UNIVERSIDAD NACIONAL

JOSÉ FAUSTINO SÁNCHEZ CARRIÓN

FACULTAD DE INGENIERÍA QUIMICA Y METALURGICA

ESCUELA PROFESIONAL DE INGENIERIA QUIMICA

“SIMULACION DE PROCESOS QUIMICOS”

CURSO: SIMULACION Y OPTIMIZACION DE PROCESOS

CICLO: X

SEMESTRE ACADEMICO: 2020-I

DOCENTE: Guerra Lazo, Cayo Eduardo

ALUMNA: Lipa Padilla, Candy Thalía

HUACHO – PERÚ

2020
DEDICATORIA
El resultado de este trabajo de investigación, está
dedicado a todas aquellas personas que, de alguna
forma, son parte de su culminación. La
responsabilidad del contenido abarca una información
de gestión empresarial, que es indispensable para
nuestra formación y posterior especialidad fuera el
caso.

Autoría propia

1
AGRADECIMIENTO

Agradezco en primer lugar a Dios por darme las fuerzas

y la vida, a mis padres que con todo su esfuerzo y apoyo
me han apoyado en el transcurso de mi vida, a los
profesores e ingenieros que me inculcaron el saber y el
conocimiento en las aulas.

Autoría propia

2
 ÍNDICE
DEDICATORIA 1

AGRADECIMIENTO 2

SIMULACION DE PROCESOS QUIMICOS 5

2.1. Definición: 5

2.2. Metodología del modelamiento matemático: 6

2.3. Leyes fundamentales del modelamiento de procesos químicos: 8

2.4. Tipos de simulación: 9

2.5. Estructura de un Simulador de procesos: 11

2.5.1. Desarrollo de Módulos Generales para un Simulador Modular 12

2.6. Modos de operación de un simulador: Análisis, diseño y control: 13

2.7. Simuladores de equipo: 15

2.8. Simuladores de planta: 17

2.9. térmica del ciclo de Carnot está dado por la ecuación:n simulador de
procesos: 34

2.10. Casos ejemplo: 38

Desarrollo de un modelo 38

Tanque con descarga gravitatoria 46

Modelo dinámico 46
Modelo estacionario 52
Modelo adimensional 53
Análisis de sensibilidad 56
Tanque calefaccionado 57

Reactor refrigerado 60

Modelo dinámico 60
Modelo adimensional 62
Puesta en marcha 64
Apagado del reactor 67
Estudio de estabilidad 68
Instalación de un controlador 71 3
 ÍNDICE
Reactor productor de propilenglicol 77

Modelo dinámico 77
Puesta en marcha 80
Apagado del reactor 83
Estudio de estabilidad 84
Instalación de un controlador de temperatura 87
Instalación de un controlador de nivel 89
CONCLUSIONES 94
FUENTES DE INFORMACIÓN 95

4
 SIMULACION DE PROCESOS QUIMICOS

2.1. Definición:

Está definida como una técnica de proceso de rápida evaluación, teniendo como base en una
representación del proceso, usando varios modelos matemáticos. La simulación del proceso
se realiza mediante software de computadora y nos permite adquirir un mejor conocimiento
del comportamiento del proceso para poder evaluarlo. (Martinez, 2000)
Al simular un proceso químico, estaremos calculando de los balances de materia, energía y
eventualmente la cinética, termodinámica y velocidad de transferencia de un proceso cuya
estructura, y datos preliminares de los equipos que los componen, son conocidos.
La estrategia general del diseño de procesos químicos puede considerarse constituido por
tres etapas: Síntesis de procesos, Simulación de procesos y Optimización.

NECESIDAD

Síntesis de procesos

Balance de Materia y
Energía, Dimensiones y Simulación de procesos Optimización
Costos, Evaluación
económica preliminar

Diagrama de flujo del

proceso

La simulación de procesos puede plantearse de tres formas distintas:

a) El desarrollo de un programa específico de un proceso determinado en que las variables

están especificadas de antemano, o bien el programa pregunta sus valores antes de cada
ejecución.
El programa es flexible pero requiere de un gran tiempo de desarrollo, siendo solo apto para
el proceso en particular de que se trate, es decir, no puede crecer ni aplicarse a otros procesos,

5
aunque sean similares, y cada nueva simulación requerirá un tiempo de desarrollo
comparable.

b) El desarrollo de un conjunto de subprogramas organizados en bloques que unidos entre sí

representan el proceso completo.
Se puede simular unidades individuales gracias a la obtención de un biblioteca de
subprogramas.
Por ejemplo, pueden combinar fácilmente una unidad de control de presión con una unidad
de intercambio de calor para simular el calentamiento de un producto con vapor de agua
cuya presión está controlada mediante un controlador de presión. Por otro lado, también
puede seleccionar los datos de propiedades termodinámicas de los productos y el método de
convergencia de cálculo más rápido que dé una solución aceptable.

c) Los programas ejecutivos, que son programas de carácter general que simulan una clase
particular de procesos y seleccionan la técnica numérica más adecuada para la resolución
rápida de las ecuaciones de la simulación.
La ventaja que es la solución más sencilla pero queda restringido al proceso diseñado. Los
modelos de simulación desarrollados en el presente proyecto corresponden a éste tipo de
simulador de procesos.
Introducirnos al área de la simulación de procesos en Ingeniería Química nos hace recurrir
a la historia de la simulación en general, desarrollándose en forma paralela a la evolución de
las computadoras, en el siguiente apartado se presentan los puntos más relevantes.

2.2. Metodología del modelamiento matemático:

La utilidad que tiene el modelo en la simulación está principalmente en el diseño de una

planta nueva (en cuanto a su viabilidad) y el análisis de plantas en operación. Mediante los
cuales es posible determinar la sensibilidad de la planta a la variación de los parámetros
claves del proceso. Esto permite determinar los cambios que va a sufrir el sistema si se
modifican las condiciones de operación del proceso o de la planta, o bien si se cambian las
condiciones de proyecto de la planta.
El modelo del proceso también se presta al ensayo de varias configuraciones de control que
permitan optimizar el control del proceso, incluyendo el ahorro de energía, la mejora de los

6
rendimientos de fabricación y la conexión de los equipos con los sistemas de control
avanzado de la planta, (Solé, 1989).

Tradicionalmente el modelamiento de procesos ha sido usado para el diseño de diagramas

de flujo y para especificar sólo los parámetros importantes del equipo. Mientras tanto, otras
áreas de aplicación han venido incrementando importancia acorde con las etapas del ciclo
de vida de los procesos, desde síntesis a diseño, construcción, inicio, modificación y retiro,
tal como se muestra en el esquema, (Chemical Engineering, Nov., 1994)

Dentro de los principios básicos más importantes del modelado de los procesos químicos
están, (Tarifa, 2001).
a. El modelo matemático sólo puede ser una aproximación del sistema real, el cual
puede ser extremadamente complejo y aún no comprendido del todo. El mejor modelo
es el más simple que satisface las expectativas del ingeniero.
b. El modelado es un proceso continuo. Se debe comenzar modelando los fenómenos
principales y luego ir agregando los restantes si es que son necesarios. Es decir, se va
de menor a mayor, de un prototipo al modelo final. Tratar de enfrentar el problema de
una sola vez puede traer problemas.
c. El modelado es un arte, no hay reglas fijas, pero el premio es un profundo
conocimiento del sistema en estudio. Muchas veces, el problema que se quiere resolver
con el simulador se resuelve en la etapa del modelado; es decir, antes de completar el
simulador.
d. El modelo debe ser realista y robusto. Las predicciones del modelo deben estar de
acuerdo con las observaciones y no debe ser demasiado sensible a cambios en los
parámetros o variables de entradas.

7
Los pasos para encarar la construcción de un modelo son, (Tarifa, 2001).

a. Definición de los objetivos del modelo: Es de suma importancia establecer

claramente qué es lo que se espera del modelo. Esto implica la definición de las
fronteras del sistema a modelar, de la exactitud necesaria, de la necesidad de conocer
la evolución en el tiempo, etc.
b. Formulación de un modelo físico: Se identifican los fenómenos más importantes
que se llevan a cabo en el sistema.
c. Balances (estacionarios o dinámicos): Se escriben los balances de materia,
energía, etc.
d. Propiedades: Se obtienen o estiman los valores para las propiedades físicas
químicas que intervienen en los balances.
e. Suposiciones considerando los objetivos: Se realizan las simplificaciones en el
modelo considerando los objetivos.
f. Consistencia matemática: El grado de libertad del modelo.
g. Se resuelve el modelo: utilizando algún método matemático analítico o numérico
(simulación).
h. Perfeccionamiento: Si los resultados obtenidos con el modelo no son satisfactorios,
entonces se repite el ciclo adoptando suposiciones menos restrictivas. En esta etapa se
puede sugerir la adquisición de nuevos datos experimentales.

2.3. Leyes fundamentales del modelamiento de procesos químicos:

Las leyes fundamentales que gobiernan a los procesos químicos son:

a. Balance de masas:
Según el principio de conservación de masas, el flujo de masa que entra en el sistema menos
el flujo de masa que sale del sistema es igual a la velocidad de cambio de masa dentro del
sistema, (Solé, 1989). Los primeros pasos para definir el balance de materia incluyen
seleccionar las fronteras del sistema, identificar todas las corrientes de entrada y salida, es
decir todos los flujos de materia que atraviesen las fronteras del sistema, e identificar las
sustancias químicas que contiene cada corriente. (Reklaitis, 1989)

8
b. Balance de componentes:
Dado que en una reacción química ocurre un reordenamiento de los átomos y las moléculas,
formando compuestos moleculares diferentes, mientras disminuye el número de moles de
una especie reactante, aumenta el número de moles del producto en un sistema reaccionante.

c. Conservación de la energía o balance de energía:

El balance de energía es importante cuando la temperatura afecta las variables que nos
interesan estudiar. Por ejemplo, en un reactor la conversión será afectada por la temperatura
a través de la constante cinética; a su vez, la reacción afectará a la temperatura mediante la
generación de calor.

d. Transferencia de materia, energía y momentum:

Las ecuaciones de transporte permiten calcular la rapidez con que una propiedad (masa,
energía y momentum) se transfieren de un punto del sistema a otro). Esta rapidez de
transferencia se expresa como un flujo de la propiedad por unidad de área y es directamente
proporcional a un gradiente de la propiedad en una o varias coordenadas espaciales,
(Martinez, 2000)

2.4. Tipos de simulación:

De acuerdo a la naturaleza del modelo empleado, la simulación puede ser por

(Fishman,1978):

Identidad: Es cuando el modelo es una réplica exacta del sistema en estudio, es la que
utilizan las empresas automotrices cuando realizan ensayos de choques de automóviles
utilizando unidades reales.
Cuasi-Identidad: Se utiliza una versión ligeramente simplificada real. Por ejemplo: los
entrenamientos militares que incluyen movilización de equipos y topas pero no se lleva
a cabo una batalla real.
Laboratorio: Se utiliza modelos bajo las condiciones de un laboratorio. Se pueden
distinguir dos tipos de situaciones.
Juego operacional: Personas compiten entre ellas forman parte del modelo, la otra
parte consiste en computadoras, maquinaria, etc. Es el caso de una simulación de
negocios donde las computadoras se limitan a recolectar la información generada por
9
 cada participante y a presentarla en forma ordenada a cada uno de ellos.
Hombre – Máquina: Se estudia la relación entre las personas y la máquina. Las
personas también forman parte del modelo. La computadora no se limita a recolectar
información. Sino que también la genera. Un ejemplo de este tipo de simulación es el
simulador de vuelo.
Por su naturaleza
Simulación por computadora: El modelo es completamente simbólico y esta
implementado en un lenguaje computacional. Las personas quedan excluidas del
modelo. Un ejemplo es un simulador de un sistema de redes de comunicación donde la
conducta de los usuarios esta modelada en forma estadística.
Se puede dividir en:

 Digital: Cuando se utiliza una computadora digital.

 Analógica: Cuando se utiliza una computadora analógica. En este grupo también se
pueden incluir las simulaciones que utilizan modelos físicos.
La simulación por computadora está compuesta por:
 Un modelo: Conjunto de ecuaciones, variable y estadística.
 El evaluador: es al conjunto de procedimiento que procesaran el modelo para
obtener resultados de la simulación.
 La interfaz: recibe las acciones del usuario y representa los resultados de la
simulación en una forma adecuada.
(Scenna, 1999)
Clasificación de simulación de procesos:
“simulación como aquella en la cual proponemos ciertos valores de entrada al simulador o
programa de simulación para obtener ciertos resultados o valores de salida, tales que estiman
el comportamiento del sistema real bajo esas condiciones.” Según (Ramirez, 2005) en su
investigación para optar el título de Ingeniero Químico.
Las herramientas de simulación pueden clasificarse según diversos criterios, por ejemplo,
según el tipo de procesos (discreto o continuo), si involucra el tiempo (estacionario o
dinámico -incluye a los equipos batch-), si maneja variables estocásticas o determinísticas,
variables cuantitativas o cualitativas, etc. A continuación se expondrán brevemente las
características de los distintos tipos de herramientas de simulación generalmente utilizadas.

10
Las técnicas de simulación pueden clasificarse según diversos criterios, por ejemplo, según
el tipo de procesos (continuo o discontinuo), si involucra el tiempo (estacionario o
dinámico), las técnicas a emplearse en los módulos para la simulación de procesos
termodinámicos son en su mayoría del tipo en estado estacionario, así mismo los utilizados
para la simulación de la cinética de la reacción son del tipo de simulación dinámica. En la
tabla 1.1 se presenta un detalle de la clasificación.
Tabla 1. Clases de simulación de procesos.

Clasificación Tipos Descripción

Estudia las relaciones causales y las tendencias
Cualitativa
temporales cualitativas de un sistema
Describe numéricamente el comportamiento de
Cuantitativa un proceso, a través de un modelo matemático
Tipo de
del mismo.
variable
Resuelve los balances de un sistema no
Estado estacionario
involucrando la variable temporal
Plantea los balances en su dependencia con el
Estado dinámico
tiempo
El sistema no contiene ningún elemento
Determinístico aleatorio, las ecuaciones dependen de Tipo de
Tipo de parámetros y variables conocidas con certeza
fenómeno El sistema posee ciertas variables están sujetas
Estocástico a incertidumbre, que puede ser expresada por
funciones de distribución de probabilidad.
Las relaciones funcionales del sistema sólo
Evento discreto permiten que el estado varíe en un conjunto
Tipo de finito (contable) de puntos temporales.
evento Las relaciones funcionales entre las variables
Evento continuos del sistema sólo permiten que el estado
evolucione en el tiempo en forma continua
Fuente: (Ramirez, 2005)

2.5. Estructura de un Simulador de procesos:

Para comprender el desempeño de un simulador modular secuencial es necesario estudiar la

estructura y la arquitectura del mismo. Básicamente podríamos diferenciar en principio tres
funciones o secciones perfectamente diferenciadas:

11
 Tabla 2. Estructura de una simulación de proceso

Biblioteca de Módulos de
La lógica central o lógica Sistema de Estimación de
Equipos en un Simulador
general del simulador Propiedades Fisicoquímicas
Modular Secuencial
comprende principalmente las En un simulador de procesos de En un simulador de procesos, con
siguientes subsecciones: alcance general, el sistema de los módulos representativos de
estimación de propiedades los equipos y fisicoquímica
- La sección de entrada. fisicoquímicas es prioritario. Dado asociada a los mismos, se tiende
-La sección de salida de que se deberán simular diversos a reproducir la operación real de
resultados. tipos de mezclas, de la planta, generando las
-La lógica general de comportamiento ideal y no ideal, transformaciones necesarias para
administración. sistemas bifásicos y/o trifásicos, alcanzar el producto deseado. La
potencial presencia de electrólitos adecuada selección de las
La lógica general de y/o sólidos, constantes de variables especificadas y de los
administración propiamente dicha equilibrio en reacciones químicas, parámetros de funcionamiento
es la que está encargada de etc; resulta indispensable para los módulos; sus modos de
administrar los distintos procesos disponer de un banco de modelos cálculo y la fisicoquímica
que deben ejecutarse para lograr para la estimación de un número correspondiente son los
la simulación de un proceso dado. importante de propiedades responsables de la convergencia
Es decir que deberá procesar el fisicoquímicas en todas las o no del sistema y del tiempo de
diagrama de flujos, decidir si situaciones mencionadas. En cómputo total utilizado; y además,
puede resolverse en una efecto, debido a que los cálculos del grado de aproximación de los
secuencia lineal o si existen ingenieriles involucran diversas resultados provistos por el
reciclos, seleccionar sobre cuáles propiedades tales como simulador al comportamiento de la
variables deberá iterarse, conductividades térmicas, planta real. Debe notarse al
determinar en función de las capacidades caloríficas, respecto que si bien la mayoría de
corrientes de corte el orden en el viscosidad, densidad, difusividad, los simuladores comerciales
cual serán resueltos los equipos, constantes de equilibrio, etc.; existentes poseen cierto grado de
etc. Esto es, deberá manipular un tanto para sustancias puras como selección “automático” para
banco de algoritmos como los para mezclas de diversa índole, algunas de las variables arriba
descritos en el Capítulo IV que se comprende la magnitud de la mencionadas, (por ejemplo un
permitan, dado el DFI de la planta, tarea si se pretende contar con un sistema experto que recomienda
realizar el rasgado, particionado y sistema adecuado. Por lo general métodos de cálculo de
ordenamiento o secuencia de los simuladores comerciales propiedades fisicoquímicas para
resolución. siempre disponen de la opción de una mezcla dada), la
permitir al usuario incorporar sus responsabilidad de las hipótesis
propias correlaciones ante el caso adoptadas, los niveles de cálculo
de ausencia de métodos seleccionados, y la interpretación
adecuados para el cálculo de de los resultados, será siempre
alguna propiedad en un caso una tarea exclusiva del operador
particular del simulador, es decir el
ingeniero de procesos
Fuente: (Scenna, 1999)

2.5.1. Desarrollo de Módulos Generales para un Simulador Modular

En general, los itemes a tener en cuenta para abordar el desarrollo de módulos de simulación con el
objeto de utilizarlos acoplados a la estructura de un simulador de procesos de propósitos generales
son los siguientes:
 Esquema de funcionamiento de un módulo generalizado: Se deben considerar las
posibles variantes acerca de los distintos tipos de datos conocidos (corrientes de entrada,

12
 salidas, etc.), los grados de libertad, parámetros, filosofía de cálculo, relación con el sistema
general, etc.
 Interrelación módulo de equipo-base de datos: Aquí analizaremos la descripción de la
estructura general de conexión (intercambio de datos) entre el módulo de simulación
(equipo) y el sistema de almacenamiento de datos del simulador (constantes fisicoquímicas,
parámetros de equipos, sistema de entrada-salida, etc).
 Selección de parámetros de equipos: En este punto se describe la estructuración del
módulo de acuerdo a las necesidades de la operación a simular. Esto es, definir los grados
de libertad del sistema, los parámetros a fijar según los mismos, etc.
 Niveles de cálculo: En este punto se identifica la rigurosidad del cálculo que se desea (grados
de simplificación).
 Interrelación módulo de equipo-fisicoquímica: Describe el esquema que relaciona los
módulos de equipos con los programas de estimación de propiedades fisicoquímicas.

2.6. Modos de operación de un simulador: Análisis, diseño y control:

 Modos de Cálculo: En este caso el tipo de módulo se puede definir como un

intercambiador de calor sin cambio de fase ya que en las ecuaciones planteadas (y
simplificadas) no se contempla el cambio de fase en ninguna corriente.
 Modo de diseño: De acuerdo con unas condiciones de proceso requeridas se parte de un
desempeño deseada para encontrar las especificaciones del proceso o equipo que ermitan
cumplir con esas condiciones.
 Modo de evaluación: De acuerdo con unas especificaciones de diseño suministradas al
simulador. Se evaluara el funcionamiento de un proceso o equipo para cumplir con unas
condiciones de proceso específicas.

En la enseñanza-aprendizaje de la carrera Ingeniería Química existen tres tipos de

problemas que pueden resolverse por medio de Simulación de Procesos:

1. En la simulación de un problema (análisis), donde son especificadas las variables

asociadas con las corrientes de alimentación y las variables de diseño de los módulos
unitarios. Las incógnitas son las variables asociadas con todas las corrientes
adicionales y con las corrientes de producto que salen del proceso. Es decir, se conocen
las alimentaciones y los parámetros de los equipos, y las incógnitas son las condiciones
de las corrientes de salida.

13
 2. El problema de diseño es similar al problema de simulación, excepto que algunas
de las variables de diseño no están especificadas y se imponen restricciones a algunas
variables de las corrientes (regularmente sólo restricciones de igualdad). El número de
restricciones es igual al número de variables de diseño sin especificar. En el diseño se
conocen las alimentaciones y las condiciones principales de las corrientes de salida, y
las incógnitas son las dimensiones y especificaciones de algunos parámetros de los
equipos.
3. En el problema de optimización, las variables asociadas con las corrientes de
alimentación y las variables de diseño pueden no estar especificadas, entonces es
necesario agregar una función de costo al modelo. Las variables sin especificar se
determinan de modo que se minimiza la función objetivo.
Aplicación de la simulación de procesos en Ingeniería Química:
 Detección de cuellos de botella en la producción.
 Predicción de los efectos de cambios en las condiciones de operación y
capacidad de la planta.
 Optimización del proceso cuando cambian las características de los insumos
y/o las condiciones económicas del mercado.
 Evaluación de alternativas de proceso para reducir el consumo de energía.
 Análisis de condiciones críticas de operación.
 Transformación de un proceso para desarrollar otras materias primas.
 Análisis de factibilidad y viabilidad de nuevos procesos.
 Optimización del proceso para minimizar la producción de desechos y
contaminantes.
 Entrenamiento de operadores e ingenieros de proceso.
 Investigación de la factibilidad de automatización de un proceso.
(Martinez, 2000)

La variedad de aplicaciones de los simuladores de procesos es muy grande. En el pasado

sólo era usado en el diseño de procesos, ahora se manejan simuladores en ingeniería
ambiental, ingeniería de procesos, investigaciones científicas y tecnológicas.
En las diferentes etapas de un proyecto, puede haber necesidad de realizar simulaciones con
diferentes niveles de sofisticación, tal como se describe a continuación en la tabla 1.2:

14
 Tabla 3.Aplicaciones de la simulación de procesos en las etapas de un proyecto.
Etapas del proyecto Aplicaciones de la simulación
Investigación y desarrollo Prueba de factibilidad técnica y económica del proyecto.
Etapa crítica en la toma Evaluación de diferentes alternativas de proceso y condiciones de operación y
de decisiones se toman decisiones
Planta piloto Obtener mejores estimaciones de las condiciones de operación a escala
industrial.
Diseño Proporciona todos los datos de proceso requeridos para el diseño detallado de
los diferentes equipos.
Simulación de plantas Cuando es necesario cambiar las condiciones de operación, o cuando se
existentes quieren sustituir materias primas

2.7. Simuladores de equipo:

Equipos Divisores de Corrientes: Constituye el equipo de mayor facilidad de resolución

ya que no existen relaciones de equilibrio ni transferencia. Simula la división de una cañería
(ducto) en varias y la variable de diseño será la relación de caudales de corrientes de salida
a corriente de entrada.
Equipos Sumadores o Mezcladores: Estos son muy comunes dentro de cualquier
simulador de procesos y constituye uno de los módulos elementales. Representan la
operación de conexión de cañerías cuyos fluidos pueden tener distintas composiciones,
temperaturas y estados de agregación por lo cual debe contemplarse para su modelado las
ecuaciones representativas del equilibrio entre fases, además del balance de materiales.
También debe contemplarse si existe la posibilidad de reacciones químicas, etc.
Equipos de Intercambio Calórico: Como se ha mencionado anteriormente, un típico
módulo es el que representa a los intercambiadores de calor con dos entradas y dos salidas
que simula la operación convencional de un equipo de intercambio. Un conjunto de
parámetros característicos está representado por el parámetro (UA) como se ha detallado
anteriormente.
Intercambiadores rigurosos con geometría dada: Este nivel de equipo estima el
comportamiento de los fluidos con mayor rigurosidad que los anteriores y consecuentemente
sus ecuaciones de balance y relaciones funcionales serán mucho más complejas.
Equipo de Contacto Directo entre fases: Estos equipos son de mayor importancia en un
sistema de simulación. Involucran todas las operaciones de separación por contacto directo
como ser líquido (extracción), gas-líquido (destilación, absorción, strippers, etc.).

15
Equipos de separación flash: Los equipos de separación flash simulan la evaporación
súbita de una (o varias corrientes). El caso típico es el flujo a través de una restricción, cuya
caída de presión en forma adiabática provoca una vaporización parcial, debido a lo cual en
un tanque posterior puede lograrse la separación en las fases líquido y vapor
respectivamente. Una situación más compleja puede contemplar dos fases líquidas y un
vapor.
Bombas y Válvulas: El módulo simplificado de ambos equipos es similar. En una bomba,
la variable de diseño será la presión de descarga, lo mismo que en la válvula, no
contemplándose los cambios entálpicos de las corrientes por motivo de la variación de
presión. Para ambos casos, versiones más rigurosas implican cálculos más complicados.

Compresores y Expansores: Estos equipos en la generalidad de los casos representan

evoluciones de compresión y expansión politrópica. En las versiones simplificadas se
requerirá como variable especificada la presión de descarga, con la cual mediante algoritmos
iterativos se logra el cálculo de las propiedades de las corrientes de salida y el trabajo
necesario a proveer (compresores) o entregado (expansores).

Equipos Especiales o Controladores: La interpretación tradicional de la herramienta de

simulación (modular secuencial) es la reproducción del funcionamiento de un equipo
seleccionando como variable de diseño los parámetros característicos de su funcionamiento;
tomando como datos los valores de las corrientes de entrada y obteniendo como resultado
las variables de las corrientes de salida.
Módulos de equipos con especificación de salida fija: En este caso se consigue el efecto
de mantener una variable en el valor deseado utilizando módulos de equipos programados
para tal fin. Esto se logra habiendo desarrollado el modelo incorporando precisamente la
información de la variable especificada (que se desea fijar en un valor) como una ecuación
más; que define precisamente esa asignación. Por ejemplo, un nodo divisor puede ser
programado de tal forma que asigne a una de sus salidas un valor de caudal (o composición
para uno de los componentes de la mezcla) en un valor dado. Para ello deberá obviamente
calcularse (en función de los grados de libertad), la relación de partición entre corrientes
(variable resultado del equipo en este caso) para cumplir con la especificación deseada. En
este divisor la variable especificada será el caudal de una de las corrientes de salida, y el
resultado de la operación del mismo será el coeficiente de partición definido como el

16
cociente: caudal de la corriente de salida/ caudal de la corriente de entrada. Estos módulos
deben ser utilizados cuidadosamente para evitar configuraciones en las cuales se violen los
grados de libertad totales del sistema (diagrama de flujo de la planta completa), o bien
cuando se especifican valores incoherentes.

Módulos controladores "feedback": Los algoritmos de controladores feedback (o por

retroalimentación) en un simulador estacionario modular secuencial son “equipos” cuyo
objetivo es operar sobre un parámetro o variable de la corriente denominada manipulada en
función de otro parámetro o variable de la corriente llamada variable controlada. En realidad
no se trata de un módulo que representa un equipo de planta equivalente a una operación
unitaria sino que impone en la operación de simulación un “control” para forzar la
convergencia hacia el valor especificado. Debe remarcarse en este caso que la analogía
lingüística no debe llevarnos a confusión respecto del uso de un módulo de este tipo en
simulación estacionaria, y el funcionamiento de un controlador en un proceso real.

Figura 1. Esquema de un módulo controlador. Se "controla" la composición de un componente en el

producto manipulando el caudal de una de las corrientes que ingresa al reactor. (Ramirez, 2005)

2.8. Simuladores de planta:

Principio básicos del proceso: El ciclo ideal (o básico) utilizado es el cual opera
reversiblemente y consiste en dos etapas isotérmicas conectadas mediante dos
etapas adiabáticas. En la etapa isotérmica a temperatura más elevada, TH, el calor |
QH | es absorbido por el fluido de trabajo de la máquina, mientras que en la etapa
isotérmica a temperatura más baja, TC, el calor | QC | es desechado por el fluido.
17
 El trabajo producido es | W | = | QH | - | QC |, y la eficiencia térmica del ciclo de
Carnot está dado por la ecuación:

Aquí puede observarse que, η aumenta al incrementarse TH y al decrecer TC, así

también al aumentar la temperatura promedio a la cual el calor es absorbido y
cuando disminuye la temperatura promedio a la cual el calor es expulsado.
La energía producida por la turbina es mucho mayor que la requerida por la bomba,
y el egreso neto de energía es igual a la diferencia entre la velocidad de ingreso de
calor en la caldera |H Q | y la velocidad de expulsión de calor en el condensador |C
Q |. (Van Ness, 1997).

Figura 2. Planta de energía de vapor simple (Van Ness, 1997).

Los cambios de propiedades del fluido a medida que fluye a través de las piezas
individuales del equipo se pueden mostrar como líneas en un diagrama TS1, como se
presenta en la figura 3.2. La secuencia de líneas representa el ciclo de Carnot. En
ésta idealización la etapa 1→2 es la absorción isotérmica de calor a TH, y se
representa por una línea horizontal en el diagrama TS. Este proceso de vaporización,
también se efectúa a presión constante y produce una corriente de vapor saturado a
partir de agua líquida saturada. La etapa 2 →3 es una expansión adiabática,
reversible, de vapor saturado hasta una presión a la cual Tsat=Tc. Este proceso de
expansión isentrópica está representado por una línea vertical en el diagrama TS y
produce un vapor que está húmedo; la etapa 3 →4 es el desprendimiento isotérmico
de calor a la temperatura Tc, y está representado por la línea horizontal en el diagrama
TS, es un proceso de condensación, pero es incompleto.

18
La etapa 4 →1 lleva el ciclo de nuevo a su origen, produciendo agua líquida saturada
en el punto 1, es un proceso de compresión isentrópica representado por una línea
vertical en el diagrama TS, (Van Ness, 1997).

Figura 3.Ciclo de Carnot en un diagrama TS (Van Ness, 1997)

Existen severas dificultades prácticas en la operación del equipo que pretende

realizar las etapas 2 →3 y 4 →1, dado que las turbinas que reciben vapor saturado
producen una emisión con alto contenido líquido, lo cual causa graves problemas de
corrosión. Aún más difícil es el diseño de una bomba que recibe una mezcla de
líquido y vapor (punto 4) y descarga líquido saturado (punto 1), (Van Ness, 1997).

La etapa de calentamiento 1 →2 se lleva a cabo más allá de la vaporización para

producir vapor sobrecalentado y, también la etapa de enfriamiento 3 →4 lleva a cabo
una condensación completa, produciendo líquido saturado para ser bombeado a la
caldera.

El ciclo de Rankine en las cuatro etapas mostradas en la fig. 5, las cuales se describen
a continuación, (Van Ness, 1997)

1→2: Un proceso de calentamiento a presión constante en una caldera. La etapa

queda a lo largo de una isobara (la presión de la caldera), y consiste en tres secciones:
calentamiento de agua líquida subenfriada hasta su temperatura de saturación,
vaporización a temperaturas y presión constantes y sobrecalentamiento del vapor a
una temperatura definidamente superior a su temperatura de saturación.
2→3: Expansión (isentrópica) reversible y adiabática de vapor en una turbina hasta
la presión del condensador. La etapa cruza normalmente la curva de saturación,
19
 produciendo una descarga húmeda. Sin embargo el sobrecalentamiento logrado en la
etapa 1 →2 corre la línea vertical suficientemente lejos a la derecha en la figura 3.3
como para que el contenido en humedad no sea demasiado grande.
3→4: Un proceso a presión y a temperaturas constantes en un condensador para
producir líquido saturado en el punto 4.
4→1: Bombeo isentrópico, reversible y adiabático del líquido saturado a la presión
de la caldera, produciendo líquido subenfriado. La línea vertical es muy corta, debido
a que el aumento de temperatura asociado con la compresión de un líquido es
pequeño.

Las plantas de energía se pueden construir para que operen en un ciclo que parte del
ciclo de Ranking solamente debido a las irreversibilidades de las etapas que producen
y requieren trabajo, (Van Ness, 1997).

El rendimiento del ciclo Rankine es dependiente de la temperatura promedio a la cual

se añade el calor, y de la temperatura promedio a la cual el calor es cedido, por lo
tanto cualquier cambio que aumente la temperatura promedio a la cual el calor se
suministra o que disminuya la temperatura promedio a la cual el calor es cedido,
incrementará el rendimiento del ciclo Rankine.

Figura 4.Ciclo de Rankine en un diagrama TS (Van Ness, 1997)

Las condiciones de operación de esta figura serán descritas a continuación, (Van Ness,
1997). De las cuales son la base para el desarrollo de la Simulación de una Planta de
Potencia de Vapor correspondiente al módulo de Termodinámica Clásica.

20
Figura 5.Planta de energía de vapor con calentamiento del agua de alimentación (Van Ness, 1997).

Planteamiento del problema:

 En el proceso representado en la figura 3.3, las condiciones de operación de la caldera
son 8,600 kPa y 500 ºC y la presión de descarga de la turbina, 10 kPa. El condensador
produce un ligero enfriamiento del condensado, fijando la temperatura del agua
líquida del condensador a 45 ºC. La bomba del agua de alimentación causa un ligero
aumento de temperatura de 1 ºC, haciendo que la temperatura del agua de
alimentación que entra a la serie de calentadores sea de 46 ºC.
 Se ha especificado la temperatura para la corriente de alimentación que entra a la
caldera de 226 ºC, así también los cuatro calentadores del agua de alimentación
alcanzan el mismo incremento de temperatura.
 El vapor suministrado a un calentador del agua de alimentación debe estar a una
presión suficientemente elevada para que su temperatura de saturación sea más alta
que la temperatura de la corriente del agua de alimentación que sale del calentador.
 El condensado de cada calentador del agua de alimentación se lanza a través de una
válvula de estrangulamiento al calentador que tiene la siguiente presión más baja, y
el condensado que se recolecta en el calentador final de la serie se lanza dentro del
condensador. Así todo el condensado regresa del condensador a la caldera por vía de
los calentadores del agua de alimentación.
 El propósito de calentar de ésta forma el agua de alimentación es elevar la
temperatura promedio a la cual el calor se añade a la caldera, lo que eleva la eficiencia
térmica de la planta, operando por tanto bajo un ciclo de regeneración.

21
Definición de variables:
Identificando las variables del proceso en estudio, podemos clasificarlas en:
1. Variables de diseño
2. Parámetros de operación
a. Variables de entrada
b. Variables de proceso
c. Variables de salida
 Variables de diseño
Las variables de diseño corresponden a especificaciones de los equipos
involucrados en el proceso, las cuales pueden variarse sólo modificando el
equipo; para este proceso se identifican las siguientes variables de diseño:

Tabla 4.Variables de diseño en Simulación de Planta de Potencia de Vapor

 Parámetros de operación
Las variables o parámetros de operación son las que pueden ser modificadas de
acuerdo a los requerimientos o capacidades del proceso. En el proceso se
identifican:
a. Variables de entrada

Tabla 5. Variables de entrada en Simulación de Planta de Potencia de Vapor

b. Variables de proceso

22
 Tabla 6. Variables de proceso en Simulación de Planta de Potencia de Vapor

c. Variables de salida

Tabla 7.Variables de salida en Simulación de Planta de Potencia de Vapor.

Modelamiento del proceso

Tal como se muestra en la Fig 5 se identifican las siguientes unidades de proceso:
1. Caldera
2. Turbina
3. Calentador
4. Condensador
5. Bomba

23
1. Modelamiento de caldera
El modelamiento de la caldera deberá dar como resultado el calor proporcionado para
elevar la temperatura del agua de 226 ºC a 500 ºC trasformando el líquido comprimido
a vapor sobrecalentado en un proceso a presión constante.

Figura 6.Unidad de proceso: Caldera. (Chapra, 2007)

Para un proceso a presión constante, el calor proporcionado en la caldera será:

Balance de energía:

Relaciones termodinámicas:

2. Modelamiento de turbina
La unidad de proceso correspondiente a la turbina, está constituido por 5 secciones, de
distintas presiones (de mayor a menor presión) y con la misma eficiencia, en la cual
cada una porción del vapor exhausto se destina a un calentador y la otra porción a
siguiente sección de turbina, produciendo su respectivo trabajo de potencia individual.
El proceso de generación de potencia en la turbina corresponde a una expansión
isentrópica (Entropía constante), involucrada su correspondiente eficiencia térmica, es
determinado el trabajo real producido y las condiciones del vapor a la salida de cada
sección de turbina.

Figura 7. Unidad de proceso: Turbina

24
Para un proceso isentrópico (entropía constante), el balance de energía en la turbina
es:

El cambio de entalpía real es:

El trabajo para la sección i de turbina, es:

El valor de la entalpía a la salida de la turbina es entonces:

Relaciones termodinámicas:

A condiciones ideales:

Y bajo condiciones reales:

3. Modelamiento del calentador

El calentador es utilizado para recuperar parte de la energía a la salida de cada sección
de turbina para precalentar el agua de alimentación a la caldera. El modelamiento para
esta unidad de proceso es la siguiente:

25
 Figura 8.Unidad de proceso: Calentador.

Balance de materia en el sistema I:

Fo = f1 + m

Balance de materia en el sistema II:

fo + m = fs

Balance de energía en el sistema II:

De la ecuación de balance de energía:

 mS H S  m EH E  0

para el sistema II:

( f S H S  F H 2 )  (m H 3  F H 1  fo H 4 )  0

sustituyendo la ec. 3.8 en la ec. 3.10, y despejando para “m”, el vapor extraído de la
turbina hacia el calentador, se obtiene:

Relaciones termodinámicas:

^ ^
H 1 = H Entalpía líquido comprimido (T1,P1 = 8600 kPa)
^ ^
H 2 = H Entalpía líquido comprimido (T2,P1 = 8600 kPa)
^ ^

H 3 = H Entalpía vapor sobrecalentado, saturado o húmedo (T3,P3)

^
^

26
 H 4 = H Entalpía líquido saturado (T4, Psat)
^ ^
H 5 = H Entalpía líquido saturado (T5,Psat)

4. Modelamiento del condensador

El condensador recibe el vapor exhausto de la última sección de la

turbina, así como el total de líquido saturado obtenido en la serie de
calentadores. El modelamiento del condensador es el siguiente:

Figura 9. Unidad de proceso: Condensador.

El balance de materia resulta:

F = fo + R

De la ecuación de balance de energía:

^ ^

 mS H S  m EH E  0

el balance de energía en el condensador es:

^ ^ ^ ^ ^
(V H B  F H 2 )  ( fo H 1  R H R  V H A )  0

despejando para el flujo de agua de enfriamiento “V”:

^ ^ ^
fo H 1  R H 3  F H 2
^ ^ V
H B H A

27
 ^ ^
Relaciones termodinámicas, proceso a presión constante:
^
H 1 = Entalpía vapor húmedo (P1, Tsat), salida de última sección de turbina
^
H 2 = Entalpía líquido saturado (P1, Tsat), salida del condensador
^
H 3 = Entalpía líquido saturado (T3, Psat), salida de último calentador
^ ^
H A , H B =Entalpía líquido saturado (TA , TB, respectivamente), agua de enfriamiento.

5. Modelamiento de bomba

La bomba es utilizada para impulsar el agua de alimentación condensada hacia la serie de

calentadores, y posteriormente a la caldera, incrementado relativamente la presión con un ligero
incremento de temperatura, cambiando las condiciones de líquido saturado a líquido
comprimido en un proceso isentrópico.

El modelamiento para la bomba es el siguiente:

Figura 10. Unidad de proceso: Bomba.

Para un proceso isentrópico, (entropía constante), el trabajo está dado por:

P2

WS = (∆H)S = - VdP
Pa

Integrando:
WS = (∆H)S = - V (P2 – P1)

donde V = Volumen específico del agua.

El cambio de entalpía es:

H S
H 
B
28
 El cambio de temperatura que se experimenta en la bomba viene dado por:

Donde:
β = coeficiente de expansividad volumétrica.
Cp = capacidad calorífica a presión constante

También, es posible determinar el cambio de temperatura mediante un proceso

iterativo de acuerdo a la siguiente relación:

Donde T1, P1 y P2, son conocidos

Y dado que ∆H puede determinarse por medio de las ecs. 3.16 y 3.17, se busca la H
2 que cumpla la ecuación 3.19 y por tanto su correspondiente T2, y con este valor:
∆T = T2 – T1.

29
Simulación del proceso:

De acuerdo a la naturaleza del proceso en estudio, en cuanto a las variables y

ecuaciones que modelan cada unidad individual, la técnica de simulación que más
conviene aplicar es la Simulación modular secuencial, puesto que aplicar el método
orientado a ecuaciones resultaría un sistema bastante complejo de difícil
convergencia con un método matemático tradicional (p. ej Método de Newton), así
mismo no aplica la simulación dinámica, dado que el proceso es en estado
estacionario.

Tal como se presentó en el modelamiento del proceso y el desarrollo algorítmico,

el sistema está formado por las unidades de proceso: bomba, calentador, caldera,
turbina y condensador, las cuales cada una pueden ser vista como módulos
secuenciales que con sus respectivos modelos representativos y el flujo de
información integran al proceso completo.

El recurso informático utilizado será el lenguaje de alto nivel: MATLAB versión 6.5
R13 en un ambiente de interfaz gráfica de usuario con vínculo a una hoja de cálculo
en Microsoft Excel conteniendo las tablas de vapor en unidades del sistema
internacional de unidades (S.I.) y el sistema inglés, permitiendo así tener acceso a
los datos termodinámicos requeridos para los diversos cálculos en el proceso.

El programa primero hace la selección del sistema de unidades a trabajar en la

simulación.

30
 En caso de cerrar esta ventana sin seleccionar uno de los dos sistemas de unidades
aparece el siguiente mensaje de error:

Presionando el botón “OK” de esta ventana aparece nuevamente la ventana,

seleccionando esta vez el sistema de unidades con el cual se trabajará en la
simulación del proceso, para el caso del Sistema Internacional de unidades (S.I.)

La codificación de cada uno de estas unidades de programa y programa principal se

presenta en el Anexo A.

El programa principal utiliza las siguientes funciones creadas, para la lectura de datos
de las tablas de vapor, tal como se presentó en los algoritmos desarrollados en la
sección anterior.

Función Resultado
TempSat(P) Temperatura de saturación a una presión determinada (P)
PresSat(T) Presión de saturación a una temperatura determinada
EntalfSat(T) Entalpía del líquido saturado a una temperatura dada (T)
HLiqComp(P,T) Entalpía del líquido comprimido a una presión y temperatura dados
(P,T)
EntalPT(P,T) Entalpía del vapor sobrecalentado dados presión y temperatura
(P,T)
EntroPT(P,T) Entropía del vapor sobrecalentado dados presión y temperatura
(P,T)
EntalPS (P,S) Entalpía del vapor sobrecalentado dados presión y entropía (P,S)
SATURADO(P,S) Entalpía del vapor saturado a valores de presión y entropía (P,S)
EntroTempPSH(P,Tlim, Entropía, temperatura, calidad y estado del vapor a presión y entalpía
H)
(P, H), a la salida de una sección de turbina; Tlim: es un parámetro
de temperatura de valor límite de lectura en tablas.

31
Todas estas funciones son utilizadas por el programa principal desarrollado en el
ambiente de interfaz gráfica de usuario (GUI) de MATLAB, basado en la
programación orientada a objetos, cuya codificación se presenta en el Anexo A. de
este trabajo de graduación, el cual permite interactuar con la simulación del proceso,
facilita la entrada de datos y una comprensión visual de los resultados.

Seleccionado el sistema de unidades con el cual se trabajará aparece la siguiente

ventana de entrada de datos al programa de simulación:

Como puede observarse, el título de la ventana hace mención: “Módulo de

Termodinámica Química I: Simulación de Planta de Potencia de Vapor”, aparecen
los campos de entrada de datos, los campos de texto de las unidades en el Sistema
Internacional de unidades y los botones de acción “Simular”, “Crear nota”, “Ayuda”
y “Salir”.

32
La codificación de ésta ventana se encuentra en el CD de este documento, la imagen
del proceso fue creada en un programa de diseño de imágenes y luego convertida a
un objeto.

El botón de acción “Crear nota” permite al usuario hacer anotaciones sobre algunos
datos del proceso o cualquier observación, o incluso abrir un archivo de texto
almacenado previamente, abriéndose la aplicación de “Bloc de notas”, como se
presenta en la fig. 3.29:

El botón de acción “Ayuda” contiene información sobre el proceso y de los

principios básicos en los cuales se fundamenta, al ejecutarse aparece la siguiente
ventana:

33
Para iniciar la simulación primero se introducen los datos del proceso, los cuales
serán los propuestos en el ejemplo 8.2 del libro “Introducción a la Termodinámica
en Ingeniería Química” (Van Ness, 1997):

Luego de ejecutar el botón de acción “Simular”, se inicia el proceso de simulación,

apareciendo en pantalla la siguiente ventana de avance:

34
Tal como se determinó en el desarrollo algorítmico del proceso, el punto de partida
para la solución del problema es la unidad de proceso No. 11, correspondiente a la
bomba, la cual genera información para la serie de calentadores, así sucesivamente
como se analizó en el diagrama de flujo de información del proceso.

Luego se procede al cálculo de variables desconocidas en la serie de calentadores a

partir del cambio de temperatura del agua de alimentación en la bomba. Siguiendo
la secuencia del diagrama de flujo de información y el algoritmo de las secciones
anteriores, la siguiente unidad de proceso a resolver es la No. 1, correspondiente a la
caldera, cuya codificación se presenta el anexo A.3.

La siguiente unidad de proceso a resolverse es la turbina, comenzando por la primera

sección (unidad de proceso No. 2), la cual recibe información de la caldera.
Posteriormente se procede a resolver la unidad de proceso No. 7 (calentador 1),
determinando la cantidad de vapor extraído de la sección de turbina, por medio de
balances de materia y energía entre la salida de la turbina y el agua de alimentación
a condiciones de líquido comprimido que fluye a través de la serie. Donde su
codificación de acuerdo al algoritmo.

De esta misma forma sucesivamente se realizan los cálculos para el resto de

secciones de turbina y calentadores de agua de alimentación, hasta llegar a la
siguiente etapa de proceso que corresponde al condensador, el cual recibe el vapor
extraído de la sección V de turbina y la sumatoria del líquido condensado en la serie
de calentadores.

Finalmente se realiza el cálculo de las variables para el ciclo completo y las

velocidades de transferencia de calor en la caldera y condensador.

35
Resultados de simulación de planta de potencia de vapor

Los resultados de la simulación del proceso son presentados en la siguiente ventana:

Como puede observarse, la eficiencia del ciclo para la simulación del proceso es de
0.331719, comparada con al calculada en el ejemplo de base , que es de 0.3276, la
diferencia es de 1.25%, y el trabajo producido para la simulación del proceso es de -
811.447 kJ/kg, comparada con la calculada en el ejemplo del libro, de -804.0 kJ, la
diferencia es de 0.92%, resultados que pueden ser considerados de un orden de error
aceptable respecto a lo presentado en el libro.

36
El botón de acción “Imprimir” permite hacer una copia impresa de los
resultados, el botón de acción “Guardar”, almacena los resultados de la
simulación en un archivo definido por el usuario, abriéndose el siguiente
cuadro de diálogo:

De igual forma, el botón de acción “Abrir”, permite al usuario abrir

resultados de una sesión anterior almacenados previamente, abriéndose el
siguiente cuadro de diálogo :

El botón de acción “Diagrama T-S”, permite ver el Diagrama Temperatura-

Entropía para el ciclo termodinámico del proceso simulado, en el cual
pueden identificarse cada una de las etapas del proceso y los cambios
termodinámicos que ocurren entre cada una, y el comportamiento del Ciclo
de Rankine con regeneración de calor del proceso, el cual se presenta:

37
En el diagrama el incremento de la temperatura del agua por la bomba no puede
apreciarse, pues como fue calculado en el programa, es de 1.0033 K. Puede
observarse el incremento de temperatura del líquido comprimido a través de la
serie de calentadores hasta la entrada a la caldera, la cual lleva el líquido
comprimido, pasando por un cambio de fase líquido-vapor, hasta vapor
sobrecalentado a la entrada de la sección I de turbina, en las cuales a su vez se
observa el vapor extraído de cada sección a presión constante y llevado hasta un
vapor saturado y luego líquido saturado por cada calentador, puede observarse
también la línea de entropía creciente para el proceso real hasta la sección V de
turbina, el cual finalmente el flujo extraído de la última sección de turbina es
condensado y mezclado con el fluido acumulado en la serie de calentadores y
llevado a la entrada de la bomba.

33
2.9. térmica del ciclo de Carnot está dado por la ecuación:n simulador de procesos:

Los simuladores modulares secuenciales: Los simuladores modulares secuenciales se

basan, según adelantamos en el capítulo anterior, en módulos de simulación

independientes que siguen aproximadamente la misma filosofía que las operaciones

unitarias, es decir, cada equipo: bomba, válvula, intercambiadores, etc.; son modelados a

través de modelos específicos para los mismos y además, el sentido de la información

coincide con el “flujo físico” en la planta. En esta filosofía se tiene como ventaja el hecho

que cada sistema de ecuaciones es resuelto con una metodología que resulta adecuada

para el mismo, ya que es posible analizar bajo todas las circunstancias posibles, el

comportamiento del método de resolución propuesto, esto es sistemas ideales, no ideales,

topología diversas del equipo, distintas variantes, etc. Algunos ejemplos, tales como

columnas de destilación, equipos de evaporación flash e intercambiadores de calor se

analizarán en los Capítulos VI, IX y X por ejemplo. Dado que se puede analizar

específicamente la performance de los distintos métodos de resolución es factible lograr

un modelo robusto y eficiente para cada módulo específico.

Características históricas remarcables:

- Biblioteca de módulos (Equipos)

- Flowsheet: Equivale a un grafo orientado o dígrafo

Figura 11. "Flowsheet y DFI asociado" (Ramirez, 2005)

34
 Figura 12.Módulos asociados a cada etapa del EMF. (Ramirez, 2005)

- Orden de resolución fijo (iteraciones)

- Tres niveles de iteración (se incorpora otro si se desea optimizar)

1. Cálculos fisicoquímicos.

2. Módulos en sí (ej. flash, columna, etc).

3. Variables de iteración (reciclos).

4. Optimización

Características relevantes:

- Modelos individuales resueltos eficientemente.

- Fácilmente comprendido por ingenieros "no especialistas en simulación".

- Métodos de convergencia robustos (Sustitución Directa, Wegstein, etc).

- La información ingresada por el usuario (relacionable con equipos o corrientes)

35
 resulta fácilmente chequeable e interpretable.

- Los problemas de diseño (selección de parámetros) son más difíciles de resolver.

- Se incrementa la dificultad cuando se plantea un problema de optimización (funcionan

como cajas negras).

- Poco versátiles, pero muy flexibles, muy confiables y bastante robustos.

Simuladores híbridos o modular secuencial-simultáneo:

Los simuladores basados en una estrategia híbrida con respecto a las filosofías ya

analizadas. En efecto, es posible plantear el desarrollo de simuladores combinando la

estrategia modular y la orientada a ecuaciones de forma tal de aprovechar los aspectos

positivos de ambas metodologías lo máximo posible. Para ello se selecciona un grupo de

variables sobre las cuales se procederá según la filosofía global, esto es, se las resolverá

simultáneamente, mientras que para el resto se mantiene la filosofía modular, es decir, se

trata de encontrar una secuencia acíclica, que provea por su cálculo, en cada iteración, los

valores de las variables a resolverse simultáneamente. Es por ello que a esta filosofía

también se la conoce como two-tear o de dos niveles jerárquicos, ya que se trabaja en uno

con las variables tratadas simultáneamente, y en el otro secuencialmente. Otro nombre

con el que se conoce este enfoque es modular secuencial-simultáneo.

Simuladores globales u orientados a ecuaciones: Se plantea el modelo matemático que

representa al proceso construyendo un gran sistema de ecuaciones algebraicas que

representa a todo el conjunto o planta a simular. De esta forma el problema se traduce en

resolver un gran sistema de ecuaciones algebraicas, por lo general altamente no lineales.

Como ejemplo puede citarse que en problemas típicos de simulación de columnas de

destilación por métodos rigurosos el sistema de ecuaciones puede llegar a contener más

de mil variables. De ello se desprende la magnitud del sistema que represente el modelo

de una planta completa típica.

36
Característica relevante:

- Cada equipo se representa por las ecuaciones que lo modelan. El modelo es la

integración de todos los subsistemas.

- Desaparece la distinción entre variables de proceso y parámetro operativos, por lo

tanto se simplifican los problemas de diseño.

- Resolución simultánea del sistema de ecuaciones algebraicas (no lineares)

resultante.

- Mayor velocidad de convergencia.

- Necesita una mejor inicialización (mejor cuanto mayor sea el problema a resolver).

- A mayor complejidad, menor confiabilidad en los resultados y más problemas de

convergencia (soluciones sin sentido físico).

- Más difícil de usar por "no especialistas".

37
2.10. Casos ejemplo:

Desarrollo de un modelo
En este capítulo se desarrollarán varios modelos de equipos químicos. Para ello, se recurrirá a
la teoría planteada en los capítulos anteriores. Básicamente, en el desarrollo de cada modelo se
llevarán a cabo las siguientes etapas ya analizadas en el capítulo anterior:
1. Definición de los objetivos del modelo.
2. Formulación de un modelo conceptual.
3. Formulación del modelo matemático.
4. Estimación de parámetros.
5. Simplificación.
6. Análisis de la consistencia matemática.
7. Resolución del modelo.
8. Verificación.
9. Validación.
10. Perfeccionamiento.

Los ejemplos se iniciarán con equipos de dinámica simple, y luego se irá agregando mayor
complejidad. Se pondrá especial énfasis en el estudio de las relaciones existentes entre
perturbaciones y respuestas del sistema. Los modelos dinámicos son ideales para realizar este
tipo de estudios que son de suma importancia para diseñar un sistema de control o elaborar el
manual de procedimientos de un equipo dado, entre otras aplicaciones.

Por otra parte, la comprensión de las dinámicas involucradas en un sistema dado favorece el
desarrollo de un modelo adecuado. En efecto, si se sabe que algunos fenómenos tienen una
velocidad mucho mayor que otros, en el modelo se pueden despreciar las dinámicas de los
primeros dando origen así a balances estacionarios para ellos. Esto se verá más claramente en
los ejemplos a desarrollar en este capítulo.

La etapa de resolución de modelos se realizará utilizando los programas Simulink, VisSim 32

y E-Z Solve. Los dos primeros trabajan con diagramas de bloques, mientras el último trabaja
directamente con el modelo de espacio de estados. Un diagrama de bloques es una
representación gráfica del modelo. Consiste en un conjunto de símbolos, llamados bloques,
38
Para ejemplificar la filosofía de estos programas, considere un sistema de primer orden que,
por definición, son los sistemas que pueden ser modelados con una única ecuación diferencial
de primer orden del tipo:
dy u  y
 (1)
dt 

el tiempo. Esta ecuación también se suele denominar ecuación de retraso de primer orden (first-
order lag equation).

Para un valor inicial y = 0, y un escalón a la entrada en t = 0:

0 t0
u   (2)
u0 t  0
la solución analítica es:

y  u0 1 et /  (3)

La Figura 13 muestra la evolución descripta por esta ecuación.

y
u0
0.63 u0

0  t
Figura 13: Evolucion descrita por la ecuación.

La Figura 14 muestra la solución para u0 = 1 y  = 1 s implementada en E-Z Solve. Es importante

respetar el orden: primero ecuaciones ODEs y luego el sistema de ecuaciones algebraicas. Las
derivadas deben estar escritas en su forma normal; es decir, la derivada debe estar despejada en
el miembro izquierdo. Los comentarios se insertan entre /* */ para más de una línea, o
precedidos por // para una sola línea.

39
 /* Sistema de primer orden.
u0: valor del escalón en la entrada.
tao: es la constante de tiempo
y: valor de salida */

// Sistema ODEs
y'=(u0-y)/tao

// Sistema de ecuaciones algebraicas

u0 = 1
tao = 1
Figura 14: Listado del código para E-Z Solve.

Una vez escrito el código, se llama al evaluador (Figura 15), al que habrá que suministrar los
parámetros necesarios para realizar la simulación; esto es: intervalo para el tiempo (entre 0 y
10 s), y el valor inicial de la variable de salida (y = 0). La Figura 4 muestra la correspondiente
gráfica producida por este programa. Note que el intervalo de tiempo especificado en el
formulario del evaluador no tiene unidades. Las mismas se deducen del sistema de unidades
empleado en el modelo. En este caso, como la constante de tiempo está expresada en s, ésta es
la unidad que debe ser asignada a los tiempos solicitados y reportados por el programa.

Figura 15: Cuadro del evaluador de E-Z Solve.

40
 Figura 16: Respuesta del sistema evaluado por E-Z Solve.

La Figura 17 muestra el diagrama de bloques en Simulink para el sistema considerado. Note

que se utilizaron dos bloques de la clase Constant para definir los valores de u0 (u0) y de  (tao).
El valor de y es generado por el bloque de la clase Integrator. El valor a integrar por este bloque
corresponde a la ecuación diferencial (1). Para componer esta función, se utiliza

Un bloque de la clase Sum que calcula la diferencia que aparece en el numerador de la ecuación.
La incorporación del denominador se hace mediante un bloque de la clase Product. El bloque
final (y) es de la clase Scope, y se emplea para generar una salida gráfica similar a la mostrada
en la Figura 16. La Figura 6 muestra el cuadro del evaluador de Simulink. Los parámetros que
deben introducirse son parecidos a los explicados para el E-Z Solve. La diferencia está en que
el valor inicial para la variable y se ingresa en el bloque integrador.

Figura 17: Diagrama de bloques en Simulink para el sistema de primer orden.

41
 Figura 18: Cuadro del evaluador de Simulink.

La Figura 20 muestra el diagrama de bloques implementado en el programa VisSim32. Es

bastante similar al anterior. Nuevamente se utilizaron bloques que permiten definir constantes,
sumar, dividir, integrar y graficar. El valor inicial de la variable y se suministra en el bloque
integrador.

Figura 20: Diagrama de bloques en Simulink para el sistema de primer orden.

42
 Figura 21: Cuadro del evaluador de Simulink.

La Figura 20 muestra el diagrama de bloques implementado en el programa VisSim32. Es

bastante similar al anterior. Nuevamente se utilizaron bloques que permiten definir constantes,
sumar, dividir, integrar y graficar. El valor inicial de la variable y se suministra en el bloque
integrador. El cuadro del evaluador (Figura 21) no es muy diferente a los anteriores.

Figura 22: Diagrama de bloques en VisSim32 para el sistema de primer orden.

43
 Figura 23: Cuadro del evaluador de VisSim32.

Con estas herramientas se analizarán los modelos a desarrollar en las secciones siguientes. Sin
embargo, no se aplicarán todas ellas para cada caso, se deja al lector la realización de esta
práctica. Igualmente, para el primer ejemplo se aplicarán una a una las etapas del modelado
descriptas anteriormente; pero en los ejemplos posteriores sólo se analizarán los aspectos
particulares que se presenten.

44
45
 Tanque con descarga gravitatoria
Modelo dinámico
El tanque con descarga gravitatoria que se muestra en la Figura 24 está en estado estacionario
para un caudal de alimentación de 20 litro/s de agua y una apertura de la válvula de descarga
igual al 0.5. La válvula de descarga es lineal. La presión de descarga es la atmosférica. El nivel
del líquido es 1 m. El nivel máximo que puede contener el tanque es 2 m. El diámetro del tanque
es 1 m. Se desea saber si el tanque rebalsará cuando la válvula se cierre a 0.25. De ser así, se
desea determinar el tiempo en que esto ocurrirá.

F0,0

V,

F,

Figura 24: Tanque con descarga gravitatoria.

El objetivo está claro: averiguar si el tanque rebalsará y cuándo lo hará. En cuanto al modelo
conceptual no hay mayores problemas, del análisis cualitativo de la operación del tanque se
deduce que sólo interesan la acumulación de materia en el tanque y la cantidad de movimiento
en la tubería. Estos fenómenos dan origen a las siguientes relaciones causales directas entre las
variables del sistema:
 Un aumento (o disminución) en el caudal de alimentación F0, produce un aumento (o
disminución) en el nivel del tanque L. Es una relación con ganancia positiva. Note que
la relación inversa no existe; es decir, L no afecta a F0.
 Un aumento (o disminución) en el nivel del tanque L, produce un aumento (o
disminución) en el caudal de salida F. Es una relación con ganancia positiva.
 Un aumento (o disminución) en el caudal de salida F, produce una disminución (o
aumento) en el nivel del tanque L. Es una relación con ganancia negativa.
 Debido a que L es una variable de estado, ella es afectada por su valor anterior al instante
considerado. En cambio, como es lógico, el valor presente no afecta al valor pasado.
 Un aumento (o disminución) en la apertura de la válvula de descarga x, produce un
aumento (o disminución) en el caudal de salida F. Es una relación con ganancia positiva.
Nuevamente, no existe la relación inversa porque F no tiene efecto alguno sobre x.

Estas relaciones causales se pueden representar en forma gráfica mediante un dígrafo o SDG
(Signed Directed Graph), el cual es un tipo de modelo cualitativo muy utilizado para el
desarrollo de sistemas de supervisión de plantas químicas (Tarifa, 1995). La Figura 25 presenta
el SDG correspondiente para el tanque en estudio. La dirección causal se determina con el
sentido de las flechas. Las relaciones con ganancias positivas se representan con líneas
continuas, y las relaciones con ganancias negativas se representan con líneas de trazos. El

46
arco con ganancia 0 sobre L indica que esa variable tiene un efecto integral. Este efecto se
debe a que L, al ser una variable de estado, proviene de integrar una ecuación diferencial.

F0 L F x
Figura 25: SDG del tanque con descarga gravitatoria.

En el SDG, es fácil ver que existe una retroalimentación negativa sobre el nivel L y el caudal
de salida F. En efecto, al estar ambas variables formando parte de un ciclo con ganancia total
negativa, ante una perturbación en una de ellas, la otra evolucionará para tratar de cancelar la
perturbación original. Entonces, se debe esperar que estas variables tengan respuestas
asintóticas; es decir, tiendan a estabilizarse ante cualquier perturbación. En especial, las
perturbaciones originadas en F serán canceladas por L; por este motivo, se dice que F presenta
respuesta compensatoria. En efecto, si la válvula se cierra ligeramente en el tiempo t0, x
disminuirá, y F también lo hará; esto provocará un aumento en L (Figura 26), y ésta, al ser una
variable integral, incrementará su valor hasta que F recupere su valor original (Figura 27). De
esta forma, el tanque actúa como un controlador integral del caudal de descarga.

Lini

t0 t
Figura 26: Posible respuesta integral del nivel.

F
F0

t0 t
Figura 27: Posible respuesta compensatoria del caudal de descarga.

El razonamiento seguido para llegar a la conclusión anterior es un tipo de simulación

cualitativa, y se muestra gráficamente en la Figura 28. En esta figura los valores de las variables
representan los valores cualitativos adoptados por cada una de ellas, +1 es un incremento, -1 es
una disminución, y 0 significa que no cambió su valor. El árbol causal obtenido al realizar una
simulación cualitativa se denomina interpretación, y representa un camino posible de
propagación de la perturbación original. En este caso la perturbación original fue el cierre de la
válvula; entonces, se asigna el valor -1 a x, y se propaga este valor de acuerdo a las ganancias
de las relaciones causales. De esta manera, se obtienen los posibles
47
valores cualitativos para las demás variables. Para el caudal de salida, la interpretación predice
que éste disminuirá en un primer momento, por eso el valor -1 asignado a F. Sin embargo,
también predice que el nivel aumentará. Debido a que L es una variable integral y que
retroalimenta negativamente a F, es de esperar que el caudal de descarga aumente hasta
recuperar su valor original.

F0 L F x
0 +1 -1 -1
Figura 28: Interpretación para el cierre de la válvula de descarga.

El análisis cualitativo realizado provee una valiosa información para el desarrollo del modelo
cuantitativo (el modelo de espacio de estado). Por un lado, al tener que expresar en forma
explícita las relaciones causales entre las variables, se debe identificar los fenómenos más
relevantes que deberán ser tenidos en cuenta. Por otro lado, el conocimiento cualitativo de la
conducta que debe esperarse del modelo permite detectar errores en el modelo cuantitativo
cuando este predice conductas que no son cualitativamente correctas.

La formulación matemática de este modelo se inicia con el planteo del balance de materia. Si
bien el nivel del estado estacionario final puede ser determinado con un modelo estacionario,
la necesidad de averiguar el tiempo en que ocurrirá obliga al planteo de un modelo dinámico.
Entonces, el modelo se inicia con un balance dinámico de materia:
d (V  ) 
 F   F  (4)
0 0
dt

A este balance se deben sumar tantas ecuaciones algebraicas como sean necesarias para definir
las variables que figuran en el balance en función de las variables de interés o conocidas. Así,
la primera ecuación adicional es la correspondiente al volumen del líquido:
V  AL (5)
donde L es el nivel del líquido, y A es el área del tanque.

Por otra parte, el caudal de descarga F está determinado por la ecuación de la válvula lineal:
Pv
F  Cv x (6)

donde, por ser agua, el denominador /w es igual a uno. Si se desprecia el resto de la
instalación, la caída de presión en la válvula debe ser:
Pv   g L (7)

48
Ahora restan estimar los parámetros del modelo. La densidad del agua se supone constante e
igual a 1 kg/litro. El área del tanque se puede calcular con la ecuación de diseño:

A D2 (8)
4
donde D es el diámetro del tanque, el cual es dato.

Para estimar Cv se puede recurrir al correspondiente catálogo. Sin embargo, como es posible
que por el desgaste de la válvula este valor haya sufrido alteración, es preferible determinarlo a
partir de datos experimentales. Debido a que los datos disponibles provienen del estado
estacionario inicial, para estimar Cv se utiliza el balance en estado estacionario:
0  F0 0  Fini  (9)

Dado que la densidad es constante, 0 = , se tiene que el caudal de salida debe ser igual al de
entrada; por lo tanto, usando la ecuación de la válvula, resulta:
Fini
Cv  (10)
xini Pvini
donde xini es la apertura inicial de la válvula; es decir: 0.5. La pérdida de presión inicial se
determina con:
Pvini   g Lini (11)
donde Lini es el nivel inicial; es decir 1 m.

Debido a que se supuso densidad constante, el balance de materia simplifica a:

dV
F0 F (12)
dt

Si no interesa conocer el volumen, se puede simplificar el modelo eliminando esta variable

por medio de la ecuación (5). Entonces, el balance es:
dL
A  F  F (13)
0
dt

Por el mismo motivo, se puede eliminar del modelo la caída de presión utilizando la ecuación
(7). Entonces, la ecuación de la válvula se transforma en:
F  Cv x  g L (14)

Para realizar el análisis de consistencia matemática es necesario listar el modelo dinámico

completo ya simplificado; esto es:

dL F0  F
 (15)
dt A

F  Cv x  g L (16)
49
debe ser dato por tratarse de una variable de estado). En cambio, el caudal de descarga F es una
variable de salida, y será determinada a partir de la ecuación algebraica, no se necesita un valor
inicial. La apertura x es una variable manipulada, y su valor es dato. El caudal de alimentación
F0, si se considera que está determinado por otro sector de la planta, es una perturbación, y es
también dato.

Para completar el análisis de consistencia matemática, se llevan todas los datos (F0, x y Lini) y
parámetros (Lmax, D, g y ) al mismo sistema de unidades, en este caso se elige el sistema mks.
Entonces:
F0 = 20 litro/s = 20 10-3 m3/s
Lini = 1 m
Lmax = 2 m (nivel máximo que puede contener el tanque)
D=1m
g = 9.81 m/s2
 = 1 kg/litro = 1000 kg/m3

Con estos datos y las ecuaciones (8) y (10), los parámetros son A = 0.785 m2 y Cv = 4.039 10-4
m3.5/kg0.5. La Figura 29 muestra el listado correspondiente al programa E-Z Solve. La
resolución del mismo plantea que el tanque rebalsa en aproximadamente 100 s.

// Tanque con válvula

// Sistema ODEs
L' = (F0-F)/A

// Sistema algebraico
F = Cv*x*sqrt(rho*g*L)

// Datos
F0 = 20e-3
A = 0.785
Cv = 4.039e-4
rho = 1000
g = 9.81
x = 0.25
Figura 29: Listado en E-Z Solve para el tanque con descarga gravitatoria.

La Figura 30 muestra el diagrama de bloques en Simulink para el tanque. En este caso, la

ecuación de la válvula se implementó en un único bloque de la clase Fcn, para lo cual fue
necesario crear un vector por medio del bloque Matrix.

50
 Figura 30: Diagrama de bloques en Simulink para el tanque con descarga gravitatoria.

La Figura 31 muestra el diagrama correspondiente a la implementación en VisSim32. En él, el

modelo de la válvula fue colocado en forma explícita.

Figura 31: Diagrama de bloques en VisSim32 para el tanque con descarga gravitatoria.

Del análisis de esta información, surge la necesidad de determinar cuál es la mínima apertura
que puede tener la válvula sin que el tanque rebalse. Con sólo modificar el valor de la apertura
x, se puede realizar varias pruebas para encontrar el valor solicitado. Dicho valor es x = 0.35,
para el cual el sistema alcanza el estado estacionario en aproximadamente 500 s con L = Lmax.

51
Modelo estacionario
El modelo estacionario del sistema en estudio se obtiene al anular el término de acumulación
del balance dinámico planteado en la ecuación (15); esto es:
0  F0  F (17)

F  Cv x gL (18)

A continuación se reordena para explicitar el orden de resolución de estas ecuaciones para una
simulación en modo análisis:

F  F0 (19)

2
 
L 1  F  (20)
 g  Cvx 


Entonces, fijado el caudal de entrada y la apertura de la válvula, el modelo estacionario

determina el caudal de salida y el nivel para el estado estacionario correspondiente. Note que
esta vez las ecuaciones proveen una información diferente a la que suministraban en el modelo
dinámico. En efecto, en el modelo estacionario la ecuación de balance de materia determina el
caudal y la ecuación de la válvula determina el nivel; todo lo contrario a lo que ocurre en el
modelo dinámico, ecuaciones (15) y (16).

Este modelo es útil para toda situación donde sólo interese conocer el estado estacionario final,
sin importar el estado dinámico por el que atraviesa el sistema hasta llegar a dicho estado. Por
ejemplo, para determinar la apertura mínima de la válvula que el tanque soporta sin rebalsar se
puede utilizar este modelo estacionario. Ciertamente, el estado de interés es un estado
estacionario donde el nivel se estabiliza en el valor máximo permitido. Como se desea averiguar
la apertura de la válvula (variable manipulable) correspondiente a ese estado estacionario, se
plantea el modelo para una simulación en modo control:

F  F0 (21)

F
x  (22)
Cv  g L

Estas ecuaciones son válidas para cualquier estado estacionario. Sustituyendo los valores
apropiados para el caudal y el nivel, se tiene la apertura mínima de la válvula:
F0
xmin  (23)
Cv  g Lmax

Al igual que cuando se utilizó el modelo dinámico, la apertura mínima es 0.35. Debido a que
no fue necesario evaluar la evolución del sistema hasta alcanzar este estado estacionario, y a
que no fue necesario probar distintos valores de apertura como se hizo para el caso dinámico,
el esfuerzo computacional realizado es mucho menor.

52
 del sistema, Figura 32, debe seguir una trayectoria asintótica (línea continua) y sin picos (línea
de trazos). Esta suposición se debe realizar en base al conocimiento que se tiene del sistema.
Para los sistemas de primer orden, la suposición es válida (como se vio en la sección anterior);
no obstante, para sistemas de orden superior deberán tomarse los recaudos correspondientes.

Para el tanque en estudio, es posible deducir, a partir de las ecuaciones (15) y (16), que el nivel
tendrá una respuesta asintótica ante un escalón en la apertura de la válvula. En efecto, cuando
la válvula se cierre, L aumentará y, por la ecuación (16), provocará un aumento en F. Esto
continuará hasta que F iguale a F0; en ese momento, la ecuación (15) se hará nula, y L
permanecerá constante. Por lo tanto, el nivel presentará una respuesta asintótica, y se descarta
cualquier evolución similar a la presentada con línea de trazos en la Figura 17. Un razonamiento
equivalente se puede hacer utilizando el modelo SDG de la Figura 25.

L
Lmax

Lini

t0 t
Figura 32: Estados dinámicos posibles para el tanque.

Modelo adimensional
Siempre debe recordarse que el modelo debe ser resuelto por algún método numérico. Para
evitar problemas numéricos en su resolución conviene que los valores de todas las variables
tengan magnitudes comparables. Es por este motivo que frecuentemente se trabaja con variables
normalizadas. Este método se basa en que para la mayoría de las variables se puede determinar
o estimar el valor absoluto máximo que tomará cada una de ellas durante la evolución en
estudio. Si las variables originales se dividen por sus correspondientes valores absolutos
máximos, se obtendrán las variables normalizadas cuyos valores pertenecerán al intervalo [-
1,1]. Una importante excepción es el tiempo, para el cual no existe una cota superior. Sin
embargo, si bien no es posible determinar un valor máximo para esta variable, es posible fijar
un valor característico para el sistema en cuestión, por ejemplo: tiempo de residencia, la inversa
de una constante cinética, etc. Cualquier otra variable, para la cual no es posible determinar un
valor máximo, podrá ser adimensionalizada utilizando un valor característico al igual que se
hace con el tiempo.

De esta manera, todas las variables, excepto el tiempo, pueden ser normalizadas con la
consiguiente ventaja numérica. Note que no sólo se normalizan las variables con esta operación,
sino que también se convierten en variables adimensionales; es decir, el modelo se hace
independiente de cualquier sistema de unidades. Más aún, como resultado de estos cambios, los
parámetros del modelo quedan agrupados originando nuevos parámetros o números
adimensionales. La cantidad de nuevos parámetros es, por lo general, menor a la cantidad de
parámetros originales, lo que resulta en un modelo adimensional más simple que el modelo
original. Al simplificarse el modelo, también se simplifican los experiment

53
A continuación, se adimensionaliza el modelo planteado para el tanque. El primer paso es la
selección de los valores característicos para cada variable. Luego, se adimensionalizan las
variables dividiéndolas por sus valores característicos, esto es:
L
L*  (24)
Lmax

F
F*
(25)
F0

Conviene que los valores característicos sean constantes, por eso para el tiempo no se selecciona
el tiempo de residencia ( = V/F) porque éste es variable, sino que se selecciona el tiempo de
llenado o de carga:
A Lmax
tcar  (26)
F0

Por lo tanto, el tiempo adimensional se define como:

t
t*  (27
tcar

Debido a que los valores seleccionados para adimensionalizar son constantes, el cálculo de los
diferenciales es directo:
dL
dL*  (28)
Lmax


dt
dt*  (29)
tcar

Sustituyendo estas definiciones en el modelo dinámico, ecuaciones (15) y (16), resulta:

AL dL*
max
*
 F0  F0 F * (30)
tcar dt

F0 F *  Cv x  g Lmax L* (

Operando, se obtiene el modelo adimensional dinámico final:

dL* 
 1 F (32)
dt*

F *   x L* (33)

donde el único parámetro es:

54
  g Lmax
  Cv (34)
F0

Observe que este parámetro es adimensional, y que agrupa a todos los parámetros originales en
un único valor. Para el caso que se está estudiando el valor de este parámetro es 2.828. Sin
embargo, este valor aplica también a todas las combinaciones posibles de valores de los
parámetros originales que produzcan el mismo resultado para el número . Es decir, que la
conducta dinámica predicha por el modelo adimensional será la misma para todos los sistemas
que tengan el mismo número adimensional.

Esta característica tiene una importancia fundamental, y se puede aplicar para realizar estudios
de cambios de escala, y diseños de experimentos para determinar los cambios de conducta
cualitativa del sistema. En efecto, cuando se tiene que realizar la planificación de experimentos,
en lugar de variar los parámetros originales (Cv, , g, Lmax y F0) sólo se varía , produciendo la
misma información con un costo mucho menor. Desde otro punto de vista, para ajustar el
modelo, sólo se debe estimar experimentalmente un único parámetro, .

Por último, del modelo surgió la definición del parámetro , pero no es necesario continuar
utilizando el modelo para realizar simulaciones. Una alternativa comúnmente empleada es
reemplazar el modelo matemático por un modelo físico, por ejemplo un tanque real a escala
menor al tanque original, con un fluido que puede ser diferente al original pero cuidando que el
valor del parámetro  se conserve. Tomados estas precauciones, será posible deducir la
conducta dinámica del sistema original a partir de los experimentos realizados en el sistema a
escala. Más aún, el sistema físico a utilizar para experimentar no tiene que ser forzosamente
una copia a escala del sistema real, puede ser cualquier sistema físico cuyo modelo
adimensional concuerde con el modelo adimensional del sistema real. Este es el principio en
que se basan las computadoras analógicas, donde se predice la conducta del sistema real a partir
de la conducta de un circuito electrónico. Con esta alternativa, la de utilizar un modelo físico,
se evita tener que resolver el modelo matemático, lo cual puede ser una tarea bastante difícil
para modelos complejos.

Para mostrar la potencia de este modelo, se analizarán las dos situaciones planteadas
anteriormente: el tiempo de rebalse para x = 0.25, y la determinación de la apertura mínima para
que no se produzca el rebalse del tanque. Para el primer caso, la Figura 33 muestra la
implementación del modelo adimensional en E-Z Solve.

// Tanque con válvula

// Modelo adimensional
// Sistema ODEs
L' = 1-F

// Sistema algebraico
F = beta*x*sqrt(L)

// Datos
beta = 2.828
x = 0.25
Figura 33: Listado en E-Z Solve del modelo adimensional del tanque.

55
 Con la condición inicial L* = 0.5, el resultado da t* = 1.3, el cual, utilizando la ecuación (26),
corresponde a t = 100 s que concuerda con el valor obtenido con el modelo dinámico.

Para el segundo caso, se utiliza el modelo adimensional estacionario que se obtiene al anular
el término de acumulación del modelo adimensional dinámico:

0  1 F * (35)

F *   x L* (36)

Entonces, el modelo planteado para simular en modo control es:

1
x  (37)
 L*

Este modelo evaluado en L* = 1, produce un x = 1/; es decir, x = 0.35 que es el valor que se
obtuvo con el modelo estacionario original.

De esta manera, se reprodujeron los mismos resultados que se obtuvieron con los modelos
originales. Sin embargo, ahora se cuenta con información que es generalizable para todos los
sistemas que tengan el mismo valor del número adimensional . Por ejemplo, se producirá un
rebalse en t* = 1.3 para todos los tanques cuyas combinaciones de válvulas, fluidos,
dimensiones, caudales de alimentación (Cv, , Lmax y F0) produzcan un valor de  = 2.828.
Igualmente, estos tanques no rebalsarán para aperturas mayores a 0.35.

Análisis de sensibilidad
Como parte del proceso de validación y perfeccionamiento del modelo, sobre todo cuando el
sistema real no existe aún, se debe analizar la sensibilidad del mismo con respecto a los datos
y a las suposiciones realizadas. Frecuentemente, en una simulación modo análisis, se adoptan
valores constantes para los parámetros y variables de entradas cuando en realidad éstos no
tienen valores constantes, o ante la dificultad de determinarlos experimentalmente se realizan
estimaciones que tienen cierto error asociado. También, se suelen despreciar algunos
fenómenos frente a otros, por ejemplo cuando se desprecia el transporte molecular frente al
convectivo en un reactor tubular. Debido a esta situación, es necesario determinar el grado de
impacto que estos valores y suposiciones tienen sobre los resultados. Para ello se realiza un
estudio de sensibilidad. Si este estudio determina que la incertidumbre asociada a un valor dado
o suposición dada origina una incertidumbre en los resultados tal que hace imposible al modelo
cumplir con los objetivos para los cuales fue creado, será entonces necesario redoblar esfuerzos
para precisar mejor el valor del parámetro o variable en cuestión, o incluso modificar el modelo
eliminando la suposición que probó ser crítica.

Para ejemplificar estos conceptos se determinará la sensibilidad que presenta el tiempo de

rebalse con respecto al caudal de entrada F0. Este dato fue seleccionado porque el caudal de
entrada es una perturbación, y es la que tiene asociada la mayor incertidumbre. Modificando el
listado correspondiente al modelo dinámico (Figura 14) para provocar una variación de
10 % en F0, se obtienen los siguientes resultados para el tiempo de rebalse: 81 s y 141 s; es
decir, una disminución del 19 % y un aumento del 41 %, respectivamente, comparado con los
56
100 s obtenidos anteriormente. Por lo tanto, el tiempo de rebalse es más sensible a una
disminución en el valor del caudal de entrada F0 que a un aumento de esta variable. En ambos
casos, la perturbación inicial del 10 % fue amplificada en el tiempo de rebalse a 19 % y 41 %,
respectivamente.

Algo similar ocurre cuando se analiza la sensibilidad de la apertura mínima de la válvula de

descarga que no llega a provocar el rebalse del tanque en estudio. Para una variación de
10 % en F0, utilizando esta vez el modelo estacionario, se determina que la apertura mínima
es 0.39 y 0.32; esto es, un aumento del 11 % y una disminución del 9 %, respectivamente,
comparado con el valor 0.35 obtenido anteriormente. Por lo tanto, los cambios observados en
la apertura mínima son simétricos y de la misma magnitud que la perturbación original.

Tanque calefaccionado
En esta sección se adicionará al tanque de la Figura 9 un serpentín para calentar el agua
condensando vapor saturado a 3 kgf/cm2 y un agitador cuya potencia es 500 W. El sistema
resultante se muestra en la Figura 34. En el estado estacionario inicial, la temperatura de la
alimentación es 25 °C, y en el tanque es 60 °C. Se desea determinar a qué temperatura estará el
fluido cuando rebalse al fijar la apertura de la válvula de descarga en 0.25. También, se desea
determinar la temperatura del fluido cuando rebalse debido a un incremento del 65 % en el
caudal de alimentación (la apertura de la válvula de descarga se mantiene en 0.5).

F0,0,T0
Wa

V,,T

F,,T

Figura 34: Tanque calefaccionado.

Al modelo dinámico de la sección anterior se debe agregar el balance de energía:

dT
V  Cp  F  Cp (T  T )  Q  Wa (38)
0 0 0 0
dt

A éste se suma la ecuación que define el volumen líquido, ecuación (5), y la ecuación de
transferencia que define el flujo de calor:
Q  UATV  T (39)

donde el producto del coeficiente de transferencia de energía con el área de transferencia puede
considerarse un parámetro. La temperatura de condensación TV para la presión de 3 kgf/cm2
es 132 °C (dato obtenido de bibliografía). La capacidad calorífica del agua es 1 cal/(gr °K)
o, en el sistema mks, 4.187 103 J/(kg °K), se supone constante; esto es, Cp0 = Cp. La densidad
también se supone constante, 0 = , e igual a 1000 kg/m3.
57
Para estimar el parámetro UA se utiliza el dato planteado para el sistema estacionario inicial.
Anulando el término de acumulación del balance dinámico de energía y despejando el flujo de
calor, se tiene
Qini  F0 0 Cp0 (Tini  T0 ) Wa (40)

donde T0 es 25 °C y Tini es 60 °C. Entonces, Qini es igual a 2.93 106 W, y por la ecuación (39),
UA es igual a 4.07 104 W/°K.

Al suponer que UA es un parámetro del sistema, se está despreciando la variación que éste
puede tener cuando el sistema evolucione alejándose del estado estacionario para el cual fue
estimado dicho valor. La bondad de esta suposición puede ser luego verificada por un estudio
de sensibilidad. Si este estudio determina que la suposición no fue buena, se deberá entonces
dejar de considerar a UA como un parámetro, y pasará a ser una variable interna asociada a una
ecuación adicional de la cual pueda ser calculada.

A fin de simplificar el modelo, utilizando las ecuaciones (5) y (39), se eliminan las variables
internas V, Q, Cp y  para dar lugar al siguiente balance de energía:

dT F Cp (T  T )  UA T  T  Wa
 (41)
dt AL 0 Cp0

Esta ecuación es la única que debe agregarse al modelo dinámico planteado en la sección
anterior para el tanque con descarga gravitatoria.

Note que el caudal de descarga no aparece en esta ecuación; por lo tanto, la temperatura de
rebalse para el primer caso (cuando se cierra la válvula a 0.25) sigue siendo 60 °C. Este es un
ejemplo de lo planteado en el primer capítulo, donde se afirmaba que en muchos casos el
problema se resuelve en la etapa de modelado, sin llegar a ser necesaria la etapa de simulación.
En cambio, para el segundo caso (el aumento de caudal de entrada) se debe resolver el modelo
completo. La Figura 35 muestra el correspondiente listado en E-Z Solve. El valor inicial de L
es nuevamente 1 m, mientras que el valor inicial de T es 60 °C. La solución reporta que el
tanque rebalsará en aproximadamente 100 s y el líquido tendrá una temperatura de 49.6 C.

58
 // Tanque calefaccionado con válvula
// Sistema ODEs
L' = (F0-F)/A
Tr' = (F0*rho0*Cp0*(T0-Tr)+UA*(Tv-Tr)+Wa)/(A*L*rho0*Cp0)

// Sistema algebraico
F = Cv*x*sqrt(rho*g*L)

// Datos
F0 = 1.65*20e-3
A = 0.785
Cv = 4.039e-4
rho0 = 1000
g = 9.81
x = 0.5
Cp0 = 4.187e3
UA = 4.07e4
T0 = 25
Tv = 132
Wa = 500

Figura 35: Listado en E-Z Solve para el tanque calefaccionado.

La Figura 36 muestra el correspondiente diagrama de bloques para Simulink. El balance de

energía fue incorporado a través de un bloque Fcn, para lo cual fue necesario crear un vector
por medio de un bloque Matrix. Las condiciones iniciales son las mismas que se utilizaron para
E-Z Solve, pero se fijan en los respectivos bloques integradores. El diagrama para VisSim es
similar pero más complejo al tener que expresar en forma explícita el balance de energía, por
ese motivo ya no se presentará el correspondiente diagrama.

59
 Figura 36: Diagrama de bloques de Simulink para el tanque calefaccionado.

Para terminar con este ejemplo, observe que Qini es igual a 2.93 106 W, el cual representa una
potencia significativa. Este valor tendrá un elevado impacto negativo en los costos de
producción si no se toma medida alguna para contrarrestar dicho efecto. A fin de atenuar ese
impacto, se recurre a técnicas de recuperación de energía. Las mismas se basan en que los
productos y efluentes deberán abandonar la planta a temperatura ambiente. Por lo tanto, será
necesario enfriar los productos o las corrientes intermedias. Este calor puede ser empleado para
calentar las materias primas u otras corrientes intermedias. De esta manera, se disminuye el
consumo de servicios para calentar (vapor) y para enfriar (agua de refrigeración). El método
del pinch plantea una técnica bastante aceptada para diseñar la red de intercambiadores y
generadores de potencia que permitan obtener la máxima recuperación de energía, o también
denominada máxima integración energética y de potencia (Seider et al., 1999; Turton et al.,
1998).

Reactor refrigerado

Modelo dinámico
La Figura 37 muestra un reactor tanque agitado continuo con tres componentes: A, B y C. En
él ocurre la reacción A  B irreversible, exotérmica y de primer orden. El compuesto C es el
solvente. El reactor es refrigerado por un serpentín. Se desea estudiar la puesta en marcha y la
estabilidad del estado estacionario de operación.

60
 F0,0,T0,Cj0
Wa

V,,T,Cj

F,,T,Cj

Figura 37: Reactor CSTR refrigerado.

Si se suponen constantes la densidad (0 = ), la capacidad calorífica (Cp0 = Cp), el calor de
reacción, y además se desprecia la potencia del agitador respeto a los otros términos del balance
de energía; los balances de materia, componentes y energía son:
dV
F0 F (42)
dt

dCA  F C  C  V r (43)
V
0 A0 A
dt
dCB
V  F  C  C   V r (44)
0 B0 B
dt
dT 
V  Cp  F 

Cp (T  T )  V r (H )  Q (45)
0 0 0 0 0 0
dt

Note que en este caso el balance de global de materia reemplaza el balance por componente
correspondiente al solvente C.

Las ecuaciones constitutivas son:

r  k CA (46)

E

k   e RT (47)

Q  UAT  Tmed 
Pv  0 g L
V  AL

F  Cv x
Pv
61
 donde se utiliza la temperatura media Tmed del serpentín, una variable de manipulable, en lugar
de la diferencia media logarítmica. El error debido a esta aproximación es despreciable para las
condiciones de trabajo del reactor.

Eliminando las variables intermedias innecesarias (k, V y Pv), el modelo dinámico

simplificado es:

dL F0  F
 (52)
dt A

dCA F0
 C A0  CA  r (53)
dt AL

dCB F0
 C B0  CB  r (54)
dt AL

dT F0 0 Cp0 (T0  T )  AL r (H )  Q

 (55)
dt AL 0 Cp0

Las ecuaciones constitutivas son:

(56)

Q  UAT  Tmed  (57)

F  Cv x  w g L (58)

Este modelo tiene cuatro variables de estado (L, CA, CB y T), dos variables internas (r y Q), una
variable de salida (F), cinco variables manipulables (F0, CA0, CB0, Tmed y x) y diez parámetros
(A, H, 0, Cp0, , E, R, UA, Cv, g y w).

Modelo adimensional
El modelo dinámico presentado en la sección anterior ya puede ser utilizado para resolver el
problema que se está tratando. Sin embargo, para ampliar el rango de aplicación del modelo, se
procede a adimensionalizar todas las variables:
t
t* 
A Lmax (59)
F0

L
L* 
Lmax (60)

62
 CA
CA* 
C (61)
A0

CB
C* 
B C (62)
A0

T
T*
(63)
T0

r
r*  
E
(64)
e RT0
CA0

Q*  Q

E
AL e
 RT0
C H (65)
max A0

F
F*
(66)
F0

Reemplazando las nuevas variables adimensionales en el modelo dinámico se obtiene el modelo

adimensional correspondiente:

dL* 
 1 F (67)
dt*

dCA* 1 CA*
 *   r (68)
dt* L

dCB C*  C*
 B0 * B   r (69)
L

1 T *   L* r *  Q* 
 (70)
L*

Las ecuaciones constitutivas son:

1 
 1 
 *  (71)
r e*  
CA*

63
 Q   T* T *
med  (72)

F *   x L* (73)

donde los parámetros adimensionales son:

  e RTE 0 A L
 max (74)
F0

H 
E
AL  e RT C 0

 max A0 (75)
F0 0 Cp0 T0

E
 (76)
R T0

UAT0
 
E
(77)
AL e RT0
C H 
max A0

w g Lmax
  Cv (78)
F0

Es destacable la reducción en el número de parámetros del modelo. Los cuatro parámetros

adimensionales (, ,  y ) reemplazan a quince parámetros y datos del modelo original (, E,
R, T0, A, Lmax, F0, CA0, H, 0, Cp0, UA, Cv, w y g).De este modelo adimensional ya es posible
obtener algunas conclusiones sobre el arranque sin necesidad de simular. Por ejemplo, por la
ecuación (68), la concentración del reactivo A en el reactor aumentará cuando las condiciones
de arranque (condiciones iniciales) cumplan:
1 C *
*
Aini
  rini* (79)
Lini
y disminuirá en el caso contrario.

Algo similar se puede plantear para la temperatura. Por la ecuación (70), la misma aumentará
en el arranque cuando las condiciones iniciales cumplan:
1  L* r*  T *   Q* (80

Puesta en marcha
Para simular el arranque (o startup) del reactor, se adoptarán los siguientes valores para los
parámetros:

64
 = 0.5
 = 1.5
 = 30
=6
=3
Tmed* = 0.92
CB0* = 0 (no hay producto en la alimentación)
x = 0.5

El procedimiento que se seguirá para el arranque es el siguiente:

1. Con la alimentación y la descarga cerrada, cargar el reactor con solvente hasta la mitad
del nivel máximo, esto es: L* = 0.5.
2. Pasar vapor saturado por el serpentín para calentar el solvente hasta T* = 1.1.

Al *final de estas etapas, las condiciones en el reactor serán:

C =0
A
CB* = 0
L* = 0.5
T* = 1.1

Las etapas anteriores pueden ser simuladas utilizando los modelos ya presentados del tanque
con descarga gravitatoria y del tanque calefaccionado. Por lo tanto, la simulación que se
realizará en esta sección tomará como condiciones iniciales los valores correspondientes al
reactor cargado con solvente caliente. En el tiempo t = 0 de esta simulación, se abrirá la válvula
de descarga a x = 0.5, y se permitirá el ingreso de la corriente de alimentación al reactor. Por el
contrario, inicialmente no se hará circular refrigerante por el serpentín. Como resultado, la
temperatura se elevará de acuerdo al progreso de la reacción. Esta etapa se denomina encendido
de la reacción.

Pasado un tiempo, se deberá habilitar el paso del refrigerante para no producir daños en el
reactor. Si se refrigera demasiado pronto, el reactor se “apagará” (quench); si se refrigera
demasiado tarde..., lamentará no haber estudiado otra carrera. A fin de determinar el tiempo
apropiado de habilitación de la refrigeración se realizará una simulación dinámica. La Figura
38 muestra el correspondiente listado en E-Z Solve. Para modelar la habilitación de la
refrigeración se utilizó la función step(t,tenc). Esta función vale cero para t < tenc, y uno para t
 tenc; donde tenc es el tiempo en el que se habilita la refrigeración.

// Reactor refrigerado
// Modelo adimensional
// Sistema ODEs
L' = 1-F
CA' = (1-CA)/L-beta*r
CB' = (CB0-CB)/L+beta*r
Tr' = (1-Tr+gamma*(L*r-Q))/L

// Sistema algebraico
r = exp(-eta*(1/Tr-1))*CA
Q = kappa*(Tr-Tmed)*step(t,tenc)
F = lamda*x*sqrt(L)

// Datos
beta = 0.5

65
 gamma = 1.5
eta = 30
kappa = 6
lamda = 3
Tmed = 0.92
x = 0.5
CB0 = 0
tenc = 0.05
Figura 38: Listado en E-Z Solve para la puesta en marcha del reactor.

La Figura 39 presenta dos posibles evoluciones para la temperatura del reactor durante la puesta
en marcha. En el primer caso, curva inferior, la refrigeración se habilita en t* = 0.04, y como
consecuencia el reactor se apaga. Esto ocurre porque la reacción no tuvo tiempo suficiente para
completar su etapa de encendido; por lo tanto, el reactor se enfría, y termina con una temperatura
T* = 0.936. Para este estado, la concentración de producto CB* es despreciable de acuerdo a la
curva inferior de la Figura 25. En la siguiente prueba, curva superior, la refrigeración se habilita
a t* = 0.05, y el reactor se estabiliza en T* = 1.222. Este es el estado de operación deseado
porque, de acuerdo a la curva superior de la Figura 25, la concentración de producto es elevada,
CB* = 0.981. Las restantes condiciones de este estado

estacionario son L* = 0.444 y C *

= 0.019. Sin embargo, la evolución de la temperatura
A
presenta un pico que puede ser peligro. Para eliminar este pico, se deberán probar algunas
variantes del procedimiento propuesto para el arranque.

Figura 39: Evoluciones posibles de T* durante la puesta en marcha del reactor.

66
 Figura 40: Evoluciones posibles de CB* durante la puesta en marcha del reactor.

Apagado del reactor

Alcanzado el punto de operación del reactor, la siguiente etapa crítica es el apagado (o
shutdown) del mismo. Un procedimiento posible para apagar el reactor es reducir la
concentración del reactivo A en la corriente de alimentación CA0 al 1 % de su valor inicial,
mientras se mantienen las restantes condiciones de alimentación constantes (F0, T0, etc.).
Debido a que CA0 figura en las magnitudes características escogidas para adimensionalizar las
variables, se deben recalcular las condiciones iniciales y los parámetros afectados; los nuevos
valores son:
L* = 0.444
C * = 0.019/0.01 = 1.9
A
CB* = 0.981/0.01 = 98.1
T* = 1.222
 = 1.5*0.01 = 0.015
 = 6/0.01 = 600

Por otra parte, como el estado inicial de la simulación que se realizará es el reactor operando en
régimen, la refrigeración estará habilitada desde el inicio de la simulación; entonces, tenc =
0.

Realizando las modificaciones apropiadas para el programa E-Z Solve, se obtienen las
evoluciones de T* y CB*. De ellas, se puede deducir que el reactor se apaga sin pasar por ninguna
situación peligrosa. Por último, recuerde que los valores de las variables afectadas por este
cambio de base de adimensionalización en la etapa de apagado no pueden ser comparados
directamente con los correspondientes valores obtenidos en la etapa de puesta en marcha. Los
mismos deberán ser convertidos teniendo en cuenta el cambio de base de adimensionalización.

67
 Figura 41: Evolución de la temperatura del reactor durante el apagado.

Figura 42: Evolución de la concentración del producto en el reactor durante el apagado.

Estudio de estabilidad
Para estudiar la estabilidad en las condiciones de operación del reactor, se debe primero plantear
el modelo estacionario. Para ello, basta con anular los términos de acumulación del modelo
dinámico adimensional, ecuaciones (67)-(73). Se puede hacer lo mismo con el modelo dinámico
dimensional, pero para expandir el alcance de las conclusiones de esta sección, se trabajará con
el modelo adimensional. Entonces, el modelo estacionario adimensional es:

0  1 F * (81)

0 A *  r (82)
L

C* 
(83)
L*

68
 0  1 T *   L* r *  Q*  (84)

más las ecuaciones constitutivas (71)-(73).

Resolviendo analíticamente las ecuaciones (73) y (81), se obtiene:

F*1 (85)

2
 1 
L*   (86)
  x 
Combinando estas ecuaciones con las ecuaciones2 (71) y (82), resulta:
 x

CA* 1 
 1  (87)


 1 
2   * 1 
T
 x e  


r*   1 


(88)
  * 1
 x e
2 T 

Note que la velocidad de reacción adimensional quedó expresada sólo en función de la

temperatura adimensional. Por otra parte, el balance de energía, ecuación (84), se puede
reformular de la siguiente forma:
 L* r*  T * 1   Q* (89)

Como era de esperar, esta ecuación plantea que, en el estado estacionario, la velocidad de
generación de calor debe ser igual la velocidad de consumo del mismo. Debido a que todos los
términos fueron expresados en función de T*, es posible construir una gráfica para determinar la
temperatura para las cuales ambos miembros se igualan. Para eso, se definen la velocidad de
generación de calor QG y de consumo QC como sigue:
QG  L* r* (90)

QC T * 1   Q* (91)

Reemplazando las variables definidas por las ecuaciones (72), (86) y (88), se tiene:
 1 
  * 1
T

QG  
 
 e (92)
 1 


 1
 * 
 x e
2 T 


69
 
 (93)
QC T * 1    T *  Tmed
*

La Figura 43 muestra estas dos variables versus T*. Como se puede apreciar, para los valores
de los parámetros considerados en la sección anterior, se tienen tres valores de temperatura que
satisfacen las condiciones de estado estacionario, ellos son: 0.936, 1.028, 1.222. Por lo tanto,
existen tres estados estacionarios posibles para operar el reactor. Sin embargo, dichos estados
estacionarios no son equivalentes. El primero, correspondiente a T* = 0.936, tiene baja
producción debido a que la reacción “se apaga” a tan baja temperatura. El segundo,
correspondiente a T* = 1.028, es un estado inestable. En efecto, si en ese estado se calienta
ligeramente el reactor por alguna perturbación (el aumento de la temperatura ambiente por
ejemplo), la velocidad de generación de calor será mayor que la velocidad de consumo, y el
reactor se calentará aún más, alejándose así del estado estacionario considerado. De esta
manera, el reactor se calentará hasta llegar al siguiente estado estacionario, el correspondiente
a T* = 1.222. Este último estado es estable y de elevada producción; por lo tanto, debe ser el
escogido para operar el reactor.

4
4

Q G( Tr)
2
Q C(Tr)

0 0
0.8 1 1.2
0.75 Tr 1.25

Figura 43: Curvas de generación y consumo de calor.

Se puede verificar la estabilidad del estado estacionario elegido considerando lo que ocurre
cuando se perturba la temperatura del reactor. Si se aumenta ligeramente la temperatura en este
estado estacionario, la velocidad de consumo de calor es mayor que la velocidad de generación,
causando que la temperatura disminuya hasta retornar al valor original. Si en cambio, la
perturbación hace que disminuya la temperatura del reactor, la velocidad de generación de calor
será mayor que la velocidad de consumo, causando que la temperatura aumente hasta retornar
al valor correspondiente al estado estacionario considerado. De esta forma, se debe concluir que
el estado estacionario escogido es estable.

La Figura 44 presenta la evolución de la temperatura del reactor cuando se introdujo una

perturbación inicial de T* = 1.21. Nuevamente, tenc debe ser cero. Como puede apreciarse en la
curva superior, el reactor es capaz de recuperarse, y retorna al valor de operación T* = 1.22. Sin
embargo, cuando la perturbación es T* = 1.20, curva inferior, el reactor no puede recuperarse,
y se apaga. Para evitar esta situación, en la sección siguiente se instalará un controlador. Queda
para el lector el análisis de por qué el reactor no puede recuperarse de esta última perturbación
cuando, de acuerdo a la Figura 43, sí debería hacerlo.

70
 Figura 44: Respuestas de la temperatura ante perturbaciones.

Instalación de un controlador
De los estudios realizados en las secciones anteriores, se puede concluir que la temperatura
tiene una fuerte influencia en el comportamiento del reactor. Esta variable puede ser afectada
por un sinnúmero de perturbaciones; por ejemplo, variaciones en las condiciones: de la corriente
de alimentación, del fluido refrigerante, ambientales, etc. Por otra parte, es posible contrarrestar
estas perturbaciones a través de alguna variable manipulable. Esta variable debe ser
seleccionada considerando el tiempo de respuesta que presenta el sistema ante un cambio de la
misma (conviene que se lo más corto posible), el impacto sobre la variable controlada T*
(conviene que sea alto), y el costo asociado a esta variación (conviene que sea bajo). Debido a
estos criterios, por lo general, se prefiere manipular un servicio del sistema en lugar de trabajar
con el proceso en sí; es decir, para el reactor es preferible manipular el caudal de refrigerante
que el caudal de alimentación.

CT Tsp

xs

Fs,s,Ts0
Ts

Figura 45: Controlador de temperatura.

Por los motivos señalados, se instalará en el reactor un controlador de temperatura. La variable

manipulada será la apertura de la válvula de ingreso de refrigerante (Figura 45). Para evitar el
error de offset asociado a un controlador del tipo P, el controlador a utilizar será del tipo P+I
(proporcional más efecto integral). La válvula de control es lineal. Con esto, las ecuaciones
adicionales para el modelo dinámico son:  1 
Ac  Ab  Kp e  Ai (94)

  i  

 

71
 e  T  Tsp (95)

xs  Ac (96)

FC x Pvs (97)


s vs s


Q  Fs s Cps Ts  Ts0(98)

Ts0  Ts (99)
T 
med
2

donde se despreció la dinámica del serpentín, por lo que se planteó un balance estacionario de
energía.

El efecto integral Ai es por definición:

t
Ai  0 e dt (100)

pero, para evitar la formación de un sistema de ecuaciones integro-diferenciales, se sustituye

la ecuación anterior por la siguiente ecuación diferencial equivalente:
dAi
 e (101)
dt

Eliminando las variables intermedias e y Ac, se obtienen las ecuaciones que finalmente deben ser
agregadas al modelo dinámico:

dAi
 T  Tsp (102)
dt

 1 
x  Ab  Kp T  Tsp Ai   (103)
  i 

Pvs
Fs  C vsx s (104)
s / ws

Q  Fs s Cps Ts  Ts0  (105)

Ts0  Ts
Tmed  (106)
2

72
 Ai
Ai*  A Lmax
T0 (107)
F0

Fs
F* (108)
s

F0

Tmed (109)
T* 
med
T0
Sustituyendo las nuevas variables adimensionales se obtienen las ecuaciones adicionales que
deben ser agregadas al modelo adimensional del reactor:

dAi* 
 T *  T*sp (110)
dt*

x  Ab   T* T sp* Ai  (111)

Fx (112)

Q   F Ts* T s0*  (113)

T* T*
Tmed  s0 s (114)
2

Los números adimensionales adicionales son:

  Kp T0 (115)

A Lmax

 F0 (116)
i

Pvs
C
vs
 / (117)
 s ws
F0

F0 s Cps T0
 
E
(118)
AL e RT0
C H 
max A0
73
Los valores de los parámetros y variables adicionales son:
 = 100
 = 0.5
 = 25
=1
Ab = 0.5
Tsp* = 1.222
Ts0* = 0.85

Siempre conviene diseñar el proceso para que la válvula de control tenga un margen disponible
para cerrar y abrir. Lo ideal es que la válvula opere en condiciones normales al 0.5 de apertura;
por eso, Ab = 0.5.

Para estudiar el comportamiento del controlador, se realizará una simulación dinámica tomando
como estado inicial el estado estacionario de operación del reactor. En ese estado, se provocará
una perturbación, y se analizará la evolución del reactor. El valor inicial para el efecto integral
Ai* se podría obtener de plantear el modelo estacionario para las condiciones normales de
operación del reactor. Sin embargo, un camino alternativo es suponer un valor inicial
cualquiera, por ejemplo cero, y realizar una simulación dinámica. Cuando el reactor alcanza el
estado estacionario de operación, se registra el valor correspondiente del efecto integral. Luego,
éste será el valor inicial tomado para la siguiente simulación.

La Figura 31 presenta el listado en E-Z Solve para simular el reactor con controlador de
temperatura. Debido a que físicamente la apertura de la válvula de control debe pertenecer al
intervalo [0,1] (o mejor [0.01,1] para evitar problemas numéricos), se utiliza la función
acotado(x,Li,Ls) en la ecuación de la válvula. Dicha función se define de la siguiente manera:
 Li x  Li

acotato(x, Li, Ls)  Ls x  Ls (119)

 x otherwise

Para programar esta función, se utilizaron las facilidades que ofrece el programa E-Z Solve.
En la Figura 32 se presenta el listado correspondiente a esta función.

74
/ Reactor refrigerado
// Modelo adimensional
// Evaluación del controlador CT
// Sistema ODEs
L' = 1-F
CA' = (1-CA)/L-beta*r
CB' = (CB0-CB)/L+beta*r
Tr' = (1-Tr+gamma*(L*r-Q))/L
Ai' = Tr-Tsp

// Sistema algebraico
r = exp(-eta*(1/Tr-1))*CA
Q = kappa*(Tr-Tmed)*step(t,tenc)
F = lamda*x*sqrt(L)

xs = Ab+sigma*(Tr-Tsp+omega*Ai)
Fs = xi*acotado(xs,0.01,1)
Q = psi*Fs*(Ts-Ts0)*step(t,tenc)
Tmed = (Ts+Ts0)/2

75
 // Datos
beta = 0.5
gamma = 1.5
eta = 30
kappa = 6
lamda = 3
x = 0.5
CB0 = 0
tenc = 0.0

sigma = 100
omega = 0.5
xi = 25
psi = 1
Ab = 0.5
Tsp = 1.222
Ts0 = 0.85
Figura 46: Listado en E-Z Solve para el reactor con controlador de temperatura.

FUNCTION acotado(x,Li,Ls)
/* Devuelve el valor acotado de x
entre Li y Ls */

r=x

IF x < Li THEN
r = Li
ENDIF

IF X > Ls THEN
r = Ls
ENDIF

RETURN r
END
Figura 47: Definición de la función acotado(x,Li,Ls).

Simulando para las condiciones de operación del reactor e inicializando con cero el efecto
integral, se obtiene que en el estado estacionario de operación Ai* = 0.00. Tomando este valor
como valor inicial, se procede a simular la perturbación analizada en la sección anterior T*
= 1.20. En dicho caso, el reactor no pudo recuperarse de esta perturbación, y se apagó. En
cambio, de acuerdo a la Figura 48, ahora el controlador actúa, y hace que el reactor recupere su
estado normal de funcionamiento.

76
 Figura 48: Respuesta del reactor con CT para la perturbación T* =1.20.

Reactor productor de propilenglicol

Modelo dinámico
En esta sección se estudiará un reactor similar al reactor de la sección anterior (Figura 37), se
utilizará el modelo dinámico original sin adimensionalizar; y para practicar con otro sistema de
unidades, se trabajará con el sistema inglés. Nuevamente, se analizarán la puesta en marcha, la
estabilidad del estado estacionario y la instalación de un controlador.El reactor a considerar en
esta sección está destinado a la producción de propilenglicol. Este compuesto es producido por
la hidrólisis del óxido de propileno:

H2SO4
CH2 CH CH3 + H2O CH2 CH CH3


O OH OH

La reacción ocurre a temperatura ambiente cuando es catalizada por ácido sulfúrico. En las
condiciones de operación del reactor en estudio, la reacción es de primer orden con respecto al
óxido de propileno. La dependencia de la constante cinética en relación a la temperatura, está
dada por la ecuación de Arrhenius:
E

k   e RT (120)

donde  = 16.96 1012 h-1 y E = 32400 Btu/lb mol. La constante de los gases R es 1.987
Btu/(lb mol °R).

El reactor es del tipo CSTR refrigerado con un serpentín. Un sistema de control ideal mantiene
el volumen líquido constante e igual a 66.84 ft3. Inicialmente sólo hay agua a 75 °F y 0.1 % en
peso de H2SO4. El caudal de alimentación de reactivos es F0 = 440.63 ft3/h, y su temperatura
T0 = 75 °F. Las concentraciones, en esta corriente, de óxido de propileno (A), agua (B, con 0.1
% de H2SO4), óxido de propilenglicol (C) y metanol (M) son: CA0 = 0.1816, CB0 = 2.2695, CC0
= 0 y CM0 = 0.2269 en lb mol/ft3, respectivamente. Las capacidades caloríficas son: CpA0 = 35,
CpB0 = 18, CpC0 = 46 y CpM0 = 19.5 en Btu/(lb mol °F). La reacción química es del tipo: A + B
 C. El calor de reacción es constante e igual a

77
 H = -36000 Btu/(lb mol). La variación de la densidad y la potencia del agitador son
despreciables. Al contrario de la sección anterior, en este caso no se supondrá capacidad
calorífica constante con respecto a la composición de la mezcla, pero sí con respecto a la
temperatura.
Con todas las consideraciones realizadas, las ecuaciones diferenciales del modelo (balances por
componentes y energía) son:
V A  F C  C  V r (121)
dC
0 A0 A
dt
dCB
V  F  C  C  V r (122)
0 B0 B
dt
dCC
V  F C  C   V r (123)
0 C0 C
dt

V
dCM  F C C  (124)
0 M0 M
dt
dT
V C Cp  F C Cp (T  T )  V r (H )  Q (125)
0 0 0 0
dt
Las ecuaciones constitutivas son:
r  k CA (126)

E

k   e RT (127)

Q  UA Tml (128)

Q  Ns0 Cps0 Ts  (129)

Ts0

T ml
T  Ts0   T  Ts 
 T  T  (130)


ln s0 
 T  Ts 

NC
C  Cj (131)
j 1

78
 Cj
x  (132)
j
C

NC

Cp  x j Cp j 0 (133)
j 1

NC

C0  C j 0 (134)
j 1

Cj 0
x j0  (135)
C0

NC

Cp0  x j 0 Cp j 0 (136)

j 1

Eliminando las variables internas de poco interés para este estudio (k, Tml, xj y xj0), se tiene el
modelo dinámico simplificado:

dCA F0 CA0  CA 
 r (137)
dt V

dCB F0 CB0  CB 
  (138)
rdt V

dCC F0 CC0  CC 
 r (139)
dt V

dCM F0 CM0  CM 
 (140)
dt V

dT F0 C0 Cp0 (T0  T )  V r (H )  Q

 (141)
dt V C Cp

Las ecuaciones constitutivas son:

(142)

Ts  Ts0
Q  UA
 T  Ts0  (143)
ln  
Ts TTs s0 
Q  N s0 Cps0T (144)
79
 NC
C   Cj (145)
j 1

1 NC
Cp   C jCp
C j 1
j0 (146)

C0   C j 0
NC
(147)
j 1

1 NC
Cp  C
C0 j 1
j0 Cp j 0 (148)

Puesta en marcha
La Figura 49 muestra el listado en E-Z Solve correspondiente al modelo dinámico desarrollado
para el reactor. La Figura 50 y la Figura 51 presentan la evolución de CA y T durante la puesta
en marcha cuando las condiciones iniciales son las siguientes:
CA = 0
CB = 3.45 lb mol/ft3
CC = 0
CM = 0
T = 75 °F

// Reactor de propilenglicol
// Sistema ODEs
CA' = F0*(CA0-CA)/V - r
CB' = F0*(CB0-CB)/V - r
CC' = F0*(CC0-CC)/V + r
CM' = F0*(CM0-CM)/V
Tr' = (F0*C0*Cp0*(T0-Tr)+V*r*(-DH)-Q)/(V*C*Cp)

// Sistema de ecuaciones algebraicas

r = alpha*exp(-E/(R*(Tr+460)))*CA // Tr debe estar en Rankine.
Q = UA*(Ts-Ts0)/ln((Tr-Ts0)/(Tr-Ts))
Q = Ns0*Cps0*(Ts-Ts0)
C = CA+CB+CC+CM
Cp = (CA*CpA0+CB*CpB0+CC*CpC0+CM*CpM0)/C
C0 = CA0+CB0+CC0+CM0
Cp0 = (CA0*CpA0+CB0*CpB0+CC0*CpC0+CM0*CpM0)/C0

// Datos
V = 66.84

F0 = 440.63
T0 = 75
CA0 = 0.1816
CB0 = 2.2695
CC0 = 0
CM0 = 0.2269

CpA0 = 35

80
 CpB0 = 18
CpC0 = 46
CpM0 = 19.5

Ns0 = 1000
Ts0 = 60
Cps0 = 18
UA = 16000

DH = -36000
alpha = 16.96e12
E = 32400
R = 1.987
Figura 49: Listado en E-Z Solve para el reactor productor de propilenglicol.

Figura 50: Evolución de CA en la puesta en marcha.

Figura 51: Evolución de la T en la puesta en marcha.

En estas condiciones, el reactor arranca (con el sistema de refrigeración encendido desde el

primer momento) y se estabiliza en el siguiente estado estacionario:
CA = 0.0377 lb mol/ft3
CB = 2.1256 lb mol/ft3

81
CC = 0.1439 lb mol/ft3
CM = 0.2269 lb mol/ft3
T = 138.7 °F

La evolución hacia el estado estacionario de operación puede verse más claramente en los
diagramas de fases. La Figura 52 presenta el diagrama correspondiente a CA vs. T. En él se
puede identificar un punto atractor, este punto corresponde al estado estacionario de operación.
La potencia de estos diagramas radica en que el reactor alcanzará el estado de operación para
cualquier estado inicial que se encuentre sobre las curvas representadas en en los mismos. Más
aún, el estado evolucionará a partir de ese punto inicial respetando las trayectorias indicadas en
los diagramas.

Estado estacionario

Estado inicial

Figura 52: Diagrama de fase CA vs. T para la puesta en marcha.

La Figura 53 muestra el diagrama de fases para tres puesta en marcha a partir de las siguientes
tres condiciones iniciales: T = 75, CA = 0; T = 150, CA = 0; y T = 150, CA = 0.14. Todas ellas
conducen al mismo estado estacionario final; sin embargo, la última presenta una elevación de
temperatura excesiva que puede ser peligrosa para el reactor.

Figura 53: Puesta en marcha a partir de tres condiciones iniciales diferentes.

82
 Por el contrario, el reactor no puede ponerse en marcha cuando la temperatura de alimentación
es T0 = 70 °F. En efecto, la Figura 39 muestra la evolución de T cuando las condiciones iniciales
son las siguientes:
CA = 0
CB = 3.45 lb mol/ft3
CC = 0
CM = 0
T = 75 °F

Con estas condiciones, el reactor se apaga y se estabiliza en el siguiente estado estacionario:

CA = 0.1461 lb mol/ft3
CB = 2.2340 lb mol/ft3
CC = 0.0355 lb mol/ft3
CM = 0.2269 lb mol/ft3
T = 83.72 °F

Figura 54: Puesta en marcha para T0 = 70 °F.

Apagado del reactor

Un procedimiento posible para apagar el reactor consiste en hacer CA0 = 0; esto es, se elimina
un reactivo de la alimentación. La Figura 55 muestra la evolución de la temperatura T cuando
se sigue el procedimiento descrito. Debido a que no se observan picos peligrosos, y el reactor
se apaga rápidamente, éste parece ser un procedimiento adecuado para el apagado.

83
 Figura 55: Evolución de la temperatura T cuando se hace CA0 = 0.

Por el contrario, anular la alimentación haciendo F0 = 0 no parece un buen procedimiento de

acuerdo a lo que se puede ver en la Figura 56. En este caso, la temperatura presenta un pico que
puede causar problemas.

Figura 56: Evolución de la temperatura T cuando se hace F0 = 0.

Estudio de estabilidad
Para comprender las diferentes conductas observadas durante la puesta en marcha, es necesario
estudiar la estabilidad del estado de operación del reactor. Para ello, se plantea el modelo
correspondiente al estado estacionario. Como siempre, dicho modelo se obtiene del modelo
dinámico anulando los miembros izquierdos de las ecuaciones diferenciales. De este modo, del
balance para el componente A se obtiene:
F0 CA0  CA 
0  r(149)
V

A partir de esta ecuación y de la correspondiente a la velocidad de reacción, ecuación (142),

se tienen CA y r en función de T únicamente:
84
 CA0
CA  V 
E
(150)

e RT
1
F0

 e RT
C
E

r  A0E
V  (151)
 e RT  1
F0

Por otra parte, el balance de energía estacionario es:

0  F0 C0 Cp0 (T0  T )  V r (H )  Q (152)

Al igual que se hizo con el anterior reactor, es posible definir las velocidades de generación y
de consumo de calor, QG y QC, como sigue:
QG  V r (H ) (153)

QC  F0 C0 Cp0 T  T0   Q (154)

Utilizando las ecuaciones (143) y (144), se pueden expresar las condiciones en el serpentín en
función de T:
 UA  
T  T  T  T 1 e  Ns0 Cps0 (155)
s s0 s0
 


T  T 1 e  N UACp (156)

Q  N Cp s0 s0

s0 s0 s0
 


Entonces, con las ecuaciones (151) y (156), QG y QC dependen de la temperatura T de la

siguiente manera:
E
 RT
Ve CA0 (H )
Q
G E
V  (157)
e 1
RT
F0

T  T   N Cp T  T 1 e  N UACp (158)


Q  F C Cp s0 s0

C 0 0 0 0 s0 s0 s0
 

85
 3 10
6
6
310

2 10
6
Q (GTr)

Q C(Tr)
1 10
6

0 0
80 100 120 140
70 Tr 150
Figura 57: Curvas de generación y consumo de calor para T0 = 75 °F.

Por otra parte, cuando durante la operación del reactor se perturba la alimentación haciendo T0
= 70 °F, cambia el estado estacionario tal como se representa en la Figura 43. Este nuevo estado
es estable pero de baja producción. Es decir, el reactor se apaga descendiendo la temperatura
hasta T = 83.72 °F (Figura 44). El estado estacionario final es el mismo estado apagado
estudiado en la sección de puesta en marcha. Este fenómeno puede utilizarse para diseñar un
procedimiento de apagado del reactor.

3 10
6
6
310

2 10
6
Q (GTr)

Q C(Tr)
1 10
6

0 0
80 100 120 140
70 Tr 150
Figura 58: Curvas de generación y consumo de calor para T0 = 70 °F.

86
 Figura 58: Descenso de la temperatura T cuando se hace T0 = 70 °F.

Instalación de un controlador de temperatura

Este medio puede ser un controlador P+I que supervise a la temperatura (variable controlada) y
manipule el caudal de refrigerante (variable manipulada) a fin de mantener la temperatura en un
valor deseado Tsp. Para ello, se deberán agregar las siguientes ecuaciones al modelo dinámico:
dAi
e (159)
dt

Ac  Ab  Kp e  Ai 
1
(160)
 i 
 

e  T  Tsp (161)

Ns0  Ac (162)

Eliminando las variables intermedias e y Ac, se tienen las ecuaciones finales que deben
agregarse al modelo dinámico:
dAi
 T  Tsp (163)
dt

 1 
N s0  Ab  Kp  T  Tsp  Ai  (164)
  i 

Para la ganancia Kp se toma el valor 8.5 lb mol/(h °F), para el bias Ab el valor 1000 lb mol/h,
para el tiempo integral el valor V/F0 = 0.152 h, y para el set point se toma la temperatura del
estado estacionario de operación Tsp = 138.7 °F.

La Figura 60 muestra el correspondiente listado en E-Z Solve para el caso en que la temperatura
de alimentación T0 desciende a 70 °F durante la operación del reactor (las condiciones iniciales
son las pertenecientes al estado estacionario de operación).
87
 // Reactor de propilenglicol
// Sistema ODEs
// Con control CT
CA' = F0*(CA0-CA)/V - r
CB' = F0*(CB0-CB)/V - r
CC' = F0*(CC0-CC)/V + r
CM' = F0*(CM0-CM)/V
Tr' = (F0*C0*Cp0*(T0-Tr)+V*r*(-DH)-Q)/(V*C*Cp)
Ai' = Tr-Tsp

// Sistema de ecuaciones algebraicas

r = alpha*exp(-E/(R*(Tr+460)))*CA // Tr debe estar en Rankine.
Q = UA*(Ts-Ts0)/ln((Tr-Ts0)/(Tr-Ts))
Q = Ns0*Cps0*(Ts-Ts0)
C = CA+CB+CC+CM
Cp = (CA*CpA0+CB*CpB0+CC*CpC0+CM*CpM0)/C
C0 = CA0+CB0+CC0+CM0
Cp0 = (CA0*CpA0+CB0*CpB0+CC0*CpC0+CM0*CpM0)/C0
Ns0 = Ab+Kp*(Tr-Tsp+Ai/taoi)

// Datos
V = 66.84

F0 = 440.63
T0 = 70
CA0 = 0.1816
CB0 = 2.2695
CC0 = 0
CM0 = 0.2269

CpA0 = 35
CpB0 = 18
CpC0 = 46
CpM0 = 19.5

Ts0 = 60
Cps0 = 18
UA = 16000

DH = -36000
alpha = 16.96e12
E = 32400
R = 1.987

Tsp = 138.7
Ab = 1000
Kp = 8.5
taoi = 0.152
Figura 60: Listado en E-Z Solve para el reactor con control de temperatura.

La Figura 61 presenta la evolución de la temperatura T del reactor para la perturbación

simulada. Al contrario de lo que ocurrió con el reactor sin controlador (sección anterior), esta
vez el reactor se recupera de dicha perturbación.

88
 Figura 61: Respuesta del reactor controlado ante la perturbación T0 = 70 °F.

La Figura 62 presenta la evolución de la variable manipulada Ns0. Debido a que esta variable
no alcanza valores extremos, esta vez no fue necesario programar una función que considere la
limitación física de la apertura de la válvula del refrigerante (xs  [0,1]).

Figura 62: Evolución de la variable manipulada Ns0.

Instalación de un controlador de nivel

Inicialmente se supuso la existencia de un controlador de nivel ideal, en esta sección se
eliminará esa restricción. Para ello, se agregarán al modelo dinámico las ecuaciones
correspondientes a un controlador P+I que supervise el nivel (variable controlada) y manipule
el caudal de salida (variable manipulada) a fin de mantener el nivel en un valor deseado Lsp.
Las ecuaciones adicionales son:
dAiL
 eL (166) .
dt

89
 eL  L  Lsp (167)

F  AcL (168)

El caudal F de salida fue seleccionado como variable manipulada porque afecta directamente
a la variable controlada, el nivel L, sin perturbar a la temperatura T. En cambio, si bien el caudal
de alimentación F0 también afecta directamente al nivel, tiene el inconveniente de perturbar a
la temperatura. Por este motivo, se prefirió manipular el caudal de salida en lugar del caudal de
entrada.

Eliminando las variables intermedias eL y AcL, se tienen las ecuaciones finales que deben
agregarse al modelo dinámico:

dAiL
 L  L sp (169)
dt


F  Ab  Kp L L  L 1 Ai 
 L  (170)

sp
 iL 

Para la ganancia KpL se toma el valor 100 ft2/h, para el bias AbL el valor F0 = 440.63 ft3/h,
para el tiempo integral el valor V/F0 = 0.152 h, y para el set point se toma el valor Lsp = 3 ft.

Por otra parte, se deben agregar al modelo dinámico las siguientes ecuaciones para determinar
el nivel:

dL F0  F
 (171)
dt A

V  AL (172)

donde A = 22.28 ft2. La primera ecuación corresponde al balance global de materia. A pesar de
que el modelo contiene los balances para todos los componentes, no es necesario eliminar
ninguna de esas ecuaciones para agregar el balance global. Esto es posible debido a que no se
incorporó en el modelo la ecuación algebraica que define la densidad; por lo tanto, el balance
global de materia es una ecuación independiente a pesar de tener los balances de todos los
componentes.

La Figura 63 muestra el correspondiente listado en E-Z Solve para simular una disminución del
10 % en el caudal de entrada F0 durante la operación del reactor (las condiciones iniciales son
las pertenecientes al estado estacionario de operación).

90
// Reactor de propilenglicol
// Sistema ODEs
// Con control CT y CL
// y una disminución de 10 % en F0
CA' = F0*(CA0-CA)/V - r
CB' = F0*(CB0-CB)/V - r
CC' = F0*(CC0-CC)/V + r

91
 CM' = F0*(CM0-CM)/V
Tr' = (F0*C0*Cp0*(T0-Tr)+V*r*(-DH)-Q)/(V*C*Cp)
Ai' = Tr-Tsp
L' = (F0-F)/A
AiL' = L-Lsp

// Sistema de ecuaciones algebraicas

r = alpha*exp(-E/(R*(Tr+460)))*CA // Tr debe estar en Rankine.
Q = UA*(Ts-Ts0)/ln((Tr-Ts0)/(Tr-Ts))
Q = Ns0*Cps0*(Ts-Ts0)
C = CA+CB+CC+CM
Cp = (CA*CpA0+CB*CpB0+CC*CpC0+CM*CpM0)/C
C0 = CA0+CB0+CC0+CM0
Cp0 = (CA0*CpA0+CB0*CpB0+CC0*CpC0+CM0*CpM0)/C0
Ns0 = Ab+Kp*(Tr-Tsp+Ai/taoi)
F = AbL+KpL*(L-Lsp+AiL/taoiL)
V = A*L

// Datos
F0 = 440.63*0.9
T0 = 75
CA0 = 0.1816
CB0 = 2.2695
CC0 = 0
CM0 = 0.2269

CpA0 = 35
CpB0 = 18
CpC0 = 46
CpM0 = 19.5

Ts0 = 60
Cps0 = 18
UA = 16000

DH = -36000
alpha = 16.96e12
E = 32400
R = 1.987

Tsp = 138.7
Ab = 1000
Kp = 8.5
taoi = 0.152

Lsp = 3
AbL = 440.63
KpL = 100
taoiL = 0.152

A = 22.28

Figura 63: Listado en E-Z Solve para el reactor con control de temperatura y de nivel.

La Figura 64 presenta la evolución de la temperatura T del reactor para la perturbación

simulada, mientras la Figura 50 muestra la evolución del nivel L. En ambos casos, los
controladores son capaces de estabilizar las variables controladas.

92
 Figura 64: Respuesta de la temperatura T ante una disminución del 10 % en F0.

Figura 65: Respuesta del nivel L ante una disminución del 10 % en F0.

La Figura 51 presenta la evolución de la variable manipulada F. esta vez tampoco fue necesario
programar una función que considere la limitación física de la apertura de la válvula de descarga
(x  [0,1]).

Figura 66: Evolución de la variable manipulada

93
 CONCLUSIONES

 El poder simular un proceso como una aplicación en Ingeniería Química, es un

gran herramienta la cual complementa con gran precisión diversas áreas que

puede ocupar un ingeniero químico.

 Para una mejor visualización de una simulación, es con programas de simulación

que nos deje poner los parámetros y variables que nos da el proceso.

 Las Guías de Laboratorio de Simulación serán de mucha utilidad en la

incorporación de los módulos de simulación dentro del contenido de la

asignatura correspondiente.

 La comprensión de un fenómeno o proceso de una empresa, mediante una

construcción estructurada del mismo, permite la comprensión, analisis y

aplicación de la teoría en casos particulares y experiencias de campo que puedan

presentarse en nuestro desenvolvimiento profesional como ingeniero químico.

94
 FUENTES DE INFORMACIÓN

Bibliografía
Chapra, S. (2007). Metodo numerico para ingenieros. Mexico: MgGraw.

Martinez, V. (200). Simulacion de procesos en ingenieria quimica. Mexico: Plaza y

Valdes, S.A. de C.V. .

Ramirez, M. (2005). Desarrolo de modulos de simulacon de procesos en ingenieria

quimica. Ciudad univeersitaria: Universidad el salvador.

Scenna, N. (1999). Modelado, simulacion y optimizacion de procesos quimicos. Argentina:

ISBN.

HIMMELBLAU D.M., BISCHOFF K.B. Análisis y Simulación de Procesos. Barcelona: Reverté,

1976.

Introducción a la Termodinámica en Ingeniería Química. Smith, van Ness y Abbott, McGraw Hill
(1997).

95