El diseño y el control de los procesos ha sido tradicionalmente realizado de manera secuencial, primero desarrollando el diseño basado en un desempeño en estado estable y considerando una función objetivo económica; y posteriormente determinando los aspectos de operación y control. Esta aproximación tradicional no considera que la controlabilidad del proceso es una propiedad inherente al diseño. Por otro lado, la consideración simultanea de estas dos etapas, deja la formulación como un problema complejo de Optimización Dinámica con Variable Entera (MIDO – Mixed Integer Dynamic Optimization), que se basa en un modelo matemático compuesto de Ecuaciones Algebro –Diferenciales (DAE – Differential Algebraic Equation) con variables enteras.

Para implementar esta compleja optimización simultanea, nuestra investigación propone el uso de Programas Matemáticos con Restricciones de Complementaridad (MPCC-Mathematical Programs with Complementarity Constraints), que después de reformular el problema MIDO (Mixed Integer nonLinear Programming) en un programa MINLP (Mixed Integer NonLinear Programming), permite plantear una serie de problemas NLP (NonLinear Programming). La aproximación por MPCC nos ha permitido resolver problemas dentro del contexto nacional como la destilación extractiva del etanol carburante, el modelado y control de equipos en la industria alimentaria.  Investigación para Colombia. 

Normalmente al control automático de plantas y procesos se refieren al control regulatorio, donde se parte del conocimiento del punto adecuado de operación y se desea operar en esas condiciones.   Pero si se requiere determinar condiciones de operación, que optimicen el rendimiento económico o la eficiencia energética de un proceso es necesario buscar estrategias de control avanzado.  Con la ayuda de la optimización es posible encontrar no solo los puntos de operación mas rentables, sino diseñar los equipos pensando en su controlabilidad. Nuestra investigación se basa en el modelado dinámico de los procesos, la reconciliación con la realidad operativa y la estimación en tiempo real de los puntos óptimos de operación. Se implementa un amplio grupo de Métodos de Control basados en  Modelos No Lineales (NMPC, Nonlinear Model Predictive Control), que resuelven de manera iterativa un Problema de Control Óptimo (OCP Optimal Control Problem) y recomiendan el movimiento de las variables de control en el tiempo.  También es posible desde la misma concepción del equipo o proceso, recomendar el valor de las variables de diseño óptimas para diferentes tipos posibles de perturbaciones operacionales. Investigación avanzada

Además del diseño y la operación de equipos optimizados económicamente es posible implementar optimizaciones que determinen diseños y operaciones sostenibles a algo plazo con el medio ambiente. Funciones como la minimización de la entropía y la exergía en un proceso, permiten niveles satisfactorios de producción sin altos niveles de degradación de la energía.  

Nuestra investigación ha considerado columnas de destilación diabáticas  y las ha comparado con adiabáticas.  Mediante optimizaciones exergérticas y económicas ha establecido las ventajas y desventajas de ambas formas de operación de la destilación. La investigación buscar desarrollar nuevos protocolos generales de diseño de equipos basados en optimización numérica, que consideren el impacto ambiental y los niveles de degradación de la energía.  Investigación para la sostenibilidad. 

El Diseño Óptimo de Productos (DOP) investiga metodologías de diseño de productos que se distancian del paradigma tradicional del diseño, al incorporar simultáneamente aspectos de microeconomía, preferencias del consumidor, costos de producción, precios de la competencia, modelos de precio - demanda, variables de producción, y  funciones objetivo que consideran la rentabilidad económica. Todos estos elementos, considerados conjuntamente desde el diseño, se traducen en un problema altamente interrelacionado que puede ser manejado con las técnicas de optimización numérica.  El resultado es un modelo matemático que ayuda en la tomar decisiones a nivel de la producción, sin desconocer los aspectos del mercado y los económicos. Estas metodologías modifican las curvas de aprendizaje de las empresas al incorporar  y traducir el conocimiento heurístico de todos los miembros de la cadena de producción y ventas, en modelos matemáticos ajustables y analizables en conjunto. 

Nuestra investigación ha realizado metodologías para sectores que generan productos de consumo masivo (jugos, bebidas refrescante, bebidas con matriz láctea, galletas) y para el sector agrícola en la elaboración de abonos simples y funcionales. Se ha encontrado que el producto óptimo no es aquel  de mejores propiedades técnicas, ni el de costo de producción más bajo, sino aquel que reconoce el justo balance que debe existir entre el mercado, la satisfacción y preferencia de los usuarios, y los costos de producción. Investigación para nuestras empresas.