Formulación de modelos sustitutos impulsados por datos para la optimización de procesos

Los recientes desarrollos en ciencia de datos y aprendizaje automático han inspirado una nueva ola de investigación en modelado impulsado por datos para la optimización matemática de aplicaciones de procesos. Este artículo primero considera las condiciones esenciales para la robustez ante incertidumbres y la extrapolación precisa, que son necesarias para integrar sustitutos en la optimización de procesos. A continuación, consideramos dos perspectivas para desarrollar sustitutos en ingeniería de procesos: un enfoque liderado por sustitutos y un enfoque liderado por programación matemática. Dado que estos modelos sustitutos impulsados por datos deben integrarse en un problema de optimización de procesos más grande, discutimos el problema de verificación, es decir, comprobar que el óptimo del sustituto corresponde al óptimo del modelo verdadero. El artículo investiga dos estudios de caso sobre optimización basada en sustitutos para la síntesis de redes de intercambiadores de calor y programación de perforaciones.