Modelos matemticos

Un modelo es producto de una abstraccin de un sistema real: eliminando las complejidades y haciendo suposiciones pertinentes, se aplica una tcnica matemtica y se obtiene una representacin simblica del mismo.

Los modelos matemticos son representaciones ideales de un sistema y la forma en que este opera. Adems son el elemento esencial en un simulador de procesos. Dicho de otro modo, son aquellos donde las entidades del sistema y sus atributos se representan mediante variables matemticas. Y las actividades se describen mediante funciones matemticas que interrelacionan las variables. El objetivo de los modelos matemticos es analizar el comportamiento de un sistema o bien predecir su comportamiento futuro. La construccin de un modelo matemtico consiste en reemplazar las partes del balance por expresiones matemticas, que sean tan rigurosas y a la vez contengan tan pocos parmetros desconocidos como sea posible. Un modelo matemtico consta al menos de tres conjuntos bsicos de elementos: Variables de decisin y parmetros Las variables de decisin son incgnitas que deben ser determinadas a partir de la solucin del modelo. Los parmetros representan los valores conocidas del sistema o bien que se pueden controlar. Restricciones Las restricciones son relaciones entre las variables de decisin y magnitudes que dan sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo si una de las variables de decisin representa el nmero de empleados de un taller, es evidente que el valor de esa variable no puede ser negativa. La funcin objetivo Es una relacin matemtica entre las variables de decisin, parmetros y una magnitud que representa el objetivo o producto del sistema. Por ejemplo, si el objetivo del sistema es minimizar los costos de operacin, la funcin objetivo debe expresar la relacin entre el costo y las variables de decisin. La solucin OPTIMA se obtiene cuando el valor del costo sea mnimo para un conjunto de valores factibles de las variables. Es decir hay que determinar las variables x1, x2, ..., xn que optimicen el valor de Z = f(x1, x2, ..., xn) sujeto a restricciones de la forma g(x1, x2, ..., xn) b. Donde

x1, x2,..., xn son las variables de decisin Z es la funcin objetivo, f es una funcin matemtica. Principios de formulacin Suposiciones. De acuerdo al criterio ingeniera, haciendo simplificaciones razonables. Bases, leyes Qumicas y Fsicas as como leyes de conservacin de masa, momento y energa. Habilidad, Ingenio y Practica. Consistencia del modelo Matemtico. Grados de Libertad y unidades consistentes.( sistema Ingles y SI). Solucin del modelo de Ecuaciones. Verificacin. Que sea aplicado en la vida real

EMPRICOS. Se sustentan en la identificacin de relaciones estadsticamente significativas entre ciertas variables que se asumen como esenciales y suficientes para modelar el comportamiento del sistema. Con tal motivo, debe disponerse previamente de una base de datos de tamao adecuado Pueden subdividirse en tres categoras diferentes: De Caja Negra: Slo se analizan los datos de entrada y de salida del modelo. De Caja Gris: Se explican algunos detalles del conocimiento existente sobre el comportamiento del sistema. De Caja Blanca: Se conocen y explican todos los detalles del comportamiento del Sistema.

HEURSTICOS. Son los modelos que estn basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado. MODELOS TERICOS. Hacen una serie de hiptesis con la finalidad de simplificar el anlisis, la idea es que stas hiptesis hagan que el proceso sea prctico intentando afectar lo menos posible a los resultados; nunca hay que perder de vista cual es el nivel de precisin necesario. MODELOS SEMI-TEORICOS. Son modelos que buscan relacionar la subsidencia con un parmetro medible relacionado a sta. Si bien no es una relacin estrictamente terica es ms objetiva que relacionar solamente el tiempo ya que si cambia la relacin de x durante el tiempo, los modelos pueden seguir funcionando.

DETERMINISTA. Se conoce de manera puntual la forma del resultado ya que no hay incertidumbre. Adems, los datos utilizados para alimentar el modelo son completamente conocidos y determinados. ESTOCSTICO O PROBABILSTICO. Que no se conoce el resultado esperado, sino su probabilidad y existe por tanto incertidumbre. LINEALES.

Se dice que una funcin es lineal cuando su grfica es una lnea recta. Este tipo de funciones crecen a tasa constante; y su dominio e imagen son todos los nmeros reales.

El ejemplo clsico de un modelo lineal es: modelo de regresin lineal simple.

NO LINEALES. Son modelos en los cuales los parmetros aparecen en forma no lineal en la ecuacin. Por ejemplo:

Modelos de estado no estacionario frente a modelos de estado estacionario

Estacionario quiere que los trminos de acumulacin en los distintos balances son cero. En cada balance si las condiciones limite son independientes del tiempo, las variables dependientes del sistema pueden alcanzar un valor constante, esto se podra expresar que cuando el tiempo tiende a infinito desaparecen los estados transitorios y el sistema es invariante con respecto al tiempo. No estacionarios. Conocidos como transitorios o dinmicos. Ejemplo: una columna de destilacin, que alcanzar eventualmente un conjunto de condiciones de operacin de estado estacionario.

MODELOS DE PARAMETRO DISTRIBUIDO FRENTE A MODELOS DE PARAMETRO GLOBALIZADO Una representacin de parmetro globalizado quiere decir que se ignoran las variables espaciales y que las distintas propiedades y el estado (variables dependientes) del sistema

pueden considerarse homogneas en todo el sistema. Todos los sistemas reales son distribuidos debido a que existen variaciones en todo el conjunto, sin embargo, las variaciones con frecuencia son relativamente pequeas de forma que se pueden ignorar y entonces el sistema se puede considerar globalizado. Todos los sistemas reales son distribuidos, debido a que existen algunas variaciones en todo el conjunto. Sin embargo las variaciones son con frecuencia relativamente pequeas, de forma que se pueden ignorar, y entonces el sistema se puede considerar globalizado.

Ejemplo: Tanque de mezcla (a) Parmetro distribuido. Tanque de mezcla real con variaciones de concentracin de un punto a otro (b) Parmetro globalizado. Tanque de mezcla idealizado suponiendo que el fluido tiene composicin uniforme en todo el tanque

Estos sistemas se pueden modelar aplicando los principios de conservacin de masa, energa y cantidad de movimiento, es decir, como modelos de fenmenos de transporte. Los modelos de fenmenos de transporte son representaciones matemticas de los procesos reales en distintos niveles de descripcin que se relacionan con la complejidad del detalle fsico interno.

Descripcin Atmica y Molecular Se caracteriza porque trata un sistema arbitrario como si estuviese compuesto de entidades individuales, cada una de las cuales sigue ciertas leyes. En consecuencia, las propiedades y las variables de estado del sistema se obtienen como suma de todas las entidades. La mecnica cuntica, la mecnica estadstica de equilibrio y no equilibrio, as como la mecnica clsica constituiran mtodos tpicos de anlisis mediante los cuales se podran calcular tericamente todas las propiedades y formas de respuesta de un sistema.

Descripcin Microscpica Corresponde a un tratamiento fenomenolgico del problema y admite que el sistema puede considerarse como continuo. Se ignoran las interacciones moleculares detalladas y se plantean ciertas ecuaciones de balance diferencial para materia, energa y cantidad de movimiento. Cada balance, a travs del sistema, puede expresarse en la siguiente forma:

Descripcin de Gradiente Mltiple

La caracterstica esencial de la descripcin de gradiente mltiple es que son importantes uno o ms trminos de dispersin que deben ser retenidos en el modelo, con o sin los trminos convectivos. El modelo de gradiente mltiple se aplica en procesos con flujo turbulento o en el flujo con pasos muy complicados como el que tiene lugar en lechos de relleno o medios porosos, procesos en los que no se puede medir ni calcular el campo de velocidad local.

Descripcin de Gradiente Mximo En el modelo de gradiente mximo se desprecia toda la dispersin y solamente el mayor componente (unidimensional) del gradiente de la variable independiente se considera en cada balance. Por ejemplo, en la representacin de gradiente mximo de un reactor qumico o sistema de absorcin de gases, solamente se consideran los gradientes de concentracin en la direccin axial originados por el flujo global, mientras que los gradientes que los gradientes radiales, la dispersin, etc, se ignoran. Los modelos de gradiente mximo son los generalmente considerados en los libros elementales para los procesos continuos y se pueden generalizar a un balance con los siguientes trminos:

Ejemplo Para un reactor tubular o de partculas de relleno, un tratamiento frecuente (y muchas veces suficientemente exacto) consiste en admitir que el flujo es en pistn, es decir, la descripcin de gradiente mximo. Una suposicin habitual es que el reactor opera en estado estacionario.

Los modelos matemticos son el elemento esencial en un simulador de procesos. Los modelos de un proceso quimico son todas las relaciones matematicas derivadas de las leyes de consercvacion. Las leyes de la termodinamica y las restricciones de control y de diseo. Estos modelos matematicos constituyen para cada equipo en el proceso, un sistema de ecuaciones algebraicas y diferenciales que describen ese equipo. Los modelos matematicos de los equipos de proceso, en conjunto dan forma al modelo matematico del proceso completo. Este debe ser resuelto por medio de algun algoritmo de solucion para producir los resultados requeridos.

En el caso de simulacion de procesos en estado estacionario, el modelo matematico del proceso esta constituido, por lo general, por un enorme sistema de ecuaciones algebraicas no lineales para cuya solucion existen tres algortimos: el metodo modular secuencial, el metodo orientado a ecuaciones y el metodo modular simultaneo. Mtodo modular secuencial La estructura modular secuencial implica la interpretacion del diagrama de flujo del proceso como un grupo de unidades de proceso (equipos), para cada una de las cuales existen subrutinas del calculo o mdulos. En este mtodo, un modulo o subrutina de calculo para una unidad de proceso dada, calcula las variables de las corrientes de salida de esa unidad de proceso con base en el modelo matemtico o correspondiente a ese equipo, conocidas las variables de las corrientes de entrada y los parmetros de equipo de esa unidad de proceso. Los reciclos en un diagrama de flujo son resueltos, en este metodo, mediante un procedimiento iterativo. Se suponen valores iniciales de las variables de una o varias corrientes involucradas en el reciclo y se busca la convergencia de los valores de esas variables en el proceso iterativo. Este procedimiento se puede ilustrar con base en el conocido Diagrama de flujo de Lee Rudd (1966).

si las variables de las corrientes 2 y 7 fueran conocidas, el reciclo completo quedaria definido con las secuencia de calculo de unidades de proceso: 1, 4, 3, 5 y 2. en la solucion del reciclo, las variables de las corrientes 2 y 7 serian recalculadas, partiendo de valores iniciales, hasta lograr una convergencia en los valores de esas variables. A las corrientes a supones de les conoce como corrientes de corte o rompimiento y en la literatura de simulacion existen tecnicas tanto para detectar reciclos en el diagrama de flujo de un proceso, como para determinar las corrientes de corte necesarias en la solucion de esos reciclos.

Metodo orientado a ecuaciones.

Consiste basicamente en la solucion simultanea de las ecuaciones que describen el diagrama de flujo, es decir, resolver el enorme sistema de ecuaciones algebraicas no lineales que constituye el modelo matematico del proceso completo, por algun prcedimiento de solucion de sistemas de ecuaciones. Para propositos de ilustracion , se presentaran dos ejemplos que estan basdos en un pequeo propuesto inicialmente por Crowe et al. (1971), para mostrar una corrida con el simulador Pacer. En estos ejemplos se pretende mostrar los dos algoritmos de solucion de los modelos matematicos presentados para, posteriormente, comentar acerca del tercer algoritmo, el modular simultaneo.

Metodo modular simultaneo Este metodo intenta algunas ventajas de los dos metodos descritos anteriormente. Se usa la estructura modular tradicional, pero a su vez se resuelve un sistema de ecuaciones simultaneas incluyendo a todas las variables de las corrientes. La diferencia principal consiste en que el sistema de ecuaciones a resolver es un sistema simplificado de mas facil solucion que el sistema de ecuaciones que se resolveria en el metodo orientado a ecuaciones. Este sistema simplificado esta formado por modelos ingenieriles aproximados o representaciones lineales de los modelos rigurosos (ecuaciones no lineales). Para la slucion se usa la estrategia de doble rompimiento (two-tier), que puede ser representado en forma ilustrativa por medio del diagrama de flujo adaptado por Montiel y Chavez, con base en la estrategia propuesta por Jirapongphan (1980).