Modelado de procesos quimicos.pdf

840
MODELADO, SIMULACIÓN Y OPTIMIZACIÓN DE PROCESOS QUÍMICOS Autor-Editor: Dr. Nicolás José SCENNA AUTORES Dr. Pío Antonio Aguirre Dra. Sonia Judith Benz Dr. Omar Juan Chiotti Dr. H. José Espinosa Ing. Marta Beatriz Ferrero Dr. Jorge Marcelo Montagna Ing. Miguel C. Mussati Ing. Gustavo Alberto Pérez Ing. Jorge Rodríguez Dr. Héctor Enrique Salomone Dr. Alejandro S. M. Santa Cruz Dr. Enrique Eduardo Tarifa Dr. Jorge Vega

Transcript of Modelado de procesos quimicos.pdf

  • MODELADO, SIMULACIN Y OPTIMIZACIN DE PROCESOS QUMICOS

    Autor-Editor:

    Dr. Nicols Jos SCENNA

    AUTORES

    Dr. Po Antonio Aguirre

    Dra. Sonia Judith Benz

    Dr. Omar Juan Chiotti

    Dr. H. Jos Espinosa

    Ing. Marta Beatriz Ferrero

    Dr. Jorge Marcelo Montagna

    Ing. Miguel C. Mussati

    Ing. Gustavo Alberto Prez

    Ing. Jorge Rodrguez

    Dr. Hctor Enrique Salomone

    Dr. Alejandro S. M. Santa CruzDr. Enrique Eduardo Tarifa

    Dr. Jorge Vega

  • A la memoria de mi padre.

    A mi esposa Adriana, un agradecimiento

    por su permanente apoyo.

    A mis maestros, colegas y alumnos.

  • AGRADECIMIENTOS:

    - A la Universidad Tecnolgica Nacional y a la Facultad Regional Rosario, que

    apoyaron a travs de sus autoridades, con su permanente aliento, la concrecin de

    esta obra.

    - A los dems autores, que colaboraron desinteresadamente y con gran entusiasmo.

    - A Silvina Antille, Beatriz Gmez y Carlos Ruiz, todos ellos de INGAR, sin cuya

    colaboracin en el mecanografiado y la confeccin de los grficos esta obra nohubiese podido concretarse. Un infinito agradecimiento por su colaboracin ypaciencia.

    - A los becarios y dems integrantes del GIAIQ, Dto. de Ing. Qca. de la UTN-FRR,por su colaboracin y comentarios, y en especial a Miguel Muoz, Gastn Cassaro

    y Vernica Ponzetti.

    - A Alejandro Santa Cruz y Sonia Benz, por su gran ayuda en el ordenamiento finalde texto, ecuaciones y figuras, adems de la supervisin del contenido.

  • SOBRE LOS AUTORES

    Dr. Po Antonio AguirreIngeniero Qumico de la Facultad de Ing. Qumica, Universidad Nacional del Litoral.Doctor en Ingeniera Qumica de la Universidad Nacional de Litoral-Santa Fe.Investigador Adjunto de CONICET en INGAR, Instituto de Desarrollo y Diseo.Profesor Adjunto en la Facultad de Ing. Qumica, Universidad Nacional del Litoral.Dra. Sonia Judith Benz Ingeniera Qumica de la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Doctora en Ingeniera Qumica de la Universidad Nacional del Litoral-Santa Fe.Profesor Adjunto, en la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Dr. Omar Juan ChiottiIngeniero Qumico de la Facultad Regional Villa Mara , Universidad Tecnolgica Nacional.Doctor en Ingeniera Qumica en la Universidad Nacional de Litoral-Santa Fe.Investigador Asistente de CONICET en INGAR, Instituto de Desarrollo y Diseo.Profesor Adjunto en la Facultad Regional Santa Fe, Universidad Tecnolgica Nacional.Dr. H. Jos EspinosaIngeniero Qumico de la Facultad Regional Crdoba, Universidad Tecnolgica Nacional.Doctor en Ingeniera Qumica de la Universidad Nacional del Litoral-Santa Fe.Investigador asistente de CONICET en INGAR, Instituto de Desarrollo y Diseo. Ing. Marta Beatriz Ferrero

    Ingeniera Qumica de la Facultad Regional Villa Mara, Universidad Tecnolgica Nacional.Jefe Trabajos Prcticos de la Ctedra Investigacin Operativa II de la Carrera en Sistema deInformacin-Facultad Regional Santa Fe, Universidad Tecnolgica Nacional. Dr. Jorge Marcelo MontagnaLicenciado en Matemtica Aplicada de la Facultad de Ingeniera Qumica, Universidad Nacionaldel Litoral.Doctor en Tecnologa Qumica de la Universidad Nacional del Litoral-Santa Fe. Investigador Adjunto del CONICET en INGAR, Instituto de Desarrollo y Diseo. Profesor Adjunto en la Facultad Regional Santa Fe, Universidad Tecnolgica Nacional.Profesor Titular en ICES-Sunchales.Ing. Miguel MussatiIngeniero Qumico de la Facultad Regional Villa Mara , Universidad Tecnolgica Nacional.Becario de Perfeccionamiento de CONICET en INGAR, Instituto de Desarrollo y Diseo.

    Ing. Gustavo Alberto Prez

  • Ingeniero Qumico de la Facultad de Ingeniera Qumica, Universidad Nacional del Litoral.Investigador Independiente de CONICET en INGAR, Instituto de Desarrollo y Diseo.Profesor Titular en la Facultad de Ingeniera Qumica, Universidad Nacional del Litoral.Ing. Jorge RodrguezIngeniero Qumico de la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Profesor Titular en la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Dr. Hctor Enrique SalomoneIngeniero Qumico de la Facultad de Ingeniera Qumica, Universidad Nacional del Litoral Doctor en Ingeniera Qumica en la Universidad Nacional del Litoral-Santa FeInvestigador Asistente de CONICET en INGAR, Instituto de Desarrollo y Diseo.Profesor Adjunto en la Facultad Regional Santa Fe, Universidad Tecnolgica Nacional.Dr. Alejandro Santiago M. Santa CruzLicenciado en Fsica de la Facultad de Ciencias Exactas e Ingeniera, Universidad Nacional deRosarioDoctor en Tecnologa Qumica en la Universidad Nacional del Litoral-Santa Fe.Profesor Adjunto en la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Dr. Nicols Jos ScennaIngeniero Qumico de la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Doctor en Ingeniera Qumica de la Universidad Nacional del Litoral - Santa Fe.Investigador Adjunto de CONICET en INGAR, Instituto de Desarrollo y Diseo. Profesor Titular de la Facultad Regional Rosario, Universidad Tecnolgica Nacional.Dr. Enrique Eduardo TarifaIngeniero Qumico de la Facultad de Ingeniera ,Universidad Nacional de Jujuy (UNju).Doctor en Ingeniera Qumica de la Universidad Nacional del Litoral - Santa Fe.Profesor Adjunto en la Facultad de Ingeniera, Universidad Nacional de JujuyInvestigador de CONICET en la Universidad Nacional de Jujuy (UNJu).Dr. Jorge Vega Ingeniero Electricista, Universidad Nacional de la Plata.Doctor en Tecnologa Qumica, Universidad Nacional del Litoral-Santa Fe.Investigador Asistente de CONICET en INTEC, Instituto de Desarrollo Tecnolgico para laIndustria QumicaProfesor Adjunto en la Facultad Regional Santa Fe, Universidad Tecnolgica Nacional.

  • iPROLOGO

    El propsito de esta obra es brindar una introduccin al modelado, simulacin y

    optimizacin de procesos qumicos. Esta idea, que ha madurado desde hace tiempo, se cataliza

    por la necesidad de disponer de bibliografa bsica actualizada con relacin al nuevo programa

    de la carrera de ingeniera qumica implementado recientemente en la Universidad Tecnolgica

    Nacional.

    El contenido y configuracin del libro se han diagramado poniendo nfasis en la

    simulacin de procesos qumicos tanto estacionarios como dinmicos, al mismo tiempo que se

    introduce al lector en reas fundamentales para afrontar la tarea del diseo y modelado integral

    de procesos qumicos. Por otra parte, adems de los modelos de equipos ms convencionales

    o clsicos se incorporan ejemplos especficos en varios campos, enfoque que no es habitual eneste tipo de obras, tratando en nuestro caso de advertir al lector acerca de la necesidad de

    comprender los fundamentos del modelado de procesos, ya que probablemente, y pese a la

    cantidad de simuladores comerciales de propsitos generales existentes o por desarrollarse, en

    su carrera profesional deber enfrentarse a la tarea de implementar su propio prototipo de

    modelo, aunque ms no sea de equipos muy particulares del proceso a analizar.

    Al realizar una obra de este tipo desde el comienzo se tropieza con un problema

    transcendente. Qu reas enfatizar durante su desarrollo?. Es sabido que en la disciplina desimulacin convergen diversas corrientes del saber, como el anlisis de los mtodos numricos

    para la solucin de ecuaciones tanto algebraicas como diferenciales, el modelado de procesos,

    operaciones unitarias y fenmenos de transporte, estimacin de propiedades fisicoqumicas, etc.

    Adems de los fundamentos, resulta claro que el rea informtica est ntimamente

    relacionada con la implementacin de los programas especficos de simulacin, y en particular,

    con los grandes sistemas de simulacin de procesos qumicos en general.

    El campo de los sistemas de informacin aplicados a la ingeniera de procesos ha

    crecido enormemente en esta ltima dcada. Actualmente, el problema principal radica en la

    compatibilidad de todas las herramientas generadas (para las ms diversas aplicaciones y en losentornos ms dismiles), para crear un sistema verstil, eficiente, y capaz de integrar tanto lasherramientas de diseo y simulacin como las de finanzas, mantenimiento, control, supervisin

    del proceso, bases de datos de clientes, stocks, etc. Sin duda, esta es una tarea muy compleja quesi bien evolucionar lentamente, proveer en un futuro cercano una herramienta informtica muy

  • ii

    poderosa para el manejo de procesos tanto en la etapa de diseo como en la de operacin (tiemporeal).

    Dentro de este contexto, cada tem mencionado ms arriba puede por s solo justificarun volumen independiente. El objetivo y aspiracin principal es plantear una sntesis adecuadaque logre introducir al alumno de grado a toda la temtica expuesta, pero enfatizando en el tema

    central del libro, cual es el modelado y simulacin de procesos qumicos.

    Esta obra est fundamentalmente dedicada a la carrera de grado, aunque se encuentra

    en el volumen suficiente material de inters para un curso de posgrado, al menos en los aspectos

    introductorios de varios tpicos esenciales dentro del contexto del modelado y la simulacin de

    procesos qumicos.

    En funcin de lo expuesto, se pretende lograr con esta contribucin, una obra que

    abarque aspectos aunque sea un nivel introductorio de temas muy importantes en el rea de

    la simulacin en ingeniera qumica; no suficientemente abordados al presente por otros textos,

    por ejemplo procesos biolgicos especficos y el tratamiento de procesos batch, ya que laindustria farmacolgica, de alimentos, qumicos en general, y otras muchas, tendrn

    prximamente un protagonismo importante en nuestra regin.

    Abarcar la temtica de simulacin de procesos en un libro de carcter general como

    el presente, sin antes reflexionar claramente acerca del origen del diagrama a analizar, es decir

    el porqu de la estructura a simular de tal forma de lograr la transformacin deseada partiendo

    de las materias primas para llegar a los productos, es conceptualmente cuestionable. En efecto,

    si bien todava hoy debemos considerar a la tarea de generar un flowsheet general a partir de la

    idea bsica ms un arte que una metodologa sistemtica (y por lo tanto implementable en unalgoritmo computacional), no puede evitarse una introduccin a la sntesis de procesos, a losefectos de familiarizar al lector con metodologas que permiten generar diagramas o estructuras

    para lograr un proceso ptimo. Al respecto, conviene resaltar que en general el alumno se forma

    en nuestros mbitos universitarios considerando al diagrama de flujos del proceso como unasuerte de estructura que nos viene dada y que se debe adoptar como tal. En este libro, se

    resalta a la etapa de simulacin como una ms dentro del ciclo de actividades secuenciales para

    el diseo del proceso, y no como la herramienta para el diseo.

    Desde el punto de vista de las tendencias, se puede vislumbrar -a juzgar por los trabajospublicados recientemente- que el futuro de la simulacin (o al menos las grandes avenidas del

  • iii

    desarrollo en la prxima dcada) pasa por la simulacin dinmica, y en segundo trmino, por lasimulacin cualitativa, es decir, simulacin de tendencias y propagaciones de perturbaciones en

    el proceso. De ambos campos se deriva una gran actividad para el ingeniero de procesos dedicado

    al control, a la supervisin de procesos, a la diagnosis de fallas, a la optimizacin en tiempo real,

    etc. Paralelamente, la flexibilidad de los futuros simuladores permitir muy fcilmente al usuario

    incorporar sus propios modelos. Siempre existir la necesidad de los mismos. Basta mencionar

    que en cada proceso se dispondr muy probablemente de un equipo especfico (por ejemplo elreactor) cuyas caractersticas sern siempre particulares, y por lo tanto no disponible como unprograma encapsulado o enlatado en un simulador comercial.

    Adems, en simulacin dinmica, para lograr resultados muy aproximados a la

    realidad (por ejemplo al simular polticas de arranque o parada, modos de falla del equipo, etc),se debern utilizar modelos en los cuales muchas caractersticas de diseo del equipo sean

    contempladas. Estos modelos pueden o no estar disponibles en un simulador de uso general. Por

    lo tanto, nuevamente llegamos a la conclusin que frecuentemente ser necesario modelar

    nuestros propios equipos e incorporarlos al simulador. Luego, ser indispensable conocer

    conceptualmente cmo hacerlo, y con qu herramientas debemos enfrentar la tarea. En este

    punto, es importante lograr que el alumno extraiga conclusiones acerca de la siguiente reflexin:

    No es lo mismo ser un excelente operador de un simulador comercial (conocer todas lasopciones disponibles, cmo imprimir resultados, cmo ingresar en forma rpida los datos, etc.)que conocer cmo programar mdulos para el mismo, qu mtodos fisicoqumicos utilizar paracada problema, cundo se podran esperar mltiples estados estacionarios en la simulacin de

    torres de destilacin, etc.; y para esto, resulta indispensable una adecuada formacin terica, que

    es uno de los objetivos de esta obra.

  • iv

    ESTRUCTURA Y CONTENIDO

    Estructuralmente, el presente volumen est compuesto por veintin captulos, cadauno de ellos diagramado en forma independiente, con una individualidad temtica para que cadatema pueda ser consultado especficamente. Sin embargo, estn ordenados secuencialmente detal manera de facilitar a quien lo desee una introduccin autodidctica al modelado,optimizacin y simulacin de procesos qumicos.

    Para un curso especfico de simulacin de procesos los dos primeros captulospodran ser obviados, comenzando directamente con la introduccin a los mtodos numricospara resolver sistemas de ecuaciones no lineales. Tambin puede considerarse o no lasimulacin dinmica y en tiempo real (Captulos XIII al XVIII, y XXI), o la incorporacin o node elementos de optimizacin en estado estacionario (Captulos XI y XII). Por ltimo, paralograr una breve introduccin conceptual al problema global del modelado de procesosqumicos, es recomendable cubrir todos los captulos.

    Dentro de este contexto, el Captulo I contiene una breve introduccin a las diversasherramientas y mtodos para el modelado de procesos; mientras que en el Captulo II se brindauna somera introduccin a la sntesis de procesos qumicos. Se plantean los conceptos asociadosa la generacin de un flowsheet o diagrama de flujos. Para ello se introduce el concepto deoptimizacin, tanto teniendo en cuenta variables operacionales como estructurales.Seguidamente, una vez logrado (o propuesto) el diagrama de flujos, se introducen los objetivosque persigue la tarea de simulacin del proceso. Por otra parte, se muestra la importancia de lasimulacin estacionaria o dinmica en las distintas etapas de la concrecin de un proyecto deplanta qumica, a los efectos de fijar ideas acerca del uso comn de las herramientas informticas,y en especial los diversos tipos de simuladores, en la tarea del ingeniero qumico.

    En el Captulo III se desarrolla una introduccin a los mtodos numricos para lasolucin de sistemas de ecuaciones algebraicas, enfatizando los sistemas no lineales, y losmtodos ms comunes utilizados en la solucin de modelos en ingeniera qumica.

    En el Captulo IV se discuten los aspectos especficos para la solucin de sistemas deecuaciones no lineales de elevada dimensin y poco densos (matriz de coeficientes rala). Tambinse desarrollan someramente los conceptos de particionado, rasgado y ordenamiento, a los efectosde introducir al lector a los mtodos y tcnicas iterativas utilizadas en los simuladores, ya seaglobales o modulares secuenciales.

    En el Captulo V se presenta una introduccin al concepto de simulacin de procesos,

  • vhaciendo hincapi en los procesos qumicos. Se plantean los aspectos y definiciones conceptuales,como as tambin una clasificacin de los simuladores, destacando las diversas filosofas oarquitecturas para el diseo de los mismos.

    En el Captulo VI se presentan algunas ideas acerca de los componentes bsicos de unsimulador de procesos qumicos, enfatizando los simuladores modulares secuenciales. Tambinse destacan los aspectos del modelado de los equipos que representan las distintas operacionesunitarias, tomando un ejemplo sencillo que facilita la comprensin conceptual.

    En los Captulos VII y VIII se introduce brevemente el problema de la estimacin depropiedades fisicoqumicas. Se destaca la importancia de lograr un criterio para seleccionar elmtodo adecuado de estimacin para lograr resultados apropiados. Se hace hincapi en losprincipales mtodos para la estimacin de la constante de equilibrio y entalpas en mezclasmulticomponentes.

    En el Captulo IX se desarrolla el modelo de simulacin para un equipo de separacinpor evaporacin flash. Se analizan diversas opciones de operacin, tales como sistemasadiabticos, isotrmicos, equilibrio lquido-vapor, lquido-lquido y lquido-lquido-vapor. Sedestaca adems, la ntima relacin que existe entre el modelado de este equipo y los clculos detemperatura de burbuja y roco, y por ltimo, la determinacin de las fases presentes dadas lascomposiciones, la temperatura y la presin asociadas a una mezcla.

    En el Captulo X se analizarn algunos de los mtodos que se han propuesto para lasimulacin en estado estacionario de equipos de separacin multicomponente en mltiples etapas,en contracorriente. Se enfatizan los mtodos semi-rigurosos y rigurosos, por ser los msutilizados y convenientes para la mayora de los casos prcticos. Se discuten algunascaractersticas de los problemas de separacin de mezclas no ideales, por ejemplo la posibilidadde obtener mltiples soluciones.

    En el Captulo XI se introducen los principios elementales para la optimizacin defunciones, de una variable y multivariable, sin o con restricciones, ya sean stas de igualdad odesigualdad, lineales o no lineales. Se destaca adems la necesidad de plantear el problema dediseo desde un punto de vista de la optimizacin, y su relacin con la simulacin estacionariade procesos.

    En el Captulo XII se explica brevemente la aplicacin de mtodos numricos paraincorporar al modelo de simulacin estacionaria (ya sea modular secuencial o global) una funcinobjetivo a optimizar, especificando determinadas variables de optimizacin. Se enfatizan lossimuladores modulares secuenciales.

    En el Captulo XIII se realiza una introduccin a los mtodos numricos clsicos

  • vi

    disponibles para resolver sistemas de ecuaciones diferenciales ordinarias, enfatizando adems elproblema de los sistemas stiff.

    En el Captulo XIV se describe el modelado de equipos sencillos y se comentanbrevemente los aspectos relacionados a la construccin de simuladores dinmicos. Se analizatambin el mdulo para la simulacin de un equipo flash, ya tratado desde el punto de vistaestacionario en el Captulo IX.

    En el Captulo XV se desarrollan modelos dinmicos para operaciones unitarias tpicasde separacin de mezclas multicomponentes, por ejemplo una torre de destilacin, con el objetode compararlos con los mtodos similares para simulacin estacionaria discutidos en el captuloX. Se discuten algunas aplicaciones del modelo.

    En el Captulo XVI se analizan someramente algunas aplicaciones de la simulacindinmica al control de procesos, destacndose nociones elementales acerca de la simulacin desistemas a lazo abierto o cerrado, sistemas simples de control, etc.

    En el Captulo XVII se analizan mdulos de simulacin dinmica para sistemasespecficos. Aqu se destaca la importancia de adquirir habilidad para modelar diversosproblemas, debido a la imposibilidad de lograr, a travs de un simulador de propsito general, lacobertura de todos los casos. Se trata de demostrar, a travs de los ejemplos, que ya sea por eltipo de operacin o simular, o bien, por la rigurosidad y el grado de detalle necesarios, existirsiempre la potencial necesidad de desarrollar modelos propios.

    En el Captulo XVIII se analiza otro caso especfico, en el cual resulta evidente lanecesidad planteada en el captulo anterior. En efecto el problema de lograr un simuladorapropiado para los reactores biolgicos en general est lejos (al igual que cualquier reactor) depoder ser generalizado en forma sencilla y eficaz.

    En el Captulo XIX se explica brevemente la simulacin de procesos batch y laproblemtica asociada para tratar plantas multiproducto y multipropsito, las cuales poseencaractersticas bien distintas a los procesos continuos. Por ltimo, se plantea el problema de lasimulacin de procesos semicontinuos y se introduce al lector en el campo de la simulacindiscreta.

    En el Captulo XX se discuten algunos aspectos asociados a la medicin y estimacinde parmetros en un proceso, el problema del ruido en las mediciones y su tratamiento, as comotambin el problema de la reconciliacin de datos en plantas de proceso.

    Por ltimo, en el Captulo XXI se introduce al concepto de simulacin dinmica entiempo real. Se comentan los aspectos especficos a tener en cuenta para disear estossimuladores, y se ejemplifican por medio de la construccin de un prototipo para un proceso

  • vii

    simple de pasteurizacin de leche.

  • viii

    MODELADO, SIMULACIN Y OPTIMIZACIN DE PROCESOS QUMICOS

    NDICE TEMTICO

    CAPITULO I: INTRODUCCIN A LOS MTODOS INFORMTICOS APLICADOS ALMODELADO EN INGENIERA

    I.1. INTRODUCCIN 1I.2. EVOLUCIN HISTRICA 3I.3. MTODOS NUMRICOS COMO HERRAMIENTA PARA EL

    MODELADO DE PROCESOS EN INGENIERA QUMICA5

    I.4. MODELOS NO CONVENCIONALES 9

    I.5. SISTEMAS DE GERENCIAMIENTO DE INFORMACIN 22I.6. PARADIGMAS INFORMTICOS 25

    PROBLEMAS PROPUESTOS 27

    BIBLIOGRAFA RECOMENDADA 28

    CAPITULO II: "INTRODUCCIN AL DISEO DE PROCESOS QUMICOS. BREVESNOCIONES"

    II.1. INTRODUCCIN 29

    II.2. ETAPAS EN LA TAREA DE DISEO 33

    II.3. LA TAREA DE SNTESIS DE PROCESOS QUMICOS 36

    II.3.1. Sntesis de la red de intercambiadores 43

    II.3.2. Sntesis de sistemas de separacin 52

    II.4. EJ.: BREVE NOCIN DE TCNICA DE SNTESIS APLICADAS A UNPROCESO DE DESALACIN DE AGUAS DE MAR

    62

    II.5. ETAPAS EN LA INGENIERA DE PROCESOS 75

  • ix

    PROBLEMAS PROPUESTOS 78

    BIBLIOGRAFA CITADA O RECOMENDADA 79

    CAPITULO III: REVISIN DE MTODOS NUMRICOS APLICABLES EN SIMULACIN DEPROCESOS EN ESTADO ESTACIONARIO

    III.1. CONCEPTOS BSICOS 83

    III.2. MTODOS BSICOS. DISCUSIN DE LA CONVERGENCIA 84III.3. PRINCIPALES MTODOS 85

    III.3.1. El mtodo de Biseccin 85

    III.3.2. Mtodos de Newton-Raphson. Usos de la Derivadas de la Funcin 89

    III.3.3. Sustitucin directa o Aproximacin Sucesivas 91

    III.3.4. Procedimiento de Wegstein 93

    III.3.5. Uso de Fracciones Continuadas 95

    III.4. SOLUCIN DE SISTEMAS DE ECUACIONES LINEALESSIMULTANEAS

    98

    III.4.1. Planteo del Problema. Teoremas Bsicos 98

    III.4.2. Mtodos Directos 100

    III.4.3. Mtodos Iterativos 106

    PROBLEMAS PROPUESTOS 109

    BIBLIOGRAFA RECOMENDADA 114

    CAPITULO IV: SISTEMAS DE ECUACIONES DE GRAN DIMENSIN Y POCO DENSOS

    IV.1. INTRODUCCIN 117IV.2. RESOLUCIN NUMRICA DE SISTEMAS DE ECUACIONES NO

    LINEALES

    117

    IV.2.1. Mtodos de Newton-Raphson. linealizacin 118

    IV.2.2. Matrices tridiagonales. Mtodo de Thomas 125

    IV.2.3. Extensin del mtodo de Thomas a matrices tridiagonales en Bloque 128

  • xIV.2.4. Mtodo de sustitucin directa o aproximaciones sucesivas 130

    IV.3. ANLISIS ESTRUCTURAL DE SISTEMAS DE ELEVADADIMENSIN

    135

    IV.3.1. Algoritmo de Steward para la determinacin del conjunto de salida 136

    IV.3.2. Especificaciones de Variables y Grados de Libertad de un Sistema de

    Ecuaciones

    140

    IV.3.3. Algoritmos para seleccin de Variables a Especificar 144

    IV.3. 4. Sistemas cclicos 155

    IV.4. ALGORITMOS DE PARTICIONADO, RASGADO Y ORDENAMIENTO.

    ARQUITECTURA MODULAR SECUENCIAL159

    IV.5. MTODO DE PARTICIONADO DE NORMAN (1965) 164

    IV.6. ALGORITMO DE PARTICIONADO DE KEHAM Y SHACHAM 166

    IV.7. RASGADO DEL DIAGRAMA DE FLUJOS O GRAFO 170

    V.8. ALGORITMO DE BARKELEY Y MOTARD (1972) 172

    IV.9. ETAPA DE ORDENAMIENTO 177

    PROBLEMAS PROPUESTOS 186

    BIBLIOGRAFA CITADA 189

    BIBLIOGRAFA RECOMENDADA 189

    CAPITULO V: SIMULACIN DE PROCESOS QUMICOS

    V.1. INTRODUCCIN 191V.2. CLASIFICACIN DE LOS MTODOS DE SIMULACIN 193V.3. SIMULADORES DE PROCESOS QUMICOS COMPLEJOS 195

    V.3.1. Simuladores de procesos en estado estacionario modulares secuenciales vs.

    Simuladores globales

    196

    PROBLEMAS PROPUESTOS 209

    BIBLIOGRAFA CITADA O RECOMENDADA 212

  • xi

    CAPITULO VI: INTRODUCCIN A LAS CARACTERSTICAS DE UN SIMULADORMODULAR SECUENCIAL

    VI.1. ESTRUCTURA DE UN SIMULADOR MODULAR SECUENCIAL EN

    ESTADO ESTACIONARIO

    213

    VI.2. MODELADO DE EQUIPOS PARA SIMULACIN DE PROCESOS.PROGRAMACIN DE MDULOS DE SIMULACIN

    226

    VI.3. BREVE DESCRIPCIN DE LOS DISTINTOS MDULOS DE EQUIPOSPRESENTES EN UN SIMULADOR MODULAR DE PROCESOS

    QUMICOS

    231

    VI.4. ASPECTOS BSICOS A TENER EN CUENTA EN EL USO DE UNSIMULADOR DE PROCESOS MODULAR SECUENCIAL EN ESTADO

    ESTACIONARIO

    239

    BIBLIOGRAFA CITADA 243

    BIBLIOGRAFA RECOMENDADA 243

    CAPITULO VII: PROPIEDADES TERMODINMICA DE EQUILIBRIO

    VII.1. INTRODUCCIN 245VII.1.1. Sistemas termodinmicos 247

    VII.1.2. Equilibrio lquido-vapor 248

    VII.2. CORRELACIONES PARA LA ESTIMACIN DE LA PRESIN DEVAPOR

    249

    VII.2.1. Ecuacin de Antoine 250

    VII.2.2. Ecuacin de Miller modificada 250

    VII.2.3. Ecuacin de Wagner 250

    VII.2.4. Ecuacin de Frost-Kalkwarf-Thodos 251

    VII.2.5. Ecuacin de Lee y Kesler 251

    VII.2. 6. Ecuacin de Gmez-Nieto y Thodos 252

  • xii

    VII.2.7. Estimacin de presin de vapor de cortes de petrleo 259

    VII.3. EQUILIBRIO LIQUIDO-VAPOR EN SISTEMAS SEMI-IDEALES 259

    VII.3.1. Propiedades termodinmicas de mezclas ideales a bajas presiones 259

    VII.3.2. Propiedades termodinmicas de mezclas ideales a presiones bajas amoderadas

    260

    VII.4. EQUILIBRIO DE FASES EN SISTEMAS NO IDEALES 264

    VII.4.1. Teora de soluciones regulares y correlaciones de Chao-Seader y Grayson-

    Streed

    267

    VII.4.2. Ecuaciones que describen coeficientes de actividad de la fase lquida 273

    VII.4.3. Ecuacin de Margules 274

    VII.4.4. Ecuacin de Van Laar 275

    VII.4.5. Ecuacin de Wilson 278

    VII.4.6. Ecuacin NRTL 281

    VII.4.7. Ecuacin UNIQUAC 285

    VII.4.8. El mtodo UNIFAC 288

    VII.4.9. Uso de datos experimentales para calcular constantes 293

    VII.4.9.1. Coeficientes de actividad a partir del azetropo 293

    VII.4.9.2. Coeficientes de actividad a partir de los datos de la curva de equilibrio

    lquido-vapor

    293

    VII.4.9.3. Coeficientes de actividad a partir de la discrepancia de energa libre 294

    VII.4.9.4. Coeficientes de actividad a dilucin infinita 295

    VII.4.9.5. Correlacin de Pierotti, Deal y Derr para estimar coeficientes de actividad

    a dilucin infinita

    296

    VII.5. EQUILIBRIO LIQUIDO-VAPOR A ALTAS PRESIONES 296

    VII.5.1. Modelos para la fase vapor a presiones altas 297

    VII.5.2. Fenmenos crticos en las mezclas a altas presiones 298

    VII.6. SELECCIN DEL MTODO PARA LA PREDICCIN DEPROPIEDADES DEL EQUILIBRIO LIQUIDO-VAPOR

    301

  • xiii

    BIBLIOGRAFA CITADA O RECOMENDADA 302

    CAPITULO VIII: ESTIMACIN DE PROPIEDADES TERMODINMICA

    VIII.1. INTRODUCCIN 303VIII.1.1. Entalpas de exceso 303

    VIII.2. MTODOS PARA LA ESTIMACIN DEL CALOR LATENTE DEVAPORIZACIN

    304

    VIII.2.1. Correlaciones para calor latente de vaporizacin basadas en la ecuacin deClausius-Clapeyron

    305

    VIII. 2.2. Correlaciones para calor latente de vaporizacin basadas en la ley de

    estados correspondientes

    308

    VIII.2.3. Correlacin de Pitzer modificada 308

    VIII.2.4. Correlacin de Riedel 309

    VIII.2.5. Influencia de la temperatura en el calor latente de vaporizacin 311

    VIII.2.6. Calor latente de vaporizacin de mezclas de lquidos 315

    VIII.3. MTODOS PARA LA ESTIMACIN DE LA CAPACIDADCALORFICA

    316

    VIII.3.1. Capacidad calorfica de gases ideales 316

    VIII.3.2. Capacidad calorfica de mezclas de gases ideales 321

    VIII.3.3. Capacidad calorfica de lquidos puros 321

    VIII.3.3.1. Mtodo de Rowlinson 322

    VIII.3.3.2. Mtodo de Missenard 322

    VIII.3.3.3. Capacidad calorfica de mezclas de lquidos 323

    VIII.4. DENSIDADES DE LQUIDOS 324

    VIII.4.1. Densidades de lquidos puros 324

    VIII.4.1.1. Densidad en el punto normal de ebullicin 324

    VIII.4.1.2. Correlacin de Hankinson y Thomson 325

    VIII.4.1.3. Mtodo de Rackett modificado 327

  • xiv

    VIII.4.2. Densidades de mezclas de lquidos 328

    VIII.5. ESTIMACIN DE PROPIEDADES TERMODINMICA DETRANSPORTE

    329

    VIII.5.1. Viscosidad 330

    VIII.5.1.1. Viscosidad de gases 330

    VIII.5.1.2. Viscosidad de lquidos 332

    VIII.5.2. Conductividad trmica de gases a baja presin 336

    VIII.5.3. Conductividad trmica de mezclas de gases a baja presin 338

    VIII.5.4. Conductividad trmica de lquidos 339

    VIII.5.5. Coeficientes de difusin 341

    BIBLIOGRAFA 343

    CAPITULO IX: MODULO PARA LA SIMULACIN DE EVAPORADORES FLASH

    IX.1. INTRODUCCIN 345IX.2. FLASH ISOTRMICO 349

    IX.3. FLASH ADIABTICO 355

    IX.4. FLASH A FRACCIN DE VAPORIZACIN DADA 358IX.5. OTRAS ESPECIFICACIONES PARA EL EQUIPO FLASH 359

    IX.6. OTRAS APLICACIONES DE LOS ALGORITMOS PARA

    SIMULACIN DE EVAPORADORES FLASH362

    IX.6.1. Separadores lquido-lquido 362

    IX.6.2. Temperatura de burbuja 364

    IX.6.3. Temperatura de roco 366

    PROBLEMAS PROPUESTOS 369

    BIBLIOGRAFA CITADA 372

    BIBLIOGRAFA RECOMENDADA 372

    CAPITULO X: MODELADO DE EQUIPOS DE SEPARACIN MULTICOMPONENTESEN CASCADAS CONTRACORRIENTE MLTIPLE ETAPA

  • xv

    X.1. INTRODUCCIN 373X.2. MTODOS DE RESOLUCIN APROXIMADOS 379X.3. MTODOS ETAPA A ETAPA 380

    X.4. MTODOS DE RESOLUCIN MATRICIALES (SEMI-RIGUROSOS) 382X.5. MTODOS RIGUROSOS DE RESOLUCIN SIMULTANEA 392X.5.1. Sistema de Ecuaciones 393

    X.5.2. Estructura del jacobiano 401

    X.5.3. Procedimiento numrico de resolucin 406

    X.5.4. Opciones estructurales 414

    X.6. MTODOS JERRQUICOS CON DOS NIVELES DE ITERACIN(INSIDE-OUT)

    423

    X.7. MTODOS DE RELAJACIN 426X.8. MLTIPLES SOLUCIONES EN EQUIPOS DE SEPARACIN

    MULTICOMPONENTE MLTIPLE ETAPA426

    PROBLEMAS PROPUESTOS 431

    BIBLIOGRAFA CITADA 432

    BIBLIOGRAFA RECOMENDADA 434

    CAPITULO XI: OPTIMIZACIN

    XI.1. INTRODUCCIN 435XI.2. FORMULACIN DEL MODELO 435XI.2.1. EJEMPLO: Planificacin de Produccin de una Refinera 438

    XI.2.1.1. Modelado del Ejemplo 439

    XI.3. TEORA Y ALGORITMOS DE OPTIMIZACIN 441XI.3.1. Programacin Lineal 441

    XI.3.1.1. Representacin y Solucin Grfica de LP 442

    XI.3.1.2. El algoritmo SIMPLEX 446

    XI.3.2. Programacin no lineal 448

  • xvi

    XI.3.2.1. Teora clsica de la programacin no lineal 449

    XI.3.2.1.1. Programas matemticos no condicionados 449

    XI.3.2.1.2. Programas matemticos condicionados por igualdades 452

    XI.3.2.1.3. Problemas condicionados por desigualdades 454

    XI.3.2.2. Algoritmos para resolver NLP 456

    XI.3.2.2.1. Algoritmos para NLP Univariables sin Restricciones 456

    XI.3.2.2.2. Algoritmos para NLP sin Restricciones Multivariables 461

    XI.3.2.2.3. Algoritmos para NLP con restricciones 475

    EJERCICIOS PROPUESTOS 489

    BIBLIOGRAFIA 492

    APNDICE 493

    CAPITULO XII: OPTIMIZACIN DE PROCESOS POR COMPUTADORA

    XII.1. INTRODUCCIN 497XII.2. EJEMPLOS 500

    XII.2.1. Diseo de un absorbedor 500

    XII.2.2. Diseo de una planta completa 501

    XII.2.3. Un problema de optimizacin con ptimos locales 501

    XII.3. SIMULACIN DE PROCESOS POR COMPUTADORA Y SURELACIN CON OPTIMIZACIN. DISTINTOS ENFOQUES

    502

    XII.3.1. Enfoque modular secuencial 503

    XII.3.2. Enfoque global 505

    XII.3.3. Enfoque modular simultneo 507

    XII.4. OPTIMIZACIN DE PROCESOS CON EL ENFOQUE MODULARSECUENCIAL

    508

    XII.4.1. Mtodos de caja negra 509

    XII.4.2. Mtodos de camino no factible 512

    XII.4.3. Mtodos de camino factible 518

  • xvii

    XII.4.4. Mtodos hbridos 520

    XII.4.5. Mtodos siguiendo el flujo lgico de informacin 521

    XII.5. OPTIMIZACIN DE PROCESOS CON EL ENFOQUE GLOBAL 523XII.6. OPTIMIZACIN DE PROCESOS CON EL ENFOQUE MODULAR

    SIMULTANEO

    525

    EJERCICIOS 531

    BIBLIOGRAFA 532

    CAPITULO XIII: MTODOS NUMRICOS, APROXIMACIN PARA LA SOLUCIN DEECUACIONES DIFERENCIALES ORDINARIAS

    XIII.1. INTRODUCCIN 535XIII.2. ECUACIONES DIFERENCIALES ORDINARIAS DE ORDEN N 535

    XIII.3. SOLUCIN DE ECUACIONES DIFERENCIALES ORDINARIAS DE1er. ORDEN

    536

    XIII.4. APROXIMACIN A LA SOLUCIN MEDIANTE EXPANSIN ENSERIES DE TAYLOR

    538

    XIII.5. MTODOS EXPLCITOS DE RESOLUCIN DE EDOs 542XIII.5.1. Mtodo de Euler 542

    XIII.5.2. Mtodos de Runge-Kutta 547

    XIII.6. MTODOS DE MLTIPLE PASO 558XIII.7. MTODOS PREDICTORES-CORRECTORES 561

    XIII.8. SISTEMAS DE ECUACIONES DIFERENCIALES 563

    PROBLEMAS PROPUESTOS 565

    BIBLIOGRAFA RECOMENDADA 568

    CAPITULO XIV: SIMULACIN DINMICA DE EQUIPOS DE PROCESOS ELEMENTALES

    XIV.1. INTRODUCCIN 571XIV.2. SIMULACIN DINMICA DE EQUIPOS SENCILLOS DE PROCESO 573

  • xviii

    XIV.3. MODELO PARA LA SIMULACIN DINMICA DE UN SEPARADORFLASH

    591

    PROBLEMAS PROPUESTOS 599

    BIBLIOGRAFA CITADA O RECOMENDADA 601

    CAPITULO XV: SIMULACIN DINMICA DE EQUIPOS DE SEPARACIN MLTIPLEETAPA EN CONTRACORRIENTE

    XV.1. INTRODUCCIN 603XV.2. MODELO PARA SISTEMAS DE SEPARACIN MLTIPLE-ETAPA

    MULTICOMPONENTE EN CONTRACORRIENTE

    606

    XV. 2.1. Sistema de Ecuaciones del Modelo 610

    XV.2.2 . Procedimientos de clculo 616

    XV.3. EJEMPLOS DE APLICACIONES ESPECIFICAS. 622

    XV.4. DESTILACIN BATCH 627BIBLIOGRAFA CITADA 637

    BIBLIOGRAFA RECOMENDADA 639

    PROBLEMAS PROPUESTOS 640

    CAPITULO XVI: INTRODUCCIN AL CONTROL DE PROCESOS. SISTEMAS DE CONTROLTPICOS Y UTILIDAD DE LOS SIMULADORES DINMICOS

    XVI.1. INTRODUCCIN 643XVI.2. NOCIONES BSICAS SOBRE CONTROL DE PROCESOS 646

    XVI.2.1. Modelado matemtico 647

    XVI.2.2. Estructuras utilizadas en control clsico 650

    XVI.2.3. Ajuste de los controladores Clsicos 653

    XVI.3. NOCIONES BSICAS SOBRE ALGORITMOS DE CONTROLAVANZADO

    655

    XVI.3.1. Control por realimentacin de estados 657

    XVI.3.2. Control ptimo 658

  • xix

    XVI.3.3. Linealizacin global exacta de sistemas no lineales 661

    XVI.3.4. Otras estructuras de control avanzado 662

    XVI.4. SIMULACIN NUMRICA DE LOS PROCESOS CONTROLADOS 663XVI.4.1. Estructuras tpicas utilizadas en los simuladores dinmicos 665

    XVI.4.2. UN EJEMPLO SIMULADO DE UN SISTEMA DE CONTROL DENIVELES

    666

    PROBLEMAS PROPUESTOS 670

    BIBLIOGRAFA CITADA 670

    CAPITULO XVII SIMULACIN DINMICA DE EQUIPOS ESPECFICOS

    XVII.1. INTRODUCCIN 673XVII.2. EVAPORADOR DE PROPANO 673

    XVII.2.1. Descripcin del proceso 673

    XVII.2.2. Construccin del modelo 674

    XVII.2.3. Resolucin del modelo 678

    XVII.3. DESALADOR POR EVAPORACIN MLTIPLE FLASH 680XVII.3.1. Descripcin del proceso 680

    XVII.3.2. Construccin del modelo 681

    XVII.3.3. Resolucin del modelo 687

    XVII.4. REACTOR PRODUCTOR DE SULFOLENO 690

    XVII.4.1. Descripcin del proceso 690

    XVII.4.2. Construccin del Modelo 692

    XVII.4.3. Resolucin del Modelo 695

    BIBLIOGRAFA CITADA 696

    CAPITULO XVIII: MODELADO DEL PROCESO DE DIGESTIN ANAERBICA ENREACTORES SIMPLES

    XVIII.1. INTRODUCCIN 697

  • xx

    XVIII.2. MODELADO DE LOS PROCESOS FUNDAMENTALES EN

    REACTORES BIOLGICOS SIMPLES 702

    XVIII.2.1. Evolucin histrica 702

    XVIII.2.2. Modelado de un biodigestor anaerbico tanque agitado ideal con

    microorganismos suspendidos

    704

    XVIII.2.2.1. Sistema de ecuaciones del modelo 707

    XVIII.2.2.2. Esquema de clculo 718

    XVIII.3. MODELO DE REACTOR TANQUE AGITADO CONTINUO NO IDEAL 732

    XVIII.3.1. Modelo de reactores tanques agitados en serie con recirculacin externa 733

    XVIII.4. INTRODUCCIN AL MODELADO DE REACTORES CON BIOFILM 735BIBLIOGRAFA CITADA 738

    CAPITULO XIX: MTODOS, ESCTRUCTURAS Y MODELOS PARA LA SIMULACIN DEPROCESOS BATCH

    XIX.1. INTRODUCCIN 741XIX.2. EL ROL DE LOS PROCESOS BATCH EN LA INDUSTRIA QUMICA 741

    XIX.3. APLICACIN DE LA SIMULACIN EN LA INGENIERA DEPROCESOS BATCH

    742

    XIX.4. CARACTERSTICAS DE LOS PROCESOS BATCH 744

    XIX.5. MODELOS DE TIEMPOS Y FACTORES DE REQUERIMIENTOS 748

    XIX.6. MODELOS DE ETAPAS INDIVIDUALES BASADOS EN LOS

    PRIMEROS PRINCIPIOS

    752

    XIX.7. LOS SISTEMAS DE SIMULACIN 756XIX.8. CARACTERIZACIN DE UN PROCESO QUMICO DISCONTINUO

    (DESDE EL PUNTO DE VISTA DE LOS SISTEMAS DE SIMULACIN)759

    XIX.9. SIMULACIN CONTINUA-DISCRETA COMBINADA 760XIX.10. SIMULACIN DINMICA DESACOPLADA 763 PROBLEMAS PROPUESTOS 764

  • xxi

    BIBLIOGRAFA CITADA 765

    BIBLIOGRAFA RECOMENDADA 766

    CAPITULO XX: MEDICIN Y ESTIMACIN EN PROCESOS CONTROLADOS

    XX.1. INTRODUCCIN 767XX.2. MEDICIN DE VARIABLES DE PROCESO 768XX.2.1. Mediciones en linea y de linea 769

    XX.2.2. Nociones bsicas sobre transmisin de mediciones 771

    XX.2.3. Ruidos tpicos de medicin 774

    XX.2.4. Simulacin numrica de la mediciones 775

    XX.3. ESTIMACIN DE VARIABLES DE PROCESO NO MEDIBLES. 776XX.3.1. Observadores 778

    XX.3.2. Un estimador lneal ptimo: el filtro de Kalman 781

    XX.4. MTODOS NUMRICOS DE ESTIMACIN PARA PROBLEMASMAL CONDICIONADOS

    784

    XX.4.1. Tcnicas determinsticas de inversin numrica 785

    XX.4.2. Tcnicas estocsticas de inversin numrica 787

    XX.4.3. Ejemplos Simulados 788

    PROBLEMAS PROPUESTOS 792

    BIBLIOGRAFA CITADA 793

    CAPITULO XXI: SIMULACIN DINMICA EN TIEMPO REAL

    XXI.1. INTRODUCCIN 795XIX.2. CARACTERSTICAS GENERALES DE UN SIMULADOR EN TIEMPO

    REAL

    797

    XXI.3. CONSTRUCCIN DE UN SIMULADOR DE TIEMPO REAL 801XXI.3.1. Tiempo real 801

    XXI.3.2. Ruidos y Fallas 803

  • xxii

    XXI.4. PASTEURIZADOR HTST.1.0 808

    XXI.4.1. Descripcin del proceso 808

    XXI.4.2. Propiedades fisicoqumicas 811

    XXI.5. MODELO DEL PROCESO 813

    XXI.6. EL SIMULADOR HTST 1.0 814

    XXI.6.1. Introduccin 814

    XXI.6.2. La interfaz 814

    XXI.6.3. Aplicaciones 817

    PROBLEMAS PROPUESTOS 824

    BIBLIOGRAFA 825

  • Cap. I - Pg. 1

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    CAPTULO IINTRODUCCIN A LOS MTODOS INFORMTICOS APLICADOS AL

    MODELADO EN INGENIERAPor

    Nicols Jos Scenna

    I.1 INTRODUCCINEs sabido que el procedimiento metodolgico fundamental para resolver un

    problema en ingeniera consiste en representarlo de una manera adecuada, de talforma de lograr una sustitucin del sistema real (equipo, proceso, etc.) por uno msadecuado para el tratamiento formal. Por lo general, las herramientas lgico-matemticas nos brindan un marco til para representar mediante un sistema desmbolos y reglas, el comportamiento de los sistemas reales.

    Bajo el mtodo cientfico, por ejemplo, se consolidan leyes y teoras endiversas ramas del conocimiento, las cuales son expresables por medio de sistemas deecuaciones diferenciales. En otras palabras, se logra construir un nuevo sistema, delcual conocemos sus reglas de juego y smbolos, como un resultado de un proceso deabstraccin de la realidad. Obviamente, dado la infinita complejidad de los fenmenosfisicoqumicos, estas construcciones abstractas, conocidas genricamente comomodelos, son slo meras aproximaciones de la realidad. En efecto, no es otra cosa loque se realiza cuando en fsica utilizamos ecuaciones para describir el movimiento deuna partcula, o resolvemos los balances correspondientes aplicando las leyes deconservacin de la materia, energa o cantidad de movimiento; o bien cuando nosenfrentamos al diseo de un equipo segn los procedimientos que conocemos a partirdel campo de las operaciones unitarias.

    De aqu se desprende que si bien el sistema real a estudiar es nico, puedeexistir un nmero muy grande de modelos asociados al mismo. En efecto, paraobtener un modelo que pueda resolverse (es decir que sea til), resulta necesarioadoptar un conjunto de hiptesis. Por ejemplo, si consideramos la friccin, si esimportante o no contemplar el intercambio de energa por radiacin, si existen y seconsideran los efectos electromagnticos, etc. Las necesidades de exactitud que elproblema a resolver nos impone, determinan el conjunto de hiptesis a utilizar. Porejemplo, el error de una milsima de grado en el clculo de un ngulo puede no tenerimplicancias en el punto de impacto de un proyectil que recorre una distanciapequea, pero no puede afirmarse lo mismo para una trayectoria intergalctica. En

  • Cap. I - Pg. 2

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    sntesis, dado el sistema real y los objetivos tecnolgicos perseguidos, existir unconjunto de hiptesis adecuadas que determinarn las caractersticas del modelo, osistema de ecuaciones a resolver. Lo expresado recientemente implica una relacinentre modelo (conjunto de hiptesis asumidas) y objetivos del ingeniero.

    Resulta evidente que no todo sistema de ecuaciones puede resolversefcilmente, al menos desde el punto de vista analtico. Esto impuso a lo largo de lahistoria limitaciones importantes al tipo de modelos que podan resolverse, o de otraforma, la necesidad de recurrir a hiptesis inadecuadas o restrictivas (super-simplificaciones) para al menos poder tratar el problema. Es por ello tambin que enlos orgenes de las ciencias tecnolgicas los modelos podan ser considerados en granmedida como empricos, esto es, con parmetros incorporados que surgan deexperiencias, y no a partir de los primeros principios o leyes fundamentales. No debeextraar que an hoy, pese a todos nuestros avances, exista la necesidad de utilizarpermanentemente parmetros en nuestros modelos, que no son otra cosa que lamedida de nuestra ignorancia, y por lo tanto, implican la necesidad de reemplazar lasleyes bsicas por aproximaciones causales obtenidas de datos experimentales. Este esel caso por ejemplo de la estimacin de las propiedades de equilibrio de mezclas decomportamiento altamente no ideal.

    A medida que evolucionaron las diversas ramas de las matemticas y con eladvenimiento de la ciencia de la computacin, poderosa herramienta complementariaal anlisis numrico y simblico, se abrieron caminos revolucionarios. Contar conherramientas ms potentes para resolver sistemas de ecuaciones, o lo que es lo mismo,relativizar la necesidad de adoptar hiptesis inadecuadas al plantear modelos pararesolver problemas complejos, result un gran paso adelante. Ms an, la velocidadde clculo provoc que la dimensin abordable se incrementara rpidamente. Enefecto, si bien el grado de complejidad conceptual para resolver la inversa de unamatriz de dimensin tres es equivalente al de una de cinco mil, resulta obvio que lacomplejidad operativa o fctica no resulta comparable. La computacin ha barridoliteralmente con dicha limitacin, haciendo ahora tratables problemas cuya dimensines tal, que dcadas atrs ni siquiera era pensable plantearlos.

    Dentro de este contexto, el propsito de los siguientes captulos es mostrarcmo implementar modelos para resolver problemas comunes en el campo de laingeniera qumica, cmo resolverlos desde el punto de vista computacional, y otropunto importante, qu tipos de problemas (modelos) surgen al cubrir distintosaspectos de la ingeniera. En este punto resulta necesario comentar que los problemasde diseo, optimizacin, simulacin dinmica o estacionaria, supervisin o diagnosisde fallas en tiempo real, etc., tienen cada uno particularidades especficas, lo cual asu vez implica la conveniencia de utilizar modelos apropiados para cada caso.

    En este captulo se tratar de mostrar someramente las diferencias ycaractersticas conceptuales de diversos tipos de modelos, surgiendo los mismos apartir de la naturaleza especfica de los problemas a resolver. En efecto, por ejemplo

  • Cap. I - Pg. 3

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    no resulta equivalente analizar el funcionamiento de una planta qumica dada(conocemos su estructura) que disear el proceso contando slo con los datos de lasmaterias primas disponibles y los productos deseados. Al igual que en arquitectura,cuando nos enfrentamos al diseo de una estructura para un fin determinado,existirn por lo general, como se ver en el Captulo II, un nmero muy grande dealternativas para analizar. Por lo tanto, aqu el modelo deber contener variablesestructurales, adems de las habituales. Ello implica un problema difcilmentetraducible a ecuaciones matemticas. En funcin de nuestro estado de conocimientoactual, el diseo de un proceso sigue siendo ms un arte que ciencia, o lo que esequivalente, depende en una gran parte del juicio creativo del diseador, adems dela aplicacin de reglas formales del anlisis lgico-matemtico. Por lo tanto, deberencapsularse dicho conocimiento en el pretendido modelo.

    A continuacin se brindar un breve anlisis de la evolucin histrica delrea, a los efectos de situar al alumno desde esa perspectiva.

    I.2 EVOLUCIN HISTRICALa ciencia nos provee indicios acerca de la existencia, hace ms de doce

    millones de aos, de un cuadrumano, ancestro, segn teoras arqueolgicas, delactual mono chimpanc y del hombre. Ms an, en la cadena evolutiva, el actualhomo sapiens-sapiens se supone aparece hace solo ciento cincuenta (evidenciaarqueolgica) o doscientos mil aos (evidencia gentica); comenzando haceaproximadamente cinco mil aos a dominar los metales, para llegar hace solo dosdcadas a masificar el uso de la computadora, en plena era espacial.

    Por otra parte, la incorporacin de la informtica al acervo cultural delhombre nos indica una evolucin similar. En efecto, desde el habla (no hay acuerdoacerca de cundo aparece, ya que algunas teoras nos indican que nuestros ancestroshablaban con el objeto de comunicarse hace ya ms de un milln de aos), la escriturasistematizada y mecanizada -imprenta- recin se instal entre nosotros haceaproximadamente cinco siglos; y por ltimo, la computadora, hace apenas mediosiglo, siendo masificada (PCs) hace solo dos dcadas. Esto indica obviamente, unagran aceleracin del tiempo histrico.

    Ante estos acontecimientos, la pregunta que surge naturalmente es haciadnde vamos?. Sin embargo, no es el objetivo del presente libro responder estainquietud. Aqu nuestra inquietud es ms limitada. Debemos reflexionar acerca delfuturo inmediato de las ciencias de la ingeniera y el perfil de la informtica dentrode este contexto. Es evidente que la aceleracin de las olas de innovaciones o ciclosde descubrimientos y aplicaciones tecnolgicas implica un disparo tanto a nivel decada rama de la ciencia como en el conjunto de actividades socio-econmicas,haciendo difcil digerir los nuevos conocimientos y las formas de organizacin socialque stos involucran.

    Se vislumbra, a partir de la historia de las ciencias, la filosofa de las ciencias

  • Cap. I - Pg. 4

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Fase de nacimiento o de incubacin

    Fase explosiva oexponencial

    Fase de maduracin

    Tiempo

    Figura I.1: Curva sigmoidea que representa el proceso de maduracin de unatecnologa.

    y la teora de sistemas, que todo proceso de aprendizaje, o de generacin detecnologas por ms variado que sea (incorporacin de nuevas palabras al vocabulariode un nio, el descubrimiento de los elementos qumicos que conforman la tablaperidica, la eficiencia de las mquinas trmicas, la eficiencia en el rendimiento delas lamparitas, etc.), se desarrolla lentamente al principio, para dispararse en unmomento dado, y luego, nuevamente, aminorar la evolucin en el tiempo, tendiendolentamente a un valor asinttico (lmite de eficiencia). Esta curva es la llamada curvade aprendizaje, logstica o sigmoidea (ver Figura (I.1)).

    Del anlisis comparativo de las mismas pueden obtenerse parmetrosestimativos de la evolucin de las tecnologas, tendencias de las olas de innovacionesbsicas y de las aplicaciones tecnolgicas, etc. Dentro de este contexto, se estima parael futuro, en base a los datos histricos, una aceleracin del ciclo de innovaciones yla frecuencia de los procesos de descubrimientos innovativos y sus aplicacionestecnolgicas.

    Mucho se ha recorrido ya desde la aparicin de la primera computadoradigital (ENIAC). Desde la mquina de Pascal o el baco, la regla de clculo ocualquiera de los instrumentos auxiliares utilizados para resolver los complejosproblemas que se presentan en ingeniera, el hombre se ha caracterizado por ganareficiencia en forma constante. Como vimos, la curva sigmoidea (Figura (I.1))representa sorprendentemente los tramos caractersticos de evolucin de numerosasaplicaciones tecnolgicas provenientes de disciplinas diversas tales como biologa,medicina, alimentacin, ingeniera aeroespacial, informtica, etc. Lo particularmente

  • Cap. I - Pg. 5

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    destacable es que en el campo de la informtica como herramienta para resolverproblemas de ingeniera, recin estamos entrando en la fase que puede llamarse decrecimiento exponencial. Esto significa que si bien lo recorrido desde la ENIAC hastaaqu parece asombroso, existe una gran probabilidad que lo que nos depara el futurocercano lo sea an ms.

    Varias consecuencias resultan evidentes. La ms importante, desde el puntode vista didctico, es la necesidad de formarnos con una gran capacidad deadaptabilidad, flexibilidad y vocacin por el cambio permanente, el razonamientoprofundo y la digestin de los fundamentos y conceptos transcendentes frente alaluvin de informacin que nos bombardea. Este libro es un intento en esa direccin.Se trata de introducir al lector a los conceptos y estrategias ms relevantes delmodelado de procesos utilizando mtodos informticos. Tambin se pretendesomeramente introducir temticas con cierta probabilidad de desarrollo inminente enun futuro cercano. Por otra parte, se intenta presentar una visin integral delproblema de modelado de procesos, aunque se enfatiza con cierto grado de detalle elaspecto de simulacin estacionaria y dinmica, frente al campo del diseo yoptimizacin. Esto es as debido a que las herramientas necesarias para estas ltimasreas resultan ms complejas, en general propias de cursos de especializacin yposgrado.

    En sntesis, al tratar el problema del modelado desde un punto de vistaintegral, debemos discutir conceptualmente los diversos enfoques que se utilizan ascomo las herramientas matemticas necesarias para su tratamiento.

    I.3. MTODOS NUMRICOS COMO HERRAMIENTA PARA ELMODELADO DE PROCESOS EN INGENIERA QUMICAComo veremos en los captulos siguientes, la simulacin digital constituye

    una poderosa herramienta para la resolucin de las ecuaciones que describen a lossistemas en ingeniera qumica. Las principales dificultades que se plantean sonprincipalmente:

    a) Encontrar la solucin de un sistema de ecuaciones algebraicas no lineales(que usualmente se efecta mediante un mtodo iterativo, segn veremos enlos Captulos III y IV).

    b) Efectuar la integracin numrica de ecuaciones diferenciales ordinarias y enderivadas parciales mediante ecuaciones discretizadas en diferencias finitasque aproximan a las soluciones de las ecuaciones diferenciales continuas,segn se analizar en el Captulo XIII.

    Los mtodos numricos son una clase de algoritmos para resolver una ampliavariedad de problemas matemticos. nicamente se emplean operaciones lgicas yaritmticas; por consiguiente, pueden implementarse fcilmente sobre computadorasdigitales.

  • Cap. I - Pg. 6

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    En realidad, los mtodos numricos fueron desarrollados muchos aos antesque surgieran las computadoras electrnicas digitales. En efecto, un gran nmero delos mtodos numricos usualmente utilizados datan de los comienzos de lasmatemticas modernas. Sin embargo, el empleo de tales mtodos estuvo restringidohasta el advenimiento de las computadoras, incrementndose dramticamente alllegar a la mayora de edad con la introduccin de las computadoras electrnicasdigitales.

    La combinacin de mtodos numricos y computadoras digitales constituyeuna poderosa herramienta para el anlisis matemtico. Por ejemplo, los mtodosnumricos son capaces de manejar no linealidades, modelos asociados a geometrascomplejas y sistemas de ecuaciones acopladas que son necesarios para el modeladoeficiente de muchos sistemas fisicoqumicos que se presentan en ingeniera.

    En la prctica, rara vez se consideran enfoques analticos a los problemas deingeniera en razn de la complejidad de los sistemas a resolver. An en problemaspara los que podran obtenerse con cierto esfuerzo soluciones analticas, los mtodosnumricos son poco costosos, fciles de emplear y con frecuencia se dispone de ellosen programas comerciales.

    La primera pregunta que uno se formula es si existe algn lmite a lacapacidad de clculo de los mtodos numricos. La respuesta es afirmativa. Es sabidoque si un problema no puede resolverse analticamente, lo mejor es programarlo enuna computadora (mediante un algoritmo adecuado). Este punto de vista se debe, sinlugar a dudas, al enorme poder de clculo de los mtodos numricos. Sin embargo,tambin es cierto que existen muchos problemas que son imposibles de resolverutilizando mtodos numricos. Para diversos problemas no se ha encontrado todavaun modelo matemtico completo y seguro, de manera que resulta obvio que esimposible encontrarles una solucin numrica. La dimensin de otros problemas estan grande que su solucin est ms all de los lmites prcticos en trminos de latecnologa computacional disponible. Por ejemplo, en problemas fluido-dinmicos queinvolucran flujos turbulentos, en estimaciones meteorolgicas o climticas (camposde vientos, presiones, temperaturas, etc.), y como veremos ms adelante, en diversosproblemas que se plantean en el rea de la ingeniera qumica, existen seriaslimitaciones en el rea de diseo y de optimizacin en tiempo real, etc.

    En los ltimos aos se han desarrollado grandes programas computacionalescomerciales para simular el comportamiento de sistemas de ingeniera de todo tipo.Usualmente, estos programas se disean para que sean utilizados por aquellosprofesionales de la ingeniera sin un conocimiento intensivo de su funcionamientointerno.

    Por otra parte, existen bibliotecas (en continua expansin) de subrutinas declculo que utilizan sofisticados mtodos numricos para realizar una amplia variedadde tareas matemticas, cubriendo virtualmente todos los campos del anlisisnumrico, aplicaciones estadsticas, etc. De cara a estos hechos uno podra

  • Cap. I - Pg. 7

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    verdaderamente sorprenderse si existiese por parte de los profesionales de laingeniera la necesidad de adquirir un conocimiento funcional de los mtodosnumricos y de programacin. Resulta obvio que cuando se disponga de programasenlatados o subprogramas que han sido probados y demostrado su buenfuncionamiento, lo ms razonable es utilizarlos. No obstante, es altamente valorableel conocimiento del funcionamiento de tales herramientas, dado que por lo generalel usuario de tales programas o subrutinas encontrar dificultades en su utilizacin.Estas dificultades pueden provenir de mltiples causas. Por ejemplo, es necesarioremarcar que los mtodos numricos no estn completamente libres de dificultadesen todas las situaciones en las que se los utilice. Por otra parte, an en el caso que nopresenten dificultades de clculo, podran no funcionar de manera ptima en todas lassituaciones que se planteen.

    Siempre debe tenerse presente que la exactitud y la estabilidad numricaafectan a la ecuacin discretizada utilizada (algoritmo de integracin). En la literaturarespectiva se han propuesto muchos algoritmos. Varios de ellos, los ms comnmenteutilizados, sern analizados en los Captulos III, IV y XIII. Algunos de ellos trabajanmejor que otros sobre determinados problemas (por ejemplo ms rpido y porconsiguiente son menos costosos para un grado especificado de exactitud).Desafortunadamente no existe un algoritmo que funcione en forma ptima para todoslos problemas que se plantean.

    Por otra parte, el usuario en bsqueda de una subrutina de clculo pararealizar una determinada tarea, puede encontrar una agobiante variedad desubprogramas que pueden ser aplicables, pero el material descriptivo rara vez daruna indicacin sobre la eficiencia de la subrutina para resolver un problemaespecfico. Esto sucede adems, en la mayora de los productos comerciales mselaborados, por ejemplo, para el modelado en ingeniera.

    Dentro de este contexto, es muy probable que el ingeniero que espera utilizarun programa enlatado o una subrutina de una biblioteca para resolver un problemamatemtico determinado enfrente dificultades inesperadas, a menos que tenga unapreparacin adecuada. En efecto, la seleccin y aplicacin de un mtodo numrico enuna situacin especfica, por lo general resulta ms una actividad propia de un arteque de una ciencia. Por ltimo, nunca resulta trivial la interpretacin de los resultadosobtenidos.

    Por consiguiente, el usuario que no tenga la habilidad ni el conocimientopara seleccionar y utilizar un mtodo numrico para aplicar a un problema especficoy efectuar la programacin del mtodo, encontrar una severa restriccin en el rangode problemas que puede manejar. En general deber buscar a alguien con lainformacin necesaria, si es que existe ese alguien a quien consultar. Ms an, en estasituacin resultar poco probable que el usuario pueda formular las preguntascorrectas y el consultor suministrar las respuestas adecuadas, dado que el nivel deconocimientos de ambos resultara muy diferente, dificultando la comunicacin entre

  • Cap. I - Pg. 8

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    ambos.En sntesis, en los ltimos tiempos se ha desarrollado una gran variedad de

    paquetes informticos para resolver numricamente sistemas de ecuaciones que seplantean en problemas de modelado en ingeniera. En teora, estos paquetes relevanal ingeniero de adquirir conocimientos acerca de los mtodos de integracinnumrica. Supervisan automticamente los errores y la estabilidad del mtodoajustando el paso o intervalo de integracin para satisfacer un criterio de exactitud.En la prctica, es sabido que estos lenguajes no resuelven todos los problemas. En supuja por generalizar, usualmente se vuelven ineficientes en muchas aplicacionesespecficas, por ejemplo, desde el punto de vista del tiempo computacional. En estoscasos resulta ms conveniente desarrollar un programa ad-hoc escrito, por ejemplo,en lenguaje FORTRAN, BASIC o PASCAL.

    Con respecto a los productos informticos que utilizan para el modelado unlenguaje de alto nivel, debe remarcarse que el tiempo de formulacin y de resolucindel modelo se reduce, en especial para aquellos ingenieros que no dominan mtodosde programacin y utilizan a la computadora ocasionalmente; aunque se espera queen el futuro cercano, casi todos los estudiantes avanzados y graduados en ingenieraobtendrn un manejo adecuado de lenguajes de programacin. Cualquiera sea lasituacin, es evidente que la utilizacin de un paquete integrado que facilite escribirun modelo para simulacin y permita directamente la resolucin numrica requiereel aprendizaje de un nuevo lenguaje y de un nuevo utilitario.

    En el caso que se conozca algn lenguaje de programacin, dado que lastcnicas numricas programadas de manera sencilla funcionan bien, debercompararse el esfuerzo que implica desarrollar un programa especfico para elproblema que se desea resolver, con el uso de programas enlatados. En efecto, laexperiencia demuestra que es ms conveniente el desarrollo propio, ya que no slo escomputacionalmente ms eficiente, sino que adems garantiza al estudiante oingeniero el conocimiento de cmo funciona el programa (por ejemplo, un simuladorpara un equipo dado) y cules son las hiptesis realizadas y las tcnicas utilizadas.Esta metodologa permite la supervisin del programa y su modificacin, paramanejar de manera ms fcil y eficiente nuevas situaciones que se planteen.

    Una solucin intermedia es programar el modelo particular (sistemaespecfico de ecuaciones a resolver), utilizando para el clculo alguno de los mtodosenlatados disponibles para tal fin, aprovechando la disponibilidad de los numerosospaquetes numricos de resolucin, tanto de sistemas de ecuaciones algebraicas comode ecuaciones diferenciales, ordinarias o a derivadas parciales. En muchos lugares(universidades, institutos de investigacin, etc.) y en el mercado, se dispone debibliotecas de subrutinas de clculo como las IMSL, IBM, Numerical Recipes, entreotras.

    En general, para cada rama, tanto de las matemticas, de la estadstica y/ode las aplicaciones de ingeniera, se han presentado en el mercado un gran nmero

  • Cap. I - Pg. 9

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    de aplicaciones para resolver muchos problemas de modelado de procesos, tales comodiseo, simulacin, sntesis, optimizacin, etc. Adems, desde el punto de vista delalcance, los hay diseados para un uso general as como para uno especfico (porejemplo, hornos, procesos petroqumicos, procesos que manipulan slidos, sistemascon electrolitos, reactores biolgicos, sntesis de molculas, etc.).

    No es el objetivo del presente libro efectuar un anlisis detallado del softwaredisponible comercialmente ni de las aplicaciones especficas desarrolladas, ni realizaruna descripcin exhaustiva de todos los paquetes informticos existentes, dado queel mercado actual es muy dinmico. S resulta importante que el lector adquierahabilidad para comprender claramente el alcance general de los instrumentoscomputacionales disponibles, las tendencias, la necesidad de disponer de capacidadpara generar sus propias herramientas para modelar problemas especficos o paraadquirir o utilizar nuevos productos.

    En definitiva, existe una acuciante necesidad para que el ingeniero adquieraun profundo conocimiento acerca del funcionamiento de los mtodos numricos y lasaplicaciones informticas, a partir de lo cual, como usuario de computacin, podrseleccionar, modificar, adaptar o programar un mtodo adecuado para cualquier tareaespecifica que emprenda; ayudarse en la seleccin y uso de programas enlatados y ensubrutinas de bibliotecas y facilitar su comunicacin con especialistas en una formainteligente y eficiente, toda vez que se requiera efectuar una consulta.

    I.4 MODELOS NO CONVENCIONALESLos sistemas a resolver durante la tarea de modelado son muy diversos. Por

    ejemplo, todo problema de diseo se caracteriza, entre muchos aspectos, por lanecesidad de seleccionar una opcin ptima (estructura a disear, por ejemplo, unedificio, un proceso, un circuito electrnico, etc.) de entre el nmero (generalmenteenorme en problemas reales) de alternativas posibles. Esto implica, por un lado, lanecesidad de dominar mtodos matemticos para optimizar una funcin objetivo, porlo general fuertemente no lineal, con restricciones de todo tipo (desigualdades eigualdades, generalmente no lineales), con variables continuas (reales) o discontinuas(enteras), y por supuesto de muy elevada dimensin. Por otra parte, ser necesariocomprender conceptualmente algunos de los mtodos formales, para generar lasalternativas estructurales posibles para un diseo dado y seleccionar una de acuerdocon ciertos criterios de ptimo impuestos por el diseador.

    Esta problemtica es conocida como sntesis de procesos dentro del ciclo dela actividad de diseo. A poco de meditar sobre estas cuestiones, resulta evidente lanaturaleza distintiva de este enfoque. En particular, el manejo de estructuras comouna variable a tener en cuenta, implica un grado de complejidad adicional. En efecto,los mtodos matemticos ms comunes con los cuales nos formamos en el ciclobsico de la carrera no son necesariamente los ms tiles o naturales para encarar lasolucin de este tipo de problemas. En este primer captulo introductorio, se tratar

  • Cap. I - Pg. 10

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    de analizar someramente diversos ejemplos de modelos no convencionales y lasherramientas o mtodos propios o ms naturales para encarar su solucin; y porltimo, la relacin entre las citadas estrategias y los lenguajes usuales ms comunespara implementar los correspondientes algoritmos computacionales. En el prximocaptulo se discutirn algunos conceptos acerca del problema de sntesis de procesosy su relacin con los temas aqu tratados.

    Es conocido que el tipo de conocimiento o procedimientos a utilizar pararesolver una ecuacin algebraica, o bien una integral, por mtodos numricos (Reglade integracin de Simpson, por ejemplo), no son similares a la estrategia algortmicapara resolver analticamente (clculo simblico) ya sea la integral como la ecuacinalgebraica mencionada. El mismo problema se nos presenta si pretendemos elaborarun algoritmo que sea capaz de jugar ajedrez, procesar imgenes clasificando diversospatrones, tener capacidad para la gua de proyectiles, reconocimiento de una firma enun cajero automtico, etc.

    Resulta evidente que el conocimiento y el tipo de datos requerido paracalcular un equipo o el dimetro de una caera no es igual al necesario para adoptarlos materiales adecuados para la misma. En efecto, el dimetro, la longitud, etc.,surgen del clculo y/o de parmetros bien definidos, dependiendo su complejidad slode la estructura del sistema. Por ejemplo, si existe cambio de fase, de la geometra,etc. La adopcin de la caera implica, adems de los parmetros calculados en elprocedimiento anterior, considerar las caractersticas del fluido, como por ejemplo,alcalinidad o acidez, temperatura, presin, si tiene partculas en suspensin y muchosotros factores a los efectos de adoptar el material ms conveniente. Generalmente, esteconocimiento no puede manipularse ni representarse en ecuaciones matemticas.Mayores problemas surgen al adoptar una bomba, ya que adems de los materialesexisten otras caractersticas del equipo a definir (centrfugas, alternativas, el tipo deimpulsor, etc.).

    En el caso de la solucin de una expresin integral, debe procederse alempleo de ciertas reglas de integracin analtica, en una cierta secuencia, quegeneralmente no es nica, y cuyo orden y metodologa depende de cada caso. Enefecto, pueden existir mltiples procedimientos para arribar a la solucin buscada. Laintegracin numrica, por el contrario, elegido un mtodo de integracin, implica unasecuencia ordenada de pasos fcilmente codificables. Lo mismo puede afirmarse dela operacin de inversin de matrices o la solucin numrica de un conjunto deecuaciones diferenciales, como veremos ms adelante, en prximos captulos.

    En definitiva, podramos plantear numerosos ejemplos de problemas cuyosprocedimientos resolutivos no son fcilmente codificables en una secuencia ordenadade pasos (procesamiento del lenguaje natural, seleccin de alternativas al construirun edificio, bsqueda inteligente en una base de datos, etc.). Para resolver estosproblemas se requiere algo similar al conocimiento experto, o inteligencia. Dado queun programa o algoritmo computacional que logre resolver tales problemas cumplira

  • Cap. I - Pg. 11

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    con ciertos atributos que le adjudicamos a la inteligencia humana o de los expertos,a la rama de la ciencia de la computacin que aborda el cmo proceder para resolvereste tipo de problemas se le conoce como inteligencia artificial. Y a la disciplina demodelado, problem solving o resolucin de problemas.

    Una de las herramientas utilizadas son los sistemas expertos, ya que losmismos estn diagramados para emular a los expertos humanos en la forma en queresuelven los problemas. En general, para enfrentar este tipo de problemas se requierede una forma de modelar el proceso de generacin de estructuras y una forma decodificar y representar el conocimiento de un experto en el dominio en cuestin.

    El tipo de conocimiento del cual hablamos, desde un punto de vista lgico,puede representarse y codificarse, entre otras alternativas, bajo las reglas de la lgicade predicados. Por ejemplo, reglas del tipo: Si la temperatura es muy alta, entoncesla vlvula debe cerrarse un 30%, o bien si el color de la solucin es negruzco,entonces hay posibilidad de contaminacin en el reactor, son muy comunes. Elformato general es del tipo Si {A1...An} entonces {C,...Cn }; donde los antecedentes yconsecuentes pueden estar vinculados por conectores lgicos (OR, AND, etc.).

    En general, un conjunto de reglas (generalmente muy numerosas) como lasdescriptas puede representar el dominio de conocimiento o experiencia acerca de unproblema dado. Sin entrar en detalles, utilizado los principios inductivos-deductivosde la lgica de predicados, y asignando valores de verdad o falsedad a ciertasvariables (las conocidas inicialmente y las que requiere el procedimiento derazonamiento en la cadena deductiva, si se disponen), puede fcilmente deducirse elestado de todas los dems, o lo que es lo mismo, obtenerse conclusiones valederasacerca de una variante en particular del problema dado.

    De esta manera, muy sintticamente, puede vislumbrarse que este tipo deherramientas puede utilizarse para modelar problemas en los cuales no puedefcilmente codificarse todo el conocimiento del sistema y los pasos necesarios parala solucin mediante un sistema de ecuaciones. Por ejemplo, las reglas antesmencionadas son muy tiles para los problemas de adopcin de materiales, de equipospara ciertas condiciones, de los mtodos ms adecuados para estimar propiedadesfisicoqumicas dada la composicin, temperatura y presin de mezcla, etc. En labibliografa recomendada se detalla una gran cantidad de aplicaciones en ingenieraque el lector puede consultar.

    Llegados a este punto, nos resultar til analizar el otro aspecto que se nospresenta al modelar ciertos problemas, esto es, herramientas para manipular una grancantidad de alternativas para un dado sistema. Estas herramientas, combinadas conalgoritmos que manejan reglas segn el ejemplificado someramente en el puntoanterior, y sumado a la capacidad de clculo de los mtodos numricos, permitenprogramar poderosos instrumentos para resolver una variada gama de situaciones deingeniera, las cuales hace slo dos dcadas eran impensables de resolver porcomputadora.

  • Cap. I - Pg. 12

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figura I.2 (a) Figura I.2 (b)

    Los movimientos se logran desplazando el lugar vaco haciala derecha, izquierda, arriba y abajo respectivamente.

    Figura I.3

    A continuacin se discutirn ejemplos que muestran el proceso de generacinde alternativas y el tipo de conocimiento til para seleccionar la ms conveniente.

    Representacin de problemas mediante la utilizacin de grafos Existe un tipo de problema general para el que se conoce con precisin elestado inicial, el estado final u objetivo, y las reglas o movimientos permitidos.Dentro de este contexto, cada vez que se aplica una regla o movimiento vlido, elsistema cambia de un estado (por el ejemplo inicial) a otro.

    El problema consiste en encontrar la secuencia de movimientos o reglas aaplicar (con un sentido de ptimo o esfuerzo mnimo) que nos lleve al estado final uobjetivo. Por ejemplo, sea el sistema representado en la Figura (I.2 (a)). En ella semuestra el estado inicial del sistema. En la Figura (I.2 (b)) se muestra el objetivodeseado (se desea ordenar los componentes en forma creciente).

  • Cap. I - Pg. 13

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figura I.4: Expansin de nodos durante el proceso de bsqueda o generacin deestados.

    Dado el estado inicial del sistema, y el estado final u objetivo, nos faltandescribir las reglas o movimientos permitidos para lograr transiciones entre estados.Estas reglas tambin son llamadas operadores. Pueden considerarse funciones cuyodominio y rango son un conjunto de estados. Los operadores o reglas vlidas debenser descriptos, al igual que la representacin de los estados, en forma adecuada. Estaforma depende de cada problema. En el ejemplo que nos ocupa, los operadores estndescritos en la Figura (I.3). Aqu se muestra que cada elemento en el arreglo puedemoverse ocupando el hueco disponible. Es interesante notar que si se encuentra en unborde, las posibilidades de movimientos posibles o vlidos en cuanto a las direccionesse limitan. Obviamente esto puede plantearse en un lenguaje ms formal, pero aqunos basta con la comprensin de las reglas.

    Resumiendo, en la Figura (I.4 (a)) se indica un procedimiento general,mientras que la Fig. (I.4 (b)) se ejemplifican las posibilidades de movimientos uoperadores vlidos cuando se enfrenta el problema indicado en la Figura (I.2).

  • Cap. I - Pg. 14

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Para poder representar la transicin entre estados (en el ejemplo que nosocupa representado por un arreglo o matriz), es conveniente adoptar una metodologaconveniente. Para ello resultan muy tiles los grafos.

    Un grafo consiste en un conjunto (no necesariamente finito) de nodos.Ciertos pares de nodos estn interconectados por arcos. Cuando stos son dirigidosdesde un nodo hacia el otro, se los denomina grafos dirigidos. En un par dirigido(nodo ni hacia nj) se dice que el nodo nj es accesible desde el nodo ni, siendo steantecesor y el nodo nj el sucesor. As se puede encadenar una secuencia de nodos,definiendo un camino mostrando los sucesivos pares antecesores-sucesores. Un casoparticular de grafo es aquel en el cual los nodos estn vinculados de tal manera quepuede representarse segn una estructura de rbol jerrquico.

    El problema de encontrar una poltica de transiciones de estados (operadoresaplicados secuencialmente) puede asimilarse a la de encontrar un camino en el rboldirigido, en el cual cada nodo representa un estado y cada arco vinculante unoperador. Puede pensarse que para aplicar un operador o regla de transicin que noslleve desde un estado a otro debe pagarse un costo. El criterio ms simple es asignarun costo unitario a cada movimiento, con el propsito de poder contabilizar, y con ellominimizar el nmero de movidas para llegar desde el estado inicial hacia el objetivo;pero tambin puede asignarse un costo genrico Cij = c(ni, nj) a cada movida. Porejemplo puede asimilarse como proporcional a la distancia a recorrer entre ambosnodos (en un problema de transporte), o bien un costo en valor monetario, comoveremos en el Captulo II al tratar secuencias de destiladores ptimas, etc. En estoscasos se plantea el problema de encontrar un camino desde el estado inicial al final,que minimice el costo.

    En la Figura (I.5) se muestra la serie de operadores aplicados a un nodo (elinicial) obtenindose los nuevos sucesores. Este desarrollo se debe continuar hasta quese logre el suceso, esto es, encontrar la configuracin o estado objetivo buscado.Resulta evidente que a medida que el nmero de elementos a ser ordenados seincrementa, la cantidad de posibles estados (dimensin del rbol que se genera) creceen forma combinatoria. Por ejemplo para 8 elementos se tiene un espacio dedimensiones posible de analizar manualmente, pero para 15 el espacio resultaenormemente superior. Queda claro por lo tanto el concepto de explosin combinato-ria de alternativas. Este mismo inconveniente surge en cualquier problema de diseotecnolgico, como se discutir en el prximo captulo, por ejemplo al disear un trende separacin por destilacin de una mezcla de muchos componentes, en el diseoestructural de un edificio, etc. Las variantes estructurales son asombrosamenteenormes apenas se presenta el problema de seleccionar alternativas. Por lo tanto, paraproblemas que presentan un espacio de alternativas de elevada dimensin, resultanecesario recurrir a una estrategia de bsqueda que evite explorar a todas al azar, paratender a minimizar el costo de la bsqueda, o lo que es lo mismo, el nmero de nodos

  • Cap. I - Pg. 15

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    visitados antes del lograr el estado objetivo buscado. Para ello existen eficientesalgoritmos de bsqueda o procesamiento de grafos, de los cuales como ya menciona-mos los grafos dirigidos o rboles jerrquicos aqu utilizados son un caso particular.

    Un algoritmo genrico de bsqueda podra ser planteado de acuerdo alsiguiente esquema (segn lo bosquejado en la Figura (I.4 (a)):1) Asociar el nodo inicial o de partida al estado inicial.2) Generar los nodos sucesores aplicando los operadores posibles (reglas

    vlidas de transformacin de estados). Esta operacin (obtener todos lossucesores) se conoce como expansin del nodo. Los arcos que vinculan cadanodo origen con sus sucesores permiten definir el camino seguido desde elnodo (estado) inicial hasta cualquier estado generado durante el proceso deexpansin.

    3) En cada momento, luego de obtenido un estado, se lo compara con elobjetivo deseado: Si coincide, el proceso de bsqueda ha concluido. En estecaso el camino que une el nodo inicial con el nodo objetivo es la solucin alproblema. Si no coincide, debe continuarse el proceso de expansin.

    El algoritmo arriba descrito es muy general (Figura I.5). Por ejemplo, debepensarse en un criterio para detener el algoritmo si no encontramos la solucin, yaque en casos en los cuales el nmero de estados es infinito, o bien el punto de partidaes tal que no existe una solucin, el algoritmo se ejecutar durante un tiempo infinito.Adems, debe especificarse el criterio o proceso bajo el cual se expanden los nodos.Por ejemplo, un criterio ampliamente utilizado es expandirlos sistemticamente enel orden en el cual son generados. Este criterio se conoce en ingls como breadth-first,o hacia lo ancho o expansin lateral. Para el ejemplo que nos ocupa, en la Figura (I.6)observamos una expansin bajo este criterio, a partir del nodo inicial. El nmero enel vrtice de cada arreglo indica el orden en el cual los estados son generados.

    Otro criterio es el que expande el nodo generado ms recientemente. Estaestrategia es conocida en ingls como depth-first, o en profundidad. En la Figura (I.7)se indica esta expansin a partir del mismo estado inicial indicado en la Figura (I.6).La profundidad de un nodo se define sumndole uno a la profundidad del antecesor.Dado que en ciertos casos la profundidad alcanzada durante la expansin puede sermuy grande, es preferible acotar la misma con un parmetro de profundidad mximaa explorar o criterio de bsqueda. El criterio podra ser aquel que surge de preguntarseluego de recorrer el camino (rama) en cierta extensin y no haberse detectado lasolucin, si no es conveniente abandonar la bsqueda y retomarla desde un nodo (ocamino) ms prometedor. Una vez que se alcanza este nivel cota, o bien se obtiene unestado que no puede expandirse, debe regresarse hacia atrs en el rbol y expandirel nodo ms prximo de los antecesores que permita su expansin. En la prctica,para problemas de muy elevada dimensin (los que generalmente se dan en

  • Cap. I - Pg. 16

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figu

    ra I.

    5: Eje

    mpl

    o de

    ex

    pan

    sin

    de

    l nodo

    in

    icia

    l y su

    ceso

    res.

    La

    fle

    cha

    es el

    ca

    min

    o ha

    cia

    el obje

    tivo.

    ingeniera), explorar un rbol o grafo bajo estos criterios puede resultar sumamentecostoso (tiempo computacional).

  • Cap. I - Pg. 17

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Paralelamente, se debe disponer de capacidad de almacenamiento muygrande (para retener los estados intermedios). Por lo tanto, resulta de intersencontrar un criterio o estrategia de bsqueda que minimice el esfuerzo. Para ello seutilizan criterios que se basan no slo en la configuracin o formato de expansin delrbol o grafo de bsqueda, sino ms bien en alguna propiedad intrnseca de lasolucin buscada. Obviamente es muy difcil obtener este criterio a priori. Si pudieraestablecerse fcilmente, ello implicara que no existe el problema de bsqueda comotal, y la solucin sera trivial. Adems, cada tipo de problema contiene caractersticasespeciales y una buena estrategia para uno, no necesariamente resultar exitosa paraotro. Dentro de este contexto surge claramente el tema de la experiencia previa deljugador o experto. A este tipo de conocimiento emprico, no analtico, es el que engeneral se denomina conocimiento heurstico, o reglas del arte. Esto da origen a uncriterio de bsqueda heurstica, ms asociado al tipo de problema que a la estrategiaformal de bsqueda.

    De esta manera, ya sea segn una estrategia bsica de expansin enprofundidad o hacia lo ancho (lateral), se expandirn en primer lugar aquellos nodosmas promisorios, esto es, aquellos que sean ms adecuados segn el criterio heurstico(funciones de evaluacin).

    Por ejemplo, en nuestro problema puede plantearse como criterio heursticoexpandir primero el nodo caracterizado por el mayor nmero de elementos ordenados(una especie de medida de la distancia al objetivo o una aproximacin al menor costode bsqueda).

    Existen numerosos criterios para proponer funciones de costo o evaluacin.Por ejemplo, puede no slo contemplarse un criterio de bsqueda basado en ladistancia al objetivo, sino tambin agregando un criterio de costo asociado a labsqueda, por ejemplo el nmero de movidas realizadas. Es decir, que puedenutilizarse varios trminos contribuyendo cada uno de ellos independientemente. Deesta manera puede obtenerse una funcin de evaluacin o criterio de decisin queinvolucre la longitud del camino recorrido hasta un nodo (o la profundidad) a lafuncin anteriormente definida que expresa la distancia asociada al mismo. En estecaso entonces, y volviendo a nuestro ejemplo en la Figura (I.8), en el nodo origen(profundidad cero), tenemos para el criterio de seleccin del nodo a expandir,considerando los elementos desordenados y la distancia, el valor de (0+7). En elsegundo nivel, la funcin evaluacin adopta para los nodos los valores (6+1), (8+1),y (7+1), respectivamente, dado que la profundidad es uno en todos los casos.

    Por otra parte, en la funcin evaluacin, a cada trmino utilizado puedeafectrselo por factores ponderados, o lo que es lo mismo, asignarle peso relativo acada trmino que se incluya a la funcin de evaluacin. En efecto, puede plantearseuna combinacin lineal del tipo , donde el costo C es unaC . D Pcombinacin lineal del costo asociado a la distancia al objetivo (D) y el costo asignadoa la profundidad, o camino recorrido (P).

  • Cap. I - Pg. 18

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figu

    ra I.

    6: En

    es

    te ca

    so se

    ex

    pan

    den

    lo

    s n

    odo

    s ad

    opt

    ando

    la

    con

    ven

    cin

    de

    m

    over

    el

    es

    paci

    o en

    bl

    anco

    ha

    cia

    la d

    erec

    ha,

    la iz

    quie

    rda,

    ab

    ajo, ar

    riba,

    en

    es

    e ord

    en. La

    s ra

    mas

    se

    re

    corr

    en de

    sde

    izqu

    ierd

    a a

    dere

    cha. Lo

    s n

    mer

    os

    en el

    vr

    tice

    indi

    can

    ord

    en de

    ge

    ner

    aci

    n.

  • Cap. I - Pg. 19

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figu

    ra I.7

  • Cap. I - Pg. 20

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    Figura I.8

    Los valores . y son pesos relativos. Puede asumirse valores iguales odiferentes y ello depende de la utilidad prctica de la eleccin. Como regla general,slo un mtodo de prueba y error nos brinda los valores ptimos para cada problemaen particular. En nuestro caso se han considerado ambos factores de igual peso (launidad).

    En la Figura (I.8) se muestra la expansin utilizando como funcin deevaluacin el criterio recientemente discutido.

    Hasta aqu se ha introducido someramente a la problemtica, a los efectosde ilustrar diversos procedimientos y criterios para manejar problemas en los cualesse genera un espacio de soluciones combinatorio, esto es, explosivo apenas seincrementa el nmero de variables a considerar. Estos problemas son muy comunesen varios campos de la ciencia, y en particular, en el diseo en ingeniera. En efecto,ya mencionamos que este tipo de modelos se aplica entre otros, en el anlisis decadenas de smbolos (anlisis gramatical), en el anlisis matemtico simblico, en eldiseo en ingeniera (elegir una estructura entre mltiples alternativas, segn sediscutir en el Captulo II), el problema de generar algoritmos para diversos juegos-ajedrez entre otros-, en el transporte de recursos a diversas ubicaciones con una flotadisponible, sntesis de molculas, etc.

  • Cap. I - Pg. 21

    Modelado, Simulacin y Optimizacin de Procesos QumicosAutor: Nicols J. Scenna y col.ISBN: 950-42-0022-2 - 1999

    P

    M

    n

    k1Kk fk (x) d x

    Nuestro objetivo es comprender el tipo de modelo a utilizarse y su asociacincon los lenguajes de programacin necesarios o tiles para implementar computacio-nalmente los algoritmos correspondientes. Se sugiere al lector interesado enprofundizar estos temas la lectura de la bibliografa indicada al final del captulo.

    Descomposicin de problemas complejos. ParticinEn general, muchos problemas de elevada dimensin, desde un punto de

    vista sistmico (teora de sistemas), pueden ser encarados con cierta ventaja cuandoson particionados adecuadamente en diversos subproblemas, cuya solucin resultams fcilmente asequible. Desde luego que deber obtenerse la solucin global comouna composicin de las soluciones parciales obtenidas. Un ejemplo es el problema(anlisis matemtico simblico) de la integracin de una expresin dada (integralindefinida). Mientras que ciertas reglas de integracin nos permiten fcilmentedescomponer un problema en subproblemas (la integral de una sumatoria es igual ala sumatoria de las integrales), no resulta tan sencillo la aplicacin de la regla deintegracin de funcin de funciones, funciones transcendentes, compuestas, etc. Aqu,si no existen expresiones directamente contenidas en la tabla de integrales, deberecurrirse a ciertas manipulaciones o reglas (por ejemplo integracin por partes,sustituciones y procedimientos algebraicos adecuados, etc.). Adems, estasmanipulaciones no son nicas, por lo que se genera un espacio de alternativasposibles, de las cuales slo algunas resultarn conducentes a la solucin deseada.

    Es interesante notar que el problema referido puede representarse estructural-mente de una manera similar al anterior, esto es, utilizando grafos o rboles. Estarepresentacin puede visualizarse en la Figura (I.9) para la siguiente expresin:

    Aqu se aplican las reglas de la descomposicin de la sumatoria y lamultiplicacin por una constante. Como se observa, se genera una secuencia desubproblemas en un orden jerrquico que deber resolverse en la forma establecida(desde abajo hacia arriba