1.- Introduccin: Qu es la Ingeniera Qumica?

En trminos generales, la ingeniera qumica es la aplicacin de la ciencia, en particular,

qumica, fsica, biologa y matemtica, al proceso de convertir materias primas o
productos qumicos en productos ms tiles, aprovechables o de mayor valor.

En trminos ms precisos, se puede decir que:

Ingeniera Qumica es la rama de la Ingeniera que se dedica al estudio, sntesis,

desarrollo, diseo, operacin y optimizacin de todos aquellos procesos industriales que
producen cambios fsicos, qumicos y/o bioqumicos en los materiales.

La definicin que aparece actualmente en la Constitucin del Instituto Americano de

Ingenieros Qumicos (AIChE) es:

Ingeniera Qumica es la profesin en la cual el conocimiento de la matemtica, qumica

y otras ciencias bsicas, ganados por el estudio, la experiencia y la prctica, es aplicado
con juicio para desarrollar maneras econmicas de usar materiales y energa para el
beneficio de la humanidad.

Una breve Historia

En 1824, el fsico francs Sadi Carnot, en su investigacin "en la energa motiva del
fuego", fue el primero en estudiar la termodinmica de las reacciones de la combustin
en motores de vapor. Durante la dcada de los 1850s, el fsico alemn Rudolf Clausius
comenz a aplicar los principios desarrollados por Carnot a los sistemas de productos
qumicos en lo atmico a escala molecular. Durante los aos 1873 a 1876 en la
universidad de Yale, el fsico matemtico americano Josiah Willard Gibbs, fue el
primero en dirigir en los Estados Unidos, una serie de tres escritos, desarroll una
metodologa matemtica basada, en la grfica, para el estudio de sistemas qumicos
usando la termodinmica de Clausius. En 1882, el fsico alemn Hermann von
Helmholtz, public un escrito con fundamentos de la termodinmica, similar a Gibbs,
pero con una base ms electro-qumica, en la cual l demostr esa medida de afinidad
qumica, es decir la "fuerza" de las reacciones qumicas, que es determinada por la
medida de la energa libre del proceso de la reaccin. Despus de estos progresos
tempranos, la nueva ciencia de la Ingeniera Qumica comenz a transformarse. Los
siguientes hechos demuestran algunos de los pasos dominantes en el desarrollo de la
ciencia de la ingeniera qumica:

1888 - Lewis M. Norton comienza un nuevo plan de estudios en el Instituto de

Tecnologa de Massachusetts (MIT): Curso X, Ingeniera Qumica
1908 - Se funda el Instituto Americano de Ingenieros Qumicos (AIChE).
1922 - Se funda la institucin Britnica de Ingenieros Qumicos (IChemE).

Actividades del Ingeniero Qumico

Los Ingenieros Qumicos estn involucrados en todas las actividades que se relacionen
con el procesamiento de materias primas (de origen animal, vegetal o mineral) que

1
tengan como fin obtener productos de mayor valor y utilidad. Por lo tanto, pueden
desarrollar sus actividades en:

Plantas industriales / Empresas Productivas

Empresas de construccin y/o montaje de plantas y equipos
Empresas proveedoras de servicios tcnicos (consultora, control de calidad,
mantenimiento, etc.)
Organismos gubernamentales o no gubernamentales de acreditacin, control y
estndares
Instituciones de educacin superior
Centros de Investigacin y Desarrollo (Industriales / Acadmicos).

Las tareas que puede realizar un Ingeniero Qumico son variadas; pueden mencionarse
las siguientes a modo de ejemplo:

Estudios de factibilidad tcnico-econmica

Especificacin / Diseo de equipos y procesos
Construccin / Montaje de equipos y plantas
Control de Produccin / Operacin de Plantas Industriales
Gerencia y Administracin
Control de Calidad de Productos
Compras y Comercializacin
Ventas Tcnicas
Control Ambiental
Investigacin y Desarrollo de Productos y Procesos
Capacitacin de Recursos Humanos.

Tpicamente, los ingenieros qumicos son empleados en industrias de sectores

tradicionales, como el qumico, petroqumico, gas y petrleo, y de alimentos.
Recientemente, han ido ganando incumbencia en reas como la ambiental y la
biotecnologa.

Entre los sectores industriales ms importantes que emplean a profesionales de la

Ingeniera Qumica se encuentran:

Industria Qumica / Petroqumica

Gas y Petrleo / Refineras
Alimentos y Bebidas / Biotecnologa
Siderrgica / Metalrgica / Automotriz
Materiales / Polmeros / Plsticos
Generacin de energa
Otras (Farmacutica, Textil, Papelera, Minera, etc.)

2
2. El Diseo de Procesos

Existen tres etapas fundamentales el la ingeniera de procesos: sntesis, anlisis y

optimizacin.

La etapa de sntesis de un proceso implica el definir las entradas y salidas del sistema,
en este caso las caractersticas de materias primas y productos deseados y estipular la
estructura del proceso que se requiere para llevar a cabo la transformacin deseada de
los reactivos a productos.

La etapa de anlisis (o simulacin) de un proceso consiste en definir las entradas o

materias primas y el diagrama de flujo del proceso para indagar las salidas que se
pueden obtener. Debe ser claro que cada solucin al problema original de la sntesis de
un proceso implica un nuevo problema de anlisis del proceso: una vez que se define el
diagrama de flujo del problema original se planear el anlisis o simulacin para
establecer las salidas que se obtienen y compararlas con las que se haban estipulado
originalmente.

En la optimizacin de un proceso, una vez que se agotan los grados de libertad en forma
de variables de diseo se plantea una funcin objetivo que trata de minimizar algn tipo
de entradas o costos del proceso. O bien de maximizar algn tipo de salidas o beneficios
del proceso para en funcin de este objetivo obtener las mejores variables de diseo.

De nuevo existe una interrelacin entre esta etapa y las otras dos de ingeniera de
procesos. La solucin al problema de sntesis puede auxiliarse mediante alguna tcnica
de optimizacin y cada punto de bsqueda del proceso de optimizacin puede implicar
la simulacin del proceso bajo ese conjunto particular de condiciones de operacin que
se estn explorando en busca de la solucin ptima.

3
 Definicin del problema
1. Aclaracin de Objetivos
Requerimientos del Cliente 2. Establecer requisitos del cliente
(Necesidades)
3. Identificar restricciones
4. Establecer funciones

Verificacin

5. Establecer especificaciones de
diseo. Diseo conceptual
6. Generar alternativas.

7. Modelo / Anlisis del diseo.

Diseo preliminar
8. Prueba / Evaluar el diseo.

9. Refinar / Optimizar diseo. Diseo de detalle

Diseo final y documentacin Revisin del Diseo y

documentos

Validacin
Producto final
(Objetivo del diseo)

Figura 2.1. Etapas del Diseo de Procesos

4
3. Ingeniera de Costos

Un proceso industrial (o un nuevo proceso) slo tiene estabilidad en el mercado si su

aspecto econmico es favorable. Se pueden identificar tres tipos de niveles en el diseo
de procesos:
1. Diseo preliminar.
2. Estudio de preinversin.
3. Diseo final (ingeniera de detalle).

En el primer nivel se toma informacin bsica del proyecto con diseos aproximados y
escenarios econmicos simples para llegar a un diagnostico preliminar sobre el
potencial econmico del proceso. Esta etapa debe hacerse en forma tan rpida como sea
posible para tomar la decisin de continuar con el proyecto si existe un potencial
favorable. O terminarlo y no invertir tiempo adicional en l si es claro que el proceso no
tiene perspectivas econmicas razonables.

En el segundo nivel el panorama promisorio del proceso amerita un diseo ms

elaborado y un anlisis econmico ms riguroso, con estimaciones de inversiones ms
confiables y costos de operacin ms desglosados. Se aplica el mismo tipo de lgica: el
proceso debe volver a analizarse para examinar su potencial econmico y dictaminar si
se debe continuar con el proyecto de comercializacin.

El tercer nivel tpicamente se lleva a cabo por una firma especializada con el fin de
elaborar diseos finales y planos para la construccin del equipo. Dada la informacin
que se genera en forma de un diseo final. Las estimaciones econmicas a este nivel son
las ms exactas que se pueden tener para la etapa de diseo del proceso y constituyen
los mejores pronsticos de lo que se espera durante la operacin comercial del proceso.

Componentes de la economa de un proceso

Para establecer una actividad econmica se requiere de una inversin. A cambio de esa
inversin se obtienen ingresos en forma de ventas las cuales deben ofrecer un excedente
adecuado sobre los costos que implica la operacin del proceso para que este tenga un
potencial favorable de comercializacin.

La inversin requerida puede descomponerse en una inversin fija IF y un capital de

trabajo IW:

I = IF + IW (3.1)

donde I es la inversin total.

EI costo de operacin de un proceso puede evaluarse por unidad de tiempo ($/ao) o por
unidad de produccin ($/kg). Este concepto incluye los costos asociados con la
inversin, los costos variables y los costos de mano de obra :

C= aI + bMP + cE + dMO pSP (3.2)

5
donde C es el costo de operacin del proceso; a es un factor que considera gastos
anuales como regalas, mantenimiento, etc., los cuales no es posible predecir; b es el
costo unitario de cada materia prima MP; c es el costo de cada servicio E: dMO es el
coste de mano de obra y p es el precio de cada subproducto SP que se pudiera producir
en el proceso adems del producto principal.

Si S son las ventas anuales la utilidad bruta R se define como la diferencia entre las
ventas y el costo de operacin anual:

R=SC (3.3)

La utilidad neta P se calcula restando de la utilidad bruta la depreciacin del equipo y el

pago de impuestos:

P = R eI t(R - dI) (3.4)

donde e es el factor de depreciacin para fines contables d es el factor de depreciacin

para fines de impuestos y t es la tasa de impuestos.

En base a los principios presentados anteriormente se pueden establecer algunos

criterios para comparar alternativas en una base econmica.

Tasa de Retorno (ROI)

La tasa de retorno o tasa de recuperacin es una de las medidas mas usadas para medir
la rentabilidad de un proceso. Se define como el beneficio neto dividido por la inversin
total del proceso:

P
ROI (3.5)
I

Para que una alternativa tenga atractivo, ROI debe ser mayor que un valor mnimo
establecido por la compaa.

Beneficio Extra (V)

El beneficio con respecto al beneficio mnimo establecido por la compaa es otro

criterio que puede usarse para evaluar alternativas:

V = P iminI (3.6)

Resulta claro que si ROI > imin se cumple, entonces V ser positivo, lo cual establece el
requisito para factibilidad econmica usando este criterio.

El tiempo de recuperacin de capital representa el tiempo que tardar el inversionista en

recuperar todo su capital en el caso hipottico de que todas las utilidades se utilizaran
para ese fin:

6
 I
TR (3.7)
P eI

Efecto del Tiempo en la Inversin

Las inversiones para un proceso determinado se encuentran publicadas o se evalan

tpicamente en funcin de una capacidad base y de un tiempo base. Ambos aspectos
requieren de ajustes para tener la estimacin de la inversin en el tiempo deseado y para
la capacidad requerida. En esta seccin se considera el efecto del tiempo en la inversin
para luego tratar el efecto de la capacidad.

El efecto de la inflacin en los costos de inversin de plantas qumicas puede

cuantificarse mediante el uso de ndices especializados. Para pasar la informacin de la
inversin de un proceso de un ao base a un ao deseado se utiliza la siguiente
expresin:
ndice _ del _ ao _ 2
I t , 2 I t ,1 (3.8)
ndice _ del _ ao _ 1

Existen varios ndices que se publican en forma peridica. A continuacin se muestran

los dos mas utilizados:

1.- ndice del Chemical Engineering Magazine

2.- ndice Nelson (exclusivo para refineras) publicado por el Oil and Gas Journal.

A continuacin se muestra una tabla completa con los ndices publicados por Chemical
Engineering Magazine hasta el ao 2007.

Tabla 3.1. Valores del ndice de Construccin de Plantas en Ingeniera Qumica.

Ao ndice Ao ndice
1957-59 100 1990 357.6
1966 107.2 1991 361.3
1968 113.7 1992 358.2
1970 125.7 1993 359.2
1975 182.4 1994 368.1
1976 192.1 1995 381.1
1977 204.1 1996 381.7
1978 218.8 1997 386.5
1979 238.7 1998 389.5
1980 261.2 1999 390.6
1981 297.0 2000 394.1
1982 314.0 2001 394.3
1983 316.9 2002 395.6
1984 322.7 2003 402.0
1985 325.3 2004 444.2
1986 318.4 2005 468.2
1987 323.8 2006 499.6
1988 342.5 2007 525.4
1989 355.4 2008 549.2

7
Ajuste de Inversiones debido a la Capacidad

Datos histricos de inversiones de diferentes tecnologas muestran que el ajuste de

inversin por efecto de la capacidad del proceso sigue una regla exponencial:

m
I2 Q2
(3.9)
I1 Q1

donde m es un exponte caracterstico de cada tecnologa. En caso de no estar disponible

se usa tpicamente m = 0.6.

Clculo Costos de Equipos

Cuando una tecnologa es bien conocida puede tenerse acceso a su costo de inversin a
travs de fuentes especializadas. Cuando el proceso est en desarrollo a escala
laboratorio, sin embargo, esta estimacin generalmente no esta disponible. Es necesario
en estos casos tener alguna estimacin razonable del potencial econmico del proceso
en desarrollo. Por lo que el clculo del costo de los equipos es indispensable.

A continuacin se comentan dos de los mtodos mas utilizados para el clculo de costo
de equipos:

Mtodo de Lang

Est mtodo implica el sumar primero el costo base de los principales componentes del
proceso. En seguida se multiplica por una serie de factores de experiencia:

Ic Ii (3.10)

If Ic fiIc fl (3.11)

donde If es la estimacin de la inversin completa del proceso, Ic es el costo de los

principales equipos, fi es un factor para 1a estimacin del costo de tuberas,
instrumentacin y edificios y fl toma en cuenta todos los gastos indirectos.
Arreglando la ecuacin anterior:

If 1 fi fl Ic (3.12)

O bien

If FLIc (3.13)

Donde FL es el factor de Lang.

8
Esta es una de las principales aportaciones del mtodo de Lang que implica que para
estimar la inversin total de un proceso a partir del costo de sus equipos principales se
puede usar un factor global de experiencia.

Mtodo de Guthrie

Guthrie public en 1969 una de las mejores recopilaciones que se tengan sobre
estimaciones de costos. Para el manejo de esta informacin se divide la planta en
mdulos. Esta tcnica se usa para estimar el costo de una unidad instalada o una planta
instalada. La estimacin del costo de un mdulo de equipo de un proceso el costo de
construccin del equipo, el costo del material, mano de obra y costos indirectos por la
instalacin del equipo.

El procedimiento propuesto por Guthrie para el clculo del costo de un equipo se

resume de la siguiente manera:

1.- Obtencin del costo base

2.- Ajuste del costo base
3.- Clculo del costo del equipo.

Para llevar a cabo este procedimiento es necesario el uso de tablas y valores de ajuste
que se encuentran ampliamente reportados en la literatura de diseo de procesos.

Problemas Seccin 3

Problema 3.1. (Tomado de Jimnez A., 2003) Una Planta para producir formaldehdo a
partir de metanol requiere una inversin de $1.8 millones. Otros datos relevantes se dan
a continuacin:

Capacidad de la planta: 25,000 T/ao

Carga inicial del catalizador: 2.2 T @ $25/kg
Vida del catalizador: 1 ao
Consumos por tonelada de formaldehdo:
Metanol: 1.15 T @ $135/T
Electricidad: 256 kwh @$0.025/kwh
Agua de enfriamiento: 75 m3 @ $0.0104/m3
Agua de alimentacin para hervidores: 3 m3 @ $0.025/m3
Vapor producido: 1.58 T @ $6.88/T

Si el precio de venta del producto es de 229 $/T, estime la tasa de retorno.

Problema 3.2. Una planta de produccin de amoniaco para la produccin de 50,000

toneladas por ao se construy en el ao de 1977 con un costo de 1.75 millones de
dlares. Estimar el costo de la inversin para la misma planta de amoniaco pero para
una produccin de 125,000 toneladas por ao que se construir en el 2007.

9
Problema 3.3. (Tomado de Jimnez A., 2003) Fenol, utilizado para fabricar resinas
fenlicas, como fenol formaldehdo, puede producirse a partir de cumeno,
produciendo acetona como subproducto. Los datos tcnicos de esta tecnologa se dan en
seguida:

Componente Coeficiente T/T de Producto

Acetona 0.61
Cumeno -1.35
Fenol 1.00
Hidrxido de sodio -0.01
cido sulfrico -0.01

Requerimientos de energa: 0.38 FOET/T

Inversin unitaria para una planta de 91 kT (1977 $): 490 $/T
Estime el precio de venta del producto si se desea instalar una planta de 120,000 T/ao,
basando sus clculos al ao 2000.

Problema 3.4. Estimar el costo de un intercambiador de calor tipo Kettle en el ao

2000, de 1,500 pies cuadrados de rea construido de acero inoxidable en los tubos y
acero al carbn en la coraza y que operar a 100 psia.

10
4. Sntesis de Procesos de Separacin

Implica crear un proceso para lograr una separacin, pero ese proceso debe ser el ms
adecuado; es decir, el que presente una mejor funcin objetivo, por ejemplo, minimizar
el costo anual de operacin, maximizar las ganancias, minimizar el consumo de
servicios, etc., Los mtodos o tcnicas de sntesis de procesos se pueden agrupar en
forma general en los siguientes grupos:

Mtodos Heursticos.- Se basan en reglas de experiencia, que se obtienen del estudio de

los procesos de separacin por parte de investigadores e ingenieros de proceso; sin
embargo, estos mtodos no garantizan la solucin ptima, ya que las reglas de
experiencia son factibles pero no infalibles. La ventaja de estos mtodos es que
rpidamente nos generan una solucin al problema, con la menor cantidad posible de
clculos.

Mtodos Algortmicos.- Garantizan una solucin ptima, pero requieren de clculos

ms elaborados, generalmente del uso de una computadora y sobre todo del uso de una
funcin objetivo, tal funcin objetivo como se estableci con anterioridad, puede ser
minimizar el costo anual de operacin, maximizar las ganancias, etc.,

Mtodos Heursticos - Evolucionarios.- Proponen una primera aproximacin, mediante

el uso de las reglas heursticas. Sin embargo, se realizan cambios sobre este esquema, si
el cambio logra una mejor funcin objetivo, se toma como nueva aproximacin al
ptimo y en caso contrario se toma el esquema previo, se contina hasta que se agotan
todos los cambios factibles de realizar.

En el estudio de sntesis de procesos de separacin es importante tener en cuenta las

siguientes definiciones:

Secuencia.- Es un ordenamiento de mdulos de separacin; es decir, una combinacin

de columnas de destilacin, columnas de absorcin, etc., El propsito es efectuar una
separacin.

Las secuencias se suelen agrupar en dos grupos; es decir, las secuencias convencionales
(Figura 4.1), en las cuales no existen reciclos entre las unidades o mdulos de
separacin y adems cada mdulo es convencional, y las secuencias no convencionales
(Figura 4.2) en las cuales pueden existir reciclos entre los mdulos los cuales pueden a
su vez ser convencionales o no convencionales.

11
Figura 4.1. Secuencia Convencional.

Figura 4.2. Secuencia No convencional.

Las secuencias convencionales se suelen agrupar en directas: sin n-1 componentes salen
por los domos de las columnas; indirectas si n-1 componentes salen por los fondos de
las columnas y mixtas si al menos n-2 componentes salen por los domos y/o fondos de
las columnas.

Split, Corte, Separacin.- Es una separacin o ruptura entre los componentes de una
mezcla alimentada a algn mdulo separador.

12
Numero de Secuencias Convencionales para Efectuar una Separacin (Ns)

Por ejemplo, en la separacin de una mezcla de cuatro componentes (A,B,C,D)

se tienen 5 secuencias convencionales de separacin. El nmero de secuencias se puede
calcular mediante:

( 2( N 1))!
Ns (4.1)
( N )!( N 1)!

Nmero de Cortes o Splits (Nc).- Para las secuencias determinadas para una separacin
cuaternaria Cuntos cortes nicos se realizan?

( N )( N 1)( N 1)
Nc (4.2)
6

(A/BCD) (AB/CD) (ABC/D) (A/BC) (AB/C) (B/CD) (BC/D)

(A/B) (B/C) (C/D)

Nmero de Grupos (Ng).- Partiendo de la mezcla anterior, determinar el nmero de

grupos que se pueden formar.

N ( N 1)
Ng (4.3)
2

ABCD
ABC BCD
AB BC CD
A B C D

A continuacin se resumen los diferentes mtodos para la sntesis de procesos de

separacin:

Mtodos Heursticos

Las reglas heursticas fueron originalmente propuestas por Rudd y colaboradores en el

libro Process Synthesis (1973). En la Tabla 4.1 se muestran las reglas tal y como
fueron establecidas por Rudd y colaboradores.

13
Tabla 4.1. Reglas heursticas (Versin de Rudd y Colaboradores. Tomado de Rudd
Powers y Siirola, Process Synthesis, Prentice Hall, 1973).

1. Of the many differences that may exist between the source and destination of
a stream, differences involving composition dominate. Select the separation
tasks first.
2. When possible, reduce the separation load by stream splitting and blending.
3. All other things being equal, aim to separate the more plentiful components
first. If amounts are equal, aim to separate into equal parts.
4. Remove the corrosive and hazardous material early.
5. The difficult separations are best saved for last.
6. All other things being equal, shy away from separations that require the use
of species not normally present in the processing. However, if a foreign
species is used to effect a separation, remove that species early.
7. Avoid excursions in temperature and pressure, but aim high rather than low.
8. In distillation, remove desired product species finally in a distillation.
9. In distillation favor the removal one by one of the more volatile components.

Como se puede ver las reglas heursticas en la versin original no son directamente
tiles para la solucin de problemas de sntesis de secuencias de procesos de separacin.
Ante esto Seader y Westerberg en 1977 presentaron una versin de las reglas heursticas
de fcil aplicacin para la sntesis de procesos de separacin:

Regla 1.- Cuando la volatilidad relativa entre pares adyacentes de componentes vara
grandemente, establzcase los cortes en el sentido decreciente de volatilidad relativa
(esta heurstica en un principio se llam lo ms fcil primero).

Regla 2.- Cuando la volatilidad relativa no vara grandemente, pero en cambio la

fraccin mol en la alimentacin s, establzcase los cortes en el sentido de fraccin
molar decreciente (esta heurstica en un principio se llam lo ms abundante primero).

Regla 3.- Cuando ni la volatilidad relativa, ni la fraccin mol varan grandemente,

prefiera las secuencias directas, que separan los componentes uno por uno en los domos,
este tipo de esquemas se usan ampliamente en la industria.

Regla 4.- Cuando se usa un agente msico externo (MSA); por ejemplo, en destilacin
extractiva, se debe remover en el separador siguiente, y de preferencia el MSA se debe
agregar al final. Adems nunca se debe usar un MSA para separar otro que ya se agreg
con anterioridad.

Regla 5.- Cuando se especifican productos multicomponentes, se debe de favorecer la

secuencia que los produce con el mezclado mnimo.

14
Mtodos Algortmicos

Para la sntesis de sistemas de separacin utilizando tcnicas algortmicas se emplea el

mtodo de programacin dinmica, desarrollado por Hendry y Huges (1972). El mtodo
de programacin dinmica se basa en el principio de optimizacin de Bellman, el cual
se enuncia de la siguiente manera:

"Un sistema acclico, se optimiza si cada uno de los componentes o unidades se

optimiza a la vez para todo el conjunto de posibles valores de las variables que
provienen de la etapa anterior".

Con base en este principio se puede generar una tabla problema donde para cada corte
presente en una separacin se pueden generar los ptimos para cada subseccin
obteniendo al final del problema el ptimo global.

Mtodo Heurstico - Evolucionario

Este mtodo fue propuesto por Seader y Westerberg en 1977 como una versin
mejorada del uso de las reglas heursticas para el diseo de trenes de separacin. Es un
mtodo iterativo que conduce a un diseo ptimo de secuencias de separacin. El
mtodo consta de dos pasos que se muestran a continuacin:

Paso 1.- Generar una buena secuencia de separacin, usando las reglas heursticas.

Regla 1.- Separar lo ms fcil primero. Esta regla se complementa, considerando que si
la volatilidad relativa es mayor a 2.0 pensar solamente en destilacin ordinaria; sin
embargo, si la volatilidad relativa es inferior a 1.05 pensar en destilacin extractiva,
absorcin o extraccin lquido-lquido.

Regla 2.- Separar lo ms abundante primero.

Regla 3.- Favorecer secuencias directas.

Regla 4.- Remover el MSA tan pronto como sea posible.

Regla 5.- Cuando se desean productos multicomponentes, favorecer secuencias con el

mnimo de mezclado.

Paso 2.- Aplicar las reglas evolutivas de Seader y Westerberg, las cuales se enuncian en
los siguientes dos pasos.

a) Considerar todos los intercambios posibles entre columnas adyacentes.

b) Relajar la primera regla heurstica y las siguientes y realizar el intercambio ms

factible. Si el intercambio hecho logra una mejor funcin objetivo, se toma como nueva
aproximacin al ptimo; sin embargo, si la funcin objetivo empeora, se toma la
secuencia anterior. Se contina hasta que se hayan realizado todos los intercambios
factibles.

15
Sntesis de Secuencias de Separacin Mediante Costos Marginales

Otra manera de encontrar la secuencia ptima es mediante costos marginales. Este

mtodo consiste en calcular un costo base que todas las secuencias tienen como un
mnimo y luego adicionar los costos que diferencian una secuencia de otra. Se empieza
por calcular el costo para hacer las separaciones A/B, B/C, C/D, etc., considerando que
no estn presentes las otras especies. Por lo tanto, el costo de una secuencia ser el
anterior ms los costos necesarios para realizar la separacin cuando los otros
componentes estn presentes.

El costo est relacionado directamente con el flujo de vapor marginal necesario para
llevar acabo la separacin. Esta cantidad se puede evaluar fcilmente mediante el
empleo de mtodos cortos de diseo. De lo anterior se desprende el hecho de que la
secuencia ms econmica ser la que tenga el menor flujo marginal de vapor. Adems,
esto implica que solamente se tomarn en cuenta las separaciones en las que existan
componentes no claves, ya que las separaciones binarias se presentarn en todas las
secuencias de separacin. El flujo de vapor marginal se puede definir en la siguiente
forma:

V( i / j, no claves .)

Por ejemplo, para la separacin AB/CDE la funcin de flujo marginal queda expresado
de la siguiente manera V( B / C, ADE) .

El flujo de vapor necesario para efectuar una separacin es un indicador del costo de la
columna y de los servicios. Una separacin difcil requerir un flujo de vapor grande, lo
cual necesitar de un reflujo alto y es bien sabido que el efecto de aumentar el reflujo
causa un mayor consumo de servicios y se requiere una columna de mayor dimetro y
consecuentemente el costo se incrementa. Consecuentemente, es razonable minimizar el
requerimiento de vapor en las columnas. Finalmente, se puede definir el flujo marginal
como sigue:

V( i / j, no claves .) V( i / j, no claves ) V( i / j)

Problemas Seccin 4

Problema 4.1. Investigadores de la Universidad de California en Berkley, han

estudiado las 14 secuencias posibles para separar 200 lb-mol/h de la siguiente mezcla en
sus componentes con una pureza del 98%. Usando reglas heursticas obtenga una
aproximacin al ptimo para llevar a cabo esta separacin.

Especie Smbolo ZF relativa al nC5

PROPANO A 0.05 8.1
I-BUTANO B 0.15 4.3
N-BUTANO C 0.25 3.1
I-PENTANO D 0.20 1.25
N-PENTANO E 0.35 1.0

16
Problema 4.2.- El efluente procedente de un reactor contiene una mezcla de varios
derivados clorados del hidrocarburo RH3, justamente con el hidrocarburo y el HCl.
Basndose en reglas puramente heursticas, descrbase dos secuencias para llevar a cabo
la separacin.

Especie Lb-mol/h relativa al RCl3

HCl 52 4.7
RH3 58 15
RCl3 16 1
RH2Cl 30 1.9
RHCl2 14 1.2

Problema 4.3.- Para los siguientes datos de coste de separacin de la mezcla

(C3,B1,NB,B2,C5), use el mtodo de programacin dinmica para encontrar la mejor y
la peor secuencia de separacin.
Corte Costo ($/ao) Costo Total ($/ao) ptimo Local
C3/B1 15,000
B1/NB 190,000
NB/B2 420,000
B2/C5 32,000
C3,B1/NB 197,000
C3/B1,NB 59,000
B1,NB/B2 500,000
B1/NB,B2 247,000
NB,B2/C5 64,000
NB/B2,C5 460,000
C3,B1,NB/B2 510,000
C3,B1/NB,B2 254,000
C3/B1,NB,B2 85,000
B1,NB,B2/C5 94,000
B1,NB/B2,C5 530,000
B1/NB,B2,C5 254,000
C3,B1,NB,B2/C5 95,000
C3,B1,NB/B2,C5 540,000
C3,B1/NB,B2,C5 261,000
C3/B1,NB,B2,C5 90,000

Problema 4.4.- Usando programacin dinmica encuentre la secuencia con el menor

consumo de servicios.

Corte Carga (Kcal/h) Carga total (Kcal/h) ptimo Local

A/B 148,220
B/C 185,410
C/D 235,430
D/E 288,910
A/BC 168,920

17
AB/C 250,430
B/CD 210,110
BC/D 310,000
C/DE 266,440
CD/E 373,930
A/BCD 187,980
AB/CD 282,230
ABC/D 388,560
B/CDE 230,730
BC/DE 346,320
BCD/E 480,370
A/BCDE 208,720
AB/CDE 316,690
ABC/DE 436,760
ABCD/E 559,910

Problema 4.5.- Para el siguiente problema de separacin de la mezcla (A,B,C,D,E,F),

de la cual se desean los siguientes productos A, BDE,C,F, utilice el mtodo
evolucionario para obtener una buena secuencia de separacin. La volatilidad relativa
entre CD es 1.03 si se usa destilacin ordinaria; sin embargo, aadiendo fenol la
volatilidad relativa se incrementa hasta 1.7.

Smbolo Componente Flujo (Kmol/h) Volatilidad relativa

A Propano 4.55 AB =2.45
B Buteno-1 45.5 BC =1.18
C n-Butano 15.5 CD =1.03
D trans-Buteno-2 48.2
E cis-Buteno-2 36.8 EF =2.35
F n-Pentano 18.2

Problema 4.6.- Se desea separar una mezcla de 5 componentes (A,B,C,D,E) en los

siguientes productos A, BD, C, E. El flujo original de la alimentacin es 1000 moles/h y
la fraccin mol de la alimentacin es (0.2, 0.4, 0.1, 0.1, 0.2). Se consideran 2
propiedades.

Propiedad I : Destilacin ordinaria.

Propiedad II: Destilacin extractiva con fenol.

Los valores de las volatilidades relativas usando cada propiedad son los siguientes:

Propiedad I : AB=2.0; BC =1.7; CD =1.5; DE =1.04

Propiedad II: DE =1.7

Para la determinacin de los costos de operacin se pueden usar los siguientes modelos
reducidos:

18
Propiedad I : 100 * F / PROPIEDAD I

Propiedad II : 150 * F / PROPIEDAD II

Considerando F como la alimentacin a la columna, determinar mediante el mtodo

evolucionario una buena alternativa a la secuencia de separacin.

Problema 4.7.- (Problema dado por A. Westerberg, durante XIV Seminario Anual de
Ingeniera Qumica, Instituto Tecnolgico de Celaya, Enero de 1994) Determine
mediante un anlisis de costos marginales la mejor secuencia de separacin de la
siguiente mezcla de alcoholes la cual se encuentra a 1 atm y 25 C:

Componente Volatilidad Relativa Flujo (Kmol/h)

Isobutanol 3.3199 5.0
1-pentanol 1.7735 10.0
1-hexanol 1.0000 20.0
1-heptanol 0.6407 50.0
1-octanol 0.3542 15.0

19
5. Sntesis de Redes de Integracin de Energa

El problema de la sntesis de redes de cambiadores de calor HENS (Heat exchanger

network synthesis) puede definirse como la determinacin de una red costo-eficiencia
para intercambiar calor entre un conjunto de corrientes en un proceso. Donde cualquier
corriente caliente o fra que no sea satisfecha en la red ser completada con servicios.

En el desarrollo de redes de transferencia de calor se deben de tener en cuenta tres

reglas heursticas bsicas usadas en el desarrollo de mtodos algortmicos basados en la
optimizacin secuencial. En particular, se asumir que una red ptima o cerca del
ptimo exhibe las siguientes caractersticas:

1. Mnimo costo de servicio.

2. Mnimo nmero de unidades.
3. Mnimos costos de inversin.

Claramente, y en la mayora de los casos, es posible tener conflictos entre estas reglas.
Por eso, se asumir que la regla 1 tiene prioridad sobre la regla 2, y la regla 2 sobre la
regla 3. En este sentido el objetivo ser considerar la primera red candidata que exhiba
costos de servicios mnimos, despus, entre estas, las que tengan el nmero mnimo de
unidades, y finalmente, aquellas que tengan el costo mnimo de inversin. Para cada
uno de estos pasos se podr desarrollar modelos de optimizacin apropiados para
generar redes con todas las opciones posibles para la secuenciacin de separacin de
corrientes, mezclado y by-pass.

La aplicacin original de la metodologa del punto de pliegue se enfoc al diseo de

redes de intercambio de calor. Sin embargo, posteriormente comenz a tomar inters el
uso de ste mtodo para realizar modificaciones a redes existentes. Por lo tanto, se
pueden distinguir dos categoras en la aplicacin de la metodologa del punto de
pliegue: diseo y rediseo.

El principal objetivo del rediseo de redes es reducir el consumo de servicios auxiliares

utilizando lo ms eficientemente posible el rea existente. Para quien quiera disear una
red de intercambio de calor se debe contar con la siguiente informacin:

Corrientes calientes que deban ser enfriadas y corrientes fras que deban ser
calentadas.

Temperaturas de entrada y de salida de todas las corrientes.

Flujos msicos de las corrientes.

Calores especficos (Cp) y coeficientes de transferencia de calor (h) de las

corrientes, con su dependencia de la temperatura.

Cadas de presin permitidas para las corrientes.

Costos para los cambiadores de calor en funcin del rea.

20
La tecnologa del punto de pliegue es una herramienta para resolver este tipo de
problemas. Reconoce la necesidad de plantear objetivos prediciendo cual es la mejor
realizacin que puede lograrse en el proceso. As el targeting (bsqueda de objetivos)
permite al ingeniero de proceso determinar los requerimientos mnimos de rea,
unidades, corazas y costos del diseo de la red de intercambio de calor. Por convencin
se ha establecido que las corrientes calientes sean representadas con flechas que van de
izquierda a derecha y las corrientes fras con flechas que van de derecha a izquierda.
Los intercambiadores son dibujados como crculos que conectan la corriente caliente
con la fra, como se observa en la simbologa de la Figura 5.1.

C Enfriador

Calentador
H

Intercambiador (recuperacin de calor)

Figura 5.1. Simbologa de los equipos.

La mayor ventaja de la representacin del diseo de la mnima energa es que el punto

de pliegue puede identificarse fcilmente como una lnea vertical de temperatura,
dividiendo la regin arriba del punto de pliegue a la derecha y la regin abajo del punto
de pliegue a la izquierda.

Cada corriente puede ser representada por un diagrama de temperatura - entalpa T-H.
En los cuales, la pendiente de la lnea de la corriente da el recproco de capacidad
calorfica de cada corriente 1/WCp.

Un paso importante en la tecnologa del punto de pliegue es el combinar todas las

corrientes calientes para generar una curva compuesta caliente (HCC, hot composite
curve) y una curva compuesta fra (CCC cold composite curve). La combinacin se
hace sumando los WCp de todas las corrientes del mismo tipo en cada intervalo de
temperatura. Notar que los lmites de intervalos de temperatura corresponden a las
temperaturas de entrada y salida de las corrientes como se muestra en la Figura 5.3.

La HCC y la CCC proveen una grfica comprensiva de la demanda y suplemento de

calor para el proceso en general, sobre todo el rango de temperatura. Todas las
corrientes pueden ser combinadas y visualizadas como una sola corriente caliente y una
sola corriente fra, en un arreglo en contra-corriente cuando las dos curvas compuestas
son dibujadas en el mismo eje de T-H. Su posicin horizontal an no est definida, pero
pueden situarse especificando una mnima diferencia de temperaturas de intercambio
( Tmin). Este punto es el llamado el punto de pliegue. Este representa la seccin ms
obligada para la recuperacin de calor. Al punto de pliegue le corresponde un nivel
particular de temperatura y divide el proceso en dos regiones separadas

21
termodinmicamente. Arriba del punto de pliegue slo sern necesarios equipos de
calentamiento, y por debajo de l slo sern necesarios servicios de enfriamiento.
Donde las dos curvas compuestas se traslapan, el proceso caliente est en balance
entlpico con las corrientes de proceso fras como se muestra en la Figura 5.2.

TC TC

Cp=20

Cp=60 Cp=20+60=80
Cp=20

Cp=20

1000 1000 4000 1000

3000 3000 6000

a) H (kW) b) H (kW)

Figura 5.2. Combinacin de las corrientes calientes para generar una curva.

Bsqueda de objetivos de la energa

La mxima recuperacin de energa (MER, maximum energy recovery) implica el uso

de servicios mnimos. Si Qhu es el calor suministrado por un servicio de calentamiento y
Qcu es el calor removido por un servicio de enfriamiento, entonces los clculos de la
bsqueda de objetivos de la energa involucran la determinacin de los valores mnimos
de Qhu y Qcu.

Papel de las Leyes Termodinmicas

El cambio de entalpa de una corriente puede ser calculada simplemente al multiplicar

su capacidad calorfica y flujo msico (WCp) por el cambio de temperatura.

H = WCp T (5.1)

La cantidad mxima de servicio de enfriamiento y calentamiento puede ser calculada al

sumar los cambios de entalpa de todas las corrientes fras (Qc) y todos los de las
corrientes calientes (Qh), respectivamente. Esto maximiza el uso de servicios externos

22
utilizando slo calentadores y enfriadores en la red. Pero an no se aprovecha la ventaja
de que una corriente de proceso caliente puede ser usada para calentar una corriente de
proceso fra. As se reduciran ambos servicios, el de enfriamiento y el de
calentamiento.

Servicio de
Curva compuesta
QHmin
caliente Calentamient
Temperatura

Punto de
Pliegue
o
Tmin
Proceso a Proceso
Sevicios
QCmi Curva Compuesta
Potencial de recuperacin de
n Fra Calor
de Entalpa

Enfriamie
Figura. 5.3. Representacin de la HCC y CCC en un diagrama T-H.
nto

En este contexto, la primera Ley de la Termodinmica establece que:

Qh + Qhu = Qc +Qcu (5.2)

(Qhu Qcu) = Qc Qh (5.3)

No es necesariamente factible, como la segunda Ley de la termodinmica establece, que

la transferencia puede ocurrir slo de altas temperaturas a temperaturas ms bajas sino
que debe existir una diferencia de temperaturas positiva para que proporcione una
adecuada fuerza motriz para la transferencia de calor entre la corriente caliente y la fra.
As para calcular objetivos parciales de energa, la cantidad mxima de transferencia de
calor posible con una diferencia mnima de temperatura estipulada ( Tmin) debe ser
determinada y el calor faltante debe ser suministrado por un servicio externo.

23
Algoritmo de la tabla problema (PTA, Problem table Algorithm. Desarrollado por
Linnhoff y Flower, 1978)

Paso 1. Determinacin de rangos de temperatura (Tint en la columna A de la Tabla 5.1).

Tmin/2 es restado a la temperatura de la corriente caliente y Tmin/2 es sumado a las

temperaturas de las corrientes fras. Estas temperaturas son entonces clasificadas en
orden descendente, omitiendo temperaturas en comn en ambos lados de las corrientes
calientes y fras. Esto forma los lmites de los varios intervalos de temperatura. Este
paso asegura que exista una adecuada fuerza motriz Tmin entre las corrientes calientes
y fras.

Paso 2. Clculo del WCp neto de cada intervalo (WCPint en la columna B de la Tabla
5.1)

La suma de los valores de WCp de las corrientes calientes es restado de la suma de los
valores de WCp de las corrientes fras presentes en cada intervalo de temperatura y
registrados en la columna B contra el lmite de temperatura menor de cada intervalo.

WCpint = WCpc WCph (5.4)

Paso 3. Clculo de la entalpa neta de cada intervalo (Qint en la columna C de la Tabla

5.1).

El WCpint (calculado en el paso 2) es multiplicado por la diferencia de temperatura del

intervalo para obtener el requerimiento de calor en cada intervalo y se colocan en una
columna C.

Paso 4. Clculo de la cascada de calor (Qcas en la columna D de la Tabla 5.1)

La entalpa neta en los intervalos (obtenidas en el paso 3) es restada de la cascada de

calor del intervalo previo para obtener la cascada de calor en ese intervalo. Esta se pone
en la columna D por la frmula:

Qcas, i = Qcas, i-1 Qint. l (5.5)

Esta cascada involucra esencialmente la transferencia de calor de un intervalo de

temperatura al intervalo inferior siguiente, empezando con el ms alto. Esta cascada
ofrece la ventaja de satisfacer algunos de los dficits de calor de intervalos inferiores.

24
Paso 5. Revisin de la cascada de calor (Rcas en la columna E de la Tabla 5.1).

El valor negativo de Qcas en la columna D de la Tabla 5.1 es restado de cada valor de

intervalo para obtener la cascada de calor revisada (Rcas) y se ponen los valores en la
columna E.

Rcas, i = Qcas, i min Qcas (5.6)

La cascada de calor necesita ser revisada dado que una transferencia negativa de calor
no es termodinmicamente factible. La transferencia de calor negativa es una
consecuencia del calor de intervalos ms altos que son insuficientes para satisfacer los
requerimientos de los intervalos ms bajos. Esto debe ser rectificado por la adicin de
calor al intervalo de ms alta temperatura (a travs de servicio externo) para asegurar la
transferencia positiva de calor en cada intervalo. El exceso de calor en el intervalo de
menor temperatura no puede ser enviado a ninguna corriente fra y por eso constituye el
requerimiento mnimo de servicio de enfriamiento. Si todos los valores de la columna D
son positivos, la cascada no requiere ms revisiones.

Paso 6. Determinacin de los objetivos para la energa

El requerimiento mnimo de servicio de calentamiento (Qhu, min) y el requerimiento

mnimo de servicio de enfriamiento (Qcu, min) son el primero y el ltimo valor en la
columna E. La temperatura en la columna que corresponde al cero de la columna de la
revisin de la cascada de calor E es llamada la temperatura del punto de pliegue.

Tabla 5.1. Algoritmo de la tabla problema.

Intervalo Columna A Columna B Columna C Column D Columna E
i
Tint WCp, int Qint Qcas Rcas
0 T0 WCp0 Q0
1 T1 WCp1 Q1
2 T2 WCp2 Q2

Si el servicio de calentamiento es aumentado, entonces el calor extra es transferido a

travs del punto de pliegue y el servicio de enfriamiento requerido se incrementa en la
misma cantidad de acuerdo a la primera Ley. Entonces se incurre en una doble falta, la
cual es referida como el fenmeno de ms entradas, ms salidas como se dice en el
lenguaje de tecnologa del punto de pligue.

Concepto del Punto de pliegue

La temperatura del punto de pliegue, divide el proceso en dos partes:

25
 Uno de alta temperatura, arriba del punto de pliegue o sumidero de calor, donde
el calor es aceptado slo de servicios de calentamiento.
Uno de baja temperatura, bajo el punto de pliegue o fuente de calor, donde el
calor es enviado a servicios de enfriamiento.

Del algoritmo de la tabla problema (PTA, Tabla 5.1), se puede ver que un servicio de
enfriamiento por arriba del punto de pliegue, llevar a un incremento en la carga de
servicios. Si x unidades de calor de cualquier intervalo de temperatura sobre el punto de
pliegue son intercambiadas a un servicio fro, habr menos calor disponible para una
cascada a temperaturas menores, resultando una transferencia negativa de calor en el
punto de pliegue. Esto puede ser rectificado si damos x unidades ms de calor mediante
servicios calientes. Los requerimientos de enfriamiento bajo el punto de pliegue
permanecen inalterados; as, el consumo total de servicios se ve incrementado por 2x
unidades. Un argumento anlogo pasa para servicios de calentamiento puestos por
debajo del punto de pliegue.

Si x unidades de calor son transferidas a travs del punto de pliegue, entonces los
servicios requeridos de calentamiento arriba del punto de pliegue, tambin como los
servicios requeridos por debajo de l, incrementan cada uno en x unidades. Como antes
se incurren en una doble falta de 2x unidades.

Vinculacin de las corrientes con servicios mnimos

Habiendo determinado los servicios mnimos para el calentamiento y el enfriamiento de

las corrientes de proceso es comn disear dos redes de intercambio de calor; una por
arriba de la temperatura del punto de pliegue, y otra por debajo de sta, como se muestra
en la Figura 5.4.

Reglas para generar una red

Para el diseo de una red de intercambio de calor se tomarn en cuenta las siguientes
reglas:

1. Arriba del punto de pliegue solamente deben existir intercambiadores y/o

calentadores. No se debe usar enfriamiento, ya que aumentara el consumo de vapor
externo.

26
 H1 1 Punto 3
de
H2 2 Pliegue 4 C

H 2 3 4 C1

H 1 C2

Arriba del punto de pliegue Abajo del punto de pliegue

Figura 5.4. Red de intercambio de calor, con servicio de calentamiento arriba del punto
de pliegue y enfriamiento abajo del punto de pliegue.

2. Debajo del punto de pliegue solamente se deben usar cambiadores y/o

enfriadores. No debe usar calentamiento externo, ya que aumentar el consumo de
servicio de enfriamiento.

3. Para garantizar el consumo mnimo de servicios externos, en la cascada de

calor, debe existir un punto de pliegue.

4. Arriba del punto de pliegue realizar los intercambios de tal forma que el WCp
de las corrientes fras sea mayor que el WCp de las corrientes calientes.

5. Abajo del punto de pliegue seleccionar intercambios entre corrientes de tal

forma que el WCp de las corrientes fras sea menor que el WCp de las corrientes
calientes.

6. Empezar a realizar los intercambios para generar la red partiendo del punto de
pliegue ya que es la regin ms restringida de intercambio.

En resumen, se puede decir que los tres objetivos energticos que debe cumplir
cualquier red de intercambio de calor son los siguientes:

1. No debe ocurrir intercambio de calor a travs del punto de pliegue.

2. No deben usar servicios de enfriamiento arriba del punto de pliegue y;

3. No deben utilizarse calentadores por debajo del punto de pliegue.

Estas tres reglas bsicas de diseo deben ser rigurosamente satisfechas, dado que estn
basadas en la segunda Ley de la Termodinmica.

Para un diseo cualquiera, el satisfacer los objetivos de energa, significa que no debe
haber ningn intercambio de calor que cruce el punto de pliegue. Este es un principio de
diseo poderoso, la tarea compleja de optimizacin de energa de un sistema integrado,

27
se reduce a un diseo relativamente simple con el objetivo de cero transferencias de
calor a travs del punto de pliegue. Esto puede ser fcilmente implementado para
cualquier diseo mediante el diseo por arriba y por abajo del punto de pliegue.

La gran curva compuesta.

La gran curva compuesta GCC (Grand composite curve) muestra la disponibilidad de

calor en varios intervalos de temperatura. Tambin es una representacin del flujo neto
de calor en el proceso, el cual es cero en el punto de pliegue.

En la GCC, un segmento de proceso de sumidero muestra un incremento en la

temperatura y un incremento en la entalpa. Un segmento de proceso fuente muestra
un decremento en la temperatura y, contrario a la convencin, un incremento en la
entalpa. As, un segmento de proceso fuente en la GCC usa un signo de convencin
para la entalpa contrario al que normalmente es usado. Como se puede apreciar en la
Figura 5.5.

Aunque la cantidad total de servicios de calentamiento y enfriamiento se ven claramente

en las curvas compuestas, sus niveles de temperatura no se ven. Estos son idealmente
representados en una GCC, lo cual es particularmente til para decidir la colocacin de
los servicios de calentamiento y enfriamiento. La GCC es tambin til para la relacin
de perfiles durante estudios de integracin de energa total.

La gran curva compuesta es una herramienta que sirve para identificar no nicamente la
cantidad de energa que requiere el proceso sino para identificar tambin los niveles de
temperatura en que se necesita la energa; esto permite ajustar adecuadamente la carga
trmica (cantidad) para evitar su degradacin prematura al utilizar gradientes de
temperatura excesivos entre los servicios y los procesos del sistema.

Las curvas compuestas.

La grfica de la curva compuesta caliente (HCC) y la curva compuesta fra (CCC) es un

eje Temperatura-Entalpa (llamada a veces grfica de Hohmann-Lockhart). A
continuacin se da un mtodo algebraico para la determinacin de los datos para esta
curva.

Paso 1. Arreglo de las temperaturas de las corrientes calientes (Th en la columna A)

Las temperaturas de las corrientes calientes son ordenadas en forma ascendente,

omitiendo valores repetidos.

Paso 2. Clculo del WCp de las corrientes en cada intervalo (Sum WCp,h en la columna
B)

La suma de los valores de WCp de la corriente caliente en cada intervalo de temperatura

se calcula y son puestos en una columna B contra los lmites de temperatura ms altos
en el intervalo.

28
 Shifted GC
CH
TH1
Composite
Interval Curve
Temp. = Actual QHmi 1
Temp. + Dtmin
n
+: Corriente fra
Temperatura (C)
--: Corriente caliente H TH2
2
TPunto de pliegue
Intervalo

TC
C 2
2

TC1
QCmi
n
Entalpa
(H)
Figura 5.5. La gran curva compuesta.

Paso 3. Clculo de las entalpas en cada intervalo (Qint, h en la columna C).

La suma de WCp,h es cada intervalo es multiplicada por la diferencia de temperatura

para obtener los valores de entalpa, y son puestos en la columna C.

Paso 4. Clculo de la entalpa acumulada (CumQh en la columna D).

Esta columna es calculada con la siguiente frmula.

CumQh, i = CumQh, i-1 + Qint, hi (5.7)

para i=0, la CumQh, i = 0.

Paso 5. Graficar H vs T.

La columna A es graficada contra la columna D para obtener la HCC.

Paso 6. Generacin de los datos de la CCC.

El procedimiento a seguir para generar la CCC (curva compuesta fra) es prcticamente

idntico al de la HCC y se resume a continuacin. Las temperaturas de las corrientes
fras se ordenan en forma ascendente, omitiendo los valores repetidos, para obtener Tc
en la columna A. La suma de los valores de WCp de las corrientes fras presentes en
cada intervalo de temperatura se calcula y se ponen como una variable llamada
SumWCpc en la columna B contra la temperatura ms alta en el lmite de intervalo. Se

29
coloca un cero en el primer lugar de la columna B. El valor de SumWCp c de cada
intervalo es multiplicado por la diferencia de temperatura de cada intervalo para obtener
la entalpa de cada intervalo Qnt,c, y se ponen en la columna C. La entalpa acumulada
nombrada como CumQc se pone en la columna D y se calcula con la frmula:

CumQc, i = CumQc, i-1 + Qint,ci (5.8)

donde CumQc,i = Qcu, min para i=0. Esta es la nica diferencia entre el procedimiento de
graficacin entre la HCC y la CCC. Mientras la HCC empieza de entalpa igual a cero,
la CCC se desplaza por el objetivo de servicio de enfriamiento.

Para recapitular, la HCC y la CCC combinan el efecto de todas las corrientes calientes y
las fras respectivamente. Cuando se ven en un diagrama sencillo Temperatura-Entalpa,
la regin que se traslapa de las dos curvas representa el alcance de posible recuperacin
de calor. Para una Tmin dada el exceso de la HCC en el lazo izquierdo representa el
requerimiento mnimo de calentamiento. La diferencia de temperatura entre las dos
curvas es mnima en el punto de pliegue, donde es igual al Tmin.

Entre mayor sea el valor de Tmin es mayor el consumo mnimo de servicios. Para un
Tmin grande, las curvas compuestas se separan ms. Si la CCC es movida x unidades
a la derecha, entonces los excesos de ambas curvas se incrementan la misma cantidad.
Dado que el exceso representa el consumo de servicio, un incremento en el servicio
causa el incremento correspondiente en el otro.

La prediccin del rea mnima de transferencia juega un papel muy importante en la

etapa de pre-optimizacin para el rediseo de redes de intercambio de calor, ya que en
base a esta rea se predice el costo capital de la red antes de diseo. En la etapa de pre-
optimizacin se establece el Tmin de diseo correspondiente al mejor compromiso
entre el costo de operacin y de capital; es decir, al mejor costo total anual. La etapa de
determinacin de objetivos en el rediseo de redes es el equivalente a la etapa de pre-
optimizacin en el diseo; slo que el Tmin de rediseo se establece con base al
compromiso entre la inversin adicional y el ahorro potencial.

30
Problemas Seccin 5

Problema 5.1.- Utilizar el mtodo del punto de pliegue para detectar una red con el
menor consumo de energa para las siguientes corrientes:

Corriente TIN (OF) TOUT (OF) WCp (Btu/hr OF)

1 250 100 9500
2 180 100 8400
3 110 200 10000
4 110 230 9000

Problema 5.2.- Utilizar el mtodo del punto de pliegue para detectar una red con el
menor consumo de energa para las siguientes corrientes:

Corriente TIN (OC) TOUT (OC) WCp (kcal/hr OC)

1 170 100 5
2 80 20 10
3 30 220 6
4 20 70 2

Problema 5.3.- (Tomado de Jimnez A., 2003) Considrese la red de intercambiadores

que se muestra en la Figura 5.6, la cual es parte de un proceso industrial que se
encuentra en operacin. Los datos energticos y los coeficientes de pelcula de cada
corriente se dan en la siguiente tabla.

Corriente WCp (Kw/C) H (W/cm2)

1 228.5 400
2 20.4 300
3 53.8 250
4 93.3 150
5 196.1 500

Usando un valor de T = 19oC haga un diagnstico de la red y proponga alguna red

modificada que mejore la eficiencia de la red existente.

31
Figura 5.6. Red de intercambio de calor.

32
6. Optimizacin de Procesos

La optimizacin (tambin denominada programacin matemtica). Un problema de

optimizacin trata entonces de tomar una decisin ptima para maximizar (ganancias,
velocidad, eficiencia, etc.) o minimizar (costos, tiempo, riesgo, error, etc.) un criterio
determinado. Las restricciones significan que no cualquier decisin es posible. De esta
forma intenta dar respuesta a un tipo general de problemas de la forma:

x Rn (6.1)

Donde x = (x1,...,xn) es un vector y representa variables de decisin, f(x) es llamada

funcin objetivo y representa o mide la calidad de las decisiones (usualmente nmeros
enteros o reales) y es el conjunto de decisiones factibles o restricciones del problema.

Algunas veces es posible expresar el conjunto de restricciones como solucin de un

sistema de igualdades o desigualdades.

h x1 ,..., xn 0 (6.2)

Tipos de optimizaciones

Segn el nivel de generalidad que tome el problema, ser la resolucin que se plantee:

Optimizacin clsica: si la restriccin no existe, o es una restriccin de igualdad, con

menor o igual nmero de variables que la funcin objetivo entonces, el clculo
diferencial, da la respuesta, ya que solo se trata de buscar los valores extremos de una
funcin.

Optimizacin con restricciones de desigualdad - optimizacin no clsica: si la

restriccin contiene mayor cantidad de variables que la funcin objetivo, o la restriccin
contiene restricciones de desigualdad, existen mtodos en los que en algunos casos se
pueden encontrar los valores mximos o mnimos.

Si tanto restricciones como funcin objetivo son lineales (Programacin lineal o PL), la
existencia de mximo (mnimo), esta asegurada, y el problema se reduce a la aplicacin
de unos simples algoritmos de lgebra lineal elemental los llamados mtodo simplex; y
mtodo dual. Sin embargo, si estas condiciones no se cumplen, existen, las llamadas
condiciones de Khun -Tucker, las cuales en algunos casos, pueden ser utilizables, para
encontrar puntos crticos, mximos o mnimos. Sin embargo, esta es un rea an muy
poco desarrollada de la matemtica, frecuentemente, las condiciones de Khun y Tucker
fallan, o no son suficientes, para la existencia de extremos.

Optimizacin estocstica: cuando las variables del problema (funcin objetivo y/o
restricciones) son variables aleatorias el tipo de optimizacin realizada es optimizacin
estocstica.

33
Optimizacin con informacin no perfecta: en este caso la cantidad de variables, o ms
an la funcin objetivo puede ser desconocida o tambin variable. En este campo, la
matemtica conocida como matemtica borrosa, est realizando esfuerzos, por resolver
el problema. Sin embargo, como el desarrollo de esta rea de la matemtica es an
demasiado incipiente, son escasos los resultados obtenidos.

Introduccin

Los problemas de toma de decisiones se pueden clasificar en dos categoras: modelos de

decisin determinsticos y modelos de decisin probabilsticos. En los modelos
determinsticos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo
deseado de manera "deterministica", es decir, libre de riesgo. Esto depende de la
influencia que puedan tener los factores no controlables, en la determinacin de los
resultados de una decisin y tambin en la cantidad de informacin que el tomador de
decisin tiene para controlar dichos factores.

Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al

problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El
problema puede ser reducir el costo de operacin y a la vez mantener un nivel aceptable
de servicio, utilidades de las operaciones actuales, proporcionar un mayor nivel de
servicio sin aumentar los costos, mantener un funcionamiento rentable cumpliendo a la
vez con las reglamentaciones gubernamentales establecidas, o "mejorar" un aspecto de
la calidad del producto sin reducir la calidad de otros aspectos. Para identificar la
mejora del funcionamiento del sistema, se debe construir una representacin sinttica o
modelo del sistema fsico, que puede utilizarse para describir el efecto de una variedad
de soluciones propuestas.

Un modelo puede considerarse como una entidad que captura la esencia de la realidad
sin la presencia de la misma. Una fotografa es un modelo de la realidad ilustrada en la
imagen. La presin arterial puede utilizarse como un modelo de la salud de una persona.
Una campaa piloto de ventas puede utilizarse como un modelo de la respuesta de las
personas a un nuevo producto. Por ltimo, una ecuacin matemtica puede utilizarse
como un modelo de la energa contenida en un determinado material. En cada caso, el
modelo captura algn aspecto de la realidad que intenta representar.

Ya que un modelo slo captura determinados aspectos de la realidad, su uso puede no

ser apropiado en una aplicacin en particular porque no captura los elementos correctos
de la realidad. La temperatura es un modelo de las condiciones climticas pero puede
ser inapropiado si uno est interesado en la presin baromtrica. Una foto de una
persona es un modelo de la misma pero brinda poca informacin acerca de sus logros
acadmicos. Una ecuacin que predice las ventas anuales de un producto en particular
es un modelo de ese producto pero tiene poca utilidad si lo que nos interesa es el costo
de produccin por unidad. Por lo tanto, la utilidad del modelo depende del aspecto de la
realidad que representa.

Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados
de la realidad si lo hace de una manera distorsionada o sesgada. Una ecuacin que
pronostica el volumen mensual de ventas puede ser exactamente lo que el gerente de
ventas quiere pero podra generar grandes prdidas si arroja constantemente clculos de

34
ventas altos. Un termmetro que lee de ms (o de menos) tendra poca utilidad para
realizar un diagnstico mdico. En consecuencia, un modelo til es aquel que captura
los elementos adecuados de la realidad con un grado aceptable de precisin.

Un modelo matemtico es una ecuacin, desigualdad o sistema de ecuaciones o

desigualdades, que representa determinados aspectos del sistema fsico representado en
el modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias fsicas,
en el campo de la ingeniera, los negocios y la economa.

Un modelo ofrece al analista una herramienta que puede manipular en su anlisis del
sistema en estudio, sin afectar al sistema en s. Por ejemplo, supngase que se ha
desarrollado un modelo matemtico para predecir las ventas anuales como una funcin
del precio de venta unitario. Si se conoce el costo de produccin por unidad, se pueden
calcular con facilidad las utilidades anuales totales para cualquier precio de venta. Para
determinar el precio de venta que arrojar las utilidades totales mximas, se pueden
introducir en el modelo distintos valores para el precio de venta, uno a la vez,
determinando las ventas resultantes y calculando las utilidades anuales totales para cada
valor de precio de venta examinado. Mediante un proceso de prueba y error, el analista
puede determinar el precio de venta que maximizar las utilidades anuales totales.

Lo ideal sera que si el modelo matemtico es una representacin vlida del rendimiento
del sistema, mediante la aplicacin de las tcnicas analticas adecuadas, la solucin
obtenida a partir del modelo debera ser tambin la solucin para el problema del
sistema. As, la efectividad de los resultados de la aplicacin de cualquier tcnica
operativa es en gran medida una funcin del grado en el cual el modelo representa al
sistema en estudio.

A fin de definir las condiciones que nos conducirn a la solucin del problema del
sistema, el analista primero debe identificar un criterio segn el cual se podr medir el
sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o
medida de efectividad. En aplicaciones empresariales, la medida de efectividad
generalmente son los costos o las utilidades, mientras que en aplicaciones
gubernamentales esta medida generalmente se define en trminos de un ndice
costo/beneficio.

El modelo matemtico que describe el comportamiento de la medida de efectividad se

denomina funcin objetivo. Si la funcin objetivo es describir el comportamiento de la
medida de efectividad, debe capturar la relacin entre esa medida y aquellas variables
que hacen que dicha medida flucte. Las variables del sistema pueden categorizarse en
variables de decisin y parmetros. Una variable de decisin es una variable que puede
ser directamente controlada por el decisor. Tambin existen algunos parmetros cuyos
valores pueden ser inciertos para el decisor. Esto requiere un anlisis de sensibilidad
despus de descubrir la mejor estrategia. En la prctica, resulta casi imposible capturar
la relacin precisa entre todas las variables del sistema y la medida de efectividad a
travs de una ecuacin matemtica. En cambio, el analista de IO/CA debe tratar de
identificar aquellas variables que afectan en mayor grado la medida de efectividad y
luego debe intentar definir de manera lgica la relacin matemtica entre estas variables
y la medida de efectividad. Esta relacin matemtica es la funcin objetivo que se
emplea para evaluar el rendimiento del sistema en estudio.

35
La formulacin de una funcin objetivo que tenga sentido normalmente es una tarea
tediosa y frustrante. Los intentos de desarrollo de una funcin objetivo pueden terminar
en un fracaso. Esto puede darse porque el analista elige el conjunto incorrecto de
variables para incluir en el modelo o bien, si el conjunto es el adecuado, porque no
identifica correctamente la relacin entre estas variables y la medida de efectividad. En
un nuevo intento, el analista trata de descubrir las variables adicionales que podran
mejorar su modelo descartando aquellas que parecen tener poca o ninguna relevancia.
No obstante, slo se puede determinar si estos factores realmente mejoran el modelo
una vez realizadas la formulacin y prueba de nuevos modelos que incluyan las
variables adicionales. Todo el proceso de seleccin y rechazo de variables puede
requerir reiteraciones mltiples hasta desarrollar una funcin objetivo satisfactoria. En
cada iteracin, el analista espera lograr alguna mejora en el modelo, aunque no siempre
se tiene tanta buena suerte. Por lo general, el xito final es precedido por una serie de
fracasos frustrantes y pequeos progresos.

En cada etapa del proceso de desarrollo, el analista debe evaluar la correspondencia o

validez del modelo. Normalmente se emplean dos criterios para realizar esta
determinacin. El primero implica la experimentacin del modelo: someter el modelo a
una serie de condiciones y registrar los valores asociados de la medida de efectividad
dada por el modelo en cada caso. Si la medida de efectividad vara de manera
antinatural con una sucesin de condiciones de entrada, es posible que la funcin
objetivo no sea vlida. Por ejemplo, supngase que se desarrolla un modelo destinado a
calcular el valor de mercado de viviendas unifamiliares. El modelo debe expresar el
valor de mercado en dlares como una funcin de la superficie cubierta en pies
cuadrados, cantidad de dormitorios, cantidad de baos y tamao del lote. Despus de
desarrollar el modelo, el analista lo aplica a la tasacin de distintas viviendas, con
distintos valores para las caractersticas mencionadas y descubre que el valor de
mercado desciende a medida que aumenta la superficie cubierta expresada en pies
cuadrados. Dado que este resultado no concuerda con la realidad, el analista
cuestionara la validez del modelo. Por otro lado, supngase que el modelo es tal que el
valor de las viviendas es una funcin creciente de cada una de las cuatro caractersticas
citadas, como generalmente es de esperar. Si bien este resultado es alentador, no
necesariamente implica que el modelo es una representacin vlida de la realidad, dado
que la tasa de aumento de cada variable puede ser excesivamente alta o baja. La
segunda etapa de la validacin del modelo requiere una comparacin de los resultados
del modelo con los resultados obtenidos en la realidad.

Optimizacin
La humanidad hace tiempo que busca, o profesa buscar, mejores maneras de realizar las
tareas cotidianas de la vida. A lo largo de la historia de la humanidad, se puede observar
la larga bsqueda de fuentes ms efectivas de alimentos al comienzo y luego de
materiales, energa y manejo del entorno fsico. Sin embargo, relativamente tarde en la
historia de la humanidad, comenzaron a formularse ciertas clases de preguntas generales
de manera cuantitativa, primero en palabras y despus en notaciones simblicas. Un
aspecto predominante de estas preguntas generales era la bsqueda de lo "mejor" o lo
"ptimo". Generalmente, los gerentes buscan simplemente lograr alguna mejora en el
nivel de rendimiento, es decir, un problema de "bsqueda de objetivo". Cabe destacar
que estas palabras normalmente no tienen un significado preciso

36
Se han realizado grandes esfuerzos por describir complejas situaciones humanas y
sociales. Para tener significado, esto debera escribirse en una expresin matemtica que
contenga una o ms variables, cuyos valores deben determinarse. La pregunta que se
formula, en trminos generales, es qu valores deberan tener estas variables para que la
expresin matemtica tenga el mayor valor numrico posible (maximizacin) o el
menor valor numrico posible (minimizacin). A este proceso general de maximizacin
o minimizacin se lo denomina optimizacin.

La optimizacin, tambin denominada programacin matemtica, sirve para encontrar

la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor
produccin o felicidad o la que logra el menor costo, desperdicio o malestar. Con
frecuencia, estos problemas implican utilizar de la manera ms eficiente los recursos,
tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de
optimizacin generalmente se clasifican en lineales y no lineales, segn las relaciones
del problema sean lineales con respecto a las variables. Existe una serie de paquetes de
software para resolver problemas de optimizacin. Por ejemplo, LINDO o WinQSB
resuelven modelos de programas lineales y LINGO y What'sBest! resuelven problemas
lineales y no lineales.

La Programacin Matemtica, en general, aborda el problema de determinar

asignaciones ptimas de recursos limitados para cumplir un objetivo dado. El objetivo
debe representar la meta del decisor. Los recursos pueden corresponder, por ejemplo, a
personas, materiales, dinero o terrenos. Entre todas las asignaciones de recursos
admisibles, queremos encontrar la/s que maximiza/n o minimiza/n alguna cantidad
numrica tal como ganancias o costos.

El objetivo de la optimizacin global es encontrar la mejor solucin de modelos de

decisiones difciles, frente a las mltiples soluciones locales.

Programacin Lineal (PL)

La programacin lineal muchas veces es uno de los temas preferidos tanto de profesores
como de alumnos. La capacidad de introducir la PL utilizando un abordaje grfico, la
facilidad relativa del mtodo de solucin, la gran disponibilidad de paquetes de software
de PL y la amplia gama de aplicaciones hacen que la PL sea accesible incluso para
estudiantes con poco conocimiento de matemticas. Adems, la PL brinda una excelente
oportunidad para presentar la idea del anlisis what-if o anlisis de hiptesis ya que se
han desarrollado herramientas poderosas para el anlisis de post optimalidad para el
modelo de PL.

La Programacin Lineal (PL) es un procedimiento matemtico para determinar la

asignacin ptima de recursos escasos. La PL es un procedimiento que encuentra su
aplicacin prctica en casi todas las facetas de los negocios, desde la publicidad hasta la
planificacin de la produccin. Problemas de transporte, distribucin, y planificacin
global de la produccin son los objetos ms comunes del anlisis de PL. La industria
petrolera parece ser el usuario ms frecuente de la PL. Un gerente de procesamiento de
datos de una importante empresa petrolera recientemente calcul que del 5% al 10% del
tiempo de procesamiento informtico de la empresa es destinado al procesamiento de
modelos de PL y similares.

37
La programacin lineal aborda una clase de problemas de programacin donde tanto la
funcin objetivo a optimizar como todas las relaciones entre las variables
correspondientes a los recursos son lineales. Este problema fue formulado y resuelto por
primera vez a fines de la dcada del 40. Rara vez una nueva tcnica matemtica
encuentra una gama tan diversa de aplicaciones prcticas de negocios, comerciales e
industriales y a la vez recibe un desarrollo terico tan exhaustivo en un perodo tan
corto. Hoy en da, esta teora se aplica con xito a problemas de presupuestos de capital,
diseo de dietas, conservacin de recursos, juegos de estrategias, prediccin de
crecimiento econmico y sistemas de transporte. Recientemente la teora de la
programacin lineal tambin contribuy a la resolucin y unificacin de diversas
aplicaciones.

Es importante que el lector entienda desde el comienzo que el trmino "programacin"

tiene un significado distinto cuando se refiere a Programacin Lineal que cuando
hablamos de Programacin Informtica. En el primer caso, significa planificar y
organizar mientras que en el segundo caso, significa escribir las instrucciones para
realizar clculos. La capacitacin en una clase de programacin tiene muy poca
relevancia directa con la otra clase de programacin. De hecho, el trmino
"programacin lineal" se acu antes de que la palabra programacin se relacionara con
el software de computacin. A veces se evita esta confusin utilizando el trmino
optimizacin lineal como sinnimo de programacin lineal.

Cualquier problema de PL consta de una funcin objetivo y un conjunto de

restricciones. En la mayora de los casos, las restricciones provienen del entorno en el
cual usted trabaja para lograr su objetivo. Cuando usted quiere lograr el objetivo
deseado, se dar cuenta de que el entorno fija ciertas restricciones (es decir, dificultades,
limitaciones) para cumplir con su deseo (vale decir, el objetivo).

Qu es una funcin: una funcin es una cosa que hace algo. Por ejemplo, una mquina
de moler caf es una funcin que transforma los granos de caf en polvo. La funcin
(objetivo) traza, traduce el dominio de entrada (denominado regin factible) en un rango
de salida con dos valores finales denominados valores mximo y mnimo.

Cuando se formula un problema de toma de decisiones como un programa lineal, se

deben verificar las siguientes condiciones:

1. La funcin objetivo debe ser lineal. Vale decir que se debe verificar que todas las
variables estn elevadas a la primera potencia y que sean sumadas o restadas (no
divididas ni multiplicadas);

2. El objetivo debe ser ya sea la maximizacin o minimizacin de una funcin lineal. El

objetivo debe representar la meta del decisor; y

3. Las restricciones tambin deben ser lineales. . Asimismo, la restriccin debe adoptar
alguna de las siguientes formas (>,<, o =, es decir que las restricciones de PL siempre
estn cerradas).

38
Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a < 1. Este
problema tan sencillo no tiene solucin.

Como siempre, se debe tener cuidado al categorizar un problema de optimizacin como

un problema de PL. El siguiente problema es un problema de PL?

Max X2

sujeta a:

X1 + X2 < 0
X12 - 4 < 0

Aunque la segunda restriccin parece "como si" fuera una restriccin no lineal, esta
restriccin puede escribirse tambin de la siguiente forma:

X1 > -2, y X2 < 2.

En consecuencia, el problema es de hecho un problema de PL.

Para la mayora de los problemas de PL, podemos decir que existen dos tipos
importantes de objetos: en primer lugar, los recursos limitados, tales como terrenos,
capacidad de planta, o tamao de la fuerza de ventas; en segundo lugar, las actividades,
tales como "producir acero con bajo contenido de carbono", y "producir acero con alto
contenido de carbono". Cada actividad consume o probablemente contribuye cantidades
adicionales de recursos. Debe haber una funcin objetivo, es decir, una manera de
discriminar una mala de una buena o una mejor decisin. El problema es determinar la
mejor combinacin de niveles de actividades, que no utilice ms recursos de los
disponibles. Muchos gerentes se enfrentan a esta tarea todos los das. Afortunadamente,
el software de programacin lineal ayuda a determinar esto cuando se ingresa un
modelo bien formulado.

El mtodo Simplex es un algoritmo de solucin muy utilizado para resolver programas

lineales. Un algoritmo es una serie de pasos para cumplir con una tarea determinada.

Proceso de Formulacin de un Problema de PL y su Aplicacin

Para formular un problema de PL, recomiendo seguir los siguientes lineamientos

generales despus de leer con atencin el enunciado del problema varias veces.
Todo programa lineal consta de cuatro partes: un conjunto de variables de decisin, los
parmetros, la funcin objetivo y un conjunto de restricciones. Al formular un
determinado problema de decisin en forma matemtica, debe practicar la comprensin
del problema (es decir, formular un Modelo Mental) leyendo detenidamente una y otra
vez el enunciado del problema. Mientras trata de comprender el problema, formlese las
siguientes preguntas generales:

Cules son las variables de decisin? Es decir, cules con las entradas controlables?
Defina las variables de decisin con precisin utilizando nombres descriptivos.

39
Recuerde que las entradas controlables tambin se conocen como actividades
controlables, variables de decisin y actividades de decisin.

Cules son los parmetros? Vale decir cules son las entradas no controlables? Por lo
general, son los valores numricos constantes dados. Defina los parmetros con
precisin utilizando nombres descriptivos.

Cul es el objetivo? Cul es la funcin objetivo? Es decir, qu quiere el dueo del

problema? De qu manera se relaciona el objetivo con las variables de decisin del
dueo del problema? Es un problema de maximizacin o minimizacin? El objetivo
debe representar la meta del decisor.

Cules son las restricciones? Es decir, qu requerimientos se deben cumplir? Debera

utilizar un tipo de restriccin de desigualdad o igualdad? Cules son las conexiones
entre las variables? Escrbalas con palabras antes de volcarlas en forma matemtica.

Recuerde que la regin factible tiene poco o nada que ver con la funcin objetivo
(minim. o maxim.). Estas dos partes en cualquier formulacin de PL generalmente
provienen de dos fuentes distintas. La funcin objetivo se establece para cumplir con el
deseo (objetivo) del decisor mientras que las restricciones que forman la regin factible
generalmente provienen del entorno del decisor que fija algunas limitaciones /
condiciones para lograr su objetivo.

A continuacin, se incluye un problema ilustrativo muy sencillo. Sin embargo, el

abordaje del problema es igual para una gran variedad de problemas de toma de
decisin, mientras que el tamao o la complejidad pueden variar. El primer ejemplo es
un problema de mix de productos y el segundo es un problema de mezcla.

El Problema del Carpintero

Durante un par de sesiones de brain-storming con un carpintero (nuestro cliente), ste

nos comunica que slo fabrica mesas y sillas y que vende todas las mesas y las sillas
que fabrica en un mercado. Sin embargo, no tiene un ingreso estable y desea optimizar
esta situacin.

El objetivo es determinar cuntas mesas y sillas debera fabricar para maximizar sus
ingresos netos. Comenzamos concentrndonos en un horizonte de tiempo, es decir, un
plazo de planificacin, para revisar nuestra solucin semanalmente, si fuera necesario.
Para saber ms acerca de este problema, debemos ir al negocio del carpintero y observar
lo que sucede y medir lo que necesitamos para formular (para crear un modelo de) su
problema. Debemos confirmar que su objetivo es maximizar sus ingresos netos.
Debemos comunicarnos con el cliente.

El problema del carpintero se trata de determinar cuntas mesas y sillas debe fabricar
por semana; pero primero se debe establecer una funcin objetivo La funcin objetivo
es: 5X1 + 3X2, donde X1 y X2 representan la cantidad de mesas y sillas; y 5 y 3
representan los ingresos netos (por ejemplo, en dlares o dcimas de dlares) de la
venta de una mesa y una silla, respectivamente. Los factores limitantes, que
normalmente provienen del exterior, son las limitaciones de la mano de obra (esta

40
limitacin proviene de la familia del carpintero) y los recursos de materia prima (esta
limitacin proviene de la entrega programada). Se miden los tiempos de produccin
requeridos para una mesa y una silla en distintos momentos del da y se calculan en 2
horas y 1 hora, respectivamente. Las horas laborales totales por semana son slo 40. La
materia prima requerida para una mesa y una silla es de 1 y 2 unidades,
respectivamente. El abastecimiento total de materia prima es de 50 unidades por
semana. En consecuencia, la formulacin de PL es la siguiente:

Maximizar 5 X1 + 3 X2

Sujeta a:

2 X1 + X2 < 40 restriccin de mano de obra

X1 + 2 X2 < 50 restriccin de materiales

tanto X1 como X2 son no negativas.

Este es un modelo matemtico para el problema del carpintero. Las variables de

decisin, es decir, las entradas controlables son X1, y X2. La salida o el resultado de
este modelo son los ingresos netos totales 5 X1 + 3 X2. Todas las funciones empleadas
en este modelo son lineales (las variables de decisin estn elevadas a la primera
potencia). El coeficiente de estas restricciones se denomina Factores Tecnolgicos
(matriz). El perodo de revisin es de una semana, un perodo conveniente dentro del
cual es menos probable que cambien (flucten) las entradas controlables (todos los
parmetros tales como 5, 50, 2,..). Incluso en un plazo de planificacin tan corto,
debemos realizar el anlisis what-if o de hiptesis para responder a cualquier cambio en
estas entradas a los efectos de controlar el problema, es decir, actualizar la solucin
prescripta.

Ntese que dado que el Carpintero no va a ir a la quiebra al final del plazo de

planificacin, agregamos las condiciones que tanto X1 como X2 deben ser no negativas
en lugar de los requerimientos que X1 y X2 deben ser nmeros enteros positivos.
Recuerde que las condiciones de no negatividad tambin se denominan "restricciones
implcitas". Nuevamente, un Programa Lineal funcionara bien para este problema si el
Carpintero contina fabricando estos productos. Los artculos parciales simplemente se
contaran como trabajos en proceso y finalmente se transformaran en productos
terminados, en la siguiente semana.

Podemos intentar resolver X1 y X2 enumerando posibles soluciones para cada una y

seleccionado el par (X1, X2) que maximice 5X1 + 3X2 (los ingresos netos). Sin
embargo, lleva mucho tiempo enumerar todas las alternativas posibles y si no se
enumeran todas las alternativas, no podemos estar seguros de que el par seleccionado
(como una solucin) es la mejor de todas las alternativas. Otras metodologas preferidas
(ms eficientes y efectivas), conocidas como las Tcnicas de Soluciones de
Programacin Lineal estn disponibles en el mercado en ms de 4000 paquetes de
software de todo el mundo.

La solucin ptima, es decir, la estrategia ptima, es establecer X1 = 10 mesas y X2 =

20 sillas. Programamos las actividades semanales del carpintero para que fabrique 10

41
mesas y 20 sillas. Con esta estrategia (ptima), los ingresos netos son de US$110. Esta
solucin prescripta sorprendi al carpintero dado que debido a los mayores ingresos
netos provenientes de la venta de una mesa (US$5), el sola fabricar ms mesas que
sillas.

Contratar o no contratar a un ayudante? Supngase que el carpintero pudiera contratar

a un ayudante a un costo de US$2 por hora (adicionales $2) Le conviene al carpintero
contratar a un ayudante? En caso afirmativo, por cuntas horas?

X3 es la cantidad de horas extra, entonces el problema modificado es:

Maximizar 5 X1 + 3 X2 - 2 X3

Sujeta a:

2 X1 + X2 < 40 + X3 restriccin de la mano de obra con horas adicionales desconocidas

X1 + 2 X2 < 50 restriccin de materiales

En esta nueva condicin, veremos que la solucin ptima es X1 = 50, X2 = 0, X3 = 60,

con ingresos netos ptimos de US$130. Por lo tanto, el carpintero debera contratar a un
ayudante por 60 horas. Qu pasara si slo lo contrata por 40 horas?

Un Problema de Mezcla

El taller de Joe se especializa en cambios de aceite del motor y regulacin del sistema
elctrico. El beneficio por cambio del aceite es $7 y de $15 por regulacin. Joe tiene un
cliente fijo con cuya flota, le garantiza 30 cambios de aceite por semana. Cada cambio
de aceite requiere de 20 minutos de trabajo y $8 de insumos. Una regulacin toma una
hora de trabajo y gasta $15 en insumos. Joe paga a los mecnicos $10 por hora de
trabajo y emplea actualmente a dos de ellos, cada uno de los cuales labora 40 horas por
semana. Las compras de insumos alcanzan un valor de $1.750 semanales. Joe desea
maximizar el beneficio total. Formule el problema.
Esto es una pregunta de programacin linear. Una porcin de un cambio del aceite o del
ajuste no es factible.

X1 = Cambios del aceite, ajuste

X2 = Ajuste

Maximizar 7X1 + 15X2

Sujeta a:

X1 > 30 Cuenta de la Flota

20X1 + 60X2 < 4800 De trabajo tiempo
8X1 + 15X2 < 1750 Primas Materias
X1 > 0, X2 > 0.

42
El coste de trabajo de $10 por hora no se requiere para formatear el problema desde el
beneficio por cambio del aceite y el ajuste toma en la consideracin el coste de trabajo.

Otras Aplicaciones Comunes de PL

La programacin lineal es una herramienta poderosa para seleccionar alternativas en un

problema de decisin y por consiguiente se aplica en una gran variedad de entornos de
problemas. La cantidad de aplicaciones es tan alta que sera imposible enumerarlas
todas. A continuacin, indicamos algunas de las principales aplicaciones que cubren las
reas funcionales ms importantes de una organizacin empresarial.

Finanzas: el problema del inversor podra ser un problema de seleccin del mix de su
cartera de inversiones. En general, la variedad de carteras puede ser mucho mayor que
lo que indica el ejemplo y se pueden agregar muchas ms restricciones distintas. Otro
problema de decisin implica determinar la combinacin de mtodos de financiacin
para una cantidad de productos cuando existe ms de un mtodo de financiacin
disponible. El objetivo puede ser maximizar las ganancias totales cuando las ganancias
de un producto determinado dependen del mtodo de financiacin. Por ejemplo, se
puede financiar con fondos internos, con deuda a corto plazo o con financiacin
intermedia (crditos amortizados). Puede haber limitaciones con respecto a la
disponibilidad de cada una de las opciones de financiacin, as como tambin
restricciones financieras que exijan determinadas relaciones entre las opciones de
financiacin a los efectos de satisfacer los trminos y condiciones de los prstamos
bancarios o financiacin intermedia. Tambin puede haber lmites con respecto a la
capacidad de produccin de los productos. Las variables de decisin seran la cantidad
de unidades que deben ser financiadas por cada opcin de financiacin.

Administracin de Produccin y Operaciones: muchas veces en las industrias de

proceso, una materia prima en particular puede transformarse en una gran variedad de
productos. Por ejemplo, en la industria petrolera, el crudo puede refinarse para producir
nafta, kerosene, aceite para calefaccionar y distintas clases de aceite para motor. Segn
el margen de ganancia actual de cada producto, el problema es determinar la cantidad
que se debera fabricar de cada producto. Esta decisin est sujeta a numerosas
restricciones tales como lmites de las capacidades de diversas operaciones de refinado,
disponibilidad de materia prima, demandas de cada producto y polticas
gubernamentales con respecto a la fabricacin de determinados productos. En la
industria de productos qumicos y de procesamiento de alimentos existen problemas
similares.

Recursos Humanos: los problemas de planificacin de personal tambin se pueden

analizar con programacin lineal. Por ejemplo, en la industria telefnica, la demanda de
servicios de personal de instalacin / reparacin son estacionales. El problema es
determinar la cantidad de personal de instalacin / reparacin y reparacin de lneas que
debemos tener incorporada en la fuerza laboral por cada mes a fin de minimizar los
costos totales de contratacin, despido, horas extras y salarios en horas ordinarias. El
conjunto de restricciones comprende restricciones con respecto a la demanda de servicio
que se debe satisfacer, uso de horas extra, acuerdos con los sindicatos y la
disponibilidad de personal calificado para contratar. Este ejemplo es opuesto a la
hiptesis de divisibilidad. Sin embargo, los niveles de fuerza laboral de cada mes

43
normalmente son lo suficientemente altos como para poder redondear al nmero entero
ms cercano sin problemas, siempre y cuando no se violen las restricciones.

Marketing: se puede utilizar la programacin lineal para determinar el mix adecuado de

medios de una campaa de publicidad. Supngase que los medios disponibles son radio,
televisin y diarios. El problema es determinar cuntos avisos hay que colocar en cada
medio. Por supuesto que el costo de colocacin de un aviso depende del medio elegido.
El objetivo es minimizar el costo total de la campaa publicitaria, sujeto a una serie de
restricciones. Dado que cada medio puede proporcionar un grado diferente de
exposicin a la poblacin meta, puede haber una cota inferior con respecto a la
exposicin de la campaa. Asimismo, cada medio puede tener distintos ratings de
eficiencia para producir resultados deseables y por consiguiente puede haber una cota
inferior con respecto a la eficiencia. Adems, puede haber lmites con respecto a la
disponibilidad para publicar en cada medio.

Distribucin: otra aplicacin de programacin lineal es el rea de la distribucin.

Considere un caso en el que existen m fbricas que deben enviar productos a n
depsitos. Una determinada fbrica podra realizar envos a cualquier cantidad de
depsitos. Dado el costo del envo de una unidad del producto de cada fbrica a cada
depsito, el problema es determinar el patrn de envo (cantidad de unidades que cada
fbrica enva a cada depsito) que minimice los costos totales. Esta decisin est sujeta
a restricciones que exigen que cada fbrica no pueda enviar ms productos de los que
tiene capacidad para producir.

Mtodo de Solucin Grfica

Dado que somos una especie visual debido a nuestro sistema educativo, muchas de las
herramientas de enseanza escolar utilizadas en la actualidad son de naturaleza grfica.
Les enseamos a leer mostrndoles figuras de las cosas. Les enseamos a contar
mostrndoles el orden de los nmeros. En consecuencia, nuestros receptores visuales se
agudizan a expensas de otras funciones cognitivas. Tambin he descubierto que las
personas de negocios responden mejor a los grficos y a los cuadros que a los nmeros.
Procedimiento para el Mtodo Grfico de Solucin de Problemas de PL:

El problema es un problema de PL? La respuesta es afirmativa si y slo si:

Todas las variables estn elevadas a la primera potencia y son sumadas o restadas (no
dividas ni multiplicadas). La restriccin debe adoptar alguna de las siguientes formas
(<, >, o =, es decir que las restricciones de PL siempre estn cerradas), y el objetivo
debe ser de maximizacin o minimizacin.

Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a <. Este
problema tan sencillo no tiene solucin.

Puedo utilizar el mtodo grfico? La respuesta es afirmativa si la cantidad de variables

de decisin es 1 o 2.

44
Utilice papel milimetrado. Grafique cada restriccin, una por una, como si fueran
igualdades (como si todo < y >, es = ) y luego trace la lnea.

A medida que se crea cada lnea, divida la regin en 3 partes con respecto a cada lnea.
Para identificar la regin factible para esta restriccin en particular, elija un punto en
cualquier lado de la lnea y coloque sus coordenadas en la restriccin, si satisface la
condicin, este lado es factible, de lo contrario el otro lado es factible. En el caso de
restricciones de igualdad, slo los puntos sobre la lnea son factibles.

Elimine los lados que no son factibles.

Una vez graficadas todas las restricciones, debe generarse una regin factible no vaca
(convexa), salvo que el problema sea no factible.

Cree (como mnimo) dos lneas de igual valor desde la funcin objetivo, fijando la
funcin objetivo en dos nmeros distintos cualquiera. Grafique las lneas resultantes. Al
mover estas lneas paralelas, encontrar el vrtice ptimo (punto extremo), si es que
existe.

En general, si la regin factible se encuentra dentro del primer cuadrante del sistema de
coordenadas (es decir si X1 y X2 > 0), entonces, para los problemas de maximizacin,
usted debe mover la funcin objetivo de igual valor (funcin iso) paralela a s misma
lejos del punto de origen (0, 0), como mnimo, teniendo a la vez un punto en comn con
la regin factible. Sin embargo, para los problemas de minimizacin, debe realizar lo
opuesto, es decir, mover la funcin objetivo de igual valor (funcin iso) paralela a s
misma acercndola al punto de origen, a su vez teniendo como mnimo un punto en
comn con la regin factible. El punto comn proporciona la solucin ptima.

Recuerde que las restricciones de PL proporcionan los vrtices y las esquinas. Un

vrtice es la interseccin de 2 lneas o en general, n hiperplanos en problemas de PL con
n variables de decisin. Una esquina es un vrtice que adems es factible.

Un Ejemplo Numrico: El Problema del Carpintero

Maximizar 5 X1 + 3 X2

Sujeta a:
2 X1 + X2 < 40
X1 + 2 X2 > 50

y X1, X2 son positivas. Ver la representacin grfica en la Figura 6.1.

Nota: Existe una alternativa del abordaje de la funcin objetivo de igual valor (funcin
iso) con problemas que tienen pocas restricciones y una regin factible acotada. Primero
busque todas las esquinas, tambin llamadas puntos extremos. Luego, evale la funcin
objetivo en los puntos extremos para llegar al valor ptimo y a la solucin ptima.

45
Figura 6.1. La estrategia ptima del carpintero

Por ejemplo, en el problema del carpintero, la regin factible convexa proporciona los
puntos extremos con las coordenadas que figuran en la Tabla 6.1.

Table 6.1. Valor de la Funcin Objetivo en cada Esquina o Punto Extremo.

Coordenadas de los Puntos Funcin de los Ingresos
Elecciones del Decisor
Extremos Netos
Cantidad de Mesas o Sillas X1, X2 5 X1 + 3 X2
No fabricar ninguna mesa ni
0, 0 0
silla
Fabricar todas la mesas posibles 20, 0 100
Fabricar todas las sillas posibles 0, 25 75
Fabricar una combinacin de
10, 20 110
productos

Dado que el objetivo es maximizar, de la tabla anterior surge que el valor ptimo es
110, el cual se obtiene si el carpintero sigue la estrategia ptima de X1 = 10 y X2 = 20.

La principal deficiencia del mtodo grfico es que se limita a resolver problemas

lineales que tengan slo 1 o 2 variables de decisin. Sin embargo, la conclusin
principal y til a la que podemos arribar a partir del anlisis de los mtodos grficos es
la siguiente:

46
Si un programa lineal tiene una regin factible acotada no vaca, la solucin ptima es
siempre uno de los puntos extremos. .

La prueba de esta afirmacin surge de los resultados de los siguientes dos hechos:

Hecho N 1: La regin factible de cualquier programa lineal es siempre un conjunto

convexo.

Debido a que todas las restricciones son lineales, la regin factible (R.F.) es un
polgono. Adems, este polgono es un conjunto convexo. En cualquier problema de PL
que tenga ms de dos dimensiones, los lmites de la regin factible son partes de los
hiperplanos, y la regin factible en este caso se denomina poliedro y tambin es
convexa. Un conjunto convexo es aquel en el cual si se eligen dos puntos factibles,
todos los puntos en el segmento de la lnea recta que une estos dos puntos tambin son
factibles. La prueba de que la regin factible de los programas lineales son siempre
conjuntos convexos surge por contradiccin. La Figura 6.2 ilustra ejemplos de los dos
tipos de conjuntos: un conjunto no convexo y un conjunto convexo.

Figura 6.2. Tipos de conjuntos para regiones factibles de solucin.

El conjunto de la regin factible en cualquier programa lineal se denomina poliedro y si

est acotado se denomina politopo.

Hecho N 2: El valor iso de una funcin objetivo de un programa lineal es siempre una
funcin lineal.

Este hecho surge de la naturaleza de la funcin objetivo de cualquier problema de PL.

Las Figura 6.3 ilustra las dos clases tpicas de funciones objetivo de igual valor (funcin
iso).

47
Figura 6.3. Clases tpicas de funciones objetivo de igual valor (funcin iso).

De la combinacin de los dos hechos expresados arriba surge que si un programa lineal
tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los
puntos extremos.

Para superar la deficiencia del mtodo grfico, utilizaremos esta conclusin til y
prctica en el desarrollo de un mtodo algebraico aplicable a problemas de PL
multidimensionales.

La convexidad de la regin factible de los programas lineales facilita la resolucin de

problemas de PL. Debido a esta propiedad y a la linealidad de la funcin objetivo, la
solucin es siempre uno de los vrtices. Asimismo, dado que la cantidad de vrtices es
limitada, todo lo que debemos hacer es buscar todos los vrtices factibles y luego
evaluar la funcin objetivo en dichos vrtices para encontrar el punto ptimo.

En el caso de programas no lineales, el problema es mucho ms difcil de resolver

porque la solucin podra estar en cualquier parte dentro de la regin factible, en el
lmite de la regin factible o en un vrtice.

Por suerte, la mayora de los problemas de optimizacin empresarial son lineales y es

por eso que la PL es tan popular. Hoy en da, existen ms de 400 paquetes de software
en el mercado para resolver problemas de PL. La mayora se basa en la bsqueda de
vrtices. Esto equivale a pasar de un vrtice a otro cercano en busca de un punto ptimo.

Vnculo entre Programacin Lineal y Sistemas de Ecuaciones

George Dantzig la programacin lineal es estrictamente "la teora y la solucin de

sistemas lineales de desigualdad". Probablemente ya ha notado que las soluciones
bsicas de un programa lineal son las soluciones de los sistemas de ecuaciones que
constan de restricciones en una posicin obligatoria.

Por ejemplo, en el caso del Problema del Carpintero, se pueden calcular todas las
soluciones bsicas, tomando dos ecuaciones cualesquiera y resolvindolas al mismo

48
tiempo. Luego, se utilizan las restricciones de las otras ecuaciones para verificar la
factibilidad de esta solucin. Si es factible, esta solucin es una solucin bsica factible
que proporciona las coordenadas de un punto extremo de la regin factible. Para ilustrar
el procedimiento, considere las restricciones del Carpintero en la posicin obligatoria
(es decir todas con signo =):

2X1 + X2 = 40
X1 + 2X2 = 50
X1 = 0
X2 = 0

Aqu tenemos 4 ecuaciones con 2 incgnitas. Existen como mximo C42 = 4! / (2! 2!) =
6 soluciones bsicas. Si resolvemos los seis sistemas de ecuaciones resultantes tenemos:

Seis Soluciones Bsicas con Cuatro Soluciones Bsicas Factibles:

X1 X2 5X1 + 3X2
10 20 110*
0 40 No factible
20 0 100
0 25 75
50 0 No factible
0 0 0

Cuatro de las soluciones bsicas que figuran arriba son soluciones bsicas factibles que
satisfacen todas las restricciones y pertenecen a los vrtices de la regin factible. Al
incluir la solucin bsica factible en la funcin objetivo, podemos calcular el valor
ptimo. Entonces, de la tabla anterior surge que la solucin ptima es X1 = 10, X2 = 20,
con un valor ptimo de US$110. Este abordaje puede aplicarse para resolver problemas
de PL de ms dimensiones.

Extensin a Mayores Dimensiones

El Mtodo Grfico se limita a resolver problemas de PL con una o dos variables de

decisin. Sin embargo, proporciona una clara ilustracin de dnde se encuentran las
regiones factibles y no factibles as como tambin los vrtices. Desarrollar una
comprensin visual del problema contribuye a un proceso de pensamiento ms racional.
Por ejemplo, ya vimos que: si un programa lineal tiene una regin factible acotada no
vaca, la solucin ptima es siempre uno de los vrtices de su regin factible (una
esquina o punto extremo). Como resultado, lo que debemos hacer es buscar todos los
puntos de interseccin (vrtices) y luego examinar cul de todos los vrtices factibles
proporciona la solucin ptima. Ahora, aplicando conceptos de Geometra Analtica,
sortearemos esta limitacin de la visin humana. El Mtodo Algebraico est diseado
para extender los resultados del mtodo grfico a problemas de PL multidimensionales.

49
Problemas Seccin 6

Problema 6.1. (Tomado de Jimnez A., 2003) Para un sistema de intercambiadores de

calor en serie, estime los grados de libertad y seleccione las variables a optimizar
utilizando el algoritmo de Lee y Rudd.

Problema 6.2 Para el siguiente sistema de ecuaciones estime los grados de libertad y
seleccione las variables a optimizar utilizando el algoritmo de Lee y Rudd.

2X1+ 3X2 + 5X3 + 6X4 + X5= 10

4X2+ X3 + 3X4 + 4X5 = 20
X2 + 2X3+ X4 + X5 = 25
3X3 + X4 + 2X5 = 15
2X1 + 7X2 + 6X3 + 9X4 + 5X5 = 30

Problema 6.3. Mediante el mtodo de la seccin dorada encuentre el mximo de la

x2
funcin f ( x) 2senx con xl = 0 y xu = 4 como rango de bsqueda.
10

Problema 6.4.- Mediante el mtodo de Fibonacci encuentre el mnimo de la funcin

f ( x) x 2 8x 16 entre [0,9]. Usar dos iteraciones.

50
Problema 6.5.- (Tomado de Jimnez A., 2003) Se va a disear un proceso de extraccin
lquido lquido para recuperar un soluto valioso. Las variables relevantes de esta
operacin se indican en el siguiente diagrama:

W1
y0

Q1
xF Q2
y1

W2
Y1

El flujo de alimentacin Q es de 1000 lb de solvente / hr, con una concentracin de

soluto de 0.20 lb de soluto / lb de solvente. Esta corriente se va a poner en contacto con
un solvente de lavado W. Se desea detectar la cantidad de solvente de lavado que debe
usarse para maximizar la siguiente funcin objetivo:

max Q xF x1 W

donde Q xF x1 representa la cantidad de soluto extrado y es la relacin del costo

unitario de solvente de lavado al valor unitario. Usando un valor de = 0.05, determine
la cantidad ptima de solvente de lavado.

51
52
7. Biocombustibles

Qu son los biocombustibles?

El consumo de los combustibles fsiles no renovables es el sustento de la civilizacin

actual y el motor de la economa mundial. La posesin y el aseguramiento del petrleo
constituyen el centro de las estrategias energticas de las naciones desarrolladas, de su
geopoltica, y hasta de su seguridad nacional.

El petrleo representa actualmente el 40% de la demanda mundial de energa, mientras

que el gas natural alcanza el 25% y el carbn, otro 25%. As, los energticos fsiles
cubren el 90% de la demanda energtica actualmente. El mundo consume actualmente
ms de 80 millones de barriles por da (MMb/d) y se estima que este consumo llegar a
cerca de 120 MMb/d para el ao 2025. Con respecto al gas natural, el consumo fue de
2.35 terametros cbicos (Tm3 1012 m3) durante el ao 2000; y ser de 4.54 Tm3 para
el ao 2020.

Actualmente ms de 50 pases productores, incluyendo Mxico, ya pasaron su pico de

produccin y queda slo una decena de pases con capacidad de aumentarla. Este
modelo de extraccin de recursos fsiles, as como el hecho de que el petrleo barato se
est acabando, es algo bastante aceptado por la comunidad cientfica y, cada vez ms,
por la industria petrolera.

Al ritmo en que se consumi petrleo mundialmente en 2004 (cerca de 29 mil 300

millones de barriles) nos acabaramos lo que queda en menos de 40 aos. Aunque
resulte difcil de creer, para Mxico la situacin es, incluso, peor. Se estima que en
nuestro territorio slo quedan aproximadamente 15 mil millones de barriles. Al ritmo
actual de produccin, que asciende a cerca de mil 400 millones de barriles al ao (de los
cuales vendemos casi el 45% a Estados Unidos) el petrleo mexicano no alcanzara ni
para 11 aos ms. Sin embargo, debido a que, como mencionamos antes, el petrleo que
va quedando es cada vez ms difcil de extraer, sera imposible mantener tal nivel de
produccin y, al producir menos, se extiende la vida de los yacimientos.

En general para todo el mundo, a medida que avanza el tiempo los costos irn
aumentando por el echo de que ser necesario invertir mas energa para extraer petrleo
y la ganancia neta de energa, entre lo que se gaste y lo que se genere ser muy poca, sin
contar que el petrleo extrado ser de menos calidad (mayor numero de impurezas) y
tambin se tendr que invertir energa para su tratamiento. Ante esta perspectiva cabe la
posibilidad de buscar fuentes de energa alternativas para suplir la enorme demanda
energtica, una de estas, es el uso de biocombustibles.

Definicin y necesidad de uso

Los biocombustibles es una de las fuentes de energa renovables que puede fcilmente
sustituir a los combustibles fsiles, al tiempo que contribuyen a reducir las emisiones de
gases invernadero y la promocin de un desarrollo rural sostenible.

El Biodiesel es un Ester (similar al vinagre) que puede ser obtenido de diferentes tipos
de aceites o grasas animales o vegetales; como soja, colza, palmera, entre otras;

53
mediante un proceso denominado transesterificacin, los aceites derivados
orgnicamente se combinan con el alcohol (etanol o metano) y son qumicamente
alterados para formar steres grasos, como Etil o metilester. El Biodiesel funciona en
cualquier motor Diesel.

El bioetanol es un alcohol producido a partir de la fermentacin de los azucares que se

encuentran en la remolacha, maz, cebada, trigo, caa de azcar, sorgo u otros cultivos
energticos, que mezclado con la gasolina produce un biocombustible de alto poder
energtico con caractersticas muy similares a la gasolina pero con una importante
reduccin de las emisiones contaminantes en los motores tradicionales de combustin.

Por qu debemos desarrollar la bioenerga en un pas petrolero?

El uso de la biomasa como fuente primaria de energa en Mxico ha ido disminuyendo

desde 1965, cuando se constituy 15,3% del suministro total de energa primaria. A
partir del ao 2005, este porcentaje representa slo el 5,3%. Mientras tanto, el uso de
combustibles fsiles ha aumentado de manera constante Y representaron el 87,7% del
valor bruto de energa primaria.

Hay varias razones para aumentar el uso de la bioenerga en Mxico. Por un lado, la
creciente dependencia de los combustibles fsiles es problemtico. En 2007, el
resultado nacional de las reservas de hidrocarburos son suficientes para apoyar la
produccin anual de petrleo y gas de 9,6 y 8,9 aos, respectivamente .Adems la tasa
media de crecimiento anual de las emisiones de CO2 es de 4,3%, uno de los ms altos
del mundo.

Hay varias razones para aumentar el uso de la bioenerga

En Mxico. Por un lado, la creciente dependencia de los combustibles fsiles es

problemtico. En 2007, el resultado nacional de las reservas de hidrocarburos son
suficientes para apoyar produccin anual de petrleo y gas de 9,6 y 8,9 aos,
respectivamente. La tasa media de crecimiento de las emisiones de CO2 es de 4,3%,
uno de los Ms altos del mundo.

Por otra parte, la bioenerga tiene el potencial de convertirse en una pieza fundamental
en un sistema de energa sostenible, lo que contribuye no slo a la energa del pas y a la
estrategia de diversificacin, sino tambin a la consignacin de las nuevas tecnologas
de la energa. Esto puede contribuir a la Reduccin de las emisiones de gases de
invernadero, y tambin a la generacin de nuevos puestos de trabajo en las zonas rurales
y la mejora de la distribucin de ingresos. Adems, el crecimiento actual de las
importaciones de energa, principalmente de gasolina y diesel, esto es importante por
razones econmicas y razones de seguridad nacional.

Obtencin general

Bioetanol.
A manera general podemos generar la siguiente relacin de pasos sencillos para la
obtencin de bioetanol usando caa de azcar como materia prima y partiendo de todo
el tratado de esta.

54
1. Recepcin y Lavado
Una vez que la caa de azcar llega al patio de recepcin en el ingenio es descargada y
el exceso de tierra y piedras son removidos mediante el lavado de la caa. Esta etapa es
intensiva en el consumo de agua y uno de los puntos crticos de contaminacin de no
tomarse las medidas para la recuperacin y ahorro del agua utilizada, especialmente si
se descarga sucia a los ros. Se lava la caa para eliminar las impurezas y materia
extraa como tierra que le resta pureza y color al azcar refinado y disminuye el
rendimiento de azcar por tonelada de caa molida.

2. Molienda o trapiche
Luego la caa lavada pasa a cuchillos picadores que reducen el tamao de la estaca,
pasando entonces por los molinos que separa el bagazo del jugo o guarapo de caa. El
bagazo es aprovechado por los ingenios como fuente de combustible para las calderas
que suplen las necesidades energticas del proceso, pudiendo lograr la autosuficiencia
de energa y incluso generar excedentes.

3. Clarificacin
El jugo que lleva un color verde oscuro, es cido con un grado de turbidez, pasa al
clarificador donde se remueven las impurezas solubles e insolubles. El proceso emplea
cal, cerca de medio kg por tonelada de caa, neutralizando la acidez. Al calentarse la
preparacin se coagulan las albminas, grasas, ceras y gomas y el precipitado atrapa los
slidos que pasan a formar parte de la cachaza que puede ser utilizado como abono
orgnico.

4. Evaporacin
El jugo clarificado pasa a un proceso de evaporacin al vaco donde pierde dos terceras
parte de su agua al final de 3 o 4 de las torres de evaporacin en serie, que van
produciendo un vaco progresivo. El vapor de la ltima torre va a un condensador donde
se puede recuperar agua para las necesidades del procesamiento en el ingenio.

5. Cristalizacin
El jarabe o meladura (65% slidos y 35% agua) producido en la evaporacin pasa a un
tacho donde se evapora al vaco an ms hasta alcanzar el punto de saturacin. Se
aaden pequeos granos de azcar al tacho para servir de semilla, del cual sirven de
ncleo para la formacin de los cristales de azcar.

6. Centrfugas
La mezcla espesa de miel y cristales de azcar es conocido como massecuite y del
tacho pasa a las centrfugas donde se separa la melaza de la azcar cruda mediante la
fuerza centrfuga. La melaza va a los tanques de almacenamiento y su uso final es
mltiple (alcoholes, licores, sucroqumicos y pienso animal).

7. Secadores
El azcar crudo centrifugado pasa a los secadores para eliminar la humedad restante y
luego es almacenada en sacos o a granel. El azcar crudo puede seguir al siguiente paso,
cual es la refinacin, sin embargo el grueso de la produccin se almacena y exporta en
este estado.

55
8. Refinacin
En esta etapa se separa y clasifica el azcar por su calidad y granulometra antes de
enviar al consumo nacional o exportacin.

9. Fermentacin
La fermentacin alcohlica puede llevarse a cabo por lotes (80% de los casos en Brasil)
o en forma continua. El proceso tpico de produccin de alcohol a partir de melazas o
jugo de caa (proceso Melle-Boinot), comprende la esterilizacin previa de la materia
prima seguida del ajuste del pH con H2SO4 y de los azucares a valores de 14-22 Brix.
El mosto obtenido se somete a fermentacin. El vino resultante se decanta y centrifuga
para enviar a destilacin, mientras la levadura se recircula a los fermentadores, luego de
su reactivacin. Durante la fermentacin es necesario aadir algunas nutrientes como
fuentes de nitrgeno y fsforo para obtener ptimos resultados, siendo los principales
sulfato de amonio, urea y fosfato diamnico.

10. Destilacin
La fermentacin produce una solucin diluida de etanol en agua de menos 10% en peso
de Etanol, buscando obtener una concentracin ms elevada, la separacin del etanol del
vino se procesa en columnas de destilacin que progresivamente concentran la solucin
alcohlica, hasta el estado azeotrpico (aproximadamente 95,6% en peso de etanol). Un
subproducto importante de la destilacin es la vinaza, un efluente con alto contenido de
potasa que puede ser usado como abono, producido a razn de cerca de 10 a 16 litros
por litro de etanol producido.

11. Deshidratacin
Debido a que las mezclas de etanol y gasolina deben estar libres de agua para evitar
problemas de separacin de fases en los tanques de almacenamiento y suministro, el
etanol a ser mezclado a la gasolina debe contener menos que 0,5% de agua. En ese caso
no es posible utilizar procesos clsicos de destilacin, siendo necesario emplear otras
tecnologas, como la destilacin azeotrpica empleando benceno, ciclohexano o pentano
como agentes de separacin o la adsorcin por balanceo de presin usando tamices
moleculares o monoetileno glicol.

Cabe reiterar que procesos empleando materias primas celulsicas todava se encuentran
en desarrollo, con buenas perspectivas pero a mediano plazo, con pocas plantas
actualmente operando, generalmente en nivel experimental, como la planta de Iogen en
Canad. As, las biomasas azucaradas y amilceas, respectivamente bien representadas
por la caa de azcar y el maz, como se vio en el apartado anterior, son las materias
primas de inmediato inters. Para la caa, adicionalmente ser brevemente presentada la
utilizacin del bagazo y hojas de la caa como materia prima para produccin de etanol
una tecnologa prometedora, pero todava en desarrollo. Actualmente el bagazo
representa una fuente de energa en el procesamiento de la caa y su utilizacin debe
considerar tambin los usos alternativos de ese producto.

Biodiesel.
La produccin del biodiesel es bien conocida y citada extensamente en la literatura y a
travs de diversos medios informativos. Bsicamente se elabora mediante la
transesterificacin de grasas y aceites con alcohol metlico en ambiente bsico. Los

56
catalizadores a emplear pueden ser soda custica o metilato sdico, ambos en solucin
metanlica.

Esta es la va actualmente empleada para producirlo, ya que es la ms econmica,

ofreciendo entre otras las siguientes ventajas:

Elevada conversin (98%) con pocas reacciones secundarias y reducido tiempo

de reaccin.
Conversin directa a Ester metlico sin pasos intermedios.
Materiales de construccin estndar (AISI 304, acero al carbono y materiales
plsticos: PRFV, PP)

A diferencia de otros procesos comerciales existentes en el mercado el presente se

caracteriza por cuanto el equipamiento de la planta es de fcil obtencin y/o
construccin en muchos pases que poseen capacidad para producir calderera, sin
necesidad de tener que recurrir a equipos costosos, que requieren adems
mantenimiento especializado (Ej., centrfugas), y los materiales para su construccin
poseen reducidos costos relativos. El proceso Batch puede ser conveniente en funcin
de la escala productiva y de la calidad de la materia prima a tratar. En el mismo la
reaccin y la destilacin del metanol en exceso es del tipo Batch, mientras a partir de la
decantacin es continuo.

Este proceso prev el empleo de aceites o grasas que contengan acidez libre, y en su
primera fase los cidos grasos libres se transforman tambin en metilester. Esta es una
ulterior ventaja ya que no es necesario procesar previamente grasas y o aceites para
eliminar tales impurezas obtenindose adems un rendimiento superior respecto de los
triglicridos de partida.

El esquema simplificado de una planta continua para producir el biodiesel se puede

observar en el diagrama siguiente:

Actualmente en Mxico existen lugares donde ya se esta trabajando en la produccin de

biodiesel como por ejemplo:

la planta de biodiesel en Cadereyta (2006).

Donde, sobre la base de un estudio de viabilidad realizado en el ITESM y Grupo
Energticos Mxico, construy la primera comercial planta de biodiesel en Cadereyta
Nuevo Len. Tienen una inversin de de la pequea escala de cerca de 16 millones de
dlares MX. La planta fue inaugurada en julio de 2005, y utiliza sebo de la carne de
vacuno, con un promedio de contenido de cidos grasos libres (FFA) <3% como
materia prima con el actual nivel de produccin de 300 m / mes.

Proyecto de Biodiesel en la Universidad Vasconcelos de Oaxaca

Desde agosto de 2004 la Universidad Jos Vasconcelos en Oaxaca ha llevado a cabo

experimentos para producir biodiesel a partir de residuos de aceite vegetal. Promovido y
supervisado por su rector, Lic. Oswaldo Garca y diseado por EE.UU. Tiene una
capacidad de 3,6 m / mes (aproximadamente 38 t / a).

57
Dnde se usa y como?

Bioetanol
Existen al menos tres formas de ampliar el uso de etanol en el sector del transporte. Una
primera opcin es el uso de etanol en la produccin de Etil terbutil ter (ETBE), un
aditivo oxigenante que se mezcla con la gasolina en proporciones de hasta 15% en
volumen, como hace actualmente en Francia, Espaa y Alemania. El ETBE aumenta el
octanaje y reduce el monxido de carbono y las emisiones de hidrocarburos no
quemados. La composicin del ETBE es 48 volumen% de etanol y 52% volumen
isobutileno (un subproducto de las refineras de petrleo).En la actualidad existe un
sustituto para el ETBE el cual es el (MTBE), un aditivo que oxigenante aunque est
actualmente prohibida en algunos estados de EE.UU., porque es un potencial
carcingeno humano.

Una segunda opcin es la mezcla de etanol anhidro (deshidratados) con la gasolina. En

este caso, el etanol anhidro es un aditivo que aumenta el octanaje. Actualmente, varios
pases mezcla etanol anhidro en proporciones que oscilan entre el 5 al 26% volumen.
La tercera opcin es el uso de etanol en su pura forma como el transporte de
combustible en los vehculos modificados especialmente para este fin. En Brasil,
aproximadamente de 100 de 5 millones de vehculos se han vendido desde 1979. Estas
ventas alcanzaron un mximo del 76% del total de vehculos.

Las ventas en 1986, pero ha ido disminuyendo desde entonces. Sin embargo, en el 2003,
una nueva tecnologa se present y permita el uso de cualquier mezcla de gasolina y
etanol. Vehculos con Flex-fuel o motores flexibles que pueden automticamente -
ajustarse a los parmetros de cualquier proporcin de gasolina-etanol anhidro.

Biodiesel
Puede ser utilizado en su forma pura o mezclada con diesel para uso en motores diesel
convencionales. As tambin en:

Transporte urbano de pasajeros en ciudades con elevado ndice de smoke.

Transporte en aeropuertos

Navegacin en lagos

Reservas naturales y reas protegidas

Produccin de cultivos orgnicos

Por que deben ser usados?

En la actualidad el motivo principal para la bsqueda de estas nuevas tecnologas en

combustibles es sobre el petrleo.

La produccin mundial de gas y petrleo se acercan a su mxima (pico de petrleo) y el

mundo esta en la bsqueda de un nuevo barril de petrleo por cada cuatro que consume.

58
En consecuencia, una necesidad de la eficiencia energtica y las estrategias viables para
transicin hacia combustibles renovables se huelga en todos los sectores de la energa
del futuro prximo.

La sabidura convencional es que los precios del petrleo han sido ms voltiles que los
precios de la mayora de los dems Productos bsicos desde la crisis del petrleo en
1973.

Esta hiptesis ha sido utilizada para justificar la asignacin de precios y los controles y,
recientemente, ha sido la base para las recomendaciones de la poltica en energa
nacional a fin de diversificar las fuentes de energa fuera de la petrolera. La
correspondiente hiptesis de que los precios de otros productos energticos son ms
voltil que los precios de los bienes no energticos han utilizado para explicar el
comportamiento microeconmico y, en particular, la percepcin de poca inversin en la
conservacin de la energa y la tecnologa por parte de los consumidores.

El petrleo crudo es la fuente ms importante de la energa que representa el 35% del

consumo de energa del mundo. Con el aumento de la demanda de petrleo crudo, los
expertos han estimado que el "pico del petrleo" donde la mitad de los recursos en todo
el mundo estn agotadas.

Aunque el petrleo crudo, gas natural y el carbn seguir siendo la ms importante

fuentes de energa por lo menos hasta el 2030, el problema de que se agoten las reservas
de petrleo ha sido reconocida, as como el hecho de que el uso de los recursos
renovables conduce a una mayor seguridad de suministro, un mejor medio ambiente y
un aumento de los ingresos en las regiones rurales.

Diversas materias primas y procesos se utilizan para producir biocombustibles, aunque

debido a la variedad de los biocarburantes y los factores de evaluacin de los
combustibles, es que actualmente no existe una visin clara de las posibilidades de xito
de los diferentes tipos de biocombustibles, a pesar de los numerosos estudios realizados.

A continuacin, haremos un anlisis econmico sobre el bioetanol y biodiesel en

Mxico, sobre los costos y los aspectos positivos de la produccin de estos
biocombustibles.

Bioetanol
Existe una oportunidad importante para que Mxico emprenda la produccin de etanol a
gran escala, si bien deben superarse varios retos que se analizan con detalle en el
informe.

Para la conversin a etanol fueron considerados como insumos: caa de azcar, maz,
yuca, sorgo y remolacha azucarera, con las tecnologas maduras existentes y, en el caso
de la caa de azcar, se analiz la produccin de etanol a partir del bagazo, cuya
tecnologa se encuentra en desarrollo. Con base en criterios de seleccin como:
disponibilidad de una tecnologa madura, costos, necesidades de inversin, superficie
requerida, ndice de energa neta y emisiones y mitigacin de gases de efecto
invernadero se seleccion a la caa de azcar como el cultivo ms promisorio de
inmediato, que puede ser complementada por otros cultivos a mediano y largo plazo.

59
El anlisis econmico mostr que con los insumos valorados a precio de costo actuales
y tres precios de venta de etanol, representativos del mercado reciente de etanol
combustible, todos en US$/m3: 450, 550 y 650. Considerando el precio de etanol en
US$ 0.45 el resultado econmico neto seria negativo para todos los casos /
considerando precios de etanol de US$0.55 a US$ 0.65 el resultado seria positivo para
caa de azcar y maz./ l. El costo de la materia prima es el elemento ms importante de
los costos de produccin. De acuerdo con los datos del Annual Energy Outlook 2006 de
la agencia de la informacin de la energa, el precio de mercado de etanol es de US$
1.17 por litro para el 2006. Actualmente la fabricacin de etanol en Mxico para
combustibles es marginal. Sera posible, dentro de ciertos lmites, tener un programa de
etanol combustible exitoso en Mxico. Para eso, sera necesaria una disminucin del
costo de materia prima con el aumento de la escala productiva y precios de etanol en la
franja superior del rango mencionado. El precio del etanol combustible tiende a
vincularse al precio de gasolina, cuya tendencia futura es creciente, augurando as una
expectativa positiva de viabilidad.

Basado en la experiencia internacional, un programa de etanol como combustible puede

ser ideado como parte de una transicin hacia sistemas de transporte sustentables. No se
espera que el combustible etanol desplace completamente a la gasolina del mercado en
ningn momento. Por el contrario, el etanol puede alargar los recursos petrolferos
logrando una moderada cuota de mercado y ahorrando gasolina para el futuro. En este
estudio se recomienda un programa de introduccin gradual del etanol con tres fases o
escenarios. En la primera fase (2007-2012) se tendra como meta producir 411.9 miles
de m3 de etanol el cual se obtendra principalmente de mieles de caa de azcar y se
dirigira a reemplazar al metanol en los teres producidos en el mercado nacional
(MTBE y TAME) para fabricar ETBE. El etanol como componente del ETBE fabricado
en Mxico correspondera a una penetracin del 5.7% en volumen de un porcentaje de
las gasolinas suministradas a las Zonas Metropolitanas.

Para 2012, y sobre la base de etanol de jugo de caa de azcar de cultivo de temporal en
pastizales y tierras marginales, as como en proyectos de etanol que podran
desarrollarse a partir de otros insumos, podra tener lugar la sustitucin del 5.7% de
todas las gasolinas de las reas metropolitanas, correspondiendo a una demanda de
1,110.6 miles de m3. De 2012 en adelante, y sobre la base de caa de azcar y otros
posibles insumos, como el cultivo mltiple anual sorgo dulce o maz, el 10% de todas
las gasolinas en Mxico podra ser reemplazado por etanol, correspondiendo a una
produccin de 4,406.3 miles de m3. En todos estos desarrollos podra haber
oportunidades para la exportacin e importacin de etanol, directamente o como ETBE.
Suponiendo que el jugo de caa de azcar sea el insumo dominante, alcanzando una
mezcla de etanol en todo Mxico del 10%, el nmero actual de empleos en la industria
se doblara y se crearan unos 400 mil nuevos puestos de trabajo. El rea necesaria
alcanzara alrededor de 800 mil hectreas, ms del doble de la superficie de cultivo
actual de caa de azcar en Mxico.

Los requerimientos de tierra podran cumplirse aparentemente sin comprometer la

produccin de alimentos. Para lograr estas metas se requerira una inversin de
alrededor de US$ 160 millones en los prximos aos y a ms largo plazo una inversin
en 45 destileras independientes de jugo de caa supondra US$ 2.25 miles de millones
distribuidos a lo largo de varios aos y ms all de 2012. Mxico se beneficiara de la

60
introduccin del etanol como combustible de muchas formas: creacin de empleo,
desarrollo de la economa rural, ampliacin de las infraestructuras sociales en zonas
rurales, mejora de la seguridad energtica, conservacin de los recursos petrolferos,
mejor gestin del agua, expansin de la agricultura a tierras ms secas cosechando
cultivos resilientes, como cultivos anuales mltiples como el sorgo dulce, ahorro en los
intercambios exteriores, motivacin de la comunidad cientfica y tecnolgica, incentivos
a la industria de bienes de produccin, mejora del medio ambiente local y global. El
equipamiento para la fabricacin de etanol y la generacin combinada de calor y
electricidad, en el caso del bagazo de caa, podran tener un ndice de nacionalizacin
de casi el 100% en Mxico, creando empleos de calidad y fortaleciendo la industria. La
reduccin de las importaciones de gasolina y MTBE para el escenario en que todas las
gasolinas en Mxico fueran mezclas del 10% de etanol supondra un ahorro en la
balanza de pagos de hasta US$ 2.0 mil millones. La venta de bonos de carbono a travs
de proyectos MDL podra potencialmente aadirse a este beneficio. Para el escenario de
mayor penetracin de etanol se espera una mitigacin de 10.6 millones toneladas
CO2/ao con base en una produccin a partir de caa de azcar.

El xito en el lanzamiento del programa de etanol depender en gran medida de un

programa de inspeccin y mantenimiento de las estaciones de venta o gasolineras
diseado cuidadosamente e implementado de manera experta, en especial los tanques
subterrneos de almacenamiento, y de los vehculos, en particular aqullos fabricados
antes de 1986. PEMEX y la industria automotriz mexicana tendran un papel importante
que jugar aqu.

La estructura de la produccin de etanol en Mxico en el futuro podra tener diferentes

vas.
Posiblemente coexistirn dos sistemas. Uno sera similar a la situacin actual, esto es:
un gran nmero de propietarios de tierra, superficies pequeas, algunas organizadas en
cooperativas.

El otro sistema se basara en participaciones mucho mayores. Estructuras apropiadas

(para ambos sistemas) conllevarn diferencias en la creacin de empleos. Si se da
prioridad a la expansin a gran escala de la caa en pastizales y tierras marginales,
tendr lugar un desarrollo regional en nuevas zonas, creando empleos y promoviendo
infraestructuras sociales donde antes apenas existan.

La revisin creativa del pacto social existente entre productores de caa e ingenios
podra ofrecer una oportunidad a mantener por los beneficiarios actuales y para ampliar
los beneficios sociales de los trabajadores rurales que no los disfrutan en el presente. Es
una tarea que requiere ingenio y creatividad, pero a no ser que haya avances en esta
rea, el costo del etanol en Mxico podra ser demasiado alto2 para los implicados a fin
de lograr un consenso hacia un programa de etanol como combustible en el pas. La
experiencia brasilea de integracin de intereses de productores e ingenios en un
acuerdo negociado libremente, dirigido por modelos tcnicos y econmicos y
supervisados por expertos de ambas partes podra ser de inters para Mxico.
Comprender los fundamentos, oportunidades y barreras, as como las motivaciones de
los actores sociales clave en el programa de etanol, contribuirn a construir el consenso
que posibilitar la introduccin del etanol en el mercado en Mxico, dentro del marco
legal creado por las leyes y regulaciones a tal efecto. Los gobiernos son los iniciadores
naturales de este proceso transicin. La implementacin en s se lleva a cabo a travs de

61
una combinacin de agentes pblicos y privados. Deberan considerarse foros
nacionales de actores sociales clave para conseguir un consenso sobre un portafolio de
prioridades de accin. Esto puede traducirse en legislacin, regulacin, financiamiento,
presupuestos pblicos y privados, asistencia tcnica, cooperacin tcnica, llevando
todos estos aspectos a una implementacin suave y sin problemas de un programa de
etanol.

Todo programa de etanol puesto en marcha en el mundo fue lanzado con el apoyo de
incentivos financieros y de todo tipo, inclusive mandatos y los contratos de compra
resultantes; impuestos diferenciales del etanol para ser mezclado con gasolina para
nivelar los costos del etanol y de la gasolina en la mezcla distribuida a travs de la red
de venta y otros.

Esto tendra como resultado a corto plazo prdidas para el Erario, que podran ser
compensadas a travs de fondos que deberan establecerse en la implementacin de la
legislacin mexicana sobre biocombustibles y energas alternativas.

Biodiesel
La produccin de biodiesel a escala comercial puede ser factible en Mxico en el
mediano plazo de realizar acciones integrales que deben incluir aspectos tcnicos,
econmicos y medioambientales, de concertacin con el sector agrario y agroindustrial
as como un esfuerzo importante en investigacin y desarrollo tecnolgico.

El anlisis econmico muestra que en todos los casos los precios de produccin del
biodiesel son mayores que el costo de oportunidad del diesel comercializado por
PEMEX. En este sentido, la situacin en Mxico no es muy diferente de la de otros
pases, pero es ms evidente dado el bajo costo del diesel de petrleo, el cual cuenta
incluso con subsidios especiales dentro del sector agrcola. Los costos de produccin del
biodiesel tienen un rango de entre $5.3 a $12.4 pesos por litro equivalente. Los cultivos
ms competitivos son la palma, girasol y soya. La jatropha es promisoria pero debe
resolverse el problema de posibles toxinas en la glicerina y otros subproductos
generados en el proceso. Los costos de los insumos agrcolas representan entre el 59% y
91% de los costos de produccin del biodiesel. En muchos casos, como la soya, estos
costos dependen en gran medida de la posibilidad de vender los subproductos agrcolas.

Al igual que en el caso del etanol, este estudio sugiere una estrategia gradual de
introduccin del biodiesel en Mxico. De manera inmediata, la introduccin del
biodiesel podra basarse sobre todo en el uso de materias primas de bajo costo como
aceites y grasas recicladas. En el mediano plazo se requerirn esquemas de incentivos
para la introduccin del biodiesel de manera masiva a fin de permitir la sustitucin de
entre el 2% y 5% del diesel de petrleo despus del 2012. Para lograr estas metas se
necesita un plan de desarrollo del mercado de este combustible que contemple aspectos
como: establecer de manera inmediata el marco legalpor ejemplo, una directiva de
biodiesel con metas claras, estndares nacionales para este combustible e incentivos a la
produccin agrcola y comenzar a desarrollar una industria nacional de produccin de
biodiesel, incluyendo actividades de capacitacin y de investigacin y desarrollo.

Asimismo, se necesita aumentar de manera muy significativa el rea de cultivos

oleaginosos, puesto que nuestro pas no cubre actualmente ni siquiera la demanda de
aceites comestibles. Para llegar a sustituir un 5% del diesel de petrleo en el pas ser

62
necesario instalar 10 plantas industriales con capacidad de 100.000 t/ao cada una o ms
de 140 plantas pequeas con capacidad de 5,000 t/ao cada una. Para optimizar el
suministro de los cultivos agrcolas, y reducir el costo de distribucin de biodiesel y sus
subproductos, las plantas de produccin deben instalarse en las cercanas de refineras o
de las plantas productores de aceites vegetales. Desde el punto de vista logstico, la
mejor opcin son plantas integradas de produccin de aceites vegetales y biodiesel.

Las inversiones estimadas para llegar al escenario de 5% de biodiesel alcanzan $3,100

millones de pesos, puesto que cada planta industrial de gran escala tiene un costo
unitario de $311 millones de pesos. Aunque la produccin de biodiesel estara orientada
al mercado nacional, el combustible podra tambin exportarse ocasionalmente a otros
mercados como Europa o los Estados Unidos. Las ventajas de un programa nacional de
biodiesel seran muy importantes. Desde el punto de vista ambiental, la sustitucin de
diesel de petrleo por biodisel permitira ahorrar alrededor de 1.7 millones de toneladas
de CO2/ao hacia el ao 2010 y 7.5 millones de toneladas de CO2/ao hacia el 2014.

Dentro del sector rural, apropiadamente diseado, un programa de introduccin de

biodiesel podra presentar un balance ecolgico positivo y ayudar al desarrollo de las
economas regionales y locales. Para lograr estos objetivos es muy importante que, en
las zonas tropicales, los cultivos de biodiesel ej. Aqullos basados en aceite de palma-
no se establezcan sobre bosques naturales. Asimismo, se debe evitar la competencia por
el uso de la tierra para fines de alimentacin, o evitar la contaminacin por el uso
intensivo de fertilizantes qumicos y pesticidas. En este sentido, se debera enfatizar un
enfoque agroecolgico e impulsar los cultivos perennescomo la Jatropha- que permitan
el uso de tierras de temporal y/o marginales y aseguren una mayor cobertura del suelo
para control de erosin.

De hecho, un programa nacional de biodiesel debera basarse en un esquema diverso e

integrado regionalmente tanto en aspectos de la demanda y procesamiento utilizando
plantas de distintas capacidades- como en la oferta de cultivos. En todos los casos el
nfasis de un programa de biodiesel es la creacin de valor agregado y empleo en
Mxico. Para esto se recomienda que la produccin y procesamiento de este
combustible se haga con tecnologa diseada y construida localmente. La transferencia
de tecnologa en reas especficas es importante, pero debe evitarse la importacin
directa de las plantas.

Los principales cuellos de botella para la introduccin del biodiesel en Mxico estn en
el sector agrcola. Por esta razn se tiene que establecer un amplio plan de apoyo a la
agricultura para lograr el suministro nacional de los insumos. Los estmulos para una
economa rural ms dinmica deberan incluir los siguientes aspectos:

Apoyar cultivos oleaginosos a pequea escala, los cuales aumentan el valor aadido de
la agricultura rural y contribuyen a la biodiversidad, debera iniciarse un plan de
promocin especfico (como ejemplo, el programa brasileo de biodiesel).

Para algunos cultivos oleaginosos como la Jatropha es necesario un mejor

conocimiento del cultivo. Asimismo necesitan ms tiempo para su establecimiento. Los
conocimientos resultantes de estas actividades de investigacin tendrn que ser
transferidos a la poblacin rural a travs de programas educacionales.

63
 La formacin de cooperativas especializadas, que permitiran crear sinergias a travs
de una utilizacin conjunta de la maquinaria; debera fomentarse el acceso a
financiamiento y a asistencia tcnica.

Agencias de financiamiento, como FIRA, podran crear programas especiales para el

biodiesel o su produccin a tasas de inters preferenciales.

Debera fomentarse la integracin de la produccin de semillas oleaginosas y prensado

de semillas/refinado de aceites/produccin de biodiesel (siendo econmicamente viable)
para crear una retencin ms fuerte de valor aadido en las reas rurales.

La produccin a gran escala de biodiesel en Mxico requiere de un esfuerzo importante

en investigacin y desarrollo. Las actividades que deberan enfatizarse son, por ejemplo,
el establecimiento de investigacin agrcola para mejorar la productividad de cultivos
energticos, especialmente para ampliar las variedades de las diferentes especies, y el
establecimiento de nuevos sistemas de cultivo.

Igualmente debera existir una cooperacin con las investigaciones de PEMEX sobre el
conocimiento de las opciones de hidrogenacin, en especial para el uso de aceite de
palma. Otra medida necesaria sera la creacin de centros de investigacin y desarrollo
regional sobre biodiesel/biocombustibles y aportar continuamente fondos. Las industrias
privadas deberan ser bienvenidas a participar, pero los fondos bsicos deberan ser
aportados por el Gobierno para asegurar la disponibilidad de la informacin relevante de
los interesados. Estos fondos de base podran ser aportados a travs de un mdico
impuesto estatal sobre los biocombustibles. En estos centros deberan llevarse a cabo
programas de alcance institucional y de asistencia tcnica y parte de este esfuerzo
podra ser combinado con los centros existentes de investigacin y tecnologa agrcola
operados por Fideicomisos Instituidos en Relacin con la Agricultura en el Banco de
Mxico (FIRA).

Polticas y lineamientos

Legislaciones y Regulaciones que Afectan el Mercado de la Energa

En trminos de legislaciones y regulaciones aplicables al mercado energtico mexicano,
se pueden citar las siguientes:

Ley Reglamentaria del Artculo 27 Constitucional en el Ramo del Petrleo

Ley del Impuesto Especial sobre Produccin y Servicios (IEPS)
Ley del Impuesto al Valor Agregado (IVA)
Ley de Energa para el Campo
Proyecto de Decreto de la Ley para el Desarrollo y Promocin de Bioenergticos
NOM-086-SEMARNAT-SENER-SCFI-2005, Especificaciones de los combustibles
fsiles para la proteccin ambiental.

Estas regulaciones establecen las actividades de ejercicio exclusivo del Estado

Mexicano por mandato constitucional, las correspondientes a los gravmenes aplicables
a la comercializacin en el territorio nacional y la importacin de los combustibles
derivados del petrleo (gasolinas y diesel), los apoyos otorgados para el consumo de los
combustibles en las actividades agropecuarias, el proyecto sobre el desarrollo de los

64
bioenergticos, as como las especificaciones presentes y futuras que debern cumplir
todos los energticos obtenidos de fuentes fsiles, los cules se emplean tanto en las
fuentes fijas (industria y servicios) como en las mviles ( vehculos a gasolina y a
diesel, combustibles para aviacin, etc.).

Todas stas tienen un impacto en diferentes mbitos del sector energa. En el caso de la
Ley Reglamentaria del Artculo 27 Constitucional, se vincula a la facultad del estado
para la transformacin del petrleo crudo en la industria de refinacin, as como en el
transporte, distribucin y venta de primera mano de los productos obtenidos de la
misma.

Si bien el etanol proviene del sector agrcola, su empleo en forma directa como
combustible no estara supeditado a estas regulaciones. No as la mezcla de etanol con
gasolina (en cualquiera de sus proporciones), la cual slo puede llevarla a cabo
Petrleos Mexicanos (PEMEX), a travs de su Organismo Subsidiario PEMEX
Refinacin, quin en primer lugar es responsable de la elaboracin, transporte,
almacenamiento, distribucin y las ventas de primera mano de los derivados del
petrleo, y adems es el propietario y administrador de la Franquicia PEMEX, as como
el nico suministrador de los combustibles que se comercializan en la estaciones de
servicio en el pas.

La Ley del IEPS y el IVA, se aplican a la comercializacin de las gasolinas y el diesel

que se expenden en la red de estaciones de servicio, as como a las importaciones de
stos productos.

En la Ley del IEPS en su artculo 2o.-A, establece que los precios de referencia de las
gasolinas y el diesel importados se ajustaran por la calidad correspondiente, al producto
de esta operacin se debern sumar los costos de manejo y el costo neto de transporte a
las agencias de ventas de que se trate, stos valores que se obtengan no incluirn el IVA.
En este contexto, la citada legislacin establece en el articulo 2, inciso B que el alcohol
(solucin acuosa de etanol con impurezas que lo acompaan con graduacin mayor a 55
grados Gay Lussacc, a una temperatura de 15 C), alcohol desnaturalizado (solucin
acuosa de etanol con las impurezas que la acompaan, con una graduacin mayor a 55
grados Gay - Lussacc, a una temperatura de 15 C, con la adicin de la sustancias
desnaturalizantes autorizadas por la Secretara de Salud) y las mieles incristalizables
tienen un gravamen de 50 por ciento.

La Ley de Energa para el Campo establece las reglas para el otorgamiento de apoyos a
las actividades agropecuarias, en donde se incluye la agricultura, la ganadera,
silvicultura, acuacultura y la pesca riberea. A travs de sta la Secretara de
Agricultura, Ganadera, Desarrollo Rural, Pesca y Alimentacin (SAGARPA), establece
las cuotas energticas a cada una de las actividades mencionadas para cada ciclo
productivo, las cantidades que sern sujetas a este tratamiento se establecen en el
Reglamento que para tal efecto emiti la Secretara. Con relacin al decreto de la Ley
para la Promocin y Desarrollo de Bioenergticos dictaminada y aprobada en la Cmara
de Diputados, la cual se encuentra en proceso de revisin en la Cmara de Senadores, en
ella se establece la utilizacin de una concentracin mxima de 10 por ciento en
volumen de bioetanol en la formulacin de las gasolinas a nivel nacional, determinando
para ello la necesidad de evaluar y cuantificar la inversiones en infraestructura
productiva, as como los requerimientos de apoyos para la consolidacin y viabilidad de

65
esta iniciativa, buscando en todo momento el desarrollo agrcola nacional aparejado a
esta medida.

En la NOM-086 publicada en el Diario Oficial de la Federacin (DOF) del 30 de enero

de 2006, se definen las especificaciones que debern cumplir cada uno de los
parmetros tanto de las gasolinas (PEMEX Magna y Premium), as como el diesel para
servicio automotriz (PEMEX Diesel) y el destinado a servicio marino y agrcola. En el
caso de las gasolinas, en particular la PEMEX Magna comercializadas en las Zonas
Metropolitanas de Guadalajara (ZMG), de Monterrey (ZMMTY) y del Valle de Mxico
(ZMVM), la norma establece que debern contener en su frmula un valor mximo de
oxgeno de 2.7 por ciento en peso; adems esta concentracin se especifica a nivel
nacional para la PEMEX Premium, sin establecer el tipo de compuesto empleado para
tal fin pero si la necesidad de reportarlo.

La PEMEX Magna que se comercializa en las zonas metropolitanas antes citadas y la

PEMEX Premium, actualmente se oxigenan con ter metil terbutlico y el ter metil
teramlico (conocidos por sus siglas en ingls como MTBE y TAME) obtenidos en las
refineras y el dficit registrado se obtiene va importaciones por medio de MTBE,
producto ampliamente ofertado en el mercado internacional, no as el TAME cuya
obtencin es muy limitada por la escasa disponibilidad de la materia prima empleada
para su produccin (isoamilenos).

Por todo lo expuesto, ser necesario efectuar un anlisis ms profundo de las

modificaciones que se requerirn en las leyes del IEPS, IVA y del proyecto de
Bioenergticos, para lograr la viabilidad del empleo de etanol en la formulacin de las
gasolinas. En este contexto habra que determinar los apoyos para las inversiones en
infraestructura de produccin, almacenamiento y distribucin, as como los impactos en
los costos de adquisicin y de los productos finales.

Ventajas y Desventajas

Bioetanol
Desventajas:
Para poder utilizar el bioetanol como combustible puro (E100) se necesita llevar a cabo
varias modificaciones dentro del motor, de manera tal no alterar significativamente el
consumo.

Estas son:
Aumentar la relacin de compresin.
Variar la mezcla de Combustible / aire.
Bujas resistentes a mayores temperaturas y presiones.
Conductos resistentes al ataque de alcoholes.
Se debe agregar un mecanismo que facilite el arranque en fro.

Ventajas:
El bioetanol es una fuente de combustible renovable y domstico.
Reduce dependencia del petrleo del extranjero.

66
Es una fuente ms limpia de combustible porque: emite un 40-80% menos de gases
invernaderos que los combustibles fsiles reduce la lluvia cida, mejora la calidad del
aire en zonas urbanas, no contamina el agua y reduce los residuos.
Aumenta el octano del combustible con un coste pequeo.
Virtualmente utilizable en todos los vehculos.
Fcil de producir y almacenar.

Biodiesel
Ventajas:
Competitivo frente a otras tecnologas que reducen la contaminacin.
Complementa todas las nuevas tecnologas de diesel para reduccin de gases
contaminantes.
Rendimiento similar al del combustible diesel.
No requiere nueva infraestructura ni adiestramiento.
No es necesario cambiar o convertir motores.
No altera el equipo de mantenimiento.
No altera el tiempo de recarga de combustibles.
No altera el torque.
No altera el consumo.
Mejora notablemente la lubricacin en el circuito y en la bomba de inyeccin.
Mejora las condiciones de funcionamiento invernal.
Mejora las condiciones anti-explosin e incendio.
La mezcla se puede hacer en el momento de carga o previamente.
La mezcla es estable y no se separa en fases.
Los esteres de soja se guardan en tanques similares a los de gasoil, no son txicos y no
forman mezclas explosivas con el aire.

Impacto Ambiental
Reduce en los escapes la fraccin de carbono en partculas
Reduce la cantidad de monxido de carbono
Reduce la cantidad de hidrocarburos no quemados
Reduce la emisin de hidrocarburos aromticos policclicos
Reduce la cantidad de xidos de azufre
Los motores diesel ofrecen un beneficio neto de 45 a 71 % menos de emisiones de CO2
en comparacin con la gasolina.
Los cultivos de semillas de aceite vegetal absorben el CO2 mientras crecen, por lo que
en el balance no hay aumento en las emisiones.

Impacto Econmico
Aparicin de un nuevo mercado
Valor agregado al material de base (semillas de aceite)
Inversiones en plantas y equipos
Mayor cantidad de empleos
Mayor base tributaria por las operaciones de planta e impuestos de utilidades

Desventajas
El biodiesel tambin presenta algunas desventajas en el vehculo que lo utiliza, entre las
que destacan:

67
A bajas temperaturas puede llegar a solidificarse y producir obstrucciones en los
conductos.
Es incompatible con algunos materiales ya que en estado puro puede llegar a daar por
ejemplo el caucho y algunas pinturas.
Su utilizacin produce la prdida de potencia del vehculo.
Produce un mayor consumo en los vehculos debido a que tiene menos poder calorfico
y tarda ms tiempo en combustionar.

Otros
Consumo energtico por sectores

Pronostico de demanda de biodiesel y bioetanol segn algunos casos

Escenario No. 1: Se plantea el uso de una mezcla de 5 por ciento de biodiesel y el 95
por ciento restante de PEMEX Diesel.

Escenario No. 2: En este se usa de una mezcla de 10 por ciento de biodiesel y el 90 por
ciento restante de PEMEX Diesel.

Escenario No. 3: Se evaluar el uso de una mezcla de 20 por ciento de biodiesel y el

80 por ciento restante de PEMEX Diesel.

68
8. Diseo de Productos

Introduccin

El diseo de nuevos productos es crucial para la supervivencia de la mayora de las

empresas. Aunque existen algunas firmas que experimentan muy poco cambio en sus
productos, la mayora de las compaas deben revisarlas en forma constante. En las
industrias que cambian con rapidez, la introduccin de nuevos productos es una forma
de vida y se han desarrollado enfoques muy sofisticados para presentar nuevos
productos.

El diseo del producto casi nunca es responsabilidad nica de la funcin de operaciones,

sin embargo sta se ve muy afectada por la introduccin de nuevos productos y
viceversa. La funcin de operaciones es el "receptor" de la introduccin de nuevos
productos. Al mismo tiempo, estos nuevos productos se ven limitados por las
operaciones existentes y la tecnologa. Por lo tanto, resulta extremadamente importante
comprender el proceso de diseo de nuevos productos as como su interaccin con las
operaciones.

Las decisiones sobre el producto afectan a cada una de las reas de toma de decisiones
de operaciones, por lo tanto, las decisiones sobre los productos deben coordinarse de
manera ntima con las operaciones para asegurarse de que esta rea queda integrada con
el diseo del producto. A travs de una cooperacin ntima entre operaciones y
mercadotecnia, la estrategia del mercado y la estrategia del producto se pueden integrar
con las decisiones que se relacionan con el proceso, la capacidad, inventarios, fuerza de
trabajo y calidad.

La definicin del producto es el resultado del desarrollo de una estrategia empresarial.

Por ejemplo, la estrategia empresarial podra exigir una lnea de productos completa
para servir a un sector particular de los clientes. Como resultado, se definirn nuevos
productos para completar la lnea de productos. Estas definiciones de nuevos productos
se convierten entonces en un insumo para la estrategia de operaciones y las decisiones
de operaciones se ajustan para acoplarse a la estrategia de nuevos productos. Al tener
una participacin activa desde el comienzo, las operaciones pueden asumir un papel de
apoyo externo de etapa 4 en trminos de su estrategia de operaciones y toma de
decisiones.

El diseo del producto es un pre requisito para la produccin al igual que el pronstico
de volumen. El resultado de la decisin del diseo del producto se transmite a
operaciones en forma de especificaciones del producto. En estas especificaciones se
indican las caractersticas que se desea tenga el producto y as se permite que se proceda
con la produccin.

Concepto de Producto.- Se puede definir al producto desde un aspecto psico-social

donde a la persona le mejora su imagen, su estatus, su exclusividad y vanidad.

Tambin se puede decir que el producto representa a la empresa donde se muestra la

imagen y la calidad, siempre con el fondo de satisfacer las necesidades de los
consumidores. Ejemplo: Diseo de celulares.

69
Elementos Que Caracterizan Las Personalizacin Del Producto: -

La personalidad del producto es la capacidad de darnos a cada uno lo que deseamos.

Los elementos que lo caracterizan son:

El diseo: es aquello que hace que sea llamativo para los consumidores.

Surtido: tiene que ver con la comercializacin para cada segmento de mercado se debe
elaborar un producto especfico. Principalmente se enfoca en la capacidad adquisitiva
que tenga el consumidor,

La calidad: aspecto que implica modificar el diseo del producto.

Factores de xito y de Fracaso de un Producto.-

Costo de Produccin mas bajo, nos induce a tener un mejor precio en el mercado.

Se constata la originalidad del producto, que sea algo nuevo y no una imitacin.

La complejidad de hacer el producto.

La flexibilidad del proceso de produccin de tal forma que debemos hacer un surtido de
productos.

Ciclo de Vida de un Producto.-

El ciclo de vida del producto es un concepto desarrollado y discutido ampliamente por

Theodore Levitt en su libro "Marketing Imagination", George Schwartz, Stanley
Shapiro y otras leyendas del Mercadeo. Pareciera un tema agotado, pero siempre hay
algo nuevo sobre l.

Para ver el grfico seleccione la opcin "Descargar" del men superior

La teora sugiere que cada producto o servicio tiene una vida finita. Si uno va a
monitorear ventas durante un periodo determinado, descubrir que el patrn de ventas
de la mayora de los productos sigue una curva consistente de crecimiento, madurez y
declinacin. Es obvio que al principio las ventas son muy bajas; de forma gradual se
van aumentando y luego comienzan a decrecer.

70
El concepto del ciclo de vida del producto es cautivador en su sencillez, pero es una
nocin de difcil aplicacin en la prctica. La principal desventaja es que es muy difcil
anticipar el ciclo de vida de un producto. Muy pocos gerentes de producto diagnostican
con claridad la fase precisa del ciclo de vida en la cual se encuentran sus respectivos
productos. Por medio de evidencias circunstanciales se supone que el producto se
desplaza desde el crecimiento hasta la madurez. Si, por ejemplo, se observa que un
competidor aumenta su presupuesto para anuncios y (o) su oferta de descuentos
especiales, se infiere que la fase de crecimiento est por terminar. Todas stas son
seales de sentido comn, pero de dudoso valor cientfico.

Otro problema que afronta el mercadlogo que busca deducir las ventas del producto en
el transcurso del tiempo, es que la curva resultante es consecuencia de una mala
administracin del producto ms que un verdadero reflejo de la realidad del mercado.

Una compaa quiz descubra que sus propias ventas declinan y, el mercadlogo est
preparado para suponer que el ciclo de vida del producto est en su etapa de
declinacin. Por otra parte, en posteriores investigaciones se observa que las ventas del
producto genrico todava se incrementan. En el argot del ciclo de vida, el producto
genrico an est en la fase de crecimiento. Es obvio que algo anda mal. Nuestro
mercadlogo est en lo correcto al percibir que en trminos de su producto particular y
de la manera en que fue administrado y presentado al mercado en el pasado, su producto
est en declinacin. Sin embargo, tambin debe explorar con cautela la posibilidad de
que ha administrado mal una oportunidad. As, el ciclo de vida del producto de la
compaa es el resultado de una curva de mala administracin ms que de una tendencia
universal.

A medida que se requiere entender en qu punto del ciclo de vida se encuentran los
productos para propsitos de planificacin, el concepto tiene un valor limitado.

La tendencia hacia ciclos de vida ms cortos es una de las limitaciones al concepto.

Todas las evidencias indican que los ciclos de vida de los productos se vuelven ms y
ms cortos. Esto es particularmente verdadero en el campo de los aparatos domsticos y
de productos de alta tecnologa, como computadoras y cmaras fotogrficas.

Es claro que estas aseveraciones intranquilizarn a cualquier mercadlogo que trabaje

para las industrias mencionadas. La tendencia impone diversas implicaciones
estratgicas inevitables que deben tenerse en mente cuando se planifica una nueva
poltica de producto, en la actualidad.

Un producto que alcanz su fase de declinacin antes de que la inversin destinada a su

desarrollo y explotacin haya sido recuperada, es difcil que logre el xito. Un producto
debe ser capaz, de ganar suficientes fondos para recobrar la inversin completa que la
compaa le dedic. Es ms, cuando hablamos de inversin debemos incluir no slo el
costo del diseo, la manufactura y el inventario, sino el costo pleno de los proyectos de
mercadotecnia, previos al lanzamiento como la investigacin de mercado, la promocin,
el muestreo y la distribucin fsica.

Todo esto significa que un gerente de producto debe asegurarse durante el ciclo de la
planeacin que el programa de la mercadotecnia est diseado para obtener una rpida
recuperacin de la inversin. Hay menor margen en el mundo de los noventa para

71
introducirse con un plan tentativo en el mercado. El lanzamiento de un producto debe
llevarse a cabo de manera enrgica y creativa, apoyada por todo el arsenal de las
herramientas promocionales, con el objeto de recuperar la inversin de la manera ms
rpida posible. Slo cuando la inversin se recupera es posible saborear los frutos del
esfuerzo propio y hablar de resultados y xito.

Estrategias para la Introduccin de Nuevos Productos

Existen tres maneras fundamentales de enfocar el proceso de introduccin de nuevos

productos: se le puede considerar como un impulso del mercado, un impulso de la
tecnologa o uno de la naturaleza interfuncional.

Impulso del Mercado.-

De acuerdo con este enfoque, " se debe fabricar lo que se puede vender". En este caso
los nuevos productos quedan determinados por el mercado dando muy poca
consideracin a la tecnologa existente y a los procesos de operaciones. Las necesidades
del cliente son la base primordial (o nica) para la introduccin de nuevos productos. Se
puede determinar el tipo de nuevos productos que se necesitan a travs de la
investigacin de mercados ola retroalimentacin de los consumidores. Despus se
producen estos productos.

Impulso de la Tecnologa.-

Este enfoque sugiere que "se debe vender lo que se puede hacer". De acuerdo con esto,
los nuevos productos deben derivarse de la tecnologa de produccin, con poca
consideracin al mercado. La tarea de mercadotecnia es la de crear un mercado y
"vender" los productos que se fabrican. Este enfoque queda dominado por el uso
vigoroso de la tecnologa y la simplicidad en los cambios de operaciones. A travs de
un enfoque agresivo en investigacin y desarrollo y en operaciones, se crean productos
de tipo superior que tienen una ventaja "natural" en el mercado.

Interfuncional.-

Con este enfoque, la introduccin de nuevos productos tiene una naturaleza

interfuncional y requiere de la cooperacin entre mercadotecnia, operaciones, ingeniera
y otras funciones. El proceso de desarrollo de nuevos productos no recibe ni el impulso
del mercado ni el de la tecnologa, sino que queda determinado por un esfuerzo
coordinado entre funciones. El resultado debe ser los productos que satisfacen las
necesidades del consumidor mientras que se utilizan las mayores ventajas posibles en la
tecnologa.

El enfoque interfuncional casi siempre produce los mejores resultados. El enfoque

tambin resulta ms difcil de implementar debido a las rivalidades y fricciones
interfuncionales. En muchos casos se utilizan mecanismos organizacionales especiales
como diseos de matriz o fuerza de apoyo, con el objeto de integrar distintos elementos
de la organizacin.

Proceso de Desarrollo de Nuevos Productos

72
Independientemente de cul sea el enfoque organizacional que se utilice para el
desarrollo de nuevos productos, los pasos que se siguen para el desarrollo de nuevos
productos son casi siempre los mismos. La figura a continuacin es un modelo del
proceso de desarrollo de nuevos productos que consta de los seis pasos que se describen
tambin a continuacin.

Generacin de la Idea.-

Las ideas se pueden generar a partir del mercado o a partir de la tecnologa. Las ideas
del mercado se derivan de las necesidades del consumidor. Por ejemplo, puede existir la
necesidad de un nuevo alimento para desayunos que sea nutritivo y sabroso o la
necesidad de un nuevo tipo de pintura domstica que no se desprenda de la pared. La
identificacin de las necesidades del mercado puede llevar entonces al desarrollo de
nuevas tecnologas y productos para satisfacer estas necesidades.

Por otro lado, las ideas tambin pueden surgir de la tecnologa disponible o nueva.
Cuando Du Pont invent el nylon, se hizo posible tener una amplia gama de productos
nuevos. Ejemplos de otras tecnologas que han dado origen a nuevos productos son los
plsticos, semiconductores, circuitos integrados, computadoras y microondas. La
explotacin de la tecnologa es una fuente muy rica de ideas para nuevos productos.

Tcnica para la generacin de la Idea.-

Relacin de atributos: Esta tcnica requiere enumerar los principales atributos de un

producto existente y despus de modificar cada uno de ellos en la bsqueda de un
producto mejorado.

Relaciones forzadas: Aqu varios objetos se consideran en relacin con el resto.

Anlisis morfolgico: Este mtodo busca identificar las dimensiones estructurales de un

problema y el examen de las relaciones entre ellos, la esperanza radica en encontrar
alguna combinacin novedosa.

Identificacin de necesidades y problemas: Las anteriores tcnicas creativas no

requieren del consumidor para generar ideas. Los consumidores reciben una lista de
problemas y dicen cuales de ellos acuden a su mente cuando se mencionan dichos
problemas.

Tormenta de ideas: El problema de be ser especfico, el grupo comn para esta tcnica,
consiste de seis a diez personas estimulando la creatividad del grupo por medio de la
tormenta de ideas. Las ideas comienzan a fluir, una idea sigue a la otra y en una hora es
probable grabar cien o ms ideas. Se sealan cuatro principios para que una deliberacin
alcance una mximo de eficacia:

73
No se permite la crtica (los comentarios negativos deben dejarse para despus).

Es bienvenida la espontaneidad (Mientras ms original sea la idea mejor).

Estimular la cantidad (ms ideas, mayor probabilidad).

Estimular la combinacin y mejora de ideas (Debe sugerir la forma de integrar las ideas
a otros an ms nuevos).

Seleccin del Producto.-

No todas las ideas nuevas deben desarrollarse para convertirlas en nuevos productos.
Las ideas para nuevos productos deben pasar por lo menos tres pruebas: 1) el potencial
del mercado, 2) la factibilidad financiera y 3) la compatibilidad con operaciones. Antes
de colocar la idea de un nuevo producto en el diseo preliminar, se le debe someter a los
anlisis necesarios que se organizan alrededor de estas tres pruebas.

El propsito del anlisis de seleccin de productos es identificar cuales son las mejores
ideas y no el de llegar a una decisin definitiva de comercializacin y produccin de un
producto. Despus del desarrollo inicial se pueden hacer anlisis ms extensos a travs
de pruebas de mercado y operaciones piloto antes de tomar la decisin final de
introducir el producto. De esta manera, el anlisis de seleccin de productos puede tener
una naturaleza bastante subjetiva y basarse en informacin ciertamente limitada.

Se desarrollaron varios mtodos para ayudar en el anlisis del producto. Uno es un

mtodo que utiliza una lista de mercado e involucra el desarrollo de una lista de factores
junto con un factor de peso especfico para cada uno. Cada factor se califica de acuerdo
a una escala y se calcula una calificacin total balanceada. Si la calificacin total queda
por encima de cierto nivel mnimo, la idea del nuevo producto se puede seleccionar para
su desarrollo posterior. En forma alterna, puede utilizarse el mtodo para calificar
productos en orden de prioridad para su seleccin. La tabla de abajo da un ejemplo de
este tipo de calificacin.

Seleccin de Productos Mediante una Lista

Caractersticas Muy Peso

Del producto Malo Regular Bueno Excelente Especfico

Precio de venta 15%

Calidad del producto 10%

Volumen de ventas 20%

Operaciones compatibles 10%

74
Ventaja sobre la competencia 10%

Riesgo tcnico 15%

Concordancia con estrategia corporativa 20%

100%

La idea de un nuevo producto tambin puede someterse a un anlisis financiero tpico

mediante el clculo de un rendimiento aproximado sobre la inversin. Para hacer esto,
es necesario estimar un flujo de efectivo de la inversin, y los ingresos y costos de las
ventas del producto en el futuro. En las etapas iniciales del desarrollo del producto
puede ser difcil, si es que no imposible, estimar el flujo efectivo con una exactitud
razonable debido a la gran falta de seguridad que habr sobre la aceptacin en el
mercado, los volmenes, las utilidades y los costos. Sin embargo, es necesario hacer las
estimaciones lo ms pronto posible para poder sentir el potencial financiero de un
producto. Estas estimaciones pueden actualizarse si se dispone de mayor informacin.

Diseo Preliminar del Producto.-

Esta etapa del proceso del diseo de un producto se relaciona con el desarrollo del
mejor diseo para la idea del nuevo producto. Cuando se aprueba un diseo preliminar,
se puede construir un prototipo o prototipos para someterlos a pruebas adicionales y
anlisis. En el diseo preliminar se toma en cuenta un gran nmero de compensaciones
entre costo, calidad y rendimiento del producto. El resultado debe ser un diseo de
producto que resulte competitivo en el mercado y que se pueda producir operaciones.
Los objetivos de diseo son, por supuesto, difciles de satisfacer.

Como resultado de la seleccin del producto, solamente se define su esqueleto. El

diseo preliminar del producto entonces identifica por completo el producto. Por
ejemplo, suponga que va a disear un nuevo radio de banda civil debido a que en la
etapa de seleccin del producto se identific una falla en los productos existentes en el
mercado. Se considera que se puede disear un radio con un desempeo superior a un
precio medio si se incorporan los nuevos avances en miniaturizacin electrnica. Si se
puede construir este radio se dar una considerable importancia los esfuerzos de
mercadotecnia. Esta es toda la informacin disponible cuando termina la fase de
seleccin del producto.

Durante el diseo preliminar del radio, se tomaran varias decisiones de comparacin. El

radio contendr muchos componentes y cada uno de ellos influye tanto en el costo como
en el rendimiento. Ms an, el tamao podra ser un problema si se supone que el radio
debe caber a larga en gabinetes pequeos. Durante el diseo preliminar todas las
decisiones de compensacin deben basarse en el objetivo del diseo: un radio con un
precio cuyo rendimiento sea superior. Como parte del diseo preliminar es probable que
se construya un laboratorio para probar la integracin y desempeo de los circuitos. Si
las pruebas tienen xito, se harn dibujos de diseo preliminar.

Construccin del Prototipo.-

75
La construccin del prototipo puede tener varias formas diferentes. Primero, se pueden
fabricar a mano varios prototipos que se parezcan al producto final. Por ejemplo, en la
industria automotriz es normal hacer modelos de arcilla de los automviles nuevos.

En la industria de servicios un prototipo podra ser un solo punto en donde se pueda

probar el concepto de servicio en su uso real. Se puede modificar del servicio, si es
necesario, para satisfacer mejor las necesidades del consumidor. Una vez que se ha
probado el prototipo con xito, se puede terminar el diseo definitivo y dar el servicio
en franquicia y desarrollarlo a gran escala.

Ray Kroc, el propietario de los restaurantes McDonalds, comenz con un restaurante

prototipo en San Bernardino, California. Se caracterizaba por tener una apariencia de
mucha limpieza, con los colores rojo y blanco originales, el men limitado, precios
bajos y as sucesivamente. Ray Kroc duplic esta instalacin casi al pie de la letra
cuando comenz la expansin de la franquicia McDonalds. El restaurante original fue,
en efecto, una instalacin de tipo prototipo.

Pruebas.-

Las pruebas en los prototipos buscan verificar el desempeo tcnico y comercial. Una
manera de apreciar el desempeo comercial es construir suficientes prototipos como
para apoyar una prueba de mercado para el nuevo producto. Las pruebas de mercado
casi siempre duran entre seis meses y dos aos y se limitan a una regin geogrfica
pequea. El propsito de una prueba de mercado es obtener cuantitativos sobre la
aceptacin que tiene el producto entre los consumidores.

Tambin se prueba el desempeo Tcnico del producto en los prototipos. Por ejemplo,
todas las aeronaves militares nuevas se prueban mediante el uso de prototipos. Se
pueden construir hasta seis aeronaves prototipo y se les prueba de manera extensa antes
de que la administracin apruebe el diseo definitivo del producto. Los cambios de
ingeniera que se inician como resultado de las pruebas en los prototipos incorporan
entonces al paquete de diseo final.

Diseo Definitivo del Producto.-

Durante la fase de diseo definitivo, se desarrollan dibujos y especificaciones para este

producto. Como resultado de las pruebas en los prototipos se pueden incorporar ciertos
cambios al diseo definitivo. Cuando se hacen cambios, el producto puede someterse a
pruebas adicionales para asegurar el desempeo del producto final. La atencin se
enfoca entonces en la terminacin de las especificaciones de diseo para que se pueda
proceder con la produccin.

Sin embargo, la investigacin y desarrollo no solo debe desarrollar especificaciones de

diseo para operaciones. Debe desarrollarse un paquete de informacin para asegurar la
factibilidad de producir el producto. Este paquete de informacin debe contener detalles
relacionados con la tecnologa de proceso, datos de control de calidad, procedimientos
de prueba del rendimiento del producto y otras cuestiones parecidas. Es demasiado
frecuente que el diseo del producto termine con un juego de especificaciones y nada
ms.

76
Estudio del Proceso de Desarrollo de Nuevos Productos

El proceso de desarrollo de nuevos productos descrito hasta ahora, puede considerarse

como un embudo o filtro. Al principio se genera un gran nmero de ideas, sin embargo
algunas pocas se introducen con xito en el mercado bajo la forma de productos.

Filtrado de Ideas.-

El propsito de la generacin de ideas es la creacin de ms de ellas, el objetivo de las

etapas subsiguientes, es reducir el nmero de ideas a unas cuantas que sean atractivas y
factibles, la primera etapa de la seleccin de ideas es el filtrado.

Al filtrar las ideas, la empresa debe evitar dos tipos de errores, ocurre un error de
exclusin, cuando la empresa elimina una buena idea. La forma ms fcil de hacerlo es
eliminar las ideas de otras personas, si una empresa comete demasiados errores de
exclusin sus normas son muy conservadoras.

Desarrollo y Prueba de Concepto.-

Una idea atractiva debe desarrollarse para convertirla en un concepto del producto. Es
importante distinguir entre idea, concepto e imagen de un producto.

La idea de un producto es la sugerencia de un posible producto de ofrecer al mercado.

El concepto del producto es una versin detallada de la idea expuesta en trminos

significativos al consumidor.

La imagen del producto es la forma en la cual los consumidores perciben un producto

real o potencial.

La prueba de concepto implica someter los conceptos de nuevos productos con grupos
de consumidores meta, los conceptos se pueden presentar en forma simple.

Anlisis Del Negocio.-

Esto implica una revisin de ventas, costos y proyecciones de utilidades para un

producto nuevo, con la finalidad de averiguar si satisfacen los objetivos de la compaa,
si lo hace el producto puede avanzar en la etapa de desarrollo del producto.

Para calcular las ventas, se debe estudiar la historia de productos similares y debe hacer
una encuesta de opiniones de mercado, se deben calcular las ventas mnimas y mximas
para evaluar los riesgos. Elaborado el pronstico de ventas se deben calcular los costos
y las utilidades esperadas, estos deben incluir los costos de mercadotecnia, investigacin
y desarrollo, fabricacin, contabilidad, para luego determinar el punto de equilibrio y la
rentabilidad del producto.

77
Desarrollo Del Producto.-

Luego de haber realizado la investigacin y desarrollo convierte el concepto de

producto en un producto terminado o un producto fsico, los prototipos deben someterse
a varias pruebas con la finalidad de observar el comportamiento del producto en forma
segura y efectiva.

El desarrollo de un producto requiere un gran riesgo e inversin, esto revelar si la idea

del producto puede transformarse en un producto factible.

Mercado de Prueba.-

En esta etapa el producto y el programa de mercadotecnia se introducen en escenarios

ms realistas.

Esto permite a la empresa llevar a la realidad toda la parte terica, es probar el producto
y todo su programa mercadolgico, es decir su estrategia de posicionamiento,
publicidad, distribucin, determinacin de precios, marca y envasado as como los
niveles de presupuesto.

Comercializacin.-

La comercializacin es la introduccin del nuevo producto al mercado, la empresa debe

decidir cual es el momento oportuno si es pionero o un fiel seguidor. En segundo debe
focalizar el mbito donde va a lanzar el producto local, regional, distrital, nacional o
internacional.

Se debe tomar en cuenta la primera entrada disfruta de una ventaja de primer

movimiento que es la de ganar liderazgo, caso contrario tambin podemos obtener una
imagen defectuosa de la empresa y el producto.

Una entrada paralela con el producto competidor ambos financian los costos del
lanzamiento del producto.

Un ingreso tardo al mercado supone tres ventajas, haber sufragado los costos de educar
a los potenciales clientes, conocer el mercado y presentar un producto mejorado.

Interaccin entre el Diseo del Producto y el Diseo del Proceso

Se ha estudiado el proceso del desarrollo de nuevos productos antes de la produccin

inicial. Sin embargo, los productos tambin se desarrollan y sufren cambios durante su
ciclo de vida; esto podra llamarse rediseo de un producto. En esta seccin se
enfocarn los procesos de innovacin de los productos despus de su introduccin
inicial, con un nfasis especial en la naturaleza e la interaccin entre los productos y los
procesos.

Los productos se someten constantemente, en el uso, a rediseos e innovaciones.

Algunos buenos ejemplos son los automviles, telfonos y artculos domsticos.
William Abernathy estudi el fenmeno de la innovacin de los productos y los

78
procesos. Como resultado de sus estudios, Abernathy y Towsend (1975) sugieren que la
innovacin de productos y procesos casi siempre sigue tres etapas.

Etapa I .-

La vida inicial de los productos se caracteriza por un cambio constante ocasionado por
la incertidumbre de las condiciones del mercado y de los avances tecnolgicos. El
proceso de produccin casi siempre se acopia a un bajo nivel de volumen y tiene una
naturaleza "poco coordinada". Casi siempre el producto se hace un equipo genrico, el
cual se puede cambiar conforme cambia el producto. Se puede describir la situacin
tanto del producto como del proceso como una situacin fluida. Las velocidades de
innovacin en le proceso son altas y existe una gran diversidad de productos entre los
competidores. El proceso de produccin mismo est muy poco coordinado entre las
distintas operaciones, existen cuello de botellas y exceso de capacidad debido a la falta
de un flujo estable en el producto. Las decisiones operativas se orientan hacia la
flexibilidad, que es el objetivo en esta etapa.

Aunque con frecuencia se piensa en trminos de los productos fsicos, la situacin es

similar para los servicios. Por ejemplo, considrese la alta tasa de innovacin inicial de
las organizaciones de mantenimiento de la salud, en los seguros automotores y en las
cadenas de alimentos rpidos. En estos casos, tanto el producto como el proceso pasaron
inicialmente por una etapa de fluidez.

Etapa II.-

Conforme tiene lugar el desarrollo, la competencia en los precios se vuelve ms intensa.

Los administradores de operaciones responden con una mayor conciencia del costo. El
resultado es una mejor integracin del flujo del producto, tareas ms especializadas,
mayor automatizacin y ms estricta planeacin, y control de la produccin. El proceso
se caracteriza mejor en esta etapa mediante el trmino "islas de mecanizacin". Algunos
subprocesos pueden volverse altamente automatizados con equipo de proceso muy
especfico, mientras que otros siguen dependiendo del equipo genrico. Dicha
automatizacin no puede ocurrir, sin embargo, hasta que la vida de los productos sea lo
bastante madura como para tener un volumen suficiente y por lo menos algunos diseos
de productos estables. En esta etapa podra describirse mejor con la frase
"estandarizacin del producto y del proceso con una automatizacin cada vez mayor".

Etapa III .-

Conforme el producto alcanza su madurez, la competencia se vuelve aun ms fuerte. Se

requiere una mayor estandarizacin y se enfatiza la reduccin de costos, mientras se
mantienen estndares aceptables de servicio y calidad. En este punto, el proceso se
vuelve altamente integrado y automatizado. Es probable que un cambio en cualquiera de
las partes tenga impacto en yodo el proceso puesto que el producto y el proceso se
vuelven interdependientes y es difcil separarlos. Los cambios adicionales en el
producto son extremadamente difciles y costosos. El cambio surge mas lentamente
pero puede tambin originarse en alteraciones repentinas en los insumos, reglamentos
del gobierno o del mercado. Algunos ejemplos de procesos que se encuentran en esta
etapa de desarrollo son las lneas de ensamble de automviles, las plantas qumicas, los

79
procesadores de alimentos y los servicios de alto volumen como la seguridad social, la
medicina social y la compaa telefnica.

Anlisis del Valor

Existe la necesidad de mejorar constantemente los productos y los servicios que se

producen para seguir siendo competitivos. La innovacin es una necesidad bsica en
todo lo que se hace. El anlisis del valor o ingeniera del valor proporciona una manera
conveniente de organizar la innovacin, enfocada a mejorar el valor de los productos y
de los servicios.

El anlisis del valor es una filosofa que busca eliminar todo aquello que origine costos
y no contribuya al valor ni a la funcin del producto o del servicio. Su objetivo es
satisfacer los requisitos de rendimiento del producto y las necesidades del cliente con el
menor costo posible. El anlisis del valor tambin es un enfoque organizado para
analizar los productos y servicios en que se utilizan rutinariamente varias etapas y
tcnicas.

Existe una diferencia importante entre el costo y el valor. El costo es un trmino

absoluto que se expresa en pesos y centavos y que mide los recursos que se utilizan para
crear un producto o servicio. El costo frecuentemente incluye la mano de obra, los
materiales y los costos indirectos. El valor, por otro lado, es la percepcin que tiene el
cliente de la relacin de utilidad del producto y servicio con su costo. La utilidad
incluye la calidad, confiabilidad y rendimiento de un producto para el uso que se le
busca dar. El valor es lo que busca el cliente: satisfacer sus necesidades con el menor
costo. Por lo tanto el valor de un producto, su puede mejorar incrementando su utilidad
con el cliente con el mismo costo o disminuyendo el costo con el mismo grado de
utilidad. Esto se hace mediante la eliminacin de funciones innecesarias o costosas que
no contribuyan al valor.

En el anlisis de valor se utilizan los siguientes trminos o definiciones:

Objetivo: El propsito por el que existe el producto o servicio.

Funcin bsica: Una funcin bsica, si se elimina, hara que el producto dejara de tener
utilidad en trminos de su objetivo.

Funciones secundarias: Las funciones secundarias existen para apoyar una funcin
bsica debido a la manera en que se dise el producto en particular.

El anlisis del valor casi siempre se realiza en cinco pasos: planeacin, informacin,
diseo creativo, evaluacin e implementacin. La etapa de planeacin comienza al
orientar a la organizacin hacia el concepto del anlisis del valor. Se informa a la alta y
media gerencia del potencial de anlisis del valor y de los procedimientos involucrados
para que puedan dar el apoyo necesario. Despus se forma un equipo de anlisis del
valor formado por aquellos afectados por los cambios potenciales.

80
La fase de informacin del estudio empieza al identificarse al objetivo del producto o
del servicio, las funciones bsicas y las funciones secundarias. Las funciones se
describen normalmente con dos palabras: un juego de verbo y sustantivo.

En la tabla que tenemos a continuacin se muestra este proceso de identificacin de las

funciones bsicas y secundarias en el caso de la seccin de reclamaciones de una oficina
de seguros. En este caso, las funciones que se consideran como esenciales para la
produccin del servicio que da la oficina son la recepcin de reclamaciones, el
procesamiento de las reclamaciones y el pago de las mismas. Tambin se identifican las
funcione secundarias pero stas pueden cambiarse o eliminarse si se puede dar un valor
mejorado.

Como una manera de iniciar el anlisis se determina el costo de cada funcin primaria y
secundaria. Despus, el equipo busca la manera de consolidar funciones secundarias,
revisarlas o eliminarlas mientras se mejora la relacin de valor.

La tercera fase del anlisis del valor busca generar opciones creativas. Por ejemplo,
podra ser posible reorganizar la oficina de reclamaciones y reducir la necesidad de
ordenar correo o pude comprarse equipo nuevo para automatizar algunas de las etapas
del procesamiento. Durante esta fase debe mantenerse una atmsfera abierta y de
innovacin en el equipo para no asfixiar las ideas.

Ejemplo de Anlisis del Valor para Una oficina de Reclamaciones de seguros.

Funciones Costo Anual

Recepcin de reclamaciones $110 000

Apertura de cartas 15 000

Lectura de correo 45 000

Codificacin de cartas 42 000

Clasificacin de Cartas 8 000

Procesamientos de reclamaciones 160 000

Solicitud de archivos 30 000

Revisin de archivos 80 000

Colocacin de cartas en archivos 10 000

Evaluacin de reclamaciones 40 000

Pago de reclamaciones 80 000

Autorizacin de pagos 20 000

81
Expedicin de cheques 60 000

En la etapa de evaluacin se observa la posibilidad de las ideas, su costo y la

contribucin que dan el valor. Se consolidan las mejores ideas en un plan para la mejora
del producto o del servicio. El plan resultante lo ponen en operacin los miembros del
equipo con la gente que tendr que llevar a cabo los resultados del estudio del anlisis
del valor. Esto genera entusiasmo y compromiso en el proceso de su implementacin.

El anlisis del valor es una manera organizada de mejorar la utilidad de un producto con
relacin a su costo. El anlisis del valor como un presupuesto con base cero en el hecho
de que se examina cada funcin del producto en busca de su posible eliminacin o
mejora. No se da nada por sentado. Los resultados pueden ser bastante dramticos: casi
siempre obtiene una mejora de valor ms del 10% y en ocasiones hasta el 50% o ms.

82
9. Referencias

Biegler, L.T., Grossmann, I.E., y A. W. Westerberg., Systematic Methods of Chemical

Process Design, Prentice Hall International Series, 1997.

Cussler, E. L., y G. Moggridge, Chemical Product Design, USA, Cambridge Press,

2001.

Doherty, M. F., y M. F. Malone, Conceptual Design of Distillation Systems, New York,

McGraw-Hill Higher Education, 2001.

Dym. C. L. y P. Little, Engineering Design: a project based introduction, New York,

Wiley, 2000.

Floudas, C. A., Deterministic global optimization: theory, methods and applications.

Dordrecht, The Netherlands: Kluwer Academic Publishers, 2000.

Grossmann, I. E., Halemane, K. P., R. E. Swaney, 1983, Optimization strategies for

flexible chemical processes. Computers in Chemical Engineering, 7, 439.

Grossmann, I. E., y C.A., Floudas, 1987, Active constraint strategy for flexibility
analysis in chemical processes. Computers in Chemical Engineering, 6, 675.

Jimnez A., Diseo de Procesos en Ingeniera Qumica, Ed. Reverte. 2003.

Kister, H.Z., Distillation Design, New York, McGraw Hill, 1992.

Townsend, D. W., y B. Linnhoff, 1983, Heat and power networks in process design.
Part II. Design procedure for equipment selection and process matching. AIChE
Journal, 29(5), 748.

Turton, R., R. C. Bailie, W. B. Whiting y J. A. Shaeiwitz, Analysis, Synthesis, and

Design of Chemical Processes, Prentice Hall International Series, 1998.

Snchez, A., y Macchietto, S., 1995, Design of procedural controllers for chemical
processes. Computers and Chemical Engineering, 19, S381S386.

83
Seader J D, y E. Henley, Separation Process Principles, USA: John Wiley and Sons,
1998.

Siirola, J. J. 1995, An industrial perspective on process synthesis. Foundations of

computer aided process design American Institute of Chemical Engineers Symposium
Series No. 304., Vol. 91, 222.

Siirola, J. J.,1996, Industrial applications of chemical process synthesis, Advances in

chemical engineering, New York, Academic Press., Vol. 23, 1.

Siirola, J. J., 1996, Strategic process synthesis: Advances in the hierarchical approach.
Computers and Chemical Engineering, 20, S1637.

Siirola, J. J., y D. F. Rudd, 1971, Computer-aided synthesis of chemical process

designs. Industrial and Engineering Chemistry Fundamentals, 10, 353.

Smith, R., Chemical Process Design, Second Edition, Prentice Hall, 2005.

Van den Heever, S. A., y I.E. Grossmann, 2000, An iterative aggregation/

disaggregation approach for the solution of a mixed-integer nonlinear oilfield
infrastructure planning model. Industrial and Engineering Chemistry Research, 39,
1955.

Zamora, J. M., y I.E. Grossmann, 1999, A branch and bound algorithm for problems
with concave univariate. Journal of Global Optimization, 14, 217.

Zamora, J. M., y I.E. Grossmann, 1998, A global MINLP optimization algorithm for the
synthesis of heat exchanger networks with no stream splits. Computers and Chemical
Engineering, 22, 367.

Zamora, J. M., y I.E. Grossmann, 1998, Continuous global optimization of structured

process systems models. Computers and Chemical Engineering, 22, 1749.

84
 Apndice A.
Mtodos cortos [mtodo de Fenske-
Clculo de una secuencia de destilacin Underwood-Gilliland (FUG)].
usando Aspen Plus.
El algoritmo para el mtodo Fenske-
A.1 Objetivo. Underwood-Gilliland, mostrado en la
Figura A.1, para una columna de
Determinar el nmero de platos, destilacin simple como se muestra en
relaciones de reflujo, cargas trmicas y la Figura A.2. Para ilustrar la utilidad de
localizacin de las alimentaciones de las este mtodo se ha optado de analizar un
columnas de destilacin de una ejercicio donde se vean las bases
secuencia convencional. tericas, ecuaciones y pasos a seguir en
su desarrollo, en vez de analizar las
A.2 Consideraciones tericas. bases tericas de manera profunda y
rebuscada.
Mtodos aproximados para
separaciones en mltiple etapa de
sistemas multicomponentes.
Comienzo

Especificar la alimentacin

Calcule el nmero de etapas

Especificar las escisiones de dos tericas para la relacin de Correlacin de Gilliland
componentes clave reflujo especificada > valor
mnimo

Estimar las escisiones de los Calcule la localizacin de la Ecuacin de Kirkbride

componentes no clave etapa de alimentacin

Determine la presin de la
Clculos del punto de burbuja y Calcule los servicios del
columna y el tipo de Ecuacin de Balances de Energa.
el punto de roco condensador y del reboiler
condensador

Aplique el flash a la Use el procedimiento del Flash Salida

alimentacin a la presin de la adiabtico
Repita el procedimiento en caso de que columna
la estimacin y el clculo de las
escisiones de los componentes no clave
difiera considerablemente

Calcule el mnimo de etapas Ecuacin de Fenske

tericas

Calcule las escisiones de los Ecuacin de Fenske

componentes no clave

Calcule la relacin de reflujo Ecuacin de Underwood

minima

Figura A.1. Algoritmo para la destilacin multicomponente por el mtodo FUG

Ejercicio de aplicacin a los mtodos 120 psia de forma que se obtenga una
cortos. destilado con 92.5moles% de n-C4 y
unas colas con 82moles% de i-C5.
La siguiente mezcla de alimentacin ha
de separarse por destilacin ordinaria a

85
Tabla A.1. Alimentacin de la columna. columnas diseadas para condensadores
Componente Lbmol/h parciales.
C3 5 Analizaremos lo que es ahora la
iC4 15
seleccin de los componentes clave
nC4 25
iC5 20 ligero (LK) y clave pesado (HK),
nC5 35 debido a que solo podremos sacar dos
Total 100 productos uno de destilado y otro de
fondo, se realiza un corte (sabiendo el
porque) y se designa de la siguiente
manera:

i. Componente clave ligero

C3
i-C4
LK n-C4
HK i-C5
120 psia
n-C5
Figura A.2. Columna de destilacin simple
para la separacin de cinco componentes.
Para el desarrollo del ejercicio
primeramente debemos hacer una serie
de cuestionamientos que conforme se
vea el desarrollo del mismo ejemplo
iremos resolviendo:
a) Cul es la presin en la
columna?
b) Qu tipo de condensador se
usara?
c) Platos mnimos
d) Reflujo mnimo
e) Platos reales
f) Plato de alimentacin.
La columna puede estar equipada con
un condensador total parcial (en
nuestro caso utilizaremos total) por lo
que en la Tabla A.2 se da a conocer el
nmero de grados de libertad para
nuestra columna, en este caso las
siguientes variables se especifican
considerando la zona del reboiler como
una etapa terica ms. Especificaciones
similares pueden escribirse para
(LK). Es el primer
componente que esta encima
del corte y se distribuye
entre el domo y el fondo
pero aparece en mucha
mayor cantidad en el
destilado.
ii. Componente clave pesado
(HK). Es el primer
componente que esta debajo
del corte y se distribuye
entre el destilado y fondos
pero aparece en mayor
cantidad en los fondos.
iii. Los dems componentes
dependiendo si se
encuentran arriba o debajo
de los componente LK y HK
se denomina como NLK
(componente no clave ligero
normalmente solo esta en el
domo) y NHK (componente
no clave pesado
normalmente se encuentra en
el fondo)
La recuperacin se refiere al porcentaje
de los claves que se obtienen en los
productos respecto de la alimentacin.
Tabla de Balance (Tabla A.3). Nuestra
primera suposicin es que todos los
NLK solo aparecen en el domo y los
NHK en el fondo.

86
 Tabla A.2. Grados de libertad para una columna con condensador total
Nmero de especificacin
Razn de Flujo de entrada 1
Fracciones mol de la alimentacin C-1
Temperatura de alimentacin 1
Presin de alimentacin 1
Etapas adiabticas (excepto reboiler) N-1
Presin de las etapas (incluyendo reboiler) N
Escisin del componente ligero LK 1
Escisin del componente pesado HK 1
Localizacin de la etapa de alimentacin 1
Razn de reflujo (como un mltiplo de Rmin) 1
Temperatura de reflujo 1
Divisor adiabtico de reflujo 1
Presin del condensador total 1
Presin en el divisor del reflujo 1
Grados de libertad (anlisis total) 2N+C+9

Tabla A.3. Tabla de Balance de Materia

Componente F D xD B XB
(lbmol/h) (lbmol/h) (lbmol/h)
C3 5 5 0.107 0 0
iC4 15 15 0.321 0 0
LK nC4 25 23.125 0.495 1.875 0.035
HK iC5 20 3.6 0.077 16.4 0.308
nC5 35 0 0 35 0.657
Total 100 46.725 1 53.275 1

Siguiendo los pasos descritos en el Como vemos que el valor es negativo

algoritmo FUG (ver figura A.1), el
siguiente paso es calcular los puntos de
burbuja y de roco de nuestra
alimentacin ya localizada en la
columna.
Calculamos la temperatura de Burbuja
del domo a partir de la presin P=120
psia =827.4 kPa.
aumentamos el valor de Tb, aplicando la
ecuacin (1) despus de 4 iteraciones
con 60, 56 y por ultimo 58cC, llegamos
al resultado ms exacto:
Cuarta iteracin: con TbD=580C.
KC3 KiC4 KnC4 KiC5 KnC5
2.25 1.08 0.78 0.375 0.295

Primera iteracin: con T=500C. f D (580 C ) 0.002

KC3 KiC4 KnC4 KiC5 KnC5 Por lo tanto la temperatura de burbuja

1.95 0.9 0.67 0.295 0.24 de los componentes en la zona del
c
destilado es de TbD=58 0C a P=120 psia.
(1) f D (T ) ki xi 1 0
i 1 Como hay una cada de presin de 10
f D (500 C ) 0.171 psia desde el domo de la columna
[debido a la cada de presin en el
condensador (5 psia), cada de presin

87
en los platos (5 psia)], hasta el fondo de Para el domo:
la columna tenemos que PB=130 psia
=896KPa. K LK K nC4 0.78
(3) D 2.08
K HK K iC5 0.375
Por lo que evaluamos la temperatura de
burbuja de los fondos a una temperatura
mayor que la del domo pero no superior Para el fondo:
a la temperatura critica de los
K LK K nC4 2
componentes; por sugerencia debe ser (3) 1.905
B
200F mayor que la TbD, por lo que K HK K iC5 1.05
iniciare mis iteraciones con una
temperatura de 700C.
Media geomtrica.
Calculamos la temperatura de burbuja (4) 1.99
D B
del fondo a partir de PB=130psia.

Primera iteracin: con T=700C.

Aplicamos la ecuacin de Fenske.
KC3 KiC4 KnC4 KiC5 KnC5
2.45 1.21 0.9 0.44 0.36 log 10
d LK bhK
log 10
23.125 16.4
d HK blK 3.6 1.875
(6) N min 5.90 6
c log 10 log 10 1.99

(2) f B (T ) ki xi 1 0
i 1
f D (700 C ) 0.5965
Como vemos que el valor es negativo
aumentamos el valor de Tb, aplicando la
ecuacin (2) despus de 3 iteraciones
con 100 y por ultimo 120cC, llegamos al
resultado ms exacto:
Cuarta iteracin: con TbB=1200C.
KC3 KiC4 KnC4 KiC5 KnC5
4.4 2.5 2 1.05 0.94
f B (1200 C ) 0.01
*NOTA: las constantes K fueron obtenidas de la
Figura 7.5 del J.Henley/J.D. Seader.
Como primer objetivo el ejercicio nos
pide estimar el nmero mnimo de
etapas de equilibrio que se requieren
aplicando la ecuacin de Fenske.
Evaluamos el nmero mnimo de
etapas, con las siguientes ecuaciones:
Otra situacin que nos plantea el
ejercicio es el que el alumno suponga
que la alimentacin est en su punto de
burbuja, utilcese el mtodo de
Underwood para estimar la relacin de
reflujo mnima.
Evaluando el punto de burbuja de la
alimentacin.
(7) PF 120 psia 5 psia 2.5 psia 127.5 psia 880kPa
La cada de presin en el condensador
por seguridad la consideramos de 5psia
pero como la alimentacin esta a la
mitad le agregamos 2.5psia.
580 C 1200 C
(8) TF 890 C 900 C
2
Primera iteracin: con TF=900C.
KC3 KiC4 KnC4 KiC5 KnC5
3.3 1.71 1.31 0.66 0.58

88
 c
5(0.107) 2.59(0.321) 1.98(0.495) 1(0.077) L
(2) f F (T ) k i xi 1 0 5 2.59 1.98 1
1
D min
i 1

f F (90 0 C ) 0.084 lo que para nuestro L

1.23
analisis es suficiente D min

Reflujo mnimo. Reflujo real (regla general de diseo)

La ecuacin de Underwood propone L L L

obtener el reflujo mnimo mediante la 1.1 1.5
D min D real D min
solucin de las siguientes ecuaciones:
Normalmente las columnas de
Ecuacin de Underwood
destilacin se disean a 1.33 (L/D)min,
debido al costo de energa
( ) z iF
(9) ir
1 q,
( ir ) Un a vez hecho esto el algoritmo en al
figura 1 nos pide determinar el nmero
Como es lquido en su punto de burbuja de etapas tericas que se requieren por
q=1. la correlacin de Gilliland suponiendo
L/D=1.2 (L/D) min, un reboiler parcial
Ki ( ir ) zi y un condensador total y Estimar la
C3 3.3 5 0.05 localizacin de la etapa de alimentacin.
iC4 1.71 2.59 0.15
nC4 1.31 1.98 0.25 Para calcular el nmero de platos
iC5 0.66 1 0.2 tericos conozco la relacin de reflujo
nC5 0.58 0.88 0.35 por lo que aplicamos las siguientes
ecuaciones:
Ki
Donde ( ir ), sustituyendo los
K HK L L
1.2 1.48
datos de la tabla en la ecuacin (9) D D min

tenemos la siguiente expresin:

R R min 1.48 1.23
(11) X 0.101
5(0.05) 2.59(0.15) 1.98(0.25) 1(0.2) 0.88(0.35) R 1 1.48 1
0
5 2.59 1.98 1 0.88
N N min 1 54.4 X X 1
(12) 1 exp ,
Donde por aproximaciones podemos N 1 11 117.2 X X 0.5
confiar en que 1.37 , donde por sustituyendo la ecuacin (11) en (12), obtengo :
experiencia sabemos que 1.98 1

Por lo que sustituimos en la segunda

N
N min
ecuacin de Underwood. 1 0.4473 0.553
N 1
( ) xiD L Resolviend o para N cuando Nmin 6 (inciso a)
(10) ir
1
( ir ) D min

N 14.66
Sustituyendo los datos de las fracciones
del destilado de la tabla de balance y
nuestros datos anteriores obtenemos la
siguiente expresin:

89
Para el palto de alimentacin.
2 0.206 Tabla A.4. Mezcla equimolar de
NR z HK , F xlK , B B hidrocarburos a la secuencia de separacin.
(13)
Ns z LK , F xHK , D D Componentes Alimentacin
(lbmol/hr)
2 0.206 (LK) A= n-pentano 25
0.2 0.035 53.275 (HK) B= n-hexano 25
0.7091
0.25 0.077 46.725 C=n-heptano 25
D=n-octano 25
(14) N R Ns 14.66
Resolviend o el sistema de ecuaciones
tenemos que :
NR 6.082 7
NS 8.58 9

Con esto completamos el algoritmo para

los mtodos cortos (FUG) y terminamos
lo que sera la seccin terica, pero en
esta ocasin la fue enfocada a un
ejercicio de aplicacin con el cual creo
que queda mejor explicada que con
prrafos amplios y revoltosos de teora.

A.3 Planteamiento del problema.

Obtenga el diseo de la secuencia de

destilacin de la Figura A.3 para separar
una mezcla equimolar de n-pentano, n-
hexano, n-heptano y n-octano que se
encuentra como lquido saturado a
22.02 psia. Considere recuperaciones de
98% de los componentes claves.

Figura A.3. Secuencia de destilacin

directa.

90
 A.3.1. Diagrama de Flujo (DSTWU).
Paso n 1. Primeramente haremos una simulacin mediante el
uso de la ventana de columnas DSTWU que es la opcin para los
mtodos cortos de Winn-Underwood-Gilliland. Con esta
simulacin nuestro objetivo ser obtener las etapas, la relacin de
reflujo, entre otros parmetros que nos permitirn hacer el
clculo de la altura de la columna y el dimetro de los platos en
otra simulacin pero esta vez de columnas RadFract.
Paso n 2. Una vez colocadas
las columnas como las de la
figura 3, pasamos hacer loa que
corresponde a la conexin de
las corrientes, seleccionamos la
ventana Material STREAMS y
con la opcin Material vemos
que corrientes debemos
proporcionar al simulador.
Paso n 3. Aqu se pueden
apreciar lo que son las
corrientes para cada equipo,
note que las flechas rojas son
las corrientes que por lo menos
debemos proporcionar al
simulador, las corrientes azules
son del tipo opcional. .
Paso n 4. Una vez analizadas las
corrientes que debemos
proporcionar al simulador, hacemos
las conexiones pertinentes entre los
equipos creando un diagrama de
flujo similar al del la figura 3.
Podemos nombrar nuestras
corrientes y equipos del simulador
presionando click derecho sobre el
nmero de corriente bloque y
seleccionando la opcin que se abre
del men Rename stream Rename
block, segn sea el caso
A.3.2. Variables de diseo (DSTWU)
Paso n 1. El primer paso es el
proporcionar al simulador las unidades y
en el sistema que vamos a trabajar, al
iniciar el vaciado de datos se nos abrir
primeramente una carpeta de nombre
Setup en la cual se nos proporcionara
una subcarpeta de nombre
Specifications ah debemos
proporcionar el sistema de unidades y el
nombre de la simulacin en la ventana
de nombre global, en la ventana de
nombre Accouting debemos
proporcionar el usuario (importante)
Paso n 2. Una vez hecho lo que se explico en el
paso anterior, en este paso se abrir otra carpeta
de nombre components la cual nos
proporcionar una subcarpeta de nombre
Specifications, en esta subcarpeta se habr la
tabla que estn viendo a su izquierda en la cual
se hace la seleccin de los componentes a
evaluar, solo se requiere que escriban el nombre
del componente correctamente en ingles en su
defecto la formula qumica del componente.
Paso n 3. La siguiente carpeta es la de
nombre Properties, la cual nos habr
una subcarpeta de nombre
Specifications y en la pestaa Global
seleccionamos el mtodo base [Base
method (CHAO-SEA)] para la
evaluacin de las propiedades de los
componentes proporcionados
anteriormente,
Paso n 4.
Una vez seleccionado el mtodo de
evaluacin de propiedades, la siguiente
carpeta es la de nombre Streams en esta
carpeta se habra la subcarpeta que requiere al
informacin de la alimentacin en nuestro
caso esa corriente y subcarpeta es de nombre
FEED (ver diagrama de flujo), en la pestaa
de Specifications en la seccin de nombre
State variable seleccionamos la opcin Vapor
Fraction en vez de la opcin Temperatura,
debido a que nuestro problema nos dice que
es una alimentacin liquida saturada.
91
 Paso n 5. La siguiente carpeta es la de nombre blocks
cuya subcarpetas son aquellas que correspondientes a las
columnas mostradas en el diagrama de flujo, la primer
subcarpeta es la correspondiente a la de nombre
COLUMN1, en esta parece una pestaa de nombre
Specifications, en esta proporcionamos en la opcin
Column Specifications la relacin de reflujo mnima
cuyo valor es -1.33 (valor ms comn de diseo por
razn de ahorro de energa y consumos), esto es debido a
que el simulador supone que si el valor es (-) hace
referencia a un mltiplo de Rmin, en caso contrario un
valor (+) hara que el simulador interprete ese numero
como una relacin de reflujo real. Despus en la opcin
de presin colocamos una presin en el condensador de
14.7 psia considerando una cada de presin a lo largo de
la columna hasta llegar al reboiler de 10 psia. En la
opcin de nombre Key Components Recovery,
seleccionamos lo que es la fraccin del componente
clave ligero que deseamos en el destilado de la columna
1, al igual que la fraccin del componente clave pesado
que puede haber en el destilado.
Paso n 6. Hacemos el mismo procedimiento para la
siguiente columna de nombre COLUMN2, en este caso lo
que cambia es la seleccin de los componentes clave ligero
y pesado.
Paso n 7. Hacemos el mismo procedimiento para la
siguiente columna de nombre COLUMN3, en este
caso lo que cambia es la seleccin de los componentes
clave ligero y pesado.
Una vez finalizado el paso 7 procedemos a correr la
simulacin y a la obtencin de resultados, stos sern
analizados en la siguiente seccin del reporte por lo que ahora
pasaremos a lo que el anlisis de resultados variando la
relacin de reflujo, lo nico que se debe hacer es reemplazar
en la opcin Reflux-ratio descrita en los pasos 5-7, otros
valores para nuestro estudio usaremos una relacin de reflujo
mnima de 1.1 y 1.5, esto nos permitir ver una vez ms el
efecto que tiene la variacin del reflujo en las columnas de
destilacin y su impacto que tiene en relacin con el nmero
de platos y la cantidad de carga trmica requerida (variables
analizadas en reportes anteriores), No es necesario
esquematizar como se hace la variacin pues ya fue descrito el
procedimiento de cambio por lo que solo nos limitaremos a ver
los resultados en la siguiente seccin. Posteriormente haremos
la simulacin de la secuencia de columnas con la opcin
RadFract y la ayuda de los resultados obtenidos por nuestra
primera simulacin.
92
A.3.3. Diagrama de Flujo (RadFract).
Paso n1 Seleccionamos la ventana de
columnas de nombre RadFract y
utilizamos el modelo convencional de
columna de destilacin de nombre
Fract1
Los siguientes pasos para la elaboracin de un diagrama de
flujo con columnas RadFract son similares a los pasos para
la elaboracin del diagrama descrita para las columnas
DSTWU, por lo cual no hay necesidad de repetir estos pasos
y solo les mostraremos el diagrama terminado.
A.3.4. Variables de diseo (RadFract)
Paso n 1. Como estamos dentro de la misma
simulacin que hicimos para el mtodo
DSTWU, ya no es necesario especificar las
variables correspondientes a las carpetas
Setup, Components y Properties, pues se
manejan las mismas variables hasta ese
punto, donde si cambia un poco la cosa es
dentro de la carpeta Streams, donde nos
piden que demos nuevamente los valores pero
ahora para la corriente de alimentacin FEED
1 correspondientes a nuestro nuevo diagrama
de flujo realizado con columnas RadFract.
Paso n 2. Nuevamente se nos proporciona la
carpeta correspondiente a los bloques del
diagrama Blocks la cual nos pide las
caractersticas de las nuevas columnas en el
diagrama de flujo RadFract, correspondiente a
las columnas 4, 5 y 6, utilizando los resultados
obtenidos en la simulacin con columnas
DSTWU, damos las variables correspondientes
a Number of stages, Reflux ratio, Destillate to
feed ratio, esta informacin es correspondiente a
la pestaa de Configuration.
Paso n 3. Pasamos dentro de
la misma carpeta blocks a lo
que es la pestaa de Streams,
donde mediante el uso de los
resultados obtenidos en la
pasada simulacin podemos
proporcionar en que etapa se
esta llevando la alimentacin.
Paso n 4. Pasamos dentro de la
misma carpeta blocks a lo que es la
pestaa de Pressure, donde
seleccionamos dentro de la ventana
View la opcin Pressure profile,
donde proporcionamos las presiones
del la primera y ultima etapa de la
columna (condensador y reboiler)
Paso n 5. Pasamos dentro de la misma
carpeta blocks, desplazndonos dentro de
la subcarpeta COLUMN4 existe otra
subcarpeta llamada Tray Sizing que es la
opcin que nos permite el clculo del
dimetro y altura de la columna, lo que
debe hacerse es especificar desde que
etapa estar el primer plato hasta la
ultima (no debemos contar el reboiler y el
condensador).
93
 Realizamos la misma secuencia de los resultados reportados en la
pasos comenzando desde el paso n2 simulacin DSTWU.
hasta el paso n5, para las otras dos
columnas restantes de nombre Una vez hecho los pasos indicados para
COLUMN5 Y COLUMN6, utilizando las otras dos columnas procedemos a
ver lo que son los resultados.

A.4 Anlisis de Resultados.

Tabla A.8. Columna 1, usando 10% superior al mnimo.
Resultados obtenidos de la simulacin DSTWU.
Minimum reflux ratio: 1.43691015
Tabla A.5. Columna 1, usando 33% superior al mnimo.
Actual reflux ratio: 1.58060117
Minimum reflux ratio: 1.43691015 Minimum number of stages: 8.26610406
Actual reflux ratio: 1.9110905 Number of actual stages: 22.7737257
Minimum number of stages: 8.26610406 Feed stage: 11.8970569
Number of actual stages: 15.7024023 Number of actual stages above feed: 10.8970569
Feed stage: 8.51348171 Reboiler heating required: 868006.528 Btu/hr
Number of actual stages above feed: 7.51348171 Condenser cooling required: 728204.823 Btu/hr
Reboiler heating required: 967689.955 Btu/hr Distillate temperature: 99.3789176 F
Condenser cooling required: 827888.25 Btu/hr Bottom temperature: 232.865146 F
Distillate temperature: 37.4327319 C Distillate to feed fraction: 0.25000282
Bottom temperature: 111.591751 C
Distillate to feed fraction: 0.25000282

Tabla A.6. Columna 2, usando 33% superior al mnimo. Tabla A.9. Columna 2, usando 10% superior al mnimo.

Minimum reflux ratio: 1.78026336 Minimum reflux ratio: 1.78026336

Actual reflux ratio: 2.36775026 Actual reflux ratio: 1.95828969
Minimum number of stages: 9.80415544 Minimum number of stages: 9.80415544
Number of actual stages: 18.2596428 Number of actual stages: 25.6102945
Feed stage: 9.75645833 Feed stage: 13.2814821
Number of actual stages above feed: 8.75645833 Number of actual stages above feed: 12.2814821
Reboiler heating required: 1081240.49 Btu/hr Reboiler heating required: 946645.794 Btu/hr
Condenser cooling required: 1062759.31 Btu/hr Condenser cooling required: 928164.618 Btu/hr
Distillate temperature: 69.7040642 C Distillate temperature: 157.467313 F
Bottom temperature: 131.038539 C Bottom temperature: 267.869362 F
Distillate to feed fraction: 0.3334707 Distillate to feed fraction: 0.3334707

Tabla A.7. Columna 3, usando 33% superior al mnimo. Tabla A.10. Columna 3, usando 10% superior al mnimo.

Minimum reflux ratio: 1.86101573 Minimum reflux ratio: 1.86101573

Actual reflux ratio: 2.47515093 Actual reflux ratio: 2.04711731
Minimum number of stages: 11.1679074 Minimum number of stages: 11.1679074
Number of actual stages: 20.6443251 Number of actual stages: 28.7445227
Feed stage: 10.764356 Feed stage: 14.5955887
Number of actual stages above feed: 9.76435596 Number of actual stages above feed: 13.5955887
Reboiler heating required: 1159949.52 Btu/hr Reboiler heating required: 1008207.66 Btu/hr
Condenser cooling required: 1195257.72 Btu/hr Condenser cooling required: 1043515.85 Btu/hr
Distillate temperature: 99.896114 C Distillate temperature: 211.813 F
Bottom temperature: 147.21624 C Bottom temperature: 296.989223 F
Distillate to feed fraction: 0.5000994 Distillate to feed fraction: 0.5000994

94
 Tabla A.11. Columna 1, usando 50% superior al mnimo. Resultados obtenidos de la simulacin RadFract.
Minimum reflux ratio: 1.43691015
Tabla A.14. Resultados del tamao de platos en las columnas.
Actual reflux ratio: 2.15536523
Minimum number of stages: 8.26610406 Columna de destilacin Dimetro de columna (m)
Number of actual stages: 14.6601257 4 0.54
Feed stage: 8.01476019 5 0.6
Number of actual stages above feed: 7.01476019 6 0.66
Reboiler heating required: 1038800.24 Btu/hr
Condenser cooling required: 898998.532 Btu/hr
Distillate temperature: 99.3789176 F
Bottom temperature: 232.865146 F DESTA1

Distillate to feed fraction: 0.25000282

FEED1

DESTC1
Tabla A.12. Columna 2, usando 50% superior al mnimo. COLUMN4

Minimum reflux ratio: 1.78026336 DESTB1

BOTTOM3

Actual reflux ratio: 2.67039503 COLUMN6

Minimum number of stages: 9.80415544

Number of actual stages: 16.9450511 COLUMN5 BOTTOM4

Feed stage: 9.12604254

Number of actual stages above feed: 8.12604254
Reboiler heating required: 1178592.44 Btu/hr
BOTTOMD1

Condenser cooling required: 1160111.27 Btu/hr

Distillate temperature: 157.467313 F
Bottom temperature: 267.869362 F Figura A.4. Diagrama de flujo con columnas RadFract.
Distillate to feed fraction: 0.3334707

Tabla A.13. Columna 3, usando 50% superior al mnimo.

Minimum reflux ratio: 1.86101573

Actual reflux ratio: 2.7915236
Minimum number of stages: 11.1679074
Number of actual stages: 19.1386282
Feed stage: 10.0521912
Number of actual stages above feed: 9.05219124
Reboiler heating required: 1270365.9 Btu/hr
Condenser cooling required: 1305674.1 Btu/hr
Distillate temperature: 211.813 F
Bottom temperature: 296.989223 F
Distillate to feed fraction: 0.5000994

95
 Tabla A.15. Balance de corrientes descritas en la Figura A.4.
FEED1 DESTA1 BOTTOM3 DESTB1 BOTTOM4 DESTC1 BOTTOMD1
Substream:
MIXED
Mole Flow
lbmol/hr
PENTANO 25 23.7134597 1.28654033 1.28651204 2.83E-05 2.83E-05 1.28E-13
HEXANO 25 1.28571613 23.7142839 22.6880674 1.02621643 1.0262011 1.53E-05
HEPTANO 25 0.00082369 24.9991763 0.7749612 24.2242151 23.4644249 0.75979019
OCTANO 25 5.00E-07 24.9999995 0.00045931 24.9995402 0.6343457 24.3651945
Total Flow
100 25 75 24.75 50.25 25.125 25.125
lbmol/hr
Total Flow lb/hr 9319.06 1821.81471 7497.24529 2125.72213 5371.52315 2512.1292 2859.39395
Total Flow cuft/hr 242.454381 47.8757765 198.548216 54.5094023 144.389542 65.4822784 77.3111893
Temperature F 182.921415 100.596697 231.224931 154.85752 266.682319 210.329847 296.266897
Pressure psi 22.02 14.7 24.7 14.7 24.7 14.7 24.7
Vapor Frac 0 0 0 0 0 0 0
Liquid Frac 1 1 1 1 1 1 1
Solid Frac 0 0 0 0 0 0 0
Enthalpy
-85329.421 -74175.623 -87279.789 -81380.921 -89775.672 -88549.653 -92390.351
Btu/lbmol
Enthalpy Btu/lb -915.64407 -1017.881 -873.11858 -947.52638 -839.8414 -885.62723 -811.81804
Enthalpy Btu/hr -8532942 -1854390.6 -6545984.2 -2014177.8 -4511227.5 -2224810 -2321307.6
Entropy
-156.04941 -129.98712 -163.41175 -147.89975 -172.21384 -167.08746 -181.74375
Btu/lbmol-R
Entropy Btu/lb-R -1.6745188 -1.7837588 -1.6347179 -1.7220119 -1.6110413 -1.6711212 -1.5969509
Density lbmol/cuft 0.41244873 0.52218475 0.37774201 0.45405012 0.3480169 0.38369161 0.32498531
Density lb/cuft 38.4363449 38.0529547 37.7603264 38.9973489 37.2016089 38.363498 36.9855132
Average MW 93.1906 72.8725886 99.9632705 85.887763 106.895983 99.9852419 113.806724
Liq Vol 60F
221.388779 46.2399099 175.148869 51.4723448 123.676524 58.6574274 65.0190969
cuft/hr

A.5 Conclusiones. Como lo han notado decid revisar la

Al revisar la tablas 4 a 12 vemos la
influencia que tiene la relacin de
reflujo sobre lo que es el nmero de
platos y la carga trmica, podemos ver
que mientras mayor sea la relacin de
reflujo la cantidad de etapas de
separacin ira disminuyendo, pero este
efecto es un arma de doble filo pues al
disminuir la cantidad de platos aumenta
los requerimientos de energa en el
reboiler (mayor carga trmica), esto
tiene mucha relacin con los costos de
operacin de las columnas por lo cual
volviendo a lo mencionado en la teora
la relacin de reflujo para un diseo
optimo es la equivalente de 1.33Rmin.
teora en este reporte de una manera
ms prctica, es decir, se puso en
desarrollo lo que es la aplicacin de las
ecuaciones y el algoritmo para la
solucin rpida, exacta para la mayora
de los casos de destilacin
multicomponente. Esta decisin fue
tomada debido a la forma en la que
muchos de los estudiantes de la
ingeniera qumica asimilan de manera
ms digerida el conocimiento que es la
aplicacin directa de las ecuaciones a un
ejercicio de aplicacin.
Nuevamente es importante hacer la
secuencia de simulacin y construccin
del diagrama de flujo para saber las
variables y parmetros que deben

96
seguirse para la obtencin de buenos
resultados.
A.6 Bibliografa:
J. D. Seader, Ernest J. Henley.
Separation Process
Principles. Second Edition.
Editorial WILEY. Chapter 9.
E. J. Henley, J. D. Seader.
Operaciones de separacin por
etapas de equilibrio en
ingeniera qumica. Editorial
Reverte. Capitulo 12.
Bravo Cristofer. Apuntes de
Procesos de Separacin 3.
Sptimo semestre. Periodo Ago-
Dic 2006.
97
Apndice B.
Uso del Software SHE para resolver
problemas de Punto de pliegue
Sean las siguientes corrientes que desean
intercambiar calor (Tabla B.1). Encontrar
el punto de pliegue y construir la red
ptima que consume la mnima cantidad
de servicios.
contiene el nombre que llevar cada
corriente.
Una vez ingresados los datos, debemos
escribir los Ts que corresponden a los
intercambiadores y a cada uno de los
servicios. En este ejercicio se eligi una
T de 20F para los tres (ver Figura. B.2).

Corrientes T T WCp*104
entrada salida Btu/hr F
F F
1 250 100 .95
2 180 100 .84 Fig. B.2 Datos del problema
3 110 200 1
4 110 230 .9
Tabla B.1. Corrientes para intercambio de Para este ejercicio se elige en el
calor. ComboBox la opcin New with services
and pinch para dibujar las corrientes
divididas por el punto de pliegue.
Lo primero que se debe hacer es
reconocer cuantas corrientes calientes y A continuacin se debe dar click en
fras contamos en el problema y Draw, lo que abrir una nueva ventana
registrarlas en la EditBox correspondiente donde se di el nombre de a al esquema
como se muestra en la Figura. B.1. con el cual se va a trabajar. Esta accin
dibujar a las corrientes y el nombre del
esquema aparecer en el inicio del
ComboBox (Ver Figura. B.3).

Figura. B.1 Determinacin de las corrientes

que participan en el problema

La eleccin del nmero de corrientes crea

en el grid el nmero de renglones
necesarios para ingresar los datos de cada
corriente. No se debe olvidar que la
primera columna de cada rengln

98
Figura. B.3 Nuevo esquema con divisin de corrientes

Al momento en que se dibujan las Respetando el T, solamente se pueden

corrientes se satisfacen sus realizar 2 intercambios iniciales que
requerimientos trmicos con servicios. deben ser entre H1 y C1 y entre H2 y C2.

Las cargas trmicas de estos servicios se Para realizar el intercambio entre H1 y C1

encuentran comparadas con las cargas se debe hacer click con el botn derecho
mnimas que se deben alcanzar con la en cualquiera de estas corrientes y elegir
inclusin de intercambiadores de calor del men Create a Heat Exchanger como
(Ver Figura. B.4). se muestra en la Figura B.5.

Figura. B.4 Comparacin de las cargas

mnimas con las cargas trmicas iniciales

Arriba del punto de pliegue contamos con

2 corrientes calientes y 2 corrientes fras.
Para incluir los intercambiadores en orden
conviene empezar a partir del punto de
pliegue por ser el punto ms restringido
de la red.

99
Figura. B.5 Creacin un Intercambiador de Calor.
La eleccin anterior abrir una ventana
donde deber elegir dentro del ComboBox
la corriente con la cual desea intercambiar
calor (C1) y una de las 4 opciones para el
ingreso de los datos en Accepting Data.
La eleccin para ingresar los datos que
nos conviene es que nos calcule la
temperatura de entrada de H1 al
intercambiador. Esto se debe a que, por
simple inspeccin, notamos que el WCp
de C1 (1) no es mucho mayor que el de
H1 (.95) y la temperatura de entrada de
H1 (250F) es 50F mayor que la
temperatura de salida de C1 (200F). De
esto podemos deducir que seguramente
C1 quedar completamente integrada con
el intercambio de calor con H1 (Ver
Figura B.6).
Fig. B.6 Eleccin de los datos para H1 y C1
El intercambiador creado recibe el
nmero 1 por ser el primero que se
agreg y la numeracin continua con los
siguientes intercambiadores de calor.
Cabe recordar que los nmeros asignados
a los intercambiadores de calor arriba y
abajo del punto de pliegue son
independientes.
Cuando se agreg el intercambiador de
calor se hizo internamente un anlisis
sobre si era necesario conservar algn
servicio en las corrientes que participaron
en el intercambio.
En la corriente C1 no fue necesario ya
que se integr totalmente; sin embargo, la
corriente H1 contina con la necesidad de
un enfriador para alcanzar sus
requerimientos trmicos.
Se observa que las cargas trmicas de la
red han cambiado al agregar nuestro
primer intercambiador de calor
acercndose a las cargas mnimas como
se observa en la Figura B.7.
100

Figura B.7 Cambio en las cargas trmicas de
la red.
El siguiente intercambio se debe hacer
entre H2 y C2. Con una inspeccin igual
a la anterior podemos pensar que la
corriente H2 se integrara completamente
por lo que conviene que la eleccin en
Figura B.8 Dibujo de la corrientes con 2 intercambiadores de calor.
Arriba del punto de pliegue no debe
existir enfriamiento por lo que se debe
integrar la corriente H1 con C2, este
intercambio es ahora factible debido a que
la diferencia de temperaturas es ahora
Una vez en la ventana Create la eleccin
de Accepting Data conveniente es la que
calcula la temperatura de salida de C2 del
intercambiador. Al momento de ingresar
los datos se observa que no se cuentan a
la vista con la temperatura de entrada de
H1 al intercambiador 1 y la temperatura
Accepting Data sea la que nos calcula la
temperatura de C2 a la salida del
intercambiador. El intercambiador recibe
el nmero 2. La Figura B.8 muestra a los
2 intercambiadores arriba del punto de
pliegue.
de salida de C2 del intercambiador 2.
Para conocer, por ejemplo, la temperatura
de H1 se debe hacer click con el botn
derecho del mouse al enfriador que se
encuentra a la derecha del equipo 1 sobre
H1 y elegir Data del men. En la ventana
Data se puede copiar su temperatura de
salida que sera la temperatura de salida
de H1 en el 3er. Intercambiador. El
acceso a esta temperatura tambin se
puede hacer copindola a partir de los
datos del 1er. intercambiador siguiendo el
procedimiento anterior. La Figura B.9
muestra la red propuesta.
101
Figura B.9 La red resultante al problema propuesto.

Al ir agregando intercambiadores, las Se puede llevar a cabo el anlisis

cargas trmicas de la red se iban
acercando a las cargas mnimas. La
Figura B.10 nos muestra las cargas
trmicas de la red con los 3
intercambiadores instalados.
econmico en cualquier fase de la
solucin del problema.. Por lo general es
conveniente hacerlo al inicio del
problema con puros servicios y al final
con la red propuesta, para comparar
ambas alternativas. La Figura B.11
muestra los resultados obtenidos en el
anlisis econmico de la red propuesta
asignando una U de 5 Btu/ft2 hr F para
todos los equipos.

Fig. 4.10 Funcin objetivo alcanzada

Figura B.11 Resultados del anlisis econmico de la red propuesta.

102
Apndice C. Constantes para ecuacin de Antoine (se encuentra en el CD anexo)
Referencia.
Yaws' Handbook of Thermodynamic and Physical Properties of Chemical Compounds
Physical, Thermodynamic and Transport Properties for 5,000 Organic Chemical Compounds
CARL L. YAWS
Professor of Chemical Engineering
Lamar University
Beaumont, Texas

103