En general, el control de procesos es muy eficiente cuando el punto de operación deseado ha sido determinado a priori y el sistema tiene capacidad suficiente para responder a las perturbaciones. Mientras el control de procesos es requerido a fin de regular algunas variables de proceso, la aplicación de tal técnica puede no ser apropiada para todas las variables significativas. En algunos casos, el punto optimo de operación cambia debido al efecto combinado de perturbaciones internas y externas por lo que un sistema de control prefijado puede no responder adecuadamente a los cambios. Cuando ciertas condiciones son satisfechas, la optimización en-línea surge como una alternativa adecuada para ajustarse a ese optimo cambiante.
A fin de "perseguir" este optimo móvil, la optimización en-línea resuelve en forma periódica problemas de optimización, usando datos que vienen directamente de la planta y un modelo el cual es actualizado continuamente. La aplicación mas frecuente de la optimización en-línea corresponde a la categoría de procesos continuos. Esto se debe principalmente a que los modelos de estado estacionario son mas simples y fáciles de desarrollar y validar, además de que los procesos continuos tienen normalmente asociado elevada producción y por ende, pequeñas mejoras en la eficiencia del proceso se traducen en importantes ganancias. Sin embargo, aunque el uso de modelos al estado estacionario simplifica enormemente las tareas de modelización, hace emerger ciertos aspectos ligados a la validez de la hipótesis de un estado estacionario.
Comenzaron a surgir varias aplicaciones a gran escala de la optimización en-línea, pero, si bien varios vendedores ofrecen productos y servicios en este área, la mayoría de las aplicaciones industriales abordan problemas de control avanzado, dejando a la optimización en un segundo plano. Los industriales han reportado que después de cuatro décadas ha tenido lugar una mejora progresiva en la metodología llevada a cabo en la optimización en-línea, pero que siguen estando presente los puntos débiles originales. Tales aspectos están directamente relacionados con la detección del estado estacionario (o las frecuencias de las perturbaciones) y la optimización en si misma.
Los objetivos de la presente tesis están dirigidos a solventar parcialmente tales puntos débiles de la metodología actual. Como resultado, se propone una estrategia alternativa que saca ventaja de las mediciones y busca una mejora continua en lugar de una optimización formal. Se muestra que tal estrategia resulta muy efectiva y puede no solo ser aplicada para la optimización de puntos de consigna, pero también para tomar (en-línea) las decisiones discretas necesarias en procesos que presentan degradación (aspecto normalmente resuelto usando programación matemática).
La estructura de la tesis es como sigue. El primer capitulo explica las principales motivaciones y objetivos del trabajo, mientras que el capitulo 2 consiste en una revisión bibliográfica que abarca, hasta cierto punto, los tópicos y funcionalidades mas importantes asociados a la optimización en-línea. Luego, los capítulos 3 y 4 presentan la estrategia propuesta a través de dos metodologías para la optimización en-línea, lo cual es la contribución mas importante de la tesis. El primero, (capitulo 3) se centra en la persecución de un optimo que se mueve por el efecto combinado de perturbaciones externas e internas. Por otro lado, en el capitulo 4 se explica una metodología paralela, concebida para procesos que presentan desempeño decreciente con el tiempo y requieren decisiones discretas en relación a acciones de mantenimiento. Ambos capítulos incluyen una primera parte, mas bien teórica, y una segunda parte dedicada a la validación usando casos de referencia. Luego, el capitulo 5 describe la aplicación de tales metodología sobre dos escenarios industriales, con la intención de complementar los resultados obtenidos sobre los casos académicos. Posteriormente, el capitulo 6 aborda dos problemas asociados a la implementación: la influencia de los parámetros ajustables y la arquitectura del software usada. Finalmente, el capitulo 7 resume las principales conclusiones y observaciones de la tesis.

In general, process control is very effective when the desired operation point has been determined from prior analysis and the control system has sufficient time to respond to disturbances. While process control is required for regulating some process variables, the application of these methods may be not appropriate for all important variables. In some situations, the best operating conditions change because of the combined effect of internal and external disturbances, and a fixed control design may not respond properly to these changes. When certain conditions are met, on-line optimisation becomes a suitable choice for tracking the moving optimum.
In order to "pursue" that moving optimum, on-line optimisation solves periodically optimisation problems using data coming directly form the plant and a continuously updated model. The most common use of on-line optimisation corresponds to the continuous processes category. This is mainly owed to that steady state models are simpler and easier to develop and validate, besides that continuous processes have commonly high production rates, thus small relative improvements in the process efficiency originates significant economic earnings. Nevertheless, although the use of steady state models greatly simplifies the modelling task, it raises other issues associated with the validity of the steady state assumption.
Large-scale applications of on-line optimisation started to spread, however, even when several vendors offer products and services in the area, most of the application address advanced control issues while on-line optimisation is released to a second plane. Industry practitioners have reported that after four decades there has been a progressive improvement in the on-line optimisation methodology, but the same initial weakness or more generally speaking some common causes of poor performance still remain. These issues are directly related with the steady state detection (or disturbance frequency) and the optimisation itself.
The objectives of this thesis work are then directed to overcome at least partially the weak points of the current approach. The result is the proposal of an alternative strategy that takes fully advantage of the on-line measurements and looks for periodical improvement rather than a formal optimisation. It is shown how the proposed approach results very efficient and can be applied not only for set-point on-line optimisation but also for taking the on-line decision required in processes that presents decaying performance (aspect typically solved of-line via mathematical programming).
The thesis is structured as follows. The first chapter explains the main motivations and objectives of the work, while chapter 2 consists in a literature review that addresses, to some extension, the most significant issues around the on-line optimisation functionality. After that, chapter 3 and chapter 4 introduce two methodologies that use the proposed strategy for on-line optimisation, which is the main thesis contribution. The first one (in chapter 3) focuses in tracking fast moving optima, which is caused mainly by the combined effect of external and internal disturbances. On the other hand, a parallel methodology is explained in 4, conceived for processes that present decaying performance and that require discrete decision related to maintenance actions. Both chapters include a first part, rather theoretical, and a second part devoted to the validation over typical benchmarks. Then, chapter 5 describes the application of such methodologies over two existing industrial scenarios, in order to complement the results obtained using the benchmarks. After that, chapter 6 addresses two issues related to the implementation aspects: the influence of the adjustable parameters of the proposed procedure and the software architectures used. Finally, chapter 7 draws conclusions and main observations.