Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Adsorcion
Adsorcion
Departamento de Ingeniera Qumica, Instituto Tecnolgico de Aguascalientes, Av. Adolfo Lpez Mateos 1801,
Aguascalientes 20256 Ags.*petriciolet@hotmail.com. Tel./Fax: (449) 9105002 ext. 127
(Recibido agosto 2005, aceptado octubre 2005)
ABSTRACT
The nonlinear parameter estimation of thermodynamic models, including the adsorption isotherms, is a multivariable and nonlinear problem that can present several local
optimums. The conventional optimization methods used in the parameter estimation of
adsorption isotherms are efficient but they are not reliable to solve such problem. In
this paper, we describe the application of the stochastic global optimization method
simulated annealing in the nonlinear regression of adsorption isotherms. This method
has been applied with Toth and Sips models. Our results indicate that this method is a
reliable optimization strategy for parameter estimation in adsorption isotherms.
INTRODUCCIN
Los procesos de separacin basados en la adsorcin
presentan diversas aplicaciones industriales y son muy
utilizados en la industria petroqumica, particularmente
en la refinacin del petrleo (Ruthven 1984). En el
mbito de la ingeniera ambiental, diversos contami-
202
A. Bonilla-Petriciolet et al.
en la fase lquida o gaseosa y del adsorbente. Existen diferentes clases de isotermas de adsorcin que
pueden ajustarse a modelos tericos, semitericos o
empricos. El modelo terico de Langmuir es el de
mayor aplicacin aunque generalmente no puede
representar los datos experimentales de diversos sistemas. Debido a esto, otros modelos ms sofisticados
y con mayor nmero de parmetros han sido propuestos (Valenzuela y Myers 1989).
Las isotermas de adsorcin, y por consecuencia
su correlacin, son importantes en el diseo y anlisis de las columnas empacadas. En el proceso de
ajuste de parmetros de los modelos de isotermas
generalmente se utilizan mtodos de optimizacin
convencionales tales como el mtodo Simplex, el algoritmo de Brent, el algoritmo de LevenbergMarquardt mtodos del tipo de Newton (Hindarso
et al. 2001, Yildirim et al. 2003). Si bien es cierto
que los modelos para isotermas de adsorcin son sencillos y presentan pocas constantes de ajuste, la funcin objetivo empleada en la regresin puede ser no
convexa y presentar mltiples ptimos locales. Bajo
estas condiciones, dichos mtodos pueden converger a condiciones que correspondan a mnimos locales y, por tanto, la capacidad de descripcin del modelo es inferior a la obtenida para el ptimo global.
En algunos casos, el modelo con los parmetros de
un ptimo local es incapaz de predecir algn tipo de
fenmeno o propiedad del sistema, tal y como se ha
demostrado para otro tipo de modelos termodinmicos (Gau et al. 2000).
El enfoque tradicional utilizado para localizar al
ptimo global, empleando mtodos de optimizacin
de convergencia local, se basa en el uso de diferentes estimaciones iniciales (Valenzuela y Myers 1989);
sin embargo, no existe garanta de que dicho ptimo
pueda localizarse aun con esta estrategia. Debido a
esto, es necesario contar con mtodos de optimizacin robustos, y preferentemente eficientes, para
obtener los parmetros de las isotermas que permitan la mejor representacin del sistema en anlisis.
Como una alternativa para la resolucin de este
problema se pueden utilizar mtodos de optimizacin
global (Esposito y Floudas 1998, Gau et al. 2000) que
se clasifican en deterministas y estocsticos. Los
deterministas ofrecen una garanta terica para minimizar globalmente a la funcin objetivo. No obstante,
stos se caracterizan por ser demandantes en tiempo
de cmputo y generalmente requieren reformulaciones del problema (Gau et al. 2000). Por otra parte, los
estocsticos son herramientas confiables que presentan un tiempo de cmputo razonable en la optimizacin global de funciones multivariables y multiobjetivo.
203
M (TSA)=min{1,exp(-(fnew - fold)/TSA)}
(1)
TSAj+1 = (TSAj)RT
(2)
donde jeslacontadordeiteracionesyRTeselfac
tor para reducir a TSA,
respectivamente. SiTSA de
n qexp - qcalc
F = i expi
qi
i=1
(3)
dondeqiexp es lacantidadadsorbidamedidaexperi
mentalmente, qicalc es la cantidad adsorbida predi
chaporelmodeloy neselnmerodedatosexperi
mentalesutilizadosenelprocesodeajustedepar
metros, respectivamente.
DebidoalanaturalezaestocsticadelmtodoRS,
todoslosproblemasseresolvieronen25ocasiones
con estimaciones iniciales aleatorias. En todos los
clculosrealizadossecontabilizencuantasocasio
nes fueevaluadalafuncinobjetivodurantelase
cuencia de optimizacin (NFEV) y este parmetro
serelacionconlaeficienciadelmtodo.Seconsi
derunatoleranciade1.0E09paralaconvergencia
delalgoritmoRSentodoslosclculos.
Confinescomparativos,todoslosejemplosfueron
resueltos utilizando el paquete STATISTICA em
pleandoelmdulo NonlinearEstimationylasmis
mas estimacionesinicialesutilizadas enlosclculos
conelRS.SeaplicunmtododeltipodeNewton
con una tolerancia de 1.0E06, que corresponde al
valormnimopermitidoporelSTATISTICA.Enla
siguiente seccin se presentaladiscusin de los re
sultadosobtenidosenestetrabajo.
RESULTADOSY DISCUSIN
Adsor cin de benceno en car bn activado
Elprimersistemaanalizadocorrespondealaad
sorcindebencenoensolucionesacuosasemplean
do carbn activado (Hindarso et al. 2001). Para
estesistemasereportan54datosexperimentalesa
trestemperaturas:303.15,313.15y323.5Kelvin.
EstosdatosfueronajustadosalaisotermadeSips,
es decir:
q0( dCe)1/S
1+ (dCe)1/S
qe
=
(4)
d =d0 exp
(5)
204
A. Bonilla-Petriciolet et al.
q0
d0
268.8835
268.8976
269.3404
269.4188
.071572
.071595
.072557
.072797
29657.23
29694.05
31053.43
31354.07
2.076273
2.076726
2.092739
2.096101
.289878
.291014
.331974
.340797
.005438936
.005439170
.005773142
.005932164
.99926
.99926
.99923
.99921
(T T0 )
(6)
230
210
190
170
qe, mg/g
1 / S = 1 / S0 +
Modelo de Sips
Modelo
de Sips
150
303.15 K K
303.15
313.15 K K
313.15
323.5 K K
323.5
130
110
90
70
50
50
100
150
200
250
300
Ce, mg/L
qe =
q0bCe
(7)
205
q0
305.1431
306.0344
302.4077
300.6863
316.1091
323.0003
334.2357
352.5298
357.8870
b0
Parmetrosdelaisoterma
DH
t0
2.488225
2.575021
2.235013
2.085131
3.719324
4.702388
6.734332
11.49765
13.31461
35169.50
36347.58
31414.10
28924.87
48411.58
55646.81
66154.02
80705.71
84491.32
Resultadosdelajuste
F
R
.329630
.327482
.336510
.341086
.305878
.293373
.275918
.253173
.247522
.124489
.143999
.059612
.014362
.320947
.407809
.510180
.610328
.629299
.003051079
.003057714
.003120430
.003245385
.003846409
.004900591
.007140032
.011541542
.012924036
.99953
.99953
.99952
.99951
.99943
.99929
.99899
.99838
.99819
Enel16%delosclculos,elpaqueteSTATISTICAconvergialptimolocalizadoporelmtodode
recocidosimulado.EnnegritasseindicaelptimolocalizadoporelmtodoRS
t = t0 + a 1
T0
T
(8)
(9)
donde qe eslacantidadadsorbidaexpresadaenmg/
gy Ce eslaconcentracindeltoluenoenelequilibrio
expresada en mg/L, respectivamente. Los parme
trosdelaisotermasonlossiguientes:(q0 , b0 , DH, t0 ,
a) donde la temperatura de referencia T0 se esta
blecicomo303.15K.Estosparmetrosfueronajus
tadosdentrodelossiguientesintervalos:q0 (0.001,
500), b0 (0.001,5), DH (0.001,90000), t0 (0.01,3)y
a (0.001,0.99).Entodoslosclculosrealizados,el
RS convergi solamente al siguiente ptimo: F =
0.003051lascoordenadasdedichoptimoyelco
eficientedecorrelacindelmodelosereportanenel
cuadr o II. El mtodo RS requiri, en promedio,
NFEV =148501paraminimizaralafuncinobjeti
vo. Los datos experimentales y sus correspondien
tesisotermas,paraelptimolocalizadoporelRS,se
reportanenlafigur a2.
LosresultadosobtenidosconelSTATISTICAse
reportan en el cuad r o I I . En promedio, el
STATISTICArequiri70iteracionesparaalcanzar
laconvergencia.Nuevamente,lafuncinobjetivouti
lizadaenelajustedelaisotermapresentadiferentes
ptimos.Enalgunoscasos,existendiferenciassupe
rioresal300%entrelosvaloresdelafuncinobjetivo
paralosdiferentesptimosencontrados.Delosclcu
losrealizadostansloen4ocasiones,seconvergial
mnimolocalizadoporelRS.Enelrestodelosclcu
230
210
190
170
qe,mg/g
DH T0
- 1
RT T
b = b0 exp
losseconvergiaotrassolucioneselmtodonum
ricodivergi.Estosresultadosconfirmannuevamente
quelosmtodosdeoptimizacinlocalnosonrobustos
paraelajustedeisotermas de adsorcin apesarde
quelosmodelosinvolucradossonrelativamentesenci
llosyconpocasconstantesdeajuste.
Esimportanteindicarque,alincrementarseeln
merodeconstantes deajuste,los mtodos deopti
mizacinconvencionalespresentanmayordependen
cia a las estimaciones iniciales y su robustez para
localizarlosmejoresvaloresparalosparmetrosde
ajustesepuedereducirsignificativamente.Debidoa
loanterior,losautoresconsideranqueelmtodoRS
es una herramienta adecuada para la regresin de
parmetros enmodelos no lineales deisotermas de
adsorcin.Porotraparte,esnecesariorealizarun
anlisisderesidualesdelosmodelosajustadoscon
elobjetodeevaluarintegralmentesucapacidadde
descripcindelsistema.
150
130
303.15K K
303.15
313.15K K
313.15
110
323.5K
323.5K
90
ModelodeToth
Modelo
de Toth
70
50
0
50
100
150
200
250
300
Ce,mg/L
Fig.2.Isotermasdeadsorcinde toluenoencarbnactivado
206
A. Bonilla-Petriciolet et al.
CONCLUSIONES
Este trabajo reporta la aplicacin del mtodo
estocstico de optimizacin global de recocido simulado en el ajuste de parmetros de modelos de isotermas de adsorcin. Los resultados obtenidos indican que el problema de ajuste de parmetros en las
isotermas de adsorcin de Toth y Sips es no lineal y
presenta varios ptimos locales. El mtodo de optimizacin de recocido simulado es una herramienta
adecuada para el ajuste de parmetros en modelos
de isotermas de adsorcin. No obstante, su eficiencia es menor que la mostrada por los mtodos de
optimizacin de convergencia local.
AGRADECIMIENTOS
Los autores agradecen las facilidades otorgadas
por el Instituto Tecnolgico de Aguascalientes para
la realizacin de este trabajo.
REFERENCIAS
Corana A., Marchesi M., Martini C. y Ridella S. (1987).
Minimizing multimodal functions of continuos variables with the simulated annealing algorithm. ACM
Transactions on Mathematical Software 13, 262-280.
Davis L. (1991). Handbook of genetic algorithms. Van
Nostrand, Reinhold, Nueva York.
Esposito W.R. y Floudas C.A. (1998). Global optimization
in parameter estimation of nonlinear algebraic models
via the error-in-variables approach. Ing. Eng. Chem.
Res. 37, 1841-1858.
Gau C.Y., Brennecke J.F. y Stadtherr M.A. (2000). Reliable