TRABAJO DE AÑO SABÁTICO 2017

EFECTOS DINÁMICOS EN OPERACIONES

UNITARIAS.
Modelado de procesos para su análisis y control.

HERNÁN D. ALVAREZ Z.
I.Q., M.Sc., Ph.D.

Universidad Nacional de Colombia

Facultad de Minas
Departamento de Procesos y Energı́a
Medellı́n
Diciembre de 2017
 TRABAJO DE AÑO SABÁTICO 2017
EFECTOS DINÁMICOS EN OPERACIONES
UNITARIAS.
Modelado de procesos para su análisis y control.

HERNÁN D. ALVAREZ Z.
I.Q., M.Sc., Ph.D.

Universidad Nacional de Colombia

Facultad de Minas
Departamento de Procesos y Energı́a
Medellı́n
Diciembre de 2017
Índice general

Índice general I

Índice de tablas V

Índice de figuras VII

Introducción IX

1. Los Modelos Semifı́sicos de Base Fenomenológica (MSBF) 1

1.1. A Manera de Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Fundamentación de los MSBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Balances de Masa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1.1. Balance de Masa Total (BMT) . . . . . . . . . . . . . . . . . . . . 3
1.2.1.2. Balance de Masa por Componente (BMC) . . . . . . . . . . . . 5
1.2.2. Balances de Energı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2.1. Balance de Energı́a Térmica (BET) . . . . . . . . . . . . . . . . . 8
1.2.2.2. Balance de Energı́a Mecánica (BEM) . . . . . . . . . . . . . . . . 9
1.2.3. Ecuaciones Constitutivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.3.1. Relaciones arbitrarias de diseño u operación . . . . . . . . . . . 11
1.2.3.2. Ecuaciones de Trasporte . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.3.3. Velocidades de Reacción . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.3.4. Propiedades de las Sustancias . . . . . . . . . . . . . . . . . . . . . 13
1.2.3.5. Relaciones de Equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.4. Dinámicas del Proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3. Justificación del Método de Modelado . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4. Propiedades de los MSBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.1. Unicidad de la Estructura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
I
II ÍNDICE GENERAL

1.4.2. Modularidad de la Estructura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.4.3. Combinación de Niveles de Detalle . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.4. Interpretabilidad Paramétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5. Método para Obtener un MSBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.1. Paso 1. Descripción del Proceso y Objetivo del Modelo . . . . . . . . . . 19
1.5.2. Paso 2. Hipótesis de Modelado y Nivel de Detalle . . . . . . . . . . . . . . 20
1.5.3. Paso 3. Definición de los Sistemas de Proceso . . . . . . . . . . . . . . . . . 21
1.5.4. Paso 4. Aplicación de la Ley de Conservación . . . . . . . . . . . . . . . . . 21
1.5.5. Paso 5. Determinación de la Estructura Básica del Modelo . . . . . . . 22
1.5.6. Paso 6. Reconocimiento y Acotamiento de Variables, Parámetros
Estructurales y Constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.7. Paso 7. Propuesta de Ecuaciones Constitutivas y Establecimiento de
Parámetros Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.5.8. Paso 8. Conteo de Grados de Libertad . . . . . . . . . . . . . . . . . . . . . . 24
1.5.9. Paso 9. Construcción del Modelo Computacional . . . . . . . . . . . . . . 25
1.5.10. Paso 10. Validación del Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.6. Ejemplo Ilustrativo MSBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6.1. Descripción del Proceso y Objetivo del Modelo . . . . . . . . . . . . . . . . 26
1.6.2. Hipótesis de Modelado y Nivel de Detalle . . . . . . . . . . . . . . . . . . . . 27
1.6.3. Definición de los Sistemas de Proceso . . . . . . . . . . . . . . . . . . . . . . 27
1.6.4. Aplicación de la Ley de Conservación . . . . . . . . . . . . . . . . . . . . . . 28
1.6.4.1. Sistema de Proceso Metal de las Aspas SdePI : . . . . . . . . . 28
1.6.4.2. Sistema de Proceso Sustancia Fluida dentro del Tanque
SdePII : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.6.4.3. Sistema de Proceso Metal del Tanque SdePIII . . . . . . . . . 32
1.6.5. Determinación de la Estructura Básica del Modelo . . . . . . . . . . . . . 33
1.6.6. Reconocimiento y Acotamiento de Variables, Parámetros Estructu-
rales y Constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.6.7. Propuesta de Ecuaciones Constitutivas y Establecimiento de
Parámetros Funcionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.6.7.1. Densidad de la mezcla . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.6.7.2. Flujo másico de lodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.6.7.3. Flujo másico de agua . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.6.7.4. Volumen contenido en el tanque . . . . . . . . . . . . . . . . . . . 37
1.6.7.5. Masa total contenida en el tanque . . . . . . . . . . . . . . . . . . 38
1.6.7.6. Fracción másica de sólidos en la corriente 1 . . . . . . . . . . . 38
 ÍNDICE GENERAL III

1.6.7.7. Cambio de la masa dentro del tanque con el tiempo . . . . . 38

1.6.7.8. Capacidad calorı́fica a presión constante de la masa dentro
del tanque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.6.7.9. Flujo de trabajo de eje que recibe el fluido . . . . . . . . . . . . 39
1.6.7.10. Densidad del lodo de entrada . . . . . . . . . . . . . . . . . . . . . . 39
1.6.7.11. Pérdidas por fricción entre las entradas y la salida . . . . . . 39
1.6.8. Conteo de Grados de Libertad . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.6.9. Construcción del Modelo Computacional . . . . . . . . . . . . . . . . . . . . 41
1.6.10. Validación del Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.7. Temas en Exploración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.7.1. Interpretabilidad Paramétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.7.2. Interpretabilidad e Identificación Paramétrica . . . . . . . . . . . . . . . . 43

Glosario 45

Bibliografı́a 49
Índice de tablas

1.1. Variables y parámetros estructurales y constantes del modelo. . . . . . . . . . . 34

1.2. Ecuaciones constitutivas para los parámetros del modelo. . . . . . . . . . . . . . 35

V
Índice de figuras

1.1. Diagrama de flujo de proceso y diagrama de bloques de los sistemas de

proceso del ejemplo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

VII
Introducción

Este trabajo es apenas un primer intento por poner en un solo sitio una aproximación
unificada a la representación de los comportamientos dinámicos en los procesos quı́micos
y biológicos. Por lo tanto, no pretende ser un manual de la ingenierı́a quı́mica y biológica,
ni tampoco una compilación de modelos o correlaciones útiles en estas profesiones. Para
este tipo de información existen textos como el Manual del Ingeniero Quı́mico (Green &
Perry, 2008) o el Manual de Cálculos de Ingenierı́a Quı́mica (Hicks & Chopey, 2012), con
excelente información puntual. Por lo tanto, la intencionalidad fundamental del presen-
te texto es propiciar un repositorio de aproximaciones a los modelos semifı́sicos de base
fenomenológica (MSBF) de los procesos quı́micos y biológicos, analizados desde las opera-
ciones de transferencia y las reacciones quı́micas y bioquı́micas. En tal sentido, se insiste
en el carácter de primera aproximación de este material, no tanto desde la obtención de
modelos del tipo MSBF, procedimiento que se puede afirmar ya está consolidado, sino
desde los elementos propios de cada operación de transferencia, los que van apareciendo a
medida que se obtiene un MSBF.
Es evidente que el ejercicio de modelar procesos brinda cada dı́a más conocimiento res-
pecto de casos puntuales, que pueden luego generalizarse. En tal sentido, se puede trazar
una secuencia en las operaciones de transferencia, que da paso al estudio de sistemas con
reacciones quı́micas o biologicas como sigue. Lo primero es la transferencia de cantidad de
movimiento, aunque puede darse transferencia de calor sin que exista transferencia de can-
tidad de movimiento (calor por conducción). La transferencia de cantidad de movimiento
también afecta la transferencia de masa, aunque puede darse transferencia de masa sin que
exista transferencia de cantidad de movimimiento (transferencia de masa por difusión).
También existe transferencia de masa impulsada por el efecto combinado de la transferen-
cia de cantidad de movimiento y de calor. Finalmente, las tres transferencias permiten un
sistema reactivo (reactor) más eficiente, aunque nuevamente puede darse reacción quı́mica
sin que exista de forma significativa ninguna de las tres transferencias. En esta secuencia
es evidente que pueden existir de forma independiente las tres operaciones de transferencia
y la reacción quı́mica o biológica, pero el interés industrial por operar a la mayor eficiencia
posible, busca que se den todas en la magnitud adecuada para incrementar la eficiencia
global del proceso.
De otro lado, el comportamiento dinámico es inherente a los sistemas con reacción
quı́mica o biológica, aunque la aproximación tradicional en la literatura ve la dinámica en
la cinética y no en el comportamiento global del proceso con reacción. Esto debido a que las
tres operaciones de transferencia, casi siempre involucradas en el proceso reactivo, se han
enseñado y presentado tradicionalmente desde la visión estacionaria. Por eso este trabajo

IX
X INTRODUCCIÓN

hace un tratamiento extenso de la dinámica de las operaciones de transferencia, pero hace

una mención no tan extendida de los procesos con reacciones quı́micas o biologicas, por su
inherente condición dinámica en la cinética, que queda complementada con el tratamiento
dinámico de las operaciones de transferencia presentes en los reactores.
Es evidente la importancia de los efectos dinámicos a la hora de pensar en el control
del proceso. Aunque este texto no está dedicado al control, si hace una presentación
englobante del tema, mostrando la utilidad del modelo dinámico cuando se aborda su
control. Respecto a ese modelo, desde los textos de control se ha presentado una idea
erronea: los modelos sencillos son suficientes para hacer un buen control del proceso. Idea
totalmente heredada de los primeros años de aplicación del control industrial (década de
los 60s del siglo XX), epoca con muy poca potencia de computo. Eso ha dificultado que
los modelos más sofisticados se consideren parte del control y tener de ese modo una
aproximación unificada al modelado. Tal vez la dificultad mayor a la hora de intentar
tal procedimiento unificado es que no se ha considerado que la intencionalidad del modelo
genera dos grandes aproximaciones al modelado. Dependiendo de lo que se conozca o lo que
interese sobre el proceso a modelar. La primera, cuando del proceso a modelar no se tiene
mucho conocimiento o no interesa tener un conocimiento detallado y especı́fico, por lo que
se pueden declarar unas variables como entradas (al modelo) y declarar otras como salidas
(del modelo). Tanto las variables de entrada como las de salida representan el interés del
modelador sobre el proceso (su visión o la vista que se tiene del proceso real), que en este
formato entrada-salida no tienen ninguna pretensión de explicar lo que realmente pasa en
el proceso, solo quiere obtener una representación puramente predictiva, que permita saber
que pasa con las salidas cuando las entradas cambian. La segunda aproximación cuando
del proceso a modelar se tiene algún conocimiento a priori que permite su descripción
verbal desde algún campo de la ingenierı́a o la ciencia básica (fı́sica, quı́mica, biologı́a).
Por lo tanto, conceptos como materia homogénea (fase), separación fı́sica en el equipo, etc.,
tienen sentido y pueden aplicarse para ver particiones adecuadas para la formulación del
modelo. Este es el caso tı́pico en los procesos quı́micos y biológicos, pues más de cien años
de aproximaciones a su descripción, han dejado buena cantidad de conocimiento sobre su
operación.
Espero que al lector le resulte este texto tan interesante como me resultó a mi su
concepción y escritura. De antemano me disculpo por los errores de digitación y posible
errores de cálculo en esta primera versión. Se que tras una revisión más detallada, todos
podrán depurarse. Además, seguiré mejorando el contenido y la forma en la que se presenta.
Esa es la ventaja de los libros elecrónicos, que admiten versiones sin los costos de la
reimplresión en papel.
Finalmente, quiero agradecer a mis colegas Lina Gómez y Héctor Botero del Grupo de
Investigación en Procesos Dinámicos, KALMAN, y a los estudiantes de pregrado y posgra-
do que han participado en esta actividad con su permanente interacción alrededor de los
modelos semifı́sicos de base fenomenológica. También agradezco a mis colegas del Departa-
mento de Procesos Quı́micos, por las muy provechosas conversaciones sobre el tema, tanto
en las reuniones de la Sección de Operaciones Unitarias y Control de Procesos, como en
otros ámbitos. Un agradecimiento muy especial merecen mis estudiantes de los cursos de
balances de materia y energı́a, dinámica y control de procesos, operaciones de transferencia
de cantidad de movimiento y operaciones de transferencia de masa. Especialmente en este
último curso de pregrado, logré evidenciar la necesidad de una visión dinámica integrada
de todas las operaciones unitarias. El interés y empeño de mis estudiantes de ese curso
de operaciones de transferencia de masa por tener a la mano representaciones dinámicas
 XI

completas de intercambiadores de masa, fue de vital importancia para esta construcción

que ahora se presenta. Mil gracias de corazón a todas y todos por su empeño y esfuerzo en
los trabajos grupales fuera del aula de clase. No puedo cerrar sin agradecer a mi profesor y
amigo Jaime Aguirre, y a mis ex-estudiantes, colegas profesores y amigos Diego Alejandro
Muñoz y José Fernando Garcı́a. Cada uno de ellos, en su momento y tiempo, han motiva-
do y siguen participando de la discusión sobre modelado, brindando sus puntos de vista,
siempre crı́ticos pero constructivos y llenos de amor por el conocimiento y la docencia.
 CAPÍTULO 1

Los Modelos Semifı́sicos de Base Fenomenológica

(MSBF)

A mathematical model is a
representation, in mathematical terms,
of certain aspects of a
nonmathematical system. The arts and
crafts of mathematical modeling are
exhibited in the construction of models
that not only are consistent in
themselves and mirror the behavior of
their prototype, but also serve some
exterior purpose.

Rutherford Aris (Aris, 1978)

Uno de los mayores logros en la ingenierı́a moderna es disponer de representaciones

matemáticas de buena calidad del proceso que se estudia. Dichas representaciones, aunque
existentes casi desde el origen mismo de la ingenierı́a moderna1 , apenas empezaron a ser
utilizadas en la ingenierı́a de procesos sobre la década de los 60, del siglo XX, con la
llegada de las computadoras. En tal sentido, el siglo XXI arrancó con una profusión de
herramientas computacionales basadas en modelo, que soportan las dos tareas básicas de
la ingenierá de procesos (IdeP): sı́ntesis y análisis. Sin embargo, operar con los modelos
como herramientas tipo caja negra no es lo más indicado cuando se pretende obtener una
mejora sustancial en el proceso, puesto que aspectos claves de la operación pueden quedar
ocultos al ingeniero. Es por esta razón que se justifica un estudio formal del modelado
de procesos, particularmente de aquella familia de modelos que brindan al menos una
descripción del proceso basada en los fenómenos que en él ocurren. Esa familia son los
modelos semifı́sicos de base fenomenológica (MSBF), introducidos en la Sección ??.

1
El origen de la ingenierı́a moderna puede remontarse a los trabajos de Leonhard Euler (Basilea, Suiza,
1707 - San Petersburgo, Rusia, 1783) como cientı́fico y como ingeniero, con consolidación durante la revo-
lución industrial (1760-1870), iniciada con la patente de la máquina de vapor por James Watt (Greenock,
Reino Unido, 1736 - Heathfield Hall, Reino Unido, 1819).
1
2 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

1.1. A Manera de Definición

La que sigue es en realidad una definición formal, pues en el capı́tulo previo se hizo de
manera implı́cita una definición extendida, por comparación con los otros tipos de modelos.

Definición 1.1. Modelo Semifı́sico de Base Fenomenológica MSBF. Es un modelo

cuya estructura se toma de balances (ley de conservación) de cualquier ı́ndole, por lo que
replica la estructura de un modelo fenomenológico2 . Sin embargo, en el MSBF al menos un
parámetro se halla por identificación desde datos del proceso o se calcula con una ecuación
constitutiva de carácter empı́rico.

Desde esta definición se pueden apreciar las dos caracterı́sticas fundamentales de los
MSBF: i ) que heredan la estructura de un posible modelo fenomenológico del proceso y
ii ) que tienen la libertad de hallar los parámetros a partir de aproximación empı́ricas.
Esto le da al MSBF, como se verá con más detalle en la Sección 1.4, propiedades bastante
interesantes y útiles a la hora de proveer representaciones de procesos.

1.2. Fundamentación de los MSBF

Como se evidencia desde la definición, la fundamentación básica de los MSBF es la re-

presentación de la fenomenologı́a (de ahı́ la parte “de base fenomenológica” en su nombre).
Dicha representación se basa en el uso (directo o a través de una analogı́a) de una teorı́a,
una ley o un principio que permita describir lo que está ocurriendo (o se supone ocurre)
en el proceso real. Esto hace que en ocasiones la teorı́a, ley o principio no sea evidente
desde el proceso mismo. Sin embargo, hay una ley básica que aplica sin problemas a todos
los procesos: la ley de conservación. Esa ley es la que genera la estructura matemática
de los MSBF, aplicada como balances de materia, energı́a térmica, energı́a mecánica y
cualquier otra cantidad balanceable (contable), bien sea conservativa o no conservativa.
A este respecto, cuando la cantidad que se balancea no es conservativa, se adiciona un
término que compensa por dicha pérdida, como ocurre en un balance de energı́a mecánica
tı́pico, en el que las pérdidas por fricción se adicionan en el punto de salida, como energı́a
perdida a los alrededores.
El soporte filosófico de los MSBF (su espistemologı́a) puede remontarse a una de las
unidades básicas de análisis de la filosofı́a de la ciencia: la teorı́a. Según (Humphreys, 2004),
una teorı́a es “un conjunto de afirmaciones que capturan la información esencial acerca de
algún campo de investigación”. Las teorı́as contienen leyes, que aunque con el mismo grado
de verdad que una teorı́a, se restringen a comportamientos muy especı́ficos, sin el alcance
general de la teorı́a. Las leyes declaran que objetos pertenecen al campo de investigación
al que aplica la teorı́a. Finalmente, los principios son generalizaciones con valor de verdad
igual que las teorı́as y las leyes, pero con alcance validado solo para un proceso que ocurre
bajo unas condiciones especı́ficas. Por lo tanto, vuelve a cobrar importancia la analogı́a
que se usa en la construcción de un MSBF. Si tal analogı́a es directamente una teorı́a o
ley, su generalización es inmediata, pero si la analogı́a es un principio, debe cuidarse que
las condiciones especı́ficas se repliquen de manera exacta en el proceso que se modela y
2
Recuérdese que tal estructura puede corresponder a una analogı́a fenomenológica de lo que se cree está
pasando en el proceso, por lo que no será explicativa sino descriptiva.
 1.2. FUNDAMENTACIÓN DE LOS MSBF 3

el proceso que dió origen al principio. No se profundiza más en esta epistemologı́a de los
MSBF, pero se invita al lector a consultar los trabajos de (Laymon, 1982), (Suppes, 1960)
y (Humphreys, 2004). Puesto que la Ley de Conservación es de aplicación general, en
lo que sigue se discuten los balances fundamentales a aplicar para obtener la estructura
fenomenológica de un MSBF.

1.2.1. Balances de Masa

Son la aplicación de la ley de la conservación de la masa, cuyos orı́genes datan de los

trabajos simultáneos de Mijaı́l Vası́lievich Lomonósov (Denı́sovka, Rusia, 1711-San Peters-
burgo, 1765) y Antoine-Laurent de Lavoisier (Parı́s, Francia, 1743 - Parı́s, 1794). Aunque
la ley se postula para procesos en los que ocurren transformaciones quı́micas (excluidas las
nucleares), su uso también es válido para procesos en los que no hay reacciones quı́micas,
ası́ existan cambios de fase.

1.2.1.1. Balance de Masa Total (BMT)

La aplicación directa de la ley de conservación es el balance de masa total en un

volumen (espacio tridimensional) claramente especificado. Dicho volumen será luego in-
terpretado y seleccionado como un sistema de proceso, con todas las ventajas de analizar
esa porción del proceso como un sistema (ver Sección 1.5.3). Dicho balance en unidades
másicas (kg en el sistema internacional), puede ser escrito como:

dMT X X
= ṁe − ṁs
dt e s

donde MT es la masa total contenida en el volumen considerado, ṁ es el flujo másico, con

unidades en el SI de kg
s , e y s indican entrada y salida, respectivamente. Como MT cambia
debido a la acumulación o la desacumulación de sustancia en el volumen considerado, al
reemplazar esta masa por el producto del volumen y la densidad de la sustancia, se llega
a una expresión en la que los efectos de la acumulación pueden verse en variables de más
fácil medida que la masa total contenida en el tanque:

dMT d(V ρ) X X
= = ṁe − ṁs
dt dt e s

como por ejemplo los cambios de volumen V para lı́quidos o sólidos, o los cambios de
densidad ρ para gases o vapores, o incluso, los cambios de V y ρ para mezclas multifásicas.
Los cambios de volumen normalmente conducen a la variable Nivel L, muy útiles cuando
el contenedor o tanque tiene una forma regular (cilindro, esfera, etc.), mientras que los
cambios de densidad se evidencian por cambios de presión (a volumen constante). En el
primer caso, si por ejemplo se trata de un tanque cilı́ndrico vertical abierto, el volumen
será:

V = AT Altura (1.1)
en la que el área de la base del cilı́ndro que forma el tanque AT es constante y la altura no
es más que el nivel L del lı́quido o sólido particulado o incluso de una mezcla lı́quido-sólido
o lı́quido-gas. Por lo tanto la derivada del volumen conduce a:
4 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

dV dL
= AT (1.2)
dt dt

Para el caso de un gas o vapor, que se puede considerar de comportamiento ideal3 , su

densidad será:

PM
ρGasIdeal = (1.3)
RT
en la que P es la presión absoluta al interior del volumen, M es la masa molecular del gas
o vapor, R la constante universal de los gases y T la temperatura absoluta del gas o vapor
contenido en el volumen. Como MT = ρ V , y el volumen es constante, la derivada será
solo de la densidad. Esta derivada, asumiendo que la masa molecular y la temperatura del
gas no cambian mucho, es:

dρGasIdeal M dP
= (1.4)
dt R T dt
que es una expresión que permite reflejar la acumulación de un gas o vapor con comporta-
miento ideal, como su cambio en la presión. Obviamente, si hay cambios en la temperatura
(debido por ejemplo a transferencia de calor) o en la masa molecular de la mezcla (debido
por ejemplo a transferencia de masa o reacción quı́mica), o en ambas, se puede aplicar la
derivada de un producto para llegar a la expresión final buscada, en la que se sugiere dejar
como diferencial principal al dP
dt , que indica la acumulación.
Finalmente en esta sección dedicada al balance total de masa, es de particular impor-
tancia mostrar la misma ley de conservación pero aplicada a la cantidad de sustancia en
unidades molares. Esto porque las moles pueden no conservarse en una reacción quı́mi-
ca4 , por lo cual se debe incluir un término que compense ese carácter no conservativo del
balance cuando se hace en unidades molares. La expresión queda:

dNT X X XX
= ṅe − ṅs + σi,j rj
dt e s i j

en la que NT son las moles totales o cantidad de sustancia contenida en el volumen

considerado, ṅ es el flujo molar, con unidades modificadas del SI kmol s . Los coeficientes
estequiométricos de las sustancias en las reacciones balancedas se representan por σi,j ,
con ı́ndices i y j para recorrer todas las sustancias que participan del proceso y todas las
reacciones quı́micas que se están presentando, respectivamente. La velocidad de la reacción
quı́mica j-ésima se representa por rj . Nótese, como ya se dijo, que a diferencia del mismo
balance en unidades másicas, cuando se hace en unidades molares, la doble sumatoria del
final compensa el carácter no conservativo de las moles.

3
En el caso de gases reales, se puede usar la misma formulación pero adicionando el factor de compre-
sibilidad z del gas, variando con las condiciones de operación.
4
El caso excepcional es cuando la reacción es equimolar: moles de entrada iguales a moles de salida.
Por lo general las moles de todos los productos no son iguales a las moles de los reactivos. Por ejemplo,
en la reacción de formación de agua, entran 1.5 moles de reactivos y sale apenas 1 mole de producto:
0.5 O2 + H2 → H2 O.
 1.2. FUNDAMENTACIÓN DE LOS MSBF 5

1.2.1.2. Balance de Masa por Componente (BMC)

El otro grupo de balances que aparecen al aplicar la Ley de Conservación son los
balances por componentes, que a diferencia del balance total de masa, lleva un conteo
de una clase especı́fica de sustancia, mezcla5 o incluso fases si se está haciendo conteo
poblacional de partı́culas, burbujas, flocs, etc. La expresión general para el balance de
materia de cada componente puede ser escrita en unidades másicas como:

dMA X X X
= wA,e ṁe − wA,s ṁs + MA σA,j rj
dt e s j

con MA la masa total del componente A, wA,e y wA,s las fracciones másicas, en unidades SI
kg A
kg T otales , del componente A en las corrientes de entrada e y salida s, respectivamente. La
masa molecular del componente A se representa por MA , recordando que los σA,j tienen
signo − para reactivos y signo + para productos.
Este balance también se puede escribir como cantidad de sustancia (en unidades mola-
res), simplemente reemplazando los flujos másicos por flujos molares (ṅ) en lugar de flujos
másicos (ṁ), de la siguiente manera:

dNA X X X
= xA,e ṅe − xA,s ṅs + σA,j rj
dt e s j
kmol A
en la que xA,e y xA,s son las fracciones molares, en unidades modificadas SI kmol T otales ,
del compuesto A en las corrientes de entrada y salida, respectivamente.
La cantidad de A contenida en el volumen que se analiza puede cambiar por diversas
razones, por lo que es importante para la interpretabilidad del modelos reemplazar la
cantidad total de A por el producto entre la concentración de A y la masa total contenidad
en el sistema de proceso o volumen que se analiza. Usando el balance en unidades másicas,
eso no es más que:

MA = wA MT
con wA la concentración en fracción másica de A en el sistema de proceso, que si se asume
agitación perfecta respecto de al menos una de las salidas (s∗), se cumple la igualdad:

wA = wA,s∗

Tras esta claridad, se puede aplicar la derivada de un producto, llegando a:

MA MT wA,s∗
= wA,s∗ + MT
dt dt dt
que reemplazada en la ecuación de balance de masa por componente en unidades másicas,
produce:

5
La opción de hacer balance por componente de dos o más sustancias simples tomadas como una
entidad, es totalmente válida. Por ejemplo, se puede hacer balance de aire, siempre que la mezcla que se
balancea se mantenga como una unidad durante su paso por el proceso. Eso no se cumple, por ejemplo, si
hay combustión dentro del equipo.
6 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

MT wA,s∗ X X X
wA,s∗ + MT = wA,e ṁe − wA,s ṁs + MA σA,j rj
dt dt e s j

ecuación que no está en una forma estándar, puesto que tiene dos diferenciales al lado
izquierdo. Para resolver esto se debe determinar cual es el diferencial real (principal) de
este balance, recordando que es un balance por componente. Con esto es evidente que
w
el diferencial es el de concentración A,s∗
dt , que indica que las variables de estado en esta
ecuación diferencial es wA,s∗ y por tanto MdtT trasladado con signo menos al lado derecho,
ya no actúa como diferencial sino como parámetro. Para no confundir con el diferencial del
balance total de masa (aunque tiene el mismo valor), se representará en adelante como:
M˙ T cuando actúa como parámetro6 . Con todo esto, el balance de masa por componente
en unidades másicas es:
X X X 
wA,s∗ 1
= wA,e ṁe − wA,s ṁs + MA σA,j rj − wA M˙ T
dt MT e s j

señalando que se obtiene una forma similar, excepto por el término de compensación del
carácter no conservativo de las moles, si se usan unidades molares.

1.2.2. Balances de Energı́a

Aunque similar en su forma a la Ley de Conservación de la materia, para la energı́a se

usa el postulado de la Ley de Conservación general, proveniente del Teorema de Noether,
y que también se denomina Primera Ley de la Termodinámica. Este teorema fue enunciado
en 1915 por la matemática alemana Emmy Noether (Erlangen - Alemania, 1882 - Bryn
Mawr - Estados Unidos, 1935). El teorema se extendió a la conservación de todas las
formas de energı́a, incluso las que no son conservativas como la energı́a mecánica, debido
a que vincula la simetrı́a en fı́sica con la conservación7 . Hay tres aplicaciones principales
o más comunes de la ley de conservación:

• Conservación de la masa (discutida en extenso previamente): la masa ni se crea ni

se destruye.

• Conservación del momentum: la velocidad de cambio del momentum es la suma de

las fuerzas que actúan sobre el objeto.

• Conservación de la energı́a: el cambio en la energı́a total es la diferencia entre el

calor transferido y el trabajo hecho por el objeto sobre los alrededores.

Para un volumen determinado se pueden hacer balances de diferentes tipos de energı́a,

por lo que debe especificarse a cual se hace referencia. En particular, para procesos quı́mi-
cos y biológicos son de especial interés el balance de energı́a térmica (BET) y el balance
de energı́a mecánica (BEM). Ambos balances se desarrollan de igual forma que para el
balance de materia, recordando que la energı́a mecánica es no conservativa, por lo que
6
Esta diferenciación en el sı́mbolo permite el conteo de grados de libertad evitando la confusión que
aparecerı́a sobre el doble papel del sı́mbolo diferencial: como operador en la ecuación diferencial o como
parámetro en otras ecuaciones diferenciales o algebraicas del modelo.
7
Se especifica que si se cumple la simetrı́a, ciertas magnitudes fı́sicas no cambian a lo largo de la
evolución temporal del sistema fı́sico.
 1.2. FUNDAMENTACIÓN DE LOS MSBF 7

debe incluirse un término de compensación en la ecuación. Mientras que el BET lleva

registro de los cambios en la energı́a térmica (asociada con la energı́a interna), el BEM
monitorea los cambios en la cantidad de movimiento (asociada con la velocidad) en el
volumen seleccionado, sus entradas y salidas. Esta separación proviene del hecho de que la
energı́a total de un proceso tiene sólo tres componentes principales: i ) La energı́a interna
por unidad de masa U b , ii ) La energı́a Cinética EK y iii ) La energı́a potencial EP . Ası́, la
ecuación de la energı́a total por unidad de masa (E) en un volumen determinado es:

b + EK + EP
E=MU

A diferencia de la masa, para la energı́a es posible tener flujos de energı́a asociados con
los flujos másicos (transferencia por convección) y flujo de energı́a transferidos a través de
las paredes del volumen especificado (por conducción o por radiación). En tal sentido, el
trabajo que hace la masa dentro del volumen sobre los alrededores o que los alrededores
hacen sobre esa masa, también es un término del balance. Este trabajo incluye: el trabajo
de eje ẆEje , que da cuenta del flujo de energı́a mecánica desde o hacia la masa, el trabajo
de expansión o contracción de la masa ẆE C , el trabajo por flujo P VEsp , producto de
la presión por el volumen especı́fico, y que es el trabajo hecho por el fluido o sobre el
fluido mientras éste se mueve hacia dentro o fuera del volumen considerado. Este último
incluye el trabajo por fricción, que representa la energı́a invertida por la masa para fluir
(siempre que sea un fluido) de la entrada a la salida, en contra de la fricción opuesta por
el contenedor o ducto. Todo se acostumbra englobar en un solo término8 dW ˙ , pero aquı́ se
expresa término a término para mostrar como se llega a las expresiones finales de energı́a.
La expresión del balance total de energı́a serı́a:

dE X X
= b + EK + EP )e −
ṁe (U b + EK + EP )s + Q̇
ṁs (U (1.5)
dt e s
X X
+ ṁs (P VEsp )e − ṁs (P VEsp )s + ẆE C + ẆEje (1.6)
s s

Debido a la diferencia apreciable entre las magnitudes de la energı́a térmica y la energı́a

mecánica, además del carácter no conservativo de la energı́a mecánica por efectos de
fricción, es mejor separar el balance de energı́a para la masa contenida en un volumen
dado en dos balances: el de energı́a térmica y el de energı́a mecánica, tal y como se discute
a continuación.
P
Reemplazando la equivalencia del trabajo de expansión P VEsp = ρ y reorganizando
términos, se llega a:

X   X  
dE b P b P
= ṁe U + EK + EP + − ṁs U + EK + EP + + Q̇ + ẆE C + ẆEje
dt e
ρ e s
ρ s

8
Muchos autores usan dW dt
, pero aquı́ se omite ese sı́mbolo para no confundirlo con el diferencial de la
ecuación de una variable desde los balances dinámicos, pues este es un flujo, y no un diferencial de una
ED.
8 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Utilizando la relación termodinámica que define la entalpı́a por unidad de masa como:
Hb =Ub + P , es posible escribir el balance general de energı́a en su forma final completa
ρ
como:

dE X X
= b + EK + EP )e −
ṁe (H b + EK + EP )s + Q̇ + ẆE
ṁs (H C + ẆEje (1.7)
dt e s

Se aclara que los términos de esta ecuación están escritos en cantidades especı́ficas por
unidad de masa (en kg en el SI): U b , H,
b aunque podrı́an escribirse en su equivalente molar,
por unidad de cantidad de sustancia (en kmol, una variante del SI): U , H. Finalmente, es
frecuente expresar la energı́a interna con la equivalencia:

b =C
U bV T

además, el trabajo se considera como un sólo término que reune cualquier clase de trabajo
intercambiado con la masa considerada. Además, se vuelve a la convención de signos en
la que el trabajo se considera hecho por la sustancia sobre los alrededores, de ahı́ el signo
negativo delante del término Ẇ . Con todo esto, la expresión general para el balance de
energı́a total en un sistema es:

bV T ) + EK + EP ] X
d[(M C X
= b +EK +EP )e −
ṁe (H b +EK +EP )s +Q̇−Ẇ (1.8)
ṁs (H
dt e s

en la se puede usar C bP en vez de C

bV cuando la sustancia es incompresible (lı́quido o
sólidos, o mezclas cuyo mayor componente sean este tipo de fases).
Hay dos consideraciones frecuentes que modifican el balance general de energı́a que se
acaba de deducir, brindando expresiones más sencillas e interpretables. Estas considera-
ciones hacen referencia a la diferencia marcada en el orden de magnitud entre la energı́a
térmica y la energı́a mecánica, buscando separarlas para hacer un mejor análisis de cada
situación. De este modo se generan los balanes particulares de energı́a térmica y de energı́a
mecánica, apuntando cada uno a describir efectos totalmente diferentes. Sin embargo, se
insiste en el caracter intergrador de la ecuación (1.8), a pesar de su poca utilización en la
formulación de modelos.

1.2.2.1. Balance de Energı́a Térmica (BET)

En este caso se consideran despreciables los efectos de energı́a cinética y energı́a po-
tencial en la masa de sustancia que se modela (EK ≃ 0, EP ≃ 0), lo que da origen al
Balance de Energı́a Térmica (BET), una forma simplificada del balance de energı́a total.
Con esta simplificación, el lado izquierdo de la ecuación (1.8) representa la energı́a interna
total del sistema:

d(M Ub) X X
= be −
ṁe H b s + Q̇ + ẆE + ẆEje
ṁs H
dt e s
 1.2. FUNDAMENTACIÓN DE LOS MSBF 9

b =C
Es posible reemplazar la energı́a interna por su equivalente U bV T , el producto de
la masa total, la capacidad calorı́fica a volumen constante y la temperatura de la masa.
La ecuación general de balance de energı́a térmica queda:

bV T ) X
d(M C X
= be −
ṁe H b s + Q̇ + ẆE + ẆEje
ṁs H (1.9)
dt e s

en la que el cálculo de las entalpı́as especı́ficas para los flujos de entradas e y salidas s se
hace por lo general a través de paquetes de predicción de propidades termodinámicas, los
cuales tienen en cuenta las fases del fluido. La mejor opción es evaluar las entalpı́as a las
condiciones de temperatura de las corrientes, pero considerando una misma temperatura
de referencia TRef para todas las integrales usadas en una misma ecuación de balance:

Z Tj
Hj (Tj ) = Hj (TRef ) + Cpj (T )dT
TRef

Vale la pena al cierre de esta discusión sobre el BET llamar la atención sobre el flujo
de calor Q̇ cuando ocurren simultáneamente la transferencia de calor y la transferencia
de masa. En tal situación, siempre que los dos flujos sean entre los mismos dos puntos
(no importa que sean en sentido contrario), la formulación de este balance y el cálculo del
Q̇ deben hacerse sin incurrir en un doble conteo de este flujo de calor, al considerar que
hay flujo de energı́a térmica transportado por la transferencia de masa. Esto se discute en
detalle en la Sección ?? del Capı́tulo ??, dedicado a las operaciones de transferencia de
masa.

1.2.2.2. Balance de Energı́a Mecánica (BEM)

La otra modificación a la ecuación de balance de energı́a total, ecuación (1.8), usa la

consideración contraria, asumiendo que no existen cambios apreciables de energı́a interna
en las corrientes de entrada y salida, ni en la energı́a interna de la masa como un todo.
Además, se considera que no hay cambios apreciables en la energı́a potencial de esa masa,
por lo tanto, la expresión es:

 
v2
d M 2 X X
= b + EK + EP )e −
ṁe (H b + EK + EP )s + Q̇ − Ẇ
ṁs (H
dt e s

También se asume que no hay efectos de transferencia con los alrededores, excepto
la conversión de la energı́a perdida por fricción. Por lo tanto, se puede igualar el Q̇ con
el producto entre el flujo másico y las pérdidas por fricción9 ṁ hf . Además, se puede
reemplazar la entalpı́a especı́fica por su equivalencia (H b = U b + P ), usando otra vez la
ρ
consideración de cambios de energı́a interna despreciables entre las corrientes. Con todo
esto, se llega a la expresión general para el BEM dinámico en un sistema con múltiples
entradas y múltiples salidas:
9
Esto no violenta el supuesto de pocos cambios en la energı́a interna, puesto que tal Q̇ es muy pequeño
y se absorbe o transfiere a través del contenedor por el que se mueve el fluido.
10 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

  X   X  
d v2 P v2 P v2
M = ṁe +gz+α − ṁs +gz +α
dt 2 e
ρ 2 e s
ρ 2 s
X X
+ Ẇ − ṁk hfj,k (1.10)
k j

en la que el ı́ndice j es para los accesorios de la lı́nea de tuberı́a y el ı́ndice k es para

los tramos que forman la lı́nea. La deducción detallada de esta expresión se presenta
en la Sección ??, justamente en el capı́tulo dedicado a la transferencia de cantidad de
movimiento, Capı́tulo ??. Allı́ se llega a una expresión para un sistema con una entrada y
una salida, que aquı́ se extiende para sistemas con múltiples entradas (subı́ndice e) y una
sola salida (subı́ndice s). Esta expresión permite seguir los cambios de flujo volumétrico
de salida, que ocurren debido a los cambios en las condiciones de proceso:

  !
dV̇s AF,s ṁs Ps X ṁe Pe
= −
dt M vs ρs e
ρe
(1.11)
X X v2

1 dM

+ g (ṁs zs − (ṁe ze )) + η P otBomba + ṁk KF rk k − vs2
e
2 2 dt
k

siendo esta la ecuación más útil a la hora de formular modelos que especifiquen la dinámica
de flujo de salida en un proceso. Se resalta que las pérdidas por fricción son la suma de las
pérdidas en cada uno de los k−tramos, entre las múltiples entradas y la salida seleccionada
para hacer el balance. Esas pérdidas se calculan con el factor de pérdidas por fricción KF rk
y la velocidad vk en cada tramo. Hay una expresión aplicable cuando se opera con lı́quidos,
caso en el cual por lo general la dinámica del flujo y de la presión son mucho más rápidas
que las dinámicas de calor y masa, por lo que se puede usar la siguiente forma del BEM en
estado estacionario, denominado ecuación de Bernoulli, deducida en detalle en la Sección
??:

P1 1 P otBomba P2 1
+ g z1 + v12 + η = + g z2 + v12 + hf1→2 (1.12)
ρ 2 ṁ ρ 2
en la que se indican las pérdidas por fricción con el sı́mbolo: hf1→2 , suponiendo que el
fluido se mueve de la entrada 1 a la salida 2.

1.2.3. Ecuaciones Constitutivas

Como ya se dijo en las Definiciones ?? y ??, estas ecuaciones conforman la estructura

extendida del modelo. Por lo general son ecuaciones algebraicas (o diferenciales) que se
formulan desde el conocimiento especı́fico del diseño, el control, la termodinámica fun-
damental y la operación del Proceso real. Las ecuaciones constitutivas se adicionan a los
balances para formar el modelo y son especı́ficas de cada fenómeno. Se utilizan para descri-
bir velocidades de transferencia de masa, energı́a y cantidad de movimiento, velocidades de
reacción, relaciones y restricciones termodinámicas, relaciones de equilibrio y ecuaciones
de estado, relaciones entre los balances, relaciones de control y hasta relaciones de forma
tomadas desde la construcción del equipo. Las ecuaciones contitutivas pueden dividirse en
 1.2. FUNDAMENTACIÓN DE LOS MSBF 11

cinco grandes familias: i ) relaciones arbitrarias de diseño u operación, ii ) ecuaciones de

transporte que siguen la ley de gradiente, iii ) velocidades de reacción, iv ecuaciones que
dan propiedades de las sustancias, y v ) Relaciones de equilibrio.

1.2.3.1. Relaciones arbitrarias de diseño u operación

Cuando el flujo de una propiedad balanceable se da de un volumen a otro debido a

gradientes mecánicos10 , se habla de flujos convectivos o en bulto (bulk ). Son ejemplos de
este, los flujos de materia expresados como el flujo másico ṁ[=] kg s , el flujo volumétrico
m3 kgmol
V̇ [=] s y el flujo molar ṅ[=] s . También están los flujos de energı́a, que se producen
tanto por gradientes térmicos como mecánicos. Estos pueden ser flujo de energı́a térmica
Q̇[=] kJ kJ
s o también flujos de trabajo Ẇ [=] s . En general, tales flujos están indicados como
condiciones del problema, bien sea que se conozcan desde la operación del proceso o que
se estén determinando a través del diseño del proceso. Este tipo de datos forman las
ecuaciones constitutivas de relaciones arbitrarias, las cuales son altamente especı́ficas del
proceso particular que se trata. En menor proporción, pero también posible, estos flujos
se pueden formular usando la ley de gradiente, que se discute a continuación, o también
con la diferencia de algún potencial como fuerza impulsora.

1.2.3.2. Ecuaciones de Trasporte

Cuando el flujo de la propiedad balanceable se da en baja cantidad y debido a gradien-

te quı́mico, se habla de flujos de transporte o transferencia. Las expresiones transporte,
tránsito, transmisión o transferencia se refieren a la forma como se mueve o pasa a través
de una superficie cualquier entidad z, que en su movimiento puede cuantificarse como ż.
Dicho fenómeno también sigue la ley de gradiente, que se formula a través de tres términos:
una fuerza impulsora, una resistencia al flujo de la entidad z y un flujo neto de z que se
produce, todo visto desde un área de transferencia o transporte:

F lujo N eto⌋Área de F lujo = f (Resistencia, F uerza Impulsora)

Debe destacarse aquı́ que como se vio arriba, el flujo neto es también un diferencial
respecto al tiempo. Sin embargo,
su interpretación es la de un flujo ż y no la de un cambio
temporal de una propiedad dP dt
r
en un volumen o espacio dado, como pasa con los térmi-
nos diferenciales de un balance o el cambio tomado como parámetro (ver discusión de la
Sección 1.2.1.2). Esto porque el flujo se mide como el paso de algo a través de un área
dada. Aunque los gradientes o fuerzas impulsoras pueden tener múltiples expresiones para
su cálculo, dos de las más usadas son: (P rin − P rout ) o (P r ∗ − P rout ), siendo la primera
la diferencia entre el valor de una propiedad P r en la entrada y la salida del volumen
seleccionado. La segunda indica la diferencia entre el valor de una propiedad en el equili-
brio, un pseudo equilibrio11 o la saturación (indicada con el *) y la propiedad en la salida
del volumen seleccionado. Ambas asumen agitación perfecta dentro del sistema de proceso
desde al menos una de las salidas, de ahı́ que se pueda tomar el valor de la propiedad en la
10
Estos gradientes también pueden ser magnéticos o de otra clase, siempre que causen flujos, que pueden
ser muy grandes y siempre modulables por el gradiente.
11
Algunas veces se le denomina concentración ficticia, pues se obtiene desde una construcción geométrica
en la curva de distribución de equilibrio, pivotando en el verdadero punto de equilibrio. Ver Sección ??.
12 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

salida como representación de la propiedad dentro del sistema de proceso. En consecuencia

la expresión para calcular dichos flujos, utilizando el principio de gradiente, será:

1
ż = AF P F uerza Impulsora
Resistencia
en la que AF P es el área de flujo de la propiedad, que se suele identificar con el tipo
de transferencia que se da: AF para transferencia de cantidad de movimiento, AH para
transferencia de calor y AM para transferencia de masa. Esta expresión en sus formas más
usuales evita calcular el área, que la mayorı́a de las veces es de difı́cil obtención, y usa el
inverso de la resistencia a la transferencia dentro de un coeficiente de transferencia K ∗ ,
para quedar, usando las dos alternativas de la fuerza impulsora vistas arriba, como:

1
ż = K ∗ (P rin − P rout ) ó: (1.13)
A
1
ż = K ∗ (P r ∗ − P rout ) (1.14)
A
1
siendo A ż el flux Z de la propiedad.
Aunque el origen del principio del gradiente (llamado también de gradiente de veloci-
dad) se remonta a los trabajos de los primeros filósofos y fı́sicos de la historia, puede citarse
como referencia detallada a tal principio un texto más reciente, el trabajo del profesor Ale-
xander Fradkov del Institute of Machine Engineering Problems of the Russian Academy
of Sciences (Fradkov et al., 1999). Allı́ se propuso el principio del gradiente de velocidad
(speed gradient principle), para explicar el principio de evolución de los sistemas natu-
rales. Especı́ficamente, un gran número de modelos dinámicos de sistemas fı́sicos pueden
ser interpretados como un algoritmo de gradiente de velocidad, que cumple con una meta
especı́fica. Es decir, existe un enlace entre las leyes de control en sistemas técnicos y las
leyes de sistemas fı́sicos dinámicos (Fradkov et al., 1999). Este principio puede formularse
de manera más especı́fica si se considera que todo transporte o transferencia está regido
por un coeficiente de transferencia. Por ejemplo, para la transferencia de Calor se tiene:

Q̇a→b = AH U (Ta − Tb )
con Q̇a→b el flujo neto de calor entre los puntos a y b, AH es el área a través de la
cual se está dando la transferencia de calor, U es el coeficiente global de transferencia de
calor y Tj es la temperatura en el punto j = a, b. Este tipo de transferencia se trata con
todo detalle en el Capı́tulo ??. Nótese que no se habló de la transferencia de cantidad
de movimiento, aunque podrı́a formularse por la ley de Newton para el flujo de un fluido
en régimen laminar (definición de la viscosidad). Esto porque el flujo de cantidad de
movimiento presenta mucho menos interés que sus efectos finales: los cambios de velocidad.
Una discusión detallada al respecto se da en el Capı́tulo ??.
Para la transferencia de masa, se tiene:

ṁi,a→b = AM Ki (Πa − Πb ) ó: (1.15)

∗
ṁi,a→b = AM Ki (Π − Πb ) (1.16)
 1.2. FUNDAMENTACIÓN DE LOS MSBF 13

con ṁi,a→b el flujo neto de la sustancia i entre los puntos a y b, AM es el área a través
de la cual se está dando la transferencia de masa, Ki es el coeficiente de transferencia de
masa para la sustancia i, Π∗ es el potencial quı́mico en la saturación, pseudo equilibrio
(o condición ficticia) o en el equilibrio, y Πj es el potencial quı́mico en el punto j = a, b.
En este caso, se habla de potencial quı́mico puesto que la transferencia de masa puede
formularse en función de diversas variables de proceso. Ejemplos de tales fuerzas impulsoras
son la concentración, la presión e incluso la temperatura. Esto se trata con más detalle en
el Capı́tulo ??.

1.2.3.3. Velocidades de Reacción

Las reacciones quı́micas y biológicas producen y consumen sustancia. Esto se ve como

un flujo en el balance de masa por componente. Ese flujo es una velocidad de reacción. En
general, esa velocidad de reacción rA para un especie A será función de una constante de
reacción kA y de las concentraciones de las compuestos que reaccionan CA , CB , ..., CZ :

α β
rA = kA f (CA , CB , ..., CZω ) (1.17)
en la que el orden de la reacción es dado por la suma de los coeficientes α, β, ..., ω. Por su
parte, la constante de reacción kA depende generalmente de la temperatura, por ejemplo,
escrita como una expresión tipo Arrehnius:

EA
kA = k0 e− R T (1.18)
en la que EA es la energı́a de activación para la reacción, R es la constante universal de los
gases ideales y T la temperatura de la masa reactiva. Todos los aspectos de las ecuaciones
constitutivas en modelos de procesos con reacción quı́mica o biológica se discuten en el
Capı́tulo ??.

1.2.3.4. Propiedades de las Sustancias

Las propiedades de las sustancias que participan del proceso son absolutamente esen-
ciales para el modelamiento de sistemas de proceso. En casi todos los procesos se tiene
la necesidad de predecir densidades, viscosidades, tensiones superficiales, conductividades
térmicas, entalpı́as y capacidades calorı́ficas para lı́quidos, vapores o mezclas, por mencio-
nar algunas propiedades. Para esto se utilizan correlaciones simples aplicables al rango de
validez del modelo. En otros casos se puede recurrir a paquetes de software para el cálculo
de dichas propiedades fı́sico-quı́micas. Existen también expresiones que van desde simples
relaciones lineales hasta relaciones polinomiales más complicadas, formuladas en términos
de las principales propiedades termodinámicas intensivas del sistema como la temperatura,
presión o la concentración. La aplicación de las relaciones polinomiales depende fuertemen-
te del rango de operación del proceso. Todo esto se muestre en los ejemplos ilustrativos
de los próximos capı́tulos.

1.2.3.5. Relaciones de Equilibrio

Las relaciones de equilibrio, tanto en sistemas reactivos (equilibrio quı́mico) como en

sistemas con cambio de fase (equilibrio de fase), se usan con frecuencia como ecuaciones
14 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

constitutivas. Para el equilibrio de fases en sistemas lı́quido-vapor, los estados son a me-
nudo relacionados a través de estimaciones como punto de burbuja y punto de rocı́o para
calcular las concentraciones, presiones o temperaturas de equilibrio. Para representar el
equilibrio de fases también se utiliza el concepto de volatilidad relativa αi,j , muy frecuente
en destilación. Obviamente, existe muchos otros equilibrios útiles, no mencionados aquı́
para no alargar este apartado. Se invita al lector a consultar libros de texto sobre equilibrio
termodinámico, algunos de ellos dedicados totalmente al equilibrio como (Adkins, 1983).

1.2.4. Dinámicas del Proceso

Sea este el punto para una muy breve discusión sobre la utilidad en la Ingenierı́a de
Procesos de los modelos estáticos y los modelos dinámicos, mencionados en la Sección ??.
Si bien en la mayorı́a de rutinas de diseño de equipos se utiliza el comportamiento en
estado estacionario del proceso, evaluado en un punto denominado nominal o de diseño,
el comportamiento dinámico del proceso que se diseña o analiza es imprescindible cuando
se abordan tareas de operación, optimización o control.
Cualquier comportamiento dinámico se asocia con la variación temporal de al menos
una variable. Sin embargo, el concepto Dinámica se usa en control de proceso con la
acepción de una variable especı́fica, cuya variación está directamente identificada con el
tiempo. Esto implica que a pesar de que todas las demás variables o parámetros del proceso
estén fijos, si la variable se deja en un punto diferente a uno de los equilibrios del sistema
o estados estacionarios EE, evolucionará en el tiempo hasta alcanzar un entorno de uno
de los otros (o incluso el mismo) EE.
Todos los comportamientos dinámicos de un proceso se agrupan en un conjunto Γ de
las dinámicas del proceso. Para cada estado o variables interna xi de un sistema continuo
en Γ, existe una expresión directa en función del tiempo:

xi ∈ Γ ⇔ ∃ fi (x, p, v) ó gi (x, p, v, t) tal qué:

dxi
= fi (x, p, v) ó xi = gi (x, p, v, t)
dt
con x el grupo de dinámicas Γ del proceso, también denominado vector de las variables
de estados12 , f y g funciones escalares, p y v respectivamente el vector de parámetros
internos y el vector de parámetros de entrada al proceso (lo que cambia y lo altera, bien
sea intencionalmente, llamadas acciones de control u, o sin que se pueda decidir sobre
ellos, denominadas perturbaciones d). No se consideran Dinámicas del proceso aquellos
parámetros estructurales pi cuyo cambio temporal está asociado con el cambio temporal
de los estados o parámetros variables v del proceso, sin que el tiempo aparezca de manera
explı́cita en su formulación: pi = h(x, p, v), con h una función escalar.
Se acostumbra denominar a pi Mecanismo, con el fin de permitir que algunos paráme-
tros estructurales del modelo (y obviamente del proceso), puedan describirse mediante esos
mecanismos. Es muy importante comprender la diferencia entre el concepto de mecanismo
(y su calificativo usual controlante) y el de dinámica principal. Por ejemplo, es posible que
el mecanismo controlante en una reacción heterogénea sea difusivo siempre que la cinética
12
No confundir con el estado termodinámico, aunque algunas de las variables de estado o variables
internas de la dinámica del proceso pueden ser variables termodinámica.
 1.3. JUSTIFICACIÓN DEL MÉTODO DE MODELADO 15

de la reacción dependa fundamentalmente de la difusión de reactivos o productos, mien-

tras que la Dinámica es la reacción quı́mica. Un sinónimo común en diseño es el de etapa
controlante, como referencia al fenómeno que está limitando el avance dinámico de un
proceso en el sentido que se desea. Finalmente, debe decirse que estos parámetros tienen
su ecuación constitutiva propia pi = h(x, p, v), como se indicó previamente.

1.3. Justificación del Método de Modelado

Existen en la literatura varias formas de obtener modelos semifı́sicos de base fenome-

nológica (MSBF). Un listado de las aproximaciones más destacadas se presenta en detalle
en la revisión minuciosa hecha en (Ortega et al., 2017). Sin embargo, en la mayorı́a de
propuestas, algunos aspectos importantes del método quedan bajo la determinación total
del modelador, a pesar de que desde el conocimiento de la Ingenierı́a de Procesos pueden
darse lineamientos claros para asegurar un buen modelo. El método que se propone en
este trabajo parte de la base de que un problema de modelado puede formularse con los
pasos formales de un algoritmo (Hangos & Cameron, 2001):
Dados:
i) un Sistema de Proceso,
ii) un Objetivo para el modelado, y
iii) un Criterio de Validación.
Encontrar:
un modelo para el “Sistema de Proceso”.
De acuerdo con:
un método objetivo y racional, que confine la subjetividad del que modela a la mera inten-
cionalidad del modelo.
Aparecen cuatro conceptos básicos, que deben definirse con claridad para que el método
sea útil. El primero que es el Sistema de Proceso, definido como sigue, adaptando la
definición original dada en (Hangos & Cameron, 2001):

Definición 1.2. Sistema de Proceso. Es una abstracción del proceso como un todo
o de una parte del mismo, como si fuera un sistema13 , con lo cual se pueden aplicar al
proceso o la parte que se tomó, todas las herramientas de representación, análisis y sı́ntesis
disponibles para sistemas matemáticos.

Conceptos similares al de sistema de proceso se han usado en otros métodos de mode-

lado, pero tal vez el más cercano está en la Figura 2 de (Gaohua & Kimura, 2009), donde a
pesar de referirse a compartimentos, el tratamiento que se da durante la partición del pro-
ceso que modelan, es similar al uso de sistemas de proceso, tal y como se acaba de definir.
Por su parte, los otros tres conceptos del algoritmo se definen como sigue (Alvarez, 2012):

Definición 1.3. Objetivo para el modelado. Es la intencionalidad de quien modela

respecto de al menos una semejanza que quiere preservar entre el objeto real (proceso) y

13
Un sistema es un conjunto de reglas, principios, métodos, técnicas o cosas, ordenadas con arreglo a
una ley (estructura) y para una finalidad determinada o función común de ellas (salida del sistema), que
resulta de la interacción parcial (parámetros) de dichos elementos.
16 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

el objeto práctico o empı́rico (modelo o sistema)14 . Normalmente tal Objetivo se expresa

en el deseo de predecir (usando el modelo) el comportamiento de al menos una variable
del proceso, ante cambios en una o más de sus variables de entrada o internas. El uso del
modelo se funde con el objetivo para el modelado, aunque el uso impone luego restricciones
fuertes para la validación del modelo.

Definición 1.4. Criterio de validación para un modelo. Es al menos una manera

de probar la fidelidad del modelo respecto de la semejanza tomada entre objeto real (pro-
ceso) y el objeto práctico (sistema o modelo). Si no existe, no habrá manera de darle al
modelo legalidad ante sus usuarios potenciales. La validación da al modelo existencia en
una comunidad, pero no lo hace poseedor de la verdad sobre el objeto real y mucho menos
sobre toda la verdad.

Para finalizar esta breve discusión sobre la justificación del método de modelado, debe
recordarse que los balances de materia y energı́a en estado estacionario (BM EEE ) y los
modelos dinámicos de proceso (MDP) comparten sus orı́genes: las ecuaciones de balance
planteadas sobre uno o más sistemas de proceso tomados desde el proceso mismo. Hay,
sin embargo, dos diferencias sustanciales entre los dos sistemas matemáticos: i ) Mientras
el sistema matemático que representa los BM EEE es algebraico, el sistema matemático
que respresenta los MDP es algebraico-diferencial. Es decir, además de tener al menos una
ecuación algebraica (EA), contiene también al menos una ecuación diferencial (ED). Es
justamente la ED la que le confiere al MDP su caracterı́stica de representación o modelo
variable con el tiempo (dinámico)15 . ii ) El concepto de grados de libertad (GdeL) se
maneja de forma diferente, puesto que mientras en los BM EEE el sistema matemático es
resoluble usando una base de cálculo (BC) cuando GdeL = 1, el MDP solo se considera
resoluble cuando los GdeL = 0. En este último caso, se toma como si fuera una BC uno
o más valroes conocidos desde el proceso en la condición inicial para la cual se quiere ver
su evolución temporal. Este conjunto de condiciones iniciales es indispensable para tener
un valor de arranque de las variables que están en los diferenciales. A esas variables se
les denomina variables de estado en el lenguaje de control (Åström & Murray, 2008) y
(Sontag, 1998).

1.4. Propiedades de los MSBF

Los modelos semifı́sicos de base fenomenológica (MSBF), por su fundamentación en

la fenomenologı́a y su estructura matemática particular, gozan de varias propiedades muy
útiles a la hora de hacer el ánalisis y la sı́ntesis de procesos, usándolos como representación
del proceso tratado. A continuación se describen esas propiedades, buscando que el lector
comprenda las fortalezas de los MSBF frente a otros tipos de modelos disponbiles. Aunque
hay mucha discusión pendiente respecto de estas propiedades, lo que sigue permite usarlas
sin mucha complicación.

14
Aunque la discusión sobre los objetos en ciencia es epistemológica, baste aquı́ decir que se tienen:
objeto real y objeto de estudio, siendo el último conformado por el objeto teórico, el objeto conceptual y
el objeto práctico o empı́rico (la mayorı́a de veces un modelo).
15
También puede tenerse una caracterı́stica dinámica si el modelo se da en su forma explı́cita o solución
temporal, con el tiempo t como variable independiente, directamente indicada en las ecuaciones.
 1.4. PROPIEDADES DE LOS MSBF 17

1.4.1. Unicidad de la Estructura

La unicidad se refiere al hecho de que una única estructura básica de modelo (las
ecuaciones obtenidas al aplicar la ley de conservación), permite reproducir un grupo de
procesos que comparten su principio operativo o fenomenologı́a básica. Esta propiedad se
debe al origen de la estructura básica del modelo: las ecuaciones de balance. Tener una
única estructura básica es una propiedad muy valiosa puesto que un grupo de procesos (por
ejemplo un grupo de reactores de diferente forma y dimensiones) puede ser descrito por la
misma estructura matemática básica. De este modo, basta con determinar los parámetros
estructurales del modelo para cada reactor en particular, para tener el modelo completo
especı́fico de uno de esos proceso. Debe notarse que las ecuaciones constitutivas, que no
forman la estructura básica, se establecen de acuerdo con las preferencias y conocimientos
de los que disponga el modelador. Por lo tanto, si se incluyeran esas ecuaciones dentro
de la estructura básica, por ejemplo reemplazándolas en las ecuaciones de balance, se
romperı́a la unicidad de la estructura del modelos. De ahı́ la necesidad de distinguir las
dos estructuras del modelo: la básica y la extendida.

1.4.2. Modularidad de la Estructura

Otra propiedad interesante a partir del tipo de estructura básica de los MSBF es su
modularidad u opción de crecer desde un modelo simple, que al principio solo considere
una parte del proceso, pero que vaya evolucionando hasta un modelo casi completo que
las considere casi todas16 . Lo más sencillo es unir varios submodelos semifı́sico de base
fenomenológica (subMSBF) para formar un proceso mayor o incluso una planta completa.
Esa tarea no es muy complicada, pues basta con conectar en el simulador las salidas de un
subMSBF con las entradas del siguiente. Obviamente, se debe tener cuidado a la hora de
resolver el modelo completo, puesto que si existen reciclos de materia y energı́a, se debe
usar algún método de partición y rasgado para poder tener la solución más precisa posible.
Otra posibilidad, un poco más ardua pero útil y posible, es reemplazar los parámetros
estructurales y funcionales que se tengan en el modelo como constantes, por subMSBFs u
otro tipo de submodelos, de modo que se gane profundidad en los niveles de especificación.
Se aclara que el nivel de especificación es diferente al nivel de detalle. Mientras que la
especificación aumenta el conocimiento sobre una parámetro, el nivel de detalle reduce el
tamaño de la partición que se toma. Ambas opciones son muy usuales en los MSBF, como
se explica en los dos apartados siguientes.

1.4.3. Combinación de Niveles de Detalle

Los MSBF tienen la posibilidad de combinar diversos niveles de detalle o tamaños de

partición para obtener una respuesta más precisa o informativa (más conocimiento) en el
nivel superior inicial del modelo. El nivel de detalle empieza en lo marcroscópico y termina
en lo molecular y atómico, como se indica por los tamaños comunes que se pueden tomar
durante el modelado (Hernandez, 2008):

16
Considerar todas las partes del proceso resulta estrictamente imposible, puesto que la partición que
se hace del mismo en sistemas de proceso depende de cada modelador, por lo que resultarı́a muy difı́cil
cubrir todas las posibilidades de partición.
18 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

• Macroscópico: los objetos son perceptibles usando la vista, por lo que son normal-
mente mayores que 1mm. Por ejemplo, un grano de arroz tiene alrededor de 5mm
de largo.

• Mesoscópico: entre 1mm y 100µm de tamaño. Un grano de azúcar de mesa tiene

aproximadamente 600µm de largo en sus caras.

• Microscópico: entre 100µm y 1µm. La levadura Saccharomices cerevisiae mide apro-

ximadamente 12µm cuando alcanza su mayor grado de desarrollo.

• Coloidal: entre 1µm y 10nm. En este intervalo de tamaño están las partı́culas de
ciertos aerosoles.

• Macro-molecular: entre 10nm y 1nm. Aquı́ se ubican moléculas grandes como los
aminoácidos.

• Molecular-atómico: menos de 1nm. El diámetro de un átomo de Calcio, recordando

que 1nm = 10Amstrong, es de 1.74Å.

La combinación de niveles de especificación en un mismo modelo es totalmente natural

en un MSBF puesto que aparecen cuando se quiere hallar un parámetro estructural a través
de una ecuación constitutiva. Eso adiciona un nivel de especificación (no necesariamente de
detalle) por debajo del nivel original dado por la estructura básica del modelo. Obviamente,
este nivel de especificación solo aparece cuando el valor del parámetro se da por una
ecuación constitutiva funcional, nunca por una ecuación constitutiva trivial (igualdad del
parámetro con un número o dato). Si dentro de la ecuación constitutiva que se formula
aparecen nuevos parámetros funcionales que pueden expresarse a su vez por ecuaciones
constitutivas, eso genera un nivel más profundo de especificación. Dicha profundización
de la especificación termina cuando la última ecuación constitutiva del modelo se formula
en términos de variables, constantes y otros parámetros funcionales ya definidos.
Respecto del nivel de detalle, cualquier MSBF tiene al menos dos niveles: el de la
estructura básica del modelo, nivel de detalle que aparece por la partición en sistemas
de proceso, y el nivel más bajo de detalle que se use para calcular al menos uno de
los parámetros del modelo. Solo el nivel en el cual se definen los sistemas de proceso
determinan el nivel (principal) de detalle del modelo completo. Un nivel de detalle adicional
se puede expresar como el nivel de detalle menor de los parámetros, para indicar hasta que
tamaño de partición se recurrió para hallar el parámetro con mayor nivel de detalle del
modelo. Se debe recordar que este no es el nivel de detalle del modelo, puesto que dependerá
de la preferencia y conocimiento del modelador respecto de las ecuaciones constitutivas
que use para calcular los parámetros estructurales y funcionales.

1.4.4. Interpretabilidad Paramétrica

No se habla de interpretabilidad del modelo puesto que el origen fenomenológico de la

estructura de un MSBF garantiza que la estructura básica (y por lo tanto el modelo17 )
son interpretables. Esto no sucede con los modelos empı́ricos o de base empı́rica. Por su
parte, la interpretabilidad paramétrica se puede considerar como una propiedad que posee
17
Como la estructura extendida es particular de cada modelador, hablar de interpretabilidad de la
estructura completa del modelo (básica mas extendida) es muy pretencioso, y en cierta medida innecesario,
puesto que la interpetabilidad del modelos se da fundamentalmente desde su estructura básica.
 1.5. MÉTODO PARA OBTENER UN MSBF 19

un parámetro dentro de un modelo, de modo que el parámetro tiene significado fı́sico

por sı́ mismo en el contexto del proceso que se representa con el modelo. En tal sentido,
un parámetro se considera interpretable cuando al integrarse al modelo proporciona un
conocimiento adicional al que brindarı́a si solo se tomara su valor numérico dentro del
modelo. La interpretabilidad paramétrica se puede presentar en dos formas:

• Interpretabilidad Universal. Cuando el parámetro se interpreta sin necesidad de estar

contextualizado en el modelo. En este caso, el parámetro tiene un significado fı́sico
fuera de las consideraciones, leyes e hipótesis que se usaron en la deducción del
modelo. Este tipo de interpretabilidad se da por ejemplo con parámetros como la
densidad o la viscosidad de un fluido.

• Interpretabilidad Local. Cuando la interpretabilidad del parámetro está relacionada

directamente al modelo y ecuación constitutiva donde se encuentra, por lo que si el
parámetro se descontextualiza de las consideraciones, leyes o hipótesis usadas para
la construcción del modelo, no poseerá significado fı́sico alguno, y por lo tanto no
tendrá interpretabilidad universal.

Con el concepto de interpretabilidad arriba esbozado, es evidente que un MSBF brinda

interpretabilidad a casi18 todos los parámetros estructurales (los que están en la estructura
básica del modelo) y permite, a través de los niveles de especificación y detalle, otorgar
interpretabilidad a los parámetros funcionales que vayan surgiendo en las ecuaciones cons-
titutivas. Obviamente, se debe tener cuidado al seleccionar las ecuaciones constitutivas,
puesto que dependiendo del tipo de submodelos que se escojan como ecuaciones consti-
tutivas, se tendrá interpretabilidad paramétrica o no. Esta caracterı́stica de los MSBF es
muy interesante para aumentar el conocimiento contenido en el modelo, lo que no se puede
lograr con modelos del tipo caja negra o resulta muy limitado para modelos semifı́sicos de
base empı́rica. Se invita al lector a leer en detalle la Sección 1.7.1, en la que se dan otros
elementos sobre la interpretabilidad paramétrica.

1.5. Método para Obtener un MSBF

A continuación se presentan los diez pasos que se han venido usando y mejorando en
explicación y detalle de aplicación, desde la primera publicación que lo reportó (Gómez
et al., 2008) hasta versiones más recientes (Ortega et al., 2017). Varios trabajos publicados
en revistas y como tesis de posgrado, han usado este procedimiento para obtener modelos
de proceso (Alvarez et al., 2009), (Botero, 2010),(Moscoso-Vasquez et al., 2014), (Calderón
et al., 2015), (Hoyos et al., 2016) y (Dı́az-Castañeda, 2017).

1.5.1. Paso 1. Descripción del Proceso y Objetivo del Modelo

Este paso pide formular la pregunta que responderá el modelo, lo que representa el
objetivo del modelo. Con base en dicho objetivo se desarrolla una descripción verbal y un
diagrama de flujo que se complementen. Este paso es crı́tico puesto que si el proceso y su
18
Se usa la palabra “casi” para dejar algún margen a la opción de al menos un parámetro estructu-
ral que el modelador deje sin interpretabilidad de manera voluntaria, aunque se insiste en el carácter
inherentemente interpretable de todos y cada uno de los términos de un balance.
20 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

operación no se entienden completamente respecto de los aspectos a modelar, se obtendrá

un modelo erroneo. La descripción mencionada debe ser suficientemente detallada, siempre
respecto de lo que se quiere modelar del proceso, pero evitando aspectos irrelevantes del
mismo como un todo. El objetivo del modelo es al menos una pregunta que contestará
cuando se resuelva, no aquellas preguntas que un usuario resolverá contando con la solución
del modelo, pues estas preguntas normalmente usan mucho más que lo que entrega la
solución del modelo (simulador).
Dependiendo del tipo de pregunta que se plantee al modelo, es posible que se obtenga
un modelo de parámetros concentrados (lumped parameters) o de parámetros distribuidos
(distributed parameters). El modelo de parámetros concentrados no considera variación
espacial de los parámetros, por lo que se dice que concentra todo el parámetro en un punto
representativo de la masa como un todo, asumiendo agitación perfecta, punto que tiene
un valor de parámetros que es igual al de cualquier otro punto en el volumen seleccionado
(sistema de proceso, como se propone en el Paso 3). Eso no implica que los parámetros
no puedan variar con el tiempo (modelo de parámetros variables19 ). Por su parte, en los
modelos de parámetros distribuidos uno o más parámetros cambian con la posición. Por
lo general se acostumbra buscar algún eje de simetrı́a en el proceso, y a partir de ese eje
realizar particiones con la misma forma y tamaño, de modo que las ecuaciones del MSBF
de todo el proceso sean las mismas para cada partición20 . De ese modo se aprovecha la
simetrı́a entre sistemas de proceso para usar la misma estructura básica de modelo en cada
uno de ellos y en el modelo completo.

1.5.2. Paso 2. Hipótesis de Modelado y Nivel de Detalle

Implica proponer una hipótesis para el modelado, lo que no es más que una descripción
o analogı́a sobre el comportamiento del proceso real respecto de los aspectos que se quieren
modelar. Si la manera en la que ocurren los fenómenos es conocida desde el área particular
de la ingenierı́a donde se ubica el proceso, la hipótesis de modelado será solo el relato de
tales fenómenos, sin necesidad de recurrir a una analogı́a. Para formular la hipótesis de
modelado se debe fijar un nivel de detalle (tamaño de las particiones a usar) de acuerdo
con el objetivo del modelo: pregunta que responderá el modelo. Los pasos 1 y 2 forman
un ciclo, que solo termina cuando tanto descripción como hipótesis de modelado sean
satisfactorias, con las modificaciones que se requieran sobre el objetivo del modelo y el
nivel de detalle.
La hipótesis de modelado es una descripción corta de la forma real o supuesta
(analogı́a), en la que interactúan un número suficiente de fenómenos conocidos en el pro-
ceso para que se produzca el comportamiento observado. Para construir la hipótesis es
posible relajar una o más condiciones de los fenómenos conocidos para mejorar la descrip-
ción que se hace del proceso real. Con este fin, se plantea un conjunto de supuestos para
ensamblar en una sola descripción los fenómenos conocidos. En tal sentido, un supuesto
no es más que una oración simple que establece una condición o valor para un objeto,
una operación simple o una variable o parámetro del proceso que se modela. Debido a
la revisión permanente de la hipótesis de modelado durante la construcción del modelo,
algunos supuestos pueden cambiar. Por eso, es muy importante verificar tras cada cambio
19
También existe la opción más común de modelo con parámetros constantes.
20
Se deja claro que pueden existir también particiones no simétricas, comunes en los modelos por fluido
dinámica computacional (CFD) de procesos o equipos sin simetrı́a.
 1.5. MÉTODO PARA OBTENER UN MSBF 21

en los supuestos, que en su nueva versión, el conjunto de supuestos sea consistente (que no
hayan contradicciones), es decir, que no conduzcan a situaciones imposibles en el proceso.
De otro lado, para construir el modelo se debe hacer una partición sobre el proceso que
permita apreciar sus partes. El nivel de detalle es la posición de tal partición en una escala
de tamaños de todas las posibles partes a tomar. Dicha escala empieza en el detalle más
grueso, el cual solo permite ver al proceso como un todo, diferenciado del entorno. La escala
termina en el tamaño fı́sico mı́nimo a usar para construir el modelo. En un MSBF pueden
existir varios niveles de detalle, pero solo existe un nivel detalle en el cual se declaran los
sistemas de proceso (ver próximo paso) o particiones de interés, que como se dijo en la
Sección 1.4.3, es justamente el nivel de detalle del modelo. El nivel de detalle no se debe
confundir con el nivel de especificación ni con el carácter de parámetros concentrados o
parámetros distribuidos, todo esto discutido previamente.

1.5.3. Paso 3. Definición de los Sistemas de Proceso

Este paso pide definir tantos sistemas de proceso (SdeP) o particiones, como sean
necesarios por el nivel de detalle definido para el modelo. Un SdeP se define como la
abstracción de una parte del proceso (pocas veces el proceso completo) a la manera de
un sistema (ver Definición 1.2). Ese es el origen del nombre sistema de proceso: una
parte del proceso real que se ve como un sistema (Hangos & Cameron, 2001). De este
modo, es posible aplicar todos los métodos de ingenierı́a disponibles para dicha parte
del proceso. Una clave para determinar SdePs es buscar separaciones fı́sicas o paredes
dentro del proceso, cambios de fase distinguibles o caracterı́sticas de la masa que marquen
diferencias espaciales. El paso termina pidiendo un diagrama de bloques que relacione a
los SdePs. La sugerencia es usar flechas delgadas para marcar los flujos de masa y flechas
gruesas para marcar los flujos de energı́a.
Se debe hacer una mención especial a los sistemas de proceso que se toman para un
modelo de parámetros distribuidos. Si el proceso tiene algún eje de simetrı́a y todos los
sistemas de proceso se pueden tomar iguales en forma y tamaño, esos SdePs son iguales
para todas las particiones y también son válidos para el proceso como un todo. Esto se
explica y aplica en detalle en los ejemplos de los Capı́tulos ?? y ??.

1.5.4. Paso 4. Aplicación de la Ley de Conservación

Este paso es el corazón de todo el método puesto que produce la parte fenomenológica
pura del modelo: las ecuaciones que formarán la estructura básica del modelos, obtenidas
al aplicar la ley de conservación. Esta ley, discutida en detalle en la Secciones 1.2.1 y
1.2.2, permite hacer balances o conteos de cualquier cosa que se pueda distinguir como
especie en el proceso: átomos, moléculas, sustancias quı́micas, gotas, burbujas, partı́culas,
flocs, dinero, energı́a en kilojoules, etc. Eso brinda la oportunidad de contar con una
ley universal que establece que la materia y la energı́a están balanceadas, incluso para
especies no conservativas como las moles o la energı́a mecánica, siempre que se puedan
incluir términos que den cuenta de las pérdidas o apariciones.
Se pide en este paso aplicar la mencionada ley de conservación sobre cada uno de los
sistemas de proceso que se definieron en el paso anterior. Se recomienda tomar al menos
los siguientes balances sobre cada SdeP: i ) total de masa, ii ) de masa para cada uno de los
22 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

n-componentes21 que forman la masa, iii ) de energı́a térmica, y iv ) de energı́a mecánica

o momento. Estas ecuaciones forman el conjunto de las ecuaciones de balance (EB), que
no son un conjunto mı́nimo, puesto que algunas ecuaciones dan la misma información. De
aquı́ que en el paso siguiente ese conjunto se reduzca para no tener ninguna redundancia.

1.5.5. Paso 5. Determinación de la Estructura Básica del Modelo

Indica seleccionar entre las EB aquellas con información valiosa para cumplir con el
objetivo del modelo (Paso 2). Las ecuaciones seleccionadas forman la estructura básica
del modelo (EBM). Algunas de esas ecuaciones pueden ser algebraicas, pero se consideran
ecuaciones estructurales puesto que provienen de balances. Si existen dos o más ecuaciones
que brindan la misma información, solo se usa una de ellas: normalmente la más fácil
de resolver y que tenga más información disponible para su solución. En ocasiones, las
ecuaciones que se eliminaron por redundantes pueden brindar información útil actuando
como ecuaciones constitutivas, siempre que no se usen para hallar la variable que ya
el modelo calcula desde una ecuación de la EBM. Esto es muy importante cuando se
declaran parámetros estructurales, que en su forma son iguales a operadores de alguna
de las ecuaciones, como es el caso con el diferencial d(•)
dt actuando como parámetro (ver
Sección 1.2.1.2).

1.5.6. Paso 6. Reconocimiento y Acotamiento de Variables, Parámetros

Estructurales y Constantes

En este paso se pide listar las variables, los parámetros y las constantes del modelo,
tarea fácil, siempre y cuando se puedan distinguir con claridad estas categorı́as de sı́mbo-
los22 en el modelo. Además, se deben acotar las variables y parámetros estructurales del
modelo. En libros de texto de matemáticas y de ingenierı́a de procesos existen muchas in-
terpretaciones alternativas para el concepto de “variable”. Para evitar confusiones, se debe
distinguir el término “variable” del término “incógnita”, usado para evaluar los grados de
libertad de un conjunto de ecuaciones que se quiere resolver (ver Paso 8). Las variables
del modelo siempre son parte de las incógnitas del modelo, pero no todas las incógnitas
de un modelo son variables del mismo. Por su parte, todos los parámetros del modelo
(estructurales o funcionales, que hacen parte de la estructura extendida del modelo), son
incógnitas antes de empezar la solución del modelo, incluyendo aquellos parámetros que el
modelador fija, lo que no los hace constantes (se representan por una ecuación constitutiva
trivial Parámetro=Dato).
Para un MSBF, las variables son los sı́mbolos cuyo valor se halla solamente tras resol-
ver la estructura básica del modelo (EBM), asumiendo que los parámetros funcionales y
estructurales fueron calculados o identificados previamente. Dentro del grupo de variables
del modelo, la mayorı́a son detectadas con facilidad porque están en el término diferencial
de las ecuaciones diferenciales de la EBM. Esas se denominan variables de estado debido a

21
Es posible tener balances para los n componentes, aunque lo más usual es tomar para n-1Py la
concentración de n-ésimo calcularla con la restricción de la concentración de una mezcla: xn = 1 − i xi .
22
Se habla de sı́mbolo en general recordando que se está trabajando con modelos matemáticos, en los
que su formulación básica es la ecuación como conjunto de sı́mbolos interpretables desde su significado y
función: operadores y otros. En los otros están justamente las variables, los parámetros y las constantes.
 1.5. MÉTODO PARA OBTENER UN MSBF 23

su carácter inheremente dinámico23 . Otras variables del modelo se detectan al despejarlas

en la expresión donde están, sin importar que existan otras variables en la misma ecuación,
siempre que para esas otras variables ya exista una ecuación en la EBM. Esta segunda
clase de variables se denominan variables de mapeo o estacionarias, puesto que ellas no
tienen comportamiento dinámico inherente, como se discutió en la Sección 1.2.4.
Por su parte, los parámetros estructurales del modelo son aquellos sı́mbolos de la
estructura básica del modelo que no se pueden hallar al resolver el modelo, y que por lo
tanto, deben darse antes de intentar una solución del modelo24 . Aunque los parámetros
estructurales pueden variar, tanto por voluntad del modelador como por comportamiento
inherentes en el proceso, no son variables del proceso, como se acaba de discutir. Algunas
veces los parámetros estructurales se dividen en dos grandes grupos: parámetros variables
y parámetros constantes, aunque se insiste en que a pesar de ser parámetros variables, no
son variables del proceso. El carácter de variables es porque pueden cambiar con el tiempo,
lo que debe estar evidenciado en su ecuación constitutiva. Si se nota, este paso solo pide
reconocer los parámetros estructurales, pues los parámetros funcionales (contenidos en
ecuaciones constitutivas) no hacen parte de la estructura básica del modelo.
Las constantes del modelo son valores universalmente reconocidos como de valor fijo,
como la constante R de los gases ideales, la velocidad de la luz c, el número de Avogrado,
o las densidades de sustancias especı́ficas a condiciones estándar. También se consideran
constantes del modelo las dimensiones fı́sicas del equipo o cualquier otra relación que el
modelador fije para todas las soluciones posibles del modelo. Es decir, el diseñador no
permite que ese valor cambie durante ninguna simulación. Esto no debe confundirse con
algunos parámetros constantes que se dejan en el modelo abiertos a posibles cambios a otros
valores, también constantes, pero diferentes al inicial, para solucionar el modelo en otros
escenarios de operación: por ejemplo variar el número de tubos en un intercambiador de
calor de tubos y coraza. Como ocurre con los parámetros estructurales, en este punto solo
se distinguen las constantes estructurales, pues cuando se avance al Paso 7 es posible volver
a completar la lista de constantes que aparecerán tras proponer ecuaciones constitutivas
para los parámetros estructurales.
El otro aspecto a cubrir en este paso es el acotamiento de las variables y los paráme-
tros estructurales. Ese procedimiento no es más que determinar a priori, y a lo mejor
sin una precisión excesiva, el intervalo de variación de cada una de las variables y de los
parámetros estructurales. Esto ayuda bastante en la depuración del simulador o soluciona-
dor del modelo, ası́ como en la búsqueda de ecuaciones constitutivas para los parámetros
estructurales.
Finalmente, debe recalcarse como los Pasos 6, 7 y 8 forman un ciclo, por lo que se
recomienda resolver estos tres pasos para cada sistema de proceso antes de pasar al Paso
9 del procedimiento de modelado. De esta forma, los requerimientos de ecuaciones consti-
tutivas y los grados de libertad de la estructura extendida del modelo se completan como
un ciclo a través de estos tres pasos. Se recomienda llevar un registo de los tres pasos, de
modo que resulta más fácil verificar que los grados de libertad se cumplen.

23
Se pide al lector consultar textos de control para diferenciar el concepto de variables de estado en
control del concepto termodinámico de variables de estado.
24
Un caso especial es cuando se está identificando el valor de un parámetro y se conoce la respuesta real
del proceso. En estas circunstancias, el parámetro es la incógnita a hallar, pues todo lo demás es conocido.
Se recalca que esto no es el uso común del modelo.
24 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

1.5.7. Paso 7. Propuesta de Ecuaciones Constitutivas y Establecimiento

de Parámetros Funcionales

En este paso se deben hallar ecuaciones constitutivas para calcular el mayor número
de parámetros estructurales del modelo. Para toda ecuación constitutiva que se proponga
se deben especificar sus parámetros (que ya se denominan funcionales) y si esos generan
nuevas ecuaciones contitutivas, continuar con la especificación hasta que todo se pueda
calcular porque nada se desconoce. Aquellos parámetros estructurales o funcionales sin
una ecuación constitutiva para su cálculo, se pueden identificar desde datos experimen-
tales disponibles de la operación del proceso (Ljung, 1999). Como ya se ha discutido, en
términos estructurales, las ecuaciones constitutivas son un segundo nivel de especificación
en un MSBF, puesto que proveen valores para los parámetros estructurales, y tras esto, de
ser necesario, valores para los parámetros funcionales que aparecen de las ecuaciones cons-
titutivas para los parámetros estructurales. Esto porque una ecuación constitutiva puede
entregar nuevos parámetros, que están en un nivel de parámetros más profundo que el
parámetro que se calcula con la ecuación constitutiva. El primer nivel de parámetros son
los que están incluidos en la estructura básica del modelo, de ahı́ su nombre de paráme-
tros estructurales. Del segundo nivel de parámetros en adelante se denominan niveles de
parámetros funcionales. Ese segundo nivel de parámetros o primer nivel de parámetros fun-
cionales, lo producen las ecuaciones constitutivas que calculan parámetros estructurales, el
segundo nivel de parámetros funcionales proviene de ecuaciones para calcular parámetros
del primer nivel funcional, y ası́ sucesivamente hasta que todo se conozca para solucionar
el modelo.
Las ecuaciones contitutivas tienen orı́genes diversos y particulares para cada operación
y proceso, como se enumeró en la Sección 1.2.3 y se discutirá en los capı́tulo siguientes. Sin
embargo, generalmente evalúan los flujos de sustancia o energı́a internos y hacı́a o desde el
proceso que se modela a los alrededores. También pueden reflejar condiciones operativas
o restricciones fı́sicas del proceso. Otra alternativa de ecuaciones constitutivas son las que
calculan propiedades fı́sicas o quı́micas de las sustancias que participan del procesos. Esto
no es una enumeración exhaustiva, por lo que se llama la atención del lector sobre la
diversidad de posibles ecuaciones constitutivas, advirtiendo sobre el efecto que tienen las
ecuaciones constitutivas provenientes de modelos de caja negra, sobre la interpretabilidad
del modelo final, como se discutió en la Sección 1.4.4.

1.5.8. Paso 8. Conteo de Grados de Libertad

Para cumplir con este paso se pide verificar los grados de libertad (GdeL) de la es-
tructura extendida del modelo: sistema matemático formado por todas las ecuaciones del
modelo. Los GdeL se evalúan como la diferencia entre el número total de incógnitas y
el número total de ecuaciones, y deben ser cero para tener un modelo resoluble. Como
se dijo previamente, los Pasos 6, 7 y 8 forman un ciclo, por lo que este conteo se puede
hacer (aunque no es obligatorio hacer ası́), cuando se definen las ecuaciones constitutivas
de cada sistema de proceso (SdeP). En ese conteo parcial de GdeL por cada SdeP, es po-
sible que los grados de libertad de algunos SdeP no se cumplan, debiendo esperar a tener
evaluados los GdeL de todos los otros SdePs para poder analizar si son cero o no. Esto
porque algunos SdePs requieren información de otros para poder ser resolubles.
 1.5. MÉTODO PARA OBTENER UN MSBF 25

1.5.9. Paso 9. Construcción del Modelo Computacional

En este paso se debe construir el modelo computacional, que no es el modelo ma-

temático que quedó listo tras el Paso 8. El modelo computacional es un programa de
computadora que resuelve el sistema de ecuaciones algebraico-diferencial que forman el
modelo matemático. De ese modo, se traducen a código todas las ecuaciones del modelo,
que como estructura matemática es resoluble puesto que los grados de libertad se llevaron
a cero. La principal caracterı́stica del modelo computacional es que no altere la solución
o respuesta verdadera del modelo matemático. No se debe confundir el modelo semifı́sico
de base fenomenológica como un todo, con el modelo matemático, pues un mismo mode-
lo matemático puede ser resuelto con diferentes alternativas de modelos computacionales
(software). Nuevamente el tipo de modelo (parámetros distribuidos o parámetros con-
centrados), dictamina que modelo computacional resulta más conveniente. Para modelos
de parámetros distribuidos, se recomienda al lector seguir metodologı́as como la que se
propone en (Wendt, 2009).
Una recomendación muy importantes es garantizar siempre que el estado estacionario
del modelo matemático se conozca y se reproduzca antes de empezar a ajustar parámetros.
Cualquier cambio o desviación en el estado estacionario se debe corregir antes de empezar el
ajuste paramétrico de todos los efectos cinéticos y dinámicas de transporte: transferencias
de cantidad de movimiento, calor y masa (TdeCM, TdeC y TdeM). Es importante hacer
notar que como se está solucionando el modelo de forma discreta y en una máquina de
cómputo con precisión finita25 , siempre aparecerán desviaciones en los valores de variables
cuando algunos parámetros entran en la mı́nima precisión del cálculo: sus valores están
una o dos cifras significativas por debajo de la última cifra que garantiza como cierta la
computadora. Por otra parte, si se quiere trabajar con un valor de parámetro o variable
puesto en cero, pero ese valor está en el denominador de alguna expresión, no se puede hacer
exactamente cero por la indefinición que generarı́a ese cociente. Eso obliga a tomar un valor
numérico muy pequeño (diferente de cero) para ese parámetro o variable. Sin embargo,
incluso tomando un valor de 1 × 10−80 , puede producir desviación de las variables del
modelo que estén en el umbral de precisión del cálculo: si se tienen 12 cifras signnificativas
de precisión (long en Matlab) y la variable está en el orden de 1 × 10−11 , la variable tendrá
cambios que aparecen como aleatorios.

1.5.10. Paso 10. Validación del Modelo

La validación del modelo es tal vez uno de los temas más tratados cuando se habla
de modelado. Casi todos los textos le dedican una parte a discutir la credibilidad de la
validación del modelo, pero tal vez el libro con mayor profundidad en ese tratamiento es el
de Paul Humphreys, por lo que se recomienda al lector interesado en este tema, revisar en
especial el Capı́tulo 2 “Scientific Empiricism” de ese texto (Humphreys, 2004). Baste con
decir que de acuerdo con (Hangos & Cameron, 2001), la validación del modelo se debe hacer
por una combinación de actividades, entre las que se mencionan: verificación experimental
de los supuestos tomados como complemento de la hipótesis de modelado, comparación
del comportamiento del modelo frente al comportamiento del proceso real, comparación
del modelo con otros modelos validados, y comparación del modelo directamente con datos
del proceso.
25
El número de cifras significativas que usa la computadora en cada uno de sus cálculos es finita. Por
ejemplo, el formato “long” de Matlab R usa 12.
26 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Validar la respuesta del modelo es el último paso en el procedimiento para formular

un modelo semifı́sico de base fenomenológica (MSBF). La situación ideal es contrastar los
valores predichos por el modelo computacional (la solución del modelo matemático), con
los valores reales de la operación del proceso, todo bajo las condiciones operativas estable-
cidas en el Paso 2. Si los datos del proceso real no están disponibles, es posible hacer una
validación del modelo respecto de la respuesta conocida o esperada (si el proceso no está
construido ni existe) de este tipo de procesos en particular. En tal sentido, los compor-
tamientos importantes del proceso deberı́an estar modelados o de lo contrario garantizar
que permenecen en valores conocidos y sin cambios que alteren a los comportamientos
dinámicos que sı́ están modelados.

1.6. Ejemplo Ilustrativo MSBF

Por ser esta la primera vez que se deduce un modelo semifı́sico de base fenomenológica
(MSBF) en este texto, a continuación se presenta como ejemplo un proceso muy simple
de preparación de una pulpa de sólidos en agua. Cada uno de los 10 pasos del método se
enumera con el último dı́gito de la subsección antes de su formulación, de modo que se
pueda contrastar lo hecho en este ejemplo, con la descripción de cada paso que se expuso
en la Sección 1.5 previa.

1.6.1. Descripción del Proceso y Objetivo del Modelo

Se prepara en un tanque cilı́ndrico vertical, dotado de un agitador mecánico de 25HP ,

una mezcla de minerales pulverizados en agua para formar una pulpa que luego se trans-
porta a diferentes unidades de proceso para su tratamiento y beneficio26 . El tanque tiene
una capacidad total de 2m3 , pero se usa hasta máximo un 80 % de su capacidad (nivel
máximo de 1.2m). El máximo de pulpa que se bombea a las demás unidades es de 6.5 Ls .
Reportes de laboratorio mustran que la pulpa formada es un fluido no-newtoniano, con
comportamiento pseudoplástico, cuya viscosidad obedece a la ley de potencia. Al tanque
de preparación entra una corriente de agua pura y un lodo que contiene el mineral pulve-
rizado, obtenido tras el lavado de las rocas en un trommel 27 . Las corrientes entran a 25◦ C,
descargando a presión atmosférica estándar desde tuberı́as que no entran en la pulpa.
La mezcla sale del tanque por un tubo de PVC corto (30cm de longitud) de 3 pulgadas
de diámetro interno, sin válvula en su extremo, decargando en un canal abierto que la
transporta por gravedad a otras unidades. El proceso se ilustra en el diagrama de flujo
de proceso de la parte izquierda de la Figura 1.1. El objetivo del modelo es contestar la
pregunta: ¿Cómo cambia la concentración de minerales en la pulpa que sale del tanque
cuando se presentan cambios en la concentración de la corriente de lodos de entrada?

26
El beneficio de un mineral consiste en la obtención de al menos un material de interés desde una matriz
o mezcla compleja que incluye, entre varios más, al material de interés.
27
Un trommel no es más que un cilindro horizontal perforado y ligeramente inclinado, al que por la parte
alta se alimenta el mineral como viene de la mina, mientras chorros de agua lo desaglomeran y diluyen
para forman un lodo que atraviesa los agujeros de la pared del cilindro, mientras que el sólido remanente
sale por la boca más baja del cilindro.
 1.6. EJEMPLO ILUSTRATIVO MSBF 27

1.6.2. Hipótesis de Modelado y Nivel de Detalle

Para este caso la hipótesis es trivial puesto que se conoce desde las leyes y principios
fı́sicos como ocurre todo el proceso (ver libros de texto del área de fluidos). Por eso, la
hipótesis de modelado no se describe con exceso de detalles, más allá de la única oración
que se presenta abajo. Además, mirando el objetivo del modelo, se evidencia que el nivel
de detalle será macroscópico, pues basta con considerar agitación perfecta y se tendrá
una única concentración para todo el tanque, igual a la concentración de la única salida
(no hay salidas asociadas con transferencia de masa, las que no cumplen el principio de
agitación perfecta). Solo para resaltar que si existiera pobreza en la agitación, aparecerı́a
estratificación de los sólidos, con lo cual se tienen dos o más sectores de concentración
diferente en el tanque. Eso llevarı́a a tomar cambios en los parámetros del modelo con la
posición, desde la base del tanque hasta la parte superior, con lo cual se tendrı́a un modelo
de parámetros distribuidos, y no uno de parámetros concentrados, como es el caso actual.
Con esto claro, la hipótesis de modelado y los supuestos que la complementan se formula
como sigue.
El lodo y el agua entran en contacto en el tanque, logrando homogenizarse completa-
mente debido a la turbulencia que genera el agitador mecánico.
Los supuestos de la operación del proceso que complementan la hipótesis de modelado
son:

• El nivel de agitación28 es suficiente para mantener en suspensión a todas las partı́cu-

las de sólido, por lo que no habrá sedimento en el fondo del tanque, y la concentración
de sólidos en cualquier punto de la masa será la misma e igual a la de la salida.

• No hay formación de vortice, a pesar de que el tanque no tiene deflectores verticales

en sus paredes29

• Ninguna de las partes sólidas (tanque o aspas del agitador), sufren de una pérdida
de masa significativa durante el proceso.

• El proceso es totalmente isotérmico, con las corrientes de entrada y la de salida a la

misma temperatura: 25◦ C.

• La mezcla es ideal, por lo que el calor de mezcla es cero y la entalpı́a de la mezcla

no es más que la suma ponderada (por la fracción másica) de las entalpı́as de los
compuestos que forman la mezcla.

• El comportamiento de la mezcla sólidos y agua es pseudoplástico y obedece a la ley

de potencia.

1.6.3. Definición de los Sistemas de Proceso

Siguiendo la recomendación que hace el procedimiento, se detectan dos paredes o su-

perficies que marcan diferencia entre porciones de materia en el proceso: la pared del
28
La agitación de una mezcla de sólidos en un lı́quido se cataloga de acuerdo a una escala de 0 a 10, que
refleja que tanto del sólido permanece suspendido en el tanque. En el nivel 10 de agitación todo el sólido
está suspendido (Gates et al., 1976).
29
Los deflectores son placas rectangulares, soldadas de forma vertical, con la parte más larga hacı́a abajo,
por dentro de la pared del tanque en el sentido del radio, con lo cual se evita la formación de vórtice.
28 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Lodo Agua
1 2 WMotor Agitador
Sistema de Proceso I: Metal que forma las
aspas del agitador.

m1 WAgitador Fluido
m3
Sistema de Proceso II: Sustancia fluida
dentro del tanque.
Nivel L
m2
WFluido Tanque
Pulpa Sistema de Proceso III: Material que forma la
3 pared del tanque.

WTanque Alrededores
QTanque Alrededores

Figura 1.1. Diagrama de flujo de proceso y diagrama de bloques de los sistemas de proceso del
ejemplo.

tanque y la superficie de las aspas del agitador (se descuenta la existencia del eje, pues es
muy delgado y no cubre tanta área como el agitador). Con esto se evidencia la existencia
de tres sistemas de proceso: el metal que forma el agitador como una primera fase sólida,
la pulpa en preparación como la fase lı́quida y el metal que constituye la pared del tanque
como una segunda fase sólida. Nótese que se podrı́a haber considerado el aire que rodea
al tanque como una fase gaseosa para tener un cuarto sistema de proceso, pero ese nivel
de detalle no lo requiere el modelo. Por lo tanto, se tomarán estos tres sistema de proceso:
el metal que forma las aspas del agitador como sistema de proceso I (SdePI ), la pulpa
contenida en el interior del tanque formando el sistema de proceso II (SdePII ) y la masa
de la pared del tanque que forma el sistema de proceso III (SdePIII ), tal y como se ilustra
en la Figura 1.1.
La parte derecha de la figura no es más que un diagrama de bloques que muestra la
relación entre los sistemas de proceso que se toman. La flechas delgadas muestran los flujos
de masa mientras que las flechas gruesas muestran los flujos de energı́a. Los tres sistemas
de proceso representan la totalidad de las interacciones, sin incluir al medio ambiente, pues
este se considera un sumidero de tamaño infinito que no se afecta por la transferencia de
calor que recibe de este proceso.

1.6.4. Aplicación de la Ley de Conservación

La aplicación de la ley de conservación se hace sobre cada uno de los sistemas de

proceso definidos en el punto anterior, como se muestra a continuación.

1.6.4.1. Sistema de Proceso Metal de las Aspas SdePI :

Balance Total de Masa. No aplica, pues las aspas ni ganan ni pieden masa de forma
apreciable durante el proceso. Obviamente, hay pérdidas de masa por desgaste cuando las
aspas rozan con las partı́culas sólidas del mineral, pero tal desgaste es lento, por lo que no
se incluye en el balance. Además, no hay entradas o salidas de material del aspa como tal.
 1.6. EJEMPLO ILUSTRATIVO MSBF 29

Balance de Masa por Componente. No aplica por las mismas razones que no aplica el
balance total de masa, además de no presentarse ninguna reacción quı́mica en el aspa que
cambie su composición.
Balance de Energı́a Térmica. Como el proceso es isotérmico (corrientes de entrada y
salida están a la misma temperatura: 25◦ C), y no hay reacciones quı́micas en el sistema,
no tiene sentido el balance de energı́a térmica.
Balance de Energı́a Mecánica. En este caso se puede considerar que el equilibrio mecáni-
co se alcanza muy rápido (milisegundos), por lo que la velocidad de giro del agitador retor-
na a su estado estacionario muy rápidamente cuando sufre alguna perturbación (cambios
de nivel, densidad o viscosidad de la mezcla). Con esto, no existe diferencial en la ecuación
de balance de energı́a mecánica, llegando a la igualdad:

ẆAgitador→F luido = ηAgitador ẆM otor→Agitador (1.19)

en la que ηAgitador es la eficiencia del agitador, que recibe energı́a desde el motor a través
del torque en el eje. Un tratamiento similar podrı́a darse desde la electricidad o la fuente de
energı́a del motor30 al giro del motor, pero si se considera un motor eléctrico, la eficiencia
entre energı́a eléctrica y torque en el motor es superior al 95 %, por lo que es frecuente
obviar ese balance.

1.6.4.2. Sistema de Proceso Sustancia Fluida dentro del Tanque SdePII :

Balance Total de Masa. En este caso el balance de masa total es como se muestra:

dM
= ṁ1 + ṁ2 − ṁ3 (1.20)
dt
con M la masa total de sustancia fluida (pulpa o mezcla de agua y mineral particulado)
y ṁi , con i = 1, 2, 3, es el flujo másico de cada una de las corrientes que entran y sale
del SdePI . Como esta expresión es poco útil, excepto si se quisieran seguir los cambios
en la masa total como si fuera un parámetro31 , es mejor expresar esa masa total como el
producto del volumen y la densidad de la mezcla: M = V ρmix , con lo cual, aplicando la
derivada de un producto y reemplazando en la expresión previa del balance total de masa,
se llega a:

dV dρmix
ρmix +V = ṁ1 + ṁ2 − ṁ3 (1.21)
dt dt
pero como no se puede tener una ecuación con doble diferencial, se debe decidir cual es el
diferencial principal de esta ecuación. Como las ecuaciones de balance total de masa tienen
por finalidad dar cuenta de la acumulación de masa, serı́a posible seguir tal evolución a
través de los cambios de volumen, recordando que la densidad de la mezcla puede cambiar,
y por tanto tener a disposición otra ecuación para seguir las variaciones de esa densidad.
Por lo tanto, se declara como diferencial principal el diferencial de volumen, con lo cual

30
Además de los tı́picos motores eléctricos que pueden ser de corriente alterna AC, corriente directa DC
o motores a pasos, hay motores neumáticos, motores hidráulicos, motores a gasolina, a gas, entre otros.
31
En este caso dM
dt
se comporta como un sı́mbolo (un parámetro) y no como el operador diferencial que
permite encontrar el valor de M en cualquier instante de tiempo, resolviendo la ED.
30 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

se puede pasar al lado derecho el término del diferencial de densidad, que se comportará
como un parámetro estructural y de ahı́ que se simbolice por ρ̇mix en vez de dρdt
mix
:

dV
ρmix = ṁ1 + ṁ2 − ṁ3 − V ρ̇mix (1.22)
dt
En esta formulación se puede expresar el volumen como el producto del área transversal
del tanque AT anque y el nivel L o altura de pulpa en el tanque. Como el área es constante
(el tanque es un cilindro vertical), se puede sacar del diferencial. Además, por el supuesto
de agitación perfecta, la densidad de la mezcla es igual a la densidad en la corriente de
salida (ρmix = ρ3 ), llegando a la expresión final (la más útil) del balance total de masa:
 
dL 1
= ṁ1 + ṁ2 − ṁ3 − V ρ̇3 (1.23)
dt ρ3 AT anque

Balance de Masa por Componente. Se deberı́an realizar balances de agua y de sólidos,

pero como se sabe, con tomar n − 1 balances, con n el número de sustancias o entidades
a balancear, el balance restante se encuentra usando la restricción propia de la definición
de fracción.
Balance de Sólidos:

dMS ólidos
= wS ólidos,1 ṁ1 + wS ólidos,2 ṁ2 − wS ólidos,3 ṁ3 (1.24)
dt
con MS ólidos la masa de sólidos contenido en el tanque y wS ólidos,i la fracción másica
de sólidos en la corriente i, recordando que no hay sólidos en la corriente de agua pura
(wS ólidos,2 = 0). La masa total de sólidos se puede expresar como el producto entre la
fracción de sólidos al interior del tanque y la masa total de sustancia contenida en el
tanque: wS ólidos M . Si además se usa el supuesto de agitación perfecta, se puede igualar la
fracción másica del interior del tanque con la de la corriente de salida: wS ólidos = wS ólidos,3 .
Aplicando la definición de la derivada a ese producto, se obtiene:

dM dwS ólidos,3
wS ólidos,3 +M = wS ólidos,1 ṁ1 − wS ólidos,3 ṁ3 (1.25)
dt dt
donde se tiene el diferencial de masa total ( dM
dt ), que ya hizo parte del balance total
de masa, por lo que no es el diferencial principal. Entonces, dejando el diferencial de
concentración como el principal, y tomando ( dMdt ) como parámetro (Ṁ ), se obtiene la
ecuación final de balance por componente para los sólidos:
 
dwS ólidos,3 1
= wS ólidos,1 ṁ1 − wS ólidos,3 ṁ3 − wS ólidos,3 Ṁ (1.26)
dt M

Balance de Agua:
Aunque se puede hacer el balance, no se requiere, puesto que al existir solo dos compo-
nentes, conociendo la fracción de sólidos, se puede conocer la fracción de agua en la pulpa
usando la definición misma de fracción. Esto se deja como ecuación constitutiva, por lo
que la fracción de agua será un parámetro y no una variable. Se aclara que también es
válido declararla como variable pero haciendo el siguiente balance:
 1.6. EJEMPLO ILUSTRATIVO MSBF 31

 
dwAgua,3 1
= wAgua,1 ṁ1 + wAgua,2 ṁ2 − wAgua,3 ṁ3 − wAgua,3 Ṁ
dt M
pero es más sencillo hallar la fracción de agua desde la fracción de sólidos y la restricción
de definición de la fracción, pues no se incrementa el número de parámetros requeridos
con wAgua,1 . Además, la fracción de agua solo se requerirı́a para el cálculo de propiedades
de la pulpa, lo que se evidenciará solo al proponer ecuaciones constitituvas. Obviamente,
el modelador puede tomar la decisión sobre cual de las dos expresiones usar.
Balance de Energı́a Térmica. Aunque el proceso se declara isotérmico, a contiuación
se formula el balance de energı́a térmica para discutir sobre los efectos de las pérdidas por
fricción. Se aplica la ecuación (1.9) deducida en la Sección 1.2.2.1, sin considerar trabajo
de expansión y con el trabajo de eje entrando a la pulpa:

d(M CbV,mix T )
b 1 + ṁ2 H
= ṁ1 H b 2 − ṁ3 H
b 3 + Q̇ + ẆEje (1.27)
dt
en la que se puede reemplazar C bV,mix por CbP,mix porque el fluido no es un gas. Además,
si se considera que esta propiedad cambia poco, se puede sacar del diferencial y plantear
el diferencial del producto, con lo cual se tiene:
 
b dT dM b 1 + ṁ2 H
b 2 − ṁ3 H
b 3 + Q̇ + ẆEje
CP,mix M +T = ṁ1 H (1.28)
dt dt
y como el diferencial de masa ya tiene desde el balance de masa total, se toma como
parámetro Ṁ , dejando al diferencial de temperatura como el principal, por lo que despe-
jando la ecuación se llega al balance final de energı́a térmica:
 
dT 1 b b b T
= ṁ1 H1 + ṁ2 H2 − ṁ3 H3 + Q̇ + ẆEje − Ṁ (1.29)
dt bP,mix M
C M

En este balance se puede considerar que al operar isotérmicamente y con mezcla ideal
(ni se adiciona ni se pierde energı́a con el mezclado), la entalpı́a de la pulpa se puede
expresar como:
 
b3 = 1 b 1 + ṁ2 H
b2
H ṁ1 H (1.30)
ṁ3
recordando que los cocientes entre los flujos másicos entregan las fracciones másicas. Se
puede reemplazar la entalpı́a de la mezcla en la ecuación previa de balance y ası́ se cancelan
todos los términos de entalpı́a. Si además, se considera que las pérdidas de calor con los
alrededores son despreciables (Q̇ = 0) por la baja diferencia de temperaturas entre el
tanque (supuesto cercano a 25◦ C) y los alrededores, se llega a la ecuación para este proceso
particular:

dT 1 T
= ẆEje − Ṁ (1.31)
dt bP,mix M
C M
desde la cual se calcula la temperatura de la pulpa, afectada por el trabajo de eje y la
acumulación y desacumulación de masa. Obviamente, y como ya se dijo, esta ecuación no
32 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

se usa en el modelo puesto que entrega muy poca información, todo debido al supuesto de
operación isotérmica.
Balance de Energı́a Mecánica. Para el sistema de proceso que representa a la pulpa
(parte fluida), se puede aplicar un balance de energı́a mecánica en estado transitorio, como
el deducido en la Sección 1.2.2.2, extendido aquı́ a dos entradas y una salida:

 
dV̇3 AF,3 ṁ3 P3 ṁ1 P1 ṁ2 P2
= − −
dt M v3 ρ3 ρ1 ρ2
 (1.32)
1
+ g (ṁ3 z3 − ṁ1 z1 − ṁ2 z2 ) + η P otBomba + ṁ3 hf1y2→3 − v32 Ṁ
2

en la que se puede cancelar el término asociado con la máquina impulsora η P otBomba ,

para llegar a la expresión final del balance de energı́a mecánica del modelo:

 
dV̇3 AF,3 ṁ3 P3 ṁ1 P1 ṁ2 P2
= − −
dt M v3 ρ3 ρ1 ρ2
 (1.33)
1
+ g (ṁ3 z3 − ṁ1 z1 − ṁ2 z2 ) + ṁ3 hf1y2→3 − v32 Ṁ
2

desde la que se puede calcular el flujo volumétrico que sale del tanque, conociendo todos
los demás términos.

1.6.4.3. Sistema de Proceso Metal del Tanque SdePIII

Balance Total de Masa. De forma similar al SdePI , este balance no aplica porque el
tanque ni gana ni piede masa de forma apreciable durante el proceso. Nuevamente, es
evidente que hay pérdidas de masa por desgaste cuando los sólidos dentro de la pulpa
rozan las superficie metálica interna del tanque. Sin embargo, ese desgaste es muy lento,
por lo que no se incluye en el balance. Adicionamente, no hay entradas o salidas de material
al metal que forma el tanque.
Balance de Masa por Componente. Puesto que no aplica el balance de masa total,
tampoco aplica el balance por componente. Además, no se presenta ninguna reacción
quı́mica en el metal del tanque que altere su composición.
Balance de Energı́a Térmica. Como el proceso es isotérmico (corrientes de entrada y
salida están a la misma temperatura: 25◦ C), la mezcla es ideal (calor de mezcla insignifi-
cante) y no hay reacciones quı́micas en el SdePIII , no tiene sentido el balance de energı́a
térmica.
Balance de Energı́a Mecánica. Como se hizo para el SdePII , en este caso se puede
considerar que el equilibrio mecánico se alcanza muy rápido (milisegundos), siendo el mo-
vimiento del tanque (pequeñas vibraciones de muy baja amplitud), debido a la disipación
de energı́a mecánica, que tiene origen en: la caı́da de las corrientes de entrada sobre el
nivel de mezcla, los cambios en la agitación y el nivel del fluido, la densidad o la viscosidad
de la mezcla. Con esto, no existe diferencial en la ecuación de balance, obteniendo:
 1.6. EJEMPLO ILUSTRATIVO MSBF 33

ẆT anque→Alrededores + ẆT anque→Alrededores = ẆF luido→T anque (1.34)

una ecuación difı́cil de especificar, pues solo indica que toda la energı́a que el fluido entrega
al tanque se convierte en vibración mecánica y calor, sin indicar en que proporción o por
cual mecanismo. Conocer este detalle es más del dominio de la ingenierı́a mecánica que de
la ingenierı́a quı́mica o biológica. Además, es evidente que este balance nada aporta a la
solución de la pregunta que contestará el modelo, por lo que no vale la pena profundizar
en él.

1.6.5. Determinación de la Estructura Básica del Modelo

Con lo visto al aplicar la ley de conservación sobre los tres sistemas de proceso, es
evidente que SdePI y SdePIII no aportan al objetivo del modelado, por lo que la estructura
básica del modelo se obtiene de los balances del SdeP − II, reescritos a continuación para
tenerlos en el mismo sitio:
 
dL 1
= ṁ1 + ṁ2 − ṁ3 − V ρ̇mix (1.35)
dt ρ3 AT anque

 
dwS ólidos , 3 1
= wS ólidos,1 ṁ1 + wS ólidos,2 ṁ2 − wS ólidos,3 ṁ3 − wS ólidos,3 Ṁ (1.36)
dt M

dT 1 T
= ẆEje − Ṁ (1.37)
dt b
CP,mix M M

 
dV̇3 AF,3 ṁ3 P3 ṁ1 P1 ṁ2 P2
= − −
dt M v3 ρ3 ρ1 ρ2
 (1.38)
1
+ g (ṁ3 z3 − ṁ1 z1 − ṁ2 z2 ) + ṁ3 hf1y2→3 − v32 Ṁ
2

Estas son las cuatro ecuaciones que conforman la estructura básica del modelo semifı́si-
co de base fenomenológica para el tanque de preparación de pulpa que se está modelado
en este ejemplo.

1.6.6. Reconocimiento y Acotamiento de Variables, Parámetros Estruc-

turales y Constantes

Para las cuatro ecuaciones que conforman la estructura básica del modelo, la Tabla 1.1
presenta las variables, parámetros y constantes estructurales, ası́ como el acotamiento de
las variables y parámetros estructurales. Se aconseja hacer primero el reconocimiento de las
variables (que es trivial desde su definición), luego el de las constantes, dejando para el final
los parámetros (que casi siempre son los sı́mbolos restantes). Además, es necesario decir que
el acotamiento para algunas variables y parámetros será un estimado de los valores reales
extremos, por ejemplo usando datos de algún proceso similar o incluso, con un aproximado
de manera gruesa de esos valores, que los ubique en intervalos razonables. Esto se debe
34 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Tabla 1.1. Variables y parámetros estructurales y constantes del modelo.

Instancia V al. min V al. M ax. Total

Variables Una por cada ecuación 4

L 0m 1.2m 1
kgSol kgSol
wS ólidos,3 0 kgmix 1 kgmix 1
T 15◦ C 32◦ C 1
V̇3 0 Ls 6.5 Ls 1
Parámetros 11
m3 m3
ρ3 1000 s 1100 s 1
ṁ1 0 kg
s
kg
6.5 s 1
ṁ2 0 kg
s 0.65 kg
s 1
V 0m3 2.0m3 1
M 0kg 2200kg 1
kgSol kgSol
wS ólidos,1 0.1 kgmix 0.5 kgmix 1
Ṁ 0 kg
s 7.15 kg
s 1
bP,mix
C kJ
4.18 kg−K kJ
6.2 kg−K 1
ẆEje 0 kJ
s 18.6425 kJ
s 1
3 3
ρ1 1000 ms 1600 ms 1
hf1y2→3 0P a 12936P a 1
Constantes AT anque , AF,3 , P1 , P2 , P3 , ρ2 , g, z3 , z1 y z2 ... ... 10

a que los valores de las variables solo se conocerán tras resolver el modelo, y puesto
que algunos parámetros dependen de las variables, sus valores extremos también serán
indeterminados al arranque. Este acotamiento tiene por objetivo ayudar en la identificación
de parámetros desde datos reales y mejorar la interpretabilidad del modelo.
Varios aspectos se deben resaltar del contenido de la Tabla 1.1, puesto que la catalo-
gación hecha para los sı́mbolos puede parecer, a primera vista, totalmente arbitraria. Las
variables estructurales no tienen discusión, pues son los sı́mbolo que están como argumento
en el diferencial o explı́citas como incógnitas al lado izquierdo del igual en las ecuaciones
algebraicas (este modelo no tiene ninguna). Respecto de los parámetros y las constantes
estructurales, lo primero es decir que las constantes pueden ser universales o constantes
por el montaje del proceso o incluso, declaradas por el modelador cuando hace que un
parámetro sea constante para el modelo dado. La única constante estructural universal
es la aceleración de la gravedad g, aunque podrı́a pensarse que también es universal la
densidad del agua ρ2 , pero mejor dejarla como parámetro que se toma como constante
para este modelo (varia con la temperatura). Son constantes estructurales del montaje el
área de flujo de la tuberı́a de descarga AF,3 , ası́ como las alturas z de los puntos 1, 2 y
3. Las presiones en los puntos 1 y 2 se declaran constantes puesto que la carga se hace
 1.6. EJEMPLO ILUSTRATIVO MSBF 35

por tuberı́as que dejan caer la sustancia al tanque, y por lo tanto, son puntos a presión
atmosférica Patm , que se considera constante e igual a la presión atmosférica estándar.
Con relación a los parámetros estructurales, que son los sı́mbolos restantes tras el
reconocimiento de las variables y las constantes, se aprecian dos casos que pueden prestarse
a confusión: M y Ṁ , pues hacen parte de una ecuación estructural del modelo, ecuación
(1.20), en una de sus primeras versiones. Aunque podrı́a usarse la ecuación (1.20) para
hallar tanto M , como Ṁ , nótese que ya se usó ese balance para llegar a la ecuación (1.35)
del nivel L como variable diferencial, lo que serı́a un uso doble de la misma expresión. Por
eso, es mejor declarar estos sı́mbolos M y Ṁ como parámetros, y proponer ecuaciones
nuevas (constitutivas) para calcularlos, lo que se discute a continuación, en el Paso 7.

1.6.7. Propuesta de Ecuaciones Constitutivas y Establecimiento de

Parámetros Funcionales

Como ya se dijo, las ecuaciones constitutivas ayudan a evaluar parámetros del modelo,
por lo que conforman la estructura extendida del mismo. En tal sentido, y con el fin
de ubicalos todos de forma compacta y facilitar el paso siguiente (conteo de grados de
libertad), se usará en adelante un formato como el de tal Tabla 1.2. Allı́ se consigna
cada parámetro, indicando si es estructural (lo que ya estaba registrado en la Tabla 1.1)
o funcional. Para los estructurales, se usa la abreviatura Estr.1, con el 1 para indicar
que estos parámetros pertenecen al primer nivel de especificación. Para los funcinales
también se muestra el nivel de especificación con el número tras la abreviatura Func. La
tercera columna presenta la ecuación constitutiva, la cuarta las instancias de tal ecuación
(∼
= 1 cuando los parámetros se toman en diferentes puntos del proceso para modelos
de parámetros distribuidos), y se cierra con una columna que contabiliza el número de
parámetros. En una presentación condensada del modelo se recomienda usar solo la tabla,
aunque aquı́ por didáctica, tras la tabla se evalúan uno a uno los parámetros estructurales
del modelo, haciendo inmediatamente el reconocimiento de parámetros funcionales que
surjan para cada ecuación constitutiva de un parámetro estructural.

Tabla 1.2. Ecuaciones constitutivas para los parámetros del modelo.

Parámetro Tipo Ecuación Instancias Total

1
ρ3 Estr.1 ρ3 = wS ólidos,3 w ... 1
ρS ólidos
+ ρAgua,3
Agua

ρS ólidos Func.2 ρS ólidos = Dato ... 1

wAgua,3 Func.2 wAgua,3 = 1.0 − ... 1
wS ólidos,3
ṁ1 Estr.1 ṁ3 = (1 − CR) ṁ1 ... 1
ṁ2 Estr.1 ṁ3 = (1 − CR) ṁ1 ... 1
V Estr.1 V = L AT anque ... 1
M Estr.1 M = V ρ3 ... 1
Continúa en la próxima página.
36 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Parámetro Tipo Ecuación Instancias Total

wS ólidos,1 Estr.1 wS ólidos,1 = Dato ... 1

Ṁ Estr.1 Ṁ = ṁ1 + ṁ2 − ṁ3 ... 1
bP,mix
C Estr.1 bP,mix
C = ... 1
bP,S ólidos
wS ólidos,3 C +
wAgua C bP,Agua
bP,S ólidos
C Func.2 bP,S ólidos = Dato
C ... 1
bP,Agua
C Func. 2 bP,Agua = Dato
C ... 1
ẆEje Estr.1 ẆEje = Dato ... 1
1
ρ1 Estr.1 ρ1 = wS ólidos,1 w ... 1
ρS ólidos
+ ρAgua,1
Agua

hf1y2→3 Estr.1 hf1y2→3

  = i: Tramos y accesorios 1
P vi2
i KF r,i 2

LT R
KF r,T R Func.2 KF r,T R = fD,T R D TR
... 1
fD Func.3 fD = ... 1
n h  io−2
−2 log ǫ/D T ubo
3.71 − 5.02
NReT ubo log ǫ/DT ubo
3.71 + 14.5
NReT ubo

ǫ Func.4 ǫ = Dato ... 1

ρ3 v3 DT ubo
NReT ubo Func. 4 NReT ubo = µ3 ... 1
M
ρ3
v3 Func.5 v3 = AT ubo ... 1
2
π DT
AT ubo Func.6 AT ubo = 4
ubo
... 1
DT ubo Func.5 DT ubo = Dato ... 1
µ3 Func.5 µ3 = ... 1
 n−1
3n+1 8ū
Kµ 4n DT ubo

Kµ Func.6 Kµ = Dato ... 1

n Func.6 n = Dato ... 1
LT ubo Func.3 LT ubo = Dato ... 1
KF r,T oma Func.2 KF r,T oma = Dato ... 1

1.6.7.1. Densidad de la mezcla

Se usará una expresión que permite calcular la densidad de una mezcla mediante una
suma ponderada de las densidades de sus componentes individuales. La ponderación se
hace con la fracción másica, usando los inversos de las densidades, con lo cual para este
caso se tiene:
 1.6. EJEMPLO ILUSTRATIVO MSBF 37

1
ρ3 = wS ólidos,3 wAgua,3 (1.39)
ρS ólidos + ρAgua

en la que ρAgua = ρ2 = constante. Aparecen como parámetros funcionales de primer nivel

la densidad de los sólidos ρS ólidos y la fracción másica de agua en la mezcla wAgua,3 , que
se evalúan con las siguientes ecuaciones constitutivas, la primera trivial:

ρS ólidos = Dato (1.40)

y la segunda, usando la restricción propia de la definición de la fracción másica:

wAgua,3 = 1.0 − wS ólidos,3 (1.41)

1.6.7.2. Flujo másico de lodo

Este es un dato, por lo que no produce parámetros funcionales, puesto que su ecuación
constitutiva es trivial:

ṁ1 = Dato (1.42)

1.6.7.3. Flujo másico de agua

También es un dato, con su ecuación constitutiva trivial:

ṁ2 = Dato (1.43)

1.6.7.4. Volumen contenido en el tanque

No se deberı́a llamar volumen del tanque, sino volumen contenido en el tanque, para
no confundirlo con la capacidad máxima del recipiente. Como con todas las ecuaciones
constitutivas no triviales, siempre existen varias opciones para hallar el parámetro. Por
ejemplo, V se podrı́a evaluar como el cociente entre la masa total del tanque y la densidad
M
de la mezcla: V = ρmix . Pero esta expresión usa otros parámetros y no variables, para el
cálculo. Por eso se sugiere la siguiente formulación, que es directa porque usa una variable
del modelo L y una constante AT anque para el cálculo:

V = L AT anque (1.44)

Es importante resaltar aquı́ que podrı́a también tenerse a AT anque como un parámetro
funcional de segundo nivel de especificación, y calcularlo con la fórmula geométrica del
área de un cı́rculo, teniendo como dato al diámetro del tanque, que serı́a un parámetro
funcional de tercer nivel. Por simplificidad, se toma mejor el área del tanque como un
constante, pues además el diámetro del tanque no es un parámetro que se use en otros
cálculos, como si ocurre en otros modelos.
38 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

1.6.7.5. Masa total contenida en el tanque

Como se dijo previamente, podrı́a pensarse en usar la ecuación diferencial del balance
total de masa para resolverla y hallar este parámetro M , pero se estarı́a tratando a M más
como variable que como parámetro estructural. Por eso, se buscan formas alternativas de
calcularla. La ecuación constitutiva más simple es:

M = V ρ3 (1.45)

1.6.7.6. Fracción másica de sólidos en la corriente 1

Esta es una ecuación constitutiva trivial, pues esa fracción es un dato:

wS ólidos,1 = Dato (1.46)

1.6.7.7. Cambio de la masa dentro del tanque con el tiempo

Este parámetro, como se discutió previamente, podrı́a erróneamente interpretarse como

una variable usando la primera versión de la ecuación de balance total de masa (1.20).
Sin embargo, por la definición de lo que es una variable, el diferencial como un todo
(representado por Ṁ para diferenciarlo del operador diferencial), no cumple con el requisito
de ser variable, excepto que se tomara la ecuación (1.20) como una estructural algebraica.
Si eso se hiciera, esta ecuación de balance ya estarı́a usada y no habrı́a posibilidad de
volver a usarla para obtener la ecuación (1.35) del nivel L. Por lo tanto, se requiere una
ecuación constitutiva para evaluar el parámetro Ṁ . Se propone hacer el cambio de nombre
al sı́mbolo y tomar el lado derecho de la ecuación de balance total de masa (1.20), llegando
a:

Ṁ = ṁ1 + ṁ2 − ṁ3 (1.47)

llegando a una expresión simple y que se resuelve con parámetros y variables del proceso.

1.6.7.8. Capacidad calorı́fica a presión constante de la masa dentro del tanque

Esta propiedad se puede calcular como la de una mezcla ideal, al no disponer de una
expresión particular para ella (que serı́a lo mejor), usando:

bP,mix = C
C bP,3 = wS ólidos,3 C
bP,S ólidos + wAgua,3 C
bP,Agua (1.48)
que produce tres parámetros funcionales de segundo nivel: C bP,S ólidos , wAgua,3 y C
bP,Agua ,
cuyas ecuaciones constitutivas son triviales para las capacidades calorı́ficas y funcional
para la fracción de agua en la corriente 3 (salida), tomada esta última de la definición de
fracción:

bP,S ólidos = Dato

C (1.49)
 1.6. EJEMPLO ILUSTRATIVO MSBF 39

bP,Agua = Dato
C (1.50)

wAgua,3 = 1 − wS ólidos,3 (1.51)

1.6.7.9. Flujo de trabajo de eje que recibe el fluido

Este es un dato, por lo que se calcula con la siguiente escuación constitutiva trivial:

ẆEje = Dato (1.52)

1.6.7.10. Densidad del lodo de entrada

Esta propiedad es función del contenido de sólidos del lodo, por lo que se puede calcular
usando la misma relación ponderada mostrada arriba para la mezcla en el tanque:

1
ρ1 = wS ólidos,1 wAgua,1 (1.53)
ρS ólidos + ρAgua

recordando que ρAgua = ρ2 = Cte conocidas como datos de operación.

1.6.7.11. Pérdidas por fricción entre las entradas y la salida

Estas se evalúan como la sumatoria de pérdidas entre el plano superior o nivel del
fluido en el tanque (donde caen las corrientes 1 y 2), denominado plano 1y2, y el plano
que corresponde al punto 3 o boca de salida de la tubo de descarga:

X v2

hf1y2→3 = KF r,i i (1.54)
2
i

en la que aparecen como parámetros funcionales de segundo nivel de especificación las

constantes de pérdidas del fluido entre la toma de descarga o salida tipo recta del tanque
y la del tubo que descarga la pulpa, además de la velocidad del fluido en esos dos puntos.
Se descartan las pérdidas del fluido moviéndose desde el plano 1y2 a la toma de descarga,
puesto que se asume que esa velocidad vertical de descenso es muy baja por el control
de nivel que se hace con la entrada de agua. Los dos parámetros funcionales de pérdidas:
KSalidaT anqueRecta y KT uboDescarga , se evalúan como sigue, con ecuaciones constitutivas
propias para estos accesorios de tuberı́a (ver (Darby, 2001)): trivial para la salida del
tanque tipo recta y funcional para la tuberı́a (ecuación de Darcy-Weisbach).

KSalidaT anqueRecta = 0.5 (1.55)

LT ubo
KT uboSalida = fD . (1.56)
DT ubo
40 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

en la que aparecen tres parámetros funcionales de tercer nivel de especificación: el factor

de fricción de Darcy fD , la longitud del tubo LT ubo y el diámetro del tubo DT ubo . Para el
montaje estos dos últimos son constantes, es decir, con ecuaciones constitutivas triviales:

LT ubo = Dato (1.57)

DT ubo = Dato (1.58)

y el factor de Darcy es evaluable desde la ecuación de Shacham (Schorle et al., 1980):

   −2
ǫ/DT ubo 5.02 ǫ/DT ubo 14.5
fD = −2 log − log + , (1.59)
3.71 NRe 3.71 NRe
con DT ubo el diámetro interno de la conducción por la que se mueve el fluido, definido
previamente, y como parámetros funcionales de tercer nivel ǫ la rugosidad absoluta del
tubo y NRe el número de Reynolds. La rugosidad se define con una ecuación trivial:

ǫ = Dato (1.60)
mientras que el número de Reynolds, se calcula como:

ρ3 v3 DT ubo
NRe = , (1.61)
µ3
en la que aparecen dos parámetros funcionales de quinto nivel de especificación: v3 y µ. La
velocidad de la pulpa dentro del tubo de descarga, v3 , que también estaba como parámetro
para las pérdidas totales, se calcula como:

M
ρ3
v3 = (1.62)
AT ubo
con un parámetro funcional de sexto nivel de especificación: el área de flujo del tubo AT ubo ,
evaluable como:

π DT2 ubo
AT ubo = (1.63)
4
Por su parte µ3 , la viscosidad de la mezcla en el tubo de descarga, es un parámetro no
trivial, puesto que a pesar del concepto de agitación perfecta, la viscosidad al interior del
tanque µmix puede no corresponder con la viscosidad en el tubo de descarga µ3 . Eso por
que la mezclas de agua con partı́culas sólidas generalmente presentan comportamientos
no-newtonianos, y en este tipo de fluidos, la viscosidad de la mezcla en un punto del
sistema depende de las condiciones de esfuerzo cortante τ y taza de cizalladura γ̇ a la
que esté sometida la mezcla en ese punto. Como tales condiciones no son las mismas en
el tanque que en los diferentes puntos del tubo, la viscosidad local no es la misma. Con
el dato, tomado como supuesto, de que el comportamiento de la mezcla sólidos y agua es
pseudoplástico y obedece a la ley de potencia, la formulación de esta viscosidad será:

µ = Kµ |γ̇|n−1 (1.64)
 1.6. EJEMPLO ILUSTRATIVO MSBF 41

con Kµ y n parámetros particulares de la pulpa, hallados por pruebas de laboratorio. Sin

embargo, esta expresión es poco útil, por lo que es mejor relacionarla con las condiciones
del fluido en el contenedor o conducto. Para fluidos que obedecen a la ley de potencia, en
(Madlener et al., 2009) se propone una expresión32 para la mencionada relación, requi-
riendo la velocidad de la pulpa, la cual se determina fácilmente con: v̄ = V̇A , puesto que el
dı́ametro y el flujo volulmétrico se conocen. Con esto, la función que finalmente permite
calcular la viscosidad de la pulpa a las condiciones de operación de un punto dado es:

 n−1
3n + 1 8ū
µ = Kµ (1.65)
4n DT ubo
en la que aparecen como parámetros funcionales de sexto nivel de especificación Kµ y n,
que se hallan con dos ecuaciones constitutivas triviales:

Kµ = Dato (1.66)

n = Dato (1.67)

Finalmente, la KF r,T oma se calcula con una ecuación trivial, pues para el tipo de toma
del tanque se conoce dicho valor desde la literatura:

KF r,T oma = Dato (1.68)

1.6.8. Conteo de Grados de Libertad

Este conteo permite establecer si el modelo es resoluble, es decir, si se tienen igual

número de ecuaciones que de incógnitas. Para determinar el número de ecuaciones, se su-
man las ecuaciones de la estructura básica que se reportó en el Paso 5, con las ecuaciones
de la estructura extendida del modelo que se fueron reportando a medida que se genera-
ban en el Paso 7. Desde la Tabla 1.1 se evidencia que hay 4 variables y 11 parámetros
estructurales, por lo que van 15 incógnitas. Luego se suman las incógnitas que se general
como parámetros funcionales, que tomados desde la Tabla 1.2 (sin contar los parámetros
estructurales que ya se tuvieron en cuenta) son 16, con lo cual el número total de incógnitas
del modelo es 31. Por su parte, el conteo de ecuaciones entrega 4 de la estructura básica y
las que aparecen de los parámetros (tanto estructurales como funcionales), reportados en
la Tabla , que son 27, para un total de 31 ecuaciones. Con esto se tiene que los grados de
libertad son GdeL = 31 − 31 = 0, verificando que la estructura matemática que forma el
modelo es resoluble.

1.6.9. Construcción del Modelo Computacional

Esta construcción del modelo computacional se deja el lector, pues no existe ninguna
complejidad en tal tarea. Es posible construirlo en varios lenguajes de programación y
herramientas, entre las que se pueden mencionar lenguajes como C++, Phyton o fortran,
y herramientas como Excel R , Matlab
R y EMSO R , entre otras. Se recomienda, en

32 3n+1 8v̄
La ecuación propuesta en (Madlener et al., 2009) es: γ̇ = 4n DT ubo
.
42 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

una primera instancia, usar un método sencillo de solución de sistemas matemáticos como
este, que combinan ecuaciones difereciales y algebraicas. Por ejemplo el método de Euler
de paso fijo. Aunque no es el método más preciso, si brinda la oportunidad de seguir
una secuencia paso a paso de la solución. Cuando se entienda la secuencia de solución, es
posible migrar a otros métodos más avanzados y que ya están programados como rutinas
nativas en varios de los software de programación mencionados: método de Runge-Kutta
de diversos ordenes, los métodos de Adams y Gear, entre otros (Yang et al., 2005). Debe
aclararse que si hay acomplamiento entre la parte diferencial y la parte algebraica del
sistema matemático, se debe seleccionar con cuidado el método a utilizar para lograr
mayor precisión que usando simplmente el método de Euler.

1.6.10. Validación del Modelo

En este caso, como el simulador se deja al lector, será el lector el encargado de validar
por comportamiento el modelo propuesto. No existen datos de un proceso real, por lo
que la validación cruzada con esos datos no es posible. Por ser este un ejemplo orientado
más a mostrar la deducción del modelo que su validación, no se hace énfasis en este paso,
aunque vale la pena indicar que un montaje experimental para validar este modelo podrı́a
realizarse a escala de laboratorio sin demasiadas complicaciones. En los capı́tulos siguientes
se plantean como ejemplos modelos en los que se discute más ampliamente su validación,
siendo el ejemplo del Capı́tulo ?? en el que se discute con mayor amplitud la validación.

1.7. Temas en Exploración

En este capı́tulo, como temas en exploración, se mencionan a continuación la inter-

pretabilidad paramétrica en un modelo semifı́sico de base fenomenológica (MSBF) y el
uso de dicha interpretabilidad en la identificación paramétrica de esa clase de modelos.
A pesar de que ya la interpetabilidad se discutió en la Sección 1.4.4, aquı́ se liga con la
identificabilidad, buscando describir esta nueva temática de investigación. Como siempre
en este apartado de todos los capı́tulos, aunque la discusión no es amplia, si se brinda
bibliografı́a donde ampliar un poco más las temáticas.

1.7.1. Interpretabilidad Paramétrica

Como ya se expresó en la Sección 1.4.4, este concepto hace referencia al significado de

un parámetro dentro de un modelo. Dicho significado puede tener alcance local, cuando el
parámetro tiene significado solo para el modelo que se trata. También puede tener signifi-
cado global o general, cuando el parámetro tiene la misma interpretabilidad en cualquier
modelo donde se encuentre. Como ejemplo del primer caso pueden mencionarse algunos
coeficientes particulares de transferencia, no generalizables. Para el segundo caso, son
ejemplos la viscosidad, la densidad, la tensión superficial, etc., todas de interpretabilidad
general sin importar en que modelo estén.
Particularmente, la discusión aquı́ se centra en un MSBF y sus parámetros. Como
ya se discutió en la Sección 1.5.6, los parámetros pueden ser estructurales y funcionales.
Puede decirse que en un MSBF los parámetros estructurales son todos interpretables,
mientras que los parámetros funcionales no necesariamente son siempre interpretables. La
 1.7. TEMAS EN EXPLORACIÓN 43

interpretabilidad de los parámetros estructurales la garantiza que la estructura del MSBF

proviene de balances, en los que cada término es un flujo de masa o energı́a (o cualquier
otra propiedad balanceable), por lo que tal flujo es inherentemente interpretable, tanto
como un solo sı́mbolo (ṁ) como cuando son dos o más sı́mbolos formando una expresión
que refleja el flujo (wA,1 ρ1 V̇1 ). Para el caso de los parámetros funcionales, la interpretabi-
lidad se empieza a comprometer cuando se usan expresiones empı́ricas para representarlos.
Si por el contrario se utilizan expresiones con fundamentación en la fenomenologı́a (ası́
no sean balances), como por ejemplo la ley de gradiente o las relaciones obtenidas por
análisis adimensional (por ejemplo teorema Pi de Buckinghan), que producen relaciones
de números adimensionales, se puede obtener interpretabilidad del parámetro.
La interpretabilidad paramétrica debe ser un criterio que guı́e la formulación del MSBF,
particularmente en el Paso 7 del método propuesto en la Sección 1.5, pues es ahı́ donde se
plantean las ecuaciones constitutivas. Si dicha propuesta de ecuaciones se hace más desde
aproximaciones empı́ricas tipo ajuste de datos, los parámetros funcionales del último nivel
que se obtienen no tendrán interpretabilidad ni siquiera local. Lo mismo ocurre si se usan
modelos de la inteligencia artificial como las redes neuronales artificiales, pues los pesos
de dichas configuraciones de procesamiento de datos no tienen interpretación posible. En
cambio, si se recurre a modelos de IA pero del tipo sistemas de inferencia borrosa (FIS por
sus siglas en inglés), se puede lograr interpetabilidad de los parámetros de dichos modelos,
siempre que se usen FIS del tipo Takaki-Sugeno o del tipo Mamdani.
Para cerrar esta breve mención al tema de interpretabilidad, se sugiere al lector intere-
sado consultar los siguientes trabajos, recondando que es un tema en plena exploración,
por lo que la literatura es dispersa y no se tiene por ahora ningún libro de texto donde
consultar: (Lipton, 2017), (López, 2017) y (Ribero, 2017).

1.7.2. Interpretabilidad e Identificación Paramétrica

Uno de los principales usos de la interpretabilidad paramétrica es en mejorar los méto-

dos de identificación paramétrica. Hay un concepto asociado que es la identificabilidad, la
cual se refiere a la capacidad que se tiene para hallar un valor adecuado de un parámetro,
contando con una estructura de modelo dada y un conjunto de datos del proceso real. Si
bien ese no es el tema en este apartado, vale mencionar que sin garantizar la identifica-
bilidad paramétrica, cualquier intento por hallar valores para uno o más parámetros del
modelo es en vano. Al final se da literatura a consultar para profundizar en el tema de la
identificabilidad.
La interpretabilidad afecta la identificabilidad, y en sentido inverso, la interpretabili-
dad también se ve afectada por la identificabilidad. Esto porque la identificación tiende a
concentrar los esfuerzos sobre el parámetro que más efecto tenga sobre la salida, indepen-
dientemente de si es o no interpretable. Eso lleva a tal parámetro a salirse de sus lı́mites
razonables o interpretables para permitir bajar el error, lo que lo hace perder interpre-
tabilidad (si la tenı́a) o a hacerse cada vez menos interpretable, si alguna vez se intenta
buscarle interpretabilidad. A este parámetro se le puede denominar parámetro de sacrifi-
cio (López, 2017). Ese efecto de distorsión de la interpretabilidad no lo considera ningún
método automático de identificación paramétrica, y si la identificación es manual, pocos
modeladores están conscientes de que eso puede ocurrir. En la propuesta de (López, 2017)
eso se soluciona, además de permitir mejoras en la identificación paramétrica del modelo.
44 CAPÍTULO 1. LOS MODELOS SEMIFÍSICOS DE BASE FENOMENOLÓGICA (MSBF)

Es importante recalcar que un parámetro interpretable tiene mucha más tendencia a ser
identificable que uno que no lo es.
Finalmente, por lo novedoso del tema y su incipiente estado de construcción, es impo-
sible elaborar aquı́ un discurso completo y autocontenido sobre el tema. Mejor es dejar al
lector las siguientes fuentes bibliográficas adicionales a las ya mencionadas, de modo que
pueda adentrarse en el tema con mayor profundidad: (Chis et al., 2011), (Bartz et al., 2013)
y (Muñoz Tamayo et al., 2017).
Glosario

A continuación se presentan los sı́mbolos más usados en estas notas, de modo que
si en algún momento la definición del sı́mbolo no está cerca de la expresión matemática
consultada, el lector pueda recurrir a este glosario como alternativa rápida de búsqueda.
Al final de la descripción del sı́mbolo, y tras el signo [=] se dan las unidades más usadas
en el texto, casi todas del Sistemas Internacional SI. Cuando el sı́mbolo se puede usar
para varios significados, cada significado se anuncia con un número seguido de paréntesis.
Cuando no se reportan las unidades es porque el sı́mbolo es adimensional o las unidades
dependen de la aplicación.
Variables, parámetros o constantes.

C... Concentración de sustancia en unidades molar-volumétrica [=] kmol

m3 .
D... Diámetro [=]m
F ... Coeficiente de transferencia de masa para casos de alta concentración de las fases
o de altos fluxes de transferencia, en unidades molares [=] kmol
m2 s
A
.
J... Flux de transferencia de masa por difusión (sin superı́ndice) o por convección
turbulenta con superı́ndice CT .
K... Coeficiente engoblante de transferencia de masa (TdeM), con el subı́ndice indi-
cando el tipo de fase desde la que se toma la información para el cálculo de la TdeM.
KO ... Coeficiente gobla de transferencia de masa (TdeM).
KF r ... Factor de pérdidas por fricción en tuberı́a y accesorios.
L... 1) Longitud en una trayectoria o movimiento entre dos puntos. 2) Nivel en un
tanque.
M ... Flux de transferencia de masa de múltiples sustancias en unidades másicas [=] mkg2 s .
MA ... Flux de transferencia de masa de la sustancia A en unidades másicas [=] mkg2 s .
MAi ... Masa total de la sustancia A en unidades másicas [=]kg. El ı́ndice i es un
número romano que indica el Sistema de Proceso donde se cuantifica la masa de A: i =
I, II, III, ... etc.
N ... Flux de transferencia de masa de múltiples sustancias en unidades molares [=] kmol
m2 s
.
NA ... Flux de transferencia de masa de la sustancia A en unidades molares [=] kmol
m2 s
.

45
46 GLOSARIO

NAi ... Cantidad de la sustancia A en unidades molares [=]kmol. El ı́ndice i es un

número romano que indica el Sistema de Proceso donde se cuantifica la masa de A: i =
I, II, III, ... etc.
T ... Temperatura [=]◦ C = K.
U ... Coeficiente global de transferencia de calor [=] s mkJ2 K = kW
m2 K
.
XA o YA o ZA ...Fracción molar de la sustancia A con relación a la masa de solvente
kmol
en la mezcla [=] kmol S mix . Se usa la letra x para lı́quidos, y para gases, z para sólidos.

h...Coeficiente pelicular de transferencia de calor [=] s mkJ2 K = kW

m2 K
.
hf1→2 ... Pérdidas por fricción durante el movimiento de un fluido. Tiene diversas uni-
2
dades [=] ms2 o mca metros columna de agua, o P a.
′ ...Coeficiente de transferencia de masa en unidades molar-volumétrica [=
kC , kC
kmol A
m2 s m ′ ′
] kmol A = s. Sin prima es para A en B que no difunde, con el prima para contra-
m3
difusión equimolar.
kx , kx′ , ky , ky′ ...Coeficiente de transferencia de masa en unidades de fracción molar
kmol A
m2 s kmol mix
[=] kmol A = m2 s
, con la letra x para lı́quidos y la y para gases. Sin prima ′ es para
kmol mix
A en B que no difunde, con el prima ′ para contradifusión equimolar.
kp , k′ p...Coeficiente de transferencia de masa en unidades de presión parcial del gas
kmol A
[=] P aPma2 s . Sin prima ′ es para A en B que no difunde, con el prima ′ para contradifusión
equimolar.
t...Tiempo [=]s.
xA o yA o zA ...Fracción molar de la sustancia A con relación a la masa total de solución
kmol
o mezcla [=] kmol mix , con la letra x para lı́quidos, la y para gases y la z para sólidos.
z...Posición vertical de un punto en un sistema [=]m.

Subı́ndices
1 → 2...Entre las posiciones 1 y 2.
A − B...Sustancia A en un medio formado por la sustancia B.
F ...Asociado con la transferencia de cantidad de movimiento o flujo.
G... Gas.
H... Asociado con la transferencia de calor.
L... Lı́quido.
M ... Asociado con la transferencia de masa.
M L... Media logarı́tmica.
T ... Total.
O... Global (overall).
bb... Burbuja.
cz... Coraza.
 GLOSARIO 47

gb... Gota o Burbuja.

mix...Mezcla de cualquier ı́ndole, incluso una solución.
Ref ...Condición o valor de referencia.
tb... Tubo.

Superı́ndices

app...Aparente. Usado para una propiedad que reemplaza a la real.

∗...Ficticio. Usado para una propiedad que reemplaza la de un cálculo complejo.
◦ ...Indica una condición de referencia o estándar.
Letras griegas

ǫ... Porosidad o espacio vacı́o o espacio de circulación para un fluido [=]Adim

µA ... 1) Viscosidad de una sustancia, cuando solo tiene como subı́ndice la sustancia a
la que se refiere la propiedad [=] mkgs = 1000cP .
µA,2 ... Potencial quı́mico, cuando tiene un subı́ndice compuesto para indicar sustancia-
kJ
medio y el punto donde se mide (este último opcional) [=] mol = kGibbs. La unidad SI es
Gibbs.
48 GLOSARIO
Bibliografı́a

Adkins, C. (1983). Equilibrium thermodynamics, 3th edn, Cambridge university press,

New York, USA.

Alvarez, H. (2012). Introducción al diseño simultáneo de proceso y control. La contro-

labilidad de estado como restricción, 1st edn, EAE Editorial Académica Española,
España.

Alvarez, H., Lamanna, R., Vega, P. & Revollar, S. (2009). Metodologı́a para la obtención
de modelos semifı́sicos de base fenomenológica aplicada a una sulfitadora de jugo de
caña de azúcar, RIAI Revista Iberoam. de Automática e Informática Ind. 6(3): 10 –
20.
URL: http://www.sciencedirect.com/science/article/pii/S1697791209702602

Aris, R. (1978). Mathematical Modelling Techniques, Pitman, London, UK.

Åström, K. & Murray, R. (2008). Feedback systems. An introduction to scientists and

engineers, 1st edn, Princeton University Press, Princeton, USA.

Bartz, T., López, D., Arellano-Garc’ia, H. & Wozny, G. (2013). Experimental evaluation of
an approach to online redesign of experiments for parameter determination, AICHE
Journal 59(6): 1981–1995.

Botero, H. (2010). Formalismo para la Sı́ntesis de Sensores Virtuales Basados en un Mode-

lo Maestro de Base Fenomenológica, PhD thesis, Universidad Nacional de Colombia.

Calderón, J., Gómez, L. & Alvarez, H. (2015). Una aproximación a la cuantificación de la

controlabilidad de estado, Información Tecnológica 26(1): 123–134.

Chis, O., Banga, J. & Balsa-Canto, E. (2011). Structural identificability of systems biology
models: A critical comparison of methods, http://journals.plos.org/plosone/.
[Online; accessed 10-Agosto-2017].

Darby, R. (2001). Chemical engineering fluid mechanics, Marcel Dekker, New York.

Dı́az-Castañeda, J. (2017). The use of phenomenological based semi-physical models as vir-

tual sensors for density and viscosity of mineral slurries, Master’s thesis, Universidad
Nacional de Colombia.

Fradkov, A., Miroshnik, I. & Nikiforov, V. (1999). Nonlinear and adaptive control of
complex systems, Kluwer Academic Publishers, Dorderth, Netherlands.
49
50 BIBLIOGRAFÍA

Gaohua, L. & Kimura, H. (2009). A mathematical model of brain glucose homeostasis,

Theoretical biology and medical modelling 6(26): 1–24.

Gates, L., Morton, J. & Fondy, P. (1976). Selecting agitator systems to suspend solids in
liquids, Chemical Engineering May 24: 31–37.

Gómez, C., Y.A., C. & Alvarez, H. (2008). Construcción de modelos semifı́sicos de base fe-
nomenológica. caso proceso de fermentación, Biotecnologı́a en el Sector Agropecuario
y Agroindustrial. Universidad del Cauca 6(2): 28–39.

Green, D. & Perry, R. (2008). Chemical engineering handbook, eighth edn, McGraw-Hill,
New York, USA.

Hangos, K. & Cameron, I. T. (2001). Process modelling and model analysis, Vol. 4, Aca-
demic Press, United States of America.

Hernandez, H. F. (2008). Multiscale simulation of heterophase polymerization: applica-

tion to the synthesis of multicomponent colloidal polymer particles, PhD thesis, Max
Planck Instit. Germany.

Hicks, T. & Chopey, N. (2012). Handbook of chemical engineering calculations, fourth edn,
McGraw-Hill, New York, USA.

Hoyos, E., López, D. & Alvarez, H. (2016). A phenomenologically based material flow
model for friction stir welding, Materials & Design 111: 321 – 330.
URL: http://www.sciencedirect.com/science/article/pii/S0264127516311698

Humphreys, P. (2004). Extending ourselves. Computational science, empiricism, and

scientific method, 1st edn, Oxford University Press, New York, USA.

Laymon, R. (1982). Scientific realism and the hierarchical counterfactual path from data
to theory, PSA: Proceedings of the Biennial Meeting of the Philosophy of Science
Association 1982: 107–121.
URL: http://www.jstor.org/stable/192660

Lipton, Z. (2017). The mythos of model interpretability,

http://zacklipton.com/media/papers/mythos_model_interpretability_lipton
2016.pdf. [Online; accessed 10-Agosto-2017].

Ljung, L. (1999). System Identification: Theory for the User, Prentice Hall Inc., New
Jersey, USA.

López, S. (2017). Metodologı́a para la jerarquización de parámetros en un msbf, Master’s

thesis, Universidad Nacional de Colombia, Colombia.

Madlener, K., Frey, B. & Ciezki, H. K. (2009). Generalized reynolds number for non-
newtonian fluids, Progress in Propulsion Physics, EDP Sciences.
URL: http://dx.doi.org/10.1051/eucass/200901237

Moscoso-Vasquez, H., Monsalve-Bravo, G. & Alvarez, H. (2014). Model-based supervisory

control structure for plantwide control of a reactor-separator-recycle plant, Industrial
& Engineering Chemistry Research 53(52): 20177–20190.
 BIBLIOGRAFÍA 51

Muñoz Tamayo, R., Puillet, L., Daniel, J. & Sauvant, D. (2017). Review: To be or
not to be an identifiable model. Is this a relevant question in animal science mo-
delling?, https://www.cambridge.org/core/journals/animal/. [Online; accessed
10-Noviembre-2017].

Ortega, F., Alvarez, H. & Botero, H. (2017). Enfrentando el modelado de bioprocesos:

una revisión de las metodologı́as de modelado, Revista Iónn. UIS. 30(1): 73–90.

Ribero, M. (2017). Local interpretable model-agnostic,

https://homes.cs.washington.edu/~marcotcr/blog/lime/. [Online; acces-
sed 10-Agosto-2017].

Schorle, B. J., Churchill, S. W. & Shacham, M. (1980). Comments on: An explicit equation
for friction factor in pipe, Ind. Eng. Chem. Fund 19(2): 228–228.
URL: http://dx.doi.org/10.1021/i160074a019

Sontag, E. (1998). Mathematical control theory, 2nd edn, Springer, New York, USA.

Suppes, P. (1960). A comparison of the meaning and uses of models in mathematics and
the empirical sciences, Synthese 12(2/3): 287–301.
URL: http://www.jstor.org/stable/20114347

Wendt, J. (2009). Computational Fluid Dynamics, Springer, Berlin.

Yang, W., Cao, W., Chung, T. & Morris, J. (2005). Applied numerical methods using
Matlab, Wiley & Sons., New Jersey, USA.