SimOptim Apuntes

APUNTES DE SIMULACION Y OPTIMIZACION
Dr. Ral Gonzlez Garca

CIEP-FCQ-UASLP
2
ndice general
1. INTRODUCCION A LA SIMULACION 1
1.1. Simulacin de Procesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Resea Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2. Habilidades Necesarias para la Simulacin de Procesos . . . . . . . . 2
1.1.3. Aplicacin de la Simulacin de Procesos . . . . . . . . . . . . . . . . 2
1.1.4. Simuladores Comerciales de Procesos . . . . . . . . . . . . . . . . . . 4
1.1.5. Limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Estrategia General para la Simulacin de Procesos . . . . . . . . . . . . . . . 6
1.2.1. Denicin del Problema . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2. Modelamiento Matemtico del Proceso . . . . . . . . . . . . . . . . . 6
1.2.3. Organizacin de las Ecuaciones . . . . . . . . . . . . . . . . . . . . . 7
1.2.4. Computacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.5. Interpretacin de Resultados . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Estructura en el Modelamiento Matemtico . . . . . . . . . . . . . . . . . . 9
1.4. Grados de Libertad y Variables de Salida y Diseo . . . . . . . . . . . . . . . 11
1.5. Estrategias de solucin en el modelado de procesos . . . . . . . . . . . . . . 12
1.5.1. Mtodo Modular Secuencial (orientado al proceso) . . . . . . . . . . . 12
1.5.2. Mtodo Orientado a Ecuaciones . . . . . . . . . . . . . . . . . . . . . 17
1.6. Anlisis Estructural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.6.1. Breve resea histrica . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.2. La Tabla (Matriz) de Incidencias (Ocurrencias) . . . . . . . . . . . . 20
1.6.3. La Matriz (Tabla) de Funcionalidad . . . . . . . . . . . . . . . . . . . 21
1.6.4. Una estrategia de solucin ptima . . . . . . . . . . . . . . . . . . . . 22
1.6.5. Ejemplo simple de anlisis estructural . . . . . . . . . . . . . . . . . . 24
2. MODELADO DE PROCESOS 35
2.1. MODELOS EN ESTADO ESTACIONARIO . . . . . . . . . . . . . . . . . . 35
2.1.1. Problema de Simulacin . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1.2. Problema de Diseo . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2. MODELOS EN ESTADO TRANSITORIO . . . . . . . . . . . . . . . . . . . 57
2.2.1. Tanque de Almacenamiento . . . . . . . . . . . . . . . . . . . . . . . 57
2.2.2. Calentador de Tanque Agitado . . . . . . . . . . . . . . . . . . . . . . 60
NDICE GENERAL i
3. OPTIMIZACION 65
3.1. Bases Matemticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2. Optimizacin Univariable: Problemas Max-Min . . . . . . . . . . . . . . . . 66
3.2.1. Mtodos Analticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2.2. Optimizacin por medio de Software (Excel) . . . . . . . . . . . . . . 69
3.2.3. Mtodos Grcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.2.4. Mtodos Numricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.3. Optimizacin Multivariable Sin Restricciones . . . . . . . . . . . . . . . . . . 75
3.3.1. Solucin Analtica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3.2. Solucin Numrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.4. Optimizacin Multivariable Con Restricciones . . . . . . . . . . . . . . . . . 77
A. Modelos de operaciones unitarias en Aspen+ 79
ii NDICE GENERAL
1. INTRODUCCION A LA SIMULACION
1.1. Simulacin de Procesos
El modelamiento y la simulacin de procesos por computadora han llegado a ser her-
ramientas ingenieriles extremadamente exitosas para el diseo y optimizacin de procesos
fsicos, qumicos, y biolgicos. El uso de la simulacin se ha extendido rpidamente durante
las dos dcadas pasadas debido a la disponibilidad de las computadoras de alta velocidad.
En la industria de procesos qumicos, hoy en da, se resuelven ordinariamente problemas no
lineales, grandes y realsticos por medio de la simulacin por computadora. Esto signica
que virtualmente todos los clculos de ingeniera son procesados rpidamente.
La simulacin de procesos puede ser denida como una tcnica para evaluar en forma
rpida un proceso con base en una representacin del mismo, mediante modelos matemticos.
La solucin de stos se lleva a cabo por medio de programas de computadora y permiten
tener un mejor conocimiento del comportamiento de dicho proceso. El nmero de variables
que aparecen en la descripcin matemtica de una planta de proceso qumica puede ser tan
grande como 100 mil, y el nmero de ecuaciones no lineales que deben resolverse pueden ser
del orden de miles, por lo tanto la nica forma viable de resolver el problema es por medio
de una computadora.
1.1.1. Resea Histrica
La crisis del petrleo de los aos setenta oblig a la industria en general a enfocar sus
esfuerzos en ser enrgicamente ms ecientes, inicindose as una etapa de desarrollo tec-
nolgico encaminado a mejorar los procesos existentes y a disear otros nuevos ms ecientes.
Este fue el caldo de cultivo necesario para motivar el desarroll en simulacin de procesos.
El comienzo fue lento y se dio en forma conceptual, experimental y acadmica en algu-
nas compaas y universidades en Estados Unidos, Canad y Europa. Para 1975 se haba
generalizado el desarrollo de simuladores con algunas aplicaciones industriales reducidas.
En 1980 empezaron a surgir compaas elaboradoras de software, que desarrollaban pa-
quetes de simulacin para su comercializacin, pero tenan la desventaja de que la entrada
y salida de la informacin eran muy rgidas y se presentaban en forma de listados de difcil
interpretacin. A nales de los aos 80s se inici el desarrollo de paquetes de simulacin in-
teractivos y su comercializacin marc el comienzo de un uso ms intensivo y generalizado en
la industria y las universidades. Entre 1991 y 1995 se inicia la comercializacin de paquetes
INTRODUCCION A LA SIMULACION 1
de simulacin dinmica y de integracin de energa.
En los ltimos aos, la simulacin de procesos en estado estacionario ha llegado a ser una
herramienta de apoyo para el diseo de procesos qumicos y adems su uso se est extendiendo
en las instituciones de formacin de ingenieros qumicos. La simulacin de procesos est
jugando un papel muy importante en la industra qumica, como una herramienta adecuada
y oportuna para el diseo, caracterizacin, optimizacin y monitoreo del funcionamiento de
procesos industriales.
Aun cuando en sus inicios la simulacin de procesos estuvo enfocada principalmente a
la industria petroqumica y de renacin del petrleo, su aplicacin se ha ido extendiendo a
otras industrias tales como la de combustibles sintticos, pulpa y papel, cemento, metales,
minerales, alimentos, etc., en donde se involucra la fase slida.
La simulacin de procesos qumicos ha involucrado ambos comportamientos de procesos
estacionarios y dinmicos.
1.1.2. Habilidades Necesarias para la Simulacin de Procesos
El incremento del uso de tcnicas de simulacin por computadora ha ampliado la utilidad
de la aproximacin cientca a la ingeniera. El desarrollo de competencia en simulacin de
procesos requiere que el ingeniero adopte las siguientes habilidades:
1. Entendimiento Claro de los Fundamentos Ingenieriles.- El ingeniero debe estar familiar-
izado con el sistema fsico y sus mecanismos para ser capaz de simular inteligentemente
un proceso real y evaluar esa simulacin. Los procesos no pueden ser vistos como una
caja negra.
2. Habilidades de Modelado.- El ingeniero tiene que ser capaz de desarrollar un conjunto
de relaciones matemticas que describan adecuadamente el comportamiento signica-
tivo del proceso.
3. Habilidades Computacionales.- Se deben obtener soluciones rpidas y baratas para la
simulacin de procesos. El ingeniero debe ser capaz de escoger y usar la herramienta
computacional apropiada. Para problemas reales, la herramienta de inters es usual-
mente la computadora digital.
1.1.3. Aplicacin de la Simulacin de Procesos
Debido a que la simulacin recae dentro de una aproximacin cientca a la ingeniera y no
en una aproximacin emprica, ha servido para simular procesos en reas interdisciplinarias
2 INTRODUCCION A LA SIMULACION
tales como ingeniera biolgica e ingeniera ambiental. Los ingenieros han encontrado que
la simulacin ha sido capaz de hacer contribuciones signicativas a la sociedad a traves de
simulaciones exitosas de sistemas biolgicos y ambientales. Los esfuerzos futuros caern en
el modelamiento de sistemas polticos y sociales.
La variedad de aplicaciones de los simuladores de procesos es muy grande, anteriormente
slo los usaban ingenieros que diseaban procesos, ahora manejan simuladores los ingenieros
ambientales, ingenieros de proceso y hasta ingenieros de planta en su lugar de trabajo; inge-
nieros con poca o ninguna instruccin de programacin pueden modelar procesos complejos.
En principio, la simulacin de procesos puede ser til en todas las etapas del desarrollo
de un proyecto industrial. En las diferentes etapas de un proyecto, puede haber necesidad de
realizar simulaciones con diferentes niveles de sosticacin. La simulacin de procesos puede
usarse en las siguientes etapas de desarrollo de un proyecto industrial:
1. Investigacin y Desarrollo. Una simulacin sencilla puede usarse para probar la factibil-
idad tcnica y econmica del proyecto.
2. Etapa Crtica en la Toma de Decisiones. Se prueban diferentes alternativas de proceso y
condiciones de operacin y se toman decisiones. Cuando un proceso es econmicamente
atractivo, se deben probar diferentes alternativas de tamao y localizacin de la planta
industrial y determinar condiciones de operacin ptima.
3. Planta Piloto. Simulacin con modelos ms sosticados para obtener mejores estima-
ciones de las condiciones de operacin a escala industrial. Las simulaciones son una
forma razonable de extrapolar la ejecucin y escalamiento de los procesos. Incorporan-
do mecanismos fundamentales en la simulacin de procesos, la ejecucin de los sistemas
puede ser predicha en regiones de operacin nuevas y diferentes.
4. Diseo. La simulacin proporciona todos los datos de proceso requeridos para el diseo
detallado de los diferentes equipos.
5. Simulacin de Plantas Existentes. Puede ser muy til cuando es necesario cambiar las
condiciones de operacin, o cuando se quiere sustituir materias primas.
6. Deseabilidad Econmica. Para propsitos de diseo, es usualmente barato usar tc-
nicas de simulacin incorporando datos fundamentales del laboratorio en el modelo
matemtico que puedan servir para construir plantas piloto de diferentes tamaos.
7. Caracterizacin del Proceso. Es una forma conveniente de investigar los efectos de los
parmetros del sistema y las perturbaciones del proceso en operacin. Usualmente es
muy fcil desarrollar aproximaciones alternativas de operacin y evaluar esas alter-
nativas con un modelo matemtico en lugar de hacerlo por mtodos experimentales.
Para vericar los resultados de la simulacin usualmente algunos experimentos son
realizados, pero solamente los experimentos realmente crticos son necesarios.
SIMULACIN DE PROCESOS 3
8. Entendimiento del Comportamiento y Mecanismos Signicativos del Proceso. Plante-
ando rigorosamente los modelos matemticos, el ingeniero aprende mucho a cerca del
proceso que est siendo simulado. Para obtener una simulacin exitosa, se deben de-
scribir cualitativamente los mecanismos signicativos del proceso. Resolviendo el mod-
elo, relaciones tiles entre el proceso y las variables del equipo son reveladas y pueden
observarse fcilmente.
La simulacin de procesos qumicos es una herramienta moderna que se ha hecho indis-
pensable para la solucin adecuada de los problemas de proceso. Permite efectuar el anlisis
de plantas qumicas en operacin y llevar a cabo las siguientes tareas, las cuales son comunes
en las diversas ramas de la industra qumica:
Deteccin de cuellos de botella en la produccin.
Prediccin de los efectos de cambios en las condiciones de operacin y capacidad de la
planta.
Optimizacin de las variables de operacin.
Optimizacin del proceso cuando cambian las caractersticas de los insumos y/o las
condiciones econmicas del mercado.
Anlisis de nuevos procesos para nuevos productos.
Evaluacin de alternativas de proceso para reducir el consumo de energa.
Anlisis de condiciones crticas de operacin.
Transformacin de un proceso para desarrollar otras materias primas.
Anlisis de factibilidad y viabilidad de nuevos procesos.
Optimizacin del proceso para minimizar la produccin de desechos y contaminantes.
Entrenamiento de operadores e ingenieros de proceso.
Investigacin de la factibilidad de automatizacin de un proceso, etc.
1.1.4. Simuladores Comerciales de Procesos
Existe una gran variedad de simuladores comerciales de procesos, algunos de los cuales
son poderosas herramientas de clculo en procesos industriales, con enormes bases de datos
y un fuerte respaldo de bibliotecas para clculos de equipos y bibliotecas de modelos para
clculos termodinmicos, que le dan al simulador la ventaja de una gran versatilidad. Algunos
de estos simuladores de procesos de propsitos generales son:
1. Aspen Plus y Speedup (de Aspen Technology, USA)
2. Pro II (de Simulations Sciences, USA)
3. Hysys (de Hyprotech, Canad)
4. Chemcad (de Chemstations, USA)
5. Design II (de WinSim Inc., USA), etc.
La mayora de ellos son simuladores de procesos en estado estable, que pueden expandirse
a la simulacin de procesos en estado transitorio (simulacin dinmica) con la adicin de un
modulo (el modulo dinmico) que se obtiene por separado.
Un aspecto muy importante en los simuladores de procesos, es la disponibilidad de
los diferentes equipos usados en la industra de prosesos, as como la disponibilidad de
propiedades termodinmicas y de transporte de las corrientes del proceso. Las propiedades
son fundamentales para efectuar los balances de materia y energa al grado de que si se
tuvieran buenos datos o buenas correlaciones para las propiedades, entonces los resultados
de la simulacin seran altamente conables.
Los simuladores modernos deben permitir la seleccin de los modelos de propiedades
termodinmicos adecuados para la naturaleza de los componentes qumicos, estado de agre-
gacin y condiciones de operacin.
1.1.5. Limitaciones
Hay algunas limitaciones denidas de la simulacin de procesos de las cuales el ingeniero
debe estar consciente. Estas incluyen las siguientes:
1. Falta de buenos datos y falta de conocimiento de mecanismos del proceso.- el xito de la
simulacin de procesos depende fuertemente de la informacin bsica que el ingeniero
tiene disponible.
2. El carcter de las herramientas computacionales.- hay ciertos tipos de conjuntos de
ecuaciones que todava poseen grandes dicultades pra ser resueltos por los mtodos
numricos. Estos incluyen algunas ecuaciones algebraicas no lineales y ciertas ecua-
ciones diferenciales ordinarias y parciales no lineales.
3. El peligro de olvidar la suposiciones hechas en el modelado del proceso.- esto puede
conducir a poner mucho (o poco) nfasis en ciertos resultados.
SIMULACIN DE PROCESOS 5
1.2. Estrategia General para la Simulacin de Procesos
La estrategia general para la simulacin de procesos complejos sigue una ruta bien deni-
da que consiste de los pasos de sentido comn dados en el diagrama de bloques acompaante.
Note que la informacin viaja en ambas direcciones, indicando la naturaleza adaptativa del
desarrollo de alguna simulacin exitosa.
Clculos
Definicin del
Problema
Modelamiento
Matemtico
del Proceso
Organizacin
de
Ecuaciones
Interpretacin
de los
Resultados
1.2.1. Denicin del Problema
Esta es una fase muy importante de una simulacin exitosa pero desafortunadamente
hay muy pocas reglas generales y precisas que se apliquen. La clave real a la denicin
del problema es un ingeniero imaginativo. Lo que se requiere es un pensamiento creativo
basado en entrenamiento ingenieril. El ingeniero debe gastar suciente tiempo en este aspecto
del problema antes de proceder. Una buena denicin del problema viene de responder las
siguientes preguntas:
1. Qu quiero encontrar?
2. Cules son las consecuencias importantes del estudio?
3. Porqu se har este trabajo?
4. Qu esfuerzos ingenieriles se requerirn?
5. Cunto tiempo tomar el trabajo?
1.2.2. Modelamiento Matemtico del Proceso
Despes de haber denido el problema, el ingeniero est listo para escribir las ecuaciones
de balance y relaciones mecnicas apropiadas para el proceso. Los experimentos crticos de
laboratorio (en caso de haberlos) deben ser diseados y ejecutados para determinar mecan-
ismos desconocidos y parmetros del modelo. Las descisiones deben hacerse sobre los efectos
importantes y sobre los que pueden despreciarse. Un anlisis de orden de magnitud ayuda
a simplicarr estas decisiones crticas. Es imperativo que el ingeniero este consciente y no
sobrestime ni olvide las suposiciones hechas en el desarrollo del modelo matemtico.
El modelamiento matemtico de los procesos se obtiene de aplicar las leyes de conser-
vacin, ademas de aplicar relaciones adicionales de todas las reas anes con la ingeniera de
procesos (termodinmica, cintica, etc.). Estas relaciones se expresan como:
Ecuaciones de balance global de material.
Ecuaciones de balance de material para un componente en particular.
Ecuacin de balance de energa.
Ecuaciones de balance de momentum.
Relaciones de equilibrio.
Otras relaciones.
1.2.3. Organizacin de las Ecuaciones
Una vez que las relaciones matemticas se han obtenido, tienen que ser arregladas en
una estrategia de solucin, eso es, se tienen que tomar decisiones sobre cul variable debe
ser resuelta con cul relacin. Para problemas pequeos, comnmente llevamos este trabajo
rutinariamente sin mucho esfuerza mental. Sin embargo, para problemas grandes se debe
tener precaucin. Se recomienda arreglar las ecuaciones en una tabla de ocurrencias o en
un diagrama de bloques de ujo de informacin. Estas herramientas son tiles para
propsitos de organizacin e ilustran las interrelaciones entre ecuaciones-variables. Tambin
las ecuaciones sern arregladas tal que la estrategia de solucin sea paralela a la relacin
lgica de causa y efecto del sistema fsico. Este ordenamiento natural de las ecuaciones
usualmente tiende a estrategias de solucin estables y ecientes.
1.2.4. Computacin
Para obtener soluciones a problemas de simulacin de procesos, el ingeniero tiene disponibles
varios niveles de clculos - que van desde soluciones por inspeccin hasta soluciones analticas
y soluciones por computadora de alta velocidad. Debido a la complejidad y la no-linealidad
de problemas de simulacin de procesos, la mayora de soluciones requieren la solucin por
computadora digital de alta velocidad. Las computadoras digitales son particularmente tiles
ESTRATEGIA GENERAL PARA LA SIMULACIN DE PROCESOS 7
para resolver problemas que involucran manipulaciones numricas. Para ello es necesario
saber programar y conocer los mtodos numricos de solucin matemtica de ecuaciones.
Mtodos numricos
Los mtodos numricos para la solucin de conjuntos de ecuaciones algebraicas, diferen-
ciales ordinarias, diferenciales parciales y mtodos de optimizacin son necesarios. De esta
manera, el esfuerzo debe enfocarse en usar el mejor mtodo de solucin disponible para el
conjunto de ecuaciones obtenidas en el modelamiento. Dentro de los mtodos se tienen:
Solucin analtica.- Problemas sencillos (problemas lineales)
Solucin numrica.- Problemas de alta dicultad (problemas no-lineales)
Solucin de Ecuacines (biseccin, falsa posicin, secante,Newton, etc.)
Algebra lineal (eliminacin Gaussiana, Gauss-Seidel, Jacobi, etc.)
Metodos de regresin
Integracin numrica (trapecio, Simpson, Romberg, cuadratura Gaussiana, etc.)
Solucin numrica de EDO (Euler, Runge-Kutta, Heun, etc.)
Solucin numrica de EDP (separacin de variables, mtodos espectrales, difer-
encias nitas, etc.)
Optimizacin (simplex, seccin dorada, gradiente, Newton, etc.)
Programacin
Algunos lenguajes de programacin son diseados para uso cientco y tambin tienen
excelentes capacidades lgicas; esto es, son usados fuertemente por ingenieros de proceso
experimentados. Para facilitar el esfuerzo de la programacin, al usar mtodos numricos,
se han escrito subrutinas cientcas generalizadas. Muchas de estas subrutinas cientcas se
pueden encontrar publicadas en paginas web de internet, en forma libre o bien en venta. Un
conjunto (libre) particularmente til y bien documentado es la librera IMSL, la cual est
disponible para computadoras personales y estaciones de trabajo. Un conjunto de subrutinas
en venta son las del "Numerical Recipes", las cuales se encuentran disponibles para diferentes
lenguajes de programacin (Fortran, C, Matlab, etc.).
Cuando no se tienen disponibles estas rutinas, es necesario programarlas. Para ello se
pueden usar los lenguajes de programacin, tales como: Fortran, C ( C++), Matlab, Math-
Cad, etc.
1.2.5. Interpretacin de Resultados
El benecio real de la simulacin de procesos recae en la interpretacin inteligente de
los resultados por parte del ingeniero. En este punto, el ingeniero debe acertar cuando el
modelo es una representacin vlida del proceso actual o cuando ste necesita revisin y
actualizacin. El ingeniero debe asegurarse que los resultados sean razonables. Se deben
tomar desiciones sobre el proceso simulado, se obtengan o no los objetivos establecidos en
la denicin del problema. Tambin, se investigarn alternativas razonables en un esfuerzo
para mejorar la ejecucin del proceso.
1.3. Estructura en el Modelamiento Matemtico
Se recomienda que los balances se hagan en forma natural, es decir, se tome todo como
incgnitas y se comience desde las ecuaciones de los principios bsicos, dejando las sustitu-
ciones de valores conocidos hasta el nal. Se recomienda que solo cuando una variable tenga
valor conocido de cero, mejor no se meta en la ecuacin.
En un proceso (un slo equipo) en el que se involucran : componentes y : corrientes de
ujo (entradas y salidas), se tendrn las siguientes ecuaciones:
1. de Balance Global: 1
2. de Balance de las Especies: :
3. de Restriccin: :
4. de Balance de Energa: 1
5. Relaciones de Equilibrio: : (si se tienen 2 fases)
6. Relaciones Auxiliares.
De acuerdo a lo estudiado, los balance de material son : + 1, pero solamente : son
independientes. Entonces, de los :+1 balances se deben escoger solamente : para resolverlos
simultaneamente. Al hacer esto, existen : posibilidades de escoger : ecuaciones de las : +1
disponibles. De aqu surgen las siguientes preguntas:
Cules son los : balances ms convenientes?
Se pueden usar los : + 1 balances y eliminar una de las restricciones?
ESTRUCTURA EN EL MODELAMIENTO MATEMTICO 9
Ejemplo 1.1 Modelos con un solo equipo.
Se tiene un tanque en el que se mezclan dos corrientes, cada una de las cuales contienen
los componentes 1 y 2 en diferentes composiciones. De las corrientes de entrada se conoce
la cantidad de cada especie.

A
C
B
Cuando un proceso se compone de varios equipos interconectados entre si, la dicultad
del problema crece. Lo ms sencillo y natural es hacer los balances en cada equipo (real y
virtual). En caso de que se hagan balances en equipos virtuales, se debe tener cuidado de
incluir todas las corrientes de ujo de inters. El nmero de equipos (virtuales y reales) a
balancear debe ser igual al nmero de equipos reales del proceso.
Ejemplo 1.2 Un proceso con multiples equipos
B
C D
E F
A
1
2
3
Comentarios sobre el modelamiento:
1. Ms de una fase: usar relaciones de equilibrio.
2. Si una variable tiene valor de cero, es conveniente que al plantear los balances, se
elimine de las ecuaciones. En caso de que esa variable sea suceptible a estudios ms
avanzados, no debe eliminarse.
3. En caso de que los valores conocidos pertenezcan, todos, a una misma ecuacin, cor-
roborar que esa ecuacin se convierta en una IDENTIDAD. Cuando la ecuacin no se
hace identidad, se tiene un problema mal especicado.
4. La mayora de las preguntas que se han abierto, se pueden contestar con un buen
reacomodo de ecuaciones-variables. Este asunto se tratar ms adelante con la llamada
Tabla de Incidencias (Ocurrencias o Funcionalidad).
5. Cuando un proceso NO contiene corrientes de reciclo, el sistema de ecuaciones generado
es un sistema "Triangular Superior".
1.4. Grados de Libertad y Variables de Salida y Diseo
Despes del modelamiento se tiene un sistema con c ecuaciones y variables. Los grados
de libertad del sistema son el nmero de las variables que sobrepasan a las ecuciones, esto
es:
G1 = c
Este nmero es conveniente para tomar desiciones sobre que hacer con el sistema.
Si c < el problema tiene un nmero innito de soluciones
Si c = el problema puede tener solucin
Si c el problema es inconsistente y no tiene solucin
Cuando los grados de libertad son positivos ( c) signica que tenemos la libertad de
asignar o dar valores a un nmero de G1 variables, cules?. Este puede ser un trabajo
tedioso y cansado cuando se escogen las variables por inspeccin, aunque la experiencia en
el proceso puede ser de gran ayuda. Las variables escogidas para darles valores se conocen
como variables de diseo (o entrada). El nmero de posibilidades de escoger variables
de diseo se torna en un problema combinatorial. Por ejemplo, para un problema en el que
se tienen 5 ecuaciones que involucran 7 incgnitas, existen 7 5 = 2 grados de libertad, lo
que signica que debemos escoger 2 de las 7 variables para asignarles valores. De aqu que
existen C
7
2
= 21 posibilidades de escoger las dos variables
Para los componentes . 1. C. 1. 1. 1. G
A A A A A A B B B B B C C C C D D D E E F
B C D E F G C D E F G D E F G E F G F G G
La pregunta es: cul de esas posibilidades es la ms adecuada?.

GRADOS DE LIBERTAD Y VARIABLES DE SALIDA Y DISEO 11
Al escoger las variables de diseo, queda un sistema con c cuaciones y c incgnitas
(variables), las cuales deben resolverse con las ecuaciones. Estas variables son conocidas
como variables de salida.
A las variables de diseo se les pueden asignar valores de forma directa, por opti-
mizacin o por control.
Una manera de escoger las variables de diseo es con el uso de una tabla de incidencias.
1.5. Estrategias de solucin en el modelado de procesos
Los modelos matemticos son el elemento esencial en un simulador de procesos. Los
modelos de un proceso son todas las relaciones matemticas derivadas de las leyes de conser-
vacin, las leyes de la termodinmica y las restricciones de control y de diseo. Estos modelos
matemticos constituyen para cada equipo en el proceso, un sistema de ecuaciones algebraicas
y/o diferenciales que describen ese equipo. Los modelos matemticos de los equipos de un
proceso, en conjunto dan forma al modelo matemtico del proceso completo. Este debe ser
resuelto por algn algortmo de solucin para producir los resultados requeridos.
En el caso de simulacin de procesos en estado estacionario, el modelo matemtico del
proceso est constituido, en general, por un enorme sistema de ecuaciones algebraicas no-
lineales para cuya solucin existen tres estrategias: el mtodo modular secuencial, el mtodo
orientado a ecuaciones y el mtodo modular simultaneo.
Por una solucin de un conjunto de : ecuaciones simultneas en : incgnitas se dice de
aquellos valores de las incgnitas, r
1
. r
2
. . r
a
que satisfacen
,
1
(r
1
. r
2
. . r
a
) = 0
,
2
(r
1
. r
2
. . r
a
) = 0
.
.
.
,
n
(r
1
. r
2
. . r
a
) = 0
, (r) = 0
En general puede no existir solucin, algn nmero de soluciones, o un nmero innito
de soluciones. Nosotros estaremos interesados en el caso donde : = : y buscaremos una
solucin simple, real y fsicamente manejable.
1.5.1. Mtodo Modular Secuencial (orientado al proceso)
La estructura modular secuencial implica la interpretacin del diagrama de ujo del
proceso como un grupo de unidades de proceso (equipos), para cada una de las cuales existen
subrutinas de cculo o modulos. Dentro de este concepto, en un simulador se cuenta con una
biblioteca de modulos que puede ser usada para simular una gran diversidad de diagramas
de ujo de proceso en una estructura exible.
En este mtodo, una subrutina de clculo 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 correspondiente a ese equipo, conocidas las variables
de las corrientes de entrada y los parmetros de equipo de esa unidad de proceso.
Las corrientes de reciclo en el proceso son resueltas, en este mtodo, mediante un pro-
cedimiento 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. A las corrientes a suponer se les conoce como corrientes de corte o
rompimiento y en la literatura de simulacin existen tcnicas tanto para detectar reciclos
en el diagrama de ujo de un proceso (Sargent y Westerberg, 1964; Crowe et al., 1971), como
para determinar las corrientes de corte (el nmero mnimo de ellas) necesarias en la solucin
de esos reciclos (Kahat y Shachman, 1973; Pho y Lapidus, 1973; Upadhye y Grens, 1975;
Murthy y Husain, 1983).
Este procedimiento se puede ilustrar con base en el conocido diagrama de ujo de Lee y
Rudd (1966).
1
2 3
5
6
7
4
8

1

4 2 5

3
Obsrvese que en este proceso solamente se tienen corrientes de reciclo. Para resolver este
proceso por el mtodo modular secuencial, se podra comenzar por cualquiera de los equipos
involucrados, sin embargo, debido a los reciclos involucrados, el equipo inicial elegido y la
secuencia que se le siga determinaran en gran medida la cantidad de iteraciones (y el tiempo)
necesarias para resolver el proceso completo hasta un grado de presicin establecido. En este
caso, la pregunta a contestar seria cul es la secuencia de solucin para resolver el
problema usando un nmero mnimo de iteraciones para una presicin dada?.
Se pide al lector que anlice diferentes secuencias de solucion y las compare de acuerdo al
nmero de corrientes de corte obtenidas.
A continuacin se presenta un mtodo sencillo, aplicado a este proceso, para obtener una
secuencia de solucin ptima de acurdo al nmero mnimo de corrientes de corte.
ESTRATEGIAS DE SOLUCIN EN EL MODELADO DE PROCESOS 13
Primeramente se hace un arreglo matricial equipo-corriente de todos los equipos
y corrientes involucrados en el proceso, colocando 1 a las entradas y o a las salidas
dentro de un reciclo y colocando 1A y oA a las entradas y salidas frescas (externas),
respectivamente.
1\Co: 1 2 3 4 5 6 7 8
1 o 1 o
2 1 o 1
3 1 o 1
4 o 1 o
5 o 1 1 o
Observese que todas las columnas tienen dos elementos. Esto es debido a que solamente
hay corrientes de reciclo y no hay corrientes frescas.
En segundo lugar se sigue un procedimiento de eliminacin de renglones y columnas,
el cual es como sigue:
1. Se calcula el nmero total de 1 y de o que existen en cada renglon. Solamente contar
las 1 y o interequipos, no se contabilizran las entradas y salidas externas (1A y oA)
E\C 1 2 3 4 5 6 7 8 GLE GLS
1 S E S 1 2
2 E S E 2 1
3 E S E 2 1
4 S E S 1 2
5 S E E S 2 2
2. Se elimina el renglon (con sus correspondientes columnas) que tenga el menor nmero
de 1. En caso de que haya dos renglones con el mismo numero de 1, se eliminar
primero el que tenga el mayor nmero de o. En caso de empate, se elimina el que
tenga el menor 1 + 1A. Encaso de empate, se elimina el que tenga mayor nmero
o + oA. En caso nuevamente de empate, se elimina el primero que se encuentre de
arriba a abajo.
E\C 1 2 3 4 5 6 7 8 GLE GLS
1 1 1 1 0 0
2 E S E 2 1
3 X S E 1 1
4 S E S 1 2
5 X X E S 1 1
3. Se sigue el procedimiento hasta eliminar todos los renglones.
E\C 1 2 3 4 5 6 7 8 GLE GLS
1 1 1 1 0 0
2 E X X 1 0
3 X S X 0 1
4 2 2 2 0 0
5 X X E S 1 1
E\C 1 2 3 4 5 6 7 8 GLE GLS
1 1 1 1 0 0
2 E X X 1 0
3 X 3 X 0 0
4 2 2 2 0 0
5 X X X S 0 1
E\C 1 2 3 4 5 6 7 8 GLE GLS
1 1 1 1 0 0
2 X X X 0 0
3 X 3 X 0 0
4 2 2 2 0 0
5 X X X 4 0 0
En el caso de que al eliminar un renglon (base) tambien se elimine otro adicional
(adicional), se debe tomar en cuenta lo siguiente para asignar los nmeros prioritarios
a) El renglon base se numera como de costumbre
b) El rengln adicional se numera con el nmero inmediato superior. Si existen en-
tradas y salidas externas (1A y oA) el nmero se bede colocar ah. Si ya no
existe ninguna incidencia, el nmero se debe colocar exactamente en la incidencia
(A) que elimina el rengln adicional.
4. Se reacomodan los renglones y columnas en el orden que fueron eliminados.
E\C 1 2 3 5 7 8 4 6
1 S E S 1
4 S E S 2
3 E E S 3
5 S E E S 4
2 S E E 5
1 1 1 2 2 2 3 4
La interpretacin de la ltima tabla es la que proporciona la secuencia de solucin, la
cual es como sigue:
a) Se comienza resolviendo las ecuaciones del equipo 1. Para ello es necesario conocer
la informacin de la corriente 2 de entrada. Debido a que esta corriente esta dentro
de un reciclo, se debe estimar por lo que es un acorriente de corte. Con la solucin
del equipo 1 se llega a conocer la informacin de las corrientes 1 y 3.
b) Se resuelven las ecuaciones del equipo 4. Para ello se necesita conocer la infor-
macin de la corriente 7 de entrada, la cual ser una corriente de corte. Con la
solucin de este equipo se conoce la informacin de las corrientes 5 y 8.
c) Se resuelven las ecuaciones del equipo 3. Para ello se requiere la informacin de
las corrientes 1 y 5, la cual fue obtenida con la solucin de los equipos 1 y 4,
respectivamente. Con este equipo se obtiene la informacin de la corriente 4.
d) Se resuelven las ecuaciones del equipo 5. Para ello se requiere la informacin de
respectivamente. Con este equipo se obtiene la informacin de las corrientes 2 y
6. En este punto se calcula la informacin de una corriente de corte.
e) Se resuelven las ecuaciones del equipo 2. Para ello se requiere la informacin de
respectivamente. Con este equipo se obtiene la informacin de la corriente 7. En
este punto se calcula la informacin de una corriente de corte.
f ) Si los valores de la informacion calculada es diferente de la informacin estimada
en las corrientes de corte, entonces el proceso se vuelve a repetir, usando como
valores estimados los valores calculados de las variables de corte.
En resumen, conociendo la informacin de las variables en las corrientes 2 y 7, el reciclo
completo quedara denido con la secuencia de clculo de unidades de proceso: 1, 4, 3,
5 y 2. En la solucin del reciclo, las variables de las corrientes 2 y 7 seran recalculadas,
partiendo de valores iniciales, hasta lograr una convergencia en los valores de esas
variables.
Ejemplo 1.3 Resuelva el siguiente problema haciendo uso de la estrategia Modular Se-
cuencial. El proceso se muestra en la gura

1
7
6 5
4
3
2
1 3 2
Especicaciones
Corrirnte 1 Corriente 3
Etanol: 50 lbmol/h Etanol: 100 lbmol/h
Agua: 150 lbmol/h Agua: 50 lbmol/h
75
c
F 75
c
F
14.7 psia 14.7 psia
Por la corriente 4 se va el 30 % de la corriente 3
Por la corriente 7 se va el 60 % de lo que entra en la unidad 2
Determinar los valores de las variables de las diversas corrientes.
1.5.2. Mtodo Orientado a Ecuaciones
Consiste bsicamente en la solucin simultanea de las ecuaciones que describen el dia-
grama de ujo. Es decir, consiste en resolver el enorme sistema de ecuaciones algebraicas
no-lineales que constituye el modelo matemtico del proceso completo, por algn proced-
imiento de solucin de sistemas de ecuaciones.
Cuando se consideran subsistemas pequeos de plantas qumicas, el nmero de relaciones
descriptoras son pequeas y el desarrollo de una estrategia computacional es fcil. Usual-
mente las relaciones pueden ser resueltas partiendo directamente de las ecuaciones, despus,
resolviendo cada ecuacin del conjunto para una variable desconocida simple de una manera
ordenada. Cuando los conjuntos de ecuaciones llegan a ser acoplados, principalmente, cuan-
do cada relacin involucra la mayora de las variables desconocidas, la probabilidad de que
un conjunto de ecuaciones pueda ser partido decrece. Cuando un conjunto de ecuaciones no
puede ser partido, las ecuaciones deben ser resueltas simultneamente o un esquema iterativo
debe ser desarrollado.
Particin de Ecuaciones
Aunque podemos aproximar el problema de resolver : ecuaciones en : incgnitas direc-
tamente, puede ser ms fcil romper las ecuaciones en una estrategia de solucin donde cada
ecuacin puede ser usada para resolver una variable simple secuencialmente. Por ejemplo,
considere las siguientes tres ecuaciones en tres incgnitas:
,
1
(r
1
. r
3
) = 0
,
2
(r
1
) = 0
,
3
(r
2
. r
3
) = 0
En lugar de resolver todas las tres al mismo tiempo, se puede resolver primero para la
variable r
1
de la relacin ,
2
; entonces, usando este valor de r
1
, resolver para la variable r
3
de la relacin ,
1
; y, nalmente, resolver para la variable r
2
de la relacin ,
3
. Las ecuaciones
han sido partidas en una estrategia de solucin secuencial.
La pregunta es: cmo llevar a cabo este proceso cuando el sistema es grande?
Rasgado de Ecuaciones (Tearing Equations)
Suponga que queremos resolver el siguiente conjunto de cuatro ecuaciones en cuatro
incgnitas
,
1
(r
2
. r
3
) = 0 ,
3
(r
1
. r
2
. r
3
. r
4
) = 0
,
2
(r
2
. r
3
. r
4
) = 0 ,
4
(r
1
. r
2
. r
4
) = 0
Estas ecuaciones no pueden ser partidas en una estrategia de solucin secuencial, por
lo que deben ser resueltas las cuatro relaciones simultneamente. De cualquier manera se
dispone de una aproximacin alternativa al problema: el rasgado de ecuaciones. Suponga
que se estima el valor de la variable r
3
. Entonces, la variable r
2
podr ser resuelta de la
relacin ,
1
. Con r
3
estimada y r
2
conocida, la variable r
4
ser resuelta de la relacin ,
2
.
Conociendo r
2
, r
3
, y r
4
, la variable r
1
entonces ser resuelta de la relacin ,
3
. Finalmente,
se debe checar el valor estimado de la variable r
3
con la relacin ,
4
. Si la relacin ,
4
fuera
cero, habramos nalizado. Sino, un nuevo valor de r
3
tendra que ser estimado.
Este procedimiento es llamado rasgado de las ecuaciones (tearing equations). El rasgado
(escoger la variable iterativa o de reciclo) no es nico, y varios criterios para escoger
la mejor variable de reciclo son posibles . Generalmente el mejor reciclo es dictado no slo
por la estructura de las ecuaciones sino por la forma en la cual las variables entran en las
ecuaciones. No siempre es claro cuando es ms eciente resolver todas las ecuaciones a la vez
o usar las tcnicas de variable de reciclo.
La pregunta es: cmo elegir la mejor variable de reciclo?
Solucin Simultanea
Para conjuntos muy grandes de ecuaciones algebraicas, tpicos en problemas de diseo
de plantas, es imperativo buscar esquemas computacionales adecaudos. Como sea, para con-
juntos pequeos de ecuaciones, la solucin simultnea puede ser prctica y ventajosa. Esto
es verdad especialmente cuando las ecuaciones son lineales y se pueden aplicar tcnicas ma-
triaciales.
La pregunta es: qu hacer para simplicar un sistema grande de ecuaciones?
1.6. Anlisis Estructural
Es increible que con slo ordenar las ecuaciones y variables de un sistema de ecuaciones,
provenientes del modelamiento de un proceso, se llega a resolver simultaneamente slo un
pequeo conjunto de ellas. Este ordenamiento se logra de una manera rpida y ecinete con
el uso de una tabla de incidencias (ocurrencias o funcionalidad).
Las ecuaciones de modelamiento de procesos son predominantemente algebraicas (aunque
tambien las hay diferenciales), a menudo no lineales, y comnmente dispersas por eso cada
ecuacin contiene slo unas pocas de las variables del sistema. La mayor diferencia entre un
estudio de simulacin y un estudio de diseo est en el tipo de variables que son especicadas.
En un estudio de simulacin deben ser especicadas todas las variables de las corrientes de
entrada y los parmetros del equipo, y las variables de las corrientes de salida deben ser
calculadas. Esto permite que los estudios de simulacin sean formulados de una manera
modular. Por otro lado, en un estudio de diseo las variables especicadas pueden cambiar
de un problema a otro, por lo que se pueden conocer variables de las corrientes de entrada,
variables de las corrientes de salida, o una combinacin de variables de amabas corrientes.
En los estudios de diseo, el resultado de los clculos son los parmetros del equipo y las
variables de corrientes de entrada y salida no especicadas.
El anlisis de las caractersticas de los problemas de diseo demuestra que existe la necesi-
dad de una metodologa para el anlisis de sistemas de ecuaciones. Esta metodologa debe ser
orientada al nivel de ecuaciones, no modular, puesto que la ruta de los clculos no est jada
para un problema de diseo. En esta seccin se presenta un mtodo de anlisis estructural,
el cul es usado para desarrollar estrategias de solucin simplicadas para grandes conjuntos
de ecuaciones.
El anlisis estructural es el estudio de las inter-relaciones e interacciones entre las variables
que forman un conjunto de ecuaciones. La meta es encontrar la ruta ms simple y ms
eciente de clculos para el conjunto de ecuaciones. En lo posible, se evitan las variables
iterativas.
Los clculos de diseo a menudo tienen numerosas rutas paralelas, no todas ellas deben
tomarse. Las rutas paralelas en problemas de diseo surgen de la existencia de los grados de
libertad en las variables de diseo y las ecuaciones redundantes. Cada ruta paralela debe ser
analizada para determinar la que posea la mnima dicultad en los clculos.
1.6.1. Breve resea histrica
La dicultad del problema de ordenamiento surge cuando todas las variables tienen al
menos un precursor. Esto indica la presencia de una variable iterativa. El algortmo inicial
desarrollado por Sargent y Westerberg (1964), Lee y Rudd (1966), y Christensen y Rudd
(1969 ) pareci minimizar el nmero de variables iterativas en una estrategia de solucin.
Este reconoci el hecho que los problemas de convergencia tienden a incrementar con el
tamao del conjunto de variables iterativas.
Steward (1965) y Himmelblau (1967) estudiaron la asignacin de conjuntos de salida
admisibles para sistema de ecuaciones algebraicas que no contenan variables de diseo o
ecuaciones redundantes. En el primer intento para desarrollar una base matemtica para
la seleccin de variables de diseo fue la estructura grca bipartita de Lee, Christensen y
Rudd (1966). El algoritmo dado en trminos de la matriz de ocurrencias ms conveniente
es presentado en Rudd y Watson (1968). El algoritmo falla para sistemas de ecuaciones con
ANLISIS ESTRUCTURAL 19
iteracin persistente. Christensen (1970) desarroll un algoritmo que maneja la iteracin
persistente. El algoritmo de Stadther y colaboradores (1974) tiende a conversin anidada,
lazos iterativos implcitos, ambos de los cuales a ser evitados por los clculos iterativo usando
sustitucin directa. Ramrez y Vestal (1972) presenta algortmos que son construidos en dos
fases. La primera fase selecciona las variables de diseo para el sistema y determina el nmero
mnimo de variables iterativas para el sistema. La segunda fase selecciona variables iterativas
para obtener lazos iterativos explcitos si es posible. Algoritmos por Westerberg y Edie (1971)
y Edie y Westerberg (1971) usan el principio del mximo eigenvalor para seleccionar variables
de diseo.
Una de las mayores limitaciones de todos estos algoritmos es que ellos producen una
combinacin simple de variables de diseo y variables iterativas. Book y Ramrez (1976)
desarrollaron mtodos de expresar todas las secuencias de solucin que son acclicas para
sistema de ecuaciones sin iteracin persistente y todas las secuencias de solucin con un
nmero mnimo de variables iterativas en sistema de ecuaciones con iteracin persistente.
Friedman y Ramrez (1973 ) mostraron que la convergencia de lazos iterativos explcitos por
el mtodo de sustitucin directa es dominado por el orden de solucin de las ecuaciones en el
lazo. La convergencia por sustitucin directa ocurrir en la ruta de reversa si la ruta directa
diverge y la ruta de reversa existe.
1.6.2. La Tabla (Matriz) de Incidencias (Ocurrencias)
Una matriz de ocurrencia es una representacin implcita en que slo se expresa la estruc-
tura de ocurrencias de un sistema de ecuaciones. Para ejemplicar el proceso de ordenamiento
con una matriz de incidencias, se trabajar con el siguinete sistema de ecuaciones
2r
4
12r
9
= 10 (Ec 1)
r
1
3r
2
+ 5r
7
+ 2r
8
= 7 (Ec 2)
7r
1
r
8
= 15 (Ec 3)
13r
3
+ 4r
4
r
9
= 1 (Ec 4)
r
1
2r
2
+ 4r
4
r
6
+ 7r
7
= 0 (Ec 5)
5r
5
+r
9
= 6 (Ec 6)
9r
4
3r
6
r
8
= 13 (Ec 7)
A partir de estas ecuaciones se puede construir una tabla de incidencias con la relacin
ecuacin-variable que existe en el sistema de ecuaciones. Se forma una tabla en la que en
los encabezados de las renglones se tomarn los nmeros de ecuaciones y en los encabezados
de las columnas se tomarn los nombres de las variables. La tabla se llena con la letra en
cada celda en donde la variable este contenida en la ecuacin. Aplicando a nuestro sistema
de ecuaciones, resulta en la tabla siguiente.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 A A
4 A A A
5 A A A A A
6 A A
7 A A A
1.6.3. La Matriz (Tabla) de Funcionalidad
La matriz de funcionalidad fue desarrollada por Book y Ramrez (1984) para expresar la
estructura de un sistema de ecuaciones. El requisito primario de un mtodo para expresar
la estructura de un sistema de ecuaciones algebraicas es que la estructura sea expresada
explcitamente. Para remover esta deciencia, un nuevo tipo de matriz de ocurrencias fue
desarrollado llamado la matriz de funcionalidad. Para expresar la forma funcional de una
ecuacin, las diferentes formas funcionales en las cuales una variable puede aparecer en las
ecuaciones debe ser denida. La siguiente tabla muestra las diferentes formas funcionales que
se usarn en este curso (una modicacin de la presentada por Book y Ramrez (1984)).
Clave Forma Funcional Forma de la Ecuacion
A Lineal C
1
r
1
+, (x) = 0
B No-lineal soluble, 1 raz
C
1
r
1
r
2
r
3
+, (x) = 0
C
1
C
a
1
2
+, (x) = 0
C
1
log (r
1
) +, (x) = 0
C No-lineal soluble, n races
C
1
sin (r
1
) +, (x) = 0
C
1
sinh (r
1
) +, (x) = 0
C
1
r
C
2
1
+, (x) = 0. C
2
= 1. 2. 3. . . .
D Derivadas o Integrales
oa
1
ot
+, (x) = 0
E Implcitas, no solubles, complicadas
C
1
r
C
2
1
+, (x) = 0. C
2
6= 1. 2. 3. . . .
Otras
Las C
i
, en la tabla, son constantes y ,(r) es la funcin de todas las otras variables del
sistema excepto las variables explcitas. Las formas funcionales de la tabla son aquellas que
predominan en ecuaciones de diseo algebraico. Casi cualquier ecuacin original puede ser
manipulada algebraicamente para ajustar estas formas bsicas. La matriz de funcionalidad
es, ms an, una matriz de ocurrencias especial que expresa tanto la funcionalidad como la
estructura de las ecuaciones. Aplicando a nuestro sistema de ecuaciones, resulta en la tabla
siguiente.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 B B
4 A B B
5 A A A A A
6 A A
7 A B B
1.6.4. Una estrategia de solucin ptima
Para la implementacin en computadoras digitales, de ecuaciones algebraicas que de-
scriben problemas de diseo o simulacin, se han establecido mtodos generales para la solu-
cin de lazos iterativos implcitos, y dentro de estos se preeren los mtodos que emplean
manipulacin de matrices. De esta manera, las siguientes reglas heursticas son aplicables
como funcin objetivo para obtener una solucin ptima:
1. Resolver una ecuacin lineal con una sola variable. Si no es posible, ir al paso 2.
2. Resolver el menor nmero de ecuaciones lineales simultneas con sus respectivas incg-
nitas. Si no es posible, ir al paso 3.
3. Resolver una ecuacin no-lineal con una sola variable, la mas simple de todas las
posibles. Si no es posible, ir al paso 4.
4. Resolver el menor nmero de ecuaciones no-lineales simultneas con sus respectivas
incgnitas.
El obtener la solucin ptima de acuerdo a estos 4 ojetivos, se logra aplicando los 2
algortmos que se presentan en seguida: el algoritmo de ordenamiento de ecuaciones y
el algoritmo de agrupamiento de variables.
Algoritmo de ordenamiento de ecuaciones
Con este algortmo se hace un ordenamiento previo de las ecuaciones y de las variables.
Se da prioridad a las variables de solucin acclica (una sola ecuacin) y de solucin simple
(lineales). El algortmo se aplica de la siguiente manera:
Se buscan variables con grados de libertad (VGL) de 1. La existencia de un 1 indica
que una solucin acclica puede obtenerse. Se localiza la columa que tiene la designacin
funcional de valor ms simple y se elimina el rengln correspondiente a la incidencia,
marcando la casilla de la incidencia con un nmero gerrquico de eliminacin. En caso de
que no existan variables con grados de libertad 1, entonces se buscarn VGL 2, 3 4, etc., es
decir, variables cclicas. Se localiza la columa que tiene la designacin funcional de valor
ms simple y se eliminan todos los renglones correspondientes a las incidencias, marcando
todas las casillas de las incidencias con el siguiente nmero gerrquico de eliminacin. En
seguida, se recalculan los grados de libertad de las variables y se repite el procedimiento
hasta que se han eliminado todadas las incidencias.
Finalmente, los numeros gerrquicos de eliminacin sern usados para ordenar los ren-
glones y las columnas en el orden inverso a como se fueron generando dichos nmeros. Esto,
proporcionar una tabla ordenada en ecuaciones y variables.
Algoritmo de agrupamiento de variables
Con este algortmo se pretende clasicar las variables-ecuaciones en grupos (partir las
ecuaciones). Se buscan ecuaciones con grados de libertad (EGL) de 1. Se localiza el rengln
con EGL de 1 y se elimina la columna correspondiente a la incidencia, marcando la casilla de
la incidencia con un nmero gerrquico de eliminacin. En caso de que no existan ecuaciones
con grados de libertad 1, entonces se localiza, de arriba hacia abajo, el primer rengln que
an no se haya eliminado. De este rengln, se eliminan todos las columnas correspondientes
a las incidencias, marcando todas las casillas de las incidencias con el siguiente nmero
gerrquico de eliminacin. Despus de cada eliminacin se debe vericar que ninguna otra
ecuacin se haya eliminado (EGL de 0), se recalculan los grados de libertad de las ecuaciones
y se repite el procedimiento hasta que se han eliminado todas las incidencias.
Despus, se usan los nmeros gerrquicos de eliminacin para ordenar los renglones y
las columnas en el orden en que fueron generados. Esto, proporcionar una tabla ordenada
en ecuaciones y variables. Cada grupo se obtiene de esta ltima tabla cuando al movernos
en direccin diagonal, izquierda-superior hacia derecha-inferior, se encuentra un movimiento
horizontal en las incidencias ms externas.
1.6.5. Ejemplo simple de anlisis estructural
Se desea resolver el siguinete sistema de ecuaciones y se busca plantear una estrategia de
soucin sencilla por medio de un reacomodo de las ecuaciones y las variables.
2r
4
12r
9
= 10 (Ec 1)
r
1
3r
2
+ 5r
7
+ 2r
8
= 7 (Ec 2)
7r
1
r
8
= 15 (Ec 3)
13r
3
+ 4r
4
r
9
= 1 (Ec 4)
r
1
2r
2
+ 4r
4
r
6
+ 7r
7
= 0 (Ec 5)
5r
5
+r
9
= 6 (Ec 6)
9r
4
3r
6
r
8
= 13 (Ec 7)
La siguiente gura muestra la tabla de funcionalidad para el sistema de ecuaciones alge-
braicas. Sobre esta tabla se llevar a cabo un anlisis estructural usando los algoritmos de
ordenamiento de ecuaciones y de agrupamiento de variables.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 B B
4 A B B
5 A A A A A
6 A A
7 A B B
Ordenamiento de Ecuaciones
Teniendo la tabla, se aplica un algortmo de ordenamiento de ecuaciones, el cual tiene
como objetivo asignar a cada ecuacin una variable y minimizar el esfuerzo computacional
para su solucin. Iniciando con el algoritmo de ordenamiento de ecuaciones, primero nece-
sitamos determina los grados de libertad de las variables, tal como se muestra en la tabla
siguiente
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 B B
4 A B B
5 A A A A A
6 A A
7 A B B
AGL 2 2 1 3 1 1 2 1 2
BGL 1 0 0 1 0 1 0 2 1
VGL 3 2 1 4 1 2 2 3 3
El algoritmo columnas para las cuales los grados de libertad de las variables (VGL) son
la unidad. Para este ejemplo, estas son las columnas r
3
y r
5
. Se elimina la columna que
tenga el mayor nmero de incidencias con funcionalidad tipo . En este caso ambas colum-
nas tienen una sola incidencia del tipo , por lo que cualquiera de las dos puede eliminarse.
Como criterio de desempate se usa la primera ocurrencia (de izquierda a derecha), la cual es
la columna r
3
. De esta manera se elimina el rengln 4 con la columna 3. Entonces los grados
de libertad de las variables son recalculados.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 B B
4 1 X X
5 A A A A A
6 A A
7 A B B
AGL 2 2 0 3 1 1 2 1 2
BGL 1 0 0 0 0 1 0 2 0
VGL 3 2 0 3 1 2 2 3 2
Siguiendo en algoritmo, una columna con frecuencia de 1 es encontrada en la columna r
5
y de ah el rengln 6 es eliminado.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A
2 A A A A
3 B B
4 1 X X
5 A A A A A
6 2 X
7 A B B
AGL 2 2 0 3 0 1 2 1 1
BGL 1 0 0 0 0 1 0 2 0
VGL 3 2 0 3 0 2 2 3 1
Ahora un 1 es encontrado en la columna r
9
, la cual elimina el rengln 1.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 X 3
2 A A A A
3 B B
4 1 X X
5 A A A A A
6 2 X
7 A B B
AGL 2 2 0 2 0 1 2 1 0
BGL 1 0 0 0 0 1 0 2 0
VGL 3 2 0 2 0 2 2 3 0
En este punto, una columna con frecuencia de 1 no existe. De acuerdo al algoritmo, bus-
camos las columnas con la mnima frecuencia, las cuales son las columnas r
2
, r
4
, r
6
y r
7
con
2 grados de libertad. De estas columnas, las que tienen mayor nmero de incidencias de
son r
2
, r
4
y r
7
. Podemos eliminar cualquiera de estas columnas. Como criterio de desempate
se usa la primera ocurrencia (de izquierda a derecha), la cual es la columna r
2
. Obsrvese
que al eliminar la columna r
2
tambien se eliminan las ocurrencias de la columna r
7
, por lo
que las ocurrencias de la columna 7 tambien deben llevar el mismo nmero de eliminacin
que las incidencias de la columna 2.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 X 3
2 X 4 4 X
3 B B
4 1 X X
5 X 4 X X 4
6 2 X
7 A B B
AGL 0 0 0 1 0 0 0 0 0
BGL 1 0 0 0 0 1 0 2 0
VGL 1 0 0 1 0 1 0 2 0
Ahora podemos proceder con la eliminacin de la columna r
4
. Con esta eliminacin se
hacen 0 los grados de libertad de las columnas r
6
, lo cual hace que estas columnas tambien
tenga prioridad 6.
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 X 3
2 X 4 4 X
3 B B
4 1 X X
5 X 4 X X 4
6 2 X
7 6 6 X
AGL 0 0 0 0 0 0 0 0 0
BGL 1 0 0 0 0 0 0 1 0
VGL 1 0 0 0 0 0 0 1 0
Finalmente la columnas r
1
tine frecuencia 1 con incidencia del tipo 1. Al eliminar la
tabla con sus prioridades queda de la manera siguiente
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 X 3
2 X 4 4 X
3 7 7
4 1 X X
5 X 4 X X 4
6 2 X
7 6 6 X
AGL 0 0 0 0 0 0 0 0 0
BGL 0 0 0 0 0 0 0 0 0
VGL 0 0 0 0 0 0 0 0 0
Se procede a etiquetar los renglones-columnas de acuerdo con los nmeros gerrquicos de
eliminacin, para proceder al ordenamiento de ecuaciones/variables, tal como lo muestran
las siguientes tablas:
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 X 3 3
2 X 4 4 X 4
3 7 7 7
4 1 X X 1
5 X 4 X X 4 4
6 2 X 2
7 6 6 X 6
7 4 1 6 2 6 4 7 3
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1 A A 3
2 A A A A 4
3 B B 7
4 A B B 1
5 A A A A A 4
6 A A 2
7 A B B 6
7 4 1 6 2 6 4 7 3
Esta tabla se ordena de manera inversa a como fueron eliminados los renglones y
columnas, resultando en
E\V x1 x8 x6 x4 x7 x2 x9 x5 x3
3 B B 7
7 B B A 6
2 A A A A 4
5 A A A A A 4
1 A A 3
6 A A 2
4 B B A 1
7 7 6 6 4 4 3 2 1
Agrupamiento de Variables
Partiendo de la tabla ordenada, se calculan las frecuencias de los renglones. El algortmo
busca un rengln de frecuencia unidad. En este nivel inicial del problema no existe ninguno
con frecuencia 1. Puesto que no se encuentra una frecuencia unidad, se eliminan todas las
columnas con entradas en el rengln restante ms alto. De esta manera, las columnas r
1
y
r
8
son eliminadas del rengln 3 y se etiquetan con 1 (comienza el subgrupo uno). Ahora
las nuevas frecuencias de los renglones son calculadas. No existe frecuencias de 1, por lo
que se eliminan todas las columnas con entradas en el rengln restante ms alto. De esta
manera, las columnas r
6
y r
4
son eliminadas del rengln 7 y se etiquetan con 2 (comienza
el subgrupo dos). Luego, la primera frecuencia unidad es encontrada en el rengln 1, el cual
resulta en la eliminacin de la columna r
9
que se etiqueta con 3. El siguiente rengln con
frecuencia unidad es el 6, que elimina la columna r
5
y se etiqueta con 4. Despus el rengln
4 tiene frecuencia unidad y se elimina con la columna r
3
, etiquetndose con 5. Finalmente,
no se encuentran renglones con frecuencia unidad, por lo que se eliminan todas las columnas
con entradas en el rengln restante ms alto. De esta manera, las columnas r
7
y r
2
son
eliminadas del rengln 2 y se etiquetan con 6 (comienza el subgrupo tres), pero como al
eliminar el rengln 2, tambien se elimina el rengln 5, entonces tambien se etiqueta con 6.
En las siguientes tablas se presenta paso a paso el procedimiento de eliminacion del
algortmo de agrupamiento de variables.
E\V x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
3 B B 2
7 B B A 3
2 A A A A 4
5 A A A A A 5
1 A A 2
6 A A 2
4 B B A 3
3 1 1 0
7 X B A 2
2 X X A A 2
5 X A A A A 4
1 A A 2
6 A A 2
4 B B A 3
3 1 1 0
7 X 2 2 0
2 X X A A 2
5 X X X A A 2
1 X A 1
6 A A 2
4 X B A 2
3 1 1 0
7 X 2 2 0
2 X X A A 2
5 X X X A A 2
1 X 3 0
6 X A 1
4 X X A 1
3 1 1 0
7 X 2 2 0
2 X X A A 2
5 X X X A A 2
1 X 3 0
6 X 4 0
4 X X A 1
3 1 1 0
7 X 2 2 0
2 X X A A 2
5 X X X A A 2
1 X 3 0
6 X 4 0
4 X X 5 0
3 1 1 0
7 X 2 2 0
2 X X 6 6 0
5 X X X 6 6 0
1 X 3 0
6 X 4 0
4 X X 5 0
Eliminadas las ecuaciones/variables, se procede a etiquetar los renglones-columnas de
acuerdo con los nmeros gerrquicos de eliminacin, para proceder al ordenamiento de ecua-
ciones/variables, tal como lo muestran las siguientes tablas:
E\V x1 x8 x6 x4 x7 x2 x9 x5 x3
3 1 1 1
7 X 2 2 2
2 X X 6 6 6
5 X X X 6 6 6
1 X 3 3
6 X 4 4
4 X X 5 5
1 1 2 2 6 6 3 4 5
E\V x1 x8 x6 x4 x7 x2 x9 x5 x3
3 B B 1
7 B B A 2
2 A A A A 6
5 A A A A A 6
1 A A 3
6 A A 4
4 B B A 5
1 1 2 2 6 6 3 4 5
Esta tabla se ordena de manera directa a como fueron eliminados los renglones y colum-
nas, resultando en
E\V x1 x8 x6 x4 x9 x5 x3 x7 x2
3 B B 1
7 B B A 2
1 A A 3
6 A A 4
4 B B A 5
2 A A A A 6
5 A A A A A 6
1 1 2 2 3 4 5 6 6
Finalmente, se forman los grupos. Cada movimiento horizontal de las variables ms ex-
ternas determinan el comienzo de un nuevo grupo, tal como se muestra en la siguiente tabla.
E\V x1 x8 x6 x4 x9 x5 x3 x7 x2 GR
3 B B 1
7 B B A 2
1 A A 2
6 A A 2
4 B B A 2
2 A A A A 3
5 A A A A A 3
GR 1 1 2 2 2 2 2 3 3
De esta manera, se obtienen 3 grupos. El primer grupo consta de 1 ecuacin y 2 variables,
por lo que para ser capaz de resolver las ecuaciones de este grupo, una variable de diseo debe
venir de este grupo, ya sea r
1
r
8
. El segundo grupo consta de 4 ecuaciones y 5 variables,
por lo que este grupo se prodr resolver si se especica una variable de diseo, el mejor caso
es r
6
. Finalmente, el tercer grupo consta de 2 ecuaciones y 2 variables, por lo que se pude
resolver simultaneamente para r
2
y r
7
, o bien se puede tomar una de estas variables como
variable cclica para resolver el conjunto de 2 ecuaciones iterativamente.
El mtodo de solucin es:
1. Asignar r
8
( r
1
) como variable de diseo y sustituir en las ecs. 3, 7 y 2. En este caso
se tomar r
8
= c como variable de diseo
2. Resolver r
1
( r
8
) de la ecuacin 3 y sustituir en las ecs. 2 y 5
r
1
=
15
7c
(Ec 3)
9r
4
3r
6
c = 13 (Ec 7)
2r
4
12r
9
= 10 (Ec 1)
5r
5
+r
9
= 6 (Ec 6)
13r
3
+ 4r
4
r
9
= 1 (Ec 4)
15
7c
3r
2
+ 5r
7
+ 2c = 7 (Ec 2)
15
7c
2r
2
+ 4r
4
r
6
+ 7r
7
= 0 (Ec 5)
3. Asignar r
6
= / como variable de diseo y sustituir en las ecs. 7 y 5
r
1
=
15
7c
(Ec 3)
9r
4
3/c = 13 (Ec 7)
2r
4
12r
9
= 10 (Ec 1)
5r
5
+r
9
= 6 (Ec 6)
13r
3
+ 4r
4
r
9
= 1 (Ec 4)
15
7c
3r
2
+ 5r
7
+ 2c = 7 (Ec 2)
15
7c
2r
2
+ 4r
4
/ + 7r
7
= 0 (Ec 5)
4. Resolver r
4
de la ecuacin 7 y sustituir en las ecs. 1, 4 y 5
r
1
=
15
7c
(Ec 3)
r
4
=
1
3
/c
13
9
(Ec 7)
2
3
/c
26
9
12r
9
= 10 (Ec 1)
5r
5
+r
9
= 6 (Ec 6)
13r
3
4
3
/c +
52
9
r
9
= 1 (Ec 4)
15
7c
3r
2
+ 5r
7
+ 2c = 7 (Ec 2)
15
7c
2r
2
4
3
/c
52
9
/ + 7r
7
= 0 (Ec 5)
5. Resolver r
9
de la ecuacin 1 y sustituir en las ecs. 6 y 4
r
1
=
15
7c
(Ec 3)
r
4
=
1
3
/c
13
9
(Ec 7)
r
9
=
1
18
/c
29
27
(Ec 1)
5r
5
1
18
/c
29
27
= 6 (Ec 6)
13r
3
+
2
27
/
2
c
2
+
142
81
/c +
1508
243
= 1 (Ec 4)
15
7c
3r
2
+ 5r
7
+ 2c = 7 (Ec 2)
15
7c
2r
2
4
3
/c
52
9
/ + 7r
7
= 0 (Ec 5)
6. Resolver r
5
de la ecuacin 6
7. Resolver r
3
de la ecuacin 4
r
1
=
15
7c
(Ec 3)
r
4
=
1
3
/c
13
9
(Ec 7)
r
9
=
1
18
/c
29
27
(Ec 1)
r
5
=
1
90
/c
191
135
(Ec 6)
r
3
=
2
351
/
2
c
2
142
1053
/c
1265
3159
(Ec 4)
15
7c
3r
2
+ 5r
7
+ 2c = 7 (Ec 2)
15
7c
2r
2
4
3
/c
52
9
/ + 7r
7
= 0 (Ec 5)
8. Resolver r
7
y r
2
simultaneamente de las ecuaciones 2 y 5
r
1
=
15
7c
(Ec 3)
r
4
=
1
3
/c
13
9
(Ec 7)
r
9
=
1
18
/c
29
27
(Ec 1)
r
5
=
1
90
/c
191
135
(Ec 6)
r
3
=
2
351
/
2
c
2
142
1053
/c
1265
3159
(Ec 4)
r
7
=
1
231
45 + 84c
2
+ 70c + 84/c
2
+ 63/c
c
(Ec 2)
r
2
=
1
693
270 + 882c
2
1267c + 420/c
2
+ 315/c
c
(Ec 5)
Ejemplo 1.4 Resuelva el siguiente problema haciendo uso de una estrategia orientada a
las ecuaciones y compare la solucin con la del Ejemplo 1.3. El proceso se muestra en la
gura

1
7
6 5
4
3
2
1 3 2
Especicaciones
Corrirnte 1 Corriente 3
Etanol: 50 lbmol/h Etanol: 100 lbmol/h
Agua: 150 lbmol/h Agua: 50 lbmol/h
75
c
F 75
c
F
14.7 psia 14.7 psia
Por la corriente 4 se va el 30 % de la corriente 3
Por la corriente 7 se va el 60 % de lo que entra en la unidad 2
Determinar los valores de las variables de las diversas corrientes.
2. MODELADO DE PROCESOS
2.1. MODELOS EN ESTADO ESTACIONARIO
2.1.1. Problema de Simulacin
Planteamiento del Problema
El eter etlico se produce por la deshidratacin de alcohol etlico en presencia de H
2
oC
4
a 140

C, de acuerdo a la reaccin
2C
2
H
5
CH C
2
H
5
CC
2
H
5
+H
2
C
Mediante el proceso que se describe a continuacin:
M-1
R-2
S-3 S-4

G

F

H

J
K L

R

D
Produccin de Eter Etlico
Donde:
M-1 es Tanque de Mezclado
R-2 es Reactor
S-3 es Separador de Eter
S-4 es Separador de Alcohol
Se dispone de la siguiente informacin:
1. La corriente D est compuesta por 95 % (peso) de alcohol en agua.
MODELADO DE PROCESOS 35
2. La corriente G es H
2
oC
4
al 93 % (peso) en solucin acuosa.
3. En el reactor, la reaccin es simple y con una conversin del 87 % (alfa) respecto del
C
2
H
5
CH.
4. En el separador de eter, el destilado es, practicamente, eter puro, sabiendo que en el
fondo no se arrastra eter.
5. En el separador de alcohol se obtiene un destilado R (92 % en peso de alcohol en agua)
que se recircula; mientras que en el fondo se obtiene una solucin acuosa de H
2
oC
4
.
Para producir 2000 kg, h de eter etlico, calcular las otras corrientes y sus composiciones,
sabiendo que se recomienda en la alimentacin del proceso, una relacin 1 : 1 en peso de
H
2
oC
4
,Alcohol.
Modelando el Proceso
Deniciones para simplicar el proceso:
r Alcohol
Agua
. H
2
oC
4
n Eter
Balances de Material en M-1
M-1
G

F
R

D
x
y
y
z
x
y
x
y
z
Balances
() 11 : 1 +G+1 = 1 A
(1) 1A : r
o
1 +r
v
1 = r
)
1 (2.1)
(2) 11 :
o
1 +
j
G+
v
1 =
)
1 (2.2)
(3) 12 : .
j
G = .
)
1 (2.3)
36 MODELADO DE PROCESOS
Restricciones
(4) 11 : r
o
+
o
= 1 (2.4)
(5) 1G :
j
+.
j
= 1 (2.5)
(6) 11 : r
v
+
v
= 1 (2.6)
(7) 11 : r
)
+
)
+.
)
= 1 (2.7)
Se tienen:
Ecuaciones: 7
Incgnitas: 13
D G R F
r
o
r
v
r
)
o

j

v

)
.
j
.
)
Grados de Libesrtad (GL): 13-7=6

Se tienen C
13
6
= 1716 posibilidades de escoger el conjunto de las varibles de diseo
Variables de diseo (comunes):

D G R
r
o

j
r
v
Variables de Estado=Ecuacines=7

o
.
j

v
F r
)

)
.
)
Balances de Material en R-2

R-2
F

H
x
y
z
x
y
z
w
Balances
(1) 11 : 1 = H (B)
(8) 1A : r
)
1 = r
I
H +C
a
(2.8)
(9) 11 :
)
1 +C
j
=
I
H (2.9)
(10) 12 : .
)
1 = .
I
H (2.10)
(11) 1\ : C
&
= n
I
H (2.11)
MODELOS EN ESTADO ESTACIONARIO 37
Restricciones
(7
) 11 : r
)
+
)
+.
)
= 1 (7*)
(12) 1H : r
I
+
I
+.
I
+n
I
= 1 (2.12)
Ecuaciones auxiliares: c =
Moles Consumidos
Moles Entrantes
=
c
1P
(13) c
a
= c
r
)
1
P
a
(2.13)
(14) c
j
=
1
2
c
a
(2.14)
(15) c
&
=
1
2
c
a
(2.15)
(16) C
a
= P
a
c
a
(2.16)
(17) C
j
= P
j
c
j
(2.17)
(18) C
&
= P
&
c
&
(2.18)
Se tienen:
Ecuaciones: 12
Incgnitas: 19
F r
)

)
.
)
H r
I

I
.
I
n
I
c
a
c
j
c
&
C
a
C
j
C
Z
c P
a
P
j
P
&
De estas incgnitas se tienen 4 parmetros

c P
a
P
j
P
&
, los cuales tam-

bien pueden considerarse como variables. Los parmetros son propiedades fsicas bien
denidas y con valor propio.
Si descartamos los parmetros, solamente nos quedan 15 incgnitas
F r
)

)
.
)
H r
I

I
.
I
n
I
c
a
c
j
c
&
C
a
C
j
C
Z
GL= 15 12 = 3
Se tienen C
15
3
= 455 posibles combinaciones de escoger las variables de diseo.

F r
)

)
Variables de estado:
H r
I

I
.
I
n
I
c
a
c
j
c
&
.
)
C
a
C
j
C
Z
Balances de Material en S-3
S-3

H

J
K
x
y
z
w
w
x
y
z
Balances
(C) 11 : H = J +1 (C)
(19) 1A : r
I
H = r
I
1 (2.19)
(20) 11 :
I
H =
I
1 (2.20)
(21) 12 : .
I
H = .
I
1 (2.21)
(22) 1\ : n
I
H = J (2.22)
Restricciones
(12
) 1H : r
I
+
I
+.
I
+n
I
= 1 (12*)
(23) 11 : r
I
+
I
+.
I
= 1 (2.23)
Se tienen:
Ecuaciones: 6
Incgnitas: 10

H r
I

I
.
I
n
I
J K r
I

I
.
I
GL= 10 6 = 4
Se tienen C
10
4

H r
I

I
.
I
J n
I
K r
I

I
.
I

Balances de Material en S-4
S-4
K
L

x
y
z
x
y
y
z
R
Balances
(1) 11 : 1 = 1 +1 (D)
(24) 1A : r
I
1 = r
v
1 (2.24)
(25) 11 :
I
1 =
|
1 +
v
1 (2.25)
(26) 12 : .
I
1 = .
|
1 (2.26)
Restricciones
(23
) 11 : r
I
+
I
+.
I
= 1 (23*)
(27) 11 :
|
+.
|
= 1 (2.27)
(6
) 11 : r
v
+
v
= 1 (6*)
Se tienen:
Ecuaciones: 6
Incgnitas: 10
K r
I

I
.
I
L
|
.
|
R r
v

v
GL= 10 6 = 4
Se tienen C
10
4

K r
I

I
Distribucin de 1

L
|
.
|
R r
v
.
I
Ecuaciones de Diseo Adicionales Relacin de alimentacin recomendada

(28)
.
j
G
r
o
1
= 1 (2.28)
Resolviendo el Problema: Solucin Simultanea
El sistema completo de ecuaciones queda como sigue:
(1) : r
o
1 +r
v
1 = r
)
1 (2.29a)
(2) :
o
1 +
j
G+
v
1 =
)
1 (2.29b)
(3) : .
j
G = .
)
1 (2.29c)
(4) : r
o
+
o
= 1 (2.29d)
(5) :
j
+.
j
= 1 (2.29e)
(6) : r
v
+
v
= 1 (2.29f)
(7) : r
)
+
)
+.
)
= 1 (2.29g)
(8) : r
)
1 = r
I
H +C
a
(2.30a)
(9) :
)
1 +C
j
=
I
H (2.30b)
(10) : .
)
1 = .
I
H (2.30c)
(11) : C
&
= n
I
H (2.30d)
(12) : r
I
+
I
+.
I
+n
I
= 1 (2.30e)
(13) : c
a
= c
r
)
1
P
a
(2.30f)
(14) : c
j
=
1
2
c
a
(2.30g)
(15) : c
&
=
1
2
c
a
(2.30h)
(16) : C
a
= P
a
c
a
(2.30i)
(17) : C
j
= P
j
c
j
(2.30j)
(18) : C
&
= P
&
c
&
(2.30k)
(19) : r
I
H = r
I
1 (2.31a)
(20) :
I
H =
I
1 (2.31b)
(21) : .
I
H = .
I
1 (2.31c)
(22) : n
I
H = J (2.31d)
(23) : r
I
+
I
+.
I
= 1 (2.31e)
(24) : r
I
1 = r
v
1 (2.32a)
(25) :
I
1 =
|
1 +
v
1 (2.32b)
(26) : .
I
1 = .
|
1 (2.32c)
(27) :
|
+.
|
= 1 (2.32d)
(28) : r
o
1 = .
j
G (2.33a)
Recomodando: Balances-Restricciones-Auxiliares
(1) : r
o
1 +r
v
1 = r
)
1 (2.34a)
(2) :
o
1 +
j
G+
v
1 =
)
1 (2.34b)
(3) : .
j
G = .
)
1 (2.34c)
(4) : r
)
1 = r
I
H +C
a
(2.34d)
(5) :
)
1 +C
j
=
I
H (2.34e)
(6) : .
)
1 = .
I
H (2.34f)
(7) : C
&
= n
I
H (2.34g)
(8) : r
I
H = r
I
1 (2.34h)
(9) :
I
H =
I
1 (2.34i)
(10) : .
I
H = .
I
1 (2.34j)
(11) : n
I
H = J (2.34k)
(12) : r
I
1 = r
v
1 (2.34l)
(13) :
I
1 =
|
1 +
v
1 (2.34m)
(14) : .
I
1 = .
|
1 (2.34n)
(15) : r
o
+
o
= 1 (2.35a)
(16) :
j
+.
j
= 1 (2.35b)
(17) : r
v
+
v
= 1 (2.35c)
(18) : r
)
+
)
+.
)
= 1 (2.35d)
(19) : r
I
+
I
+.
I
+n
I
= 1 (2.35e)
(20) : r
I
+
I
+.
I
= 1 (2.35f)
(21) :
|
+.
|
= 1 (2.35g)
(22) : c
a
= c
r
)
1
P
a
(2.36a)
(23) : c
j
=
1
2
c
a
(2.36b)
(24) : c
&
=
1
2
c
a
(2.36c)
(25) : C
A
= P
a
c
a
(2.36d)
(26) : C
j
= P
j
c
j
(2.36e)
(27) : C
&
= P
&
c
&
(2.36f)
(28) : r
o
1 = .
j
G (2.36g)
Se tienen
Ecuaciones: 28
Variables: 32
D r
o

o
G
j
.
j
F r
)

)
.
)
H r
I

I
.
I
n
I
J K r
I

I
.
I
L
|
.
|
R r
v

v
C
A
C
j
C
&
c
a
c
j
c
&
Parmetros: 4

c P
a
P
j
P
&
GL=32 28 = 4
En el enunciado del problema se debe haber dado informacin de 4 variables de diseo.
NOTA: Cuando el nmero de variables involucradas en una ecuacin es menor que los
GL, todo el conjunto de variables de la ecuacin no debe escogerse como variables de diseo.
En caso de que todo el conjunto se escoja como variables de diseo, se deber: (1) checar
que la ecuacin sea congruente y (2) eliminar la ecuacin y adicionar una nueva variable de
diseo.
Asiganando los valores proporcionados:
c = 0.87
P
a
= 46
P
j
= 18
P
&
= 74
r
o
= 0.95
.
j
= 0.93
J = 2000
r
v
= 0.92
Sustituyendo estos valores y reacomodando las ecuaciones de acuerdo a las siguientes
reglas (aplicadas a cada ecuacin):
1. Eliminar los trminos racionales
2. Eliminar los trminos que incluyan logartmos
3. Eliminar los trminos con races
4. Despejar y sustituir los terminos constantes
5. Eliminar cualquier trmino que pueda causar indeterminaciones matemticas.
El Sistema de Ecuaciones se transforma en:
(1) : 0.951 + 0.921 = r
)
1 (2.37a)
(2) :
o
1 +
j
G+
v
1 =
)
1 (2.37b)
(3) : 0.93G = .
)
1 (2.37c)
(4) : r
)
1 = r
I
H +C
A
(2.37d)
(5) :
)
1 +C
j
=
I
H (2.37e)
(6) : .
)
1 = .
I
H (2.37f)
(7) : C
&
= n
I
H (2.37g)
(8) : r
I
H = r
I
1 (2.37h)
(9) :
I
H =
I
1 (2.37i)
(10) : .
I
H = .
I
1 (2.37j)
(11) : n
I
H = 2000 (2.37k)
(12) : r
I
1 = 0.921 (2.37l)
(13) :
I
1 =
|
1 +
v
1 (2.37m)
(14) : .
I
1 = .
|
1 (2.37n)
(15) : 0.95 +
o
= 1 (2.38a)
(16) :
j
+ 0.93 = 1 (2.38b)
(17) : 0.92 +
v
= 1 (2.38c)
(18) : r
)
+
)
+.
)
= 1 (2.38d)
(19) : r
I
+
I
+.
I
+n
I
= 1 (2.38e)
(20) : r
I
+
I
+.
I
= 1 (2.38f)
(21) :
|
+.
|
= 1 (2.38g)
(22) : c
a
= 1.891 3 10
2
r
)
1 (2.39a)
(23) : c
j
=
1
2
c
a
(2.39b)
(24) : c
&
=
1
2
c
a
(2.39c)
(25) : C
a
= 46c
a
(2.39d)
(26) : C
j
= 18c
j
(2.39e)
(27) : C
&
= 74c
&
(2.39f)
(28) : 0.951 = 0.93G (2.39g)
Simplicar el sistema de ecuaciones para resolver simultaneamente el menor nmero
posible de ecuaciones no lineales. Esta tarea se realiza con la ayuda de la TABLA DE
INCIDENCIAS
E\V D G F H K L R yD yG xF yF zF xH yH zH wH xK yK zK yL zL yR Cx Cy Cw cx cy cw
1 A B A B
2 B B B B B B B B
3 A B B
4 B B B B A
5 B B B B A
6 B B B B
7 B B A
8 B B B B
9 B B B B
10 B B B B
11 B B
12 B A B
13 B B B B B B
14 B B B B
15 A
16 A
17 A
18 A A A
19 A A A A
20 A A A
21 A A
22 B B A
23 A A
24 A A
25 A A
26 A A
27 A A
28 A A
Aplicando el algoritmo de Ordenamiento de Ecuaciones se tiene
E\V wH H zK zH K yK yH xK xH zL L yR yL R zF F G xF D yF yG yD cx cw Cw cy Cy Cx EGL
11 B B 2 27
10 B B B B 4 24
9 B B B B 4 22
20 A A A 3 21
8 B B B B 4 20
19 A A A A 4 20
14 B B B B 4 18
17 A 1 17
21 A A 2 16
12 B B A 3 15
13 B B B B B B 6 15
6 B B B B 4 13
3 B B A 3 12
1 A B B A 4 10
28 A A 2 10
18 A A A 3 9
16 A 1 8
2 B B B B B B B B 8 7
15 A 1 7
22 B B A 3 6
24 A A 2 5
7 B B A 3 4
27 A A 2 4
23 A A 2 3
5 B B B B A 5 2
26 A A 2 2
4 B B B B A 5 1
25 A A 2 1
VGL 3 8 3 3 6 3 3 3 3 2 2 3 2 4 3 7 3 4 3 3 2 2 4 2 2 2 2 2
28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Aplicando el algoritmo de Agrupamiento de Variables se obtiene la siguiente tabla
E\V yR yG yD H wH Cw cw cx cy Cy Cx K zH zK yH yK xK xH R L zL yL F zF G D xF yF EGL O Gr
17 A 1 28 1
16 A 1 27 1
15 A 1 26 1
11 B B 2 25 2
7 B B A 3 24 2
27 A A 2 23 2
24 A A 2 22 2
23 A A 2 21 2
26 A A 2 20 2
25 A A 2 19 2
10 B B B B 4 18 3
9 B B B B 4 17 4
20 A A A 3 16 4
8 B B B B 4 15 4
19 A A A A 4 14 4
12 B B A 3 13 4
14 B B B B 4 12 5
21 A A 2 11 5
13 B B B B B B 6 10 5
6 B B B B 4 9 6
3 B B A 3 8 6
28 A A 2 7 6
1 A B A B 4 6 6
22 A B B 3 5 6
4 B A B B B 5 4 6
18 A A A 3 3 6
2 B B B B B B B B 8 2 6
5 B A B B B 5 1 6
VGL 3 2 2 8 3 2 2 4 2 2 2 6 3 3 3 3 3 3 4 2 2 2 7 3 3 3 4 3
O 28 27 26 25 25 24 23 22 21 20 19 18 18 18 17 17 16 15 13 12 12 11 9 9 8 7 6 3
Gr 1 1 1 2 2 2 2 2 2 2 2 3 3 3 4 4 4 4 4 5 5 5 6 6 6 6 6 6
Interpretando la informacin de la tabla de incidencias:
Tomar n
I
, .
I
, .
I
,
I
, .
|
, .
)
como variables iterativas
y resolver las ecuaciones de la

manera siguiente
1. De 17
v
V 13, 2
2. De 16
j
V 2
3. De 15
o
V 2
4. De 11H(n
I
) V 7, 10, 9, 8, 6,4, 5
5. De 7C
&
V 27
6. De 27c
&
V 24
7. De 24c
a
V 23, 25, 22
8. De 23c
j
V 26
9. De 26C
j
V 5
10. De 25C
a
V 4
11. De **101(.
I
. .
I
) V 9, 8, 12, 14, 13
12. De **9
I
(
I
) V 19, 5
13. De 20r
I
V 8, 12
14. De 8r
I
V 19, 4
15. De 19Usar para Solucin Simultanea
16. De 121 V 13, 1, 2
17. De **141(.
|
) V 13
18. De 21
|
V 13
19. De 13 Usa para Solucin Simultanea
20. De **61(.
)
) V 3, 1, 22, 4, 2, 5
21. De 3G V 28, 2
22. De 281 V 1, 2
23. De 1r
)
V 22, 4, 18
26. De 18
)
V 2, 5
Despues de aplicar las reglas anteriores se tiene el siguiente sistema de ecuaciones:
v
= 0.08
j
= 0.07
o
= 0.05
H =
2000
n
I
C
&
= 2000
c
&
=
1000
37
= 27.027
c
a
=
2000
37
= 54.054
c
j
=
1000
37
= 27.027
C
j
=
18 000
37
= 486.49
C
a
=
92 000
37
= 2486.5
1 = 2000
.
I
n
I
.
I
I
=
I
.
I
.
I
r
I
=
I
.
I
+ 1
r
I
= (
I
+.
I
1)
.
I
.
I
0 = .
I
+n
I
.
I
.
I
1 = 2173.9 (
I
+.
I
1.0)
.
I
n
I
.
I
1 = 2000
.
I
n
I
.
|
|
= .
|
+ 1
0 = 2173. 9
I
.
|
+ 2173. 9.
I
.
|
2000.0.
I
173. 91.
|
1 = 2000
.
I
n
I
.
)
G = 2150.5
.
I
n
I
1 = 2105.2
.
I
n
I
r
)
= 8.0 10
6
.
)
3.0.
I
+ 1.25 10
5
I
1.25 10
5
.
I
0 = 54. 054n
I
.
I
+ 9. 078 2 10
4
.
I
.
I
+ 37. 826
I
.
I
37. 826.
I
0 = 2000.0.
I
2486. 5n
I
)
= 8.0 10
6
1. 250 0 10
5
.
)
.
I
1. 25 10
5
.
)
I
+ 1. 25 10
5
.
)
1. 25 10
5
.
I
.
I
0 = 2290. 1.
)
.
I
2391. 3.
)
I
+ 2391. 3.
)
2200.0.
I
0 = 37.0.
I
.
)
.
I
37.0.
I
.
)
+ 37.0.
I
.
I
+ 9.0n
I
.
)
.
I
Resolviendo simultaneamente solo las 6 ecuaciones algebraicas no-lineales
.
I
+n
I
.
I
.
I
= 0
2173.9
I
.
|
+ 2173.9.
I
.
|
2000.0.
I
173.91.
|
= 0
54.054n
I
.
I
+ 9.078 2 10
4
.
I
.
I
+ 37.826
I
.
I
37.826.
I
= 0
2000.0.
I
2486.5n
I
= 0
2290.1.
)
.
I
2391.3.
)
I
+ 2391.3.
)
2200.0.
I
= 0
37.0.
I
.
)
.
I
37.0.
I
.
)
+ 37.0.
I
.
I
+ 9.0n
I
.
)
.
I
= 0
Se tiene la siguiente solucin mltiple
{.
I
= 0. .
I
= 0. .
|
= 0. .
)
= 0. n
I
= 0.
I
=
I
}
{.
I
= 0. .
I
= 0. .
|
= 0. n
I
= 0.
I
= 1.0. .
)
= .
)
}
.
I
= 0. .
I
= 0. .
)
= 0. n
I
= 0.
I
= 7. 999 9 10
2
. .
|
= .
|
{
I
= 0.226 48. .
)
= 0.436 61. .
|
= 0.755 54. .
I
= 0.436 62. .
I
= 0.672 95. n
I
= 0.351 19}
Pudo haberse hecho un nuevo anlisis sobre estas 6 ecuaciones, dando como resultado
E\V wH zH zK yK zL zF
19 B B B
13 B B B
22 B B B B
4 B B B
2 B B B
5 B B B B
Antes del Anlisis
E\V wH zH zK zF yK zL EGL
4 B B B 3
19 B B B 3
5 B B B B 4
2 B B B 3
22 B B B B 4
13 B B B 3
VGL 4 4 6 2 3 1
Despes del Anlisis
Lo cual indica resolver un sistema simultaneo de 2 ecuaciones en 2 incgnitas.
Sustituyendo la solucin viable, en cada una de las ecuaciones para las incgnitas se tiene:
1 = 2617.4
o
= 0.05
G = 2673.7
j
= 0.07
1 = 5694.9 r
)
= 0.501 86
H = 5694.9
)
= 6. 151 7 10
2
1 = 3694.9 .
)
= 0.436 62
1 = 3291.0 r
I
= 6. 524 2 10
2
1 = 403.85
I
= 0.146 94
C
a
= 2486.5 .
I
= 0.436 62
C
j
= 486.50 n
I
= 0.351 19
C
&
= 2000.0 r
I
= 0.100 56
|
= 0.244 46
I
= 0.226 48
.
|
= 0.755 54 .
I
= 0.672 96
v
= 0.08
Finalmente para c = 0.87 se tiene:

M-1
R-2
S-3 S-4

G

F

H

J
K L

R

D
Produccin de Eter Etlico
Corrirnte D G F H J K L R C P
Flujo kg, h 2617.4 2673.7 5694.9 5694.9 2000 3694.9 3291.0 403.9
Alcohol % 95.0 0 50.2 6.5 0 10.1 0 92.0 2486.5 46
Agua % 5.0 7.0 6.2 14.7 0 22.6 24.4 8.0 486.5 18
H
2
oC
4
% 0 93.0 43.7 43.7 0 67.3 75.6 0 0 0
Eter % 0 0 0 35.1 100 0 0 0 2000.0 74
Resolviendo el Problema: Solucin Modular Secuencial
Observese que existe un reciclo en el cual estan involucrados los 4 equipos. Con un anlisis
de reciclos se podr determinar la corriente de corte y la secuencia de solucin dentro del
reciclo. La estrategia de solucin modular secuencial supone que se conoce la informacin
de las corrientes de entrada, pero en este problema particular se tiene informacin de una
corriente de salida, lo que hace que se tenga que suponer adicionalmente la informacin de
una corriente de entrada y checar convergencia con la corriente de salida proporcionada. Esto
hace que este problema tenga dos ciclos: uno interno sobre el reciclo y uno externo sobre
las corrientes de entrada-salida. Primero se tendr que obtener convergencia sobre el ciclo
interno (reciclo) y nalmente sobre el ciclo externo (entradas-salidas).
A continuacin se marca paso a paso el procedimiento para resolver el problema de
manera modular secuencial:
1. Se determinan las corrientes de corte y la secuencia de solucin en el reciclo. La tabla
original es
E\C D G F H J K L R
M-1 EX EX S E
R-2 E S
S-3 E SX S
S-4 E SE S
y la tabla con la mejor secuencia es
E\C D G R F H J K L
M-1 EX EX E S
R-2 E S
S-3 E SX S
S-4 S E SE
Se toma la corriente 1 como corriente de corte y la secuencia de solucin en el reciclo
ser: M1-R2-S3-S4
2. Especicar

D=2000 R=500
r
o
= 0.95 .
j
= 0.93 r
v
= 0.92
para resolver simultaneamente las

ecuaciones A2.7 (en el mezclador) para encontrar

G
o

j

v
F r
)

)
.
)
Nota: Los valores de D y G estan relacionados por la relacin 1 : 1 de Alcohol/Acido

de la ecuacin 2.28 (se asignan valores a D y se calcula G con la ecuacin). Los valores
de r
o
, .
j
y r
v
son especicados en el problema.
2360.0 = r
)
1
2000
o
+
j
G+ 500
v
=
)
1
.93G = .
)
1
r
)
+
)
+.
)
= 1
1900.0 = .93G
.95 +
o
= 1
j
+.93 = 1
.92 +
v
= 1
, Resolviendo:
r
)
= 0.456 16
)
= 6. 323 5 10
2
1 = 5173.6
.
)
= 0.480 6
G = 2043.0
o
= 0.05
j
= 0.07
v
= 0.08
3. Los valores

F= 5173.6 r
)
= 0.456 16
)
= 0.063235

obtenidos del mezclador se
toman como variables de diseo para resolver simultaneamente las ecuaciones B2.18
(en el reactor) para encontrar
H r
I

I
.
I
n
I
c
a
c
j
c
&
.
)
C
a
C
j
C
Z
2360.0 = r
I
H +C
a
327.15 +C
j
=
I
H
.
)
(5173.6) = .
I
H
C
&
= n
I
H
0.519 40 +.
)
= 1
r
I
+
I
+.
I
+n
I
= 1
c
a
= 44.635
c
j
=
1
2
c
a
c
&
=
1
2
c
a
C
a
= 46c
a
C
j
= 18c
j
C
&
= 74c
&
, Resolviendo:
r
I
= 5.930 1 10
2
I
= 0.140 88
.
I
= 0.480 60
H = 5173.6
.
)
= 0.480 61
n
I
= 0.319 22
c
a
= 44.635
c
j
= 22.318
c
&
= 22.318
C
a
= 2053.2
C
j
= 401.72
C
&
= 1651.5
4. Los valores
H= 5173.6 r
I
= 5.930 1 10
2
I
= 0.140 88 .
I
= 0.480 60

obtenidos
del reactor se toman como variables de diseo para resolver simultaneamente las ecua-
ciones C12* (en el separador de eter) para encontrar

J n
I
K r
I

I
.
I
306. 80 = r
I
1
728. 86 =
I
1
2486. 4 = .
I
1
n
I
(5173.6) = J
0.680 78 +n
I
= 1
r
I
+
I
+.
I
= 1
, Resolviendo:
r
I
= 8.710 8 10
2
I
= 0.206 94
1 = 3522.1
J = 1651.5
n
I
= 0.319 22
.
I
= 0.705 95
Nota: El valor de J calculado es igual al especicado en el problema? Qu hacer?
5. Los valores

K= 3522.1 r
I
= 8.710 8 10
2
I
= 0.206 94

obtenidos del sepa-
rador S-3 y r
v
se toman como variables de diseo para resolver simultaneamente las
ecuaciones D23* (en el separador de alcohol) para encontrar

L
|
.
|
R r
v
.
I
306.8 = 0.921
728.86 =
|
1 +
v
1
.
I
(3522.1) = .
|
1
0.294 05 +.
I
= 1
|
+.
|
= 1
0.92 +
v
= 1
, Resolviendo:
R = 333.48
|
= 0.220 22
1 = 3188.6
.
I
= 0.705 95
.
|
= 0.779 78
v
= 0.08
6. Si el valor de R obtenido en S-4 es igual al valor de R supuesto en el paso 1, entonces
se ha obtenido convergencia en el RECICLO. En caso contrario, tomar el nuevo valor
de R y repetir los pasos del 1 al 4 hasta alcanzar convergencia.
Despes de alcanzar convergencia se tiene:
Corrirnte D G F H J K L R C P
Flujo kg, h X 2043.0 4351.6 4351.6 1528.3 2823.4 2514.7 308.6
Alcohol % X 50.186 6.524 3 10.056 X 1900.0 X
Agua % 5 7.0 6.151 7 14.6 94 22.648 24.446 8 371.74 X
H
2
oC
4
% X 43.662 43.662 67.296 75.554
Eter % 35.119 100 1528. 3 X
7. Despes de alcanzar convergencia en el reciclo, se procede a checar la convergencia
en el ujo de salida J obtenido. Si el valor de J es igual al valor especicado en el
problema, entonces se ha obtenido la SOLUCION. En caso contrario, cambiar de una
manera apropiada el valor de D y repetir los pasos del 1 al 5 hasta alcanzar la solucin.
A partir de 1 = 2000 se alcanz J = 1528.3, por lo que el nuevo valor de 1 para
alcanzar el valor deseado de J = 2000 es
1 = (2000)
2000
1528.3
= 2617.3
A partir de 1 = 2000 se alcanz 1 = 308.6, porlo que el nuevo valor de 1 para alcanzar
el nuevo valor de 1 = 2617.3 (correspondiente a J = 2000) es
1 = (2617.3)
308.6
2000
= 403.85
Con estos valores de 1 y 1 se llega a la solucin, despes de alcanzar convergencia en
el reciclo.
NOTA: En un Problema de balances de material, los Flujos son transparentes (escal-
ables), es decir, si un ujo de entrada se multiplica por un factor entonces los ujos
de salida quedan multiplicados por ese factor. Obsrvese que en este caso solo ser
necesario escalar los ujos totales.
2.1.2. Problema de Diseo
La gura muestra un sistema de intercambio de calor que se lleva a cabo en dos equipos
en serie y estado estacionario. Las ecuaciones que describen el sistema consisten bsicamente
en balances de energa y ecuaciones de diseo para cada intercambiador, y son las siguientes:

m , c , T h h ho m , c , T h h hf hi
T
m , c , T 1 1 1o
m , c , T 2 2 2o
K , U , A 1
1 1
K , U , A
2
2 2
1f
T
2f
T
Para el intercambiador 1:
1111 : Q
1
= :
I
c
I
(1
Ic
1
Ii
) (1)
1111 : Q
1
= :
1
c
1
(1
1)
1
1c
) (2)
111 : Q
1
= l
1
1
1
1
(3)
l
1
= l
1
(:
I
. 1
Ic
. 1
Ii
. :
1
. 1
1c
. 1
1)
. 1
1
) (4)
1
1
=
(1
Ii
1
1c
) (1
Ic
1
1)
)
ln
T
1
T
T
1
(5)
Para el intercambiador 2:
1112 : Q
2
= :
I
c
I
(1
Ii
1
I)
) (6)
1112 : Q
2
= :
2
c
2
(1
2)
1
2c
) (7)
112 : Q
2
= l
2
2
1
2
(8)
l
2
= l
2
(:
I
. 1
Ii
. 1
I)
. :
2
. 1
2c
. 1
2)
. 1
2
) (9)
1
2
=
(1
I)
1
2c
) (1
Ii
1
2)
)
ln
T
2
T
T
2
(10)
Se tiene:
Ecuaciones: 10
Variables: 23
Q
1
:
I
c
I
1
Ic
1
Ii
:
1
c
1
1
1)
1
1c
l
1

1
1
1
Q
2
1
I)
:
2
c
2
1
2)
1
2c
l
2

2
1
2
1
2
1
1
Parmetros: 5

1
1
c
1
c
I
1
2
c
2
GL=23 5 10 = 8
La tabla de incidencias es:
E\V Q1 Q2 Thi T1f m1 U1 A1 DT1 m2 T2f U2 A2 DT2 mh Tho T1o Thf T2o
1 A B B B
2 A B B B
3 A B B B
4 E E E A E E E
5 E E A E E
6 A B B B
7 A B B B
8 A B B B
9 E E E A E E E
10 E E A E E
Aplicando el algortmo
E\V DT2 T2f T2o Thf Thi m2 mh U2 Q2 A2 DT1 T1f T1o Tho Q1 m1 U1 A1 EGL
10 A E E E E 5
9 E E E E E E A 7
6 B B B A 4
7 B B B A 4
8 B B A B 4
5 E A E E E 5
1 B B B A 4
2 B B A B 4
4 E E E E E E A 7
3 B A B B 4
VGL 2 3 3 3 6 2 4 2 3 1 2 3 3 3 3 2 2 1
Variables de diseo: Fijar los valores de las variables

T
2)
T
2c
T
I)
T
Ii
m
2
( m
I
) T
1)
T
1c
T
Ic
Seguir el procedimiento:
1. De 101
2
V 8
2. Simultaneas 9, 6, 7:
I
. l
2
. Q
2
V 8, 1, 4
3. De 8
2
V
4. De 51
1
V 3
5. De 1Q
1
V 2, 3
6. De 2:
1
V 4
7. De 4l
1
V 3
8. De 3
1
V
2.2. MODELOS EN ESTADO TRANSITORIO
2.2.1. Tanque de Almacenamiento
En la gura se muestra el proceso
Balance de material
(1) :
d:
dt
= `
i
`
c
MODELOS EN ESTADO TRANSITORIO 57
Ecuaciones auxiliares
(2) : : = j\
(3) : `
i
= j
i
1
i
(4) : `
c
= j
c
1
c
(5) : \ = /
Si el udo sale por gravedad, aplica
(6) : 1
c
= ,
/
Si se tiene la suposicin de mezclado perfecto:
(7) : j = j
c
Para lquidos a temperatura contante se tiene densidad constante:
(8) : j
i
= j
De esta manera:
Ecuaciones: 8
Variables: 12
: `
i
`
c
/
j j
i
j
c

\ 1
i
1
c
,
GL= 12 8 = 4
La Tabla de Funcionalidad es
E\V m Mi Mo
i

o
V Fi Fo h A
1 D A A
2 A B B
3 A B B
4 A B B
5 A B B
6 A C B
7 A A
8 A A
Aplicando el algoritmo de ordenamiento
E\V Fo h A V
o

i
Mo m Fi Mi
1 A D A
6 A C B
5 B B A
7 A A
8 A A
4 B B A
2 B B A
3 B B A
Observese que de la tabla de funcionalidad ordenada encontramos que las variables de
diseo se obtienen de los conjuntos {1
c
. /. ,}, {. \ }, {j. j
c
} y {1
i
. :
i
}. En este caso se
escogen, de manera prioritaria, las variables de diseo que tienen la funcionalidad mayor
(orden de prioridad: 1, C, 1 y ). De esta manera, las variables de diseo seleccionadas
sern {/. ,. . j. 1
i
}
Aplicando la estrategia de sustitucin obtenida de la tabla de funcionalidad. Primero
se ordenaran las ecuaciones de acuerdo a como aparecen en la tabla y depes se harn las
sustituciones.
Ordenando las ecuaciones
(1) :
d:
dt
= `
i
`
c
(6) : 1
c
= ,
/
(5) : \ = /
(7) : j = j
c
(8) : j
i
= j
(4) : `
c
= j
c
1
c
(2) : : = j\
(3) : `
i
= j
i
1
i
Haciendo las sustituciones:
(1) :
d (j/)
dt
= j1
i
j,
/
(6) : 1
c
= ,
/
(5) : \ = /
(7) : j
c
= j
(8) : j
i
= j
(4) : `
c
= j,
/
(2) : : = j/
(3) : `
i
= j1
i
Recurdese que las variables de diseo escogidas fueron {/. ,. . j. 1
i
}, sin embargo, de
estas variables de diseo se debe asignar una para resolverse con la ecuacin diferencial
(ecuacin 1). Las variables apropiadas para resolverse con la ED son las que aparecen in-
volucradas dentro del diferencial, en este caso {j. /. }, y de este grupo, la variable de estado
por exelencia es la altura /. Ya escogida la variable de estado, se debe hacer un estudio de
las otras variables del grupo de la diferencial (en este caso j y ) para ver si dependen o no
del tiempo. En caso de que j o dependan del tiempo, se tendr que buscar una expresin
de stas variables en funcin del tiempo o en funcin de la variable de estado /. Para este
caso en particular j y son constantes, por lo que la ecuqacin 1 se puede arreglar como:
(1) :
d/
dt
=
1
i
/
Una de las 5 variables de diseo queda asignada con la ecuacin 1 (en este caso /), por
lo que ahora las variables de diseo sern {j. 1
i
. . ,}, pero como j no aparece en la EDO,
entonces no es necesaria para resolverla.
As pues, asignando los valores de las variables de diseo {j. 1
i
. . ,} y resolviendo la
ecuacin 1, se resuelve por completo el problema.
2.2.2. Calentador de Tanque Agitado
El proceso es descrito por la gura
NOTA: Se supone agitacin perfecta por lo que las propiedades a la salida son iguales
que en el bulto.
Balance de material
(1) :
d:
dt
= `
i
`
Balance de energa
(2) :
dc
dt
=
i
+Q+\
Otras ecuaciones
(3) : : = j\
(4) : `
i
= j
i
1
i
(5) : ` = j1
(6) : c = :1
(7) :
i
= `
i
1
i
(8) : = `1
(9) : 1 = l (+1
j
+1
I
)
(10) : 1
i
= l
i
(11) : l = H 1,j
(12) : l
i
= H
i
1
i
,j
i
(13) : H = c (1 1
v
)
(14) : H
i
= c
i
(1
i
1
v
)
(15) : \ = \
c
+1
i
1
i
11
Se tienen:
Ecuaciones: 15
Variables: 27
: `
i
` c
i
c
j j
i
1 1
i
c
i
1
\ 1
i
1 l l
i
1
i
1
v
\ \
c
Q H H
i
1 1
i
GL=27 15 = 12
La matriz de funcionalidad es:
E\V m Mi M e i Q W i V F Fi E Ei U Ui Ws P Pi H Hi T Ti c ci Tr
1 D A A
2 D A A A A
3 A B B
4 A B B
5 A B B
6 B A B
7 B A B
8 B A B
9 A A
10 A A
11 B A B A
12 B A B A
13 A B B B
14 A B B B
15 A B B A B B
Aplicando los algoritmos de ordenamiento
E\V ci Hi Ti Tr c H T Pi Ui i Ei P U E F Fi W Ws M Mi i m V e Q
1 A A D
2 A A A D A
14 B A B B
13 B B A B
12 A B A B
10 A A
11 A B A B
9 A A
15 B B B B A A
5 B B A
8 B B A
4 B B A
7 B B A
3 B A B
6 B B A
Observe que de la tabla de funcionalidad ordenada se encuentran las variables de diseo de
los conjuntos {c
i
. H
i
. 1
i
. 1
v
}, {c. H. 1}, {1
i
. l
i
. j
i
}, {1. l. j}, {1. 1
i
. \. \:}, {:. \ }. En este
caso se escogern, de manera prioritaria, las variables de diseo que tienen la funcionalidad
mayor (prioridad: 1, C, 1 y ). De esta manera, las variables de diseo seleccionadas sern
{c
i
. 1
i
. 1
v
. c. 1. 1
i
. j
i
. 1. j. 1. 1
i
. \:. \. Q}.
Aplicando la estrategia de sustitucin obtenida de la tabla de funcionalidad. Primero
se ordenaran las ecuaciones de acuerdo a como aparecen en la tabla y depes se harn las
sustituciones.
Ordenando las ecuaciones
(1) :
d:
dt
= `
i
`
(2) :
dc
dt
=
i
+Q+\
(14) : H
i
= c
i
(1
i
1
v
)
(13) : H = c (1 1
v
)
(12) : l
i
= H
i
1
i
,j
i
(10) : 1
i
= l
i
(11) : l = H 1,j
(9) : 1 = l (+1
j
+1
I
)
(15) : \ = \
c
+1
i
1
i
11
(5) : ` = j1
(8) : = `1
(4) : `
i
= j
i
1
i
(7) :
i
= `
i
1
i
(3) : : = j\
(6) : c = :1
Haciendo las susutituciones
(1) :
d (j\ )
dt
= j
i
1
i
j1
(2) :
d [j\ c (1 1
v
) \ 1]
dt
= j
i
1
i
c
i
(1
i
1
v
) j1c (1 1
v
) +Q+\
c
(14) : H
i
= c
i
(1
i
1
v
)
(13) : H = c (1 1
v
)
(12) : l
i
= c
i
(1
i
1
v
) 1
i
,j
i
(10) : 1
i
= c
i
(1
i
1
v
) 1
i
,j
i
(11) : l = c (1 1
v
) 1,j
(9) : 1 = c (1 1
v
) 1,j
(15) : \ = \
c
+1
i
1
i
11
(5) : ` = j1
(8) : = j1 (c (1 1
v
) 1,j)
(4) : `
i
= j
i
1
i
(7) :
i
= j
i
1
i
(c
i
(1
i
1
v
) 1
i
,j
i
)
(3) : : = j\
(6) : c = j\ (c (1 1
v
) 1,j)
En este sistema se deben resolver simultaneamente las ecuaciones (EDO) 1 y 2, las cuales
involucran 6 de las 14 variables de siseo {j. \. c. 1. 1
v
. 1} dentro de la derivada. De estas 6
variables se deben asignar 2 variables de estado para resolverse con las dos EDO. Lo natural
es asignar \ a la ecuacin 1 y 1 a la ecuacin 2. De esta manera, se deber investigar que
pasa con las otras 4 variables de las derivadas {j. c. 1
v
. 1}. De acuerdo al procedimiento se
sabe que c y 1
v
son constantes. Por otro lado, debido a que se tiene un sistema lquido, j y
1 se pueden considerar constantes, y en caso de no serlo se debern buscar expresiones de j
y 1 en funcin de \ y 1 (por ejemplo 1\ = :11).
De esta manera las variables de diseo seran {c
i
. 1
i
. 1
v
. c. 1
i
. j
i
. 1. j. 1. 1
i
. \:. Q}.
Tomando esto en cuenta y reacomodando las EDO se tiene
(1) :
d\
dt
=
j
i
j
1
i
1
(2) : \
d [jc (1 1
v
) 1]
dt
+ (jc (1 1
v
) 1)
d\
dt
: = j
i
1
i
c
i
(1
i
1
v
) j1c (1 1
v
) +Q+\
c
La ecuacin 1 se sustituye en la ecuacin 2 y resulta
(1) :
d\
dt
=
j
i
j
1
i
1
(2) : \
d [jc (1 1
v
) 1]
dt
+ (jc (1 1
v
) 1)
j
i
j
1
i
1
: = j
i
1
i
c
i
(1
i
1
v
) j1c (1 1
v
) +Q+\
c
Simplicando
(1) :
d\
dt
=
j
i
j
1
i
1
(2) : \ jc
d1
dt
= j
i
1
i
[c
i
(1
i
1
v
) c (1 1
v
)] +1

j
i
j
1
i
1
+Q+\
c
Es prctica comn tomar la temperatura de referencia 1
v
igual a la temperatura de la
entrada 1
i
, por lo que 1
i
1
v
= 0, entonces
(1) :
d\
dt
=
j
i
j
1
i
1
(2) : \
d1
dt
=
j
i
1
i
j
(1 1
i
) +
1
jc
j
i
j
1
i
1
+
Q+\
c
jc
3. OPTIMIZACION
3.1. Bases Matemticas
Un problema de programacin matemtica u optimizacin, se puede establecer en forma
general como
Determinar r, el cual minimiza o maximiza , (r)
sujeto a
c
i
(r) = /
i
i = 1. 2. . . . . j (3.1)
d
i
(r) c
i
i = 1. 2. . . . . : (3.2)
donde r es un vector de diseo con : dimensiones, , (r) es la funcin objetivo; d
i
(r) son las
restricciones de desigualdad; c
i
(r) son las restricciones de igualdad, y c
i
y /
i
son constantes.
-10
-8
-6
-4
-2
0
2
y
-10 -8 -6 -4 -2 2 4 6 8 10
x
Los problemas de optimizacin se pueden clasicar con base en la forma de , (r) como
1. Programacin lineal.- Si , (r) y las restricciones son lineales.
2. Programacin cuadrtica.- Si , (r) es cuadrtica y las restricciones son lineales.
3. Programacin no-lineal.- Si , (r) es no-lineal y/o las restricciones son no-lineales.
OPTIMIZACION 65
Ademas cuando las ecuaciones (3.1) y/o (3.2) estan incluidas en el problema, tenemos
un problema de optimizacin restringida; de otra forma es un problema de optimizacin
no-restringida.
Otra manera de clasicar los problemas de optimizacin, depende del tipo de varibles r
que se tenga. Por ejemplo, un problema de optimizacin que involucre solamente variables
enteras, es decir variables que toman unicamente valores enteros, se denomina programacin
entera; un problema que involucra solamente variables reales se denomina de programacin
no-entera, mientras que uno que involucre tanto variables enteras como reales se denomina
programacin mixta-entera. En este curso trataremos nicamente con problemas de progra-
macin no-entera.
Una manera ms en la cual se clasican los problemas de optimizacin es mediante la
dimensionalidad, con lo cual se clasican los problemas en unidimensionales y multidimen-
sionales. Como su nombre lo indica, los primeros involucran funciones que dependen de una
sola variable, : = 1, mientras que los problemas multidimensionales involucran funciones
que dependen de dos o ms variables, : 2.
Finalmente, el proceso de encontrar un mximo versus encontrar un mnimo es en esencia
idntico, ya que el msmo valor, r
, minimiza , (r) y maximiza , (r). Esta equivalencia se

ilustra en forma grca por una funcin unidimensional en la gura siguiente
-1
-0.5
0
0.5
1
-1 -0.5 0.5 1 x
3.2. Optimizacin Univariable: Problemas Max-Min
La primera aplicacin de la derivada esta dirigida a la maximizacin o minimizacin de
funciones. Suponga que = , (r) es una funcin y se desea conocer los valores mayor y
menor de para r en algn dominio conocido. En la mayora de los casos los valores mximo
o mnimo se encuentran en un "turning point", el cual es un mximo o mnimo local.
66 OPTIMIZACION
0
2
4
6
y
-2 -1 1 2 x
Existen otros puntos diferentes a los turning poits donde la lnea tangente puede ser
horizontal. Por ejemplo la grca = .5(r 1)
3
+ 2
-2
0
2
6
-1 1 2 3 x
tiene una tangente horizontal en r = 1, el cual es un punto de inexin (no es mximo ni
mnimo local). Los valores de r en los cuales estan los turning point como los puntos de
inexin se conocen como puntos crticos, r
.
En los puntos crticos, la lnea tangente es horizontal por lo que la primera derivada debe
ser igual a cero
d, (r
)
dr
= ,
0
(r
) = 0 (3.3)
De esta manera los puntos crticos, se obtienen resolviendo para r
la ecuacin anterior.
Evaluando , (r) en los puntos crticos se puede determinar el valor mximo o mnimo de
, (r) sobre los valores preescritos de r
.
El encontrar los puntos crticos se puede realizar de diferentes maneras, las cuales se
explican a continuacin.
OPTIMIZACIN UNIVARIABLE: PROBLEMAS MAX-MIN 67
3.2.1. Mtodos Analticos
En este caso se tendr que disponer de la forma explcita de la funcin objetivo = , (r),
su primera derivada
oj
oa
= ,
0
(r) y la segunda derivada
o
2
j
oa
2
= ,
00
(r). De esta manera se
resolver para r
la ecucin no-lineal (3.3) y todos los valores r
que cumplan con la identidad

sern los puntos crticos. Para determinar el tipo de punto crtico se sustituir en la expresin
de la segunda derivada, de acuerdo al siguiente criterio
,
00
(r
) 0 Mnimo
,
00
(r
) < 0 Mximo
,
00
(r
) = 0 Punto de Inexin
Cabe mencionar que cuando r
no se puede resolver analticamente de la ecuacin (3.3), se

hace uso de los mtodos numricos para la solucin de ecuaciones no-lineales. Tales mtodos
son: Biseccin, Secante, Newton-Raphson, etc.
Ejemplo 3.1 Se desea enfriar un gas (C
j
= 0.3
1t&
|b
1
) desde 195 a 90
c
F, usando agua de
enfriamiento a 80
c
F. El agua cuesta $0.02,1000 lb, y los cargos jos anuales para el inter-
cambiador son $0.50,ft
2
de supercie interna, con un diametro de 0.0875ft. El coeciente de
transferencia de calor es l = 8
1t&
I)t
2
1
para un ujo de gas de 3000lb/h. Optimice los costos
del intercambiador suponiendo un intercambiador de tubos concntricos a contracorriente.
Ejemplo 3.2 Minimizar el costo de una caja de un volumen dado: Una caja de base
cuadrada en el fondo y domo se mantendr en 250 in
3
. Si el material de los lados tiene un
costo de $0.03 por in
2
mientras que el material para el fondo y el domo tiene un costo de
$0.08 por in
2
, determine las dimensiones de la caja para las cuales el costo es mnimo. cul
es el mnimo costo en pesos?
x
x
h
68 OPTIMIZACION
Ejemplo 3.3 Maximizar el rea de un rectngulo inscrito en una elipse: Determine las di-
mensiones (base y altura) del rectngulo de mayor rea inscrito en la elipse 4r
2
+9
2
= 36.
cual es el rea del rectngulo ms grande?
Ejemplo 3.4 Minimizar la Distancia desde (0,1) al punto en = r
2
: Encontrar el (los)
punto(s) en la parbola = r
2
que sea(n) ms cercano(s) al punto (0. 1).
3.2.2. Optimizacin por medio de Software (Excel)
Hoy en da es comn el uso de la computadora para resolver problemas por medio de
software especializado. En este apartado se explicar la manera en que se puede usar el
paquete de software Excel para resolver problemas de Optimizacin.
Excel cuanta con una herramienta de clculo llamada Solver. El Solver es un add-in a
Excel con el cual se pueden resolver sistemas de ecuaciones o bien se pueden resolver proble-
mas de optimizacin multivariable con restricciones. El punto clave para resolver problemas
de optimizacin con Excel es plantear la funcin objetivo y las restricciones (sobre todo las
de igualdad) adecuadamente sobre la hoja.
Para hacer uso de Solver sobre Excel se obtiene desde: Herramientas-Solver..., tal como
se muestra en la gura
De esta manera se obtiene la ventana del Solver
La ventana se llena de la manera siguiente:
La Celda objetivo es llenada con la celda de la hoja que contiene el clculo de la
Funcin Objetivo
En el Valor de la celda objetivo se escoje el tipo de problema que se desee trabajar:
Mximo, Mnimo o Solucin algebraica de un sistema de ecuaciones.
70 OPTIMIZACION
En Cambiando las celdas se llena con las celdas de la hoja que contienen los clculos
de la Variables de Diseo
En Sujetas a las siguientes restricciones se colocan todas las restriccions de igual-
dad y desiguladad que contiene el problema. Aqui tambien se puede especicar si las
variables son enteras y/o binarias.
En el botn de Opciones... se puede elegir el mtodo numrico de solucin y las
estrategias de convergencia.
Ahora se presentan algunos ejemplos
Ejemplo 3.5 Resolver el problema del Ejemplo 3.1 con Excel.
Ejemplo 3.6 Minimizar el costo de una caja de un volumen dado: Resolver el prob-
lema del Ejemplo 3.2 con Excel.
Ejemplo 3.7 Maximizar el rea de un rectngulo inscrito en una elipse: Resolver el prob-
lema del Ejemplo 3.3 con Excel.
Ejemplo 3.8 Minimizar la Distancia desde (0,1) al punto en = r
2
: Resolver el problema
del Ejemplo 3.4 con Excel.
3.2.3. Mtodos Grcos
En los casos en que se disponga de una funcin objetivo explcita = , (r), a menudo,
con su representacin grca, se puede determinar de forma aproximada la posicin de los
puntos crticos. Adems, se puede ver lo que esta pasando en los puntos crticos y determinar
cuales son mximos locales y cuales son mnimos locales.
Ejemplo 3.9 Encontrar de forma grca los puntos crticos de la funcin , (r) = 2 sinr
a
2
10
3.2.4. Mtodos Numricos
En caso de disponer solamente de forma explcita de la funcin objetivo = , (r), o
slo una aproximacin numrica de ella, es conveniente usar metodos numericos para la
optimizacin univariable. Dentro de estos mtodos destacan: seccin dorada, interpolacin
cuadrtica y newton.
Seccin Dorada
Este es un mtodo de intervalos cerrados. Supondremos que se maximiza una funcin
, (r).
El mtodo comienza con dos valores iniciales, r
|
y r
&
, que contienen un extremo local de
, (r). Despus, dos puntos interiores r
1
y r
2
se escogen de acuerdo con la razn dorada,
d =
5 1
2
(r
&
r
|
) = 0.618 03 (r
&
r
|
)
r
1
= r
&
d
r
2
= r
|
+d
La funcin se evala en estos dos puntos interiores. Dos resultados pueden ocurrir:
1. Si, como es el caso de la gura (a), , (r
1
) , (r
2
), entonces el dominio de r a la
derecha de r
2
(el intervalo entre r
2
y r
&
) se puede eliminar, ya que no contendr el
mximo. Para este caso, r
2
pasa a ser el nuevo r
&
, r
1
pasa a ser r
2
y r
|
seguir siendo
r
|
.
2. Si, como es el caso de la gura (b), , (r
2
) , (r
1
), entonces el dominio de r a la
izquierda de r
1
(el intervalo entre r
|
y r
1
) se puede eliminar, ya que no contendr el
mximo. Para este caso, r
1
pasa a ser el nuevo r
|
, r
2
pasa a ser r
1
y r
&
seguir siendo
r
&
.
Ahora, ste es le benecio real del uso de la razn dorada. Debido a que los r
1
y r
2
originales se han escogido mediante la razn dorada, no se tiene que recalcular los valores de
la funcin para la siguiente iteracin.
Como las iteraciones se repiten, el intervalo que contiene el extremo se reduce rpida-
mente. De hecho en cada vuelta el intrvalo se reduce por un factor de la seccin dorada
72 OPTIMIZACION
(aproximadamente el 61.8 %). Esto signica que despus de 10 vueltas el intrvalo se acorta
a 0.618
10
= 0.008 o 0.8 % de su longitud inicial.
Un criterio til para probar la convergencia en cada iteracin, esta denido en porcentaje
como
= 100
5
2
!
r
&
r
|
r
cjt
donde r
cjt
es el mejor valor de r
1
y r
2
en la iteracin actual.
Ejemplo 3.10 Use la bsqueda de la seccin dorada para encontrar el mximo de , (r) =
2 sin (r)
a
2
10
dentro del intervalo r
|
= 0 y r
&
= 4.
Mtodo de Interpolacin Cuadrtica
La interpolacin cuadrtica tiene la ventaja del hecho que un polinomio de segundo orden
con frecuencia proporciona una buena aproximacin a la forma de , (r) cercana a un ptimo.
as como existe slo una lnea recta para conectar dos puntos, hay nicamente una
cuadrtica o parbola para conectar tres puntos. De esta forma, si se tienen tres puntos
que juntos contienen un ptimo, se puede ajustar una parbola a los puntos. Despus se
puede diferenciar e igualar el resultado a cero, y resolver para una estimacin de la ptima
r. Se puede demostrar que despus de un manejo algebraico es
r
3
=
, (r
0
) (r
2
1
r
2
2
) +, (r
1
) (r
2
2
r
2
0
) +, (r
2
) (r
2
0
r
2
1
)
2, (r
0
) (r
1
r
2
) + 2, (r
1
) (r
2
r
0
) + 2, (r
2
) (r
0
r
1
)
donde r
0
, r
1
y r
2
son los valores que jan el extremo, y r
3
es el valor de r que corresponde
al mximo valor del ajuste cuadrtico a los valores iniciales. Despus de esta estimacin del
ptimo, se puede eliminar cualquiera de los tres puntos iniciales. Sin embargo, la manera ms
apropiada de reducir el espacio de bsqueda y obtener convergencia rpida, es eliminando el
punto que se encuentre ms alejado de r
3
.
Ejemplo 3.11 Use la interpolacin cuadrtica para aproximar el mximo de , (r) = 2 sin (r)
a
2
10
con valores iniciales r
0
= 0, r
1
= 1 y r
2
= 4.
Mtodo de Newton
Recuerde que el mtodo de Newton-Raphson es un mtodo abierto que encuentra la raiz
de r como una funcin tal que q (r) = 0. El mtodo se resume como
r
I+1
= r
I
q (r
I
)
q
0
(r
I
)
Se puede usar un planteamiento similar abierto para encontrar un ptimo de , (r) al
denir una nueva funcin q (r) = ,
0
(r).
As, como el valor ptimo r
satisface ambos
,
0
(r
) = q (r
) = 0
se puede usar lo siguiente
r
I+1
= r
I
q (r
I
)
q
0
(r
I
)
= r
I
,
0
(r
I
)
,
00
(r
I
)
como una tcnica para encontrar los puntos crticos de , (r). El mtodo de Newton es
abierto y similar al de Newton-Raphson porque no requiere de valores iniciales que encierren
el ptimo. Adems, tambin comparte la desventaja de poder ser divergente. Por ltimo, es
una buene idea vericar que la segunda derivada tenga usualmente el signo correcto para
conrmar que la tcnica converge sobre el resultado deseado.
Ejemplo 3.12 Use el mtodo de Newton para encontrar el mximo de , (r) = 2 sin (r)
a
2
10
con un valor inicial r
0
= 2.5.
74 OPTIMIZACION
3.3. Optimizacin Multivariable Sin Restricciones
Aqu se describen las tcnicas para encontrar el mnomo o mximo de una funcin de
varias variables. Recuerde que nuestra imagen visual de una bsqueda unidimensional fue
como una montaa rusa. Para el caso en dos dimensiones, la imagen es ahora como la de
montaas y valles (vase la gura). Para problemas de grandes dimensiones, no son posibles
imgenes adecuadas.
En el caso de problemas multidimensionales, los puntos crticos se encuentran en los
lugares en los que la derivada de la funcin , (r) con respecto a cualquier direccin r
i
( i = 1. 2. . . . . :) es exactamente igual a cero. Esto implica que en los puntos crticos el
gradiente de la funcin sea igual a cero
, (r) =
0
0a
1
0
0a
2
.
.
.
0
0a
, (r) =
0)(a)
0a
1
0)(a)
0a
2
.
.
.
0)(a)
0a
= 0
De esta manera, los puntos crticos son los valores de r que cumplen con las ecuaciones
anteriores.
3.3.1. Solucin Analtica
Aplicando directamente el gradiente.
Ejemplo 3.13 Localizar el mximo de
, (r. ) = 3.5r + 2 +r
2
r
4
2r
2
3.3.2. Solucin Numrica
Las tcnicas para la optimizacin multidimensional sin restricciones se pueden clasicar
de varias formas. Para propsitos del presente anlisis, se dividirn dependiendo de si se
requiere la evaluacin de la derivada. Los procedimientos que no requieren dicha evaluacin
se llaman mtodos no gradientes o directos. Aquellos que requieren las derivadas son llamados
mtodos gradientes o mtodos de descenso (o ascenso). Cuando el mtodo hace uso de la
segunda derivada (matriz hessiana) se conoco como mtodos de segundo orden.
Dentro de los mtodos directos se cuentan:
OPTIMIZACIN MULTIVARIABLE SIN RESTRICCIONES 75
1. Bsqueda aleatoria
2. Una variable a la vez
3. Mtodo simplex
4. Mtodo de Powell, etc.
Dentro de los mtodos gradientes se encuentran:
1. Mtodo del gradiente
2. Mtodo del gradiente conjugado (Fletcher-Reeves)
3. Mtodo cuasi-Newton
4. Mtodo de Marquardt, etc.
Dentro de los mtodos de segundo orden esta el mtodo de Newton.
En este curso, por falta de tiempo, solamente se estudiar el mtodo de Newton.
Mtodo de Newton
De acuerdo al metodo de newton univariable, , (r), se tiene
r
I+1
= r
I
,
0
,
00
Este resultado se puede extrapolar a una funcin de : variables independientes, , (A),
haciendo uso de la notacin matricial
A
I+1
= A
I
H (,)
1
,
Ejemplo 3.14 Realice dos iteraciones del mtodo Newton para localizar el mximo de
, (r. ) = 3.5r + 2 +r
2
r
4
2r
2
mediante los valores iniciales r = 0, = 0.
76 OPTIMIZACION
3.4. Optimizacin Multivariable Con Restricciones
El caso ms sencillo es el problema de programacin lineal que se estudia amplia-
mente en los cursos de Investigacin de Operaciones o Tcnicas de Planeacin. Casos ms
complicados se pueden resolver con multiplicadores de Lagrange. Aqu estudiaremos un
problema de programacin lineal que surge en los procesos de ingeniera qumica.
Ejemplo 3.15 Una planta qumica fabrica tres productos (1, 1, G) y utiliza tres materias
primas (, 1, C) en cantidad limitada. Cada uno de los productos es producido en diferente
proceso (1, 2, 3); un esquema de la planta se muestra en la gura.

1

2

3
A
G
F
E
B
C
Los materiales disponibles A, B y C pueden no ser consumidos totalmente. La informacin
del proceso es como sigue:
Proceso Reaccion Producto requerimientos* Costo Proces Precio venta prod
1 +1 1 1
2
3
,
1
3
1 1.5 c/lb E 4.0 c/lb E
2 +1 1 1
2
3
,
1
3
1 0.5 c/lb F 3.3 c/lb F
3 3+ 21 +C G G
1
2
,
1
6
1,
1
3
C 1.0 c/lb G 3.8 c/lb G
* cantidad en lb de reactivo por lb de producto
Mat. Prima Disponibilidad Costo
A 40000 lb/dia 1.5 c/lb
B 30000 lb/dia 2.0 c/lb
C 25000 lb/dia 2.5 c/lb
Formular el problema de optimizacin para maximizar el benecio total por dia en $/dia.
OPTIMIZACIN MULTIVARIABLE CON RESTRICCIONES 77
78 OPTIMIZACION
A. MODELOS DE OPERACIONES UNITARIAS
EN ASPEN+
La siguiente tabla es til para seleccionar el modelo apropiado para la operacin unitaria
deseada:
Tipo Modelo Descripcin
Mezcladores/Divisores Mixer Mezclador de corrientes
(Mixer/Spliters) FSplit Partidor de corrientes
SSplit Partidor de subcorrientes
Separadores Flash2 Flash de dos salidas
(Separators) Flash3 Flash de tres salidas
Decanter Decantador lquido-lquido
Sep Separador de componentes en multiples salidas
Sep2 Separador de componontes en dos salidas
Intercambiadores de calor Heater Calentador/enfriador
(Heat Exchangers) HeatX Intercambiador de calor de dos corrientes
MheatX Intercambiador de calor multicorriente
HxFlux Transferencia de calor entre una fuente y un consumidor de calo
Hetran Interface a Aspen Hetran de inter. de calor de concha y tubos
Aerotran Interface a Aspen Aerotran de inter. enfriados por aire
HTRI-Xist Interface al programa Xist
Columnas DSTWU Diseo de CD por mtodos cortos
(Columns) Distl Simulacin de CD por mtodos cortos
RadFrac Destilacin por mtodos rigurosos
Extract Extraccin lquido-lquido por mtodos rigurosos
MultiFrac Columnas complejas de destilacin por mtodos rigurosos
SCFrac Columnas de destilacin de petrleo por mtodos cortos
PetroFrac Columnas de destilacin de petrleo por mtodos rigurosos
RateFrac Destilacin rate-based"
BatchFrac Destilacin Batch por mtodos rigurosos
Reactores RStoic Reactor estequiomtrico
(Reactors) RYield Reactor de conversin
REquil Reactor de equilibrio
RGibbs Reactor de equilibrio
RCSTR Reactor continuo de tanque agitado
RPlug Reactor de ujo pistin
RBatch Reactor batch
MODELOS DE OPERACIONES UNITARIAS EN ASPEN+ 79
Cambiadores de presin Pump Bomba/Turbina hidrulica
(Pressure Changers) Compr Compresor/Turbina
MCompr Compresor/Turbina de multiefecto
Pipeline Cada de presin en tuberias nultisegmento
Pipe Cada de presin en tuberias unisegmento
Valve Cada de presin rigurosa en vlvulas
Manipuladores Mult Multiplicador de corriente
(Manipulators) Dupl Duplicador de corriente
ClChng Cambiador de clase de corriente
Analyzer Calculador de corriente
Feedbl Calculador de corriente
Selector Selector de corriente
Measurement Conector planta a modelo
Slidos Crystallizer Cristalizador para remover suspensiones en productos mezclados
(Solids) Crusher Molino de slidos
Screen Separador de slidos
FabFl Filtro de tejido
Cyclone Separador de cicln
VScrub Molino de venturi
ESP Precipitador electrosttico
HyCyc Hidrocicln
CFuge Filtro centrfugo
Filter Filtro rotario de vacio
SWash Lavador de slidos de simple efecto
CCD Decantador a contra-corriente
Modelos del usuario User, User2 Modelos de operaciones unitarias dados por el usuario en Fortra
(User models) User3 Subrutinas de acceso a aspen EO
Excel Spreads Hojas de Excel accesadas a traves de User2
ACM Hojas exportadas desde ACL o AD
CAPE-OPEN Operaciones unitarias COM desarrolladas en VB o C++
Hierarchy Estructura jerarquica
80 MODELOS DE OPERACIONES UNITARIAS EN ASPEN+

SimOptim Apuntes

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SimOptim Apuntes

Cargado por

Copyright:

Formatos disponibles

APUNTES DE SIMULACION Y OPTIMIZACION

Dr. Ral Gonzlez Garca

La pregunta es: cul de esas posibilidades es la ms adecuada?.

Grados de Libesrtad (GL): 13-7=6

Balances de Material en R-2

De estas incgnitas se tienen 4 parmetros

, los cuales tam-

MODELOS EN ESTADO ESTACIONARIO 39

Ecuaciones de Diseo Adicionales Relacin de alimentacin recomendada

y resolver las ecuaciones de la

Finalmente para c = 0.87 se tiene:

para resolver simultaneamente las

Nota: Los valores de D y G estan relacionados por la relacin 1 : 1 de Alcohol/Acido

, minimiza , (r) y maximiza , (r). Esta equivalencia se

la ecucin no-lineal (3.3) y todos los valores r

que cumplan con la identidad

no se puede resolver analticamente de la ecuacin (3.3), se

También podría gustarte