Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice general
1. INTRODUCCION A LA SIMULACION
1.1. Simulacin de Procesos . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Resea Histrica . . . . . . . . . . . . . . . . . . . . .
1.1.2. Habilidades Necesarias para la Simulacin de Procesos
1.1.3. Aplicacin de la Simulacin de Procesos . . . . . . . .
1.1.4. Simuladores Comerciales de Procesos . . . . . . . . . .
1.1.5. Limitaciones . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Estrategia General para la Simulacin de Procesos . . . . . . .
1.2.1. Definicin del Problema . . . . . . . . . . . . . . . . .
1.2.2. Modelamiento Matemtico del Proceso . . . . . . . . .
1.2.3. Organizacin de las Ecuaciones . . . . . . . . . . . . .
1.2.4. Computacin . . . . . . . . . . . . . . . . . . . . . . .
1.2.5. Interpretacin de Resultados . . . . . . . . . . . . . . .
1.3. Estructura en el Modelamiento Matemtico . . . . . . . . . .
1.4. Grados de Libertad y Variables de Salida y Diseo . . . . . . .
1.5. Estrategias de solucin en el modelado de procesos . . . . . .
1.5.1. Mtodo Modular Secuencial (orientado al proceso) . . .
1.5.2. Mtodo Orientado a Ecuaciones . . . . . . . . . . . . .
1.6. Anlisis Estructural . . . . . . . . . . . . . . . . . . . . . . . .
1.6.1. Breve resea histrica . . . . . . . . . . . . . . . . . .
1.6.2. La Tabla (Matriz) de Incidencias (Ocurrencias) . . . .
1.6.3. La Matriz (Tabla) de Funcionalidad . . . . . . . . . . .
1.6.4. Una estrategia de solucin ptima . . . . . . . . . . . .
1.6.5. Ejemplo simple de anlisis estructural . . . . . . . . . .
2. MODELADO DE PROCESOS
2.1. MODELOS EN ESTADO ESTACIONARIO
2.1.1. Problema de Simulacin . . . . . . .
2.1.2. Problema de Diseo . . . . . . . . .
2.2. MODELOS EN ESTADO TRANSITORIO .
2.2.1. Tanque de Almacenamiento . . . . .
2.2.2. Calentador de Tanque Agitado . . . .
NDICE GENERAL
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
1
2
2
4
5
6
6
6
7
7
9
9
11
12
12
17
18
19
20
21
22
24
.
.
.
.
.
.
35
35
35
55
57
57
60
i
3. OPTIMIZACION
3.1. Bases Matemticas . . . . . . . . . . . . . . . . . .
3.2. Optimizacin Univariable: Problemas Max-Min . .
3.2.1. Mtodos Analticos . . . . . . . . . . . . . .
3.2.2. Optimizacin por medio de Software (Excel)
3.2.3. Mtodos Grficos . . . . . . . . . . . . . . .
3.2.4. Mtodos Numricos . . . . . . . . . . . . . .
3.3. Optimizacin Multivariable Sin Restricciones . . . .
3.3.1. Solucin Analtica . . . . . . . . . . . . . . .
3.3.2. Solucin Numrica . . . . . . . . . . . . . .
3.4. Optimizacin Multivariable Con Restricciones . . .
A. Modelos de operaciones unitarias en Aspen+
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
66
68
69
71
71
75
75
75
77
79
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 herramientas 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 significa
que virtualmente todos los clculos de ingeniera son procesados rpidamente.
La simulacin de procesos puede ser definida 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.
INTRODUCCION A LA SIMULACION
tales como ingeniera biolgica e ingeniera ambiental. Los ingenieros han encontrado que
la simulacin ha sido capaz de hacer contribuciones significativas 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; ingenieros 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 sofisticacin. 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 factibilidad 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 sofisticados para obtener mejores estimaciones de las condiciones de operacin a escala industrial. Las simulaciones son una
forma razonable de extrapolar la ejecucin y escalamiento de los procesos. Incorporando 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 tcnicas 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 alternativas con un modelo matemtico en lugar de hacerlo por mtodos experimentales.
Para verificar los resultados de la simulacin usualmente algunos experimentos son
realizados, pero solamente los experimentos realmente crticos son necesarios.
SIMULACIN DE PROCESOS
8. Entendimiento del Comportamiento y Mecanismos Significativos del Proceso. Planteando rigorosamente los modelos matemticos, el ingeniero aprende mucho a cerca del
proceso que est siendo simulado. Para obtener una simulacin exitosa, se deben describir cualitativamente los mecanismos significativos del proceso. Resolviendo el modelo, 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 indispensable 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.
INTRODUCCION A LA SIMULACION
1.1.5. Limitaciones
Hay algunas limitaciones definidas 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 dificultades pra ser resueltos por los mtodos
numricos. Estos incluyen algunas ecuaciones algebraicas no lineales y ciertas ecuaciones 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
Modelamiento
Matemtico
del Proceso
Organizacin
de
Ecuaciones
Clculos
Interpretacin
de los
Resultados
INTRODUCCION A LA SIMULACION
importantes y sobre los que pueden despreciarse. Un anlisis de orden de magnitud ayuda
a simplificarr 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 conservacin, ademas de aplicar relaciones adicionales de todas las reas afines 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.
1.2.4. 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
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, diferenciales 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 dificultad (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, diferencias finitas, etc.)
Optimizacin (simplex, seccin dorada, gradiente, Newton, etc.)
Programacin
Algunos lenguajes de programacin son diseados para uso cientfico 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 cientficas generalizadas. Muchas de estas subrutinas cientficas 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, MathCad, etc.
8
INTRODUCCION A LA SIMULACION
A
1
B
C
2
E
INTRODUCCION A LA SIMULACION
3. En caso de que los valores conocidos pertenezcan, todos, a una misma ecuacin, corroborar que esa ecuacin se convierta en una IDENTIDAD. Cuando la ecuacin no se
hace identidad, se tiene un problema mal especificado.
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".
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
() = 0
(1 2 ) = 0
En general puede no existir solucin, algn nmero de soluciones, o un nmero infinito
de soluciones. Nosotros estaremos interesados en el caso donde = y buscaremos una
solucin simple, real y fsicamente manejable.
INTRODUCCION A LA SIMULACION
biblioteca de modulos que puede ser usada para simular una gran diversidad de diagramas
de flujo de proceso en una estructura flexible.
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 procedimiento iterativo. Se suponen valores iniciales de las variables de una o varias corrientes
involucradas en el reciclo y se busca la convergencia de los valores de esas variables en el
proceso iterativo. 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 flujo 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 flujo de Lee y
Rudd (1966).
1
1
5
3
4
7
5
2
6
4
8
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
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 y de que existen en cada renglon. Solamente contar
las y interequipos, no se contabilizran las entradas y salidas externas ( y )
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 . En caso de que haya dos renglones con el mismo numero de , se eliminar
primero el que tenga el mayor nmero de . En caso de empate, se elimina el que
tenga el menor + . Encaso de empate, se elimina el que tenga mayor nmero
+ . 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
14
INTRODUCCION A LA SIMULACION
5 7 8 4 6
S E S
E
S
E S
S E
E
2 2 2 3 4
1
2
3
4
5
15
b) Se resuelven las ecuaciones del equipo 4. Para ello se necesita conocer la informacin 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
las corrientes 3 y 4, la cual fue obtenida con la solucin de los equipos 1 y 3,
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
las corrientes 8 y 6, la cual fue obtenida con la solucin de los equipos 4 y 5,
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 definido 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 Secuencial. El proceso se muestra en la figura
3
2
Corrirnte 1
Etanol: 50 lbmol/h
Especificaciones Agua: 150 lbmol/h
75 F
147 psia
16
Corriente 3
Etanol: 100 lbmol/h
Agua: 50 lbmol/h
75 F
147 psia
INTRODUCCION A LA SIMULACION
Particin de Ecuaciones
Aunque podemos aproximar el problema de resolver ecuaciones en incgnitas directamente, 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 (1 3 ) = 0
2 (1 ) = 0
3 (2 3 ) = 0
En lugar de resolver todas las tres al mismo tiempo, se puede resolver primero para la
variable 1 de la relacin 2 ; entonces, usando este valor de 1 , resolver para la variable 3
de la relacin 1 ; y, finalmente, resolver para la variable 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?
ESTRATEGIAS DE SOLUCIN EN EL MODELADO DE PROCESOS
17
INTRODUCCION A LA SIMULACION
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 especificadas.
En un estudio de simulacin deben ser especificadas 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 especificadas 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 especificadas.
El anlisis de las caractersticas de los problemas de diseo demuestra que existe la necesidad 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 fijada
para un problema de diseo. En esta seccin se presenta un mtodo de anlisis estructural,
el cul es usado para desarrollar estrategias de solucin simplificadas 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
eficiente 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 dificultad en los clculos.
19
=
=
=
=
=
=
=
10
7
15
1
0
6
13
(Ec
(Ec
(Ec
(Ec
(Ec
(Ec
(Ec
1)
2)
3)
4)
5)
6)
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
20
INTRODUCCION A LA SIMULACION
x9
A
A
A
C
D
E
Forma de la Ecuacion
1 1 + (x) = 0
1 1 2 3 + (x) = 0
1 21 + (x) = 0
No-lineal soluble, 1 raz
1 log (1 ) + (x) = 0
1 sin (1 ) + (x) = 0
1 sinh (1 ) + (x) = 0
No-lineal soluble, n races
2
1 1 + (x) = 0 2 = 1 2 3
1
Derivadas o Integrales
+ (x) = 0
2
1
2 6= 1 2 3
1 + (x) = 0
Implcitas, no solubles, complicadas
Otras
Las , en la tabla, son constantes y () 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
ANLISIS ESTRUCTURAL
21
INTRODUCCION A LA SIMULACION
Con este algortmo se pretende clasificar 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 verificar 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.
ANLISIS ESTRUCTURAL
23
=
=
=
=
=
=
=
10
7
15
1
0
6
13
(Ec
(Ec
(Ec
(Ec
(Ec
(Ec
(Ec
1)
2)
3)
4)
5)
6)
7)
La siguiente figura muestra la tabla de funcionalidad para el sistema de ecuaciones algebraicas. 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
A
A
1
2
A A
A A
3
B
B
A B
B
4
A A
A
A A
5
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 necesitamos determina los grados de libertad de las variables, tal como se muestra en la tabla
siguiente
24
INTRODUCCION A LA SIMULACION
E\V
1
2
3
4
5
6
7
AGL
BGL
VGL
x1 x2 x3 x4 x5 x6 x7 x8 x9
A
A
A A
A A
B
B
A B
B
A A
A
A A
A
A
A
B
B
2 2 1 3 1 1 2 1 2
1 0 0 1 0 1 0 2 1
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 3 y 5 . Se elimina la columna que
tenga el mayor nmero de incidencias con funcionalidad tipo . En este caso ambas columnas 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 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
1
2
3
4
5
6
7
AGL
BGL
VGL
x1 x2 x3 x4 x5 x6 x7 x8
A
A A
A A
B
B
1 X
A A
A
A A
A
A
B
B
2 2 0 3 1 1 2 1
1 0 0 0 0 1 0 2
3 2 0 3 1 2 2 3
x9
A
X
A
2
0
2
25
E\V
1
2
3
4
5
6
7
AGL
BGL
VGL
x1 x2 x3 x4 x5 x6 x7 x8
A
A A
A A
B
B
1 X
A A
A
A A
2
A
B
B
2 2 0 3 0 1 2 1
1 0 0 0 0 1 0 2
3 2 0 3 0 2 2 3
x9
A
X
X
1
0
1
E\V
1
2
3
4
5
6
7
AGL
BGL
VGL
x1 x2 x3 x4 x5 x6 x7 x8
X
A A
A A
B
B
1 X
A A
A
A A
2
A
B
B
2 2 0 2 0 1 2 1
1 0 0 0 0 1 0 2
3 2 0 2 0 2 2 3
x9
3
X
X
0
0
0
En este punto, una columna con frecuencia de 1 no existe. De acuerdo al algoritmo, buscamos las columnas con la mnima frecuencia, las cuales son las columnas 2 , 4 , 6 y 7 con
2 grados de libertad. De estas columnas, las que tienen mayor nmero de incidencias de
son 2 , 4 y 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 2 . Obsrvese
que al eliminar la columna 2 tambien se eliminan las ocurrencias de la columna 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.
26
INTRODUCCION A LA SIMULACION
E\V x1 x2 x3 x4 x5 x6 x7 x8
X
1
X 4
4 X
2
3
B
B
4
1 X
5
X 4
X
X 4
6
2
7
A
B
B
AGL 0 0 0 1 0 0 0 0
BGL 1 0 0 0 0 1 0 2
VGL 1 0 0 1 0 1 0 2
x9
3
X
X
0
0
0
x9
3
X
X
0
0
0
ANLISIS ESTRUCTURAL
x9
3
X
X
0
0
0
27
x9
3 3
4
7
X 1
4
X 2
6
3
E\V x1 x2 x3 x4 x5 x6 x7 x8 x9
1
A
A
A A
A A
2
3
B
B
A B
B
4
5
A A
A
A A
A
6
A
7
A
B
B
7 4 1 6 2 6 4 7 3
3
4
7
1
4
2
6
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
B B A
2
A A
A A
A A A A
5
A
1
A
A
6
A A
A
4
B
B
7 7 6 6 4 4 3 2 1
7
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 1 y
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 6 y 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 9 que se etiqueta con 3. El siguiente rengln con
frecuencia unidad es el 6, que elimina la columna 5 y se etiqueta con 4. Despus el rengln
4 tiene frecuencia unidad y se elimina con la columna 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 7 y 2 son
28
INTRODUCCION A LA SIMULACION
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
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
2
B B
B B A
3
A A
A A
4
A
A A A A
5
A
A
2
A A
2
B
B
A 3
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X B A
2
X X
A A
2
X
A A A A
4
A
A
2
A A
2
B
B
A 3
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X 2 2
0
X X
A A
2
X
X X A A
2
X
A
1
A A
2
X
B
A 2
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X 2 2
0
X X
A A
2
X
X X A A
2
X
3
0
X A
1
X
X
A 1
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X 2 2
0
X X
A A
2
X
X X A A
2
X
3
0
X 4
0
X
X
A 1
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X 2 2
0
X X
A A
2
X
X X A A
2
X
3
0
X 4
0
X
X
5
0
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3 EGL
0
1 1
X 2 2
0
X X
6 6
0
X
X X 6 6
0
X
3
0
X 4
0
X
X
5
0
29
x1 x8 x6 x4 x7 x2 x9 x5 x3
1 1
X 2 2
X X
6 6
X
X X 6 6
X
3
X 4
X
X
5
1 1 2 2 6 6 3 4 5
1
2
6
6
3
4
5
E\V
3
7
2
5
1
6
4
x1 x8 x6 x4 x7 x2 x9 x5 x3
B B
B B A
A A
A A
A
A A A A
A
A
A A
B
B
A
1 1 2 2 6 6 3 4 5
1
2
6
6
3
4
5
Esta tabla se ordena de manera directa a como fueron eliminados los renglones y columnas, resultando en
E\V
3
7
1
6
4
2
5
x1 x8 x6 x4 x9 x5 x3 x7 x2
B B
B B A
A A
A A
B B
A
A A
A A
A
A A
A A
1 1 2 2 3 4 5 6 6
1
2
3
4
5
6
6
Finalmente, se forman los grupos. Cada movimiento horizontal de las variables ms externas determinan el comienzo de un nuevo grupo, tal como se muestra en la siguiente tabla.
E\V
3
7
1
6
4
2
5
GR
x1 x8 x6 x4 x9 x5 x3 x7 x2 GR
B B
1
B B A
2
A A
2
A A
2
B B
A
2
A A
A A
3
A
A A
A A
3
1 1 2 2 2 2 2 3 3
INTRODUCCION A LA SIMULACION
1 =
94 36
24 129
55 + 9
133 + 44 9
=
=
=
=
15
32 + 57 + 2 = 7
7
15
22 + 44 6 + 77 = 0
7
(Ec 3)
(Ec
(Ec
(Ec
(Ec
7)
1)
6)
4)
(Ec 2)
(Ec 5)
1 =
94 3
24 129
55 + 9
133 + 44 9
ANLISIS ESTRUCTURAL
=
=
=
=
15
32 + 57 + 2 = 7
7
15
22 + 44 + 77 = 0
7
(Ec 3)
(Ec
(Ec
(Ec
(Ec
7)
1)
6)
4)
(Ec 2)
(Ec 5)
31
15
7
13
1
=
3
9
1 =
(Ec 3)
(Ec 7)
2
26
129
3
9
55 + 9
52
4
133
+
9
3
9
15
32 + 57 + 2
7
4
15
52
22
+ 77
7
3
9
= 10
(Ec 1)
= 6
(Ec 6)
= 1
(Ec 4)
= 7
(Ec 2)
= 0
(Ec 5)
15
7
1
13
=
3
9
29
1
=
18
27
1 =
(Ec 3)
(Ec 7)
29
1
= 6
18
27
2
142
1508
+
= 1
133 + 2 2 +
27
81
243
15
32 + 57 + 2 = 7
7
15
52
4
22
+ 77 = 0
7
3
9
55
(Ec 1)
(Ec 6)
(Ec 4)
(Ec 2)
(Ec 5)
6. Resolver 5 de la ecuacin 6
32
INTRODUCCION A LA SIMULACION
7. Resolver 3 de la ecuacin 4
15
7
13
1
3
9
29
1
18
27
1
191
90
135
2 2 2
142
1265
351
1053
3159
1 =
(Ec 3)
4 =
(Ec 7)
9 =
5 =
3 =
15
32 + 57 + 2 = 7
7
4
15
52
+ 77 = 0
22
7
3
9
(Ec 1)
(Ec 6)
(Ec 4)
(Ec 2)
(Ec 5)
351
1053
3159
1 45 + 842 + 70 + 842 + 63
231
1 =
(Ec 3)
4 =
(Ec 7)
9 =
5 =
3 =
7 =
2 =
(Ec 1)
(Ec 6)
(Ec 4)
(Ec 2)
(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
figura
ANLISIS ESTRUCTURAL
33
3
2
Corrirnte 1
Corriente 3
Etanol: 50 lbmol/h Etanol: 100 lbmol/h
Especificaciones Agua: 150 lbmol/h Agua: 50 lbmol/h
75 F
75 F
147 psia
147 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.
34
INTRODUCCION A LA SIMULACION
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 2 4
a 140 C, de acuerdo a la reaccin
22 5 2 5 2 5 + 2
Mediante el proceso que se describe a continuacin:
Produccin de Eter Etlico
R
J
M-1
R-2
S-3
S-4
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
x
y
x
y
M-1
G
y
z
x
y
z
Balances
()
(1)
(2)
(3)
36
:
:
:
:
++=
+ =
+ + =
=
A
(2.1)
(2.2)
(2.3)
MODELADO DE PROCESOS
Restricciones
(4)
(5)
(6)
(7)
:
:
:
:
+ = 1
+ = 1
+ = 1
+ + = 1
(2.4)
(2.5)
(2.6)
(2.7)
Se tienen:
Ecuaciones: 7
Incgnitas: 13
D G R
Variables de diseo (comunes):
Variables de Estado=Ecuacines=7
F
H
x
y
z
R-2
x
y
z
w
Balances
()
(8)
(9)
(10)
(11)
:
:
:
:
:
=
= + C
+ C =
=
C =
(B)
(2.8)
(2.9)
(2.10)
(2.11)
37
Restricciones
(7 )
(12)
:
:
Ecuaciones auxiliares: =
+ + = 1
+ + + = 1
Moles Consumidos
Moles Entrantes
(7*)
(2.12)
(2.13)
(13)
(14)
(2.14)
(15)
(2.15)
(16)
(17)
(18)
C = P
C = P
C = P
2
1
=
2
(2.16)
(2.17)
(2.18)
Se tienen:
Ecuaciones: 12
Incgnitas: 19
F
H
C
P
C
P
C C C
GL= 15 12 = 3
38
H
Variables de estado:
C C C
MODELADO DE PROCESOS
H
S-3
x
y
z
w
x
y
z
Balances
()
(19)
(20)
(21)
(22)
= +
=
=
=
=
(C)
(2.19)
(2.20)
(2.21)
(2.22)
+ + + = 1
+ + = 1
(12*)
(2.23)
:
:
:
:
:
Restricciones
(12 )
(23)
:
:
Se tienen:
Ecuaciones: 6
Incgnitas: 10
H
J K
GL= 10 6 = 4
Se tienen 410 = 210 posibles combinaciones de escoger las variables de diseo.
Variables de diseo (comunes):
J
Variables de estado:
K
39
x
y
S-4
x
y
z
y
z
Balances
()
(24)
(25)
(26)
:
:
:
:
=+
=
= +
=
(D)
(2.24)
(2.25)
(2.26)
+ + = 1
+ = 1
+ = 1
(23*)
(2.27)
(6*)
Restricciones
(23 )
(27)
(6 )
:
:
:
Se tienen:
Ecuaciones: 6
K
L
Incgnitas: 10
R
GL= 10 6 = 4
L
Variables de estado:
R
Ecuaciones de Diseo Adicionales Relacin de alimentacin recomendada
(28)
40
=1
(2.28)
MODELADO DE PROCESOS
+ =
+ + =
=
+ = 1
+ = 1
+ = 1
+ + = 1
:
:
:
:
:
(13) :
(14) :
(15) :
(16) :
(17) :
(18) :
(2.29a)
(2.29b)
(2.29c)
(2.29d)
(2.29e)
(2.29f)
(2.29g)
= + C
+ C =
=
C =
+ + + = 1
=
P
1
=
2
1
=
2
C = P
C = P
C = P
(2.30a)
(2.30b)
(2.30c)
(2.30d)
(2.30e)
(2.30f)
(2.30g)
(2.30h)
(2.30i)
(2.30j)
(2.30k)
(19)
(20)
(21)
(22)
(23)
:
:
:
:
:
=
=
=
=
+ + = 1
(2.31a)
(2.31b)
(2.31c)
(2.31d)
(2.31e)
(24)
(25)
(26)
(27)
:
:
:
:
=
= +
=
+ = 1
(2.32a)
(2.32b)
(2.32c)
(2.32d)
41
(28) :
(2.33a)
Recomodando: Balances-Restricciones-Auxiliares
(1) :
(2) :
(3) :
(4) :
(5) :
(6) :
(7) :
(8) :
(9) :
(10) :
(11) :
(12) :
(13) :
(14) :
(15) :
(16) :
(17) :
(18) :
(19) :
(20) :
(21) :
+ =
+ + =
=
= + C
+ C =
=
C =
=
=
=
=
=
= +
=
(2.34a)
(2.34b)
(2.34c)
(2.34d)
(2.34e)
(2.34f)
(2.34g)
(2.34h)
(2.34i)
(2.34j)
(2.34k)
(2.34l)
(2.34m)
(2.34n)
+ = 1
+ = 1
+ = 1
+ + = 1
+ + + = 1
+ + = 1
+ = 1
(2.35a)
(2.35b)
(2.35c)
(2.35d)
(2.35e)
(2.35f)
(2.35g)
(22) :
(23) :
(24) :
(25) :
(26) :
(27) :
(28) :
42
1
=
2
1
=
2
C = P
C = P
C = P
=
(2.36a)
(2.36b)
(2.36c)
(2.36d)
(2.36e)
(2.36f)
(2.36g)
MODELADO DE PROCESOS
Se tienen
Ecuaciones: 28
Variables:
32
H
J K
C C
C
Parmetros: 4 P P 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:
P
P
P
=
=
=
=
=
=
=
=
087
46
18
74
095
093
2000
092
43
(2.37a)
(2.37b)
(2.37c)
(2.37d)
(2.37e)
(2.37f)
(2.37g)
(2.37h)
(2.37i)
(2.37j)
(2.37k)
(2.37l)
(2.37m)
(2.37n)
(15) :
(16) :
(17) :
(18) :
(19) :
(20) :
(21) :
095 + = 1
+ 093 = 1
092 + = 1
+ + = 1
+ + + = 1
+ + = 1
+ = 1
(2.38a)
(2.38b)
(2.38c)
(2.38d)
(2.38e)
(2.38f)
(2.38g)
(22) :
= 1891 3 102
1
=
2
1
=
2
C = 46
C = 18
C = 74
095 = 093
(2.39a)
(1) :
(2) :
(3) :
(4) :
(5) :
(6) :
(7) :
(8) :
(9) :
(10) :
(11) :
(12) :
(13) :
(14) :
(23) :
(24) :
(25) :
(26) :
(27) :
(28) :
44
(2.39b)
(2.39c)
(2.39d)
(2.39e)
(2.39f)
(2.39g)
MODELADO DE PROCESOS
E\V
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
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
A
B
B B B
B
B
B
B
B
B
A
B
B
B
A
B
B
B
B
B
A
B B
B
B
B B
B
B
B B
B
B
B
B
B
A
B
B B B
B
B
B
B B
B
B
A
A
A
A A A
A A A A
A A A
A A
B
B
A
A A
A
A
A
A
A
A
A
A
D G F
A
B
B B B
A B
B
B
B
A A
45
E\V
11
10
9
20
8
19
14
17
21
12
13
6
3
1
28
18
16
2
15
22
24
7
27
23
5
26
4
25
VGL
wH H zK zH
B B
B B B
B
A
B
A
A
B
K yK yH xK xH zL L
yR yL R zF F
B
B B B
A
A
B
B B
A
A
B
B B
A
A
B
B B
A
A
B B B B
B B
B B
A
B
A
B
B
B
B B
B
B
B
B
3 8 3 3 6 3 3 3 3 2 2 3 2 4 3 7
28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13
G xF D yF yG yD cx cw Cw cy Cy Cx EGL
2
4
4
3
4
4
4
1
2
3
6
4
A
3
B A
4
A
A
2
A
A
3
A
1
B
B B B B
8
A
1
B
A
3
A A
2
A
3
A A
2
A
A
2
B
A
5
A A
2
B
A
5
A
A
2
3 4 3 3 2 2 4 2 2 2 2 2
12 11 10 9 8 7 6 5 4 3 2 1
27
24
22
21
20
20
18
17
16
15
15
13
12
10
10
9
8
7
7
6
5
4
4
3
2
2
1
1
46
MODELADO DE PROCESOS
E\V
17
16
15
11
7
27
24
23
26
25
10
9
20
8
19
12
14
21
13
6
3
28
1
22
4
18
2
5
VGL
O
Gr
yR yG yD H wH Cw cw cx cy Cy Cx K zH zK yH yK
A
A
A
B B
B B A
A A
A A
A A
A A
A
A
B
B B B
B
B
B B
A
A
B
B
A
A
A
B
B
B
B
B
B
B
B
A
B
B
B
3 2 2 8
28 27 26 25
1 1 1 2
3
25
2
A
B
2 2 4 2 2 2 6 3 3 3 3
24 23 22 21 20 19 18 18 18 17 17
2 2 2 2 2 2 3 3 3 4 4
xK xH R L zL yL F zF G D xF yF EGL
1
1
1
2
3
2
2
2
2
2
4
4
A
3
B B
4
A
4
B
A
3
B B
4
A A
2
B B
B
6
B B
4
B B A
3
A A
2
A
B
A B
4
B
B
3
B
B
B
5
A
A A
3
B
B
B B
B
8
B
B
5
3 3 4 2 2 2 7 3 3 3 4 3
16 15 13 12 12 11 9 9 8 7 6 3
4 4 4 5 5 5 6 6 6 6 6 6
O Gr
28 1
27 1
26 1
25 2
24 2
23 2
22 2
21 2
20 2
19 2
18 3
17 4
16 4
15 4
14 4
13 4
12 5
11 5
10 5
9 6
8 6
7 6
6 6
5 6
4 6
3 6
2 6
1 6
47
MODELADO DE PROCESOS
23. De 1 V 22, 4, 18
24. De 22 Usa para Solucin Simultanea
25. De 4 Usa para Solucin Simultanea
26. De 18 V 2, 5
27. De 2 Usa para Solucin Simultanea
28. De 5 Usa para Solucin Simultanea
Despues de aplicar las reglas anteriores se tiene el siguiente sistema de ecuaciones:
= 008
= 007
= 005
2000
=
C = 2000
1000
=
= 27027
37
2000
= 54054
=
37
1000
=
= 27027
37
18 000
C =
= 48649
37
92 000
C =
= 24865
37
= 2000
= + 1
= ( + 1)
0 = +
= 21739 ( + 10)
= + 1
0 = 2173 9 + 2173 9 20000 173 91
= 2000
49
= 21505
= 21052
= 2000
4
54 054 + 9 078 2 10 + 37 826 37 826
20000 2486 5
1 250 0 105 1 25 105 + 1 25 105 1 25 105
80 106
= 80 106
0 =
0 =
=
0 =
0 =
=
=
=
=
=
=
0
0
0
0
0
0
= 0 = 0 = 0 = 0 = 7 999 9 102 =
{ = 0226 48 = 0436 61 = 0755 54 = 0436 62 = 0672 95 = 0351 19}
Pudo haberse hecho un nuevo anlisis sobre estas 6 ecuaciones, dando como resultado
E\V wH zH
19 B B
13
22 B B
4
B B
2
5
B B
zK
B
B
B
B
B
B
yK zL zF
B
B
B
B
E\V wH zH
4
B B
19 B B
5
B B
2
22 B B
13
VGL 4 4
zK
B
B
B
B
B
B
6
zF yK zL EGL
3
3
B
4
B B
3
B
4
B B
3
2 3 1
=
26174
= 005
=
26737
=
007
=
56949
=
0501
86
=
56949
=
6
151
7
10
=
36949
=
0436
62
= 6 524 2 10
= 32910
= 40385 = 0146 94
C = 24865 = 0436 62
C
=
48650
=
0351
19
C
=
20000
=
0100
56
=
0244
46
=
0226
48
=
0755
54
=
0672
96
= 008
Finalmente para = 087 se tiene:
Produccin de Eter Etlico
R
J
D
G
M-1
R-2
S-3
S-4
Corrirnte
Flujo
Alcohol
Agua
2 4
Eter
D
G
F
H
J
K
L
R
kg h 26174 26737 56949 56949 2000 36949 32910 4039
%
950
0
502
65
0
101
0
920
%
50
70
62
147
0
226
244
80
%
0
930
437
437
0
673
756
0
%
0
0
0
351
100
0
0
0
24865 46
4865 18
0
0
20000 74
51
D
EX
G
EX
F
S
E
R
E
S
E
SX
S
E
SE
S
E
SX
S
E
SE
D
EX
G
EX
R
E
F
S
E
D=2000
R=500
2. Especificar
para resolver simultaneamente las
= 095 = 093 = 092
G
ecuaciones A2.7 (en el mezclador) para encontrar
F
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 , y son especificados en el problema.
52
MODELADO DE PROCESOS
= 0456 16
23600 =
2000 + + 500 =
= 6 323 5 102
93 =
= 51736
+ + = 1
= 0480 6
, Resolviendo:
19000 = 93
= 20430
95 + = 1
= 005
+ 93 = 1
= 007
92 + = 1
= 008
H
(en el reactor) para encontrar
C C C
= 5930 1 102
23600 = + C
32715 + C =
= 0140 88
(51736) =
= 0480 60
C =
= 51736
= 0480 61
0519 40 + = 1
+ + + = 1
= 0319 22
, Resolviendo:
= 44635
= 44635
1
= 2
= 22318
= 22318
= 12
C = 20532
C = 46
C = 40172
C = 18
C = 16515
C = 74
5. Los valores K= 35221 = 8710 8 102 = 0206 94 obtenidos del separador S-3 y se toman como variables de diseo para resolver simultaneamente las
MODELOS EN ESTADO ESTACIONARIO
53
L
R
D
G
F
H
J
K
L
R
kg h X 20430 43516 43516 15283 28234 25147 3086
%
X
50186 6524 3
10056
X
%
5
70
6151 7 146 94
22648 24446
8
%
X
43662 43662
67296 75554
%
35119
100
19000
37174
X
X
1528 3 X
3086
= 40385
2000
MODELADO DE PROCESOS
T1f
mh , c h , Tho
T2f
mh , c h , Thf
Thi
K1 , U 1 , A1
K 2 , U 2, A2
m 1 , c 1 , T 1o
m 2 , c 2 , T2o
1 :
1 = ( )
1 :
1 = 1 1 (1 1 )
1 :
1 = 1 1 1
1 = 1 ( 1 1 1 1 )
( 1 ) ( 1 )
1 =
1
ln
1
(1)
(2)
(3)
(4)
2 :
2 = ( )
2 :
2 = 2 2 (2 2 )
2 :
2 = 2 2 2
2 = 2 ( 2 2 2 2 )
( 2 ) ( 2 )
2 =
2
ln 2
(6)
(7)
(8)
(9)
Para el intercambiador 1:
(5)
Para el intercambiador 2:
(10)
55
Se tiene:
Ecuaciones: 10
1
1 1
Variables: 23
2
2
2
2
1 1
Parmetros: 5
2 2
GL=23 5 10 = 8
La tabla de incidencias es:
E\V
1
2
3
4
5
6
7
8
9
10
Q1
A
A
A
Q2
A
A
A
Thi
B
E
E
B
T1f
m1
E
E
1 1
1 1
2 2
2
2
U1
A1 DT1 m2
B
A
T2f
U2
B
E
A
B
B
E
E
E
E
E
E
B
B
E
E
B
B
A
B
E
A
E
E
E
E
Aplicando el algortmo
E\V DT2 T2f T2o Thf Thi m2 mh U2
10
A
E
E
E E
9
E
E
E E E E A
6
B B
B
7
B B
B
8
B
B
5
E
1
B
B
2
4
E
E
3
VGL 2
3
3
3
6
2
4 2
T2
T2 T T
m2 ( m ) T1 T1 T
MODELADO DE PROCESOS
1. De 10 2 V 8
2. Simultaneas 9, 6, 7 2 2 V 8, 1, 4
3. De 8 2 V
4. De 5 1 V 3
5. De 1 1 V 2, 3
6. De 2 1 V 4
7. De 4 1 V 3
8. De 3 1 V
Balance de material
(1) :
MODELOS EN ESTADO TRANSITORIO
57
Ecuaciones auxiliares
(2)
(3)
(4)
(5)
:
:
:
:
=
=
=
=
(6) :
De esta manera:
Ecuaciones: 8
Variables: 12
GL= 12 8 = 4
La Tabla de Funcionalidad es
E\V m
1D
2A
3
4
5
6
7
8
Mi Mo
A A
B
A
A
Fi
Fo h
B
B
B
B
B
A
B
C
A
A
A
B
B
A
A
58
A
A
i Mo m
A D
Fi Mi
A
A
B
A
B
MODELADO DE PROCESOS
:
:
:
:
:
:
:
=
=
=
=
=
=
=
(1) :
(6)
(5)
(7)
(8)
:
:
:
:
(4) :
(2) :
(3) :
()
=
=
=
=
=
=
=
=
59
del tiempo. En caso de que 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 y son constantes, por lo que la ecuqacin 1 se puede arreglar como:
(1) :
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 { }, pero como no aparece en la EDO,
entonces no es necesaria para resolverla.
As pues, asignando los valores de las variables de diseo { } y resolviendo la
ecuacin 1, se resuelve por completo el problema.
NOTA: Se supone agitacin perfecta por lo que las propiedades a la salida son iguales
que en el bulto.
Balance de material
(1) :
=
Balance de energa
(2) :
60
= + +
MODELADO DE PROCESOS
Otras ecuaciones
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
:
:
:
:
:
:
:
:
:
:
:
:
:
=
=
=
=
=
=
= (+ + )
=
=
=
= ( )
= ( )
= +
Se tienen:
Ecuaciones: 15
Variables: 27
GL=27 15 = 12
La matriz de funcionalidad es:
E\V
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
m Mi M
D A A
B
A
Ui Ws P
Pi
Hi
Ti
ci
Tr
B
B
B
B
A
B
A
B
Ei
B
B
Fi
B
A
B
A
A
A
A
A
B
A
A
B
A
A
B
A
B
B
61
E\V ci
1
2
14 B
13
12
10
11
9
15
5
8
4
7
3
6
Hi
Ti
Tr
B
B
Pi Ui
Ei
Fi
W Ws M
A
A
Mi
A
m
D
B
B
A
A
B
A
B
B
A
A
B
A
B
B
A
A
B
B
B
B
B
B
B
A
A
B
A
A
B
B
A
:
:
:
:
:
:
:
:
:
:
:
= + +
= ( )
= ( )
=
=
=
= (+ + )
= +
=
=
=
=
MODELADO DE PROCESOS
(3) :
(6) :
=
=
:
:
:
:
:
:
:
:
:
:
:
:
:
( )
=
[ ( ) ]
= ( ) ( ) + +
= ( )
= ( )
= ( )
= ( )
= ( )
= ( )
= +
=
= ( ( ) )
=
= ( ( ) )
=
= ( ( ) )
En este sistema se deben resolver simultaneamente las ecuaciones (EDO) 1 y 2, las cuales
involucran 6 de las 14 variables de siseo { } 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 a la ecuacin 2. De esta manera, se deber investigar que
pasa con las otras 4 variables de las derivadas { }. De acuerdo al procedimiento se
sabe que y son constantes. Por otro lado, debido a que se tiene un sistema lquido, y
se pueden considerar constantes, y en caso de no serlo se debern buscar expresiones de
y en funcin de y (por ejemplo = ).
De esta manera las variables de diseo seran { }.
Tomando esto en cuenta y reacomodando las EDO se tiene
(1) :
(2) :
:
[ ( ) ]
+ ( ( ) )
= ( ) ( ) + +
63
[ ( ) ]
+ ( ( ) )
= ( ) ( ) + +
(1) :
(2) :
:
Simplificando
(1) :
(2) :
= [ ( ) ( )] +
+ +
64
=
( ) +
+
MODELADO DE PROCESOS
3. OPTIMIZACION
3.1. Bases Matemticas
Un problema de programacin matemtica u optimizacin, se puede establecer en forma
general como
Determinar , el cual minimiza o maximiza ()
sujeto a
() =
()
= 1 2
= 1 2
(3.1)
(3.2)
2
-10 -8 -6 -4 -2
4x6
8 10
0
-2
-4
y-6
-8
-10
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 clasificar los problemas de optimizacin, depende del tipo de varibles
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 programacin no-entera.
Una manera ms en la cual se clasifican los problemas de optimizacin es mediante la
dimensionalidad, con lo cual se clasifican los problemas en unidimensionales y multidimensionales. 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, , minimiza () y maximiza (). Esta equivalencia se
ilustra en forma grfica por una funcin unidimensional en la figura siguiente
1
0.5
-1
-0.5
0.5 x
-0.5
-1
OPTIMIZACION
y4
-2
-1
1x
Existen otros puntos diferentes a los turning poits donde la lnea tangente puede ser
horizontal. Por ejemplo la grfica = 5( 1)3 + 2
6
-1
-2
(3.3)
De esta manera los puntos crticos, se obtienen resolviendo para la ecuacin anterior.
Evaluando () en los puntos crticos se puede determinar el valor mximo o mnimo de
() sobre los valores preescritos de .
El encontrar los puntos crticos se puede realizar de diferentes maneras, las cuales se
explican a continuacin.
OPTIMIZACIN UNIVARIABLE: PROBLEMAS MAX-MIN
67
2
00
su primera derivada
= 0 () y la segunda derivada
2 = (). De esta manera se
resolver para la ecucin no-lineal (3.3) y todos los valores 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 ( ) 0
00 ( ) 0
00 ( ) = 0
Mnimo
Mximo
Punto de Inflexin
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 in3 . Si el material de los lados tiene un
costo de $003 por in2 mientras que el material para el fondo y el domo tiene un costo de
$008 por in2 , determine las dimensiones de la caja para las cuales el costo es mnimo. cul
es el mnimo costo en pesos?
x
68
x
OPTIMIZACION
Ejemplo 3.3 Maximizar el rea de un rectngulo inscrito en una elipse: Determine las dimensiones (base y altura) del rectngulo de mayor rea inscrito en la elipse 42 + 9 2 = 36.
cual es el rea del rectngulo ms grande?
69
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 igualdad y desiguladad que contiene el problema. Aqui tambien se puede especificar 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 problema del Ejemplo 3.2 con Excel.
Ejemplo 3.7 Maximizar el rea de un rectngulo inscrito en una elipse: Resolver el problema del Ejemplo 3.3 con Excel.
Ejemplo 3.8 Minimizar la Distancia desde (0,1) al punto en = 2 : Resolver el problema
del Ejemplo 3.4 con Excel.
Ejemplo 3.9 Encontrar de forma grfica los puntos crticos de la funcin () = 2 sin 10
71
Seccin Dorada
Este es un mtodo de intervalos cerrados. Supondremos que se maximiza una funcin
().
El mtodo comienza con dos valores iniciales, y , que contienen un extremo local de
(). Despus, dos puntos interiores 1 y 2 se escogen de acuerdo con la razn dorada,
51
=
( ) = 0618 03 ( )
2
1 =
2 = +
La funcin se evala en estos dos puntos interiores. Dos resultados pueden ocurrir:
1. Si, como es el caso de la figura (a), (1 ) (2 ), entonces el dominio de a la
derecha de 2 (el intervalo entre 2 y ) se puede eliminar, ya que no contendr el
mximo. Para este caso, 2 pasa a ser el nuevo , 1 pasa a ser 2 y seguir siendo
.
2. Si, como es el caso de la figura (b), (2 ) (1 ), entonces el dominio de a la
izquierda de 1 (el intervalo entre y 1 ) se puede eliminar, ya que no contendr el
mximo. Para este caso, 1 pasa a ser el nuevo , 2 pasa a ser 1 y seguir siendo
.
Ahora, ste es le beneficio real del uso de la razn dorada. Debido a que los 1 y 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 rpidamente. De hecho en cada vuelta el intrvalo se reduce por un factor de la seccin dorada
72
OPTIMIZACION
(aproximadamente el 618 %). Esto significa que despus de 10 vueltas el intrvalo se acorta
a 061810 = 0008 o 08 % de su longitud inicial.
Un criterio til para probar la convergencia en cada iteracin, esta definido en porcentaje
como
3 5
= 100
2
donde es el mejor valor de 1 y 2 en la iteracin actual.
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
. Se puede demostrar que despus de un manejo algebraico es
3 =
donde 0 , 1 y 2 son los valores que fijan el extremo, y 3 es el valor de 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 3 .
Ejemplo 3.11 Use la interpolacin cuadrtica para aproximar el mximo de () = 2 sin ()
2
con valores iniciales 0 = 0, 1 = 1 y 2 = 4.
10
OPTIMIZACIN UNIVARIABLE: PROBLEMAS MAX-MIN
73
Mtodo de Newton
Recuerde que el mtodo de Newton-Raphson es un mtodo abierto que encuentra la raiz
de como una funcin tal que () = 0. El mtodo se resume como
+1 =
( )
0 ( )
( )
0 ( )
=
0 ( )
00 ( )
como una tcnica para encontrar los puntos crticos de (). 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 verificar que la segunda derivada tenga usualmente el signo correcto para
confirmar que la tcnica converge sobre el resultado deseado.
2
OPTIMIZACION
()
1
1
()
() = . () =
.
. =0
..
.
()
De esta manera, los puntos crticos son los valores de que cumplen con las ecuaciones
anteriores.
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, (), se tiene
+1 =
0
00
1
+1 = ( )
Ejemplo 3.14 Realice dos iteraciones del mtodo Newton para localizar el mximo de
( ) = 35 + 2 + 2 4 2 2
mediante los valores iniciales = 0, = 0.
76
OPTIMIZACION
Reaccion
+
+
3 + 2 +
, 13
15 c/lb E
3
2
1
05 c/lb F
3
3
1
1
1
, 6 , 3
10 c/lb G
2
Costo
1.5 c/lb
2.0 c/lb
2.5 c/lb
Formular el problema de optimizacin para maximizar el beneficio total por dia en $/dia.
77
78
OPTIMIZACION
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 flujo pistin
RBatch
Reactor batch
MODELOS DE OPERACIONES UNITARIAS EN ASPEN+
79
Cambiadores de presin
(Pressure Changers)
Manipuladores
(Manipulators)
Slidos
(Solids)
80
Pump
Compr
MCompr
Pipeline
Pipe
Valve
Mult
Dupl
ClChng
Analyzer
Feedbl
Selector
Measurement
Crystallizer
Crusher
Screen
FabFl
Cyclone
VScrub
ESP
HyCyc
CFuge
Filter
SWash
CCD
User, User2
User3
Excel Spreads
ACM
CAPE-OPEN
Hierarchy
Bomba/Turbina hidrulica
Compresor/Turbina
Compresor/Turbina de multiefecto
Cada de presin en tuberias nultisegmento
Cada de presin en tuberias unisegmento
Cada de presin rigurosa en vlvulas
Multiplicador de corriente
Duplicador de corriente
Cambiador de clase de corriente
Calculador de corriente
Calculador de corriente
Selector de corriente
Conector planta a modelo
Cristalizador para remover suspensiones en productos mezclados
Molino de slidos
Separador de slidos
Filtro de tejido
Separador de cicln
Molino de venturi
Precipitador electrosttico
Hidrocicln
Filtro centrfugo
Filtro rotario de vacio
Lavador de slidos de simple efecto
Decantador a contra-corriente
Modelos de operaciones unitarias dados por el usuario en Fortra
Subrutinas de acceso a aspen EO
Hojas de Excel accesadas a traves de User2
Hojas exportadas desde ACL o AD
Operaciones unitarias COM desarrolladas en VB o C++
Estructura jerarquica