COMPARACIÓN DE ESTRATEGIAS DE RESOLUCIÓN DE PROBLEMAS DE CONTROL PREDICTIVO BASADO EN MODELOS ECONÓMICOS EN UN SISTEMA EXPERIMENTAL

Abstract

Actualmente existe una sección en la ingeniería aplicada al control de procesos industriales en la que no se pueden utilizar las estrategias usuales de resolución de problemas de optimización en tiempo real o con una frecuencia de actualización de decisiones (o entrega de soluciones) tan rápida como se necesita. Básicamente, existe una cantidad de problemas que no pueden ser resueltos en un periodo de tiempo que requiere alguna de las capas de optimización y a este tipo de problemas se les llama de gran escala. En este trabajo se presentan dos problemas históricos, los que resultan ser de gran escala al intentar resolverlos. El primero es el problema de redes de distribución de recursos compartidos, en el que distintas unidades de proceso compiten por el uso de recursos para lograr llegar a consignas impuestas por capas superiores. El segundo problema es uno de optimización estocástica en dos etapas, donde la calidad de la materia prima de una unidad de proceso es desconocida, pero se conoce información estadística-histórica acerca de esta. Para tratar estos problemas se propone la comparación de tres metodologías, dos de las cuales modifican el enfoque jerárquico usual y agregan una capa de optimización extra, mientras que la tercera intenta resolver el problema en su forma original. Las primeras dos metodologías, llamadas clipping y Lagrangiano aumentado, modifican el problema transformándolo en una cantidad mayor de problemas más pequeños (o que consideran menos información), los que son resueltos de forma iterativa, controlados por la capa de coordinación para asegurar su convergencia. La tercera metodología se basa en el uso del operador matemático de “proyecciones” intercalado con pasos de gradiente, los que bajo restricciones controladas prometen la convergencia de los resultados.