-
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