Recibido el 11 de junio de 2015
Aceptado el 26 de agosto de 2015
On-line el xxx

Hasta el presente, el problema de la seleccin de materiales refractarios y aislantes no se ha tratado,

en toda su complejidad, como una tarea de optimizacin bajo criterios mltiples, sino bsicamente
como un problema de carcter metalrgico. En este artculo, se expone el modelado matemtico de la
tarea de seleccin ptima bajo criterios mltiples y se analiza su complejidad matemtica, considerando
las dimensiones de los materiales por capas y por zonas, y la interaccin entre zonas. La complejidad
de la tarea formulada requiere su descomposicin en tareas ms sencillas, por zonas de la cazuela. Se
realiza la validacin experimental de los resultados numricos obtenidos, con lo cual se evidencia la eciencia y la calidad que se obtienen con los procedimientos utilizados. Estos procedimientos se derivan
de la aplicacin del mtodo de integracin de variables. En particular, se utiliza el operador de bsqueda
aleatoria del extremo de una funcin de un cdigo variable aplicado al problema estudiado.

Palabras clave:
Optimizacin multicriterio
Integracin de variables
Seleccin de materiales
Revestimiento de cazuelas

2015 CIMNE (Universitat Politcnica de Catalunya). Publicado por Elsevier Espaa, S.L.U. Todos los
derechos reservados.

Optimal under multiple criteria selection of refractory and insulating materials

for metallurgical ladles
S u m m a r y
Keywords:
Multiple criteria optimization
Integration of variables
Materials selection
Ladles refractory lining

Until the present the problem of the refractory and isolating materials selection has not been treated,
in all its complexity, as an optimization under multiple criteria task, but basically as a metallurgical
problem. In the present article the mathematical modelling of the optimal under multiple criteria task,
the analysis of it mathematical complexity, considering the dimensions of the materials by layers and by
zones are exposed. The complexity of the formulated task conditions the necessity of its decomposition
in simpler tasks by zones of the ladle. The experimental validation of the obtained numeric results, where
the efciency and resulting quality of the used procedures is evidenced. The procedures applied are a part
of the Integration of Variables method. Particularly, the Random Search of the Extremes of a Function of
a Variable Code operator is applied to the problem studied.
2015 CIMNE (Universitat Politcnica de Catalunya). Published by Elsevier Espaa, S.L.U. All rights
reserved.

1. Introduccin
La seleccin de materiales refractarios y aislantes es objeto
de numerosas investigaciones encaminadas a reducir los gastos
Autor para correspondencia.
Correos electrnicos: osmelmv@gmail.com (O. Martnez Valds),
jararzola@cemat.cujae.edu.cu (J. Arzola Ruiz).

de montaje, los costos de elaboracin del acero, las prdidas trmicas excesivas, el exceso de peso y la deformacin irreversible
de la carcasa metlica a partir de la utilizacin racional de los
materiales empleados en su produccin, entre otros. Su evolucin
constante, junto con las mejoras continuas de los procedimientos
de ingeniera, han propiciado diversas formas para buscar alternativas de solucin al problema de la seleccin de materiales.
El mejor enfoque contenido hasta el momento en la bibliografa,

http://dx.doi.org/10.1016/j.rimni.2015.08.001
0213-1315/ 2015 CIMNE (Universitat Politcnica de Catalunya). Publicado por Elsevier Espaa, S.L.U. Todos los derechos reservados.

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

previo al tratamiento por anlisis multicriterio, toma en consideracin solamente el criterio trmico, que consiste en reducir
las prdidas energticas por ujo de calor. En la obra Refractories Handbook [1], Schacht y Maupin exponen con claridad este
criterio desarrollado en un captulo. Sukul y Balaramakrishna [2]
argumentan ampliamente a favor de este criterio, aplicado a la
prctica. La norma internacional ASTM C680-10 [3] establece las
por ordenador revestimientos trmiconsideraciones para disenar
cos considerando los costos por prdidas energticas. The Whole
de
Building Design Guide [4] dicta recomendaciones para el diseno
aislamiento con adecuados costos de mantenimiento. Adems de
estos enfoques para la seleccin de materiales, han surgido otros
ms completos.
En las obras Materials: Engineering, Science, Processing and Design
[5] y Materials Selection in Mechanical Design [6], Ashby desarrolla
unas metodologas de seleccin de materiales que han recibido una
gran aceptacin en la ingeniera de materiales moderna, las cuales
parten del contraste que se deriva de combinar los atributos de
los procesos con las propiedades de los materiales, mediante grcos especiales [7]. Este mtodo, al ser de carcter general, elude
de las instalaciones trmicas
conceptos determinantes del diseno
y es muy utilizado como discriminante para reducir el nmero de
alternativas a evaluar en los problemas de seleccin de materiales
[8].

Por su parte, Wei y Singh [9] exponen los principios de diseno

del revestimiento para las cazuelas metalrgicas considerando la
compatibilidad de las paredes laterales con la chapa metlica para
evitar la deformacin de la carcasa metlica y la reduccin de
las tensiones trmicas resultantes. Barbs et al. [10] destacan la
del revestiimportancia de los criterios de desgaste en el diseno
miento que operan en contacto con uidos corrosivos. Chawla y
Gupta [11] exponen algunas consideraciones basadas en las normas ASTM para la seleccin de materiales que actan en ambientes
qumicos corrosivos a elevadas temperaturas, y destacan los posibles benecios al desgastarse la pared. Clark et al. [12] muestran
el rol que el comportamiento termomecnico de los materiales, en
Prietl, Zach y
especial las tensiones trmicas, tienen en el diseno.
Studnicka [13] consideran las relaciones entre las propiedades de
y el comportamiento mecnico de la estructura refractadiseno
ria a altas temperaturas, a partir de su distribucin heterognea.
Boisse, Gasser y Rousseau [14] estudian otro criterio de seleccin:
la resistencia a las variaciones de la carga trmica en mamposteras
refractarias que estn sometidas a cambios bruscos de temperatura. Zabolotsky [15] expone la importancia de considerar, en las
instalaciones metalrgicas, la resistencia al choque trmico producido por el cambio brusco de temperatura en la supercie del
material. Chlup y Boccaccini [16] exponen los criterios que hay que
tener en cuenta para un buen comportamiento ante la fractura
de los materiales cermicos sometidos a cargas trmicas cclicas. Rendtorff, Garrido y Aglietti [17] exponen mtodos y ensayos
para evaluar con precisin este comportamiento en los materiales
refractarios.
En Sistemas de Ingeniera [18], Arzola argumenta la necesidad
de utilizar el anlisis multicriterio para la generacin y la seleccin
de revestimientos refractarios y
de opciones como parte del diseno
aislantes, y establece indicadores de eciencia de carcter general
para la seleccin de materiales, de forma que las opciones queden
ordenadas conforme a una relacin de compromiso entre los indicadores considerados. A partir de estos criterios, el primer autor
plantea en [19] el modelo de optimizacin para la seleccin del
revestimiento refractario de las cazuelas metalrgicas segn el programa matemtico (1)-(10)


Minimizar
OR







d
d
 Ct Ctd 


 , w2  Qt Qt  , w3  Pt Pt 
 Qd 
 Pd 
Cd 

max w1 

(1)

Asegurando el cumplimiento de las restricciones:

xijmin xij xijmax , i = 1, ..., cz; j = 1, ..., nc

(2)

(dij1 , ..., dijk ), i = 1, ..., cz; j = 1, ..., nc

(3)

xij

Tij Tijmax (mij ), i = 1, ..., cz; j = 1, ..., nc

(4)

Tij TijE max (mij , xij ), i = 1, ..., cz; j = 1, ..., nc

(5)


s 2

bi i

, i I

B Bmin

(6)
(7)

min

hc h

(8)

mij Mi,j Mi M

(9)

xij Xij Xj X

(10)

donde OR es el conjunto de opciones de revestimiento, y w1 , w2 y

w3 son los coecientes que reejan la importancia concedida a los
indicadores respectivos. Los coecientes de peso we se normalizan
mediante la restriccin (11), l es el nmero total de indicadores
l

we = 1,

we R, 0 we 1, l = 1, ..., e

(11)

e=1

El costo total del revestimiento, Ct , viene determinado por:

Ct =

nc
cz

Cij xij

(12)

i=1 j=1

donde cz es el nmero total de zonas, nc es el nmero total de capas

de materiales m por zona, Cij es el costo por unidad de volumen
del material en la zona i de la capa j, xij es el espesor del material
correspondiente y Ct d es el costo total deseado del revestimiento.
Las prdidas totales de calor, Qt , se determinan mediante:
Qt =

cz

qi Ai

(13)

i=1

donde qi es la densidad de ujo calrico en la zona i, Ai es el rea

de intercambio con el medio exterior correspondiente y Qt d son
las prdidas totales de calor deseadas, a travs de la carcasa de la
cazuela.
El peso total del revestimiento, Pt , viene determinado por:
Pt =

nc
cz

Vij ij

(14)

i=1 j=1

donde Vij es el volumen del material de la zona i en la capa j, ij es

la densidad del material correspondiente, Pt d es el peso deseado
del revestimiento, xij min es el espesor mnimo establecido de la
capa j en la zona i, xij es el espesor, xij max es el espesor mximo
correspondiente, dij k son los valores discretos (cuando se utilizan
conformados) de los espesores hasta k combinaciones de valores
de las capas en las zonas, Tij es la temperatura interna de la capa i,
Tij max son los valores mximos de trabajo de los materiales mij respectivos, Tij es la diferencia de temperatura en las caras interna
y externa de la capa j en la zona i, Tij Emax es la diferencia de temperatura mxima permisible a la cual el material no est en peligro
de fractura por estrs, b i es la dilatacin radial del revestimiento
por zona, s i es la dilatacin radial de la chapa de la cazuela por
zona, I es el conjunto de zonas pertenecientes a la pared lateral de
la cazuela, es un valor permisible de diferencia de dilatacin, B es
la cantidad de metal calculada, Bmin es la cantidad de metal que hay
que asegurar en la cazuela, hc es la reserva de altura metalrgica

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

calculada, hmin es la altura de reserva metalrgica mnima requerida, M es el conjunto de materiales asociados a una capa en una
zona y X es el conjunto de espesores permitidos para cada capa en
cada zona.
La tarea consiste en encontrar las opciones de revestimientos OR
que minimicen la funcin objetivo (1), asegurando el cumplimiento
de las restricciones (2)-(10). La relacin (1) modela el propsito
de minimizar la distancia de Chebyshov ponderada y normalizada
de los indicadores de eciencia con respecto a los valores deseados,
los cuales se corresponden con el concepto del mtodo de niveles
de aspiracin de A. P. Wierzbicki, [20], y se utiliza durante la generacin y la seleccin de las soluciones [21]. Las relaciones (2)-(10)
aportan un modelo de carcter implcito, por lo cual el mtodo de
solucin ha de incluir necesariamente algn procedimiento numrico en el clculo de las funciones sometidas a restricciones para
cada conjunto de valores de las variables de decisin contenidas en
cada iteracin por el mtodo que se adopte [19].
2. Anlisis de la tarea de seleccin de revestimientos para
cazuelas
En el modelo (1)-(10), se integran el conjunto de variables de
decisin e intermedias, y los indicadores de eciencia que caracterizan las interacciones de naturaleza trmica, mecnica, econmica,
y geometra del agregado que
as como las restricciones de diseno
hay que tomar en consideracin en la evaluacin de cada posible
solucin. Las interacciones se maniestan de dos formas: entre las
zonas de la cazuela y entre las capas de materiales de cada zona,
y estn determinadas por el conjunto de valores de las variables
de decisin, que afectan a todas las variables intermedias e indicadores de eciencia, y constituyen una medida del comportamiento
del agregado dentro del proceso productivo.
Las interacciones entre las capas se evalan a partir de las restricciones (2), (3), (4) y (5), las cuales evalan el comportamiento
de la zona a partir de las propiedades resultantes de la unin de las
capas de materiales. La variacin de la cantidad de evaluaciones en
el clculo de las interacciones es funcin del nmero de materiales,
del nmero de capas y del nmero de zonas, y aporta una medida de
la complejidad computacional del modelo presentado, que puede
calcularse por la expresin:

It =

cz

cz


(mt (i) dt (i))

nci

cz

2(3cz + 2

i=1


(15)

nci )

i=1

1026

1018

109

103

en las capas y nci es la cantidad de capas de la zona correspondiente.

El primer miembro de la relacin (15) expresa la cantidad de iteraciones para una condicin determinada, mientras que el segundo
expresa la cantidad de interacciones que hay que evaluar por
cada estado del proceso de bsqueda del ptimo, entendindose como estado la cantidad de combinaciones de valores de
las variables de decisin involucradas. En la gura 1, se muestra
el comportamiento del nmero de evaluaciones con respecto al
aumento de la cantidad de materiales, de la cantidad de capas y de la
cantidad de zonas.
Al evaluar la expresin (15), se aprecia un crecimiento brusco
no polinomial al aumentar la cantidad de materiales, de capas y
de zonas, lo cual, sumado al carcter cualitativo de las variables
asociadas a los materiales, obliga a su nica posible representacin como cdigo y hace que el problema estudiado sea del tipo
NP-hard. Esta complejidad se acenta para cada una de las evaluaciones de una solucin por la necesidad de utilizar procedimientos
numricos en el clculo de los indicadores de eciencia y las funciones sometidas a restricciones. Estas razones justican la utilizacin
de enfoques heursticos capaces de generar buenas soluciones en
un tiempo razonable y con un empleo moderado de los recursos
computacionales.
3. Descomposicin de la tarea
Una forma de reducir la complejidad consiste en su descomposicin en subtareas ms simples, a partir de la aplicacin de la
metodologa de anlisis sistmico propuesta en [18] para el tratamiento de tareas complejas de toma de decisiones bajo estructuras
organizadas de diferentes tipos. En [22], se exponen las ventajas
de realizar el anlisis y la sntesis del sistema de tal forma que
la estructura del modelo se haga corresponder con la estructura
matemtica del modelo que describe el proceso asociado de toma
de decisiones. Al considerar lo descrito en [19] y la aplicacin de
los principios de descomposicin mencionados anteriormente, y
dada la estructura del modelo matemtico de la tarea estudiada,
se realiza su descomposicin mediante una estructura jerrquica
participativa.
La descomposicin desarrollada se muestra en el diagrama de
la gura 2, en que el sistema se compone de una tarea de optimizacin de mayor nivel, la cual establece tareas (Y1 , Y2 ,. . .Yn ) a los n
niveles inferiores, encargados de solucionar una tarea de optimizacin de menor complejidad que asegure un conjunto de opciones
de revestimiento (Or1 , Or2 ,. . .Orn ) prximas al mejor compromiso
entre los indicadores de eciencia de las tareas locales. A partir de
las opciones generadas, el sistema selecciona aquellas combinaciones (OR ) que minimizan el criterio Z* y aseguran las restricciones
Us establecidas por el sistema de mayor nivel.

40 materiales
3 zonas

1032

Nmeno de evaluaciones

3 zonas
3 capas

1032

Nmeno de evaluaciones

Nmeno de interacciones

donde It es la cantidad de evaluaciones, mt (i) es la cantidad de materiales en la zona i, dt (i) es la cantidad de posibles espesores en que
se pueden situar los materiales conformados (ladrillos, placas, etc.)

1026

1018

109

103
10

20

30

40

Nmeno de materiales

50

40 materiales
3 capas

1032

1026

1018

109

103
1

Nmeno de capas

Nmeno de zonas

Figura 1. Representacin del crecimiento de las evaluaciones con el aumento del nmero de materiales, del nmero de capas y del nmero de zonas, respectivamente.

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

min Z* (Or1, Or2,... Orn)

OR G* (Or) Us
Y1

Yn

Y2
Or1

Or2 Orn

min Z2 (m21, m22,... m2mt2)

min Zn (mn1, mn2,... mnmt(n))

Or2 G2 (y2) U2
Orn Gn (yn) Un

min Z1 (m11, m12,... m1mt1)

Or1 G1 (y1) U1

Figura 2. Representacin general de la descomposicin de la tarea de seleccin de

revestimiento.

El esquema clsico de descomposicin segn esta estructura

establece que las Yi son el resultado de la solucin de una tarea
coordinadora. Esta tarea puede resultar de una seleccin de materiales por las metodologas de Ashby, de tal forma que las Yi se
denen como el conjunto de materiales ms apropiados a evaluar
para la zona i (Yi = (mi 1 , mi 2 ,. . .mi mt(i) )). Como ndice de propiedades
para la seleccin de aislamientos trmicos mediante los grcos de
propiedades, Ashby propone (Cp )1 , siendo  la conductividad
trmica, Cp el calor especco y  la densidad [23]. A partir de este
ndice, se establece un ranking, que permite, por ejemplo, seleccionar conjuntos Mi de materiales con menor costo [6,24]. Aunque este
procedimiento permite denir los materiales que deben utilizarse
en cada zona, puede ocurrir que desaproveche buenas opciones de
materiales siguiendo solo un criterio de seleccin por propiedades
trmicas, por lo cual es conveniente que la descomposicin no se
limite a esta tarea aproximada, donde las subtareas de optimizacin
generan sus propias opciones de solucin al considerar una parte de
las restricciones de la tarea general (U1 , U2 ,. . .Un ). De esta manera,
la tarea original se reduce a la siguiente tarea de conciliacin:

Minimizar
OR







d
d
 Ct Ctd 


 , w2  Qt Qt  , w3  Pt Pt 
 Qd 
 Pd 
Cd 

max w1 

considerando las restricciones sistmicas (6), (7) y (8) y, adems:

OR (Or1 , Or2 , . . ., Orcz )

(16)

donde Or1 , Or2 ,. . .,Orn son los conjuntos de opciones de revestimientos generados en las tareas subordinadas, a partir del
subprograma de optimizacin para la generacin de opciones por
zonas siguiente:

Minimizar
Or







d
d
 ct ctd 


 , w2  qt qt  , w3  pt pt 
 qd 
 pd 
cd 

max w1 

(17)

considerando, para cada zona, las restricciones (2)-(5), (9) y la (10),

donde w1 , w2 y w3 son los coecientes que reejan la importancia
concedida a los indicadores respectivos, normalizados de acuerdo
con (11); ct , qt y pt son el costo, la prdida de calor y el peso totales
por m2 de revestimiento, respectivamente, y ct d , qt d y pt d corresponden al costo total deseado, la prdida de calor total deseada y
el peso total deseado por m2 de revestimiento, respectivamente. La
determinacin de las alturas de las zonas de la cazuela de vaciado se
realiza como parte del clculo de la funcin objetivo de la tarea de
mayor nivel expresada en (1) y como parte del clculo de la cantidad de metal que hay que asegurar en la cazuela penalizada por las
determinado.
restricciones (7) y (8) para una condicin de diseno
Los objetivos de la expresin (17) se corresponden con los de
la funcin original para 1 m2 de pared y permiten seleccionar la
relacin de materiales y espesores que minimizan la relacin de
compromiso entre los indicadores de la tarea original. En la determinacin de la funcin objetivo (17), se utiliza el algoritmo de
bsqueda aleatoria del extremo de una funcin de un cdigo variable con el enfoque de tratamiento publicado en [22] y [19]. Para cada
combinacin de materiales por capas, los espesores se determinan

por los mtodos de exploracin de la programacin no lineal y de

ramicaciones y acotaciones de la programacin discreta, segn se
expone en [18]. A pesar de utilizar estos criterios de optimizacin,
seleccionados por la necesidad de garantizar otras variables tecnolgicas del proceso, la descomposicin realizada permite emplear
otros criterios, en sustitucin de la funcin (17). Por ejemplo, puede
seleccionarse el mnimo del espesor total y de temperatura externa
e, incluso, los indicadores denidos segn Ashby [5].
La descomposicin propuesta hace posible evaluar las opciones
generadas por zonas y la tarea original mediante procedimientos
grcos y de simulacin complementarios, que puedan tener que
ver, por ejemplo, con la estabilidad del revestimiento por capas, el
comportamiento de las opciones dadas en condiciones no estacionarias o de simulacin del desgaste de la capa de trabajo, etc.
El xito del proceso propuesto en este artculo depende de una
buena seleccin de materiales en las subetapas de optimizacin.
Esta seleccin requiere elaborar procedimientos ecientes para la
resolucin del problema combinatorio que se presenta. Tambin es
necesario utilizar procedimientos adecuados de representacin en
cdigos de las variables que representan los materiales y sus propiedades. Estas son, entre otras, caractersticas propias del mtodo
de integracin de variables, cuyos fundamentos se exponen a continuacin como mtodo de solucin para la optimizacin en las tareas
subordinadas.
4. El mtodo de integracin de variables
El concepto de integracin de variables se vincula a la representacin compacta de las opciones de solucin de una tarea de
optimizacin en uno o varios cdigos variables y a su evolucin
mediante operadores [22,25]. Aunque el concepto del mtodo de
integracin de variables y sus particularidades fue propuesto por
Arzola, la idea ha sido aplicada en numerosos trabajos publicados

en anos
recientes en la literatura especializada. As, los trabajos
[2631] son ejemplos del uso de conjuntos de cdigos para hacer
evolucionar las opciones de solucin mediante unos operadores
denominados genticos, que imitan los procesos que se dan en
la evolucin de los seres vivos [32,33]. A partir del concepto del
mtodo de integracin de variables, se han desarrollado varios algoritmos, como los de bsqueda y exploracin aleatorias de cdigos
variables [22], y un procedimiento para la resolucin del problema
del mximo clique ponderado [34].
Para la seleccin de materiales en las subetapas, se aplica el algoritmo que se muestra en el pseudocdigo de la gura 3. El algoritmo
se inicia con la denicin de los valores de las variables del conjunto de preferencias por parte del usuario. Entre estos valores, se
incluyen el nmero mximo admisible de iteraciones sin actualizacin de la poblacin NoActMax y el nmero mximo de individuos
de la poblacin de soluciones a encontrar CInd. A continuacin, se
requiere un proceso de codicacin y descodicacin que permita
representar los materiales de forma sencilla y adecuada.
4.1. Codicacin
La cantidad mnima de posibles cdigos Inter se calcula por la
funcin MaxCod a partir de la expresin:

nc

Inter =
mt (j) 1

(18)

j=1

donde mt es el nmero de materiales (Alternativas) para cada capa

j hasta el nmero mximo de capas nc.
Como (18) brinda el mnimo nmero posible de cdigos que
incluye el 0, la codicacin tiene que ser tal que establezca una
relacin biunvoca entre cada cdigo y cada posible solucin. Una

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

01 Start
02
Inter = MaxCod (Alternaivas)
Repeat
03
If (CodMax - CodMin) < = 2 CodMin = 0, CodMax = Inter
04
Cod1 = Rand (CodMin, CodMax), Cod2 = Rand (CodMin, CodMax)
05
S1 = DeCod (Cod1), S2 = DeCod (Cod2)
06
Z_Fitness1 = GetFuntionZ (S1), Z_Fitness2 = GetFuntionZ (S2)
07
If Length (Poblacion) < CInd Then AddPoblacion (S1, Z_Fitness1; S2, Z_Fitness1): UpPS=True
08
Else UpPS = UpdatePoblacion (S1, Z_Fitness1; S2, Z_Fitness2)
09
If Z_Fitness1 > Z_Fitness2 Then CodMin = Cod1
10
Else CodMax = Cod2
11
If UpPS = True Then NoAct = 0
12
Else NoAct = NoAct + 1
13
Until (NoAct > NoActMax)
14
Print (Poblacion)
15
16 End
Figura 3. Pseudocdigo del algoritmo de bsqueda del extremo de un cdigo variable.

codicacin posible, seleccionada por los autores, es la que se descodica por el procedimiento de la gura 5.
4.2. Decodicacin
La seleccin de los cdigos a evaluar se realiza de forma aleatoria
mediante una funcin Rand. La descodicacin de los cdigos decimales seleccionados (Cod1 y Cod2) se realiza con la funcin DeCod
a partir del pseudocdigo presentado en la gura 4. Cada entero
consecutivo desde 0 hasta Inter representa una opcin de solucin
a evaluar. Cod(j) es el identicador del material, segn el orden
establecido para la capa j; el operador (Mod) devuelve el resto de
dividir Cod x entre (mt (j) +1), y el valor Cod x se modica con el
operador (Fix), que devuelve la parte entera de (Cod x/mt (j)). Este
procedimiento ha sido empleado en mltiples trabajos investigativos referenciados en [22].

permitidos CInd, las soluciones se incluyen y ordenan por el valor

de su funcin objetivo. Una vez alcanzado el nmero mximo de
individuos de la poblacin, las nuevas soluciones se comparan con
la peor solucin de la poblacin en la funcin UpdatePoblacin. Si
la solucin es mejor, es incluida en la poblacin y el contador NoAct
se reinicializa en 0. La funcin UpdatePoblacin devuelve Verdadero (True) si se ha actualizado la poblacin y Falso (False) si no,
y se almacena en la variable UpPS para su posterior valoracin. La
regla de bsqueda termina su discriminacin de intervalos cuando
la diferencia entre CodMin y CodMax es menor o igual a 2. Para
garantizar la exploracin de nuevas zonas de la serie de cdigos
compactos, los lmites CodMin y CodMax se restauran a sus valores iniciales (v. lnea 04 del pseudocdigo) y el procedimiento de
cortes aleatorios se repite hasta alcanzar el criterio de parada, que
consiste en obtener un nmero de iteraciones seguidas NoActMax
sin que mejore el valor de la funcin objetivo de la peor entre las
soluciones de la poblacin.

4.3. Bsqueda de soluciones de materiales

4.5. Conciliacin de soluciones nales
La codicacin numrica ordenada consecutivamente permite
utilizar ciertas reglas para realizar una exploracin eciente de
estos cdigos. Esta ventaja es aprovechada en la heurstica descrita
para la evolucin de la poblacin de soluciones (Poblacin). El principio de funcionamiento de esta heurstica se basa en realizar cortes
aleatorios en la serie de cdigos. Inicialmente, los lmites inferior
y superior de los cortes son 0 e Inter, respectivamente. Los cdigos
obtenidos son descodicados (S1 y S2) y, posteriormente, se evalan a partir del clculo de la funcin objetivo Z Fitness1 y Z Fitness2.
Estas funciones objetivo se comparan y se elimina el subintervalo
que contiene el peor valor mediante el ajuste de los lmites CodMin y CodMax, asumiendo respectivamente el valor del peor cdigo
(CodMin = Cod1 o CodMax = Cod2).
4.4. Procedimientos para la creacin y la actualizacin de la
poblacin
La poblacin de soluciones (Poblacin) se crea en la propia bsqueda, con la ayuda de la funcin AddPoblacin. Si el nmero
de individuos es menor que la cantidad mxima de individuos

01 For j = 1 to nc
02
Cod (j) = Cod_x Mod (mt(j ) + 1
Cod_(x) = Fix (Cod_x /mt(j))
03
04 Next j
Figura 4. Representacin en pseudocdigo del procedimiento de descodicacin
de cdigos numricos.

El procedimiento expuesto se aplica a cada una de las zonas

consideradas y como resultado se tiene un nmero de opciones de
revestimiento para cada una de ellas. A partir de estas soluciones
obtenidas, se evalan para la tarea superior de conciliacin aquellas
combinaciones que optimizan los criterios generales de seleccin
de revestimiento. Como la cantidad de combinaciones para evaluar es signicativamente inferior que las opciones de materiales a
evaluar por zona, se puede aplicar la bsqueda exhaustiva o algn
procedimiento de bsqueda que asegure la obtencin del ptimo
global de combinaciones.
Para el caso del presente trabajo, la conciliacin se realiza de
igual forma por el algoritmo de bsqueda del extremo de un cdigo
variable, en correspondencia con lo explicado anteriormente, a partir del pseudocdigo de la gura 4, donde las opciones a codicar
(Alternativas) son las soluciones obtenidas para cada zona, las soluciones S1 y S2 son las combinaciones de materiales por zona, y
Z Fitness1 y Z Fitness2 son las funciones objetivo correspondientes
a cada opcin, calculadas por la expresin (1), con las restricciones
(6), (7) y (8). Los procedimientos para la descodicacin, bsqueda,
creacin y actualizacin de la poblacin nal de opciones de revestimiento se ajustan, pues, exactamente a lo descrito en las secciones
anteriores.
5. Anlisis de resultados de los procedimientos de
descomposicin
En la bibliografa consultada para analizar la solucin propuesta
en este artculo, no se reejan tratamientos a este problema que

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

Tabla 1
Resumen de resultados computacionales de la experimentacin para la seleccin de materiales por zona
Indicador

CI
TC
VFO
VMF
DC

Zona de escoria

Zona de trabajo

Fondo

VM

DT

CA

CK

VM

DT

CA

CK

VM

DT

CA

CK

10364,46
12097,68
0,0035
0,012498
0,5515

120,18
5849,17
0,0024
0,0055
0,2215

1,1263
1,594
0,8689
1,4440
0,5982

1,0861
1,3689
0,2620
1,1726
0,393

10334,86
11557,5
0,0034
0,0116
0,5346

103,03
3779,79
0,0018
0,0037
0,2538

0,7459
0,4310
0,0051
0,0001
0,0957

0,5547
0,455
1,412
0,6219
0,8750

10337,46
13145,63
0,2063
0,3872
0,4563

108,89
4111,12
0,0600
0,0859
0,1889

0,4733
0,5416
0,263
0,3054
0,040

1,2246
0,1123
0,9735
0,7852
0,3389

puedan utilizarse para realizar una comparacin de resultados, lo

cual implica que el anlisis de ecacia del procedimiento se centra en la descripcin de su comportamiento computacional a partir
y la calidad relativa de las soluciodel anlisis de su desempeno
nes nales. Para ello, han de medirse parmetros que describan la
estabilidad del mtodo, su eciencia y su capacidad de aplicacin al
problema real a travs de la experimentacin sucesiva con el procedimiento implementado en un ordenador y el consiguiente anlisis
estadstico para validar los resultados. La bibliografa especializada
expone varios tratamientos para evaluar el rendimiento de los procedimientos heursticos implementados en ordenadores, basados
fundamentalmente en la medicin del consumo de recursos y del
tiempo del algoritmo de ejecucin [3537]. Estos indicadores se
del algopueden determinar a partir de mediciones del desempeno
ritmo en tiempo real para poder caracterizar con ms solidez su
[38].
desempeno
Para implementar el procedimiento propuesto en el ordenador,

se ha empleado el lenguaje AutoLISP en la plataforma de diseno

grco AutoCAD 2014 con licencia educativa, que est adaptado
al trabajo con los mtodos de la inteligencia articial (IA) y facilita la programacin de los mtodos referidos en este trabajo. Para
la gestin de los datos, se ha creado un chero con una estructura especca, interpretada por el propio sistema, que se adapta
a las caractersticas del lenguaje de programacin. Para la aplicacin del procedimiento, se ha utilizado un ordenador de trabajo de
gama media, modelo Toshiba Satellite L870, con un microprocesador Intel I5-3230 a 2,6 GHz de doble ncleo, memoria RAM de 4 GB
a 1.600 MHz, con el sistema operativo Windows 7 Ultimate.
5.1. Condiciones de experimentacin
Se seleccionaron los criterios de conguracin predominantes
en la bibliografa consultada, que son, pues, los criterios tecnolgicos ms aplicados en los talleres de produccin de acero para
la metalurgia secundaria [13]. Para las pruebas experimentales, se
establecieron tres zonas: la zona de escoria, la zona de trabajo y
el fondo, con tres capas posibles de materiales a seleccionar como
mximo. Como cazuela referente para la realizacin de la seleccin
de revestimiento, se escogi un modelo estndar de paredes rectas y fondo plano redondeado, de 3,315 m de altura total y 2,840 m
de dimetro, destinado a la evacuacin de 70 toneladas de acero
lquido a 1.650 C. Se cre una base de datos con los materiales
refractarios recomendados por el catlogo de materiales DIDIER
[39], que inclua un total de 183 materiales.
5.2. Anlisis de resultados computacionales
Se realizaron 80 pruebas experimentales, con 2.460.374 opciones de combinaciones posibles de materiales en cada zona, para
conformar un total de 20 soluciones en la poblacin de opciones
de materiales. En todos los casos, se mantuvieron jos los pesos de
los indicadores de las funciones objetivo, e iguales a 0,33. Con estas
poblaciones de opciones, se obtuvieron un total de 7.999 opciones
de revestimiento, las cuales fueron evaluadas por la tarea de conciliacin para la generacin de la poblacin nal de soluciones con

nal de 20 individuos. Para estas pruebas, se registraron

un tamano
los valores medios y los principales estadgrafos de los siguientes
indicadores:
CI, cantidad total de clculos de la funcin objetivo realizados para
alcanzar la poblacin nal.
TC, tiempo computacional empleado para determinar la poblacin de soluciones en milisegundos.
VFO, valor mnimo alcanzado por la funcin objetivo (mejor solucin).
VMF, valor promedio de la funcin objetivo alcanzado por la
poblacin de soluciones.
DC, diversidad de cdigos de la poblacin obtenida como la suma
de las desviaciones absolutas normalizadas entre los cdigos de
solucin generados con respecto a su valor medio.
En las tablas 1 y 2, se resumen los resultados computacionales
para las zonas y para la tarea de conciliacin, donde se presentan
los valores medios VM, las desviaciones tpicas DT, los coecientes de asimetra tpica CA y curtosis tipicada CK correspondientes
a las distribuciones obtenidas para cada indicador. Estos estadgrafos describen las medidas de posicin, variabilidad y forma de
comportamiento de la muestra. Los coecientes de asimetra y curtosis estandarizados son de particular inters para determinar si la
muestra procede de una distribucin normal. La cantidad de iteraciones medias totales realizadas en la bsqueda de soluciones es
en comparacin con la cantidad poside 32 429,21, muy pequena
ble de individuos a explorar, debido a la capacidad del mtodo de
evadir reas de cdigos donde se localizan soluciones alejadas de
las ms ecientes. El tiempo computacional total medio de ejecucin es, aproximadamente, de 74.898,76 ms, con un tiempo medio
de 2,309 ms por iteracin, siendo el tiempo total de bsqueda de
5.700.973,81 ms, para un 1,3137% del tiempo real de ejecucin con
respecto a la bsqueda exhaustiva y una reduccin signicativa del
tiempo de bsqueda.
y prximos
Los valores de las funciones objetivo son pequenos
entre s, lo cual muestra la obtencin de poblaciones estables y con
buenas soluciones no penalizadas por el algoritmo, y as se demuestra la eciencia de bsqueda del mtodo. La diversidad de cdigos
de las poblaciones obtenidas oscila entre 0,44 y 0,53, lo cual se interpreta en un 48 % de variabilidad en la composicin de las soluciones
de las poblaciones. Ello explica la capacidad del mtodo para evitar el estancamiento en mnimos locales, de modo que se obtienen

Tabla 2
Resumen de resultados computacionales para la tarea de conciliacin general
Indicador

CI
TC
VFO
VMF
DC

Tarea de conciliacin general

VM

DT

CA

CK

1392,43
38097,95
0,370038
0,413813
0,44172

283,55
8857,51
0,0722
0,0955
0,3386

0,900098
1,214064
1,736268
0,756371
0,494689

0,808512
1,833987
1,189538
0,561416
0,682517

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

soluciones buenas y muy variadas, lo cual es un indicador de ecacia

del procedimiento empleado.
5.3. Anlisis del proceso de bsqueda de soluciones
La eciencia del procedimiento de bsqueda de alterativas de
materiales para conformar las soluciones nales por la tarea de
conciliacin requiere que el mtodo implementado asegure una
convergencia adecuada, por lo cual, a medida que ejecute la bsqueda, debe tender a encontrar buenas soluciones que permitan el
mejoramiento continuo de la poblacin. Para analizar este comportamiento, se gracan los valores de la funcin objetivo de la mejor
solucin encontrada y de los valores medios de la funcin objetivo
de la poblacin generada en el proceso de seleccin de materiales
para cada zona con respecto al porcentaje de individuos evaluados
en las pruebas realizadas, como se muestra en las guras 5, 6 y 7.
En todos los casos, se observa que, inicialmente, el valor medio
de la funcin objetivo de la poblacin se mantiene elevado, hasta
que se evala cerca del 5 % de las soluciones para el valor dado
de la poblacin. Ello es debido a que, en principio, el
del tamano
procedimiento de creacin de la poblacin inicialmente considera
todas las soluciones encontradas, por lo que no hay evolucin, e
incluso pueden entrar en la poblacin soluciones penalizadas, alejadas de las ms ecientes por el algoritmo. Una vez completada la
poblacin inicial, comienza inmediatamente la discriminacin de
aquellas soluciones consideradas peores, frente a las nuevas que se
van encontrando en el proceso de bsqueda. Cuando se llega aproximadamente a un 30-40 % de evaluaciones, el valor medio de la

muy prximos al valor

funcin objetivo tiende a valores pequenos,
de la funcin objetivo de la mejor solucin encontrada.
La poblacin de soluciones sigue evolucionando, aunque la dife y poco perceptible en el grco, lo
rencia de valor es muy pequena
cual es necesario para obtener una mayor diversidad de soluciones.

El procedimiento concluye cuando transcurre un nmero determinado de iteraciones en que no se encuentran soluciones que
mejoren la calidad de la poblacin creada. Al concluir los procedimientos de bsqueda de las soluciones particulares para cada zona,
el algoritmo inicia la tarea de conciliacin general, donde, a partir de
las 20 soluciones generadas por cada zona, se procede a seleccionar
aquellas combinaciones que aseguren la creacin de una poblacin
nal de soluciones de revestimientos. En la gura 8, se observa el
grco de evolucin de la mejor funcin objetivo de la poblacin y
los valores medios de la funcin objetivo de la poblacin durante
el proceso bsqueda de las soluciones nales.
Como se puede observar, al evaluarse cerca del 3 % de las combinaciones, los valores de la funcin objetivo de la mejor solucin
y el valor medio de la funcin objetivo de la poblacin encontrados
se mantienen muy cercanos, debido al propio mecanismo de conformacin de la poblacin inicial y a que las soluciones encontradas
son de buena calidad. Obsrvese que los valores de ambos indicado
res son pequenos,
de modo que no se tienen soluciones con valores
de la funcin objetivo con penalizaciones, lo cual ratica la validez del procedimiento de seleccin de materiales para cada zona. A
medida que se van evaluando nuevas soluciones, se van reduciendo
los valores correspondientes hasta cerca del 35 % de las combinaciones evaluadas. Se puede observar que el valor de la mejor
solucin encontrada no vara, mientras que el valor medio de la funcin objetivo mejora ligeramente a medida que se evalan nuevas
soluciones, lo cual permite aumentar la variabilidad de soluciones
en la poblacin nal, y as se generan 20 soluciones de revestimiento de cazuelas de vaciado de acero con buenos indicadores de
calidad de los valores de las funciones objetivo evaluadas.
5.4. Anlisis de las soluciones obtenidas
Para evaluar la calidad real de las soluciones, se considera el comportamiento de los indicadores de eciencia que se

Mejor funcin Z y funcin Z promedio v/s % poblacin evaluada

Mejor valor Z

800

800

Valor promedio Z

600

400
200
0
0

10

20

30

40

50

60

70

80

90

100

Valor funcin objetivo

Valor funcin objetivo

Mejor funcin Z y funcin Z promedio v/s % poblacin evaluada

Mejor valor Z
Valor promedio Z

600

400

200

0
0

% poblacin evaluada

10

20

30

40

50

60

70

80

90

100

% poblacin evaluada
Figura 5. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin evaluada para la zona de escoria.

Figura 7. Comportamiento del mejor valor de la funcin objetivo y su promedio en

la poblacin evaluada para el fondo.

Mejor valor Z y Z promedio v/s % poblacin evaluada

Mejor valor Z

800

Valor promedio Z

Mejor valor Z

Valor funcin objetivo

Valor funcin objetivo

Mejor funcin Z y funcin Z promedio v/s % poblacin evaluada

600

Valor Z promedio

0,33

0,3295

400

200

0
0

10

20

30

40

50

60

70

80

90

100

% poblacin evaluada
Figura 6. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin evaluada para la zona de trabajo.

0,320

10

20

30

40

50

60

70

80

90

100

% poblacin evaluada
Figura 8. Comportamiento del mejor valor de la funcin objetivo y su promedio en
la poblacin para la tarea general de conciliacin.

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model

ARTICLE IN PRESS

RIMNI-164; No. of Pages 9

O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

obtienen en el proceso de conformacin de la poblacin nal. En

las guras 9 y 10, se gracan los indicadores de costo, peso y prdidas energticas de la mejor solucin de revestimiento obtenida, as
como los promedios de la poblacin durante el proceso de bsqueda
por la tarea de conciliacin.
En ambos grcos, se obtienen comportamientos similares,
donde el indicador del costo tiende a aumentar, mientras que las
prdidas energticas y el peso tienden a disminuir, como resultado
de la propia variabilidad de las soluciones generadas en las tareas
de optimizacin por zona, de modo que se obtienen materiales con
propiedades diferentes pero con comportamientos semejantes y
ello es el resultado de tener objetivos de naturaleza contrapuesta
en la tarea, pues el costo aumenta con el aumento del espesor
del material, mientras que las prdidas energticas se reducen y
el peso puede comportarse indistintamente. As pues, los indicadores varan: tienden a mejorar hasta cerca del 45 % de las
combinaciones evaluadas y, a partir de ese valor, su variacin
y tienden a estabilizarse, coincidiendo
es relativamente pequena
con los criterios explicados anteriormente para la evolucin de
las funciones objetivo. La cantidad total de posibles soluciones,
calculada segn (15), ofrece, para las condiciones del caso de estudio realizado, un total de soluciones posibles igual a 3,341024 ,
mientras que las iteraciones totales medias realizadas por el procedimiento propuesto es de 32.429,21, con un tiempo promedio
por iteracin de 0,0230901 segundos, y se obtiene un indicador de
iteraciones requeridas con respecto a la bsqueda exhaustiva de
32.429,21/3,341024 = 9,0071021 , lo cual signica una efectividad
muy alta con respecto al procedimiento de bsqueda exhaustiva y
condiciona una alta probabilidad de obtener las soluciones ptimas
en un tiempo signicativamente menor.

Costo, peso y prdida v/s % poblacin evaluada

Costo (UM)
Peso (kg)

Valor indicador

25.000

Prdida (kW/h <102)

20.000
15.000
10.000

5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

% poblacin
Figura 9. Comportamiento de los valores de los indicadores de eciencia de la
poblacin en la ejecucin de la tarea conciliadora para los indicadores de la mejor
solucin.

Valor promedio indicador

Promedio de costo, peso y prdida v/s % poblacin evaluada

Costo promedio (UM)
Peso promedio (kg)

25.000

Prdida promedio (kW/h <102)

20.000

15.000

10.000

10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

% poblacin
Figura 10. Comportamiento de los valores de los indicadores de eciencia de la
poblacin en la ejecucin de la tarea conciliadora para los indicadores medios de la
poblacin.

6. Conclusiones
La descomposicin de la tarea de seleccin de revestimiento en
mltiples tareas de seleccin de materiales por zonas y una tarea
de conciliacin de opciones permite reducir signicativamente
la complejidad computacional que presenta el modelo original y
disminuir considerablemente los tiempos en su solucin.
La aplicacin del mtodo de integracin de variable y el operador
de bsqueda aleatoria del extremo de una funcin de un cdigo
variable permite crear poblaciones de soluciones ecientes, tanto
para la seleccin de materiales por zona, como para la generacin de combinaciones para la tarea de conciliacin posterior, con
resultados consecuentes con el modelado matemtico expuesto
en este artculo.
La experimentacin computacional realizada a partir de la implementacin en software del modelo computacional creado como
resultado del modelo matemtico descompuesto permite validar el enfoque de solucin propuesto a partir del anlisis grco
y estadstico de mltiples pruebas, donde se verica un ahorro
del esfuerzo computacional con relacin al problema original en
un tiempo relativamente breve, y adems se obtiene una buena
calidad en las soluciones de revestimiento nales.
Bibliografa
[1] C. Schacht, M. Maupin, Refractory Lining Design and Installation, en: C.A. Schacht (Ed.), Refractories Handbook, Marcel Dekker Inc, New York, 2004, pp.
475490.
[2] G. Sukul, P.V. Balaramakrishna, Steady state heat transfer design considerations
for refractory lining in process plants, Refractories Applications and News 16
(5) (2011) 2332.
[3] ASTM C680-10. ASTM International, 2004.
[4] Whole Building Design Guide-WBDG. NMIC, Washington DC, 2012.
[5] M.F. Ashby, H. Shercliff, D. Cebon, Materials Engineering, science, processing
and design, Second Editions, Editorials Elsevier Ltd, Oxford, 2010.
[6] M.F. Ashby, Materials Selection in Mechanical Design, Fourth Editions, Elsevier
Ltd, Oxford, 2011.
[7] M.F. Ashby, K.W. Johnson, Materials and Design, the art and science of material
selection in product design, Second Editions, Elsevier Linacre House, Oxford,
2010.
[8] G.E. Dieter, L.C. Schmidt, Engineering Design, Fourth Editions, McGraw-Hill,
2009.
[9] M.L. Wei, K.N. Singh, Design of refractory lining and steel shell for caster ladles,
Iron and Steel Engineer 16 (2) (1986) 45.
[10] M.A. Barbs, E. Martnez, M.F. Barbs, A. Alfonso, L.F. Verdeja, Criterios para el
de revestimientos que contactan con uidos a elevadas temperaturas,
diseno
2, FUNDIpress, 2007, pp. 2630.
[11] S.L. Chawla, R.K. Gupta, Materials Selection for Corrosion Control, Digital printing, ASTM International Materials Park, Michigan, 2010.
[12] D.E. Clark, D.C. Folz, T.D. McGee, An introduction to Ceramic Engineering Design,
Materials Selection, Wiley-Blackwell, Ohio, 2002, pp. 446.
[13] T. Prietl, O. Zach, H. Studnicka, The Evaluation of Refractory Linings ThermoMechanical Properties, World of MetallurgyERZMETALL 59 (3) (2006)
127132.
[14] P. Boisse, A. Gasser, J. Rousseau, Simulations of thermomechanical behavior of
composite refractory linings, COMPOS P B 32 (5) (2001) 459472.
[15] A.V. Zabolotsky, Thermal crack growth modeling in refractory linings of
metallurgical installations, International Journal of Mathematical Models and
Methods in Applied Sciences 5 (3) (2011) 56.
[16] Z. Chlup, D.N. Boccaccini, C. Leonelli, A.R. Boccaccini, Fracture behaviour of
refractory ceramics after cyclic thermal shock, CeramicsSilikty 50 (4) (2006)
245250.
[17] N. Rendtorff, L.B. Garrido, E.F. Aglietti, Choque Trmico de Materiales Refractarios: Comportamiento, Evaluacin y Ensayos, Cermica y Cristal 139 (2007)
181.
[18] R.J. Arzola, Sistemas de Ingeniera, Primera edicin, Editorial Flix Varela, La
Habana, 2000.
[19] V.O. Martnez, Tesis de Maestra, Universidad de Holgun, 2011.
[20] A. Lewandowski, A.P. Wierzbicki, Aspiration based decision support systems:
theory, software, and applications, Springer-Verlag, New York, 1990.
[21] G.L. Jimnez, Optimizacin. Primera Edicin, Seccin de Publicaciones e Imagen, Manizales, 2009.
[22] R.J. Arzola, Monografa Anlisis y Sntesis de Sistemas de Ingeniera, La Habana,
2008.
[23] M.F. Ashby, Y.J.M. Brechet, D. Cebon, L. Salvo, Selection strategies for materials
and processes, Materials & Design 25 (1) (2004) 5167.
[24] Granta Design Ltd. Cambridge Engineering Selector CES v4.0 software, Cambridge, 2010.

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001

G Model
RIMNI-164; No. of Pages 9

ARTICLE IN PRESS
O. Martnez Valds, J. Arzola Ruiz / Rev. int. mtodos numr. clc. diseo ing. 2015;xxx(xx):xxxxxx

[25] R.J. Arzola, R.E. Simen, A. Maceo, Proc. Intensive Workshop Optimal Design
of Materials and Structures, Ecole Polytechnique Palaiseau, Pars, 2003, pp.
89101.
[26] Z. Michalewicz, M. Schoenauer, Evolutionary Algorithms for Constrained
Parameter Optimization Problems, Evolutionary Computation 4 (1) (1996)
132.
[27] P.T. Runarsson, X. Yao, Stochastic Ranking for Constrained Evolutionary Optimization, IEEE Transactions on Evolutionary Computation 4 (3) (2000) 284294.
[28] A.E. Eiben, Z. Michalewicz, M. Schoenauer, J.E. Smith, Parameter Control in Evolutionary Algorithms, IEEE Transactions on Evolutionary Computation 3 (2)
(1999) 124141.
[29] D. Dasgupta, Z. Michalewicz, Evolutionary Algorithms in Engineering Applications, Springer-Verlag Berlin Heidelberg, New York, 1997.
[30] S.Y. Ho, L.S. Shu, J.H. Chen, Intelligent Evolutionary Algorithms for Large Parameter Optimization Problems, IEEE Transactions on Evolutionary Computation
8 (6) (2004) 522541.
[31] J.A. Lampinen, Proc. 2002 Congress on CEC02, Lappeenranta, University of
Technology, 2002.

[32] A. Daz, F. Glover, H.M. Ghaziri, J.L. Gonzlez, M. Laguna, P. Moscazo, et al.,
Optimizacin heurstica y redes neuronales, Editorial Paraninfo, Madrid, 1996.
[33] M. Gen, R. Cheng, Genetic Algorithms and Engineering Optimization, First Edition, Wiley-Interscience, New York, 1997.
[34] L.G. Toranzo, R.J. Arzola, Un algoritmo del mtodo de Integracin de Variables
para la solucin del problema mximo clique ponderado, Revista de Investigacin Operacional 35 (1) (2014) 2734.
[35] G. Ausiello, Complexity and approximation: combinatorial optimization problems and their approximability properties, Springer-Verlag, Berlin Heidelberg,
1999, pp. 38.
[36] J. Hromkovic, Theoretical computer science: introduction to Automata, computability, complexity, algorithmics, randomization, communication, and
cryptography, Springer, 2011, pp. 177178.
[37] I. Wegener, Complexity theory: exploring the limits of efcient algorithms,
Springer-Verlag, New York, 2005, pp. 20.
[38] T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, Introduction to Algorithms,
Second Editions, MIT Press and McGraw-Hill, Cambridge, 2001, pp. 3122.
[39] DIDIER. Refractory Products and Services, Didier-Werke AG, 1996.

Cmo citar este artculo: O. Martnez Valds, J. Arzola Ruiz, Seleccin ptima bajo criterios mltiples de materiales refractarios y aislantes
para cazuelas metalrgicas, Rev. int. mtodos numr. clc. diseo ing. 2015. http://dx.doi.org/10.1016/j.rimni.2015.08.001