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).