Modelamiento y Simulación de Procesos

DISEÑO DE PLANTAS DE
PROCESOS QUIMICOS
LUIS MONCADA ALBITRES MSc.

UNIVERSIDAD NACIONAL DE TRUJILLO
TRUJILLO - PERU
MODELAMIENTO Y SIMULACION DE PROCESOS
i
INDICE
PRESENTACIÓN 1
CAPITULO 1 2
INTRODUCCION 2
1.1 CONCEPTOS Y DEFINICIONES BASICAS 3
1.1.1 Sistemas y procesos 3
Sistemas 3
Unidad de proceso 4
1.1.2 Jerarquía de sistemas 4
1.2 ECUACIONES 5
1.2.1 Linealidad 6
1.2.2 Ecuaciones implícitas y explícitas 7
1.2.3 Ecuaciones simultáneas 7
1.2.4 Suficiencia y redundancia 8
1.2.5 Ecuaciones diferenciales 8
Condiciones de frontera (condición límite) 10
1.3 MODELAMIENTO
1.3.1 Modelamiento físico 11
1.3.2 Modelamiento matemático 11
1.4 TERMINOLOGIA DE MODELOS MATEMATICOS 12
1.4.1 Modelos deterministas frente a modelos probabilistas 12
1.4.2 Modelos lineales frente a modelos no lineales 12
1.4.3 Modelos de estado estacionario frente a modelos de estado no 13
estacionario
Modelo estático 14
LUIS MONCADA ALBITRES

ii
Modelo dinámico 14
1.4.4 Modelos de parámetro distribuido frente a modelos de parámetro 16

globalizado (o agrupado)
1.5 OTRA CLASIFICACION DE LOS MODELOS MATEMATICOS 17
1.6 CONSTRUCCIÓN DE UN MODELO MATEMÁTICO 20
Verificación y refinamiento del modelo 21
1.7 ANALISIS Y DISEÑO DE PROCESOS (“GRADOS DE LIBERTAD”) 21
Variables intensivas 21
Variables extensivas 21
CAPITULO 2 23
MODELAMIENTO MATEMATICO DE PROCESOS 23

2.1 LOS MODELOS EN INGENIERIA QUIMICA (modelos BASADOS EN 23
LOS PRINCIPIOS DE FENOMENOS DE TRANSPORTE)
2.1.1 Descripción molecular 25
2.1.2 Descripción microscópica 26
2.1.3 Descripción de gradiente múltiple 26
2.1.4 Descripción de gradiente máximo 27
2.1.5 Descripción macroscópica 28
2.2 VARIABLES DE ENTRADA Y SALIDA DEL PROCESO 28
Variables controladas 28
Variables manipuladas 28
Perturbaciones 28
Variables intermedias 29
2.3 CONSTRUCCION DEL MODELO 29
Ecuaciones Finitas 30
Ecuaciones diferenciales ordinarias 30
Ecuaciones diferenciales parciales 30
Ecuaciones de diferencia finita 30
2.4 USO DE LOS MODELOS MATEMATICOS EN INGENIERIA QUIMICA 31
2.5 LEYES FUNDAMENTALES 31
2.5.1 Ecuaciones de Continuidad 31
ECUACION DE CONTINUIDAD TOTAL (BALANCE DE 31
MASA)
ECUACIÓN DE CONTINUIDAD POR COMPONENTE 34
(BALANCES DE COMPONENTE).
2.5.2 Ecuación de Energía 38
2.5.3 Ecuación de Movimiento 42
2.5.4 Ecuaciones de transporte 47
2.5.5 Ecuaciones de estado 48
2.5.6 Equilibrio 50
EQUILIBRIO QUÍMICO 50
EQUILIBRIO DE FASES 51

iii
2.5.7 Cinética Química 53
DEPENDENCIA DE LA TEMPERATURA (LEY DE 53
ARRHENIUS)
LEY DE ACCION DE LAS MASAS 53
CAPITULO 3 55
EJEMPLOS DE MODELOSMATEMATICOS DE 55
SISTEMAS DE INGENIERIA QUIMICA
3.1 INTRODUCCION 55
3.2 REACTORES CSTR EN SERIE, CON RETENCIÓN CONSTANTE 55
3.3 CSTRs CON RETENCION VARIABLE 57
3.4 DOS TANQUES CALENTADOS 59
3.5 REACTOR CSTR EN FASE GAS A PRESION 59
3.6 CSTR NO ISOTERMICO 61
CHAQUETA DE ENFRIAMIENTO PERFECTAMENTE 62
MEZCLADA.
FLUJO EN PISTON DEL REFRIGERANTE EN LA 64
CHAQUETA
MODELO DE CHAQUETA POR SECCIONES 65
CAPACITANCIA DE LA PARED METALICA 65
SIGNIFICATIVA
3.7 VAPORIZADOR DE UN COMPONENTE SIMPLE 66
UN MODELO AL ESTADO ESTACIONARIO 67
MODELO CON DINAMICA DE EQUILIBRIO DE FASES 67
MODELO CON DINAMICA DE LIQUIDO Y VAPOR 68
MODELO DE EQUILIBRIO TERMICO 70
3.8 EVAPORACION “FLASH” DE MULTIPLECOMPONENTES 70
MODELO DE ESTADO ESTACIONARIO 71
MODELO RIGUROSO 72
MODELO PRACTICO 73
3.9 REACTOR “BATCH” 74
FASE DE CALENTAMIENTO 77
FASE DE ENFRIAMIENTO 78
3.10 REACTOR CON TRANSFERENCIA DE MASA 79
3.11 COLUMNA IDEAL DE DESTILACION BINARIA 81
3.12 COLUMNA DE DESTILACION DE MULTIPLECOMPONENTES NO 87
IDEAL
3.13 DESTILACION “BATCH” CON RETENCION 89
3.14 SISTEMAS DE pH 91
3.14.1 Modelos de Constante de Equilibrio 91
3.14.2 Método de la Curva de titración 93

iv
PARTE II 95
SIMULACION PORCOMPUTADOR 95
CAPITULO 4
97
METODOS NUMERICOS 97
4.1 INTRODUCCION 97
4.2 USO DE MATLAB 98
Importancia de las gráficas 98
Libros de referencia para importantes para aprender 99
MATLAB
4.3 ALGEBRA LINEAL 99
4.3.1 Solución de ecuaciones simultáneas 99
4.3.2 Análisis de sistemas de reacción 102
4.4 SOLUCIONES DE PRUEBA Y ERROR 104
4.5 METODOS ITERATIVOS DE CONVERGENCIA 105
4.5.1 Método de la bisectriz 106
4.5.2 Método de Newton Raphson 109
4.5.3 Método de la falsa posición 113
4.5.4 Métodos explicitos de convergencia 114
4.6 METODOS DE BUSQUEDA 116
4.7 USO DE SIMULADORES 117
4.8 INTEGRACION NUMÉRICA DE ECUACIONES DIFERENCIALES 118
ORDINARIAS
4.8.1 Uso de las variables de estado 119
4.8.2 Algorítmos explicitos de integración numérica 121
ALGORITMO DE EULER 121
RUNGE Y KUTTA (CUARTO ORDEN) 125
4.8.3 Métodos implícitos 129
4.9 LINEARIZACION 131

v
CAPITULO 5 135
EJEMPLOS DE SIMULACION DE MODELOS 135

ESTATICOS
5.1 CRITERIO DEL DIAMETRO OPTIMO 135
5.2 EQUILIBRIO DE REACCIONES QUIMICAS 136
5.2.1 Programa equilibrio 137
5.2.2 Programa UNTSIM 137
5.3 FLUJO POR GRAVEDAD EN UN TANQUE 138
5.4 REACTORES CSTR EN SERIE, CON RETENCIÓN CONSTANTE 139
5.5 CSTRs CON RETENCION VARIABLE 140
5.6 DOS TANQUES CALENTADOS 140
5.7 REACTOR CSTR EN FASE GAS A PRESION 140
CHAQUETA DE ENFRIAMIENTO PERFECTAMENTE
MEZCLADA 141
FLUJO EN PISTON DEL REFRIGERANTE EN LA CHAQUETA 143
MODELO DE CHAQUETA POR SECCIONES 144
CAPACITANCIA DE LA PARED METALICA SIGNIFICATIVA 144
5.9 VAPORIZADOR DE UN COMPONENTE SIMPLE 144
5.10 EVAPORACION “FLASH” DE MULTIPLECOMPONENTES 145
5.11 REACTOR “BATCH” 146
5.12 REACTOR CON TRANSFERENCIA DE MASA 147
5.13 COLUMNA IDEAL DE DESTILACION 147
5.14 DESTILACION “BATCH” CON RETENCION 150
CAPITULO 6 151
EJEMPLOS DE SIMULACION DE MODELOS 151

DINAMICOS
6.1 FLUJO POR GRAVEDAD EN UN TANQUE 151
6.2 TERMOMETRO DE MERCURIO 154
6.3 DOS TANQUES MEZCLADORES 156
Solución Analítica 160
Solución Simbólica 160
Solución Numérica 160
6.4 TRES CSTRs EN SERIE 166
6.5 REACTOR SEMICONTINUO 168
Solución Analítica 171
Solución Numérica 173

vi
CAPITULO 7 176
EJEMPLOS DE SIMULACION DE SISTEMAS 176

CONTROLADOS
7.2 COLUMNA DE DESTILACIÓN BINARIA 180
7.3 REACTOR BATCH 185
CAPITULO 8 193
CASOS DE ESTUDIO 193
8.1 INTERCAMBIADOR DE DOBLE TUBO 193

8.1.1 Características del intercambiador en estudio 193
8.1.2 Modelamiento del sistema 194
8.1.3 Toma de datos del proceso 194
8.1.4 Simulación del proceso 198
8.2 MODELAMIENTO DE REACTORES TUBULARES 200
8.2.1 Sistema de dos reacciones generalizadas 201
8.2.2 Modelamiento de las reacciones generalizadas en el reactor tubular 202
BALANCE DE MATERIA EN UN REACTOR TUBULAR 203
EN ESTADO ESTABLE
GENERALIZACION DE LOS BALANCES DE MATERIA 204
BALANCE DE ENERGIA EN UN REACTOR TUBULAR 205
AL ESTADO ESTACIONARIO
BALANCE DE MOMENTUM 208
8.3 TANQUE AGITADO CON CALENTAMIENTO 210
8.4 REACTOR CSTR 230
Análisis de estabilidad 241
Análisis del Plano de Fase 245
Cmportamiento de estado estacionario Múltiple 246

vii
Curvas de generación y remosión de calor 247
BIBLIOGRAFIA 253

MODELAMIENTO Y SIMULACION DE PROCESOS 1
MODELAMIENTO Y SIMULACION DE
PROCESOS QUIMICOS
MSc. LUIS MONCADA ALBITRES

CAPITULO
1
INTRODUCCION
En la industria de procesos hay dos áreas principales en las que el ingeniero

químico presta sus servicios profesionales: la operación de plantas existentes y el diseño
de plantas nuevas o modificadas.
Ambas tareas, la operación y el diseño se ven facilitadas con la elaboración de
modelos que representan los procesos reales y que usan desde las mismas plantas en
operación, pasando por plantas piloto y equipo de banco, llegando hasta las
abstracciones de los modelos matemáticos y la solución (simulación) de los mismos.
Aunque los ingenieros químicos simulan procesos químicos desde hace ya
muchos años, el término de simulación tiene una connotación especial cuando se utiliza
con relación a las computadoras. El diseño y la simulación con ayuda de las
computadoras le dan al ingeniero la capacidad de evaluar más alternativas, en forma
más detallada que lo que era posible mediante los cálculos manuales. Aún así, los
ingenieros todavía deben tomar las decisiones básicas de procesos; aún tiene que
especificar las variables independientes del proceso, pero se ahorra los tediosos
cálculos. Por lo tanto puede dedicar más tiempo a las suposiciones más importantes del
modelo y a los efectos económicos de las decisiones sobre el proceso.
Cualquier tipo de modelo que se utilice en la representación de un proceso en la
industria química constará de varios módulos o equipos en donde se efectúen cambios
físicos y/o químicos en las sustancias que intervienen en el proceso, estando estos
equipos interconectados y afectando la operación de uno a la operación de los demás. El
análisis o el diseño de estos equipos que se realizaba anteriormente con nomogramas y
reglas de cálculo se hace ahora con el uso de las computadoras, por lo cual el
modelamiento matemático de cada unidad de proceso se hace indispensable; al resolver
con algún algoritmo los modelos matemáticos surgen los programas de computación;
los primeros que aparecieron eran del tipo específico, creados para estudiar un equipo
determinado con los componentes químicos de ese proceso particular; después vino la
generalización de los programas que se podrían utilizar en equipos similares y con
componentes químicos diversos; el siguiente paso fue la integración de esos programas

más generalizados que, combinados con programas más específicos para los reactores
químicos, dieron lugar a los simuladores de procesos. La tendencia actual es el
desarrollo de programas de uso general para la solución (simulación) de los modelos,
usando el lenguaje que el diseñista crea conveniente.
1.1 CONCEPTOS Y DEFINICIONES BASICAS
1.1.1 Sistemas y procesos
Sistemas. Todo sistema consiste de componentes interrelacionados y es, en un

sentido, una entidad cerrada, considerada como independiente (mentalmente) de todo lo
que le rodea. Un sistema químico es un conjunto de procesos físicos y químicos
interrelacionados y medios físicos que lo implementan.
Todo sistema tiene entradas y salidas Fig. 1-1. entradas pueden ser materia prima,
su composición, temperatura, etc. Un sistema está usualmente sujeto a perturbaciones, y
en orden a compensar estas, se hace uso de acciones de control (o correcciones).
PERTURBACIONES
ENTRADAS PROCESO SALIDAS
VARIABLES MANIPULADAS
Fig. 1-1 Un sistema simple controlado
Un sistema a pequeña escala está definido únicamente por las propiedades del
proceso y está limitado a una simple unidad de proceso, sus fuerzas internas y la
configuración de la unidad.
Un sistema a gran escala es un conjunto de sistemas a pequeña escala y difiere
cuantitativa y cualitativamente de un sistema a pequeña escala. Las características de la
salida de un sistema a gran escala son:
1.Integridad, que es el conjunto de objetivos y propósitos.

2.Gran tamaño y multiplicidad de funciones ejecutadas.
3.Comportamiento complejo.
4.Aspectos competitivos (procesos antagónicos pueden tener lugar en un
sistema, tendiendo a reducir su efectividad).
Un ejemplo de un sistema a gran escala es el departamento de investigación y
desarrollo de una planta de procesos.

Unidad de proceso. Cualquier secuencia química de producción puede dividirse en un

número definido de etapas básicas en las cuales toman lugar los procesos básicos
comunes a todo Ingeniero Químico. Algunas de las más importantes son: Absorción,
destilación, reacción química, etc.
El carácter básico según el cual los procesos son empleados bajo un título
particular, es la identidad de los aspectos físicos y químicos, es decir las relaciones de
materia y energía dentro de un proceso dado. Una unidad de proceso contiene todas las
características necesarias y suficientes que singularizan la multiplicidad de fenómenos
físicos y químicos. El objetivo o propósito de una unidad de proceso es también tomado
en consideración.
De acuerdo a sus relaciones internas de materia y energía, los procesos de
ingeniería química son habitualmente divididos en las siguientes clases:
Hidrodinámicos, térmicos, de difusión, químicos y mecánicos.
Según su objetivo o propósito e implementación, las clases anteriores son
divididas en unidades de proceso (procesos unitarios). Por ejemplo la clase de difusión
incluye las siguientes unidades de procesos: Absorción (desorción), destilación,
extracción, adsorción (desorción), disolución (cristalización), secado, intercambio
iónico, etc.
Todos los procesos pueden dividirse en determinísticos y estocásticos (o al azar).
Un proceso determinístico es aquel en el cual la observación es hecha sobre un conjunto
continúo de valores de manera bien definida, y la salida de la variable más
representativa del proceso, es determinada únicamente por las variables de entrada. Los
procesos determinísticos pueden describirse adecuadamente por los métodos clásicos de
análisis y métodos numéricos. Un ejemplo de un proceso determinístico es aquel que se
lleva a cabo en un reactor continúo, de flujo bien agitado.
Un proceso al azar o estocástico es aquel en el cual los cambios observados son de
manera casual y frecuentemente discontinuos. En un proceso estocástico la variable de
salida no está directamente relacionada a la variable de entrada los procesos estocásticos
son descritos en términos de la estadística y teoría de las probabilidades. Un ejemplo es
un procesos catalítico de contacto en el cual el rendimiento del producto disminuye
conforme decrece la actividad del catalizador a través del tiempo.
1.1.2 Jerarquía de sistemas
Todo proceso de manufactura puede visualizarse como una secuencia de tres

etapas básicas, a saber, preparación de la materia prima, tratamiento químico
propiamente dicho, y separación de los productos finales. Esta secuencia está englobada
en un sistema integrado de ingeniería química. En los tiempos presentes una planta
química, como un sistema a gran escala, consiste de un número grande de sistemas
interrelacionados colocados en tres niveles de jerarquía Fig. 1-2. los subsistemas del
nivel inferior comparten entre ellos las funciones asignadas por el subsistema del
siguiente nivel superior. Cada subsistema de una planta química es una combinación de
un sistema de ingeniería química y un sistema de control automático operando como un
ente simple diseñado para producir un proceso especificado.
El nivel más inferior en la estructura jerárquica de una planta química consta de
las unidades de procesos de ingeniería química (mecánica, flujo de fluidos, transferencia
de calor, difusión, reacción, etc.), asociados con sistemas locales de control.

PLANTA QUIMICA
SISTEMAS DE CONTROL DE OPERACIONES

III
(PRODUCCION, INVENTARIO, VENTAS)
SISTEMAS DE CONTROL
II II -1 II - 2 DE PROCESO POR II - N
COMPUTADORA
UNIDADES DE
I I -1 . . . . . . I -1
1 N
I -2 1 . . . . I -2N PROCESO Y I -N1 .... I -NN
OPERACIONES
SISTEMAS CON-
VENCIONALES
DE CONTROL
Fig. 1-2 Jerarquía en una Planta Química
El segundo nivel ( Fig. 1-2 ) de una planta química comprende los departamentos
de producción y sus sistemas de control automático asociados. Un departamento en una
planta química es un conjunto de unidades de proceso interrelacionados cuya operación
está acompañada por perturbaciones fortuitas; es decir, las relaciones de entrada-salida
de los subsistemas se hacen estocásticos. En el análisis de los subsistemas del segundo
nivel, se tiene entonces que recurrir a técnicas de estadística y teoría de probabilidades.
A este nivel, la información es analizada estadísticamente, y el control de los
subsistemas incluye la optimización.
El máximo nivel en jerarquía de una planta química (ver Fig. 1-2) provee
administración y control para toda la producción, mantenimiento, inventario,
planeamiento y mercadeo. A este nivel las necesidades provienen del análisis y del
control óptimo de la planta total. Esto incluye el uso de modelos matemáticos,
Ingeniería de sistemas, investigación de operaciones, etc.
1.2. ECUACIONES
Las ecuaciones pueden clasificarse en dos grandes grupos: algebraicas y

diferenciales / integrales. Generalmente una ecuación algebraica no contiene una
variable expresada como una derivada. Por ejemplo, la ecuación x = ay + bz es
algebraica, mientras que dx/dt = ay + bz es una ecuación diferencial y dx/dt es la
derivada.

1.2.1 Linealidad
El concepto de linealidad en ecuaciones es importante. Un ejemplo de ecuaciones

lineales podría ser la definición de la presión en el fondo de un recipiente conteniendo
liquido (Fig. 1-3):
P = hρ + P0 (1.1)
donde P0 = presión sobre la superficie

P = presión a una profundidad h
ρ = densidad
P0 P = hρ + P0
∆P
Presión P
∆h
∆P
h ∆h
P
Nivel h
Fig. 1-3 Ejemplo de sistema lineal
H
Hw F2
F1 Cv
Fig. 1-4 Ejemplo de sistema no lineal
Las relaciones entre P y h son mostradas como una línea recta en la gráfica; en la
cual, a cualquier nivel h un cambio dado en el nivel (∆h) producirá un correspondiente
cambio proporcional en la presión ∆P. Un ejemplo de una ecuación no lineal podría ser
la relación entre el flujo y la caída de presión a través de una válvula.

F2 = Cv P1 − P2 (1.2)
donde F = flujo
Cv = constante de válvula
(P1 - P2) = diferencia de presión a través de la válvula.
En esta expresión el cambio incremental en el flujo F no es proporcional a un

cambio dado en la caída de presión (P1 - P2). Notar sin embargo, que aún cuando la
relación entre el flujo y la caída de presión es no lineal, la relación entre el flujo y Cv es
lineal.
1.2.2 Ecuaciones implícitas y explícitas
Las relaciones entre variables en una ecuación pueden ser ya sea implícitas o
explícitas. Un ejemplo de una relación explícita fue mostrado en la ecuación para el
flujo, F2 = Cv P1 − P2 , la cual es, dando P1, P2, y Cv, se puede establecer directamente
F2. Un ejemplo de una ecuación implícita se refiere a un tanque con un flujo de salida
en la base y un rebose (vertedero)en un costado (Fig. 1.4). Si el flujo total hacia el
tanque es F, entonces cuando son alcanzadas las condiciones al estado estacionario; se
puede demostrar que F = 3,336(H – Hw)1,5 + Cv(Hw)0,5. Si F, Cv y Hw (altura del
vertedero) son conocidos, no se puede calcular H directamente a partir de la ecuación y
se deben hacer una serie de manipulaciones antes de establecer H.
1.2.3 Ecuaciones simultáneas
Ahora se describe el concepto de simultaneidad. Considerar el sistema descrito en

la Fig. 1-5. Una bomba suministra un flujo constante F a dos puntos a través de dos
válvulas, descargando a presiones P1 y P2 respectivamente. Las ecuaciones para el
sistema son
F = F1 + F2 (1.3)
F1 = Cv1 P − P1 (1.4)
F2 = Cv2 P − P2 (1.5)
Donde Cv1 y Cv2 son los valores constantes y P es la presión de descarga de la

bomba. Hay tres valores no conocidos para los valores dados de P1, P2, Cv1, Cv2 y F (los
dos flujos F1 y F2, y la presión P). Ninguno de estos valores no conocidos se puede
determinar mediante la solución de cualquiera de las ecuaciones anteriores por sí sola.
Estas incógnitas solamente se pueden determinar por la solución de las tres ecuaciones
simultáneamente.

En un sentido amplio, las variables en un conjunto de ecuaciones simultáneas

están implícitamente definidas, pero ninguna se puede establecer directamente
mediante la solución de una ecuación cualesquiera.
Cv
F, P P1
F1
Bomba
Cv
P2
F2
Fig. 1-5 Ejemplo de sistema simultáneo
1.2.4 Suficiencia y redundancia
En orden a obtener una solución para un conjunto de ecuaciones, es necesario

especificar tantas ecuaciones independientes como variables independientes existan. Las
ecuaciones independientes permiten que se puedan usar ecuaciones redundantes
derivadas de otras ecuaciones como ecuaciones independientes; por ejemplo, en el
sistema
x + y + 2z = 5 (a)
3x + y + 2z = 3 (b)
2x + y + 2z = 4 (c)
(c) es redundante debido a que es meramente la suma de las ecuaciones (a) y (b)
dividido por dos y por lo tanto no es un enunciado separado; y esta no puede ser usada
para obtener valores de x, y y z. Estas definiciones también son aplicadas a ecuaciones
diferenciales simultáneas.
Para sistemas en los cuales hay más variables que ecuaciones, existe un conjunto
infinito de soluciones, pero si se es establecida una condición de maximización o
minimización, se puede seleccionar una solución optima. Esta área general es abarcada
por la “programación lineal o no lineal”. Las demás situaciones comunes con mas
ecuaciones que variables no conocidas requiere encontrar una solución que fije mejor
las ecuaciones con un mínimo de error. Esta es el área general de problemas del
establecimiento de datos.
Este punto se estudiará con mayor detalle en capítulos posteriores en lo referente
al análisis de procesos para el establecimiento de los grados de libertad de un modelo.
1.2.5 Ecuaciones diferenciales
Para adquirir destreza en la formulación de ecuaciones diferenciales es necesario

entender claramente el significado de la derivada. El símbolo dV/dt establece “la razón

de cambio de V con respecto a t ”. Si V está relacionada a t, como muestra la Fig. 1-6,

entonces dV/dt es la pendiente de la curva en cualquier punto t. Si, por ejemplo, un
recipiente está siendo llenado a una velocidad F(t) (este símbolo indica que la velocidad
de alimentación F no es necesariamente constante, pero varía o es una función del
tiempo t), luego la ecuación será:
dV
=F (1.6)
dt
que es, la velocidad de cambio de volumen V con respecto al tiempo es igual a la
velocidad de alimentación. Esto también podría darse como una ecuación integral
mediante la integración de ambos lados de la ecuación
t
V = ∫ Fdt (1.7)
0
la cual indica, “el volumen V a cualquier tiempo t es la acumulación del flujo F en el

periodo de tiempo 0 → t además del volumen al tiempo 0 ”.
T tiempo
Fig. 1-6
Si el recipiente que se está llenando tiene un área de sección transversal

constante A, el volumen V = AH, donde H es la altura de la superficie sobre un nivel
dado. Luego en general,
dV d dH dA
= (AH) = A +H (1.8)
dt dt dt dt
pero como dA/dt = 0 (A es constante)
dV dH
=A (1.9)
dt dt
Esto es, el área de sección transversal A veces la velocidad de cambio de la altura dH/dt
es igual a la velocidad de alimentación. Esta manipulación es denominada
“diferenciación por partes” y es muchas veces conveniente para simplificar ecuaciones.

Condiciones de frontera (condición límite)
Una definición completa para ecuaciones diferenciales debe incluir valores

numéricos para las condiciones de frontera. Un ejemplo podría ser la ecuación para el
volumen de liquido en el tanque considerado anteriormente: dV/dt = F. Esta ecuación
permite calcular el volumen V a cualquier tiempo t pero también debe establecerse el
volumen V0 al tiempo t = 0. Este volumen inicial es denominado como una condición
de frontera, y en orden a resolver la ecuación diferencial, se debe dar un valor para esta
condición. En cualquier sistema de ecuaciones representando un modelo matemático
que contenga un número de ecuaciones diferenciales se requieren valores específicos de
las variables dependientes a valores particulares de las variables independientes, para
todas las variables para las cuales los términos de derivada son incluidos en las
ecuaciones. Por ejemplo, las ecuaciones diferenciales simultaneas definen las variables
X, Y y Z
dY
= X2 – Y2 + 3Z (a)
dt
dZ
= Y – 3Z + X (b)
dt
X = 5Z2 – Y +6 (c)
Son requeridos valores de Y y Z a un valor particular de la variable independiente

t, y debido a que (c) es algebraica X es automáticamente definida. Usualmente los
valores de frontera para las variables dependientes son todas especificadas por el valor
inicial de la variable independiente y son denominadas “condiciones iniciales”. En
pocas situaciones, sin embargo, ellas están especificadas a diferentes valores de la
variable independiente y son denominados problemas de “valores de frontera dividida”.
1.3. MODELAMIENTO
La distinción principal de los presentes días, es que los procesos químicos

proceden a grandes velocidades en sistemas de multi-fase, además son de extrema
complejidad. Esta complejidad se debe a la multiplicidad y diversidad de variables de
proceso y las ramificaciones de las relaciones internas entre ellas, debido a las cuales un
cambio en una variables puede ocasionar cambios no lineales en otras variables. Esta
complejidad aumenta en los casos de múltiples reciclos y reacciones competitivas, los
cuales pueden cambiar totalmente el modelo. Además de esto, puede sobreponerse al
proceso cualquier perturbación.
El potencial externo de información acerca de los procesos químicos es muy
grande, nosotros estamos obligados a reducir este potencial y a limitar el número de
alternativas. Esto puede hacerse mediante un adecuado discernimiento sobre un proceso
particular a través de los modelos. Un modelo es una representación simplificada de
aquellos aspectos de un proceso actual que está siendo investigado. El flujo de
información es dividido en dos etapas; en la primera etapa, un modelo es comparado
con el proceso real, y se toma como el adecuado si las diferencias son despreciables; en

la segunda etapa, comparamos nuestras observaciones del proceso con las respuestas del
modelo. Este procedimiento es denominado modelamiento. Existe modelamiento físico
y modelamiento matemático.
1.3.1 Modelamiento físico.
En este caso el proceso de interés es reproducido en diferentes escalas y se analiza

el efecto de las características físicas. El experimento es llevado a cabo directamente
sobre el proceso real. Los datos experimentales son reducidos a relaciones incluyendo
grupos dimensiónales hechos sobre varias combinaciones de cantidades físicas y
dimensiones lineales. Con esta presentación dimensional, las relaciones encontradas
pueden ser generalizadas a clases de eventos teniendo los mismos grupos dimensiónales
o similar criterio. Estos grupos dimensiónales son derivados sobre la base de ecuaciones
diferenciales o análisis dimensional.
El modelamiento físico consiste en buscar la misma o casi la misma similitud de
criterio para el modelo y el proceso real. Como ya se ha notado antes, los procesos
reales son modelados en una escala de crecimiento progresivo, con la dimensión
longitudinal principal hecha en proporción (criterio de similitud).
El principio de similitud es importante en el análisis de procesos determinísticos
los cuales obedecen las leyes físicas, pero es difícil aplicar para el análisis de procesos
probabilísticas incluyendo múltiples relaciones estocásticas entre los eventos.
1.3.2 Modelamiento matemático
El modelamiento matemático es el proceso de creación de una representación

matemática de algún fenómeno en razón de conseguir un mejor entendimiento del
fenómeno. Es un proceso en el cual se cambia la observación con el establecimiento
simbólico. Durante la construcción de un modelo, el modelista deberá decidir que
factores serán relevantes para el fenómeno y cuales podrán dejar de enfatizarse.
En la construcción de un modelo matemático, un proceso real es reducido a sus
bases esenciales, y el esquema resultante es descrito por un formulismo matemático
seleccionado de acuerdo a la complejidad del proceso.
Es importante que un modelo deberá representar con suficiente exactitud las
propiedades cuantitativas y cualitativas del fenómeno; en otras palabras, el modelo
deberá adaptarse adecuadamente al proceso real. Para verificar esta necesidad, las
observaciones hechas sobre el fenómeno deberán compararse con las predicciones
derivadas del modelo bajo idénticas condiciones. Entonces un modelo matemático de un
fenómeno (proceso) químico real es una descripción matemática combinando las
observaciones experimentales y estableciendo relaciones entre las variables de proceso.
El objetivo final de un modelo matemático es la predicción del comportamiento del
proceso y recomendar los debidos sistemas de control.

1.4 TERMINOLOGIA DE MODELOS MATEMATICOS
Existen muchas formas para la clasificación de modelos matemáticos. Para

nuestros fines resulta más satisfactorio agrupar primeramente los modelos en parejas
opuestas.
Determinista frente a probabilista

Lineal frente a no lineal
Estado estacionario frente a estado no estacionario
Parámetro globalizado frente a parámetro distribuido
La elección de un tipo particular de modelo matemático es determinada por las

condiciones específicas bajo las que puede proceder un proceso dado. El objetivo
principal del modelamiento y la simulación es para controlar un sistema o proceso dado.
Como una consecuencia, un modelo matemático completo debe describir relaciones
entre las variables básicas del proceso bajo condiciones de estado estacionario (un
modelo estático) y bajo condiciones transitorias (un modelo dinámico).
1.4.1 Modelos deterministas frente a modelos probabilistas
Dependiendo de que un proceso dado sea determinístico o estocástico, este puede

ser representado por cualquier de los siguientes modelos matemáticos: (1) Un modelo
analítico rígido, un modelo numérico rígido, un modelo analítico probabilístico, o un
modelo numérico probabilístico (Monte Carlo).
Los modelos deterministas o elementos de modelos son aquellos en los que cada
variable y parámetro puede asignarse a un número fijo definido, o a una serie de
números fijos, para una serie dada de condiciones. Por el contrario, en los modelos o
elementos probabilistas, o estocásticos, se introduce el principio de incertidumbre. Las
variables o parámetros utilizados para describir las relaciones entrada-salida y la
estructura de los elementos (y las restricciones) no son conocidos con precisión. En los
modelos estadísticos es preciso volver atrás diciendo “el valor de x es (a ± b) con un
95% de probabilidad”, lo que quiere decir que en una operación prolongada el valor de
x será mayor que (a + b) o menor que (a – b) en un 5 por ciento de los casos. Los
elementos o modelos estocásticos no son tan fáciles de tratar como los deterministas. En
la construcción de modelos rígidos, se utilizan diferentes técnicas clásicas de
matemáticas, a saber, ecuaciones diferenciales, ecuaciones lineales de diferencia,
ecuaciones integrales y operadores para conversión a modelos algebraicos.
1.4.2 Modelos lineales frente a modelos no lineales
Si la salida y, de un subsistema está completamente determinada por la entrada x,

los parámetros del subsistema y las condiciones inicial y límite, pueden, en un sentido
general, representar simbólicamente al subsistema por
y = Hx (1.10)

El operador H representa cualquier forma de conversión de x en y. Supóngase

ahora que al subsistema se le aplican simultáneamente dos entradas separadas, de forma
que
y = H(x1 + x2) = H(x1) + H(x2) = y1 + y2 (1.11)
Por tanto, el operador H es, por definición, un operador lineal. Un sistema se

denomina lineal si su operador H es lineal, y el modelo de un sistema lineal, que está
representado por ecuaciones y condiciones límite lineales, recibe el nombre de modelo
lineal. En caso contrario, el modelo es no lineal. El principio de superposición
representado por la Ec. (1.11), permite al ingeniero determinar la respuesta del sistema
par una amplia variedad de entradas.
1.4.3 Modelos de estado estacionario frente a modelos de estado no estacionario
Asumiendo una unidad de proceso (reactor, columna, intercambiador, etc.) para la

cual al hacer un balance de alguna propiedad tal como masa, energía, momentum, etc.
se tiene:
Entrada Salidada
Acumulación
Fig. 1-7
Entrada – Salida = Acumulación = d(propiedad)/dt (1.12)
Por estado estacionario consideramos, en la mayoría de sistemas, las condiciones

donde ningún cambio ocurre con el tiempo. Matemáticamente esto corresponde a tener
todas las derivadas (el término acumulación en la Ec.1.12) iguales a cero, o
considerando un tiempo para realizarse muy grande, es decir, tiende al infinito. Por lo
tanto: Entrada = Salida
En cada balance, si las condiciones límite son independientes del tiempo, las
variables dependientes del sistema pueden alcanzar gradualmente valores constantes
con respecto al tiempo en un determinado punto. Para sistemas globalizados; si la
entrada es constante con respecto al tiempo la salida puede alcanzar un valor constante.
Otra forma de expresar exactamente la misma idea consiste en decir que cuando el
tiempo tiende hacia infinito desaparecen los estados transitorios y el sistema es
invariante con respecto al tiempo.
Históricamente las técnicas de diseño en ingeniería química para operaciones
básicas, cinética de reacción, etc. han tratado casi exclusivamente con operaciones en
estado estacionario. Cuando comenzó a estudiarse ampliamente el control de procesos,
se encontró que la operación en estado no estacionario era muy importante. Diseñar una
planta basándose en información de estado estacionario y adicionar después los
controles resulta actualmente inadecuado: tanto las unidades como el control del sistema
deben diseñarse conjuntamente. Por supuesto que el análisis y diseño de un proceso de
estado no estacionario requiere más tipos diferentes y detallados de información que en
el caso precedente, pero el análisis dinámico de la operación prolongada suele con
frecuencia conducir a un mejor diseño desde el punto de vista económico, que, al fin y
al cabo, es lo que importa.

Un ejemplo típico de un proceso de estado no estacionario puede ser la puesta en

marcha de una columna de destilación que alcanzará eventualmente un conjunto de
condiciones de operación de estado estacionario. De hecho, cuando se examina con más
detalle, se encuentra que la columna siempre opera en estado estacionario con pequeñas
fluctuaciones de temperatura y composición, que se producen en todo momento, pero
que posiblemente oscilan alrededor de los valores “medios de estado estacionario”. El
análisis dinámico ayuda a minimizar las desviaciones de las especificaciones del
producto durante la puesta en marcha, parada o cambios en los niveles de operación.
En resumen, dependiendo de la naturaleza del proceso, este será descrito por:
Modelo estático. Un modelo estático (o al estado estacionario) ignora cambios en las

variables del proceso con el tiempo. Antes de construir un modelo estático, es analizado
el proceso para establecer su naturaleza física y química, para establecer las ecuaciones
que lo describan.
Ejemplos de modelos estáticos son:
a) Las ecuaciones para determinar el diámetro óptimo (Di, opt) de una tubería
Para acero al carbono
Di, opt = 282 m 0.52 ρ -0.37 (1.13)
Para acero inoxidable, la expresión es
Di, opt = 236 m 0.50 ρ -0.35 (1.14)

donde Di, opt = diámetro interior óptimo, mm
m = flujo de masa kg/s
ρ = densidad del fluido, Kg./m3
b) Las ecuaciones (modelo) que describen el equilibrio en un sistema de reacción
∆Go = ∑ v ∆G i
o
f ,i (1.15)
Ka = Π a ivi = e − ∆G / RT
(1.16)
i
 a s a t ... 
Ka =  bS Tc  (1.17)
 a B a C ... 
 
c) La Ecuación de diseño de un CSTR
FAo x A
V= (1.18)
− rA
Modelo dinámico. La construcción de un modelo dinámico (o al estado no

estacionario) se hace para describir las características dinámicas del proceso, esto es,
estableciendo relaciones entre sus principales variables, las cuales varían con el tiempo.

Las características dinámicas pueden ser obtenidas de la teoría, por experimentos, o

ambos.
Un modelo dinámico se ilustra con el tanque mostrado en la Fig. 1-8, hacia el cual
se bombea un liquido incompresible (densidad constante) a un caudal variable Fo
(pies3/s). Este flujo de entrada puede variar con el tiempo debido a cambios en la
operación de la corriente superior. El nivel de liquido en el tanque cilíndrico vertical es
h(pies). El flujo de salida del tanque es F (pies3/s).
F0
h
F
Fig. 1-8 Tanque de flujo por gravedad
Ahora Fo, h, y F todos variaran con el tiempo y entonces serán funciones del
tiempo. Consecuentemente usamos la notación Fo(t), h(t) , y F(t). El liquido sale por la
base del tanque vía una tubería horizontal prolongada y lo descarga en el tope de otro
tanque. Ambos tanques están abiertos a la atmósfera.
Al estado estacionario el flujo de salida del tanque debe ser igual al flujo de
entrada. En este libro denotaremos el estado estacionario de las variables por una barra
sobre la variable. Luego al estado estacionario en el sistema del tanque F o = F .
Para un F dado, la altura del liquido en el tanque al estado estacionario deberá
ser también una constante h . El valor de h deberá ser aquella altura que proporcione
bastante columna de presión hidráulica a la entrada de la tubería para vencer la perdida
por fricción de liquido fluyendo a lo largo de la tubería. Par un alto valor de F , será un
alto valor de h .
En el diseño del tanque al estado estacionario, naturalmente podemos dimensionar
el diámetro de la línea de salida y la altura del tanque para que al flujo máximo esperado
el tanque no rebalse. Y como practica de diseño se considera un 20 a 30 por ciento de
factor de seguridad en la altura del tanque.
El estudio dinámico de este sistema es determinar que sucede cuando se cambia el
valor de Fo. ¿Cómo será la respuesta de h(t) , y F(t) con el tiempo? Obviamente F
eventualmente tenderá a alcanzar el nuevo valor de Fo y la altura tenderá a alcanzar un
valor que equilibre el flujo de entrada y el valor necesario de h(t) para proporcionar la
columna hidráulica suficiente para tener el valor de F(t) igual a Fo; el problema se
resumira en determinar si el nivel de liquido en el tanque sobrepasa la altura del tanque
o no.
Tanque mezclador.- En los procesos se acostumbra colocar un tanque de retención

antes de un equipo al cual se debe suministrar una corriente con una concentración
constante o en todo caso que la variación no exceda un límite inferior o superior dados.
Consideremos un tanque mostrado en la Fig. 1.9 el cual esta colocado antes de la

entrada a un reactor para tratar de mantener la concentración de alimentación dentro de

un rango determinado.
Fo
CAo
F
CA
Fig. 1-9
Al tanque ingresa una alimentación Fo (pies3/min.) con una concentración del

reactante A de CAo (mol/pie3). Al estado estacionario se mantendrá CA = CAo y Fo = F,
pero puede darse el caso que debido a una mala operación en un equipo anterior al
tanque se altere la concentración de entrada durante un cierto periodo de tiempo. En este
caso el modelamiento y la simulación del tanque de mezcla servirán para determinar en
que tiempo se restaura el estado estacionario de la concentración de salida y determinar
si la concentración de salida durante el tiempo que dura la alteración de la concentración
de entrada excede o no el rango máximo de concentración de salida dado por el diseño
del proceso.
1.4.4 Modelos de parámetro distribuido frente a modelos de parámetro

globalizado (o agrupado)
Brevemente, una representación de parámetro globalizado quiere decir que se

ignoran las variaciones espaciales y que las distintas propiedades y el estado (variables
dependientes del sistema se pueden considerar homogéneas en todo el sistema). Por otra
parte, una distribución de parámetro distribuido tiene en cuenta variaciones detalladas
desde el punto de vista del sistema en su conjunto. Todos los sistemas reales, son por
supuesto, distribuidos debido a que existen algunas variaciones en todo el conjunto. Sin
embargo, las variaciones son con frecuencia relativamente pequeñas, de forma que se
pueden ignorar, y entonces el sistema se puede considerar “globalizado”.
La respuesta a la pregunta de si la globalización de parámetros es válida, dista
mucho de ser sencilla. Una buena regla aproximada es que si la respuesta del elemento,
para todos los fines prácticos, es instantánea en el conjunto de todo el elemento,
entonces el parámetro del elemento puede ser globalizado. Si la respuesta presenta
diferencias instantáneas a lo largo del elemento, ya no sería globalizado. Por respuesta
se entiende la velocidad de propagación de la entrada o señal a través del elemento. Así,
para ver si debe utilizarse una ecuación de parámetro distribuido o globalizado, es
necesario conocer algo acerca de los detalles del elemento en cuestión.
Debido a que los procedimientos matemáticos para la resolución de sistemas de
parámetro globalizado son más sencillos que para los sistemas de parámetro distribuido,
con frecuencia se aproxima este último por un sistema equivalente de parámetro
globalizado. Mientras que la globalización resulta con frecuencia posible es preciso
tener mucho cuidado en evitar el enmascaramiento de las características sobresalientes
del elemento distribuido (lo que dará lugar a la construcción de un modelo inadecuado)
debido a la globalización. Además la variabilidad o no-linealidad del modelo de

parámetro globalizado puede dar lugar a un tratamiento matemático tan difícil como el
modelo original no globalizado.
Como ejemplo de la utilización de modelos matemáticos globalizados en vez de
distribuido, vamos a considerar el concepto de etapa de equilibrio en destilación,
extracción u otras operaciones similares. Generalmente se supone que la etapa actúa
como un todo y no se tienen en cuenta las variaciones de composición, temperatura y
presión entre las distintas partes de la etapa. Todas estas variables se “globalizan”
conjuntamente en un valor medio total. Los errores introducidos por este tipo de análisis
se compensas en última instancia mediante el nebuloso término de eficiencia de la
etapa.
Otro ejemplo lo constituye un tanque de mezcla que se emplea para el mezclado
de fluidos, o bien para efectuar reacciones químicas. Generalmente basamos los
cálculos en la suposición de que el tanque esté perfectamente agitado de forma que todo
el volumen del mismo consiste en un material homogéneo de características idénticas al
producto que sale del tanque. Ahora bien, en un tanque real existen placas deflectoras,
rincones, etc., y la mezcla no es perfecta en todas las regiones, lo cual conduce a falta
de uniformidad en el tanque. Con frecuencia se ignoran nuevamente estas variaciones y
se emplean ciertos valores medios para las propiedades del material contenido en el
tanque. Para muchos fines la suposición globalizada resulta bastante satisfactoria,
aunque para ciertos tipos de reacciones químicas el mezclado no ideal puede tener
importantes efectos. En relación con estos vamos a considerar distintos aspectos.
Las variaciones espaciales consideradas en los modelos de parámetro distribuido
pueden ser para una dimensión solamente o para dos o tres dimensiones. Por ejemplo,
en los métodos habituales de diseño de un absorbedor de relleno para gases se supone
que las concentraciones varían en forma continua en la dirección axial o de flujo, pero
en cambio se ignoran en la dirección radial. A un reactor tubular o de partículas de
relleno se le considera generalmente en la misma forma, pero, como en este caso los
gradientes radiales de temperatura pueden ser importantes, para tener en cuenta esto es
necesario utilizar un modelo de parámetro distribuido de dos o tres dimensiones en el
que se consideran las variaciones radial y axial de la temperatura y las concentraciones.
Otra cuestión a considerar es que se pueden realizar aproximaciones y
simplificaciones parciales. Por ejemplo, en un modelo tridimensional de parámetro
distribuido para un reactor químico, se admite con frecuencia que el perfil de velocidad
es plano. Esto sirve de ayuda para la resolución matemática sin alterar el tipo de
modelo. Si existen perfiles de velocidad complicados, la suposición de un perfil plano
puede no resultar adecuada.
1.5 OTRA CLASIFICACION DE LOS MODELOS MATEMATICOS
En la Tabla 1.1 se considera otro esquema de clasificación y constituye una guía

para las técnicas de solución, como puede observarse, la complejidad matemática
aumenta a medida que se desciende en la Tabla 1.1. En otras palabras, las ecuaciones
algebraicas son generalmente de resolución más sencilla que las ecuaciones
diferenciales ordinarias, que a su vez son más fáciles de resolver que las ecuaciones en
derivadas parciales. Esto no ocurre siempre, ya que una ecuación diferencial lineal
puede ser más fácil de resolver que una ecuación diferencial ordinaria no lineal. La
exactitud de representación del sistema físico real que se alcanza mediante el modelo

matemático también aumenta a medida que se desciende en la tabla, puesto que al tener
en cuenta más variables dependientes y parámetros el modelo es más perfecto.
Tabla 1.1 Clasificación basada en la estructura matemática
Modelo matemático
Determinista Probabilista
Ecuaciones algebraicas
(estado estacionario, parámetro globalizado)
Ecuaciones integrales Ecuaciones diferenciales Ecuaciones de diferencia

(variaciones continuas) (variaciones continuas) (variaciones finitas, estado
estacionario)
Ecuaciones diferenciales Ecuaciones de diferencia

ordinarias unidimensionales (conexión
unidimensional de subsistemas
de parámetro globalizado
Estado estacionario Estado no estacionario
(un parámetro distribuido) (parámetro globalizado)
Ecuaciones en derivadas parciales Ecuación de diferencia

multidimensional (mas de una
conexión unidimensional de
subsistemas de parámetro
globalizado
Estado estacionario Estado no estacionario
(parámetro distribuido) (parámetro distribuido)
Ecuaciones de diferencia-diferenciales
(cualquier tipo de conexión de subsistemas de parámetro distribuido
o globalizado y estado estacionario o no estacionario)
Utilizando la descripción dada anteriormente para los modelos de estado no

estacionario frente a estado estacionario y de parámetro globalizado frente a parámetro
distribuido, se puede discutir la organización de la Tabla 1.1. Puesto que en las
ecuaciones algebraicas no hay derivadas, no se puede considerar variaciones de espacio
o tiempo. Estos modelos están limitados para sistemas de parámetro globalizado en
estado estacionario, tal como se indica en la tabla; ejemplos de este tipo son balances de
materia en estado estacionario para procesos de etapas de equilibrio.

Una ecuación diferencial ordinaria tiene una sola variable independiente que
varia continuamente, de forma que se pueden considerar variaciones del tiempo o bien
de una dirección espacial, pero no las dos conjuntamente. El primer caso conduce a
modelos de parámetro globalizado para estado no estacionario, mientras que el segundo
conduce a modelos de parámetro distribuido en una dimensión para estado estacionario.
Ejemplos del primer caso los constituyen los balances de materia en estado no
estacionario para procesos de etapas de equilibrio en los que es preciso tener en cuenta
la acumulación de materia. Ejemplos del segundo tipo son los absorbedores de gas o los
reactores químicos con variaciones en una dimensión. Los modelos que emplean
ecuaciones diferenciales ordinarias son muy útiles debido a que la complejidad
matemática no es muy grande, si bien el modelo es algo más complejo que una sencilla
ecuación algebraica, de forma que tiende a proporcionar una mejor representación del
fenómeno física. Las ecuaciones diferenciales ordinarias representan un compromiso
(una situación con la que frecuentemente se encuentra el ingeniero) debido a que se
podrían obtener representaciones más exactas pero solamente a expensas de una
complejidad adicional mucho mayor tanto matemática como de cálculo.
Las ecuaciones en derivadas parciales pueden tener cualquier número de
variables independientes, si bien en el análisis de procesos el número máximo es
habitualmente cuatro: tres dimensiones espaciales y el tiempo. En el campo de la
mecánica cuántica, donde es preciso considerar la posición espacial de cada partícula
elemental, el número de variables independientes es con frecuencia muy superior a
cuatro; sin embargo, en los sistemas ingenieriles solamente se necesita considerar las
dimensiones geométricas de todo el sistema. Puesto que por definición, en una ecuación
en derivadas parciales hay por lo menos dos variables independientes, una de ellas
puede ser el tiempo. Vemos por tanto que los modelos que emplean ecuaciones en
derivadas parciales son siempre modelos de parámetro distribuido. Dependiendo de que
intervenga o no el tiempo, se tienen las dos subclases que se indican en la Tabla 1.1.
Estos modelos son los más comprensibles de los frecuentemente utilizados por los
ingenieros, pero presentan la dificultad de que las manipulaciones matemáticas que
intervienen en su resolución son con frecuencia muy complicadas.
Con respecto a las soluciones analíticas, la teoría de las ecuaciones diferenciales
ordinarias está razonablemente bien desarrollada, pero en cambio no ocurre lo mismo
para las ecuaciones en derivadas parciales. Así, rara vez se puede encontrara la solución
analítica a una ecuación en derivadas parciales y, cuando esto ocurre, es muy frecuente
que intervenga una serie infinita, cuyo cálculo resulta difícil, al menos por métodos
manuales. Por supuesto que el empleo de calculadoras y computadoras facilita algo el
problema, pero aún en este caso la resolución de ecuaciones en derivadas parciales es un
procedimiento largo. Estas ecuaciones resultan también de difícil comprensión sin
recurrir a un amplio análisis complementario.
Es preciso tener en cuenta que un modelo expresado en función de ecuaciones
diferenciales puede con frecuencia expresarse en función de ecuaciones integrales (y
viceversa) de forma que en este esquema de clasificación están esencialmente incluidos
muchos otros modelos.
Las ecuaciones de diferencia tienen en cuenta cambios finitos desde un estado a
otro y tienen un significado paralelo al que se ha indicado mas arriba para las
ecuaciones diferenciales.

1.6 CONSTRUCCIÓN DE UN MODELO MATEMÁTICO
La construcción de un modelo matemático para un proceso, puede ser una tarea

difícil, en la cual se combinan el conocimiento con la experiencia. También es
importante trabajar en conjunto con especialistas en las diferentes áreas.
UNIDAD DE PROCESO
ECUACIONES QUE DESCRIBEN

EL PROCESO
PRINCIPALES
VARIABLES DE
PROCESO
MODELO ESTATICO MODELO DINAMICO
CONDICIONES RELACIONES RELACIONES ENTRE

DE CONTORNO ENTRE VARIABLES BASICAS
VARIABLES
OPTIMIZACION FUNCIONES ECUACIONES ECUAC. PARA

ESTATICA DE TRANSFE- DIFERENCIA- ELEMENTOS
RENCIA LES DELPROCESO
MODELAMIENTO
MATEMATICO
COMPLETO
RECOMENDACIONES
PARA CONTROL DE
OPERACIONES
OPTIMIZACION DINAMICA
Fig. 1-10 Etapas en el Desarrollo de un modelo matemático

Completo de un proceso
Aunque los problemas pueden requerir métodos de solución muy diferentes, las
siguientes etapas son una aproximación general para construir un modelo.
1. Identificación del problema, definiendo los términos del problema, y dibujar

los diagramas adecuados.
2. Comenzar con un modelo simple, estableciendo las asunciones focalizando la
atención sobre aspectos particulares del fenómeno.

3. Identificar las variables y restricciones importantes y determinar como se

relacionan entre ellas.
4. Desarrollar la(s) ecuación(es) las cuales expresen las relaciones entre las
variables y constantes.
Verificación y refinamiento del modelo
Desde que un modelo ha sido desarrollado y aplicado a un problema, los datos

resultantes deben ser analizados e interpretados con respecto al problema. La
interpretación y conclusiones deberán ser verificadas respondiendo a las siguientes
interrogantes:
• Es la información producida razonable?

• Están las asunciones realizadas durante la construcción del modelo de manera
razonable?
• Existen factores que no fueron considerados y que podrían afectar la salida?
• Cómo se comparan los resultados con los datos reales?
En consideración a estas interrogantes, puede ser necesario modificar el modelo. Este

proceso de refinación deberá ser continuo hasta conseguir un modelo que sea lo más
cercano posible a la observación real del fenómeno.
Un modelo matemático completo de un proceso combina las variables básicas del
proceso, las relaciones entre las variables bajo condiciones estáticas o al estado
estacionario, restricciones, criterios de optimización, funciones objetivas y también las
relaciones entre las variables bajo condiciones dinámicas o de estado no estacionario.
La Fig. 1-10 muestra las diferentes etapas en la construcción de un modelo matemático
completo.
1.7 ANALISIS Y DISEÑO DE PROCESOS (“GRADOS DE LIBERTAD”)
El modelamiento matemático, como se ha visto anteriormente describe

matemáticamente las relaciones entre las variables de un proceso. En otras palabras el
flujo de materiales del proceso real se convierte en flujo de información en las
abstracciones matemáticas de los modelos. Este flujo de información, son los valores de
las variables, las cuales están incluidas en el diseño, tales como composiciones de las
corrientes, temperatura, presión, velocidad de flujo y entalpías de las corrientes. En este
punto debemos distinguir dos tipos de variables:
Variables intensivas. Independientes de la cantidad de materia (Ej. Presión y
temperatura)
Variables extensivas. Dependen de la cantidad de material
La consistencia en el diseño deberá emplear restricciones sobre los posibles
valores que puedan tomar estas variables. Los valores de algunas variables serán fijados
directamente por las especificaciones del proceso. Los valores de otras variables
deberán determinarse por las relaciones de diseño.
“Grados de libertad” = Número de variables de diseño – Número de relaciones

de diseño

Si Nv = número de posibles variables en un problema de diseño

Nr = número de relaciones de diseño
Nd = número de grados de libertad
Nd = Nv – Nr (1.19)
Nd representa la libertad que tiene el diseñista para manipular las variables para
encontrar el mejor diseño. Esta manipulación se refiere a que el diseñista puede dar
valores fijos a un número de variables igual al número de grados de libertad.
a) Sí Nv = Nr entonces Nd = 0
- El problema tiene solamente una solución (única)
- El problema no es un problema real de diseño
- No es posible optimizar
Ejemplo:
x + y = 10 2 Relaciones : Nr
x – y = 2 2 Variables (x , y): Nv
Nv = Nr Única solución: x = 6 y=4
b) Si Nv < Nr entonces Nd < 0

- El problema no está definido
- Solamente es posible una solución trivial
c) Si Nv > Nr entonces Nd > 0

- Hay un número infinito de posibles soluciones (pero para un problema
practico habrá solamente un número limitado de soluciones factibles) Nd es el
número de variables a las cuales el diseñista debe asignarle valores (de
acuerdo a su criterio y experiencia) para resolver el problema.
Ejemplo. Considerando una corriente de una fase simple conteniendo C componentes
Variable Número Relaciones entre variables Número

Veloc. de flujo de la corriente 1 Composición(1) 1
Composición (concentraciones) C Entalpía(2) 1
Temperatura 1 Total 2
Presión 1
Entalpía de la corriente 1
Total Nv = C + 4
Grados de libertad Nd = Nv – Nr = (C + 4) – 2 = C + 2
(1) La suma de las fracciones en masa o mol, debe ser igual a uno
(2) La entalpía es una función de la composición de la corriente, temperatura y presión
Especificando (C + 2) variables se define completamente el sistema.

CAPITULO
2
MODELAMIENTO MATEMATICO
DE PROCESOS
El mejor camino para conseguir un buen diseño es generar varios diseños y

seleccionar el mejor, para conseguir el mejor diseño se deben analizar y evaluar los
diseños.
Cómo se analiza y se evalúa un diseño? Una opción es construir el sistema y
examinarlo. Esto es apropiado cuando el diseño es para un sistema pequeño, pero es
impracticable para sistemas grandes. La mayoría de procesos químicos son sistemas a
gran escala y es impracticable construir físicamente el sistema para su análisis. Por lo
tanto los ingenieros químicos deben buscar otras formas para examinar los sistemas
(procesos).
En cada caso particular, un modelo matemático es construido de acuerdo a los
objetivos del proceso y estudio del mismo, la exactitud deseada, y la confianza en los
datos usados. Esto es usualmente un proceso secuencial, así una formulación inicial es
desarrollada, pasando por una continua y progresiva reformulación.
2.1 LOS MODELOS EN INGENIERIA QUIMICA (MODELOS BASADOS EN

LOS PRINCIPIOS DE FENOMENOS DE TRANSPORTE)
El intento de los hombres para encontrar una explicación unificada de los

fenómenos naturales, sin duda, es muy antigua. Los jónicos trataron de explicar
totalmente tales fenómenos en función de la modificación del comportamiento de una
sustancia básica, tal como agua o aire. Consideremos lo que habitualmente
denominamos propiedades de la materia, por ejemplo; los conceptos de calor específico,
conductividad calorífica, viscosidad, coeficiente de difusión, resistencia, presión y
temperatura. Una de las principales diferencias entre la actitud de un físico y un
ingeniero frente a estas propiedades reside en la forma en las que tratan estos conceptos.

Un físico no está satisfecho debido a que estos conceptos no son suficientemente

elementales. Su actividad está dirigida hacia el intento de explicar estos conceptos por
un número reducido de otros conceptos más elementales, tales como núcleos, átomos y
electrones. Tampoco el ingeniero se encuentra satisfecho, pero por razones totalmente
diferentes. Para la mayor parte de los problemas ingenieriles estos conceptos de
propiedades son demasiado elementales. En vez de tratar de encontrar sub-elementos
más pequeños; como le ocurre al físico, el ingeniero desearía integrarlos en conceptos
más elaborados. Aunque estos conceptos pueden parecer sencillos; en la práctica no
ocurrirá así puesto que el ingeniero los utilizará en una u otra forma según resulten más
convenientes. El problema básico del ingeniero consistirá en considerar aspectos
particulares que describan de una forma precisa y convincente el comportamiento de los
procesos macroscópicos.
Tabla 2.1 Estrato de tallado de principios fisicoquímicos
Estrato de Utilización por los Descripciones Parámetros típicos

descripción ingenieros matemáticas para análisis
fisicoquímica
Atómico y Formación Trata cantidades Funciones de distribución;

molecular fundamental discretas: mecánica integrales de colisión
cuántica, mecánica
estadística, teoría
cinética
Microscópico Aplicable solamente a Fenómenos de trans- Coeficientes fenomenológicos;

casos especiales porte laminar, teorías coeficientes de viscosidad,
estadísticas de la difusión, conducción
turbulencia calorífica; coeficiente de soret
Gradiente Aplicable solamente a Fenómenos de Coeficientes de transporte

múltiple casos especiales transporte laminar y “efectivo”
turbulento; transporte
en medios porosos
Gradiente Utilizado para Fenómenos de Coeficientes de transporte de

máximo sistemas de flujo transporte laminar y interfase, constantes cinéticas
continuo; “flujo de turbulento, diseño de
pistón” reactores
Macroscópico Utilización muy Ingeniería de procesos, Coeficientes de transporte de

amplia operaciones básicas; interfase; constantes cinéticas
termodinámica y macroscópicas; factores de
cinética clásicas fricción
Esto no quiere decir que el ingeniero deba apartarse de las ciencias fundamentales,
puesto que constituyen el fundamento de su trabajo, y, en muchos casos, deberá utilizar
conocimientos directamente obtenidos por físicos y químicos. Por ejemplo, a
temperaturas elevadas la capacidad calorífica de gases se puede predecir a partir de
consideraciones de mecánica estadística, en situaciones en las que sería más difícil
obtener datos empíricos. Pero los ingenieros tratan más frecuentemente con conceptos

y propiedades de tipo compuesto, así como también con variables, que son las variables
de manipulación, aunque pueden no ser las variables verdaderas de un proceso. El
ingeniero realiza el mismo tipo de análisis que el físico: toma un conjunto de datos, los
analiza y elabora reglas, pero se mueve en una escala diferente dentro del mundo real.
Uno de los objetivos de este capítulo es presentar brevemente los modelos que se
obtienen a partir de los principios fisicoquímicos (principios de los fenómenos de
transporte) los cuales constituyen el núcleo fundamental de los modelos utilizados por
los ingenieros. Aquí se clasifican los modelos de acuerdo con la estructura de la Tabla
2.1, en la cual la primera columna muestra los distintos niveles de descripción utilizados
para representar matemáticamente los procesos reales. Las demás columnas de la tabla
sirven para identificar e interpretar estas categorías en una terminología más familiar.
Estos niveles de estratos están relacionados con la complejidad del detalle físico interno
que se incluye en la descripción del proceso: el grado de detalle disminuye a medida
que se desciende en la tabla. Téngase en cuenta que solamente disminuye el detalle
interno del sistema al descender en las columnas de la tabla y no, en cambio, la fidelidad
de representación del proceso real por el modelo. Por ejemplo un modelo macroscópico
puede representar mejor un determinado proceso que un modelo más detallado. Los
principios básicos correspondientes a los modelos no son más que los conceptos de
balance de materia, cantidad de movimiento y energía. Como se vera en los próximos
capítulos, cada balance puede representarse en esta forma:
Acumulación neta en Transporte neto de Transporte neto de

el volumen del sistema entrada a través de la salida a través de la
superficie del sistema superficie del sistema
Generación neta en el Consumo neto en el

volumen del sistema volumen del sistema
El objetivo general del modelo es reemplazar estas palabras por expresiones

matemáticas que sean tan rigurosas y a la vez contengan pocos parámetros desconocidos
como sea posible.
Para formar un modelo completo es necesario disponer de dos condicionamientos
matemáticos:
a) Las ecuaciones algebraicas o diferenciales que lo rigen
b) Las adecuadas condiciones iniciales y límite
2.1.1 Descripción molecular
La descripción más fundamental de los procesos debiera basarse sobre

consideraciones moleculares. La descripción molecular se caracteriza porque trata un
sistema arbitrario como si estuviese compuesto de entidades individuales, cada una de
las cuales siguen ciertas leyes. En consecuencia, las propiedades y las variables de

estado del sistema se obtienen como suma de todas las entidades. La mecánica cuántica,
la mecánica estadística de equilibrio y no-equilibrio, así como la mecánica clásica,
constituirán métodos típicos de análisis, mediante los cuales se podrían calcular
teóricamente todas las propiedades y formas de respuesta del sistema. Sin embargo,
estos campos implican tales complejidades matemáticas que, para los fines ingenieriles,
no son posible por ahora desarrollarlos hasta un estado que permita al ingeniero utilizar
estos conceptos en el análisis y diseño, excepto para ciertos casos muy especiales, como
por ejemplo el efecto sobre gases diluidos de temperaturas muy bajas o muy elevadas.
Por consiguiente, para nuestros fines, la descripción molecular no encuentra mucha
aplicación directa. Debido a este hecho, y a la gran complejidad ya mencionada, no se
insistirá aquí en la descripción molecular.
2.1.2 Descripción microscópica
Una clase de modelos con fundamento básico algo menor, corresponde a los que
llamaremos descripción microscópica. Corresponde a un tratamiento fenomenológico
del problema y admite que el sistema puede considerarse como continuo. En otras
palabras, se ignoran las interacciones moleculares detalladas y se plantean ciertas
ecuaciones de balance diferencial para materia, cantidad de movimiento y energía. Para
procesos no fluyentes o para procesos con flujo laminar, este estado de descripción
encuentra numerosas aplicaciones prácticas, aunque con frecuencia, resulta
excesivamente complicado. Para flujo turbulento y elevado grado de mezcla (que son
casos de interés primario) se puede utilizar la teoría estadística de la turbulencia. Pero,
lo mismo que ocurre con los conceptos de la mecánica estadística, tal tratamiento de un
proceso no encuentra mucha aplicación práctica y es necesario recurrir a otros métodos
de descripción. Un tratamiento muy completo se puede encontrar en el libro de Bird,
Steward y Lightfoot. Así mismo se pueden encontrar una serie de modelos
generalizados en el libro de Himmelblau y Bischoff.
2.1.3 Descripción de gradiente múltiple
Tal como se indica en la Tabla 2.1, el siguiente nivel para la descripción de un

proceso por modelos del tipo de fenómenos de transporte lo denominaremos nivel de
gradiente múltiple. Este nivel incorpora menos información detallada acerca de las
características internas del sistema que en el caso de la descripción microscópica. Las
formas de las ecuaciones matemáticas están sugeridas y corresponden a las ecuaciones
de transporte microscópico, pero con coeficientes modificados. Estos coeficientes son
evidentemente empíricos y deben determinarse para cada tipo de equipo o unidad de
interés, si bien es preciso indicar que, utilizando las correlaciones adecuadas, los
coeficientes obtenidos en unas determinadas circunstancias pueden con frecuencia
resultar útiles en otras distintas si el ingeniero procede con las debidas precauciones. La
característica esencial de la descripción de gradiente múltiple es que son importantes
uno o más términos de descripción que deben ser retenidos en el modelo, con o sin los
términos convectivos. El modelo de gradiente múltiple encuentra aplicaciones en
procesos con flujo turbulento o en flujos con pasos muy complicados como el que
tienen lugar en lechos de relleno o medios porosos, procesos en los que no se puede

medir ni calcular el campo de velocidad local. En el libro de Himmelblau y Bischoff, se

pueden encontrar modelos de gradiente múltiple desarrollados a partir de los balances
microscópicos.
2.1.4 Descripción de gradiente máximo
Pasamos ahora a una forma todavía menos detallada de descripción, que es la

descripción de gradiente máximo. En cierto sentido, este modelo se puede considerar
como un modelo simplificado de gradiente múltiple en el que se suprimen los términos
de dispersión y solamente se conserva una derivada en los términos de flujo global. Sin
embargo, el modelo se emplea con tal frecuencia que ha adquirido una categoría
independiente. Con frecuencia el ingeniero no intenta analizar el detalle interno de los
modelos de gradiente múltiple. Se realizan entonces suposiciones simplificables
adicionales con lo cual se obtienen ecuaciones matemáticas de fácil tratamiento que
resultan, no obstante, muy satisfactorias para numerosos fines. En el modelo de máximo
gradiente se desprecia toda la dispersión y solamente el mayor componente
(unidimensional) del gradiente de la variable independiente se considera en cada
balance. Por ejemplo en la representación de gradiente máximo de un reactor químico o
en sistemas de absorción de gases, solamente se consideran los gradientes de
concentración en la dirección axial originados por el flujo global, mientras que los
gradientes radiales, la dispersión, etc. Se ignoran.
Tabla 2.2 Balances de Gradiente Máximo
Balance de materia para la especie i
∂c i ∂ (v z c i )
+ = Ri + mi(t )
∂t ∂z
Acumu- Transporte Genera- Transporte a
lación global ción través de la
superficie
Balance de energía
 ∂T ∂T 
ρCP  + vz  = SR + E
(t)
 ∂t ∂z 
Acumu- Transporte Genera- Transporte a
lación global ción través de la
superficie
Los modelos de gradiente máximo son generalmente los modelos considerados en

los libros elementales para los procesos continuos y se relacionan en la Tabla 2.2. El
modelo de máxima gradiente se denomina con frecuencia modelo de “flujo en pistón”
en la mayoría de textos.

La descripción de gradiente máximo reduce los principios fisicoquímicos a

ecuaciones diferenciales menos detalladas que se pueden desarrollar simplificando las
ecuaciones de balances microscópicos. El balance de cantidad de movimiento se ignora
puesto que normalmente se supone que la velocidad es constante o bien una función
sencilla de z. En el balance de energía, el término SR representa la energía neta
desprendida por el proceso durante la reacción(es) que se representa por Ri en el
balance(s) de materia. El término mi(t ) tiene en cuenta la velocidad de transferencia
molar, por unidad de volumen de la especie i, a través de los límites del sistema de área
S ( mi(t ) es positivo cuando se introduce materia). En el balance de energía E(t) representa
la transferencia de interfase de energía a través de los límites del sistema por uno o bien
una combina0ción de los siguientes mecanismos: conducción, convección, radiación,
trabajo mecánico o transferencia de materia que los acompaña. Finalmente, en el
modelo de gradiente máximo es importante recordar que las concentraciones y
temperaturas ya no son valores puntuales sino valores promediados para la sección
transversal, y son funciones de una sola dirección coordenada.
2.1.5 Descripción macroscópica
Con frecuencia no se desea analizar un proceso con todo el detalle interno de los
modelos de gradiente múltiple o máximo, sino que, en vez de esto, se expresa la
descripción macroscópica ignorando todo detalle dentro del subsistema especificado y,
en consecuencia, en el planteamiento matemático no intervienen gradientes espaciales.
De hecho, de los balances generales, solamente el tiempo permanece como una variable
diferencial independiente. Las variables dependientes, tales como concentración y
temperatura, no son funciones de la posición y, por tanto, representan valores medios
para todo el volumen del subsistema. Esta pérdida de detalle simplifica grandemente la
descripción matemática. En este texto nos abocaremos principalmente al estudio de este
tipo de modelos por su importancia en el análisis y diseño de los sistemas de control.
2.2 VARIABLES DE ENTRADA Y SALIDA DEL PROCESO
Las variables de entrada y salida del proceso son de diferentes tipos (Fig. 2-1).
Variables controladas. Las cuales cambian con el progreso del proceso. Ejemplo la
composición de salida en un sistema de reacción.
Variables manipuladas. Las cuales afectan directamente el curso del proceso y

pueden ser medidas y cambiadas a voluntad. Ejemplo la composición de entrada en un
sistema de reacción.
Perturbaciones. Son variables que afectan directamente el curso del proceso, pero no
pueden ser cambiadas a voluntad. Por ejemplo un cambio repentino en el caudal de
entrada en un sistema de reacción.

Variables intermedias. Son variables relacionadas con el curso del proceso solo
indirectamente, por ejemplo la temperatura del agua de enfriamiento para un sistema de
reacción
PERTURBACIONES
z 1 z2 z3 zN
x1 y1
VARIABLES x2 y2 VARIABLES
MANIPULADAS PROCESO CONTROLADAS
xN yN
VARIABLES INTERMEDIAS
Fig. 2-1 Variables de entrada y salida del proceso
2.3 CONSTRUCCION DEL MODELO.
Es la parte más delicada y crítica del modelamiento matemático. La construcción

de cualquier modelo se inicia buscando información sobre el sistema en cuestión, luego
se hace el análisis de cada "proceso elemental" que toma lugar en el sistema. Este
análisis se realiza a condiciones bajo las cuales debe operar el sistema.
Para comenzar, es investigado el modelo de flujo de un proceso elemental para
suministrar una base al modelo matemático. Después sigue la cinética de las reacciones
químicas, transferencia de masa y energía las cuales son evaluadas a la luz del modelo
de flujo ya antes fijado. Luego se efectúa una formulación matemática para cada
proceso, y estas formulaciones individuales (usualmente en la forma de una función de
transferencia) son combinadas para construir una descripción matemática total del
sistema.
Los siguientes grupos de ecuaciones pueden ser establecidos como base del modelo
matemático basados en el comportamiento físico del sistema.
1. Balances de Masa y Energía, desarrollados sobre la base de modelos de flujo

existentes. Estas ecuaciones describen las distribuciones de temperatura,
composición y propiedades asociadas (tales como densidad, viscosidad, calor
específico, etc.) en los flujos.
2. Ecuaciones para los procesos elementales, para elementos locales del fluido.
Estas ecuaciones abarcan transferencia de masa y energía, reacciones químicas,
etc.
3. Relaciones teóricas empíricas y semiempiricas, entre las diferentes variables
del proceso, tales como la dependencia del coeficiente de transferencia de masa,
de la velocidad de flujo. La dependencia del calor específico de una solución en
la composición, etc.

4. Limitaciones sobre variables de proceso, en la construcción de un modelo

para un proceso, se tiene que contar con limitaciones objetivamente impuestas
sobre el rango de variación de algunas variables.
Al seleccionar un modelo, deben tenerse en cuenta los siguientes puntos:
• Un modelo debe representar completamente los flujos de materia y energía en

términos de un simbolismo matemático lo suficientemente simple.
• Con sistemas heterogéneos, debe ser seleccionado un modelo para cada fase;
los modelos pueden se iguales o diferentes.
• Con sistemas homogéneos, será suficiente un modelo de parámetros

agrupados para cualquier propósito; con sistemas homogéneos, si es una fase
continua puede adaptarse un modelo de parámetros agrupados y un modelo de
parámetros distribuidos si es una fase dispersa.
• Cada fase de sistemas heterogéneos puede ser tratada separadamente.
Las ecuaciones usadas para la descripción matemática del proceso pueden ser:
Ecuaciones Finitas, son usualmente empleadas en la especificación matemática de las

condiciones de estado estacionario (estáticas) en procesos tratados como sistemas de
parámetros globalizados o agrupados (un ejemplo es un reactor CSTR).
Ecuaciones diferenciales ordinarias, son usadas en la descripción matemática de las

condiciones no estacionarias (dinámica) en sistemas de parámetros agrupados, y
también condiciones de estado estacionario en sistemas de parámetros distribuidos en el
cual los parámetros dependen solamente de una coordenada en el espacio. En el primer
caso, la variable independiente es el tiempo, y en la segunda, es la posición
(coordenada).
Ecuaciones diferenciales parciales, son usadas en la descripción matemática para el

comportamiento dinámico de sistemas de parámetros distribuidos o del comportamiento
de un estado estacionario en el cual los parámetros son distribuidos en mas de una
coordenada. En el caso general, la solución de ecuaciones diferenciales parciales en el
estado no estacionario requiere el conocimiento de condiciones especificadas como
funciones del tiempo en adición a las condiciones iniciales. En el caso del estado
estacionario, solamente se necesita especificar las condiciones iniciales.
Ecuaciones de diferencia finita, usadas para modelar sistemas de parámetros

agrupados al estado estacionario que ocurren por etapas, en este caso la solución toma
valores discretos.

2.4 USO DE LOS MODELOS MATEMATICOS EN INGENIERIA QUIMICA
El resultado más importante al desarrollar un modelo de un sistema de ingeniería

química, es el entendimiento que se consigue de lo que realmente es el proceso. Los
modelos matemáticos se pueden usar en todas las fases de la ingeniería química, desde
la investigación y desarrollo hasta la operación de la planta, y aun en los estudios
económicos y de negocios.
1. Investigación y desarrollo: determinando los mecanismos y parámetros de la

cinética química desde los datos de laboratorio o planta piloto para la
reacción; explorando los efectos de las diferentes condiciones de operación
para estudios de optimización y control; así como en cálculos de
escalamiento.
2. Diseño: explorando los tamaños y arreglos de los equipos de proceso para una
operación dinámica; estudiando la interacción de varias partes del proceso,
particularmente cuando se usa reciclo de materiales o transferencia de calor;
evaluando procesos alternativos, estrategias y estructuras de control;
simulando la puesta en marcha, paradas abruptas y, situaciones y
procedimientos de emergencia.
3. Operación de la Planta: problemas de control, entrenamiento de los operarios,

optimizar la operación de la planta.
2.5 LEYES FUNDAMENTALES
En esta sección, se revisan algunas leyes de física y química en su forma general

de dependencia del tiempo, y se ilustra su aplicación a algunos sistemas químicos
simples.
2.5.1 Ecuaciones de Continuidad
A. ECUACION DE CONTINUIDAD TOTAL (BALANCE DE MASA). El

principio de conservación de la masa cuando se aplica a un sistema dinámico es:
Flujo de masa Flujo de masa Velocidad de cambio

entrando al sistema saliendo del sistema de masa dentro del sistema (2.1)
Las unidades de esta ecuación son masa por tiempo. Solamente una ecuación de
continuidad total puede escribirse para un sistema. El lado derecho de la Ec. (2.1) será
ya sea una derivada parcial ∂ o una derivada ordinaria d de la masa dentro del
∂t dt
sistema con respecto ala variable independiente t.

Ejemplo 2.1 Considerar el tanque de liquido perfectamente mezclado mostrado en la

Fig. 2-2 hacia el cual entra liquido a un caudal de F0 (pies3/min. o m3/min.) y con una
densidad de ρo (lbm/ pies3 o Kg./ m3). La retención volumétrica de liquido en el tanque
es V (pies3 o m3), y su densidad es ρ. El flujo volumétrico desde el tanque es F, y la
densidad de la corriente de salida es la misma que la del contenido del tanque.
Fo (t)
ρo (t)
V(t)
F(t)
ρ(t) ρ(t)
Fig. 2-2 Tanque perfectamente mezclado
El sistema para el cual queremos escribir una ecuación total de continuidad es

toda la fase liquida en el tanque. Podemos definir como un sistema macroscópico, en
oposición a un sistema microscópico está bien definido y es de tamaño finito. El balance
de masa es para el tanque en su totalidad y, no solamente para un elemento diferencial
del tanque. Aplicando las Ec. (1.12) y (2.1)
F0 ρo – F ρ = velocidad de cambio de ρV =d(ρV)/dt (2.2)
Las unidades de esta ecuación son lbm/min. o Kg./min.
pies3 lbm pies3 lbm (pies3 )(lbm /pies3)

min. pies3 min. pies3 min.
Desde que el liquido es perfectamente mezclado, la densidad es la misma en cada

punto dentro del tanque; esta no varía con la posición radial ni axial, por lo tanto no hay
gradientes espaciales en el tanque. Esto es el porque podemos usar un sistema
macroscópico. Esto también indica que existe una sola variable independiente, t.
Como ρ y V son funciones de t solamente, una derivada ordinaria es usada en
la Ec. (2.2).
d ( ρV )
= F0 ρo - F ρ (2.3)
dt
Ejemplo 2.2 Fluido esta pasando a través de una tubería cilíndrica de diámetro
constante, mostrado en la Fig. 2-3. El flujo es turbulento por lo que podemos asumir
condiciones de flujo en pistón, considerando cada porción de líquido pasando por la
tubería como una unidad. No hay gradientes radiales de velocidad o de cualquier otra
propiedad. Sin embargo, pueden existir gradientes axiales.

dz
v(t , z)
ρ(t , z)
z=0 z z+dz z=L
Fig. 2-3 Flujo a través de una tubería
La densidad y la velocidad pueden cambiar a medida que el fluido pasa a través de

la dirección axial z. Ahora hay dos variables independientes: tiempo t y posición z. La
densidad y velocidad son funciones de ambas variables t y z: ρ(t,z) y υ (t,z). Nosotros
queremos aplicar la ecuación total de continuidad [Ec. (2.1)] a un sistema de pequeñas
partículas. El sistema es ahora "microscópico". El elemento diferencial esta localizado
en una longitud arbitraria z a lo largo de la tubería. Esta es dz y tiene un área igual a la
sección transversal de la tubería A (pies3 o m3).
La velocidad de cambio de masa dentro del sistema es:
∂ ( Aρdz )
(2.4)
∂t
Adz es el volumen del sistema; ρ es la densidad. Las unidades de esta ecuación
son lbm /min. o kg/min.
La masa entrando al sistema a través de los alrededores en la distancia z:
υAρ (2.5)
Notar que las unidades son lbm/min = (pies/min)(pies2)( lbm/ pies3).
La masa saliendo del sistema a través de los alrededores en la distancia z + dz:
∂ (υAρ )
νAρ + dz (2.6)
∂z
La expresión anterior para el flujo a z + dz puede darse como una serie de

expansión de Taylor de una función f(z) en los alrededores de z. El valor de la función a
una distancia dz desde z es
 ∂f   ∂2 f  (dz ) 2
f(z+dz) = f(z) +   dz +  2  + ... (2.7)
 ∂z  ( z )  ∂z  ( z ) 2!
Si la dz es pequeña, la serie puede ser truncada después del término de la primera

derivada. Haciendo f(z) = υAρ dada por la Ec. (2.6).
Sustituyendo estos términos en la Ec. (2.1) da
∂ ( Aρdz )  ∂ (υAρ ) 
∂t
=υAρ – υAρ + dz  dz (2.8)
 

Cancelando los términos dz y asumiendo que A es constante se tiene
∂ρ ∂ (υρ )
+ =0
∂t ∂z
B. ECUACIÓN DE CONTINUIDAD POR COMPONENTE (BALANCES DE

COMPONENTE).
Si ocurre una reacción dentro de un sistema, el número de moles de un

componente individual se incrementará si es un producto de la reacción o disminuye si
es un reactante, lo cual indica que la masa de una especie no que interviene en la
reacción se conserva. Entonces la ecuación de continuidad de la j especie química del
sistema será
Flujo de moles del Flujo de moles de Velocidad de formación de moles

componente j entrando componente j saliendo del componente j a partir de
al sistema del sistema reacciones químicas
Velocidad de cambio de moles del

componente j dentro del sistema (2.9)
Las unidades de esta ecuación son moles de componente j por unidad de tiempo.
Los flujos de entrada y salida pueden ser ya sea por convección (debido al flujo
del "bulk") y molecular (debido a la difusión). Se puede escribir una ecuación de
continuidad para cada componente en el sistema. Si hay NC componentes, habrá NC
ecuaciones de continuidad para componentes para el sistema. Sin embargo la única
ecuación de balance total de masa y estos NC balances de componentes no son
independientes, ya que la suma de todos los moles multiplicado por su respectivo peso
molecular es igual al total de masa. Entonces un sistema dado tiene solamente NC
ecuaciones de continuidad independientes. Nosotros generalmente en los cálculos
usamos el balance total de masa y NC – 1 balances de componentes. Por ejemplo en un
sistema binario (dos componentes), será un balance total y un balance de componente.
Ejemplo 2.3. Considerar el mismo tanque de liquido perfectamente mezclado usado en

el Ejemplo 2.1 excepto que una reacción química se lleva a cabo en el liquido dentro del
tanque. El sistema es ahora un CSTR (reactor continuo tipo tanque agitado) como se
muestra en la Fig. 2-4. El componente A reacciona irreversiblemente y a una velocidad
especifica de reacción k forma el componente B.
k
A B
Denominando a la concentración de componente A en la alimentación al reactor como

CAo (moles de A por unidad de volumen) y en el reactor CA. Asumiendo una reacción

simple de primer orden, la velocidad de consumo de reactante A por unidad de volumen

será directamente proporcional a la concentración instantánea de A dentro del tanque.
En términos de la Ec. (2.9) para el balance del reactante A,
Flujo de A entrando al sistema = FoCAo

Flujo de A saliendo del sistema = FCA
Velocidad de formación de A por reacción = – VkCA
Fo
ρo
CAo
CAo V F
ρ ρ
CA CA
CB CB
Fig. 2-4 CSTR
El signo menos indica que A es consumiendo, y no producido. Las unidades de

todos estos términos deben ser las mismas: moles de A por unidad de tiempo. Entonces
el termino VkCA debe tener estas unidades, por ejemplo (pies3)(min–1)(moles de
A/pies3). Luego las unidades de k en el sistema son min–1.
d (VC A )
La velocidad de cambio de A dentro del tanque =
dt
Combinando con las anteriores se tiene
d (VC A )
= FoCAo – FCA – VkCA (2.10)
dt
Se ha usado una derivada ordinaria ya que t es la única variable independiente en

este sistema. Las unidades de esta ecuación de continuidad de componente son moles de
A por unidad de tiempo. El lado izquierdo de esta ecuación es el término dinámico. Los
dos primeros términos del lado derecho son los términos convectivos. El ultimo término
es el término generación.
Desde que el sistema es binario (componentes A y B), deberíamos escribir otra
ecuación de continuidad por componente para B. Si CB es la concentración de B en
moles de B por unidad de volumen.
d (VC B )
= FoCBo – FCB + VkCB
dt
Notar el cambio de signo antes del término generación, lo cual indica que B esta siendo
producido por la reacción. Alternativamente se puede usar la ecuación total de
continuidad [Ec. (2.3)] donde CA , CB y ρ están relacionados por

MACA + MBCB = ρ (2.11)
Donde MA y MB son los pesos moleculares de los componentes A y B respectivamente.
Ejemplo 2.4. Supongamos que se tiene el mismo sistema macroscópico anterior

excepto que ahora ocurre una reacción consecutiva. Reactante A se transforma en B a
una velocidad de reacción específica k1, pero B puede reaccionar a una velocidad
especifica de reacción k2 para formar un tercer componente C.
k1 k2
A B C
Asumiendo reacción de primer orden, en términos de la Ec. (2.9), las ecuaciones

de continuidad para los componentes A, B y C son
d (VC A )
= FoCAo – FCA – Vk1CA
dt
d (VC B )
= FoCBo – FCB + Vk1CA – Vk2CB (2.12)
dt
d (VC C )
= FoCCo – FCC + Vk2CB
dt
Las concentraciones de los componentes se relacionan a la densidad, con (M = P.M.)
C
∑M
j= A
j Cj = ρ (2.13)
Para cálculos se podrían usar estos tres balances por componente o dos de ellos y el
balance total.
Ejemplo 2.5. Considerando el fluido pasando a través de una tubería como en el

Ejemplo 2.2, suponer que la tubería es un reactor tubular en el cual se lleva a cabo la
misma reacción del Ejemplo 2.3, A  →
k
B cuando el material se mueve a lo largo del
reactor la concentración de reactante CA disminuye a medida que A es consumido. La
densidad ρ, velocidad υ, y la concentración CA pueden variar con el tiempo y la
posición axial z. Asumiendo condiciones de flujo en pistón de tal manera que no existan
gradientes radiales en la velocidad, densidad o concentración.
La concentración de A alimentada a la entrada del reactor a z = 0 se define como
CA(t,0) = CA0(t) (2.14)

La concentración de A en el efluente del reactor a z = L se define como
CA(t,L) = CAL(t) (2.15)

Si queremos aplicar la ecuación de continuidad para el reactante A para un pequeño

cilindro de longitud dz, como se muestra en la Fig. 2-5. los términos de entrada se
pueden dividir en dos tipos: flujo de masa y difusión. La difusión puede ocurrir debido a
la gradiente de concentración en la dirección axial. Esto es mucho menos importante
que el flujo de masa en la mayoría de sistemas prácticos, pero esto lo incluimos aquí
para ver cuanto contribuye al modelo. Podemos decir que la difusividad del flujo de A,
NA (moles de A por unidad de tiempo por unidad de área), está dado por una relación
tipo Ley de Ficks
∂C A
NA = D A (2.16)
∂z
Donde DA es un coeficiente de difusión que abarca a la difusión y a la turbulencia de
flujo del fluido. DA tiene unidades de longitud2 por unidad de tiempo.
Los términos en la ecuación general de continuidad de componente (Ec. 2.9) son:
flujo molar de A dentro de los limites en la distancia z (flujo de masa y difusión)
= νACA + ANA (moles de A/s)

ρ (t,z)
CA ( t , z )
dz
CAo ( t ) CAL ( t )
z=0 z z + dz z=L
Fig. 2-5 Reactor tubular
Flujo molar de A saliendo del sistema en la distancia z + dz

= (νACA + ANA) + ∂(νACA + ANA) dz
∂z
Velocidad de formación de A dentro del sistema = - kCAA dz
Veces de cambio de A dentro del sistema = ∂(A dz CA)

∂t
sustituyendo en la Ec. 2.9 se tiene
∂(A dz CA) = (νACA + ANA) – (νACA + ANA + ∂(νACA + ANA) dz) - kCAA dz
∂t ∂z
∂ CA + ∂(νCA + NA) + kCA = 0
∂t ∂z
sustituyendo la Ec. 2.16 por NA
∂ CA + ∂(νCA ) + kCA = ∂ (DA ∂CA ) (2.17)
∂t ∂z ∂z ∂z
Las unidades de la ecuación son moles de A por volumen por tiempo.

2.5.2 Ecuación de Energía
La primera ley de la termodinámica lleva adelante el principio de conservación de

energía. Escribiendo para un sistema abierto (donde puede ocurrir entrada y salida de
flujo de material) esto es
Flujo de energía interna Flujo de energía interna Calor adicionado al sistema por
Cinética y potencial en- potencial y cinética sa- conducción, radiación y reacción
Trando al sistema por liendo del sistema por
Convección y difusión convección y difusión
Trabajo realizado por el Cambio con el tiempo de la

sistema sobre los alre- energía interna, cinética y (2.18)
dedores (trabajo de eje y potencial dentro del sistema
de cambio de volumen PV )
Ejemplo 2.6. El CSTR del Ejemplo 2.3 será considerado nuevamente, esta vez con un
dispositivo de enfriamiento dentro del tanque que puede remover el calor de la
reacción exotérmica λ (Btu/lb.mol de A reaccionado). Usamos la convención normal de
que λ es negativo para una reacción exotérmica y positivo para una reacción
endotérmica. La razón de generación de calor (energía por unidad de tiempo) debido a
la reacción es igual al consumo de A por λ.
QG = – λVCAk (2.19)
Fo
ρo
CAo
CAo V F
ρ ρ
CA CA
–Q CB CB
Fig. 2-6 CSTR con remoción de calor
La cantidad de calor removido desde la masa reaccionante por el medio de

enfriamiento es –Q (energía por tiempo). La temperatura de la corriente de alimentación
es To y la temperatura en el reactor es T (°R o K). Escribiendo la Ec. 2.18 para el
sistema,
d
Foρo(Uo+Ko+φo)–Fρ(U+K+φ)+(QG+Q)–(W+FP–FoPo) = [(U+K+φ)Vρ] (2.20)
dt
donde U = energía interna (energía por unidad de masa)

K = energía cinética (energía por unidad de masa)

φ = energía potencial (energía por unidad de masa)

W = trabajo de eje realizado por el sistema (energía por tiempo)
ρ = presión del sistema
Po = presión de la corriente de alimentación
Notar que todos los términos en la Ec (2.20) deben tener las mismas unidades (energía
por tiempo), así los términos FP deben usar el factor de conversión apropiado (778
pies.lbf/Btu en el sistema inglés de unidades)
En el sistema mostrado en la Fig. 2-6 no se hace ningún trabajo de eje, así W = 0.
Si las velocidades de flujo de entrada y salida no son muy altas, el término de energía
cinética es despreciable. Si la elevación de los flujos de entrada y salida están mas o
menos al mismo nivel, el término de energía potencial es pequeño. Entonces la Ec. 2.20
se reduce a
d ( ρVU ) P P
= FoρoUo – FρU + QG + Q – Fρ + FoPo o
dt ρ ρo
_ _
= Foρo (Uo + Po Vo ) – Fρ (U +P V ) + QG + Q (2.21)
_
Donde V es el volumen especifico (pies3/lbm 0 m3/kg), el reciproco de la densidad.
La entalpía H o h, se define:
_
H oh≡U+PV (2.22)
Nosotros usaremos h para la entalpía de una corriente liquida y H para la entalpía de una
corriente de gas o vapor. Luego, para el CSTR, la Ec. (2.21) será
d ( ρVU )
= Foρoho – Fρh + Q – λVCA k (2.23)
dt
_
Para líquidos en término P V es despreciable comparado con el termino U, y
podemos usar la velocidad de cambio de la entalpía del sistema en lugar de la energía
interna del sistema
d ( ρVh)
= Foρoho – Fρh + Q – λVCA k (2.24)
dt
Las entalpías son funciones de la composición, temperatura, y presión, pero

principalmente de la temperatura. A partir de la termodinámica, la capacidad calorífica a
presión constante, CP, y a volumen constante Cv, son
 ∂H   ∂U 
Cp =   Cv =   (2.25)
 ∂T  p  ∂T  v

Para demostrar que la energía es primeramente influenciada por la temperatura,

haremos una simplificación del problema asumiendo que la entalpía del liquido puede
ser expresada como un producto de la temperatura absoluta y una capacidad calorífica
promedio Cp, (Btu/lbm °R o cal/g K) que es constante.
H = Cp T
También asumiremos que las densidades de todas las corrientes liquidas son
constantes. Con estas simplificaciones la Ec. 2.24 será
d (VT )
ρCp = ρ Cp (FoTo – FT) + Q – λVCA k (2.26)
dt
Ejemplo 2.7. Para mostrar que forma toma la ecuación de energía para un sistema de
dos fases, considerar el proceso en un CSTR mostrado en la Fig. 2-7. Dos corrientes de
producto una liquida F y una vapor Fv (flujo volumétrico) son sacadas como corrientes
laterales desde el recipiente. La presión en el reactor es P. Los volúmenes de vapor y
liquido son Vv y V. La densidad y temperatura de la fase vapor son ρv y Tv. La fracción
molar de A en el vapor es y. Si las fases están en equilibrio térmico, las temperaturas del
vapor y el liquido son iguales (T = Tv). Si las fases están en equilibrio de fases, las
composiciones del vapor y el liquido están relacionadas por la ley de Raoult, una
relación de volatilidad relativa o alguna otra relación de equilibrio liquido-vapor (ver
Sec. 2.4.6).
Fv
ρv
Tv
y
Vv P ρv Tv y
F0
CA0 VL CA ρ T F
CA
ρ0
ρ
T0 T
-Q
Fig. 2-7 Reactor CSTR de dos fases con remoción de calor
La entalpía de la fase vapor H (Btu/lbm o cal/g) es una función de la composición

y, temperatura Tv, y presión P. Despreciando los términos de energía cinética, energía
potencial y trabajo, y relacionando las energías internas con las entalpías en la derivada
con respecto al tiempo, la ecuación de energía del sistema (contenido de vapor y liquido
en el tanque) será
d ( ρ v V v H + ρV L h )
= Foρoho – Fρh – FvρvH + Q – λVCA k (2.27)
dt

En orden a expresar esta ecuación explícitamente en términos de temperatura,

usamos una forma muy simple para h (h = CPT) y una forma igualmente simple para H.
H = CP T + λv (2.28)
Donde λv es un calor de vaporización promedio de la mezcla. En un modelo más
riguroso λv podría ser una función de la temperatura Tv, composición y, y presión P. La
ecuación (2.27) estará dada por:
d ( ρ vVv (C P T + λ v ) + ρV L C P T )
= Foρo CP To – FρCPT
dt
– Fvρv(CPT+λ) + Q – λVCA k (2.29)
Ejemplo 2.8. Para ilustrar la aplicación de la ecuación de energía a un sistema

microscópico, retornando al reactor tubular de flujo en pistón y ahora teniendo un
cambio de temperatura a medida que el fluido pasa a través de la tubería. Nuevamente
asumimos que no hay gradiente radial de velocidad, concentración, o temperatura (esta
no es una asunción consistente si el diámetro de la tubería es grande y el sistema es
altamente exotérmico). Suponemos que el reactor tiene una chaqueta de enfriamiento
como se muestra en la Fig. 2-8. El calor puede ser transferido desde el fluido de proceso
a temperatura T hacia la pared metálica del reactor a temperatura TM.
TM (t , z)
Agua
CA0(t) TL(t , z)
T0(t) v(t , z) CAL(t , z)
T(t , z)
CA(t , z)
ρ(t , z)
Fig. 2-8 Reactor tubular enchaquetado
El calor es subsecuentemente transferido hacia el agua de enfriamiento. Para una

descripción completa del sistema podríamos necesitar ecuaciones de energía para el
fluido de proceso, pared metálica, y el agua de enfriamiento. Aquí solamente
analizaremos lo concerniente al fluido de proceso.
Tomando una pequeña porción de fluido como el sistema, podemos derivar cada
uno de los términos de la Ec. (2.18). los términos de energía potencial y cinética se
asumen despreciables, así como el trabajo. Se asumen las formas simplificadas de la
energía interna y de la entalpía. Se asume despreciable el flujo por difusión comparado
al flujo del “bulk”. Incluimos la posibilidad de la conducción de calor axial a lo largo
del reactor debido a las condiciones moleculares o de turbulencia

Flujo de energía (entalpía) entrando a la distancia z debido al flujo de masa:
νAρCPT con unidades inglesas de ingeniería de pie pie2 lbm Btu °R = Btu/min
min. pie3 lbm°R
Flujo de energía (entalpía) saliendo a la distancia z + dz:
∂ (νAρC P T )
νAρCPT + dz
∂z
Calor generado por reacción química = – A dz kCA λ
Calor transferido a la pared del metal = – hT(πD dz) (T – TS)
donde hT = coeficiente de película, Btu/min pie2 °R

D = diámetro de tubería, pies
Conducción de calor hacia los alrededores a z = qs A
donde qs es el flujo de calor en la dirección z debido a la conducción. Usando la Ley de

Fourier para expresar qs en términos de la temperatura como fuerza impulsora:
∂T
qs = – kT (2.30)
∂z
donde kT es una conductividad térmica efectiva, con unidades Inglesas de ingeniería de
Btu/pie.min.°R.
∂ (q s A)
Conducción de calor fuera de los límites a z + dz = qs A + dz
∂z
∂ ( ρAdzC P T )
Velocidad de cambio de energía interna (entalpía) del sistema =
∂t
Combinando todos estas ecuaciones se tiene:
∂ ( ρC P T ) ∂ (νρC P T ) 4h ∂[k T (∂T / ∂z )]

+ + kCA λ + T (T – TS) = (2.31)
∂t ∂z D ∂z
2.5.3 Ecuación de Movimiento
La segunda Ley de movimiento de Newton dice que la fuerza es igual al producto

de la masa por la aceleración para un sistema de masa constante M.
Ma
F= (2.32)
gc

donde F = fuerza, N (lbf)

m = masa, Kg. (lbm)
gc = constante de conversión necesaria cuando se usan unidades Inglesas de
ingeniería, para mantener consistencia en las unidades = 32,2 lbm pie/lbf seg2
Esta es la relación básica, la cual es usada para la ecuación de movimiento para un

sistema. En una forma más general, donde la masa puede variar con el tiempo,
1 d ( Mvi ) N
= ∑ F ji (2.33)
gc dt j =1
donde vi = velocidad en la dirección i, m/s (pies/s)

Fji = j-ésima fuerza actuando en la dirección i
La Ec. (2.33) dice que la velocidad de cambio de momentum en la dirección i

(masa por velocidad en la dirección i) es igual a la suma neta de las fuerzas actuando en
la dirección i. Esto puede establecerse como un balance dinámico de fuerzas. O más
elocuentemente esto es denominado la conservación de momentum.
En el mundo real existen tres direcciones: x, y, z. Entonces para cualquier sistema
se pueden escribir tres balances de fuerzas. Por lo tanto, cada sistema tiene tres
ecuaciones de movimiento (además de una para el balance total de masa, una ecuación
de energía, y NC – 1 balances de componentes).
En lugar de escribir tres ecuaciones de movimiento, es a menudo más conveniente
(y siempre más elegante) escribir las tres ecuaciones como un vector. Nosotros no
usaremos la forma vectorial en este libro ya que todos nuestros ejemplos serán simples
con balances de fuerzas en una dirección. Los tratados de mecánica de fluidos hacen uso
extensivo de la conservación de momentum.
Ejemplo 2.9. El flujo por gravedad del tanque mostrado en el Cap. 1, proporciona un
ejemplo simple de la aplicación de la ecuación de movimiento para un sistema
macroscópico. Refriéndonos a la Fig. 2-9 consideramos que la longitud de la línea de
salida sea L m (pies) y su área de sección transversal Ap m2 (pies2). El tanque cilíndrico
vertical tiene un área de sección transversal de AT m2 (pies2).
La parte de este proceso que es descrita por un balance de fuerzas es el liquido
fluyendo a través de la tubería. Este tendrá una masa igual al producto del volumen de
la tubería (ApL) por la densidad del liquido ρ. Esta masa de liquido tendrá una velocidad
v m/s (pies/s) igual al flujo volumétrico dividido por el área de sección transversal de la
tubería. Recordar que hemos asumido condiciones de flujo en pistón y de liquido
incompresible, y por lo tanto todo el liquido se está moviendo a la misma velocidad,
mas o menos similar a una varilla sólida. Si el flujo es turbulento esta no es una mala
asunción.
M = ApLρ
(2.34)
F
v=
Ap

F0
F
Fig. 2-9 Tanque de flujo por gravedad
La cantidad de liquido en la tubería no cambiará con el tiempo, pero si queremos

cambiar la cantidad de flujo de salida, debe ser cambiada la velocidad del liquido. Y
para cambiar la velocidad o el momentum del liquido, debemos ejercer una fuerza sobre
el liquido.
La dirección de interés en este problema es la horizontal, ya que se asume que la
tubería es horizontal. La fuerza actuando sobre el liquido en el extremo izquierdo de la
tubería es la fuerza de presión hidráulica del liquido en el tanque
g
Fuerza hidráulica = Ap ρ h (2.35)
gc
Las unidades de esta fuerza son N (lbf)

La presión estática en el tanque y al final de la tubería es la misma.
La única fuerza actuando en dirección opuesta, de derecha a izquierda y
oponiéndose al flujo es la fuerza de fricción debido a la viscosidad del liquido. Si el
flujo es turbulento, la fuerza de fricción será proporcional al cuadrado de la velocidad y
la longitud de la tubería.
Fuerza de fricción = KF L v2 (2.36)

Reemplazando esta fuerza en la Ec. 2.32 tenemos
1 d ( AP Lρv) g
= AP ρ h – KF L v2 (2.37)
gc dt gc
dv g K g
= h – F C v2
dt L ρAP
El signo de la fuerza de fricción es negativo debido a que actúa en la dirección

opuesta al flujo. Hemos definido de izquierda a derecha la dirección positiva.
Ejemplo 2.10. Probablemente el mejor ejemplo contemporáneo de un sistema de masa

variable podría ser la ecuación de movimiento para un cohete espacial en el cual la

masa decrece a medida que se consume el combustible. Sin embargo en concordancia

con los sistemas de ingeniería química, consideraremos el problema mostrado en la Fig.
2-10. Las tuberías de petróleo son algunas veces usadas para transportar diferentes
productos desde una localidad a otra sobre una base por lotes, por así decirlo, un
producto por vez. Para reducir la contaminación, al final del transporte de cada lote, una
bola limpiadora “pig” que cabe justo en la tubería, es insertada en un extremo de la
línea. Luego se introduce gas inerte para hacer que la bola vaya hacia el otro extremo,
en cuyo recorrido se produce la limpieza de la línea de cualquier liquido que hubiese
quedado en ella.
Para escribir un balance de fuerzas para el liquido en la tubería a medida que es
evacuado hacia fuera, debemos tomar en cuenta el cambio de masa del material.
Asumiendo que el peso y la fricción de la bola es despreciable comparada con el liquido
en la línea. Tomando como z la posición axial de la bola en cualquier tiempo. El liquido
es incompresible (densidad ρ) y fluye en flujo en pistón. Esto produce una fuerza de
fricción proporcional al cuadrado de su velocidad y a la longitud de la tubería
conteniendo liquido.
Fuerza de fricción = KF(L – z)v2 (2.38)
“Pig” Liquid
Gas
Po v
inerte
z Tubería
L
Fig. 2-10 Tubería y dispositivo de limpieza
El área de sección transversal de la tubería es AP. La masa de fluido en la tubería

es (L – z)APρ
La presión P0 (lbf/pie2 manométrica) de gas inerte presionando al dispositivo de
limpieza es esencialmente constante a lo largo de toda la tubería. El tanque en el cual se
recoge el liquido está a presión atmosférica. La tubería es horizontal. Un balance de
fuerzas en la dirección horizontal z dará:
1 d
[ρAP v(L − z )] = P0 AP − K F (L − z )v 2 (2.39)
g c dt
Haciendo el cambio de v = dz/dt se tiene
2
d  ρ g g K
 (L − z ) dz  = 0 c − c F (L − z ) dz  (2.40)
dt  dt  ρ ρAP  dt 

Ejemplo 2.11. Como un ejemplo de un balance de fuerzas para un sistema

microscópico, tomaremos el problema clásico del flujo laminar de un fluido
newtoniano incompresible en una tubería cilíndrica. Por “newtoniano” se define que su
esfuerzo cortante es proporcional al esfuerzo de velocidad o gradiente de velocidad.
µ ∂v z
τrz = − (2.41)
g c ∂r
donde τrz = esfuerzo de velocidad (esfuerzo cortante por unidad de área) actuando en la
dirección z y perpendicular al eje r, lbf/pie2.
vz = velocidad en la dirección z, pies/s
∂v z
= gradiente de velocidad de vz en la dirección r
∂r
µ = viscosidad del fluido, lbm/pie .s
En muchas industrias, la viscosidad es reportada en centipoises o poises. El factor

de conversión es 6,72 x 10-4 (lbm/pie .s)/centipoise.
Considerando nuestro sistema como un pequeño elemento del fluido, el cual es
mostrado en la Fig. 2-11. Desde que el fluido es incompresible, no existe flujo radial del
fluido, o vr = 0. El sistema es simétrico con respecto a la coordenada angular (alrededor
de la circunferencia de la tubería), y entonces debemos considerar solamente las dos
dimensiones r y z. Las fuerzas en la dirección z actuando sobre el elemento son:
Fuerzas actuando de izquierda a derecha:

lb f
Fuerza de corte sobre la superficie a r = τrz(2πr dz) con unidades de 2
pie2
pie
(2.42)
Fuerza de presión sobre la superficie a z = (2πr dr)P (2.43)
Fuerzas actuando de derecha a izquierda:

∂
Fuerza de corte sobre la superficie a r + dr = 2πr dz τrz + ( 2πr dz τrz)dr
∂r
∂
Fuerza de presión sobre la superficie a z + dz = 2πr dr P + (2πr dr P)dz
∂z
La velocidad de cambio de momentum de este sistema es:
1 ∂
(2πr dz dr ρvz )
g c ∂t
Combinando todas las anteriores se tiene
rρ ∂v z ∂ ∂P
+ + (rτ rz ) + r =0 (2.44)
g c ∂t ∂r ∂z

Fig. 2-11 Flujo laminar en una tubería
El término ∂P/∂z, o la caída de presión por pie de tubería, será constante si el

fluido es incompresible. Esté término se denominará ∆P/L. Reemplazando la Ec. (2.41)
en la Ec. (2.44) da
∂v z µ ∂  ∂v z  ∆P
= r  − gc (2.45)
∂t ρr ∂r  ∂r  ρL
2.5.4 Ecuaciones de transporte
Nosotros hemos venido usando en los ejemplos la mayoría de leyes que gobiernan
la transferencia de energía, masa y momentum. Estas leyes de transporte, todas tiene la
forma de un flujo (velocidad de transferencia por unidad de área) siendo proporcional a
la fuerza impulsora (o gradiente de la temperatura, concentración, o velocidad). La
constante de proporcionalidad es una propiedad física del sistema (tal como
conductividad térmica, difusividad o viscosidad).
Para transporte en un nivel molecular, las leyes toman los nombres familiares de
Fourier, Fick y Newton.
Las relaciones de transferencia de una forma macroscópica más amplia también
son usadas; por ejemplo coeficiente de película y coeficiente total en transferencia de
calor. Aquí, la diferencia en las propiedades del “bulk” entre dos puntos es la fuerza
impulsora. La constante de proporcionalidad es un coeficiente total de transferencia. La
Tabla 2.3 resume algunas de las diferentes relaciones usadas en el desarrollo de los
modelos.

Tabla 2.3 Leyes de transporte
Cantidad Calor Masa Momentum
Flujo q NA τrz
Transporte molecular
∂T ∂C A ∂v z
Fuerza impulsora ∂z ∂z ∂r
Leyes Fourier Fick Newton
Propiedad Conductividad Difusividad Viscosidad

térmica
kT ¸A µ
Transporte total
Fuerza impulsora ∆T ∆CA * ∆P
Relaciones q = hT ∆T NA = kL∆CA **
* Fuerza impulsora en términos de presión parcial y fracción molar también es comúnmente usada.
** El problema más común es determinar la caída de presión a través de tuberías, usando las
correlaciones para el factor de fricción f = (gC D ∆P/ L)/ 2ρv .
2
2.5.5 Ecuaciones de estado
Para escribir modelos matemáticos son necesarias ecuaciones que describan las
propiedades físicas, principalmente la densidad y entalpía, como funciones de la
temperatura, presión y composición.
Densidad del liquido = ρL = f(P, T, x)
Densidad del vapor = ρv = f(P, T, x)
(2.46)
Entalpía del liquido = h = f(P, T, x)
Entalpía del vapor = H = f(P, T, x)
Ocasionalmente estas relaciones tienden a ser muy complejas para describir los
sistemas con exactitud. Pero en muchos casos se pueden hacer simplificaciones sin
sacrificar mucha exactitud. Algunas ecuaciones simples de la entalpía usadas en los
ejemplos de balance de energía son:
h = CP T
(2.47)
H = CP T + λv

El siguiente nivel de complejidad podría ser si se hacen los CP’s funciones de la

temperatura:
T
h= ∫
T0
C P (T ) dT (2.48)
Con frecuencia se usa para CP un polinomio en T

CP(T) = A1 + A2 (2.49)
Luego la Ec. (2.48) será:
T
 T2
h =  A1T + A2  = A1 (T − T0 ) +
2 T
A2 2
2
(
T − T02 ) (2.50)
 0
Desde luego, con mezclas de componentes es necesaria la entalpía total. Si los

efectos de calor de mezcla son despreciables, pueden promediarse las entalpías de los
componentes puros:
NC
∑x h M
j =1
j j j
h= NC
(2.51)
∑x j =1
j Mj
donde xj = fracción molar del componente j

Mj = peso molecular del componente j
hj = entalpía del componente puro j, energía por unidad de masa
El denominador de la Ec. (2.51) es el peso molecular promedio de la mezcla.
Las densidades de los líquidos, se pueden asumir como constantes en muchos
sistemas, siempre que no ocurran grandes cambios en la temperatura y composición.
Las densidades del vapor usualmente no pueden ser consideradas invariantes y a
menudo son necesarias relaciones PVT. La relación más simple y más usada es la ley
del gas perfecto:
PV = nRT (2.52)
donde P = presión absoluta (lbf/pie2 o kiloPascales)
V = volumen (pies3 o m3)
n = número de moles (lb.mol o kg.mol)
R = constante = 1545 lbf pie/lb.mol °R o 8,314 kPa m3/kg.mol K
T = temperatura absoluta (°R o K)
Rearreglando para obtener una ecuación para la densidad ρv (lbm/pie3 o kg/m3) de

un gas perfecto con un peso molecular M, se tiene
nM MP
ρv = = (2.53)
V RT

2.5.6 Equilibrio
La segunda ley de la termodinámica es la base para las ecuaciones que describen

las condiciones de un sistema cuando prevalecen las condiciones de equilibrio.
A. EQUILIBRIO QUÍMICO. El equilibrio en un sistema reaccionante ocurre cuando:

NC
∑v
j =1
j µj =0 (2.54)
donde vj = coeficiente estequiométrico del componente j teniendo signo negativo

los reactantes y signo positivo los productos
µi = potencial químico del componente j
El camino usual para trabajar con esta ecuación es en términos de una constante
de equilibrio para una reacción. Por ejemplo, considerar una reacción reversible en fase
gas de A para formar B a una velocidad específica k1 y B reaccionando para
convertirse en A a una velocidad de reacción específica k2. La estequiometría de la
reacción es tal que va moles de A reaccionan para formar vb moles de B.
k1
va A vbB. (2.55)
k2
La Ec. (2.54) dice que el equilibrio ocurre cuando
vb µB – va µa = 0 (2.56)
El potencial químico para una mezcla perfecta de gases se puede escribir
µj = µ 0j + RT ln Pj (2.57)
donde µ 0j = potencial químico estándar (o energía libre de Gibbs por mol) del
componente j, la cual es una función de la temperatura solamente
R = constante del gas perfecto
T = temperatura absoluta
Pj = presión parcial del componente j
Sustituyendo en la Ec. (2.56)
vb ( µ B0 + RT ln PB) – va ( µ A0 + RT ln PA) = 0
RT ln(PB)vb – RT ln(PA)va = va µ A0 – vb µ B0
 P vb  v a µ A0 − v b µ B0
ln  Bva =
 (2.58)
 PA  RT

El lado derecho de esta ecuación es una función de la temperatura solamente. El

término en paréntesis en el lado izquierdo es definido como la constante de equilibrio
KP, y describe las razones de equilibrio de productos y reactantes.
PBvb
KP = va (2.59)
PA
B. EQUILIBRIO DE FASES. El equilibrio entre dos fases ocurre cuando el potencial

químico de cada componente es el mismo en las dos fases
µ Ij = µ IIj (2.60)
donde µ Ij = potencial químico de la especie j en la fase I

µ IIj = potencial químico de la especie j en la fase II
Debido a que la gran mayoría de sistemas químicos involucran fases de liquido y

vapor, se usan muchas relaciones de equilibrio liquido - vapor. En el rango desde los
muy simples a los muy complejos. Algunas de las relaciones más comúnmente usadas
son listadas a continuación. Tratados con mayor detalle son presentados en los textos de
termodinámica. Algunos de los conceptos básicos son introducidos por Luyben y
Wenzel en “Chemical Process Analysis: Mas and Energy Balances”, Chaps, 6 y 7,
Prentice Hall, 1988.
Básicamente nosotros necesitamos una relación que nos permita la composición
del vapor si conocemos la composición del liquido o viceversa. El problema más común
es un calculo de punto de burbuja: calcular la temperatura T y la composición del vapor
yj, dada la presión P y la composición del liquido xj. Esto usualmente involucra un
calculo de prueba y error, en solución iterativa debido a que las ecuaciones pueden ser
resueltas explícitamente solamente en los casos simples. Algunas veces se tienen
cálculos de punto de burbuja que se inician en valores conocidos de xj y T, y se deben
encontrar P e yj. Esto es usualmente más fácil que cuando la presión es conocida
debido a que los cálculos de punto de burbuja usualmente no son iterativos.
Los cálculos de punto de rocío se pueden hacer cuando se conoce la composición
del vapor yj y P (o T) y se quiere encontrar la composición del liquido xj (o P), los
cálculos para evaporación “flash” se deben hacer cuando se conocen ya sea xj o yj y
deben combinarse las relaciones de equilibrio de fases, ecuaciones de balance de
componentes, y un balance de energía para encontrar el resto de incógnitas.
Nosotros asumiremos comportamiento ideal de la fase vapor en los ejemplos, por
ejemplo, la presión parcial del componente j en el vapor es igual al producto de la
presión total P por la fracción molar del componente j en la fase vapor yj (Ley de
Dalton).
Pi = Pyi (2.61)
Se pueden requerir correcciones para altas presiones

En la fase vapor se han usado extensamente varias aproximaciones,
1. Ley de Raoult. Los líquidos que obedecen la Ley de Raoult son denominados
ideales
NC
P= ∑x
j =1
j PjS (2.62)
x j PjS
yi = (2.63)
P
donde PjS es la presión de vapor del componente puro j. Las presiones de vapor son
funciones de la temperatura solamente. Esta dependencia es a menudo descrita por
Aj
ln PjS = + Bj (2.64)
T
2. Volatilidad relativa. La volatilidad relativa αij del componente i con respecto al
componente j se define por:
y i / xi
αij = (2.65)
yj / xj
La volatilidad relativa tiende a ser constante para un gran número de sistemas. Por
conveniencia es frecuente mente usada así.
En un sistema binario la volatilidad relativa α del componente más volátil
comparado con el componente menos volátil es
y/x
α=
(1 − y ) /(1 − x)
Rearreglando
αx
y= (2.66)
1 + (α − 1) x
3. Valores K. Se usan extensamente las razones de vaporización o valores K,

particularmente en la industria del petróleo
yi
Kj = (2.67)
xj
Los valores K son funciones de la temperatura y composición, y en menor

extensión de la presión.
4. Coeficientes de actividad. Para líquidos no ideales la Ley de Raoult debe ser

modificada para compensar la no-idealidad en la fase liquida. Los “factores de
desviación” usados son denominados coeficientes de actividad.

NC
P= ∑x
j =1
j PjS γ j (2.68)
Donde γj es el coeficiente de actividad para el componente j. El coeficiente de

actividad es igual a 1 si el componente es ideal. Los γ’s son funciones de la composición
y temperatura.
2.5.7 Cinética Química
Los ingenieros químicos deben modelar muchos reactores químicos, y deben estar
familiarizados con las relaciones básicas y terminología usadas en la descripción de la
cinética (velocidad de reacción) de reacciones químicas.
A. DEPENDENCIA DE LA TEMPERATURA (LEY DE ARRHENIUS). El

efecto de la temperatura sobre la velocidad específica de reacción k es usualmente
encontrada a ser exponencial:
k = α e − E / RT (2.69)
donde k = velocidad específica de reacción

α = factor preexponencial
E = energía de activación: muestra la dependencia de la velocidad de reacción
con la temperatura, así, para un valor E grande, es rápido el incremento de k
con el incremento de la temperatura, (Btu/lb . mol o cal/g. mol)
R = constante del gas perfecto = 1,99 Btu/lb . mol °R o 1,99 cal/g . mol K
Esta dependencia exponencial de la temperatura representa una de las más severas

no linealidades en sistemas de ingeniería química. Se debe tener presente que la
dependencia “aparente” de una reacción con respecto a la temperatura puede no ser
exponencial si la reacción es limitada por la transferencia de masa, y no limitada por la
reacción química. Si en la operación de un reactor están presentes las dos zonas,
obviamente el modelo matemático deberá incluir los efectos de la velocidad de reacción
y transferencia de masa.
B. LEY DE ACCION DE LAS MASAS. Usando la notación convencional

definimos la velocidad global de reacción ℜ como la velocidad de cambio de los moles
de cualquier componente por unidad de volumen, debido a la reacción química dividido
por su coeficiente estequiométrico.
1  dn j 
ℜ=   (2.70)
v jV  dt 
 R

Los coeficientes estequiométricos vj son positivos para los productos de la

reacción y negativos para los reactantes. Notar que ℜ es una propiedad intensiva y
puede ser aplicada a sistemas de cualquier tamaño.
Por ejemplo, para la reacción en la cual reaccionan A y B para formar C y D
k
v a A + vb B vc C + vd D
Luego
1  dn A  1  dn B  1  dnC  1  dn D 
ℜ=   =   =   =   (2.71)
− v aV  dt  R − v bV  dt  R v cV  dt  R v d V  dt  R
La ley de acción de las masas dice que la velocidad de reacción total ℜ variará con
la temperatura (debido a que k es dependiente de la temperatura) y con la concentración
de reactantes elevada a alguna potencia.
ℜ = k(T) (CA)a (CB)b (2.72)
donde CA = concentración del componente A

CB = concentración del componente B
Las constantes a y b, en general no son iguales a los coeficientes estequiométricos
va y vb. La reacción se denomina de primer orden en A si a = 1. Es de segundo orden
en A si a = 2. Las constantes a y b pueden ser fracciones.
Como se ha indicado claramente, las unidades de la velocidad de reacción
específica dependen del orden de reacción. Esto se debe a que la velocidad de reacción
total ℜ siempre tiene las mismas unidades (moles por unidad de tiempo por unidad de
volumen). Para una reacción de primer orden de A reaccionando para dar B, la
velocidad de reacción total ℜ, escrita para el componente A, podría tener las unidades
de moles de A/min pie3.
ℜ = k CA
Si CA tiene las unidades de moles de A/pie3, k debe tener las unidades de min-1.
Si la velocidad de reacción total para el sistema anterior es de segundo orden en A,
ℜ = k C A2
ℜ mantiene las unidades de moles de A/min pie3. Entonces k debe tener las
unidades de pies3/min mol de A.
Considerando la reacción A + B C. Si la velocidad de reacción total es
de primer orden con respecto a A y con respecto a B
ℜ = k CACB
ℜ mantiene las unidades de moles de A/min pie3. Entonces k debe tener las
unidades de pies3/min mol de B.

CAPITULO
3
EJEMPLOS DE MODELOS
MATEMATICOS DE SISTEMAS
DE INGENIERIA QUIMICA
3.1 INTRODUCCION
Al leer los capítulos anteriores, se puede reconocer que las ecuaciones

desarrolladas en los ejemplos constituyen partes de modelos matemáticos. Este capítulo
está dirigido a mostrar ejemplos más completos. Iniciaremos con los sistemas más
simples y progresivamente se verán procesos mas realistas y complejos. El ejemplo más
complejo corresponde a una columna de destilación de múltiple componentes con flujos
no ideales, no equimolares, en la cual se necesitan un número grande de ecuaciones para
una rigurosa descripción del sistema.
Puede ser imposible incluir en este texto modelos matemáticos para todos los
tipos de sistemas de ingeniería química. Los ejemplos cubren un número de muchas
piezas de equipos comúnmente encontradas: tanques, reactores de diferentes tipos, y
columnas de destilación (continuas y “batch”). Se espera que estos ejemplos específicos
(o casos de estudio) de modelamiento matemático den a Ud. las estrategias y
procedimientos para que pueda aplicarlos en problemas específicos. Recordar, solo ir a
lo básico cuando se procede en una situación nueva. Usar los balances dinámicos de
masa y energía aplicados a su sistema.
3.2 REACTORES CSTR EN SERIE, CON RETENCIÓN CONSTANTE
El sistema es mostrado en la Fig. 3-1 y es una simple extensión del CSTR

considerado en el Ejemplo 2.3. El producto B es formado y el reactante A es consumido
en cada uno de los tres reactores perfectamente mezclados mediante una reacción de
primer orden llevándose a cabo en el liquido. Por el momento asumimos que las
temperaturas y retenciones (volúmenes) de los tres tanques pueden ser diferentes, pero
tanto las temperaturas y el volumen de liquido en cada tanque se asumen a ser
constantes (isotérmico y a volumen constante). Se asume densidad constante a lo largo
del sistema, el cual es una mezcla binaria de A y B.

Con estas asunciones en mente, podemos formular nuestro modelo. Si el volumen

y densidad de cada tanque son constantes, la masa total en cada tanque es constante.
Luego la ecuación de continuidad total para el primer reactor es
d ( ρV1 )
= ρ F0 – ρ F1 = 0 (3.1)
dt
o F0 = F1
Asimismo, un balance total de masa en los tanques 2 y 3 da
F3 = F2 = F1 = F0 = F (3.2)
Donde F se define como el flujo (m3/min)
F0 F1 F2 F3
V1 V2 V3
CA0 k1 CA1 k2 CA2 k3 CA3
Fig. 3-1 Reactores CSTR en serie
Si se quiere determinar las cantidades de reactante A y producto B en cada tanque,

son necesarias las ecuaciones de continuidad por componente. Sin embargo, como el
sistema es binario y se conoce la cantidad total de masa de material en cada tanque,
solamente es necesaria una ecuación de continuidad de componente. Se pueden usar ya
sea A o B. Si elegimos arbitrariamente A, las ecuaciones que describen los cambios
dinámicos en las cantidades de reactante A en cada tanque son (con unidades de kg .
mol de A/min)
dC A1
V1 = F (CA0 – CA1) – V1 k1 CA1
dt
dC A2
V2 = F (CA1 – CA2) – V2 k2 CA2 (3.3)
dt
dC A3
V3 = F (CA2 – CA3) – V3 k3 CA3
dt
La velocidad de reacción específica kn está dada por la ecuación de Arrhenius
kn = α e − E / RTn n = 1, 2, 3 (3.4)
si las temperaturas en los reactores son diferentes, los k son diferentes. La n se refiere al
número de la etapa.
El volumen Vn puede ser sacado fuere de la derivada del tiempo debido a que es
constante (ver Sec. 3.3). los flujos son todos iguales a F pero pueden variar con el

tiempo. No es necesaria una ecuación de energía debido a que se ha asumido operación

isotérmica. Cualquier cantidad de calor adicionado o removido para mantener los
reactores a temperaturas constantes puede calcularse a partir de un balance de energía al
estado estacionario (derivada de la temperatura con respecto al tiempo igual a cero).
Las tres ecuaciones diferenciales de primer orden no lineales dadas en la Ecs.
(3.3) son el modelo matemático del sistema. Los parámetros que deben ser conocidos
son: V1 , V2 V3 , k1 , k2 y k3.. las variables que deben especificarse entes de resolver
estas ecuaciones son F y CA0. “Especificada” no significa que debe ser constante. Elles
pueden variar con el tiempo, pero deben ser conocidas o dadas como funciones del
tiempo. Ellas son las funciones impulsoras.
Las condiciones iniciales de las tres concentraciones (sus valores en el tiempo
igual a cero) también se deben conocer.
Verificando ahora los grados de libertad del sistema. Existen tres ecuaciones y,
con los parámetros y funciones impulsoras especificadas, existen solamente tres
incógnitas o variables dependientes: CA1, CA2, y CA3. Consecuentemente puede ser
posible una solución, tal como se verá en el Cáp. 5.
Usaremos este sistema simple en muchas partes subsecuentes de este libro. Si se
usa para diseño de sistemas de control y para análisis de estabilidad, se usará una
versión simplificada. Si el flujo F es constante y las retenciones y temperaturas son las
mismas en todos los tanques, las Ecs (3.3) serán
dC A1  1 1
+  k + C A1 = C A0
dt  τ τ
dC A2  1 1
+  k + C A 2 = C A1 (3.5)
dt  τ τ
dC A3  1 1
+  k + C A3 = C A3
dt  τ τ
donde τ = V/F con unidades de minutos

Existe solamente una función impulsora o variable de entrada CA0.
3.3 CSTRs CON RETENCION VARIABLE
Si el ejemplo anterior se modifica para permitir que el volumen de cada reactor

varíe con el tiempo, se requieren las ecuaciones de continuidad total y por componente
para cada reactor. Para mostrar los efectos de una cinética de alto orden, asumimos
ahora que la reacción es de orden n con respecto a A.
Reactor 1:
dV1
= F0 – F1
dt
d
(V1CA1) = F0 CA0 – F1 CA1 – V1 k1 (CA1)n (3.6)
dt

Reactor 2:
dV2
= F1 – F2
dt
d
(V2CA2) = F1 CA1 – F2 CA2 – V2 k2 (CA2)n (3.7)
dt
Reactor 3:
dV3
= F2 – F3
dt
d
(V3CA3) = F2 CA2 – F3 CA3 – V3 k3 (CA3)n (3.8)
dt
El modelo matemático ahora contiene seis ecuaciones diferenciales ordinarias de

primer orden no lineales. Los parámetros que deben ser conocidos son k1 , k2 , k3 y n.
Se deben dar las condiciones iniciales de todas las variables que deben integrarse: CA1 ,
CA2 , CA3 , V1 , V2 y V3 . Las funciones impulsoras CA0(T) y F0(T) también se deben
dar.
Verificando ahora los grados de libertad de este sistema. Hay seis ecuaciones.
Pero hay nueve incógnitas: CA1 , CA2 , CA3 , V1 , V2 , V3 , F1 , F2 y F3. Claramente,
este sistema no esta suficientemente especificado u no podría obtenerse una solución.
En que se ha fallado en el modelamiento?. Un buen operado de planta podría dar
una mirada al sistema y ver cual es el problema. Nosotros no hemos especificado como
serán los flujos de salida de los tanques. Físicamente estos pueden regularse mediante
válvulas de control colocadas en la salida de los tanques. Como actuarán estas válvulas
de control?. Una configuración común es mantener el nivel en el tanque controlado por
el flujo de salida, por ejemplo un controlador de nivel abre la válvula de control en la
línea de salida para incrementar el flujo de salida si el nivel en el tanque se incrementa.
Por lo tanto debe existir una relación entre la retención en el tanque y el flujo.
F1 = f (V1 ) F2 = f (V2 ) F3 = f (V3 ) (3.9)
La función f describe al controlador de nivel y a la válvula de control. Estas tres

relaciones reducen los grados de libertad a cero.
Podríamos considerar el flujo desde el tercer tanque F3 como la función
impulsora. Luego el nivel en el tanque 3 probablemente podría mantenerse por el flujo
de entrada al tanque, F2. El nivel en el tanque 2 podría controlarse con F1, y el nivel en
el tanque 1 mediante F0. Con esto podemos tener tres ecuaciones.
Los reactores mostrados en la Fig. 3-1 pueden operar a presión atmosférica si
ellos están abiertos a la atmósfera. Si los reactores están cerrados y no contienen inertes,
podrían operar a la presión del punto de burbuja a la temperatura específica y la
composición variada. Entonces la presión puede ser diferente en cada reactor, y esta
puede variar con el tiempo, aún cuando las temperaturas se asuman constantes, así las
CA’s varían.

3.4 DOS TANQUES CALENTADOS
Ahora nuestro siguiente ejemplo considerará un proceso en el cual son necesarios

dos balances de energía para modelar el sistema. El flujo F de aceite pasando de dos
tanques en serie perfectamente mezclados es constante e igual a 90 pies3/min. La
densidad ρ del aceite es constante e igual a 40 lbm/ pie3, y su capacidad calorífica CP es
0,6 Btu/lbm°F. El volumen del primer tanque V1 es constante e igual a 450 pies3, y el
volumen del segundo tanque V2 es constante e igual a 90 pies3. La temperatura del
aceite entrando al primer tanque es T0 y es 150 °F en el estado estacionario inicial. Las
temperaturas en los dos tanques son T1 y T2. Las dos son iguales a 250 °F en el estado
estacionario inicial. Un dispositivo de calentamiento en el primer tanque usa vapor para
calentar el aceite. Denominando Q1 al calor adicionado en el primer tanque.
Se puede hacer un balance de energía para cada tanque, y cada una será similar a
la Ec. (2.26) excepto que no hay reacción involucrada en este proceso.
Balance de energía para el tanque 1:

d ( ρC PV1T1 )
= ρ Cp (FoTo – F1 T1 ) + Q1 (3.10)
dt
Balance de energía para el tanque 2:
d ( ρC PV2 T2 )
= ρ Cp (F1T1 – F2 T2) (3.11)
dt
Como el flujo a través de los tanques es constante F0 = F1 = F2 = F. Debido a
que los volúmenes, densidades, y capacidades caloríficas son todas constantes, las Ecs.
(3.10) y (3.11) se pueden simplificar
d (T1 )
ρ Cp V1 = ρ Cp F (To – T1 ) + Q1 (3.12)
dt
d (T2 )
ρ Cp V2 = ρ Cp F (T1 – T2) (3.13)
dt
Verificando los grados de libertad de este sistema. Los valores de los parámetros
que son conocidos son ρ, CP, V1, V2, y F. La entrada de calor al primer tanque Q1 se
podría fijar con la posición de la válvula de control en le línea de vapor. Entonces se
tienen dos variables dependientes T1, y T2, y también dos ecuaciones, por lo tanto el
sistema está correctamente especificado
3.5 REACTOR CSTR EN FASE GAS A PRESION
Considerar una mezcla de gases, la cual es alimentada al reactor mostrado en la

Fig. 3-2. El reactor está lleno con gases reaccionantes los cuales están perfectamente
mezclados. Ocurre una reacción reversible:

k1
2A B
k2
La velocidad de reacción directa es de orden 1,5 con respecto a A; la reacción

inversa es de primer orden con respecto a B. Notar que el coeficiente estequiometrico
para A y el orden de la reacción no son los mismos. La fracción molar de reactante A en
el reactor es y. La presión dentro del recipiente es P (absoluta). Tanto P como y
pueden variar con el tiempo. El volumen V del reactor es constante.
Asumiendo un sistema isotérmico, se tendrá que la temperatura T es constante.
También se asume comportamiento del gas perfecto. La corriente de alimentación tiene
una densidad ρ0 y una fracción molar y0 de reactante A. Su flujo volumétrico es F0.
F0 V P F PD
ρ0 T y ρ
y0 y
Fig. 3-2 Reactor CSTR en fase gas
El flujo de salida del reactor pasa a través de una restricción (válvula de control) y
entra a otro tanque el cual se mantiene a presión constante P0 (absoluta). El flujo de
salida varía con la presión y la composición en el reactor. Los flujos pasando a través de
la válvula de control son discutidos con más de talle en los textos sobre control
automático de procesos: aquí usamos la fórmula
P − PD
F = Cv (3.14)
ρ
Cv = es el coeficiente de válvula. La densidad varía con la presión y la

composición
MP P
ρ= = [y MA + (1 – y)MB] (3.15)
RT RT
donde M = peso molecular promedio
MA = peso molecular del reactante A
MB = peso molecular del producto B
La concentración de reactante en el reactor es
Py
CA= (3.16)
RT

Con unidades de moles de A por unidad de volumen. La velocidad total de

reacción directa es
1  dn A  1  dn 
ℜF = k1 (CA)1,5 = −   =  B
2V  dt  R V  dt  R
La velocidad de reacción total para la reacción inversa es
1  dn A  1  dn 
ℜR = k2 CB =   =−  B 
2V  dt  R V  dt  R
Con estas relaciones fundamentales se pueden escribir las ecuaciones de

continuidad total y por componente
Total de continuidad:
dρ
V = ρ0 F0 – ρ F (3.17)
dt
De continuidad por componente:
dC A
V = F0 CA0 – F CA – 2Vk1 (CA)1,5 + 2Vk2 CB (3.18)
dt
El número 2 en los términos de las reacciones proviene del coeficiente
estequiométrico de A.
Existen cinco ecuaciones (Ecs. (3.14) hasta (3.18) que conforman el modelo
matemático del sistema. Los parámetros que deben ser conocidos son V, Cv, k1, k2, R,
MA, y MB. Las funciones impulsoras (o entradas) pueden ser PD, ρ0, F0, y CA0. Con lo
cual se tienen cinco incógnitas (variables dependientes): CA, ρ, P, F , y y.
3.6 CSTR NO ISOTERMICO
En los reactores estudiados antes, hemos mostrado los efectos de las variaciones
de retención (volumen), variaciones de densidades y cinéticas de alto orden sobre las
ecuaciones de continuidad total y por componente. No son necesarias las ecuaciones de
energía debido a que se han asumido operaciones isotérmicas. Ahora consideraremos un
sistema en el cual la temperatura cambia con el tiempo. Una reacción irreversible
exotérmica es llevada a cabo en un reactor CSTR simple perfectamente mezclado como
se muestra en la Fig. 3-3.
A k B
La reacción es de orden n con respecto al reactante A y tiene un calor de reacción

λ (Btu/lb . mol de A reaccionado) . Se asume densidad constante y pérdidas de calor
despreciables.

F0
CA0
T0
Fj
Tj
V
Tj T
CA
Fj Vj
Tj0 F
CA
T
Fig. 3-3 CSTR no isotérmico
El calor de reacción se remueve mediante una chaqueta. A la chaqueta se adiciona

agua de enfriamiento a un flujo volumétrico de Fj y con una temperatura de entrada de
T0j. El volumen de agua en la chaqueta Vj es constante. La masa de la pared metálica se
asume despreciable por lo cual no se considera la “inercia térmica” de la pared metálica.
Esto es a menudo una buena asunción ya que la capacidad calorífica del acero es
alrededor de solamente 0,1 Btu/lbm °F, la cual es en orden de magnitud menor que la del
agua.
A. CHAQUETA DE ENFRIAMIENTO PERFECTAMENTE MEZCLADA.

Asumimos que la temperatura en cualquier punto de la chaqueta es Tj. La transferencia
de calor entre el proceso a temperatura T y el agua de enfriamiento de la chaqueta a
temperatura Tj se describe por un coeficiente total de transferencia de calor.
Q = U AH (T – Tj) (3.19)
donde Q = velocidad de transferencia de calor
U = coeficiente total de transferencia de calor
AH = área de transferencia de calor
En general, el área de transferencia de calor puede variar con la retención en el

reactor si alguna porción de área no está totalmente cubierta con masa de liquido
reaccionante en cualquier tiempo. Las ecuaciones que describen el sistema son
Total de continuidad para el reactor:
dV
= F0 – F
dt
De continuidad por componente para el reactor:
dVC A
= F0 CA0 – F CA – Vk (CA)n
dt

Ecuación de energía para el reactor:
dVC A
= ρ (F0 h0 – F h) – λVk (CA)n + U AH (T – Tj ) (3.20)
dt
Ecuación de energía para la chaqueta:
dh j
ρj Vj = Fj ρj (hj0 – hj ) + UAH (T – Tj) (3.21)
dt
donde ρj = densidad del agua de enfriamiento

h = entalpía del fluido de proceso
hj = entalpía del agua de enfriamiento
La asunción de densidad constante hace que Cp = Cv y nos permite usar entalpías

en las derivadas con respecto al tiempo para reemplazar las energías internas.
También es necesaria una relación hidráulica entre la retención en el reactor y el
flujo de salida del reactor. Se asume que un controlador de nivel cambia el flujo a
medida que el volumen en el tanque aumenta o disminuye: para volumen grande, el
flujo de salida aumenta. El flujo de salida es cortado completamente cuando el volumen
cae a un valor mínimo Vmin.
F = KV (V – Vmin) (3.22)
El controlador de nivel es un controlador proporcional con retroalimentación.

Finalmente necesitamos datos de entalpía para relacionar las h’s a las
composiciones y temperaturas. Para esto asumimos la forma simple
h = CP T y hj = Cj Tj (3.23)
donde CP = capacidad calorífica del liquido de proceso

Cj = capacidad calorífica del agua de enfriamiento
Usando las Ecs. (3.23) y la relación de Arrhenius para k, las cinco ecuaciones que
describen al proceso son:
dV
= F0 – F (3.24)
dt
dVC A
= F0 CA0 – F CA – V (CA)n α e – E/RT (3.25)
dt
d (VT )
ρCP = ρCP (F0 T0 – F T) – λV (CA)n e –E/RT – U AH (T – Tj ) (3.26)
dt

dT j
ρj Vj Cj = Fj ρj Cj (Tj0 – Tj ) + UAH (T – Tj) (3.27)
dt
F = KV (V – Vmin) (3.28)
Verificando los grados de libertad, vemos que hay cinco ecuaciones y cinco
incógnitas V, F, CA, T y Tj. Debemos tener las condiciones iniciales para estas cinco
variables dependientes. Las funciones impulsoras son T0, F0, CA0, y Fj.
Los parámetros que deben ser conocidos son n, α, e, R, ρ, CP, U, AH, ρj, Vj,
Cj, Tj0, KV, y Vmin. Si el área de transferencia varía con la retención en el reactor se
podría incluir como otra variable, pero también podemos tener otra ecuación; la relación
entre área y retención. Si el reactor es un cilindro vertical con diámetro D y si la
chaqueta está colocada solamente sobre las paredes laterales, no sobre el fondo
4
AH = V (3.29)
D
Hemos asumido que el coeficiente total de transferencia de calor U es constante.

Este puede ser una función de la razón de flujo del medio de enfriamiento Fj o la
composición de la masa reaccionante, dando una o más variables pero solamente una
ecuación.
B. FLUJO EN PISTON DEL REFRIGERANTE EN LA CHAQUETA. En el

modelo derivado anteriormente, el agua de enfriamiento dentro de la chaqueta se ha
sumido a estar perfectamente mezclado. En muchas chaquetas de recipientes esta no es
particularmente una buena asunción. Si la velocidad de flujo del agua es alta, la
temperatura del agua no cambia mucho a medida que esta pasa a través de la chaqueta,
el patrón de mezcla hace una pequeña diferencia. Sin embargo, si la temperatura del
agua se eleva significantemente y si el flujo se acerca mas a un flujo en pistón que a uno
perfectamente mezclado (este podría ser claramente el caso de usar un dispositivo de
enfriamiento dentro del reactor en lugar de una chaqueta), por lo tanto debe usarse una
temperatura promedio para la chaqueta TjA.
T j 0 + T jsal
TjA = (3.30)
2
donde Tjsal es la temperatura del agua de enfriamiento

La temperatura promedio se usa en la ecuación para la transferencia de calor y
para representar la temperatura del material de la chaqueta. La Ecuación (3.27) será
dT jA
ρj Vj Cj = Fj ρj Cj (Tj0 – Tjsal ) + UAH (T – TjA ) (3.31)
dt
La Ec. (3.31) se integra para obtener TjA en función del tiempo, y la Ec. (3.30) se
usa para calcular Tjsal, también como una función del tiempo.

C. MODELO DE CHAQUETA POR SECCIONES. Otra alternativa es considerar

al volumen de la chaqueta seccionado en partes perfectamente mezcladas como muestra
la Fig. 3-4.
Q1 Tj1
Q2 Tj2
T
Q3 Tj3
Fj
Q4 Tj4 Tj0
Fig. 3-4 Modelo de chaqueta seccionada
Una ecuación de energía es necesaria para cada sección. Asumiendo cuatro

secciones de igual volumen e igual área de transferencia de calor, podemos formular
cuatro ecuaciones de energía para la chaqueta:
1 dT j1 1
ρj Vj Cj = Fj ρj Cj (Tj0 – Tj1 ) + UAH (T – Tj1 )
4 dt 4
1 dT j 2 1
ρj Vj Cj = Fj ρj Cj (Tj1 – Tj2) + UAH (T – Tj2)
4 dt 4
(3.32)
1 dT j3 1
4 dt 4
1 dT j 4 1
4 dt 4
D. CAPACITANCIA DE LA PARED METALICA SIGNIFICATIVA. En algunos

reactores, particularmente en recipientes a alta presión, o equipos a pequeña escala, la
masa de la pared metálica se debe considerar la masa de la pared metálica y sus efectos
sobre la dinámica térmica. Para ser rigurosos, la ecuación de energía para la pared
debería ser una ecuación de derivadas parciales con respecto al tiempo y la posición
radial. Una aproximación menos rigurosa pero frecuentemente usada, es “separar” la
masa de la pared del metal y asumir que el metal está todo a una temperatura TM. Esta
asunción es buena cuando la pared no tiene mucho espesor y la conductividad del metal
no es muy grande.
Además usando los coeficientes de película interior y exterior hi y h0 como
muestra la Fig. 3-5.

Metal
Proceso Chaqueta
TM Tj
T
Q3 Fj
Q0 Tj0
Fig. 3-5 Modelo de metal separado
Las tres ecuaciones para el proceso son:

d (VT )
ρCP = ρCP (F0 T0 – F T) – λV (CA)n e –E/RT – hi Ai (T – TM )
dt
dTM
ρM VM CM = hi Ai (T – TM ) – h0 A0 (TM – Tj ) (3.33)
dt
dT j
ρj Vj Cj = Fj ρi Cj (Tj0 – Tj ) + h0 A0 (TM – Tj )
dt
donde hi = coeficiente de película interior
h0 = coeficiente de película exterior
ρM = densidad de la pared metálica
VM = volumen de la pared metálica
CM = capacidad calorífica de la pared del metal
Ai = área de transferencia de calor interior
A0 = área de transferencia de calor exterior
3.7 VAPORIZADOR DE UN COMPONENTE SIMPLE
Los sistemas en ebullición representan algunas de las operaciones más

importantes e interesantes en procesos de ingeniería química y son más difíciles de
modelar. Para describir rigurosamente estos sistemas, se deben escribir las ecuaciones
de conservación para ambas fases, vapor y liquido. El problema principal es encontrar la
velocidad de vaporización del material desde la fase liquida hacia la fase vapor. Las
ecuaciones usadas para describir la velocidad de ebullición deben ser físicamente
razonables y matemáticamente convenientes para su solución.
Considerar el vaporizador mostrado en la Fig. 3-6. Gas licuado de petróleo (LPG)
es alimentado a un tanque presurizado para mantener el nivel de liquido en el tanque.
Asumiremos que el LPG es un componente puro: propano. Vaporización de mezclas de
componentes se discute en la Sec. 3.8.

El liquido en el tanque se asume como perfectamente mezclado. Calor es

adicionado a una velocidad Q para mantener la presión deseada en el tanque mediante la
vaporización del liquido a la velocidad Wv (masa por tiempo). Se asumen despreciables
las pérdidas de calor y la masa de la pared del tanque. El gas es evacuado fuera del
tanque por el tope a un flujo volumétrico Fv. Fv es la función impulsora o carga
perturbadora.
A. UN MODELO AL ESTADO ESTACIONARIO. El modelo más simple

podría
Fig. 3-6 Vaporizador de LPG
despreciar las dinámicas de las fases vapor y liquido, y relacionar la velocidad del gas
Fv a la entrada de calor mediante
ρv Fv (Hv – h0 ) = Q (3.34)
donde Hv = entalpía del vapor saliendo del tanque (Btu/lbm o cal/g)
h0 = entalpía del liquido alimentado (Btu/lbm o cal/g)
B. MODELO CON DINAMICA DE EQUILIBRIO DE FASES. Un modelo más

realista se obtiene si asumimos que el volumen de la fase vapor es pequeño con lo cual
podemos hacer despreciable su dinámica. Si solamente unos pocos moles de liquido
tienen que ser vaporizados para cambiar la presión en la fase vapor, podemos asumir
que esta presión es siempre igual a la presión de vapor del liquido a cualquier
temperatura del sistema (P = Pv y Wv = ρv Fv). Una ecuación de energía para la fase
liquida da la temperatura (como una función del tiempo), y las relaciones de presión de
vapor darán la presión en el vaporizador a esa temperatura.
Una ecuación de continuidad total para la fase liquida también es necesaria,
además de las ecuaciones de los dos controladores relacionando la presión a la entrada
de calor y el nivel de liquido al flujo de alimentación F0. Estas relaciones del
controlador de retroalimentación se expresarán aquí simplemente como una función. En
los tópicos sobre control se discuten estas funciones con detalle.

Q = f1(P) F0 = f2(VL) (3.35)

Para poder calcular la densidad ρv a partir de la temperatura o presión, es
necesario una ecuación de estado para el vapor. Conociendo cualquiera de las
propiedades (T, P, o ρV) se pueden tener todas las demás propiedades ya que este es
solamente un componente, y están presentes dos fases en el tanque. Se usa la ley del gas
perfecto.
Se asume que el liquido es incompresible de tal manera que Cv = CP y su energía
interna es CPT. La entalpía del vapor saliendo del vaporizador es asumida a ser de la
simple forma: CPT + λv.
Ecuación de continuidad total:

dV L
ρ = ρ0 F0 – ρv Fv (3.36)
dt
Ecuación de energía:
d (V L T )
ρCP = ρ0 CP F0 T0 – ρv Fv (CPT + λv ) + Q (3.37)
dt
Ecuación de estado:
MP
ρv = (3.38)
RT
Presión de vapor
A
Ln P = +B (3.39)
T
Las ecuaciones (3.35) a (3.39) nos dan seis ecuaciones. Las incógnitas son Q, F0,
P, VL, ρv, y T.
C. MODELO CON DINAMICA DE LIQUIDO Y VAPOR. Si la dinámica de la

fase vapor no puede despreciarse (cuando se tiene una volumen grande de vapor), se
deben escribir las ecuaciones total de continuidad y de energía para el gas dentro del
tanque. El vapor saliendo del tanque, ρvFv, no es exactamente igual, dinámicamente, a la
velocidad de vaporización Wv.
La clave del problema es ahora encontrar una expresión simple y razonable para la
velocidad de ebullición Wv. Se ha encontrada en otras simulaciones que un tipo de
ecuación de “transferencia de masa” puede ser convenientemente empleada. Estas
relaciones también deben darle el sentido físico. Un liquido hierve debido, a la misma
temperatura (y composición si esta presente mas de un componente), si ejerce una
presión de vapor P más grande que Pv en la fase vapor sobre él. Esta diferencial de
presión es la fuerza impulsora
Wv = KMT (P – Pv) (3.40)

Donde KMT es el seudo coeficiente de transferencia de masa. Naturalmente en el

equilibrio (no en el estado estacionario) P = Pv. Si asumimos que el liquido y el vapor
están en equilibrio, podemos decir que KMT es muy grande. Cuando las ecuaciones son
resueltas en una computadora, se pueden usar diferentes valores de KMT para examinar
los efectos de las condiciones de no equilibrio.
Las ecuaciones que describen este sistema son:
Fase liquida
De continuidad total
dVL
ρ = ρ0 F0 – Wv (3.41)
dt
De energía:
d (V LU L )
ρ = ρ0 F0 h0 – Wv HL + Q (3.42)
dt
Presión de vapor
P = eA/T + B (3.43)
Fase vapor
dVv ρ v
= Wv – ρv Fv (3.44)
dt
De energía:
d (Vv ρ vU v )
ρ = Wv HL – ρv Fv Hv (3.45)
dt
De estado
MPv
ρv = (3.46)
RTv
donde UL = energía interna del liquido a temperatura T

HL = entalpía del vapor saliendo del liquido
Uv = energía interna del vapor a temperatura Tv
Hv = entalpía de la fase vapor.
Son necesarios datos de propiedades térmicas para relacionar las entalpías a las
temperaturas. Podemos ver que hay 10 variables Q, F0 ,VL , Wv , T, Vv , ρv , Tv ,P, y Pv.
Contando las Ecs. (3.35) y (3.40) hasta (3.46) vemos que hay solamente nueve
ecuaciones. Algo esta faltando. Un análisis posterior puede generar la otra relación, la
restricción física: VL + Vv = volumen total del tanque.

D. MODELO DE EQUILIBRIO TERMICO. Los casos previos dan un modelo el

cual es riguroso dentro de lo razonablemente esperado. Un modelo final no tan
rigurosos pero usualmente adecuado, es uno en el cual se asume equilibrio térmico entre
el liquido y el vapor en todo instante. Más simple, se asume que las temperatura del
vapor y el liquido son iguales: T = TV . Esto elimina la necesidad de un balance de
energía para la fase vapor. Este modelo posiblemente trabaje muy bien debido a que el
calor sensible del vapor es usualmente pequeño comparado con los efectos de calor
latente.
Si se puede usar la relación simple de entalpía, la Ec. (3.42) será:
d (V L T )
ρCP = ρ0 F0 CP T0 – Wv (CP T + λv ) + Q (3.42)
dt
Los modelos simples discutidos anteriormente (tal como los casos A y B) son
usualmente lo suficientemente buenos para sistemas de flujo continúo donde los
cambios en las retenciones y temperaturas del liquido y vapor no son muy grandes. Los
sistemas “batch” pueden requerir los modelos más rigurosos (casos C y D) debido a que
hay gran variación de la mayoría de variables.
3.8 EVAPORACION “FLASH” DE MULTIPLECOMPONENTES
Veamos ahora un sistema liquido-vapor con más de un componente. Una

corriente liquida a alta temperatura y presión es “flasheada” hacia un tanque; antes, su
presión se reduce a medida que el flujo pasa por una restricción (válvula) a la entrada
del tanque. Esta expansión súbita es irreversible y ocurre a entalpía constante. Si fuese
una expansión reversible podría conservarse la entropía (y no la entalpía). Si la presión
en el tanque es menor que la presión del punto de burbuja de la alimentación a la
temperatura de alimentación, algo de liquido alimentado se vaporizará.
El gas es evacuado por el tope del recipiente a través de una válvula de control
cuya posición del vástago es regulada por la presión del controlador (Fig. 3-7). El
liquido sale por el fondo del tanque mediante un control de nivel.
Fig. 3-7 Tanque “Flash”

La presión P0 antes de la válvula es tan alta que evita cualquier vaporización de la

alimentación a la temperatura T0 y composición x0j (fracción molar del componente j).
Se asumen condiciones adiabáticas (sin pérdida de calor). La densidad del liquido en el
tanque, ρL, se asume que es una función de la temperatura y composición.
ρL = f(x j , T) (3.48)
La densidad ρv del vapor en el tanque es una conocida función de la temperatura
T, composición yj y presión P. Si se usa la ley del gas perfecto,
M vav P
ρv = (3.49)
RT
donde M vav es el peso molecular promedio del gas.

NC
M vav = ∑ M j y j (3.50)
j =1
donde Mj es el peso molecular del componente j.
A. MODELO DE ESTADO ESTACIONARIO
El modelo más simple de este sistema es uno en el cual se desprecie

completamente la dinámica. se asume presión constante, y se usan las ecuaciones de
continuidad total y por componente al estado estacionario y un balance de energía al
estado estacionario. Se asumen que las fases de vapor y liquido están en equilibrio.
ρ0 F0 = ρv Fv + ρv FL (3.51)
De continuidad por componente
ρ 0 F0 ρ F ρ F
av
x 0 j = v avv y i + L avL x j (3.52)
M0 Mv ML
Equilibrio liquido – vapor
yi = f(xj , T , P) (3.53)
Ecuación de energía
ρ0 F0 h0 = H ρv Fv + ρL FL h (3.54)
Propiedades termodinámicas
h0 = f(x0j , T0) h = f(xj , T) H = f(xj , T , P) (3.55)
Los pesos moleculares promedio en cada corriente Mav se calculan a partir de las
fracciones molares en las corrientes [Ver Ec. (3.50)]. El número de variables en el

sistema es 9 + 2 (NC – 1) : ρv , Fv , M vav , y1 , y2 , . . . yNC -1 , ρL , FL , M Lav , x1 , x2 , . . .

xNC -1 , T , h, y H. La presión P y todas las propiedades de la alimentación son dadas.
Hay NC – 1 balances de componentes [Ec. (3.52)].
Ecuación Número de
Ecuaciones
De continuidad total (3.51) 1
Energía (3.54) 1
De continuidad por componente (3.52) NC – 1
Equilibrio liquido – vapor (3.53) NC
Densidades de vapor y liquido (3.48) y (3.49) 2
Propiedades térmicas para las 2
corrientes de vapor y liquido (3.55)
Pesos moleculares promedios (3.50) 2
TOTAL 2NC + 7
Hay un total de NC ecuaciones de equilibrio. Podemos decir que hay NC

ecuaciones semejantes a la Ec. (3.53). esto puede incomodar algo a Ud. Como la suma
de las y’s es igual a 1, se puede decir que hay solamente NC – 1 ecuaciones para las y’s.
Pero aún si se piensa que este es el camino, el tanque proporciona una ecuación más. La
suma de las presiones parciales es igual a la presión total, también hay NC ecuaciones
de equilibrio de fases.
El sistema se especifica con el conjunto de ecuaciones algebraicas listadas
anteriormente. Este es solamente el tradicional calculo de un tanque “flash” al estado
estacionario.
B. MODELO RIGUROSO. La dinámica puede incluirse por diferentes caminos,

con variación de grados de rigor, con el uso de modelos similares a los dados en la Sec.
3.7. Ahora indicaremos como podría desarrollarse un modelo rigurosos, similar al caso
C de la Sec. 3.7. La Fig. 3-8, muestra esquemáticamente el sistema.
Vv ρv
Fv/
Pv yj Fv
ρ v/ Tv
F0 y v/
ρ0
T0 Pv Wv
P0 T’
x0j FL/ VL ρL
PL xj FL
ρ L
/
TL
/
xv
Fig. 3-8 Tanque “flash” dinámico

Un cálculo de equilibrio “flash” (usando las mismas ecuaciones del caso A

anterior) es realizado a cada punto en el tiempo para encontrar las velocidades de flujo
de vapor y liquido y propiedades inmediatamente después que la presión cae en la
válvula (las variables con primos: Fv/ , FL/ , y /j , x /j , . . . mostradas en la Fig. 3.8).
Estas dos corrientes son luego alimentadas a las fases de liquido y vapor. Las
ecuaciones que describen estas dos fases serán similares a las Ecs. (3.40) a (3.42) y
(3.44) a (3.46) con la adición de (1) ecuación de equilibrio liquido-vapor de múltiple
componentes para calcular ρL y (2) NC – 1 ecuaciones de continuidad por componente
para cada fase. Las ecuaciones de los controladores relacionando VL a FL y Pv a Fv
completan el modelo.
FL = f (VL) Fv = f(Pv) (3.56)
C. MODELO PRACTICO. Un modelo dinámico más trabajable puede ser

desarrollado si ignoramos la dinámica de la fase vapor (tal como hemos indicado en el
caso B de la sec. 3.7). Se asume que el vapor siempre está en equilibrio con el liquido.
Las ecuaciones de conservación son escritas solamente para la fase liquida.
d (V L ρ L )
= ρ0 F0 – ρv Fv – ρL FL (3.57)
dt
De continuidad por componente
 VL ρ L x j 
d  

 ML
av
 ρ 0 F0 ρ v Fv ρ L FL
= x 0 j − y i − xj (3.58)
dt M 0av M vav M Lav
Energía
d (V L ρ L h )
= ρ0 F0 h0 – H ρv Fv – ρL FL h (3.59)
dt
Las NC ecuaciones de equilibrio liquido-vapor [Ecs. (3.53)], las tres relaciones de

entalpía [Ecs. (3.55)], las dos ecuaciones de densidad [Ecs. (3.48) y (3.49)], las dos
ecuaciones de pesos moleculares [Ec. (3.50)], y las ecuaciones de los controladores de
retroalimentación [Ecs. (3.56)] son todas necesarias. El número total de ecuaciones es
2NC + 9, las cuales son iguales al número total de variables: Pv , VL , ρv , Fv , M vav y1 ,
y2 , . . . yNC-1 , ρL , FL , M Lav , x1 , x2 , . . . xNC-1 , T, h y H.
Teniendo en cuenta que son dadas todas las propiedades de alimentación, o
funciones impulsoras: ρ0 , F0 . h0 , xj0 , y M 0av .

3.9 REACTOR “BATCH”
Los procesos “batch” ofrecen algunos de los más interesantes y cambiantes

problemas en modelamiento y control debido a su naturaleza dinámica inherente.
Aún cuando la mayoría de los procesos químicos a gran escala han sido operados
de manera continua, muchos procesos “batch” se siguen usando en la producción de
pequeños volúmenes, especialmente de productos farmacéuticos. Los reactores “batch”
tienen ventajas cinéticas inherentes sobre los reactores continuos para la mayoría de
reacciones (principalmente para constantes de velocidad bajas). El extenso uso de
control digital de procesos mediante las computadoras ha permitido la automatización y
optimización de los procesos “batch” y los han hecho más eficientes y menos
trabajosos.
Fig. 3-9 Reactor “Batch”
Considerando el reactor “batch” mostrado en la Fig. 3-9. El reactante es cargado

en el recipiente. Vapor es alimentado hacia la chaqueta para elevar la temperatura de los
reactantes a un valor deseado. Posteriormente se debe adicionar agua de enfriamiento a
la chaqueta para remover el calor de la reacción exotérmica y hacer que la temperatura
del reactor siga la curva establecida de temperatura – tiempo. El perfil de temperatura es
alimentado al controlador de temperatura como una señal de referencia (“set point”) el
valor de referencia varía con el tiempo.
En el reactor se lleva a cabo en este tiempo una reacción consecutiva de primer
orden.

k1 k2
A B C
El producto que deseamos obtener es el componente B. Si dejamos que la

reacción prosiga por mucho tiempo, mucho B reaccionará para formar C; con lo cual
el rendimiento será bajo. Si detenemos la reacción, claramente poco A habrá
reaccionado; por lo tanto la conversión y el rendimiento serán bajos. Entonces habrá un
tiempo óptimo de “batch” al cual podemos detener la reacción.
Fig. 3-10 Perfiles en un “batch”
También habrá un perfil óptimo de temperatura, si las dependencias de la

temperatura de las velocidades específicas de reacción k1 y k2 son las mismas (si sus
energías de activación son iguales), la reacción podría llevarse a cabo a la temperatura
más alta posible para minimizar el tiempo de “batch”. Esta temperatura máxima podría
tener un límite impuesto por alguna restricción : máxima temperatura de trabajo o
presión del equipo, posteriores degradaciones indeseables o polimerización de
productos o reactantes a temperaturas muy altas, etc.
Si k1 es más dependiente de la temperatura que k2, podemos otra vez llevar a cabo
la reacción a la temperatura más alta posible para favorecer la reacción a B. En ambos
casos debemos detener la reacción a un tiempo grande de tal manera que se pueda
recuperar la máxima cantidad de B.
Si k1 es menos dependiente de la temperatura que k2, el perfil óptimo de
temperatura es el que se inicia a una temperatura alta para conseguir que la primera
reacción proceda pero luego caiga para evitar la pérdida de mucho B. La Fig. 3-10
muestra los perfiles óptimos de temperatura y concentración. La Fig. 3-10 también
muestra como la línea discontinúa es un ejemplo de una temperatura actual que podría

ser alcanzada en un reactor real. La masa de reacción debe ser calentada hasta Tmax. Este
perfil de temperatura se usará como la señal de referencia.
Con este razonamiento, derivaremos ahora un modelo matemático para este
proceso. Asumiremos que la densidad del liquido de reacción es constante. La ecuación
total de continuidad para la masa reaccionante, después que los reactantes han sido
cargados y el ciclo del “batch” iniciado, es
d ( ρV )
=0–0 (3.60)
dt
No hay flujos de entrada y salida. Como ρ es constante, dV/dt = 0. Entonces el
volumen de liquido en el reactor es constante.
Ecuación de continuidad para el componente A:

dC A
V = – V k1 CA (3.61)
dt
Ecuación de continuidad para el componente B:
dC B
V = V k1 CA – V k2 CB (3.62)
dt
Ecuaciones cinéticas:
k1 = α1 e − E1 / RT k2 = α2 e − E2 / RT (3.63)
Usando un modelo seccionado para la pared metálica del reactor y la ecuación
simple de la entalpía h = CP T, las ecuaciones de energía para el liquido reaccionante y
la pared metálica son:
Ecuación de energía para el proceso:

dT
ρVCP = – λ1 V k1 CA – λ2 V k2 CB – hi Ai (T – TM ) (3.64)
dt
Ecuación de energía para la pared metálica:
dTM
ρM VM CM = h0 A0 (Tj – TM ) – hi Ai (TM – T ) (3.65)
dt
donde λ1 y λ2 son los calores de reacción exotérmicos para las dos reacciones.
Notar que cuando el reactor es calentado con vapor, Tj es más grande que TM , y
TM es más grande que T. Cuando se enfría con agua, los diferenciales de temperatura
tienen el signo opuesto. Tener presente también que el coeficiente de película exterior h0
es usualmente significativamente diferente para vapor condensando y para agua de
enfriamiento circulando.
Este cambio desde el calentamiento a enfriamiento es una significativa operación,
particularmente si se quiere alcanzar Tmax tan rápido como sea posible, pero sin
sobrepasarlo. Un sistema comúnmente usado es mostrado en la Fig. 3.9. el controlador

de temperatura mantiene la válvula de vapor (V-1) abierta y la válvula de agua de

enfriamiento (V-2) cerrada durante el calentamiento. Esto se consigue con una válvula
de porcentajes iguales (ver los tópicos sobre control automático). También durante el
calentamiento la válvula de salida del agua de enfriamiento (V-3) es mantenida cerrada
y la válvula de condensado (V-4) mantenida abierta.
Cuando se requiere enfriamiento, el controlador cierra la válvula de vapor y abre
la válvula de agua de enfriamiento con lo cual se hace que la temperatura del reactor
siga el valor de referencia. La válvula (V-3) debe ser abierta y la válvula (V-4) debe
cerrarse siempre adicionando agua de enfriamiento.
La simulación y control de este sistema se estudia con detalle en el texto del autor
sobre control automático. Aquí simplemente estableceremos que hay una relación
conocida entre la señal de error E (o la temperatura de referencia menos la temperatura
del reactor) y las velocidades del flujo volumétrico del vapor FS y agua de enfriamiento
Fw.
FS = f1(E) Fw = f2(E) (3.66)
Para describir lo que está sucediendo en la chaqueta, podemos necesitar dos
conjuntos diferentes de ecuaciones, dependientes de la etapa: calentamiento o
enfriamiento. Podemos aún considerar una tercera etapa: llenado de la chaqueta con
agua de enfriamiento. Si la velocidad de flujo del agua de enfriamiento es grande y/o el
volumen de la chaqueta es pequeño, el tiempo de llenado de la chaqueta puede ser
despreciable.
A. FASE DE CALENTAMIENTO. Durante el calentamiento, se necesitan una

ecuación de continuidad total y una ecuación de energía para el vapor, además de una
ecuación de estado para el vapor.
De continuidad total:
dρ j
Vj = FS ρS – WC (3.67)
dt
donde Vj = volumen de la chaqueta
ρj = densidad del vapor dentro de la chaqueta
ρS = densidad del vapor a la entrada de la chaqueta
WC = velocidad de condensación del vapor (masa por tiempo)
Se asume que el liquido condensado es inmediatamente evacuado a través de la trampa
de vapor.
Ecuación de energía para el vapor:
d (U j ρ j )
Vj = FS ρS HS – h0 A0 (Tj – TM ) – Wc hc (3.68)
dt
donde Uj = energía interna del vapor en la chaqueta
HS = entalpía del vapor de entrada
hc = entalpía del liquido condensado

Los cambios de energía interna (efectos de calor sensible) pueden usualmente

despreciarse comparados con los efectos de calor latente. Luego puede usarse una
ecuación algebraica simple al estado estacionario
h0 A0 (T j − TM )
Wc = (3.69)
H S − hC
Se pueden usar tanto la ecuación de estado para el vapor o las tablas de vapor para
calcular la temperatura Tj y la presión Pj a partir de la densidad ρj. Por ejemplo si se usa
la ley del gas perfecto se puede usar una ecuación de vapor simple.
M A 
ρj = exp w + B w  (3.70)
RT j T 
 j 
donde M = peso molecular del vapor = 18
Aw y Bw = constantes de presión de vapor para agua
La Ec. (3.70) puede resolverse iterativamente para Tj si se conoce ρj [a partir de la

Ec. (3.67)]. Cuando se conoce Tj, se puede calcular Pj a partir de una ecuación de
presión de vapor. Es usualmente necesario conocer Pj en orden a calcular la velocidad
de flujo del vapor a través de la válvula de entrada a partir del efecto de la velocidad
sobre la caída de presión a través de la válvula (aún cuando el flujo a través de la
válvula es “crítico”).
Si la masa del metal alrededor de la chaqueta es significante, se requiere para una
ecuación de energía. En este caso asumiremos despreciable.
En la mayoría de reactores con chaqueta o rehervidores calentados con vapor, el
volumen ocupado por el vapor es muy pequeño comparado con la velocidad del flujo
volumétrico del vapor. Entonces la respuesta dinámica de la chaqueta es usualmente
muy rápida, y a menudo se pueden usar balances simples de masa y energía. La
velocidad de flujo del vapor debe establecerse igual a la velocidad de flujo del
condensado, el cual es calculado mediante la solución iterativa de las relaciones de
transferencia de calor para el sistema (Q = U A ∆T) y la ecuación de flujo de la válvula
para la presión de entrada de la chaqueta y la velocidad de flujo del condensado.
B. FASE DE ENFRIAMIENTO. Durante el periodo cuando está fluyendo el agua de

enfriamiento a través de la chaqueta. Solamente se requiere una ecuación de energía
para la chaqueta si se asume que la chaqueta esta perfectamente mezclada.
dT j
ρj Vj Cj = Fw Cj ρj (Tj0 – Tj ) + h0 A0 (TM – Tj) (3.71)
dt
donde Tj = temperatura del agua de enfriamiento dentro de la chaqueta
ρj = densidad del agua
Cj = capacidad calorífica del agua
Tj0 = temperatura de entrada del agua de enfriamiento

Verificando los grados de libertad del sistema durante la etapa de calentamiento se

tienen siete variables (CA , CB , T, TM , Tj, ρj y Wc ) y siete ecuaciones [ Ecs. (3.61),
(3.62), (3.64), (3.65), (3.67), (3.69), y (3.70)]. Durante la etapa de enfriamiento usamos
la Ec. (3.71) en lugar de las Ecs. (3.67), (3.69) y (3.70), pero tenemos solamente Tj en
lugar de Tj , ρj y Wc.
3.10 REACTOR CON TRANSFERENCIA DE MASA
Como se ha indicado en nuestras discusiones anteriores sobre cinética en el Cáp.

2, los reactores químicos algunas veces tienen limitaciones de transferencia de masa
tanto como limitaciones de velocidad de reacción. La transferencia de masa puede ser
una limitación cuando se mueve de una fase a otra, antes de llevarse a cabo la reacción.
Como un ejemplo de este fenómeno, consideraremos el reactor mostrado en la Fig. 3.11,
en el cual se burbujea un gas a través de un liquido.
Reactante A es alimentado como un gas a través de un distribuidor por el fondo
del reactor llenado con liquido. Una reacción química ocurre entre A y B en la fase
liquida para formar un producto liquido C. El reactante A debe disolverse en el liquido
antes de poder reaccionar.
A + B k1 C
Si la velocidad de transferencia de masa del gas A al liquido es baja, la

concentración de A en el liquido será baja ya que este es consumido por la reacción tan
rápido como llega. Entonces el reactor es limitado por la transferencia de masa.
Fig. 3-11 Reactor con burbujeo de gas en liquido

Si la velocidad de transferencia de masa del gas hacia el liquido es rápida, la

concentración de reactante A se mantendrá sobre un valor dado por las condiciones de
reacción al estado estacionario y la solubilidad de equilibrio de A en el liquido. El
reactor es limitado por la reacción química.
Notar que en la región limitada por la transferencia de masa, incrementando o
reduciendo la concentración del reactante B se tendrá pequeña diferencia en la
velocidad de reacción (o la productividad del reactor) debido a que la concentración de
A en el liquido es siempre muy pequeña. De otro modo, incrementando la temperatura
del reactor no dará un incremento exponencial en la velocidad de reacción. La velocidad
actual de reacción puede disminuir con el incremento de la temperatura debido a una
disminución de la solubilidad de equilibrio de A en la interfase liquido-gas.
Ahora trataremos de describir algunos de estos fenómenos cuantitativamente. Por
simplicidad asumiremos operación isotérmica, con retención constante, presión
constante, densidad constante y una fase liquida perfectamente mezclada. Las burbujas
de gas alimentado se asumen a ser componente puro A, el cual da una concentración de
equilibrio constante de A en la interfase liquido-gas igual a CA* (esta podría cambiar si
la presión y la temperatura no son constantes). El área total de transferencia de masa de
las burbujas es AMT y depende de la velocidad de alimentación de gas FA. Un coeficiente
de transferencia de masa constante kl (con unidades de longitud por tiempo) es usado
para dar el flujo (“flux”) de A hacia el liquido a través de la película de liquido como
una función de la fuerza impulsora.
NA = kl (CA* – CA ) (3.72)
La transferencia de masa usualmente es limitada por la difusión a través de la

película de liquido debido a las bajas difusividades del liquido.
Asumiendo que la dinámica de la fase vapor es muy rápida y que cualquier gas no
reaccionado es evacuado afuera por el tope del reactor.
AMT N A M A
Fv = FA – (3.73)
ρA
Ecuación de continuidad para el componente A:

dC A
V = AMT NA – FL CA – V k CA CB (3.74)
dt
Ecuación de continuidad para el componente B:
dC B
V = F0 CB0 – FL CB – V k CA CB (3.75)
dt
d ( ρV )
= 0 = FB ρB + Ma NA AMT – FL ρ (3.76)
dt
Las ecuaciones (3.72) a (3.76) dan cinco ecuaciones. Las variables son NA , CA ,
CB , FV , y FL. Las funciones impulsoras son FA , FB , y CB0 .

3.11 COLUMNA IDEAL DE DESTILACION BINARIA
Junto con el reactor CSTR, la columna de destilación es probablemente el

proceso más popular e importante estudiado en la literatura de ingeniería química. La
destilación es usada en muchos procesos químicos para separación de corrientes de
alimentación y para purificación de corrientes finales e intermedias.
La mayoría de columnas manipulan alimentaciones de múltiple componentes.
Pero muchas pueden ser aproximadas a mezclas binarias o seudo binarias. Para este
ejemplo, sin embargo, haremos varias asunciones severas adicionales e idealizaciones
que algunas veces son válidas pero frecuentemente son solamente crudas
aproximaciones.
El propósito de estudiar este caso primero es para reducir el problema a su forma
más elemental de tal manera que pueda ser vista claramente la estructura básica de las
ecuaciones. En el siguiente ejemplo será modelado un sistema más realista.
Asumiendo un sistema binario (dos componentes) con volatilidad relativa
constante a lo largo de la columna y platos teóricos (100 por ciento de eficiencia), lo
que significa que el vapor saliendo del plato está en equilibrio con el liquido sobre el
plato. Esto permite que pueda ser usada la relación simple de equilibrio liquido vapor
α .x n
yn = (3.77)
1 + (α − 1) x n
donde xn = composición del liquido saliendo del plato n (fracción molar del
componente más volátil)
yn = composición del vapor saliendo del plato n (fracción molar del componente
más volátil)
Una corriente simple es alimentada como liquido saturado (a su punto de burbuja)

sobre el plato de alimentación NF. Ver Fig. 3-12. El flujo de alimentación es F Mol/min)
y su composición es z (fracción molar del componente más volátil). El vapor que sale
por el tope es totalmente condensado en un condensador y enviado hacia el tanque de
reflujo, donde la retención de liquido es MD (moles). Se asume que el contenido del
tanque de reflujo está perfectamente mezclado con composición xD. El liquido en el
tanque está a su punto de burbuja. Se bombea reflujo hacia el plato del tope (NT) de la
columna a una razón de R. El destilado es removido a razón de D.
Despreciando cualquier retraso en el tiempo (tiempo muerto) en la línea de vapor
desde el tope de la columna al tanque de reflujo y en la línea de reflujo hacia el plato del
tope (en columnas a escala industrial esta es usualmente una buena asunción, pero no en
pequeña escala en columnas de laboratorio). Notar que yNT no es igual, dinámicamente,
a xD. Las dos son iguales solamente al estado estacionario.
En la base de la columna, los productos pesados son removidos a razón de B y con
una composición xB. El vapor de ebullición es generado en un rehervidor tipo
termosifón a razón de V. El liquido circula desde el fondo de la columna a través de los
tubos verticales en el rehervidor de casco y tubos debido a la baja densidad de la mezcla
liquido-vapor en los tubos del intercambiador. Asumiendo que el liquido en el
rehervidor y en la base de la columna son perfectamente mezclados y tienen la misma
composición xB y retención total MB (moles). La circulación a través de un rehervidor
tipo termosifón bien diseñado es bastante rápida, así, esta asunción es correcta. La

composición del vapor saliendo de la base de la columna y entrando al plato 1 es yB.

Este está en equilibrio con el liquido cuya composición es xB.
La columna contiene un total de NT platos teóricos. La retención de liquido en
cada plato incluyendo el rebose es Mn. El liquido en cada plato es asumido a estar
perfectamente mezclado, con composición xn. La retención de vapor es asumida
despreciable a lo largo de todo el sistema. Aún cuando el volumen del vapor es grande,
el número de moles es usualmente pequeño debido a que la densidad del vapor es
mucho más pequeña que la densidad del liquido. Esta asunción no es muy correcta en
columnas a alta presión.
Una ulterior asunción es de los flujos equimolares. Si el calor molar de
vaporización de los dos componentes son aproximadamente iguales, siempre que
condensa un mol de vapor, se vaporiza un mol de liquido. Se asume que las pérdidas de
calor desde la columna y los cambios de temperatura de plato a plato (efectos de calor
sensible) son despreciables. Estas asunciones permiten que las velocidades de liquido y
vapor a través de las secciones de agotamiento y rectificación sean constantes bajo
condiciones de estado estacionario. Las líneas de operación sobre el familiar diagrama
de McCabe-Thiele son líneas rectas.
Sin embargo, nuestro interés está en las condiciones dinámicas. Las asunciones
anteriores, incluyendo retención despreciable del vapor, permiten que la velocidad del
vapor a través de todos los platos de la columna sea la misma, dinámicamente es una
buena asunción.
V = V1 = V2 = V3 = . . . = VNT
Recordar que los V’s no son necesariamente constantes con el tiempo. El vapor
producto de la ebullición se puede manipular dinámicamente. El efecto matemático de
asumir flujos equimolares es que no se necesita una ecuación de energía para cada plato.
Esta es ciertamente una significativa simplificación.
Las velocidades de liquido a través de la columna no serán iguales
dinámicamente. Ellas dependerán de la mecánica de fluidos de cada plato. A menudo la
fórmula simple para vertederos dada por Francis se usa para relacionar la retención de
liquido en el plato (Mn) a la velocidad de flujo del liquido saliendo del plato (Ln).
FL = 3,33 Lw (how)1,5 (3.78)
donde FL = Velocidad de flujo de liquido por encima del vertedero (pies3/s)

Lw = altura del vertedero (pies)
how = altura de liquido sobre el vertedero (pies)
Relaciones más rigurosas se pueden obtener a partir de ecuaciones detalladas para

la hidráulica del plato para incluir los efectos de la velocidad del vapor, densidades,
composiciones, etc. Asumiremos una relación funcional simple entre la retención de
liquido y la velocidad de liquido.
Mn = f (Ln) (3.79)

Fig. 3-12 Columna de destilación binaria

Finalmente, despreciaremos la dinámica del condensador y el rehervidor. En

columnas a escala comercial, la respuesta dinámica de este intercambiador de calor es
usualmente mucho más rápida que la respuesta de la columna. En algunos sistemas, sin
embargo, de este equipo periférico es importante y debe ser incluido en el modelo.
Con todas estas asunciones en mente, podemos escribir las ecuaciones que
describan al sistema. Adoptando la convención usual, las ecuaciones de continuidad
total son escritas en términos de moles por unidad de tiempo. Esto es consistente debido
a se asume que no ocurre ninguna reacción química.
Tanque condensador y de reflujo
dM D
=V– R – D (3.80)
dt
De continuidad por componente (componente más volátil):
d (M D x D )
= VyNT – (R + D) xD (3.81)
dt
Plato del tope (n = NT)
dM NT
= R – LNT (3.82)
dt
d ( M NT x NT )
= R xD – LNT xNT + V yNT-1 – V yNT (3.83)
dt
Plato siguiente al tope (n = NT – 1)
dM NT −1
= LNT – LNT-1 (3.84)
dt
d ( M NT −1 x NT −1 )
= LNT xNT – LNT-1 xNT-1 + V yNT-2 – V yNT-1 (3.85)
dt
Plato n

dM n
= Ln+1 – Ln (3.86)
dt
d (M n xn )
= Ln+1 xn+1 – Ln xn + V yn-1 – V yn (3.87)
dt
Plato de alimentación (n = NF)

d ( M NF )
= LNF+1 – L-NF + F (3.88)
dt
d ( M NF x NF )
= LNF+1 xNF+1 – LNF xNF + V yNF-1 – V yNF + Fz (3.89)
dt
Primer Plato (n = 1)
dM 1
= L2 – L1 (3.90)
dt
d ( M 1 x1 )
= L2 x2 – L1 x1 + V yB – V y1 (3.91)
dt
Rehervidor y base de la columna

dM B
= L1 – V – B (3.92)
dt
d (M B x B )
= L1 x1 – V yB – B xB (3.93)
dt

Cada plato y la base de la columna tiene ecuaciones de equilibrio [Ec. (3.77)].

Cada plato también tiene una ecuación hidráulica [Ec. (3.79)]. También necesitamos dos
ecuaciones representando los controladores de nivel en la base de la columna y el
tanque de reflujo mostrados en la Fig. 3.12.
D = f1(MD) B = f2(MB) (3.94)
Ahora examinaremos los grados de libertad del sistema. La velocidad de
alimentación F y la composición z son asumidas que se dan.
Número de variables:
Composiciones de los platos (xn y yn ) = 2 NT
Flujos de liquido en los platos (Ln) = NT
Retenciones de liquido en los platos (Mn) = NT
Composición del tanque de reflujo (xD) =1
Flujos en el tanque de reflujo (R y D) =2
Retención en el tanque de reflujo (MD) =1
Composiciones en la base (xB y yB) =2
Flujos en la base (V y B ) =2
Retención en la base (MB) =1
4 NT + 9
Número de ecuaciones:
Ecuación
De continuidad por componente en el plato = NT (3.87)
De continuidad total en el plato = NT (3.86)
Equilibrio (platos más la base) = NT + 1 (3.77)
Hidráulica = NT (3.79)
Controladores de nivel =2 (3.94)
De continuidad por componente en el
tanque de reflujo =1 (3.81)
De continuidad total en el tanque de reflujo =1 (3.80)
De continuidad por componente en la base =1 (3.93)
De continuidad total en la base =1 (3.92)
4 NT + 7
Por lo tanto el sistema está inespecificado por dos ecuaciones. Desde un punto de
vista de ingeniería de control, esto muestra que solamente existen dos variables que
pueden ser controladas (se pueden fijar). Las dos variables que deben ahora
especificarse son el reflujo R y la cantidad de vapor producida por ebullición V (o
entrada de calor al rehervidor). Estas pueden mantenerse constantes (en un sistema de
lazo abierto) o puede cambiarse por dos controladores para convertir algunas otras dos
variables constantes. En una simulación digital de esta columna en la Parte II
asumiremos dos controladores de retroalimentación ajustando R y V para controlar las
composiciones del tope y el fondo xD y xB.
R = f1(xD) V = f2(xB) (3.95)

3.12 COLUMNA DE DESTILACION DE MULTIPLECOMPONENTES NO

IDEAL
Como un ejemplo más realista, desarrollaremos ahora un modelo matemático para

una columna de múltiple componentes, no ideal, con NC componentes, con flujos no
equimolares, y platos ineficientes. Las asunciones que haremos son:
1. El liquido sobre el plato es incompresible y está perfectamente mezclado.

2. Las retenciones de vapor son despreciables.
3. Las dinámicas del condensador y rehervidor son despreciables.
4. El vapor y el liquido están en equilibrio térmico (la misma temperatura) pero no en
equilibrio de fases. Se usará una eficiencia de Murphree para describir la desviación
del equilibrio.
y nj − y nT−1, j
Enj = (3.96)
y nj* − y nT−1, j
Donde y nj* = composición del vapor en equilibrio de fases con el liquido con
composición xnj sobre el plato n
ynj = composición actual del vapor saliendo del plato n
T
y n −1, j = composición actual del vapor entrando al plato n
Enj = eficiencia de vapor de Murphree para el componente j sobre el plato n
Se permiten múltiples alimentaciones, ya sea como liquido o vapor, y salidas

laterales, como liquido o vapor. Un plato n generalizado, se muestra en la Fig. 3-13. La
nomenclatura es resumida en la Tabla 3.1.
Fig. 3-13 Plato n de una columna de múltiple componentes

Las ecuaciones que describen a este plato son:
De continuidad total (una por plato):
dM n
= Ln+1 + FnL + FnV−1 + V n −1 − Vn − Ln − S nL − S nV (3.97)
dt
De continuidad por componente (NC – 1 por plato):
d ( M n x nj )
= Ln +1 x n +1, j + FnL x njF + FnV−1 y nV−1, j + Vn −1 y n −1, j
dt
− Vn y nj − Ln x nj − S nL x nj − S nV y nj (3.98)
Ecuaciones de energía (una por plato):
d ( M n hn )
= Ln +1 hn +1 + FnL hnF + FnV−1 H nV−1 + Vn −1 H n −1
dt
− Vn H n − Ln hn − S nL hn − S nV H n (3.99)
donde las entalpías tienen unidades de energía por mol.
Equilibrio de fases (NC por plato):
y nj* = f ( xnj , Pn ,Tn ) (3.100)
Se debe usar una apropiada relación de equilibrio liquido vapor, como la discutida
en la Sec. 2.2.6, para encontrar y nj* . Luego la Ec. (3.96) se puede usar para calcular ynj
para el plato ineficiente: FnV−1 y Vn-1.
Ecuaciones adicionales incluyen relaciones de propiedades físicas para evaluar
densidades y entalpías, una ecuación hidráulica del vapor para evaluar los flujos de
vapor a partir de las caídas de presión conocidas en los platos, y una relación hidráulica
para determinar el flujo de liquido sobre los vertederos a partir de las retenciones de
liquido conocida en los platos. La discusión de la solución de este problema muy
práctico y real se difiere para la parte II.
Si listamos todas las variables en este sistema y restamos todas las ecuaciones que
lo describen y todos los parámetros que pueden fijarse (todas las alimentaciones),
podríamos encontrar que los grados de libertad sean iguales al número de corrientes
laterales más dos. Por lo tanto si no hay corrientes laterales, solamente hay dos grados
de libertad en este sistema de múltiple componentes. Este es el número que encontramos
en la columna binaria simple. Típicamente desearíamos controlar la cantidad de clave
pesado impurificando el destilado xD.HK y la cantidad de clave ligero impurificando el
producto del fondo xB,LK.

3.13 DESTILACION “BATCH” CON RETENCION
La destilación “batch” es frecuentemente usada para pequeños volúmenes e

producto. Una columna se puede usar para separar una mezcla de múltiple componentes
en lugar de usar NC – 1 columnas continuas. El consumo de energía en destilación
“batch” es usualmente más alta que en continuas, pero raramente los costos de energía
dominan la economía cuando se opera con volúmenes pequeños , y alto valor de los
productos.
La Fig. 3-14 muestra una típica columna de destilación “batch”. Alimentación
fresca es cargada dentro del recipiente en la base de la columna y calentada hasta
comenzar la ebullición. El vapor asciende y sale por el tope de la columna, y es
condensado en el condensador. El condensado liquido se envía al tanque de reflujo.
Cuando se ha establecido el nivel de liquido en el tanque de reflujo, se bombea reflujo
hacia el plato del tope de la columna.
Fig. 3-14 Destilación “Batch”
La columna es operada a reflujo total hasta que la composición del destilado del
tope con respecto al componente más ligero (componente 1) xD1, alcance la pureza
especificada. Luego un producto destilado, el cual es el componente más ligero, es
sacado a la misma velocidad. Eventualmente la cantidad de componente 1 en el tanque
de ebullición ira bajando y la pureza del destilado xD1 disminuye. Hay un periodo de
tiempo cuando el destilado contiene muy poco de componente 1 para ser tomado como

producto y también muy poco de componente 2 para ser tomado como el siguiente
producto mas pesado. Entonces se debe sacar un lote impuro (corte) hasta que xD2
alcance las especificaciones. Luego es obtenido un segundo producto. Con esto se
pueden obtener múltiples productos en una columna simple.
El diseño óptimo y operación de columnas de destilación “batch” son problemas
muy interesantes. El proceso se puede llevar a cabo variando la presión y a diferentes
relaciones de reflujo durante la obtención de cada uno de los productos y los lotes
impuros. El diseño óptimo de las columnas (diámetro y número de platos) y operación
óptima pueden ser importantes en la reducción de tiempos de “batch”, con resultados en
alta capacidad y/o mejorar la calidad de los productos (menores tiempos expuestos a
altas temperaturas disminuye la degradación térmica).
Se asumen platos teóricos, flujos equimolares, y volatilidades relativas constantes.
La cantidad total de material cargado a la columna es MB0 (moles). Este material puede
ser alimentación fresca con composición z1 o una mezcla de alimentación fresca y
cortes intermedios. La composición en el tanque de ebullición al inicio del “batch” es
xB0j. La composición en el tanque en cualquier tiempo durante la operación es xBj. La
retención instantánea en el tanque es MB. Se asume que la retención en los platos y la
retención en el tanque de reflujo son constantes. La velocidad de retención de vapor es
constante e igual a V (moles/h). El tanque de reflujo, los platos de la columna, y el
tanque de ebullición son inicialmente llenados con material de composición xB0j.
Las ecuaciones que describen la destilación “batch” de una mezcla de múltiple
componentes son dadas a continuación.
Tanque de ebullición:
dM B
= −D (3.101)
dt
d [ M B x Bj ]
= Rx1 j − Vy Bj (3.102)
dt
α j x Bj
yBj = NC
(3.103)
∑α
k =1
k x Bk
Plato n:
dx nj
Mn = R[ x n +1, j − x nj ] + V [ y n −1, j − y n, j ] (3.104)
dt
α j x nj
ynj = NC
(3.105)
∑α
k =1
k x nk

Plato NT (plato del tope):
dx NT , j
M NT = R[ x D , j − x NT , j ] + V [ y NT −1, j − y NT , j ] (3.106)
dt
α j x NT , j
yNT,j = NC
(3.107)
∑α
k =1
k x NT , k
Tanque de reflujo
dx D , j
MD = Vy NT , j − [ R + D]x D , j (3.108)
dt
R=V– D (3.109)
3.14 SISTEMAS DE pH
El control de pH es un problema muy importante en muchos procesos,

particularmente en tratamiento de aguas residuales. El desarrollo y solución de modelos
matemáticos de estos sistemas son, por lo tanto, una parte vital del modelamiento
dinámico de ingeniería química.
3.14.1 Modelos de Constante de Equilibrio
La aproximación tradicional es para mantener el curso de las cantidades de las

diferentes especies químicas en el sistema. A cada punto en el tiempo, la concentración
del ion hidrógeno es calculada mediante la solución de un conjunto de ecuaciones
algebraicas simultáneas no lineales que resultan de las relaciones de equilibrio químico
de cada reacción de disociación.
Por ejemplo, supongamos que se tiene un sistema típico de control de pH de aguas
residuales. Varias corrientes de alimentación con diferentes especies químicas, curvas
de titración, y niveles de pH son alimentados a un tanque perfectamente mezclado. Si
las corrientes de alimentación son ácidas, alguna fuente de iones OH- es usada para
mantener el pH sobre el valor especificado de siete. Un lodo de CaCO3 y/o soda
cáustica (NaOH) es usualmente usada.
El método de la constante de equilibrio usa un modelo dinámico para mantener el
curso de las especies químicas. Suponer, por ejemplo, que tenemos tres ácidos de
disociación en el sistema. Manteniendo la concentración del ácido HA en un valor
constante en el tiempo igual a CA. Esta concentración incluye la parte que es disociada,
además de la parte que no es disociada. La misma cantidad para el ácido HB es CB y
para el ácido HC es CC. Estos tres ácidos van al sistema en las corrientes de
alimentación

HA H+ + A-
HB H+ + B-
HC H+ + C-
Las reacciones de disociación son reversibles y tienen diferentes constantes de

velocidad directa y velocidad inversa. Las relaciones de equilibrio para estas tres
reacciones son expresadas en términos de las constantes de equilibrio KA, KB y KC.
[ H + ][ A − ]
KA = (3.110)
[ HA]
[ H + ][ B − ]
KB = (3.111)
[ HB]
[ H + ][C − ]
KC = (3.112)
[ HC ]
Para evaluar la concentración de ion hidrógeno [H+] en cualquier punto en el

tiempo, estas tres ecuaciones algebraicas no lineales deben resolverse simultáneamente.
Haciendo
x = fracción disociada de HA
y = fracción disociada de HB
z = fracción disociada de HC
Luego
Concentración de A- = x
Concentración de B- = y
Concentración de C- = z (3.113)
Concentración de HA no disociado = CA – x
Concentración de HB no disociado = CB – y
Concentración de HC no disociado = CC – z
Estas concentraciones son sustituidas en las Ecs. (3.110) a (3.112), dando tres
ecuaciones algebraicas altamente no lineales con tres incógnitas: x , y, y z.
Estas ecuaciones no lineales deben ser resueltas simultáneamente a cada punto en
el tiempo/ usualmente se usa un método iterativo y ocurren algunos problemas de
convergencia. La complejidad aumenta cuando se incrementa el número de especies
químicas.
Este modelo aproximado requiere que las especies químicas y sus constantes de
equilibrio deben ser conocidas. En muchas situaciones de plantas actuales, estos datos
no están disponibles.

3.14.2 Método de la Curva de titración
La información con que se dispone en muchas plantas químicas es una curva de

titración para cada corriente a ser neutralizada, el método descrito a continuación se
puede usar en esta situación. Esto involucra solamente un simple cálculo iterativo para
una incógnita a cada punto en el tiempo.
Asumiendo que se conocen las curvas de titración para las corrientes de
alimentación. Estas pueden ser típicamente curvas bien definidas para ácidos fuertes o
curvas graduales para ácidos débiles, con o sin amortiguamiento. Estos modelos
dinámicos siguen el rumbo de la cantidad de cada corriente que está en el tanque a
cualquier punto en el tiempo. Haciendo Cn la concentración de la corriente n entrando al
tanque, Fn el flujo de corriente entrando al tanque, y Fout el flujo total de material
saliendo del tanque.
Si el volumen de liquido en el tanque es constante, el flujo de salida es la suma de
todos los flujos de entrada. Las velocidades de flujo de soda cáustica y cal son
usualmente despreciables.
Para tres corrientes de alimentación
Fout = F1 + F2 + F3 (3.114)
El balance dinámico por componente para la corriente n es
dC n
V = Fn – CnFout (3.115)
dt
Done V = volumen del tranque
El balance dinámico para el ion OH- en el sistema es
dC OH
V = FOH + Rdis – COH Fout (3.116)
dt
donde FOH = velocidad total de flujo del ion OH- entrando al sistema en las corrientes
de soda cáustica y el lodo de cal
Rdis = velocidad de generación de ion OH- debido a la disociación de partículas
sólidas de CaCO3
COH = concentraciones de iones OH- en el sistema
La velocidad de disolución se puede relacionar al tamaño de la partícula y a la

concentración de OH-.
k 2 − C OH
Rdis = k1 XS (3.117)
τ
Donde k1, k2 y τ son constantes determinadas a partir de datos de velocidades de

disolución para CaCO3 sólido y XS es la concentración de CaCO3 sólido en cualquier
instante.

Los pasos en el método de la curva de titración son:
1. A cada punto en el tiempo, todos los Cn’s y COH son conocidos.

2. Suponer un valor de pH en el tanque.
3. Usar la curva de titración para cada corriente para determinar la cantidad de
iones OH- requeridos para que la corriente alcance el valor deseado de pH.
4. Verificar si la cantidad total de OH- actualmente presente (a partir de COH) es
igual a la cantidad total requerida para todas las corrientes.
5. Suponer otro valor de pH si en el paso 4 no se cumple la igualdad.
El método involucra solamente una iteración simple de una variable, pH. Para
solucionar este modelo se puede usar muy efectivamente el método de la bisectriz (ver
Cáp. 4). Las curvas de titración se pueden fácilmente convertir en funciones simples
para incluirlas en el programa de computadora. Por ejemplo la sección de línea recta se
puede usar para interpolar entre dos puntos.

PARTE
II
SIMULACION POR
COMPUTADOR
En los siguientes tres capítulos estudiaremos las técnicas de solución por

computador para resolver algunos de los sistemas de ecuaciones generadas en los dos
capítulos precedentes. Algunos métodos numéricos son discutidos en el Cáp. 4,
incluyendo integración numérica de ecuaciones diferenciales ordinarias. Diferentes
ejemplos son dados en los Cáp. 5,6 y 7 iniciando con algunos sistemas simples y
evolucionando hacia procesos más realistas y complejos para ilustrar como se manipula
un número grande de ecuaciones.
Solamente se presentan soluciones de simulación digital para ecuaciones
diferenciales ordinarias. Para presentar mas que un tratamiento muy superficial de
técnicas de simulación para ecuaciones diferenciales parciales podría requerir más
espacio que el disponible en este libro. Este aspecto es cubierto en diferentes textos. En
muchos problemas prácticos, los sistemas distribuidos son a menudo divididos en un
gran número de grupos los cuales pueden ser manipulados por ecuaciones diferenciales
ordinarias.
Nuestras discusiones se limitarán solamente a los aspectos de simulación más
importantes y de mayor uso. Las técnicas presentadas serán poco simples y no
sofisticadas, pero que pueden trabajar muy bien para sistemas más reales así como
también aquellos que son matemáticamente más elegantes. Estos también tienen la
virtud adicional de ser fáciles de entender y fáciles de programar.
Algunas de las ecuaciones lineales simples que simularemos pueden, desde luego,
ser resueltas analíticamente para obtener soluciones generales. Las ecuaciones no
lineales no pueden, en general, ser resueltas analíticamente, y usualmente es requerida
la simulación por computador. Sin embargo, se debe tener presente, que se debe dar al
computador los valores numéricos específicos de los parámetros, condiciones iniciales,
y funciones impulsoras. y así obtener los valores numéricos específicos de la solución.
No se puede conseguir una solución general en términos de valores arbitrarios, entradas
no especificadas, parámetros, etc. como si se puede con una solución analítica.

Se asume un conocimiento de lenguaje de programación usando MATLAB, por

lo que los programas serán escritos en MATLAB. Para quienes prefieran otro lenguaje,
la conversión será fácil ya que los programas serán simples traslaciones de las
ecuaciones al código de la fuente. Así mismo podrán usar otro paquete diferente a
MATLAB de acuerdo a la disponibilidad y conocimiento. Todos los programas pueden
ser corridos en cualquier tipo de computador.
Asi mismo se recomienda el programa desarrollado por el autor, para simular
Cálculos Operacionales, Control y Análisis en Ingeniería Química (UNTSIM), el cual
puede ser una ayuda útil para diferentes aplicaciones.

CAPITULO
4
METODOS NUMERICOS
4.1 INTRODUCCION
La simulación digital es un poderoso recurso para la solución de ecuaciones que

describan los sistemas de ingeniería química. Las principales dificultades son dos:
1) Solución de ecuaciones simultáneas algebraicas no lineales (usualmente
realizado por algún método iterativo)
2) Integración numérica de ecuaciones diferenciales ordinarias (usando
ecuaciones discretas de diferencia finita para aproximar ecuaciones
diferenciales continúas).
Se debe tener en cuenta la precisión y la estabilidad numérica de estas ecuaciones

de aproximación. Tanto la precisión como la estabilidad son afectadas por la ecuación
de diferencia finita (o algoritmo de integración) usada. Muchos algoritmos han sido
propuestos en la literatura. Algunos trabajan mejor (por ejemplo, rápidos y entonces no
tan exactos para un grado de exactitud especificado) en algunos problemas que otros.
Desdichadamente no hay un algoritmo que trabaje mejor para todos los problemas. Sin
embargo, como discutiremos con mayor detalle posteriormente, el algoritmo de Euler de
primer orden simple explicito, es el mejor para un gran número de aplicaciones de
ingeniería.
A lo largo de los años se han desarrollado un gran número de paquetes de
simulación. En teoría, estos lenguajes de simulación relevan al ingeniero del
conocimiento acerca de la integración numérica, facilitando al ingeniero el
establecimiento y la solución de los problemas. Estos automáticamente monitorean
errores y estabilidad y ajustan el intervalo de integración o tamaño de paso para estar
dentro de un criterio de precisión.

4.2 USO DE MATLAB
MATLAB proviene de la contracción de los términos MATRIX LABORATORY

y fue inicialmente concebido para proporcionar fácil acceso a las librerías LINPACK y
EISPACK, las cuales representan hoy en día dos de las librerías más importantes en
computación y cálculo matricial.
MATLAB puede considerarse como un lenguaje de programación, como Fortran
o C, aunque sería difícil describirlo en unas cuantas palabras. He aquí algunas de sus
características notables para los análisis numéricos.
La programación es mucho más sencilla

Hay continuidad entre valores enteros, reales y complejos
La amplitud de intervalo y la exactitud de los números son mayores
Cuenta con una biblioteca matemática amplia
Abundantes herramientas gráficas, incluidas funciones de interfaz gráfica con el
usuario
Capacidad de vincularse con los lenguajes de programación tradicionales
Transportabilidad de los programas MATLAB
Una característica extraordinaria de los números en MATLAB es que no hay

distinción entre reales, complejos, enteros, de preescisión sencilla y de doble precisión.
En MATLAB todos estos números están conectados continuamente, como debe ser.
Esto significa que en MATLAB cualquier variable puede contener números de
cualquier tipo sin una declaración especial durante la programación, con lo cual está
última se hace más rápida y productiva. En FORTRAN se requiere una subrutina
distinta para cada variable sencilla o doble, real o compleja, o entera, mientras que en
MATLAB no hay necesidad de separarlas. La biblioteca matemática de MATLAB
facilita los análisis matemáticos. Además, el usuario puede crear rutinas matemáticas
adicionales con mucha mayor facilidad que en otros lenguajes de programación, gracias
a la continuidad de las variables reales y complejas. Entre las numerosas funciones
matemáticas; Los solucionadores de álgebra lineal desempeñan un papel crucial; de
hecho, todo el sistema MATLAB se basa en estos solucionadores
Importancia de las gráficas

El análisis visual de los modelos matemáticos ayuda a comprender las
matemáticas y a hacerlas más asequibles. Aunque esta ventaja es bien conocida, la
presentación de resultados calculados con gráficos de computadora solía requerir un
esfuerzo adicional considerable. Con MATLAB, en cambio, bastan unos cuantos
comandos para producir presentaciones gráficas de material matemático. Es posible
crear objetos gráficos, científicos e incluso artísticos en la pantalla mediante expresiones
matemáticas.
Finalmente los lenguajes de programación como FORTRAN o C, siguen siendo
importantes para computación de alto rendimiento que requiere abundante memoria o
un tiempo de computo largo. La velocidad del computo con MATLAB es
significativamente más baja que con FORTRAN o C porque MATLAB paga un precio
elevado por sus características agradables. Por otro lado, no es necesario aprender
FORTRAN ni C para entender MATLAB.

Libros de referencia para importantes para aprender MATLAB

En este texto se dan algunos ejemplos sobre la aplicación de MATLAB en
simulación de procesos químicos, pero de ninguna manera pretende ser una guía del
lenguaje. Se recomienda a los lectores interesados en información adicional sobre
MATLAB consultar la siguiente literatura:
The Math Works, The Student Edition of MATLAB,
Versión 4, User’s guide, Prentice –Hall, 1995
MATLAB, Reference Guide, Math Works, 1992
MATLAB, User’s Guide, Math Works, 1992
MATLAB, Building a Graphical User Interface, Math Works 1993
Análisis Numérico y Visualización Gráfica con MATLAB, 1997
4.3 ÁLGEBRA LINEAL
Son dos las razones principales por las que conviene aprender álgebra lineal en
esta etapa tan temprana del estudio de los métodos numéricos. En primer lugar, el
álgebra lineal es fundamental para los métodos numéricos, así que cuanto más pronto la
aprendamos, más fácil nos resultará el resto del estudio de los métodos numéricos. En
segundo lugar, las capacidades de MATLAB se basan en las operaciones de matrices y
vectores; por tanto. Podremos utilizar mucho mejor MATLAB si aprendemos álgebra
lineal.
El objetivo de esta sección es comprender los fundamentos del álgebra lineal y
poder resolver ecuaciones lineales, sobre todo con MATLAB. Sin embargo, esto
requiere cuatro áreas de estudio. Primero debemos aprender a expresar las ecuaciones
lineales y sus operaciones básicas en notación de matrices y vectores. Segundo debemos
entender las ordenes de MATLAB que trabajan con ecuaciones lineales en notación de
matrices. Tercero, debemos entender los problemas que son difíciles o imposibles de
resolver. La cuarta área incluye temas adicionales que amplían la comprensión y que
ayudan a aplicar el álgebra lineal.
En notación matemática, las matrices se encierran entra paréntesis o corchetes y
siguen ciertas reglas matemáticas. En MATLAB, en cambio las matrices se escriben sin
paréntesis ni corchetes. Aunque en MATLAB los términos Matriz y arreglo son
sinónimo, debemos estar concientes de si un arreglo se está utilizando para una matriz
en matemáticas o simplemente como variable de arreglo. En esta sección trataremos
sobre las aplicaciones de matrices y vectores en el modelamiento de procesos químicos
y su manipulación usando MATLAB
4.3.1 Solución de ecuaciones simultáneas
Los problemas científicos siempre tienden a involucrar la solución de ecuaciones

lineales simultáneas. Para pocas ecuaciones (dos o tres a lo sumo) esto puede hacerse a
mano. Para más de tres ecuaciones es aconsejable usar una computadora.

Ejemplo 4.1 Modelamiento con sistema de ecuaciones algebraicas
La Fig. 4.1 muestra la disposición de un problema donde las computadoras no

solo son útiles, sino también prácticas debido a que hay cinco reactores interconectados
o acoplados, se necesitan cinco ecuaciones de balance de masa para caracterizar el
sistema.
F55 = 2
F15 = 3
C5 F54 = 2
F25 = 1
Fo1 = 5 F12 = 3 F24 = 1 F40 = 11

C1 C2 C4
Co1 = 10
F23 = 1
F34 = 8
F31 = 1
Fo3 = 8
C3
Co3 = 20
Fig. 4-1 Cinco reactores conectados por tuberías
Si F es flujo volumétrico (volumen/tiempo) y C es la concentración (unidades de

masa/volumen). Para el reactor 1, la razón de flujo de masa que entra es:
5(10) +F31C3
y la razón de flujo de masa de salida es
F12C1 + F15C1
como el sistema se encuentra en estado estacionario, los flujos de entrada y salida deben
ser iguales:
5(10) + F31C3 = F12C1 + F15C1
o sustituyendo los valores para los flujos volumétricos de la Fig. 4.1 se tiene
6C1 – C3 = 50
Haciendo balance de masa para los otros reactores al estado estacionario tenemos:
6C1 – C3 = 50
–3C1 + 3C2 = 0
– C2 + 9C3 = 160 (4.1)
– C2 – 8C3 + 11C4 – 2C5 = 0
– 3C1 – C2 + 4C5 = 0

o lo que es igual:
6C1 – C3 = 50
–3C1 + 3C2 =0
– C2 + 9C3 = 160
– C2 – 8C3 + 11C4 – 2C5 = 0
–3C1 – C2 + 4C5 = 0
Lo cual en notación matricial será:
6 +0– 1 + 0 + 0 C1 50
–3 +3 +0 + 0 + 0 C2 0
A= 0 – 1 +9 + 0 + 0 , x = C3 ,b= 160
0 – 1– 8 + 11 – 2 C4 0
–3 – 1+ 0 + 0 +4 C5 0
[A] ⋅ [x] = [b] (4.2)
Existen diferentes métodos para resolver este modelo.

1. Aplicando MATLAB, hacemos lo siguiente:
1.1 Escribimos la matriz A y el vector b
>> A=[6 0 -1 0 0; -3 3 0 0 0;0 -1 9 0 0; 0 -1 -8 11 -2; -3 -1 0 0 4];
>> b=[5*10;0;8*20;0;0];
1.2 Damos la orden para calcular x:
>> x=A\b
x =
11.5094 = C1
11.5094 = C2 Concentraciones de salida de los
19.0566 = C3 reactores 1, 2, 3, 4 y 5
16.9983 = C4
11.5094 = C5
2. Usando el simulador UNTSIM, escogemos del Menu principal: Otros-Calculos

matemáticos- Sist. Ec. algebraícas. Con lo que se tiene:
Ingresar la matriz A de coeficientes: [6 0 -1 0 0; -3 3 0 0 0;0 -1 9 0

0; 0 -1 -8 11 -2; -3 -1 0 0 4]
Ingresar el vector b: [5*10;0;8*20;0;0]
los valores de x1, x2, x3, ..., xn son
x =
11.5094
11.5094
19.0566
16.9983
11.5094

4.3.2 Análisis de sistemas de reacción
Ejemplo 4.2 Una situación común en el diseño de sistemas de reacción es cuando

existe un número grande de reacciones en el sistema. En este caso se deben identificar
cuantas y cuales son las reacciones independientes. Estas reacciones describen al
sistema y para su diseño es suficiente dirigir el estudio hacia estas reacciones. Un caso
típico es el diseño de un alto horno en el cual se llevan a cabo cientos de reacciones,
pero solamente unas cuantas son las que influencian al sistema.
Esta situación también se presenta en un mecanismo de reacción para el análisis
de la etapa controlante del proceso.
El sistema de reacción que corresponde a la formación del HBr puede
representarse por un mecanismo apropiado. En este mecanismo aparecen las sustancias
Br2, H2, Br°, H°, HBr. Utilizando el mecanismo y representando en una matriz de
coeficientes estequiométricos dicho sistema: determine cuantas reacciones son
independientes?
Solución
a) Formulación del mecanismo

1) Br2 Br°
2) Br° + H2 HBr + H°
3) H° + Br2 HBr + Br°
4) H° + HBr H2 + Br°
5) 2Br° Br2
b) Haciendo: A1 = Br2; A2 = Br°; A3 = H2; A4 = H°, A5 = HBr. Y escribiendo las
reacciones en notación generalizada convencional,
vAA + vBB + vCC + ... =0 se tiene:
- A1 + 2A2 + 0 + 0 + 0 =0
0 - A2 - A3 + A4 + A5 =0
- A1 + A2 + 0 - A4 + A5 =0
0 + A2 + A3 - A4 - A5 =0
A1 + 2 A2 + 0 + 0 + A5 =0
c) Representando la matriz de coeficientes (Usando MATLAB)
» A = [-1 2 0 0 0; 0 -1 -1 1 1; -1 1 0 -1 1; 0 1 1 -1 -1; 1 -2 0 0 0]
A=
-1 2 0 0 0
0 -1 -1 1 1
-1 1 0 -1 1
0 1 1 -1 -1
1 -2 0 0 0
d) Aplicando el método de eliminación de Gauss

» B = rref(A)

B=
1 0 0 2 -2
0 1 0 1 -1
0 0 1 -2 0
0 0 0 0 0
0 0 0 0 0
e) En el mecanismo existen tres reacciones que pueden ser la etapa controlante de la
reacción: las etapas son dadas por las reacciones 1, 2 y 3 del mecanismo
propuesto. Por lo tanto se debe hacer un análisis mas profundo y usando técnicas
experimentales para definir la etapa controlante entre las tres reacciones dadas.
f) Esto también se verifica aplicando el rango
» C = rank(A)
C =
3 (Tres reacciones independientes)
g) Otra forma es usando el programa UNTSIM, para lo cual seleccionamos del

Menu principal: Otros – Cálculos Matemáticos – Diagonalizar matriz:
Apareciendo en lo siguiente:
Este programa diagonaliza una matriz

Ingresar la matriz a ser diagonalizada
coef: [-1 2 0 0 0; 0 -1 -1 1 1; -1 1 0 -1 1; 0 1 1 -1 -1; 1 -2 0 0 0]
Dar espacios para imprimir cada numero: 10
Dar el numero de puntos decimales: 5
Aqui esta su matriz
row/col 1 2 3 4 5
1 -1.00000 2.00000 0.00000 0.00000 0.00000
2 0.00000 -1.00000 -1.00000 1.00000 1.00000
3 -1.00000 1.00000 0.00000 -1.00000 1.00000
4 0.00000 1.00000 1.00000 -1.00000 -1.00000
5 1.00000 -2.00000 0.00000 0.00000 0.00000
Y los pasos que Usted debe ejecutar para diagonalizar la matriz. Obteniendo una
matriz con 3 elementos 1 en la diagonal,
Aqui esta su matriz

row/col 1 2 3 4 5
1 1.00000 -2.00000 0.00000 0.00000 0.00000
2 0.00000 1.00000 1.00000 -1.00000 -1.00000
3 0.00000 0.00000 1.00000 -2.00000 0.00000
4 0.00000 0.00000 0.00000 0.00000 0.00000
5 0.00000 0.00000 0.00000 0.00000 0.00000
Lo cual indica que hay tres reacciones independientes y son las que corresponden
a los valores 1 en la diagonal.

4.4 SOLUCIONES DE PRUEBA Y ERROR

Los procesos reales en ingeniería química generalmente son descritos por
ecuaciones no lineales. La solución de problemas de modelos no lineales casi siempre
exige al uso de un procedimiento de prueba y error para encontrar una aproximación
cercana a una raíz de una ecuación. Las raíces de polinomios pueden encontrarse con la
función MATLAB roots. El programa UNTSIM tiene una subrutina de propósito
general que encontrará una raíz de una ecuación por el método de la secante .
Ejemplo 4.3 Un proyecto en ingeniería química requiere que se calcule exactamente el

volumen molar (v) del dióxido de carbono y del oxígeno para diferentes combinaciones
de temperatura y presión de tal forma que los recipientes que contengan estos gases se
puedan seleccionar apropiadamente. Para tal efecto se sugiere usar la ecuación de van
der Waals
Solución
La ecuación de van der Waals está dada por:
a
(p + )(v – b) = RT (4.3)
v2
donde v = V/n es el volumen molar y a y b son constantes empíricas que dependen del
gas en particular
Dióxido de carbono Oxígeno
A 3.592 1.360
B 0.04267 0.03183
R 0.082054 L atm/(mol K)
Desarrollando la Ec. 4.3 tenemos un polinomio en v de la forma:
pv3 – (bp + RT)v2 + av – ab = 0 (4.4)
Reemplazando los valores de a y b para el dióxido de carbono se tiene:
pv3 – (0.0427p + 0.082054 T)v2 + 3.592v – 0.15327064 = 0 (4.5)
Ahora podemos usar la Ec. 4.5 para cualquier juego de valores de P y T. En este caso
usaremos P = 1 atm y T = 300 K, con lo cual tenemos la ecuación cúbica siguiente:
v3 – 24.6589v2 + 3.592v – 0.15327064 = 0
Usando UNTSIM, seleccionamos del Menu: Otros – Cálculos Matemáticos – Raíces de
ecuaciones – No lineales; en la ventana de trabajo del programa tenemos:
Ingrese coeficientes del polinomio: [1 -24.6589 3.592 - 0.15327064];
Desea calcular todas las raices (1) o buscar en un intervalo (0): 0
Ingrese intervalo de busqueda [ ]:[20 30]
La Raiz es:
24.5187

Nota. Para tener el intervalo de búsqueda podemos usar los valores obtenidos con al
ecuación del gas ideal en este caso.
4.5 METODOS ITERATIVOS DE CONVERGENCIA
Uno de los problemas más comunes en simulación digital es la solución de

ecuaciones algebraicas no lineales simultáneas. Si estas ecuaciones contienen funciones
trascendentales, la solución analítica es imposible. Entonces debe usarse algún tipo de
procedimiento iterativo de prueba y error. Si hay una sola incógnita se supone un valor
para la solución. Este es reemplazado en la ecuación o ecuaciones para ver si satisface.
Si no, se hace un nuevo supuesto y el procedimiento es repetido hasta conseguir la
convergencia (el valor esperado) no el valor de la derecha.
La clave del problema es encontrar un método para hacer que el nuevo supuesto
converja rápidamente a la respuesta correcta. Existen varias técnicas. Desdichadamente
no hay un mejor método para todas las ecuaciones. Algunos métodos que convergen
muy rápidamente para algunas ecuaciones divergen para otras ecuaciones; por ejemplo,
la serie de nuevos valores oscilará alrededor de la solución correcta con un incremento
en las desviaciones. Esta es una forma de inestabilidad numérica.
Nosotros discutiremos solamente algunos de los métodos más simples y más
usados. Afortunadamente, en simulación dinámica, partimos de algún estado inicial de
convergencia. A cada instante en el tiempo, las variables son cambiadas pero en rangos
pequeños de los valores que tenían en un instante antes. Así, siempre estaremos cerca
de la solución correcta. Por esta razón, los métodos simples de convergencia son muy
usados para simulaciones dinámicas.
El problema se entiende mejor con un ejemplo. Uno de los cálculos iterativos más
comunes es un calculo del punto de burbuja en el equilibrio liquido vapor.
Ejemplo 4.4. Se tiene la presión P y la composición x. Queremos encontrar la

temperatura del punto de burbuja y la composición del vapor como se ha discutido en la
Sec. 2.2.6. Por simplicidad asumimos un sistema binario de componentes 1 y 2. El
componente 1 es el más volátil, y la fracción molar de componente 1 en el liquido es x y
en el vapor es y. También asumimos que el sistema es ideal. Se aplican las Leyes de
Dalton y Raoult.
Las presiones parciales de dos componentes (p1 y p2) en las fases de vapor y
liquido son:
En el liquido: p1 = x p1s p2 = (1 – x) p 2s (4.6)
En el vapor : p1 = yP p2 = (1 – y)P (4.7)
Donde Pjs es la presión de vapor del componente puro j la cual es una función de la
temperatura solamente y esta dada por una ecuación de la forma:
A1 A2
Ln p1s = + B1 Ln p 2s = + B2 (4.8)
T T
Las presiones parciales en las fases liquido y vapor están dadas por:

P = x P1s + (1 – x) p 2s (4.9)
xP1s
y= (4.10)
P
nuestro problema de convergencia es para encontrar el valor de la temperatura T
que satisfaga la Ec. (4.9). El procedimiento es como sigue:
1. Suponer una temperatura T.
2. Calcular la presión de vapor de los componentes 1 y 2 con las Ec. (4.8).
3. Calcular la presión total Pcalc usando la Ec. (4.9).
Pcalc = x P1(sT ) +(1 – x) p 2s (T ) (4.11)
4. Comparar Pcalc con la presión total actual dada, P. Si es suficientemente

cercana a P (por ejemplo usando un criterio de convergencia relativo de 10-6),
la T supuesta es correcta. Luego la composición del vapor puede ser calculada
a partir de la Ec. (4.10).
5. Si Pcalc es mucho mayor que P, el valor supuesto de la temperatura fue muy
alta y debe hacerse otro supuesto de T que sea mas bajo. Si Pcalc es muy bajo,
debemos suponer un valor de T mas alto.
4.5.1 Método de la bisectriz
Conocido también como corte binario, de partición en dos intervalos iguales o

método de Bolzano es un método de búsqueda incremental en el que el intervalo se
divide siempre en dos. Si la función cambia de signo sobre un intervalo, se evalúa el
valor de la función en el punto medio. La posición de la raíz se determina situándola en
el punto medio del sub intervalo dentro del cual ocurre un cambio de signo. El proceso
se repite hasta obtener una mejor aproximación.
Es simple y fácil de visualizar y programar. No es muy rápida en convergencia a
la solución correcta, pero es estable. Trabaja bien en simulaciones dinámicas debido a
que el tamaño del paso se puede ajustar para corresponder aproximadamente a la
velocidad ala cual es cambiada la variable con respecto al tiempo durante la integración.
P(Tcalc
)
T3
P
T1 T2
Presión
To
T5 T4
Valor correcto de T
Temperatura
Fig. 4-2 Convergencia de la Bisectriz

La Fig. 4-2 muestra gráficamente el procedimiento de la bisectriz. Se hace un

supuesto inicial de temperatura T0. Se calcula Pcalc a partir de la Ec. (4.11). luego Pcalc es
comparado con P. Un incremento fijo en la temperatura ∆T es adicionado o sustraído de
la temperatura supuesta, dependiendo de si Pcalc es mayor o menor que P.
Nos seguimos moviendo en la dirección correcta con el tamaño de este paso fijo
hasta que se de un cambio en el signo del término (P – Pcalc). Esto nos indica que hemos
cruzado al correcto valor de T. Entonces retornamos a la mitad del trayecto, por ejemplo
partimos en dos el incremento ∆T. Con cada iteración sucesiva partimos en dos ∆T,
yendo siempre por sobre o debajo de la temperatura.
A continuación, se lista un programa MATLAB denominado burbisec para
calcular el punto de burbuja de N componentes líquidos volátiles enunciado en el
ejemplo 4.2, usando el método de la bisectriz.
Para correr el programa se toma como ejemplo un sistema binario: benceno –
tolueno donde x = 0.5 y P = 760 mmHg y las constantes de la Ec. (4.8) son:
Benceno: A1 = –3848.09
B1 = 17.53
Tolueno: A2 = – 4328.12
B2 = 17.91
Las constantes se calculan por las ecuaciones:
A = ln ( P1S / P2S ) /[1/T1 – 1/T2]

B = ln P1S – A/T1
%Cálculo del punto de burbuja por el método de la bisección
% (c) 2002 - L.Moncada
% Julio 2002
aa=input('Parametros A:');%-3848.09,-4328.12
bb=input('Parámetros B: '); %17.53, 17.91
z =input('Fracciones molares de los componentes: '); %.5, .5
P=input('Ingrese presión de operación mmHg: '); %760
a=input('Suponer un valor de la temperatura C: '); %400;
b=1;ex=0.001;ey=0.001;ex=eps;ey=eps;
ya=sum(z.*(exp((aa/a)+bb)))-P;
yb=sum(z.*(exp((aa/b)+bb)))-P;
if ya*yb>0;
error('No se cumple Bolzano suponer otra temperatura');
end
n=ceil((log(abs(b-a))-log(ex))/log(2));
x=zeros(n,1); A=zeros(n,2);
for k=1:n
m=(a+b)/2;
ym=sum(z.*(exp((aa/m)+bb)))-P;
x(k)=m; A(k,:)=[a,b];
if abs(ym)<ey | abs(b-a)<ex;break;end
if ya*ym>0; a=m;ya=ym;
else; b=m; yb=ym;
end
end
if k<n; x=x(1:k); A=A(1:k); end
v=z.*(exp((aa/x(k))+bb))/P;
y=v';

% Crear la salida
disp(' ')
disp(' Luis Moncada')
disp(' Ingeniería Química')
disp(' Modelamiento y simulación')
disp(' ')
fprintf('BP de la mezcla: C Presion: mmHg\n')
fprintf(' %4.2f %4.2f\n',x(k),P)
fprintf('Fracciones molares de los componentes en el vapor\n')
fprintf(' y\n')
fprintf(' %6.4f\n',y)
Al llamar en la ventana de trabajo al archivo burbisec, se tiene
>> burbisec
Ingresar datos entre corchetes:[a, b, c, ...] y en el mismo orden
Parámetros A de la ecuación de Antoine:[-3848.09,- 4328.12]

Parámetros B de la ecuación de Antoine: [17.53, 17.91]
Fracciones molares de los componentes: [.5, .5]
Ingrese presión de operación mmHg: 760
Suponer un valor de la temperatura C: 400
Obteniendo la siguiente respuesta

BP de la mezcla: C Presion: mmHg
365.27 760.00
Fracciones molares de los componentes en el vapor
y
0.7179
0.2821
Si deseamos ver la evolución del cálculo, hacemos la gráfica con las ordenes:
>> plot([x,A]); grid; ylabel('Temperatura C')
Fig. 4-3 Cálculo de punto de burbuja por el método de la bisección

4.5.2 Método de Newton Raphson
Este método es probablemente el método de convergencia más popular. Es algo

más complicado ya que requiere la evaluación de una derivada. También puede traer
problemas de estabilidad si el supuesto inicial es pobre y si la función es altamente no
lineal.
Si el valor inicial de la raíz es xi, entonces se puede extender una tangente desde el
punto [xi, f(xi)]. El punto donde esta tangente cruza al eje x representa una aproximación
mejorada de la raíz.
Usando el problema del punto de burbuja como un ejemplo específico, definiendo
la función f(T):
f(T) = P(Tcalc
) – P (4.12)
Queremos encontrar el valor de T que haga f(T) igual a cero ( queremos encontrar
la raíz de f(T)). Suponemos un valor de temperatura To. Entonces evaluamos a To, f(To).
1
A continuación evaluamos la función a To, f (To ) = (df/dT)(To).
To
0 •
F(To ) T1
F(T) •
 df 
Pendiente = f (1To ) =  
 dT  (To )
T
Fig. 4-4 Representación gráfica de la convergencia de Newton Raphson
Luego de la geometría mostrada en la Fig. 4-4 podemos ver que
 df  − f (To )
f (1To ) =   = (4.13)
 dT  (To ) T1 − To
Resolviendo para T1 se tiene

f (To )
T1 = To – (4.14)
f (1To )
T1 en la Ec. (4.14) es el nuevo supuesto de temperatura. Si la curva f(T) fuese una

línea recta, podríamos converger a la solución correcta solamente en una iteración.
Generalizando la Ec. (4.14), podemos obtener el algoritmo de iteración recursivo.
fn (4.15)
Tn +1 = Tn –
f n1

donde Tn+1 = nuevo supuesto de temperatura

Tn = valor anterior de temperatura supuesta
Fn = valor de f(T) a T = Tn
f n1 = valor de la derivada de f, df/dT a T = Tn
La técnica requiere la evaluación de f′, la derivada de la función f(T) con respecto

a la temperatura. En el ejemplo del punto de burbuja, esta puede ser obtenida
analíticamente.
( A1 / T + B1 )
f(T) = ) − P = x e
P(Tcalc + (1 − x) e ( A2 / T + B2 )
df xA (1 − x) A2 ( A2 / T + B2 )
f′ = = − 21 e ( A1 / T + B1 ) − e
dT T T2
xA1 P1S − (1 − x) A2 P2S

= (4.16)
T2
Si la función fuese tan compleja de tal manera que no podría obtenerse una
derivada explícitamente, se podría calcular una derivada aproximada numéricamente:
haciendo un pequeño cambio en la temperatura ∆T, evaluando f a T + ∆T y usando la
aproximación
f (T + ∆T ) − f (T )
f′ = (4.17)
∆T
Si la función no es muy lineal y/o si el supuesto inicial no está cercano a la
solución, el método de Newton Raphson puede divergir en lugar de converger. Las
funciones que no son monotónicas son particularmente molestosas, debido a que la
aproximación a cero de la derivada, hace que la Ec. (4.15) sea inestable. Por lo tanto, el
método de Newton Raphson es un algoritmo muy eficiente pero que tiene problemas de
convergencia. A veces estas dificultades pueden ser salvadas reduciendo el valor del
cambio permitido para hacer el nuevo supuesto.
El método de Newton Raphson puede extenderse fácilmente a problemas de
iteración involucrando más de una variable. Por ejemplo, suponer que se tiene dos
funciones f1(X1, x2) y f2(X1, x2) que dependen de las dos variables x1 y x2. Debemos
encontrar los valores de x1 y x2 que satisfagan las dos ecuaciones
f1(X1, x2) = 0 y f2(X1, x2) = 0
Expandiendo cada una de estas funciones alrededor del punto (x1n, x2n) en una
serie de Taylor y truncando antes del término de la primera derivada se tiene
 ∂f 
f1(x1, n+1, x2, n+2) = f1(x1n, x2n) +  1  ( x11, n +1 − x1n )
 ∂x1  ( x1n , x 2 n )
 ∂f 
+  1  ( x 2, n +1 − x 2 n ) (4.18)
 ∂x 2  ( x1n, x 2 n )

 ∂f 
f2(x1, n+1, x2, n+2) = f2(x1n, x2n) +  2  ( x11, n +1 − x1n )
 ∂x1  ( x1n, x 2 n )
 ∂f 
+  2  ( x 2, n +1 − x 2 n ) (4.19)
 ∂x 2  ( x1n, x 2 n )
Haciendo f1(x1, n+1, x2, n+2) y f2(x1, n+1, x2, n+2) iguales a cero y resolviendo para los
nuevos supuestos x1, n+1 y x2,n+1 se tiene
f 2 (∂f 1 / ∂x 2 ) − f 1 (∂f 2 / ∂x 2 )
x1, n+1 = x1n + (4.20)
(∂f 1 / ∂x1 )(∂f 2 / ∂x 2 ) − (∂f 1 / ∂x 2 )(∂f 2 / ∂x1 )
f 2 (∂f 1 / ∂x1 ) − f 1 (∂f 2 / ∂x1 )

x2, n+1 = x2n + (4.21)
(∂f 1 / ∂x 2 )(∂f 2 / ∂x1 ) − (∂f 1 / ∂x1 )(∂f 2 / ∂x 2 )
todas las funciones y derivadas parciales son evaluadas a x1n y x2n.

Las Ecs. (4.20) y (4.21) da el algoritmo de iteración para los nuevos valores
supuestos. Para cada iteración deben calcularse cuatro derivadas parciales ya sea
analítica o numéricamente.
Las Ecs. (4.18) y (4.19) pueden escribirse en forma matricial. Haciendo el lado
derecho de las ecuaciones iguales a cero y denominando a los cambios en las variables
supuestas como ∆x = xn+1 – xn
∂f 1 ∂f 1
0 f1 ∆x1
∂x1 ∂x 2
= +
∂f 2 ∂f 2
0 f2 ∆x2 (4.22)
∂x1 ∂x 2
Todas las funciones y derivadas son evaluadas a x1n y x2n . La matriz 2 x 2 de

derivadas parciales en llamada matriz jacobiana
∂f 1 ∂f 1
∂x1 ∂x 2
J=
∂f 2 ∂f 2
(4.23)
∂x1 ∂x 2
Todos los términos de esta matriz son constantes que son calculadas en cada iteración
Los ∆x’s se pueden calcular resolviendo la matriz
∆x1 f1
= j -1 (4.24)
∆x2 f2
Donde J-1 es el inverso de la matriz J

A continuación, se lista un programa MATLAB denominado burbnr para

calcular el punto de burbuja de N componentes líquidos volátiles enunciado en el
ejemplo 4.4, usando el método de Newton Raphson.
Programa MATLAB burbnr
% Calculo del punto de burbuja usando Newton Raphson: burbnr.m

% (c) 2002 - L. Moncada
% 8 Julio 2002
%
clear
% parámetros de la ecuación de Antoine
disp('Ingresar datos entre corchetes:[a, b, c, ...] y en el mismo
orden')
a=input('Parámetros A de la ecuación (4.8):');%-3848.09,- 4328.12
b=input('Parámetros B de la ecuación (4.8): '); %17.53, 17.91
x =input('Fracciones molares de los componentes: '); %.5, .5
% Datos de entrada para la simulación
% Presión de operación
Pop = input('Ingresar presión ( mmHg): ');% 760
t=input('Suponer una temperatura mayor a 273 K: ');
if t<=273;
disp(' ')
disp('La temperatura debe ser mayor que 273 K')
t=input('Suponer una temperatura mayor a 273 K: ');
end
P=sum(x.*(exp((a/t)+b)));
while abs(Pop-P)>Pop/1000;
F=P-Pop;
d=((x.*(exp((a/t)+b))).*a)/(t^2);
DF=-sum(d);
t=t-F/DF;
end
v=x.*(exp((a/t)+b))/P;
y=v';
% Crear la salida
disp(' ')
disp(' ')
fprintf(' %4.2f %4.2f\n',t,P)
fprintf(' y\n')
Obteniendo el siguiente resultado:
>> burbnr
Fracciones molares de los componentes: [.5 .5]
Ingresar presión ( mmHg): 760
Suponer una temperatura mayor a 273 K: 500

Luis Moncada
Ingeniería Química
Modelamiento y simulación

365.27 760.34
y
0.7179
0.2821
4.5.3 Método de la falsa posición
Esta técnica de convergencia es una mezcla del método de la bisectriz y de

Newton Raphson, se hace un supuesto inicial To, y se evalúa la función f(To) se toma un
paso en la dirección correcta para evaluar una nueva temperatura T1 y se evalúa f(T1). Si
f(T1) tiene el mismo signo de f(To), no se ha cruzado la solución y se toma otro paso
(redefiniendo T1 como el nuevo valor de To). Los pasos son continuados hasta que se
alcanza alguna temperatura T1 donde f(T1) difiera en el signo de f(To). Como se muestra
en la Fig. 4.5 mediante la geometría se puede suponer un nuevo valor de temperatura T2.
de triángulos similares
T2 − T0 T1 − T2
=
f (To ) f (T 1)
Rearreglando
f (T 1) (T1 − T0 )
T2 = T1 – (4.25)
f (T 1) − f (To )
Generalizando, conseguimos el algoritmo recursivo:

f (Tn ) (Tn − Tn −1 )
Tn+1 = Tn – (4.26)
f (Tn ) − f (Tn −1)
La Ec. (4.26) es similar a la Ec. (4.15), del algoritmo de Newton Raphson. La

derivada en la Ec. (4.26) se aproxima numéricamente.
Fig. 4-5 Convergencia de la Falsa Posición

4.5.4 Métodos explícitos de convergencia
Para algunos sistemas de ecuaciones es posible suponer el valor de una variable

xsup, y luego usar una de las ecuaciones para resolver explícitamente para un nuevo
valor calculado de la misma variable, xcalc. Lugo se comparan el valor supuesto con el
valor calculado y se hace un nuevo supuesto.
El nuevo supuesto puede ser simplemente el valor calculado (esto se denomina
sustitución sucesiva). La convergencia puede ser muy baja debido a:
1) Muy poca aproximación entre xcalc y xsup
2) Una oscilación de xcalc de un lado a otro alrededor de xsup. Puede divergir.
Entonces un factor de convergencia β puede usarse acelerar o reducir la velocidad

a la cual se permite el cambio de xsup de iteración a iteración.
(xsup)nueva = (xsup)ant + β[xcalc – (xsup)ant] (4.27)
Notar que β = 1 corresponde a sustitución sucesiva. Este método es ilustrado en

el siguiente ejemplo.
Ejemplo 4.5 Un intercambiador de calor en contracorriente es un ejemplo importante

de un sistema descrito por ecuaciones que son usualmente resueltas iterativamente. La
Fig. 4-6 muestra el sistema. El problema es encontrar las temperaturas de salida al
estado estacionario del aceite, TH2. y del agua de enfriamiento, TC2, y el calor transferido
Q, dadas las temperaturas de entrada, las velocidades de flujo (caudales), y el
coeficiente de transferencia de calor y el área. Las ecuaciones al estado estacionario
para la transferencia de calor son:
Q = U A (∆T)LM = (120)(879)(∆T)LM (4.28)
Q = (70 000)(0,5)(250 – TH2) (4.29)
Q = (170,5)(60)(8,33)(TC2 – 80) (4.30)
(250 − TC 2 ) − (TH 2 − 80)

(∆T)LM = (4.31)
 250 − TC 2 
ln 
 TH 2 − 80 
Tenemos cuatro ecuaciones y cuatro variables: Q, (∆T)LM, TH2 y TC2. El

procedimiento iterativo es:
1. Suponer un valor para la temperatura de salida del aceite THsup2 (la cual debe ser
mayor que 80 ° por razones físicas)
2. calcular Q1 a partir de la Ec. (4.29).
3. Calcular TC2 a partir de la Ec. (4.30), usando Q1.
4. calcular la fuerza impulsora, diferencia media logarítmica de temperaturas
(∆T)LM a partir de la Ec. (4.31).

5. Calcular una nueva velocidad de transferencia de calor Q2 a partir de la Ec.

(4.28).
6. Sustituir el valor de Q2 en la Ec. (4.29) y calcular THcalc
2 .
7. comparar THsup2 y THcalc

2
Agua de enfriamiento
170,5 gpm
80 °F
Aceite Enfriador
A = 879 pies2 TH2
70 000lbm/h U = 120 Btu/h.pie2.°F
250 °F
CP = 0,5
TC2
Fig. 4-6 Intercambiador de calor en contracorriente
Escribimos el programa interc.m

%Calculo de la temperatura en un intercambiador de calor
%
A=input('Area de transferencia de calor pies2: '); %879
U=input('Coeficiente total de transferencia, Btu/h pie2 F: '); % 120
F1=input('Caudal de agua de enfriamiento, gpm: '); %170.5
Tc1=input('Temperatura de entrada del agua de enfriamiento, F: ');%80
MH=input('Cantidad de fluido caliente, lb/h: '); %70000
TH1=input('Temperatura de entrada del fluido caliente, F: '); %250
cp=input('Cap. calorífica del fluido caliente, Btu/lb F: '); %0.5
%
%
for j=1:5
disp('Ingrese la temperatura de salida del agua de enf. en F')
TH2=input('debe ser >agua fría y <fluido caliente: ');
%
q1=MH*cp*(TH1-TH2); % Btu/h
Tc2=(q1/(F1*0.1336805471*62.4*60))+Tc1;
dtl=((TH1-Tc2)-(TH2-Tc1))/log((TH1-Tc2)/(TH2-Tc1));
q2=U*A*dtl;
TH2c=TH1-(q2/(MH*cp));
%
% Ahora compare las dos temperaturas
%
if (abs(TH2-TH2c))<= 1
clc
disp('Convergencia ha sido alcanzada!')
disp('El numero necesario de iteraciones (j) fue:')
j
disp('La temperatura de salida TH2 es: ')
TH2c
break

elseif j==5
clc
disp('Máximo numero de iteraciones (5) ha sido excedido w/o
convergencia!')
else
clc
disp('convergencia no se ha alcanzado, probar nuevamente')
disp('El valor ajustado de TH2 para la nueva iteración es: ')
TH2=TH2c
end
end
Resultado
Convergencia ha sido alcanzada!
el numero necesario de iteraciones (j) fue:
j =
4
La temperatura de salida TH2 es:
TH2c =
98.9294
4.6 METODOS DE BUSQUEDA
Una variación de los métodos iterativos son los métodos de búsqueda los cuales
pueden aplicarse para encontrar la solución de problemas relativamente simples. En
estos métodos se inicia la búsqueda desde un valor inicial y luego se va incrementando
este valor en un tamaño de paso de acuerdo a la precisión deseada. La ventaja de estos
métodos es su facilidad para programarlos pero traen la desventaja en la demora por
encontrar la solución.
El problema se entiende mejor considerando un ejemplo. Uno de los cálculos
iterativos más comunes es un calculo del punto de burbuja en el equilibrio liquido
vapor.
A continuación se lista el programa burbuja.m para encontrar el punto de burbuja
de una mezcla de N componentes por el método de búsqueda.
% Calculo del punto de burbuja: burbuja.m

% (c) 2002 - L. Moncada
% 8 Julio 2002
%
clear
% parámetros de la ecuación de Antoine
disp('Ingresar datos entre corchetes:[a, b, c, ...] y en el mismo
orden')
a=input('Parámetros A de la ecuación de Antoine:');%-3848.09,- 4328.12

b= input('Parámetros B de la ecuación de Antoine: '); %17.53, 17.91
x = input('Fracciones molares de los componentes: '); %.5, .5
% Datos de entrada para la simulación
% Presión de operación
Pop = input('Ingresar presión ( mmHg): ');
t = input('Suponer un valor inicial de temperatura C: ');
n=0; P=0; % Inicializacion de los calculos
h = 0.1; % Tamano de paso como se incrementa t
t_rec(1)=(t); P_rec(1) = P; % asignacion de nuevos valores
%Calculo iterativo

while P<=Pop
n=n+1;
t = t+h;
P_rec(n+1) = P;
t_rec(n+1) = t;
end
v=x.*(exp((a/t)+b))/P;
y=v';
% Crear la salida
disp(' ')
disp(' ')
fprintf(' %4.2f %4.2f\n',t,P)
fprintf(' y\n')
Obteniéndose los siguientes resultados para el problema 4.4
>> burbuja
Fracciones molares de los componentes: [.5 .5]
Ingresar presión ( mmHg): 760
Suponer un valor inicial de temperatura C: 100
Luis Moncada
Modelamiento y simulación
BP de la mezcla: C presión: mmHg

365.40 760.69

y
0.7179
0.2821
4.7 USO DE SIMULADORES
Algunos Simuladores de procesos pueden ser útiles para determinar las

propiedades de una mezcla aprovechando la base de datos del mismo programa.
Alternativamente podemos usar el programa UNTSIM y usar su base de datos
para las constantes de la Ec. De Antoine. Además nos permite trabajar con cualquier
número de compuestos. Siguiendo el procedimiento dado en el manual de dicho
programa :
>>Untsim
Balances de materia y energía

Base de datos UNTSIM

Temperatura K
Entre el nombre para un nuevo archivo: test
Ingrese el número de compuestos: 2
Ingrese el nombre del compuesto # 1: benzene

Ingrese el nombre del compuesto # 2: toluene
Ingrese el número de reacciones: 0
Aquí están sus Compuestos Fórmulas y Nombres:

No. Fórmula Nombre
----------------------------------------
1 C6H6 benzene
2 C6H5CH3 toluene
Aquí están sus reacciones:

----------------------------------------
No se dan reacciones
Ingrese el número de corrientes: 0
Las variables para sus compuestos han sido ahora creadas,

Usted puede continuar, o regresar más tarde y recargar los mismos
datos.
y con la orden
>>[t,ys]=bubpt(101.3,[.5 .5])
se obtiene:

365.4957 760.69
ys = (Fracciones molares en el vapor)
0.7122 0.2878
Cuando no se usa datos de la base de datos UNTSIM, se puede seleccionar del Menú
principal: Calculos de Ing. Química – Punto de Burbuja
4.8 INTEGRACION NUMÉRICA DE ECUACIONES DIFERENCIALES

ORDINARIAS
Como se ha discutido en la introducción a este capítulo, la solución de ecuaciones

diferenciales ordinarias (EDOs) en una computadora digital involucra la integración
numérica. Presentaremos algunos de los algoritmos de integración numérica más
simples y populares.
Cuando se resuelven EDOs se debe tener en mente la precisión, la estabilidad
numérica y la velocidad de cualquier método de integración. Mostraremos algunas
comparaciones entre los diferentes tipos de algoritmos en los problemas de este capitulo
y el próximo.

4.8.1 Uso de las variables de estado
Cualquier ecuación de alto orden, por decir con derivadas de orden N, puede ser
reducida a N EDOs de primer orden con lo cual solamente necesitamos el estudio de
integración numérica de EDOs de primer orden.. Por ejemplo, suponer la EDO de tercer
orden:
d 3x d 2x dx
3
+ a 2 2
+ a1 + a o x = b1 m (4.32)
dt dt dt
Si definimos las nuevas variables
dx d 2x
x1 = x x2 = x3 = (4.33)
dt dt 2
La Ec. (4.32 ) se escribirá:
dx 3
+ a2 x3 + a1 x2 + ao x1 = b1 m
dt
Luego tenemos para resolver tres EDOs de primer orden
dx1
= x2 (4.34)
dt
dx 2
= x3 (4.35)
dt
dx 3
= - a2 x3 - a1 x2 - ao x1 + b1 m (4.36)
dt
o en forma matricial (y representando las derivadas con un punto en su parte

superior para así facilitar la representación)
. 0 1 0 x1 0
x1
. = 0 0 1 • x2 + 0 • u (4.37)
x2
. –a2 –a1 –a0 x3 b1
x3
o en forma simbólica:
dx
= Ax + Bu (4.38)
dt
y = C x + Du
que recibe el nombre de ecuación de estado
u : es el valor por el cual se cambian las entradas

Ejemplo: un sistema esta descrito por la ecuación diferencial siguiente:
d 2x dx
+2 + 5 x = 3I
dt dt
describir el sistema por las ecuaciones de estado:
1. Descomponiendo el sistema en derivadas de primer orden:
dx
x1 = x x2 =
dt
dx1
= x2 (a)
dt
dx 2
= – 5x1 – 2x2 + 3I (b)
dt
x 0 1  0
x =  dx  A=  B=  C = [0 1]
 dt   − 5 − 2  3
1. Usando MATLAB, este modelo es especificado tipeando:

>> sys = ss([0 1;-5 -2],[0;3],[0 1],0)
y MATLAB responde:
a =
x1 x2
x1 0 1
x2 -5 -2
b =
u1
x1 0
x2 3
c =
x1 x2
y1 0 1
d =
u1
y1 0
Continuous-time model.
Este modelo puede resolverse usando el algoritmo de Euler como veremos más
adelante, teniendo como resultado las variables de desviación, para lo cual necesitamos
las condiciones iniciales y el valor de la perturbación u.
2. Usando el programa UNTSIM, para lo cual seleccionamos del Menú principal:

Nueva sesión – Dinámica del proceso – Ecuación de estado

4.8.2 Algoritmos explícitos de integración numérica
Los algoritmos explícitos involucran cálculos explícitos de derivadas. Dos

métodos muy usados son descritos a continuación: El método de Euler y el método de
Runge y Kutta de cuarto orden. Literalmente existen cientos de métodos pero no son
muy usados particularmente para problemas de ingeniería química.
A. ALGORITMO DE EULER. El esquema posiblemente más simple de

integración numérica (y el mas usado) es el de Euler, ilustrado en la Fig.4-7.
Asumiendo que deseamos resolver la EDO
dx
= f(x, t) (4.39)
dt
Donde f(x, t) es, en general una función no lineal. Necesitamos conocer donde
empezar. Por ejemplo, necesitamos conocer una condición inicial para x, usualmente
esta es al tiempo igual a cero.
x(o) = x0 a t=0 (4.40)
Ahora si nos movemos hacia delante en el tiempo por un pequeño incremento ∆t,
hacia t = t1 = ∆t, podemos obtener un estimado del nuevo valor de x para t = ∆t, x(∆t),
mediante una extrapolación lineal usando la velocidad inicial del cambio de x con el
tiempo (la derivada de x a t = 0). El nuevo valor de x (x1) es aproximadamente igual al
valor anterior de x (x0) más el producto de la derivada de x por el tamaño de paso.
 dx 
x(∆t) = xo +   ∆t (4.41)
 dt  t =0
x1 = x0 + f(xo, 0) ∆t (4.42)
Si el tamaño de paso (intervalo de integración) es pequeño, este estimado de x1

será muy cercano al valor correcto.
Tomando otro ∆t para t = t2 = 2 ∆t, estimamos x(2 ∆t) = x2 a partir de
 dx 
x(2 ∆t) = x(∆t) +   ∆t (4.43)
 dt  t = ∆t
x2 = x1 + f(x1, t1) ∆t
Generalizando para el paso (n + 1) en el tiempo,
 dx 
x n + 1 = x n + f(xn , tn) ∆t = xn +   ∆t (4.44)
 dt  ( xn,tn )
t n + 1 = t n + ∆t (4.45)

La integración de Euler es extremadamente simple para programar, como se

ilustrará en el Ejemplo 4-6 esta simplicidad es mantenida, aún cuando el número de
EDOs se incrementa y las derivadas de las funciones sean mas complejas y no lineales.
Si tenemos dos EDOs simultáneas acopladas para integrar numéricamente
dx1 dx 2
= f1 (x1, x2, t) = f2 (x1, x2, t) (4.46)
dt dt
El algoritmo de integración de Euler podría ser
x1, n+1 = x1n + ∆t f1 (x1n, x2n, tn) (4.47)
x2, n+1 = x2n + ∆t f2 (x1n, x2n, tn) (4.48)
Notar que solamente se requiere la evaluación de una derivada por cada EDO a
cada punto en el tiempo. Si tenemos un sistema de N ecuaciones diferenciales,
deberíamos tener N ecuaciones tales como las Ecs. (4.47) y (4.48)
Ejemplo 4.6 Suponer que tenemos un sistema descrito por la EDO
dx
τ =1–x (4.49)
dT
con x = 0 para t = 0. por el momento hacemos que el parámetro τ (la constante de

tiempo) sea igual a 1.
x(t) = 1 – e – t (4.50)
a) Un programa MATLAB es listado a continuación y los resultados obtenidos se

muestran en la Fig. la Fig. 4.6. Se ha usado un tamaño de paso de integración (DELTA)
de 0,05.
Integración explicita de Euler de primer orden, programa en MATLAB
denominado euler1.m aplicando el algoritmo de Euler
% Aplicación del algoritmo de Euler: euler1.m

% (c) 2002 - L. Moncada
% 8 Julio 2002
clear, clf, hold off
% Valores iniciales y tamaño de paso
t = 0; n=0; x=0;T = 1; h = 0.05;
% Asignación de nuevos valores
t_rec(1)=(t); x_rec(1) = x;
% Bloque de iteración
while t<=2 % condición mientras...
n=n+1;
x=x + h*(-x/T + 1/T);
t = t+h;
x_rec(n+1) = x;
t_rec(n+1) = t;
end

% Gráfica
plot(t_rec, x_rec)
xlabel ('tiempo')
ylabel ('variable x')
grid on
Resultados
Si se desea una curva dinámica de x(t), se debe tomar un tamaño de paso bastante
pequeño (<0.1). Se pueden tomar tamaños de paso grandes, pero la solución no es muy
exacta. Si el tamaño del paso es muy grande (en este caso mayor que 2) la solución es
numéricamente inestable. El sistema físico o el proceso no es inestable. Lo que es
inestable es el algoritmo de integración numérica para este tamaño de paso para la EDO
dada en la Ec. (4.49). El algoritmo de Euler tiene la propiedad que si el paso es lo
suficientemente pequeño para conseguir una aproximación razonable (cuatro o 5 cifras
significativas) la solución es estable.
El tamaño de paso varía directamente con la constante de tiempo τ. Si τ fuese 10,
podríamos tomar un tamaño de paso igual a la décima parte del valor de la constante.
Así mismo el máximo tamaño del paso debe ser el doble de la constante de tiempo.
Fig. 4-7 Resultado de la simulación del proceso descrito por la Ec. (4.49)
b) Usando una rutina de MATLAB para resolver EDO, en este caso usaremos la rutina
ode45, para los cuales escribimos la ecuación en el archivo tia1.m
% Función dada por la Ec. 4.42 : tia1.m

% (c) 2002 - L. Moncada
% Julio 2002
% Escribimos el nombre de la función y las variables
function dx=ecuacion(t,x);
% Escribimos los parámetros

ta=1;
% Escribimos la ecuación
dx = [(1-x)/ta];
Luego escribimos un archivo de ejecución denominado inte.m

% Invocamos la rutina ode45 para resolver la función tia1.m
% (c) 2002 - L. Moncada
% Julio 2002
%
% fijamos el tramo de t (0 a 2) para evaluar la función y
% el valor inicial de x=0
[t,x] = ode45('ecuación',[0 2],[0]);
% Determinamos la longitud de las series de tiempo y var. depend.
npts = length(t);
% Definir la forma de salida
fprintf('\n\n tiempo x\n')
fprintf(' (seg) (L)\n\n')
for n = 1:5:npts
fprintf(' %5.1f %6.2e\n',t(n),x(n))
end
% Las ordenes correspondientes a la grafica
plot(t,x)
xlabel ('tiempo')
ylabel ('variable x')
grid on
%Mostrar valor de x al tiempo =1.5 seg
x=interp1(t,x,1.5)
Obteniendo la respuesta
>> inte
Luis Moncada
Julio, 2002
Solución de una EDO
tiempo x
(seg) (L)
0.0 0.00e+000
0.0 4.52e-004
0.0 3.71e-003
0.0 2.48e-002
0.2 1.45e-001
0.4 3.34e-001
0.7 4.82e-001
0.9 5.96e-001
1.2 6.86e-001
1.4 7.55e-001
1.7 8.09e-001
1.9 8.51e-001
2.0 8.65e-001
x = (valor de x para t= 1.5 seg)
0.7768

Nota: Si se desea aumentar o disminuir el número de puntos de la tabla, cambiar

el 5 de la sentencia: for n = 1:5:npts del archivo inte.m
La grafica obtenida será igual a la Fig. 4.7
B. RUNGE Y KUTTA (CUARTO ORDEN). El algoritmo de Runge y Kutta de

cuarto orden es extensamente usado en ingeniería química. Para la EDO dada en
la Ec. (4.39) el algoritmo de Runge y Kutta es:
k1 = ∆t f(xn, tn)
k2 = ∆t f(xn + ½ k1, tn + ½ ∆ t)
k3 = ∆t f(xn + ½ k2, tn + ½ ∆ t) (4.51)
k4 = ∆t f(xn + k3, tn + ∆ t)
1
xn + 1 = xn + (k1 + 2k2 + 2k3 + k4)
6
Para integración numérica de dos EDOs de primer orden
dx1
= f1 (x1, x2, t)
dt
dx 2
= f2 (x1, x2, t)
dt
Con Runge y Kutta de cuarto orden, se evalúan cuatro k’s para cada EDO
k11 = ∆t f1(xn1 , xn2, tn)
k12 = ∆t f2(xn1 , xn2, tn)
k21 = ∆t f1(xn1 + ½ k11, xn2 + ½ k12 , tn + ½ ∆t)
k22 = ∆t f2(xn1 + ½ k11, xn2 + ½ k12 , tn + ½ ∆t)
k31 = ∆t f1(xn1 + ½ k21, xn2 + ½ k22 , tn + ½ ∆t)
k32 = ∆t f2(xn1 + ½ k21, xn2 + ½ k22 , tn + ½ ∆t)
k41 = ∆t f1(xn1 + k31, xn2 + k32 , tn + ∆t)
k42 = ∆t f2(xn1 + k31, xn2 + k32 , tn + ∆t)
Luego son calculados los nuevos valores de x1 y x2:

1
xn + 1 , 1 = xn1 + (k11 + 2k21 + 2k31 + k41) (4.52)
6
1
xn + 1 , 2 = xn2 + (k12 + 2k22 + 2k32 + k42) (4.53)
6

Ejemplo 4.7
Una caja rectangular de masa M = 0,5 kg se fija al extremo inferior de un sistema

de resorte amortiguador sin masa, como se ilustra en la Fig. 4.8. El extremo superior del
resorte se fija a una estructura en reposo.
El amortiguador ejerce una fuerza de R = – B du/dt sobre la caja, donde B es la
constante de amortiguación. La ecuación del movimiento es
Mu” + Bu’ + ku = 0, u(0) = 1, u’(0) = 0 (4.58)
Donde u es el desplazamiento respecto a la posición estática, k es la constante del
resorte, igual a 100 N/m, y B = 10 Ns/m.
k = 100 N/m
B = 10 Ns/m
u(0) = 0 M = 0,5 Kg
u(t)
Fig. 4-8 Sistema de resorte – masa
Calcular u(t) para 0 < t ≤ 1 para B = 0 aplicando el método de Runge y Kutta de

cuarto orden
Solución
a) Aplicando lo visto en la secc. 4.8.1, Ecs. (4.34) a (4.36), la Ec. 4.58 se puede
escribir:
u’ = f = v, u(0) = 1 (4.59)
v’ = g = – (B/M)v – (k/M)u, v(0) = 0 (4.60)

Para aplicar el método de Runge y Kutta aplicando MATLAB, rescribimos las
Ecs. (4.59) y (4.60) en la forma siguiente:
y’ = M y (4.61)
donde
u 0, 1
y= M=
v – b, –a

El listado siguiente es la aplicación del método cuyos resultados se muestran en la

Fig. 4-8. El archivo lo denominamos resorte.m
% Calculo de u(t) para un resorte: resorte.m
% (c) 2002 - L. Moncada
% Julio 2002
%
% Limpiamos la memoria y borramos las figuras habidas
clear, clf
% Ingresamos los parámetros
M=0.5; k = 100; B=0; a=B/M;
b = k/M;
% Inicio de calculo y tamaño de paso
n=0; t=0; h = 0.025;
y(:,1) = [1;0]; t(1)=0; % condición inicial
M=[0,1; -b,-a];
% Algoritmo de Runge y Kutta de 4to. orden
while t<=1
n=n+1;
k1 = h*M*y(:,n);
k2 = h*M*(y(:,n)+k1/2);
k3 = h*M*(y(:,n)+k2/2);
k4 = h*M*(y(:,n)+k3);
y(:,n+1) = y(:,n) + (k1 + 2*k2 + 2*k3 +k4)/6;
t(n+1) = n*h;
end
% Grafica
plot(t,y(1,:), '-', t,y(2,:), ':');
xlabel ('t (s)'); ylabel('u y v')
grid on
text (t(5), y(1,5)+0.3, 'Desplazamiento, u','FontSize', [18])
text (t(7), y(2,7), 'Velocidad, v','FontSize', [18])
axis([0,1,-15,15])
b) Uso de la rutina ode45 de MATLAB

La Ec. 4.58 puede describirse por un sistema de dos EDO siguiente:
du1 = u2 u(0) = 1
du2 = – (B/M)u2 – ( k/M)u1 u2 (0) = 0
Luego se escribe el archivo para este sistema denominado resorte2.m

% Función para el comportamiento de un resorte: resorte2.m
% (c) 2002 - L. Moncada
% Julio 2002
%
function du=resorte2(t,u);
% Vector columna del arreglo de las derivadas de las variables
dependientes
du=zeros(2,1);
% Parámetros
B = 0; % Energía de activación en J/mol
k=100; % Constante pre-exponencial en s^(-1)
M=0.5;
% La primera ecuación expresa el desplazamiento
% La segunda ecuación expresa la velocidad

du(1) = u(2);
du(2) =-(B/M)*u(2) -(k/M)*u(1);
Además escribimos el archivo inte2.m que llama a la rutina ode45
% Archivo de ejecución para la función resorte2.m: inte2.m

% (c) 2002 - L. Moncada
% Julio 2002.
% [t,u] son variable independiente y variables dependientes
% [0 1] lapso de tiempo en que se quiere evaluar
% [1 0] condiciones iniciales de desplazamiento y velocidad
[t,u]=ode45('resorte2',[0 1],[1 0]);
% Determine la longitud de las series de tiempo y var. depend.

npts = length(t);
fprintf('\n\n\n Tiempo Longitud Velocidad\n')
fprintf(' (seg) (L) (m/s)\n\n')
for n = 1:7:npts
fprintf(' %5.1f %6.2e % 4.1f\n',t(n),u(n,1),u(n,2))
end
plot(t,u(:,1),'-',t,u(:,2),'-.');
xlabel ('t (s)'); ylabel('u y v')
grid on
text (t(5), y(1,5)+0.3, 'Desplazamiento, u','FontSize', [18])
text (t(7), y(2,7), 'Velocidad, v','FontSize', [18])
axis([0,1,-15,15])
Obteniendo la tabla siguiente:

>> inte2
Tiempo Longitud Velocidad

(seg) (L) (m/s)
0.0 1.00e+000 0.0

0.0 1.00e+000 -0.0
0.0 1.00e+000 -0.0
0.0 1.00e+000 -0.3
0.0 9.62e-001 -3.9
0.1 5.21e-002 -14.1
0.2 -9.84e-001 -2.5
0.3 -3.27e-001 13.4
0.4 8.74e-001 6.9
0.5 6.31e-001 -11.0
0.6 -6.50e-001 -10.7
0.7 -8.64e-001 7.1
0.8 3.36e-001 13.3
0.9 9.89e-001 -2.0
1.0 2.26e-001 -13.8
y una gráfica similar a la Fig. 4.9

Fig. 4-9 Respuesta dinámica del sistema resorte – masa
Como se ha visto en los ejemplos previos, entre las múltiples opciones para
resolver un problema podemos hacer un programa específico para el problema en
cuestión, usar las rutinas de MATLAB para resolver el modelo matemático del
problema o en algunos casos usar el simulador UNTSIM. En el presente texto, de aquí
en adelante para los problemas ejemplo usaremos la ruta que a nuestro criterio sea la
más eficiente y en algunos casos daremos la respuesta obtenida por otros métodos
solamente con fines de comparación.
4.8.3 Métodos implícitos
Los métodos explícitos considerados en la sección previa involucran la evaluación

de derivadas, seguida por el cálculo explicito de nuevos valores para las variables en el
siguiente punto en el tiempo. Como el nombre implica, los métodos de integración
implícita usan algoritmos que dan como resultante ecuaciones que deben resolverse
para los nuevos valores en el paso siguiente en el tiempo. Una simple EDO ilustra la
idea.
El algoritmo implícito de Euler de primer orden es
 dx 
xn+1 = xn +   ∆t (4.62)
 dt  ( xn +1,tn +1)
Comparando esto cuidadosamente con el algoritmo explicito dado en la Ec.

(4.44). La derivada es evaluada en el siguiente paso en el tiempo donde no conocemos
la variable xn+1. por lo tanto la incógnita xn+1 aparece en ambos lados de la ecuación.
Considerando la simple EDO

dx
=1–x
dt
El algoritmo implícito de Euler es
 dx 
xn+1 = xn +   ∆t (4.63)
 dt  ( xn +1,tn +1)
xn+1 = xn + (1 – xn+1) ∆t
Resolviendo para la incógnita xn+1 se tiene
x n + ∆t
xn+1 = (4.64)
1 + ∆t
La principal ventaja del algoritmo implícito es que no se hace numéricamente
inestable. Se pueden tomar tamaños de paso muy grandes sin peligro de problemas
inestabilidad que si se dan en los métodos explícitos. Por lo tanto los métodos implícitos
son muy usados para sistemas muy estables.
La Ec. (4.63) puede ser resuelta fácilmente para la incógnita xn+1. Sin embargo,
suponiendo que tenemos un número grande (N) de EDOs para integrar numéricamente.
En general, las N derivadas dependen de todas las variables, dando N ecuaciones
simultáneas (usualmente no lineales) que deben resolverse a cada punto en el tiempo
para los N valores no conocidos de las variables para el siguiente punto en el tiempo.
Considerando el conjunto de N EDOs lineales
x1 a11 a12 a13 . . . a1N x1
x2 a21 a22 a23 . . . a2N x2
d x3 = a31 a32 a33 . . . a3N x3 (4.65)
dt ... ... ... ... ... ... ...
xN aN1 aN2 aN3 . . . aNN x1
dx
−
=Ax
dt
donde x es un vector de variables y A es una matriz cuadrada de constantes.
Aplicando el algoritmo implícito de Euler a estas ecuaciones se tiene
xn+1 = xn +[A xn+1 ∆t] (4.66)
Resolviendo para xn+1 se tiene
xn+1 = xn +[I - A ∆t]-1 xn (4.67)
Donde el exponente –1 en el término significa “matriz inversa”. Esto nos lleva a

deducir que el uso de algoritmos implícitos nos lleva al cálculo de matrices inversas
(usualmente en cada punto en el tiempo debido a que las EDOs generalmente son no
lineales).

4.9 LINEARIZACION
Como se ha mencionado anteriormente, debemos convertir las ecuaciones

diferenciales no lineales rigurosas que describen el sistema en ecuaciones diferenciales
lineales para poder usar las técnicas matemáticas lineales.
La primera interrogante a ser respondida es cuando una ecuación diferencial es
lineal?. Básicamente esta es una que contenga variables elevadas solamente a la primera
potencia en cualquiera de sus términos de la ecuación. Si aparecen en la ecuación raíces
cuadradas, cuadrados, exponenciales, productos de variables, etc., esta es no lineal:
Ejemplo de lineal
dx
a1 + ao x = f (t ) (4.68)
dt
donde ao y a1 son constantes o funciones del tiempo solamente, no de las variables
dependientes o sus derivadas.
Ejemplo de no lineales
dx
a1 + a o x 0.5 = f (t ) (4.69)
dt
dx
a1 + a o ( x) 2 = f (t ) (4.70)
dt
dx
a1 + a o e x = f (t ) (4.71)
dt
dx1
a1 + a o x1( t ) x 2( t ) = f (t ) (4.72)
dt
donde x1 y x2 son variables dependientes
Matemáticamente, una ecuación diferencial lineal es aquella para la cual se
mantienen las siguientes dos propiedades.
1. Si x(t) es una solución, entonces cx(t) es también una solución, donde c es una
constante.
2. Si x1 es una solución y x2 es también una solución, entonces x1 + x2 es una
solución.
La linearización se efectúa expandiendo las funciones no lineales mediante la

serie de expansión de Taylor alrededor de la operación al estado estacionario y
despreciando todos los términos siguientes a las primeras derivadas parciales.
Asumiendo que se tiene la función no lineal f de las variables de proceso x1 y x2:
f(x1, x2). Por ejemplo, x1 puede ser fracción molar, temperatura o velocidad de flujo.
Nosotros denotaremos los valores al estado estacionario de estas variables usando el sub
índice s:
x1s ≡ valor al estado estacionario de x1

x2s ≡ valor al estado estacionario de x1
expandimos la función f(x1, x2). Alrededor de sus valores al estado estacionario f(x1s, x2s),

 ∂f 
f(x1, x2).= f(x1s, x2s) +   (x1 − x1s )
 ∂x1  ( x1s , x 2 s )
 ∂f   ∂2 f  ( x1 − x1s ) 2
+   (x 2 − x 2 s ) +  2 
 + ... (4.73)
 ∂x 2  ( x1s , x 2 s )  ∂x1  ( x1s , x 2 s ) 2!
La linearización consiste en truncar la serie después de las primeras derivadas parciales

 ∂f   
f(x1, x2).≅ f(x1s, x2s) +   (x1 − x1s ) +  ∂f  (x 2 − x 2 s ) (4.74)
 ∂x1  ( x1s , x 2 s )  ∂x 2  ( x1s , x 2 s )
Hemos aproximado a la función real mediante una función lineal
Ejemplo 4.8
El flujo de salida de un tanque (F), depende de la raíz cuadrada del nivel de

liquido (h), mediante la expresión:
F(h) = K h (4.75)
La serie de expansión de Taylor alrededor del valor al estado estacionario de h, el

cual es hs en nuestra nomenclatura es
 ∂F   ∂ 2 F  (h − hs ) 2
F(h) = F(hs) +   (h − hs ) +  2  + ...
 ∂h  ( hs )  ∂h  ( hs ) 2!
≅ F(hs) + (½ K h – ½ )(hs) (h – hs)
K
F(h) = K hs + (h − hs ) (4.76)
2 hs
Ejemplo 4.9
La dependencia de la temperatura de la ley de Arrhenius sobre la velocidad

específica de reacción k es una función altamente no lineal, la cual es linearizada como
sigue:
k(T) = ∝ e – E/RT
 ∂k 
k(T) = k(Ts) +   (T − Ts ) (4.77)
 ∂T  (Ts )
Ek s
k(T) = ks + (T − Ts) (4.78)
R(Ts) 2
donde ks ≡ k(Ts)

Ejemplo 4.10
El producto de dos variables dependientes es una función no lineal de las dos

variables:
f(CA, F) = CA F (4.79)
Linearizando:
 ∂f   ∂f 
f(CA, F) = f(CAs, Fs) +   (C A − C As ) +   ( F − Fs) (4.80)
 ∂C A  (CAs , Fs )  ∂F  ( CAs , Fs )
CA(t) F(t) ≅ CAs Fs + Fs (CA(t) – CAs) + CAs (F(t) – Fs) (4.81)
Notar que el proceso de linearización convierte a la función no lineal (el producto

de dos variables dependientes) en una función lineal conteniendo dos términos.
Ejemplo 4.11
Considerar la ecuación diferencial ordinaria no lineal para el tanque de flujo por

gravedad del Ejemplo 2.9
dv  g  K g 
=   h −  F c v 2 (4.82)
dt  L   ρA 
 p 
Linearizando el término v2 se tiene:
v2 = v s2 + (2vs)(v – vs) (4.83)
Luego la Ec. (4.82) se transforma en:
dv  g   2v K g   v s2 K F g c 
=  h −  s F c v +   (4.84)
dt  L   ρA   ρA 
 p   p 
Esta EDO es ahora lineal. Los términos entre paréntesis son constantes, los cuales
dependen, desde luego, del estado estacionario alrededor del cual es linearizado el
sistema.
Ejemplo 4.12
La ecuación de continuidad por componente para una reacción irreversible no

isotérmica de n-esimo orden ocurriendo a volumen constante en un CSTR es:
dC A
V = Fo CAo – F CA – V (CA)n ∝e – E /RT (4.85)
dt
Lineariando se tiene:

dC A
V = [Fos CAos + Fo s(CAo – CAos ) + CAos(F– Fos)]
dt
– [Fs CAs + Fs(CA – CAs ) + CAs(F– Fs)]
 n
k s C As E 
– V k s C As + nk s C As (C A − C As ) +
n n −1
(T − T s ) (4.86)
 RTs2 
Hasta ahora hemos visto ejemplos donde la no-linealidad está en los términos
derivados, es decir, en el lado derecho de la EDO. Muy a menudo el modelo de un
sistema puede ser dado en una EDO la cual contenga términos no lineales dentro del
término de la derivada. Por ejemplo suponer que el modelo de un sistema no lineal es:
d h3( )
=K h (4.87)
dt
el procedimiento correcto para linearizar este tipo de ecuación es rearreglarlo de
tal manera que las funciones no lineales aparezcan solamente en el lado derecho de la
EDO y luego linearizarlo en la forma normal, por ejemplo dada la Ec. (4.87),
diferenciamos el término h3 para conseguir
dh
3h 2 =K h (4.88)
dt
Luego rearreglando se tiene:
dh K
= (h) −1.5 (4.89)
dt 3
ahora estamos listos para linearizar.
dh K ∂ K −1.5 
= (hs ) −1.5 +  ( h)  ( h − h s ) (4.90)
dt 3 ∂h  3  ( hs )
dh K  − 1.5 K 
= (hs ) −1.5 +  (h) − 2.5 (h − hs ) (4.91)
dt 3  3 
dh 5 K −K 
= (hs ) −1.5 +  (h) − 2.5 h (4.92)
dt 6  2 
Esta es una EDO lineal con coeficientes constantes
dh
= ao + a1 h (4.93)
dt

CAPITULO
5
EJEMPLOS DE SIMULACION
DE MODELOS ESTATICOS
Ahora que se ha revisado algo de las herramientas del análisis numérico,

ilustraremos sus aplicaciones a algunos sistemas de ingeniería química. Comenzaremos
en esta sección con ejemplos simples para resolver modelos estáticos y luego en las
siguientes secciones pasaremos a sistemas dinámicos más realistas que involucren
varias ecuaciones diferenciales ordinarias simultáneas y ecuaciones algebraicas no
lineales.
En todos los programas presentados, el énfasis no es sobre la programación o
eficiencia computacional ya que actualmente existen una serie de lenguajes de
programación y paquetes de calculo y cada usuario tiene su preferencia particular para
usarlo uno u otro, en nuestro caso preferimos MATLAB. Es más posiblemente cuando
Ud. lea esta obra habrán aparecido nuevos lenguajes y nuevos paquetes de cálculo. De
lo que se trata de aquí en adelante es mostrar el fácil traslado de las ecuaciones y la
solución lógica a un programa.
Los modelos estáticos están descritos generalmente por ecuaciones algebraicas
lineales y no lineales, por lo que la simulación de estos modelos no requiere la
evaluación de ecuaciones diferenciales, lo cual facilita su solución y pueden resolverse
manualmente. En todo caso la computación ayudará a hacer los cálculos con mayor
rapidez.
5.1 CRITERIO DEL DIAMETRO OPTIMO
Como se ha visto en el Cap. 1, las ecuaciones para determinar el diámetro óptimo

(Di, opt) de una tubería son:
Para acero al carbono
Di, opt = 282 m 0.52 ρ -0.37 (1.13)

Para acero inoxidable, la expresión es

Di, opt = 236 m 0.50 ρ -0.35 (1.14)
donde Di, opt = diámetro interior óptimo, mm
m = flujo de masa kg/s
ρ = densidad del fluido, kg/m3
Para acero al carbono escribimos el programa MATLAB diopt.m
% Calculo del diámetro optimo: diopt.m
% (c) 2002 - L. Moncada
% 8 Julio 2002
q= input('ingresar el caudal (gpm): ');
ro=input('Ingresar la densidad (kg/m^3): ');
qv=q*(6.309^-5);
g=qv*ro;
diopt = 282*(g^0.52)*(ro^-0.37);
fprintf('El diámetro optimo es: \')
fprintf(' %4.2f mm\n',diopt)
La salida del programa es:

>> diopt
ingresar el caudal (gpm): 100
Ingresar la densidad (kg/m^3): 1000
El diámetro optimo es: 72.50 mm
5.2 EQUILIBRIO DE REACCIONES QUIMICAS
Durante el desarrollo de un proceso se debe determinar la temperatura a la cual

debe operar el reactor para lograr la máxima conversión. Una ayuda importante es el
modelamiento y simulación, con lo cual lo que debería hacerse en el laboratorio se hace
mediante un programa ahorrando tiempo y costos.
Los pasos se resumen en los siguientes:
a) Calculamos ∆G of (energía libre de Gibbs estándar de formación) y ∆H of
(entalpía estándar de formación) a 298 K
∆Go = ∑ v ∆G
i
o
f ,i (5.1)
∆Ho = ∑ v ∆H
i
o
f ,i (5.2)
b) Calculamos la constante de equilibrio a 298 K usando la ecuación:
∆G o
ln Ka = − (5.3)
RT
c) Asumiendo que ∆Ho es independiente de la temperatura, calculamos Ka a otra
temperatura usando:
∆H o 1 1
ln Ka,2 – ln Ka,1 =  −  (5.4)
R  T1 T2 

5.2.1 Programa equilibrio
El programa equilibrio.m simula la variación de la constante de equilibrio para

una reacción en la cual pueden intervenir cualquier número de reactantes y productos.
% Programa para simular el equilibrio: equilibrio.m
% (c) 2002 - L. Moncada
% Julio 2002
disp('Ingrese los siguientes datos entre corchetes y el mismo orden')
c=input('Coeficiente estequiometricos: '); % -1 -1 1
g=input('Energ. libre de formac. (Kcal): '); %-54.6357 16.282 -40.300
h=input('Entalpía de formac. (Kcal): '); % -57.7979 12.496 -56.240
T=input('Ingrese la temperatura: ');
disp(' ')
R=1.987/1000;
dg=sum(c.*g);
dh=sum(c.*h);
k1=exp(-dg./(R*298.16));
k2=k1*(exp(dh/(R*298.16)-dh/(R*T)));
fprintf('La constante de equilibrio es= %g\n',k2);
Para ilustrar este caso consideraremos la reacción:
H2O (g) + C2H4 (g) C2H5OH (g)
Para la cual queremos determinar como cambia la conversión en función de la

temperatura:
Datos
Componente Tc (oK) Pc :atm. (MPa) ∆Gof 298,16 K (kcal) ∆Hof 298,16 K (kcal)
H2O (g) 647,3 218,2 (22,11) – 54,6357 – 57,7979
C2H4 (g) 283,1 50,5 (5,11) 16,282 12,496
C2H5OH (g) 516,1 63,0 (6,38) – 40,30 – 56,24
Al llamar al programa equilibrio, se deben ingresar los datos de la siguiente forma:

>> equilibrio
Ingrese los siguientes datos entre corchetes y el mismo orden
Coeficiente estequiometricos: [-1 -1 1]
Energ. libre de formac. (Kcal): [-54.6357 16.282 -40.300]
Entalpía de formac. (Kcal): [-57.7979 12.496 -56.240]
Ingrese la temperatura: 418.1
La constante de equilibrio es= 0.1338
y para 593.15 K se tiene

La constante de equilibrio es= 0.0027
5.2.2 Programa UNTSIM

Usando el programa Untsim y su base de datos podemos evaluar la constante de
equilibrio a cualquier temperatura. Por ejemplo en este caso para 418.1 y 593.15 K.
Luego de crear las variables para el sistema y dar la orden respectiva se tiene:

>> kequil(418.1)
ans =
0.1154 <--- valor en Smith y VanNess, K = .1426
>> kequil(593.15)
ans =
0.0022 <--- valor en Smith y VanNess, K = .00291
Cuando no se usan datos de la base de datos de UNTSIM podemos evaluar la

constante de equilibrio seleccionando del Menú Principal: Cálculos de Ingeniería
Química – Constante de Equilibrio
5.3 FLUJO POR GRAVEDAD EN UN TANQUE
Para una operación al estado estacionario del tanque de flujo por gravedad que
hemos considerado en el Cáp. 1 y posteriormente en el Ejemplo 2.9 el término
acumulación se hace cero con lo cual las Ec. (2.2) y (2.37) se transforman en:
Fo = F (5.5)
g K g
0= h – F c v2 (5.6)
L ρAP
La Ec. (5.5) demuestra la operación al estado estacionario ya que los flujos de

entrada y salida son iguales.
La Ec. (5.6) es una ecuación algebraica lineal simple la cual podemos usar para
determinar la velocidad de salida (v) en función del nivel de liquido en el tanque (h),
para lo cual hacemos la Ec. (5.6) explicita en v, obteniendo:
0.5
 gρA p 
v =  h  (5.7)
 K F gc L 
Si:
g = gc = 32,1 pies/s2; ρ = 62.4 lb/pie3; Ap (area de sección transversal del tubo) =
7,06 pie2; L (longitud de tuberia ) =3000 pies; kf (Constante para fricción) = 0.0281
lbf/(pie/seg)2 pie; AT(Altura del tanque) = 7 pies
Tomando los límites del nivel de liquido en el tanque entre cero y la altura máxima del
tanque (7), escribimos el programa tankest siguiente:
h = (0:1:7)';
v = sqrt(5.225907*h);
q = 7.06*v;
disp(' Nivel Velocidad Caudal')
disp(' (pies) pies/s pies^3/min')
disp([h,v,q])
El cual al ejecutarlo nos da el siguiente resultado de la variación de la velocidad con

respecto al nivel:

>> tankest
Nivel Velocidad Caudal
(pies) pies/s pies^3/min
0 0 0
1.0000 2.2860 16.1393
2.0000 3.2329 22.8245
3.0000 3.9595 27.9541
4.0000 4.5720 32.2787
5.0000 5.1117 36.0886
6.0000 5.5996 39.5331
7.0000 6.0483 42.7007
5.4 REACTORES CSTR EN SERIE, CON RETENCIÓN CONSTANTE
El sistema es mostrado en la Fig. 3-1 modelado por la Ec. (3.3).

Donde F es el flujo (m3/min), V es el volumen de liquido en el reactor (m3).
En el estado estacionario, y definiendo τ = F/V tiempo de residencia (min) la
Ec. (3.3) se transforma en
1
0= (CA0 – CA1) – k CA1 (5.8)
τ1
1
0= (CA1 – CA2) – k CA2 (5.9)
τ2
1
0= (CA2 – CA3) – k CA3 (5.10)
τ2
Si la retención (volumen de liquido en cada tanque ) es constante y considerando

una operación al estado estacionario los tiempos de residencia son iguales (τ = 2), por lo
que este modelo se puede usar para determinar las concentraciones de salida de cada
reactor en función de la concentración de entrada al primer reactor CA0, con (k = 2)
0.5CA0 – 2.5CA1 =0
0.5CA1 – 2.5CA2 =0
0.5CA2 – 2.5CA3 =0
Escribiendo un programa MATLAB denominado cstrs1 podemos simular la operación

de los tres reactores el estado estacionario. En este caso hacemos la simulación para una
concentración de entrada desde 1 hasta 2 kg.mol de A/m3
cao=(1:0.1:2)';
ca1=.5*cao/2.5;
ca2=.5*ca1/2.5;
ca3=.5*ca2/2.5;
disp(' CAo CA1 CA2 CA3')
disp([cao,ca1,ca2,ca3])
obteniendo los siguientes resultados:

>> cstrs1
CAo CA1 CA2 CA3
1.0000 0.2000 0.0400 0.0080
1.1000 0.2200 0.0440 0.0088
1.2000 0.2400 0.0480 0.0096
1.3000 0.2600 0.0520 0.0104
1.4000 0.2800 0.0560 0.0112
1.5000 0.3000 0.0600 0.0120
1.6000 0.3200 0.0640 0.0128
1.7000 0.3400 0.0680 0.0136
1.8000 0.3600 0.0720 0.0144
1.9000 0.3800 0.0760 0.0152
2.0000 0.4000 0.0800 0.0160
La solución de este modelo nos permite determinar cuales son las concentraciones
de salida que se alcanzan bajo esos parámetros de operación. Para modificar estas
concentraciones se deben modificar los parámetros.
Así mismo podemos usar el simulador UNTSIM, para lo cual seleccionamos del
Menú Principal: Nueva sesión – Diseño de equipo – Reactores – CSTR – Concentración
de salida.
5.5 CSTRs CON RETENCION VARIABLE
Si en el ejemplo anterior se considera que los volúmenes en cada reactor son

diferentes, la única modificación al modelo será los valores del tiempo de residencia,
por lo demás la solución se hará de la misma forma para obtener los valores de las
concentraciones de salida.
5.6 DOS TANQUES CALENTADOS
El modelo dado por las Ecs (3.12) y (3.13) a condiciones estacionarias con F0 =
F1 = F2 = F , las temperaturas T1= T2 y la acumulación igual a cero se transforma en
una sola ecuación:
F Q1
0= (To – T1 ) + (5.11)
V1 ρCpV1
Este modelo sirve para, conociendo la temperatura y el flujo de entrada calcular la

carga de calor necesario para calentar el fluido hasta una temperatura determinada o
evaluar la temperatura de salida cuando se agrega una determinada carga de calor.
5.7 REACTOR CSTR EN FASE GAS A PRESION
El reactor mostrado en la Fig. 3-2 y modelado por las Ecs. (3.14) a (3.18) en una
operación al estado estacionario será descrito por las ecuaciones:

P − PD
F = Cv (5.12)
ρ
MP P
ρ= = [y MA + (1 – y)MB] (5.13)
RT RT
Py
CA= (5.14)
RT
0 = ρ0 F0 – ρ F (5.15)
0 = F0 CA0 – F CA – 2Vk1 (CA)1,5 + 2Vk2 CB (5.16)
Donde:
Cv = es el coeficiente de válvula.
M = peso molecular promedio
MA = peso molecular del reactante A
MB = peso molecular del producto B
Existen cinco ecuaciones (Ecs. (5.12) hasta (5.16) que conforman el modelo
matemático del sistema. Los parámetros que deben ser conocidos son V, Cv, k1, k2, R,
MA, y MB. Las funciones impulsoras (o entradas) pueden ser PD, ρ0, F0, y CA0. Con lo
cual se tienen cinco incógnitas (variables dependientes): CA, ρ, P, F , y y.
El reactor exotérmico enchaquetado, discutido en la Sec. 3.6, cuando opera a

condiciones estacionarias se describe por las ecuaciones:
A. CHAQUETA DE ENFRIAMIENTO PERFECTAMENTE MEZCLADA.
0 = FoCAo – FCA – VkCA (5.17)
λVkC A UAH
0 = FoTo – FT – − (T – Tj ) (5.18)
ρC p ρC p
F j (T jo − T j ) UAH
0= + (T − T j ) (5.19)
Vj ρ jV j C j
La constante de velocidad a su vez está dada por:
k = αe-E/RT (5.20)
El subíndice m indica promedio entre la entrada y salida.

En una operación al estado estacionario F0 = F, volumen de liquido en el reactor V
se mantiene constante, Para una operación al estado estacionario se puede elegir una
temperatura máxima de salida y las incógnitas serán Tj y CA y Fj o una conversión dada
del reactante (con lo cual se estaría determinando la concentración de salida CA)y las

incógnitas serán T, Tj y Fj . En este caso elegimos una temperatura de salida como la

entrada para la simulación al estado estacionario para lo cual escribimos el programa
cstrniest.m, usando los parámetros dados en la Tabla 5.1 y variamos la temperatura
desde 530 a 700 oR
Tabla 5.1 Valores de los parámetros para el CSTR no isotérmico
Valores de entrada al estado estacionario

F = 40 pies3/h V = 48 pies3
3
CAo = 0,50 lbmol de A/pie To = 530 oR
Valores de los parámetros
Fo = 40 pies3/h V = 48 pies3
3
Vj = 3,85 pies α = 7,08 x 1010 h-1
E = 30000 Btu/lbmol. R = 1,99 Btu/lb.mol oR
o
Tjo = 530 R AH = 250 pies2
o
Cp = 0,75 Btu/lbm R λ = - 30000 Btu/lbmol
ρ = 50 lbm/pie3 Cj = 1,0 Btu/lbm oR
2o
U = 150 Btu/h pie R ρj = 62,3 lbm/pie3
% Programa para simular un CSTR: cstrniest.m

% (c) 2002 - L. Moncada
% Julio 2002
disp('Simulacion de un CSTR al Estado Estacionario')
t=(530:10:700)';
ko=7.08e+010;e=30000;fo=40;
r=1.99;f=40;v=48;to=530;cao=0.5;
la=-30000;ro=50;cp=.75;u=150;
ah=250;tjo=530;vj=3.85;roj=62.3;cj=1;
k=ko*exp(-e./(r*t));
ca=fo*cao./(f+v*k);
tj=(f*t.*ro*cp-fo*to*ro*cp+la*v*k.*ca)/(u*ah)+ t;
np=(t-tj)*u*ah;
dp=(tj-tjo)*roj*cj;
fj=(t-tj)*u*ah./((tj-tjo)*roj*cj);
disp(' Temperat. Constante Concrnt. Chaqueta')
disp(' entrada de veloc. salida temp sal. Caudal')
disp(' T k CA Tj Fj')
disp([t,k,ca,tj,fj]);
plot(t,ca)
grid
Obteniendo los siguientes resultados

>> cstrniest
simulación de un CSTR al Estado Estacionario
T k CA Tj Fj
530.0000 0.0314 0.4818 529.4190 -601.9262
540.0000 0.0532 0.4700 539.4403 35.6842
550.0000 0.0883 0.4521 549.2666 22.9140
560.0000 0.1441 0.4263 558.8411 24.1877
570.0000 0.2311 0.3914 568.1262 29.5826
580.0000 0.3646 0.3478 577.1301 36.6530
590.0000 0.5665 0.2977 585.9253 43.8566
600.0000 0.8672 0.2450 594.6407 49.9047
610.0000 1.3092 0.1945 603.4233 53.9164

620.0000 1.9503 0.1497 612.3898 55.5985

630.0000 2.8690 0.1125 621.6014 55.1887
640.0000 4.1697 0.0833 631.0650 53.2151
650.0000 5.9909 0.0611 640.7538 50.2512
660.0000 8.5134 0.0446 650.6265 46.7737
670.0000 11.9719 0.0325 660.6412 43.1202
680.0000 16.6674 0.0238 670.7619 39.5041
690.0000 22.9829 0.0175 680.9598 36.0461
700.0000 31.4020 0.0129 691.2136 32.8058
Estos resultados nos sirven para analizar las diferentes condiciones de operación,
observando que la temperatura óptima es 600 oR, ya que para temperaturas mayores la
disminución en la concentración de A por cada 10 oR de aumento en la temperatura va
disminuyendo. A esta temperatura, la constante de velocidad k = 0,8672 h-1, la
concentración de salida CA = 0,245 molA/pie3, la temperatura de salida del agua de la
chaqueta Tj = 594.64 oR, necesitando un flujo de Fj = 49.9047 pies3/h
Estos resultados también lo podemos visualizar en la Fig. 5.1
Fig. 5-1 Simulación de un CSTR no isotérmico al Estado Estacionario
Esta misma simulación lo podemos realizar con UNTSIM, seleccionando del

Menú Principal: Nueva sesión – Dinámica del proceso – CSTR – No isotérmico al EE.
B. FLUJO EN PISTON DEL REFRIGERANTE EN LA CHAQUETA. En el caso

anterior, el agua de enfriamiento dentro de la chaqueta se ha sumido a estar
perfectamente mezclado. Si el flujo se acerca mas a un flujo en pistón que a uno
perfectamente mezclado debe usarse una temperatura promedio para la chaqueta TjA.

T j 0 + T jsal
TjA = (5.21)
2
donde Tjsal es la temperatura del agua de enfriamiento

La temperatura promedio se usa en la ecuación para la transferencia de calor. La
Ecuación (5.19) será
F j (T jo − T jsal ) UAH
0= + (T − T jA ) (5.22)
Vj ρ jV j C j
C. MODELO DE CHAQUETA POR SECCIONES. Considerando al volumen de la

chaqueta seccionado en partes perfectamente mezcladas como muestra la Fig. 3-4.
Las Ecs. (3.32) se transforman en
0 = 4 Fj ρj Cj (Tj0 – Tj1 ) + UAH (T – Tj1 )
0 = 4Fj ρj Cj (Tj1 – Tj2) + UAH (T – Tj2)

(5.23)
Estas ecuaciones se usarán para calcular Tj1, Tj2, Tj3 y Tj4 (que será la temperatura
de salida de la chaqueta) para cada valor de T
D. CAPACITANCIA DE LA PARED METALICA SIGNIFICATIVA. Las tres

ecuaciones (3.33) para el proceso se transforman en:
0 = ρCP (F0 T0 – F T) – λV (CA)n e –E/RT – hi Ai (T – TM )

0 = hi Ai (T – TM ) – h0 A0 (TM – Tj ) (5.24)
0 = Fj ρi Cj (Tj0 – Tj ) + h0 A0 (TM – Tj )
Con la primera ecuación se calcula TM para cada T y con las restantes Tj y Fj
5.9 VAPORIZADOR DE UN COMPONENTE SIMPLE
Para el sistema mostrado en la Fig. 3.6, en el estado estacionario, la Ec. (3.36) se

transforma en:
0 = ρ0 F0 – ρv Fv (5.25)
con lo cual al no haber vapor acumulado en el tanque, las Ec. (3.37) y (3.42) se
transforman en la Ec. (3.34) dada en el Cap. 3 para un modelo al estado estacionario.

ρv Fv (Hv – h0 ) = Q (5.26)
Esta ecuación describe un simple balance de energía para calcular el calor

necesario para la evaporación de una determinada alimentación.
5.10 EVAPORACION “FLASH” DE MULTIPLECOMPONENTES
El modelo de este sistema mostrado en la Fig. (3.8) al estado estacionario esta

dado por tres ecuaciones:
De continuidad total: moles
F = L +V (5.27)
De continuidad por componente: moles
Fxfi = Lxi + Vyi (5.28)
Equilibrio liquido – vapor
Kj = yj/xj (5.29)
El proceso es a entalpía constante
El problema se reduce a calcular las cantidades de liquido y vapor, y sus

composiciones lo que serían las incógnitas, para una temperatura y presión de operación
dadas las cuales serán las fuerzas impulsoras.
El procedimiento de cálculo es:
1. Fijar las condiciones de operación del evaporador la cual debe estar entre el
punto de burbuja y el punto de roció de la alimentación
2. Tomar F = 1,0 mol como base de calculo
3. Evaluar K de cada componente a estas condiciones
4. Suponer F o L/V y calcular
x Fi
V=Σ = Σ vi Moles de vapor formados (5.30)
L
1,0 +
VK i
Verificar Vsupuesto ≈ Vcalculado (±0,0005) caso contrario seguir la iteración
Luego L=F–V
La composición de cada fase está dada por:
x Fi /(1 + L / VK i )
yi = (5.31)
Σx Fi /(1 + L / VK i )
x Fi − Vy i x − vi
xi = = Fi (5.32)
L L

donde V = cantidad formada de vapor; moles

L = cantidad formada de liquido, moles
xi, yi = fracciones molares en la fase liquida y vapor
vi = moles del componente i en el vapor
Para mayor información y ejemplos, ver el texto Destilación de Luis Moncada A.

Para hacer los cálculos de evaporación “flash” escribimos el programa
evapflash.m listado a continuación
% Programa para simular un CSTR: cstrniest.m

% (c) 2002 - L. Moncada
% Julio 2002
disp('Calculos de evaporacion “flash” ')
xfi=input('Ingresar composicion de alimentacion: ');%[.3 .3 .4]
Ki=input('Ingresar valores-K: ');%[3.8 1 .38];
F=1;V=0.0001;L=F-V;
vi=xfi./(1+L./(V*Ki));
Vc=sum(vi);
while abs(Vc-V)>=0.000005
V=Vc; L=F-V;
vi=xfi./(1+L./(V*Ki));
Vc=sum(vi);
end
li=xfi-vi;Lc=F-V;
fprintf('La cantidad de vapor obtenido es: %g moles\n',V)
fprintf('La cantidad de vapor obtenido es: %g moles\n',Lc)
disp('Las composiciones son:')
fprintf('\n\n Alimentac Vapor Liquido\n')
fprintf(' (moles) (moles) (moles)\n')
disp([xfi',vi',li'])
Obteniendose el siguiente resultado de la simulación

>> evapflash
Ingresar composicion de alimentacion: [.2 .25 .20 .35]
Ingresar valores-K: [3.5 2.1 1 .5]
La cantidad de vapor obtenido es: 0.845208 moles
La cantidad de vapor obtenido es: 0.154792 moles
Las composiciones son:
Alimentac Vapor Liquido

(moles) (moles) (moles)
0.2000 0.1901 0.0099
0.2500 0.2299 0.0201
0.2000 0.1690 0.0310
0.3500 0.2562 0.0938
5.11 REACTOR “BATCH”
Los procesos “batch” son de naturaleza dinámica inherente. En estos procesos el

análisis desde el punto de vista al estado estacionario solo puede hacerse para el
“batch” en su conjunto, ya que durante la operación todo su comportamiento es al
estado no estacionario. Siendo así las ecuaciones que describen el proceso de un
“batch”serán:

Balance de materia solamente es necesario por componentes y tomando como

base la conversión del reactante límite se tiene:
v 
ni = ní, o –  i  fA nA,o (5.33)
 vA 
donde
ni : moles de i al final de la operación
ni,o : moles de i al inicio de la operación
fA: conversión fraccional de A
v: coeficientes estequiometricos
El balance de energía puede hacerse para determinar la cantidad total de calor

removido o adicionado para la operación en su conjunto, aun cuando este balance se
complica si durante la operación se tienen una fase de calentamiento hasta iniciar la
reacción y una fase de enfriamiento hasta la temperatura de descarga, se puede hacer un
balance para determinar la cantidad neta de calor para cada fase.
5.12 REACTOR CON TRANSFERENCIA DE MASA
El reactor mostrado en la Fig. 3.11, en el cual se burbujea un gas a través de un

liquido es modelado matemáticamente por las Ecs. (3.72), (3.73)
NA = kl (CA* – CA ) (3.72)
AMT N A M A
Fv = FA – (3.73)
ρA
donde
k1: coeficiente de transferencia de masa
CA*: concentración de equilibrio de A en la interfase liquido-gas
AMT : área total de transferencia de masa de las burbujas
FA : velocidad de alimentación de gas
y las Ecs. (3.74), (3.75) y (3.76) que para el estado estacionario se transforman en:
AMT NA = FL CA + V k CA CB (5.34)
F0 CB0 = FL CB + V k CA CB (5.35)
0 = FB ρB + Ma NA AMT – FL ρ (5.36)
Teniendo cinco ecuaciones (3.72), (3.73), (5.34), (5.35) y (5.36). Las variables
son NA , CA , CB , FV , y FL. Las funciones impulsoras son FA , FB , y CB0 .
5.13 COLUMNA IDEAL DE DESTILACION
Para una columna de destilación binaria o de multiplecomponentes, las

ecuaciones que describen la operación al estado estacionario son:

Un balance de masa para toda la columna da
F = B + D (5.37)
Un balance por componente para toda la columna da
D xD + B xB = Fz (5.38)
Un balance de energía para toda la columna:
FhF + Q herv = DhD + BhB - Qcond (5.39)
A continuación se presenta un programa para determinar la fracción molar de

componente ligero en cada etapa para una columna de destilación binaria al estado
estacionario denominada destbi_ss.m
function f = destbi_ss(x);
% Calcula las composiciones por etapa al estado estacionario de una
% columna de destilación ideal binaria usando fsolve.
%
% (c) Julio 2002 L. Moncada A.
%
% Todos los flujos son cantidades molares. las etapas son numeradas
% del tope hacia abajo. Se asume un condensador total.
% El colector del tope es la etapa 1. El rehervidor parcial
% es la etapa ns (el numero de "etapas" de equilibrio es entonces
% ns-1).
%
% para ejecutar dar los comandos:
%>> x0 = [0.01:0.98/(ns-1):0.99]; supuestos iniciales
%>> x0 = x0';
%>> options = optimset('Display','iter');
%>> x = fsolve('destbi_ss',x0,options);
% o si no se desea visualizar las iteraciones:
%>> options = optimset('Display','off');
%
% donde x0 es un vector de condiciones iniciales supuestas para las
% composiciones de la fase liquida por etapa (length(x0) = ns)
% PARAMETROS
alpha =(2.5); % volatilidad relativa
ns =(3); % número de etapas de equilibrio
nf =(2); % etapa de alimentación contando desde el tope
zfeed =(0.5); % fracción molar de ligero en la alimentación
qf =(1); % condición de alimentación(1 = liquido saturado,
% 0 = vapor saturado)
reflux = (3); % razón de reflujo (L/D)
vapor = (3.5);% flujo de vapor del rehervidor (L/W)
feed =(1); % alimentación: generalmente un mol de alimentación
% flujos de liquido en las secc. de rectificación y agotamiento
%
lr = reflux;
ls = reflux + feed*qf;
%
% flujos de vapor en las secciones de rectificación y stripping
%

vs = vapor;
vr = vs + feed*(1-qf);
%
% flujos de destilado y fondos
%
dist = vr - reflux;
lbot = ls - vs;
%
if dist < 0
disp('error en especificaciones, flujo de destilado < 0')
return
end
if lbot < 0
disp('Error en especificaciones, sección de stripping')
disp(' ')
disp('flujo de liquido es negativo')
return
end
%
% función vector cero
%
f = zeros(ns,1);
%
% calculo de composiciones de equilibrio
%
for i=1:ns;
y(i)=(alpha*x(i))/(1.+(alpha-1.)*x(i));
end
%
% balances de materia
% acumulador del tope
%
f(1)=(vr*y(2)-(dist+reflux)*x(1));
%
% sección de rectificación (tope)
%
for i=2:nf-1;
f(i)=lr*x(i-1)+vr*y(i+1)-lr*x(i)-vr*y(i);
end
%
% etapa de alimentación
%
f(nf) = lr*x(nf-1)+vs*y(nf+1)-ls*x(nf)-vr*y(nf)+feed*zfeed;
%
% sección de agotamiento “stripping (“fondo)
%
for i=nf+1:ns-1;
f(i)=ls*x(i-1)+vs*y(i+1)-ls*x(i)-vs*y(i);
end
%
% rehervidor
%
f(ns)=(ls*x(ns-1)-lbot*x(ns)-vs*y(ns));
Al ejecutar el programa para tres etapas se tiene:

>> x0 = [0.01:0.98/(3-1):0.99];
>> x0 = x0';

>> options = optimset('Display','off');

>> x = fsolve('destbi_ss',x0,options)
x =
0.7026
0.4858
0.2962
>>
Para otro sistema y otro número de platos variar solamente los parámetros y fijar
adecuadamente las condiciones iniciales.
Otra forma es usar el simulador UNTSIM para hacer el mismo cálculo, para lo
cual debe seleccionar del Menú Principal: Nueva Sesión, Diseño de equipo –
Destilación – Destilación Flash
5.14 DESTILACION “BATCH” CON RETENCION
De la misma manera que el reactor “batch”, la destilación “batch” o por lotes es

un proceso al estado no estacionario y de la misma manera los balance de materia y
energía solo pueden hacerse a condiciones estacionarias para la operación total y
determinar las cantidades y composiciones de destilado obtenido y liquido remanente en
el destilados, así como la cantidad neta de energía consumida durante la operación.
Para una mayor información y detalle al respecto, se recomienda el texto
Destilación de Luis Moncada A.

CAPITULO
6
DE MODELOS DINAMICOS
Los modelos dinámicos son los que trabajan a condiciones no estacionarias y en

su balance general el término acumulación es diferente de cero; ejemplos típicos de
modelos dinámicos son la operación de un reactor “batch”, la medida de una propiedad
tal como concentración, temperatura o presión en función de la longitud de un reactor
tubular, los arranques y paradas de planta. Los modelos dinámicos representan el
cambio de una propiedad con respecto a una variable independiente.
Los modelos cuya la variable independiente es el tiempo son de particular
importancia en el diseño de los sistemas de control automático y su estudio se hace cada
vez importante.
En este texto veremos inicialmente la simulación de sistemas dinámicos simples
con una variable dependiente, luego ampliaremos a dos o más variables dependientes y
finalmente veremos con dos variables independientes.
6.1 FLUJO POR GRAVEDAD EN UN TANQUE
El tanque de flujo por gravedad considerado Ejemplo 5.3 es un buen sistema

simple para iniciar nuestros ejemplos de simulación de sistemas dinámicos. El balance
de fuerzas sobre la línea de salida da la EDO no lineal
dv g K g
= h – F c v2 (6.1)
dt L ρAP
Para describir completamente el sistema, también es necesaria una ecuación de

continuidad total para el liquido en el tanque.

dh
AT = Fo – F (6.2)
dt
Tenemos que escoger un caso numérico específico para resolver estas dos
ecuaciones diferenciales ordinarias acopladas. La Ecuación (6.1) es no lineal debido al
término v2. Las dimensiones físicas y los valores de los parámetros son lo mismos dados
en el Ejemplo 5.3.
De la simulación a condiciones estacionarias tomamos las siguientes condiciones
de operación:
Nivel: h = 4,72 pies velocidad: v = 4,97 pies/s caudal: F =35,1 pies/s2
Usando la relación F = v Ap y sustituyendo los valores numéricos de los

parámetros en las Ecs. (6.1) y (6.2) se tiene
dv
= 0,0107 h – 0,00205 v2 (6.3)
dt
dh
= 0,311 – 0,0624 v (6.4)
dt
a) Simulación usando la rutina ode45 de MATLAB.- A continuación se da un

programa MATLAB denominado flujo.m que integra numéricamente las dos EDOs que
describen este sistema. A condiciones estacionarias con un flujo de entrada de F = 35,1
pies3/seg. (17 500 gpm), igual al flujo de salida del tanque (lo cual equivale a una
velocidad de salida de v = F /Ap = 4,97 pies/seg) debe tener un nivel de liquido de h =
4,72 pies
El programa se puede usar para simular la operación del tanque y determinar en
caso de que se produzca un aumento repentino (tipo escalón) en el flujo de entrada si se
sobrepasará la altura del tanque (cuando habrá un rebalse de liquido)y poder diseñar los
sistemas de control automático.
% Función para el flujo gravitacional: flujo.m

% (c) 2002 - L. Moncada
% Julio 2002
%
function dc=flujo(t,c);
dependientes
dc=zeros(2,1);
% Parámetros
g=32.1; % pies*seg^2
L=3000; % longitud de tubería: pies
kf=0.0281; % Constante para fricción lbf(pie/seg)^2
gc=32.1; % pies*seg^2
ro=62.4; % densidad del liquido: lb/pie^3
ap=7.06; % area de seccion transversal del tubo: pies^2
at=113; % area de seccion transversal del tanque: pies^2
% Valores al estado estacionario
fs=35.1; % Flujo al estado estacionario: pies^3/seg.
% Sistema de ecuaciones
dc(1)=g*c(2)/L-(kf*gc*(c(1))^2)/(ro*ap);

dc(2)=fs/at-ap*c(1)/at;
Escribimos el archivo de ejecución flujoej.m
% Archivo de ejecución para la función flujo: flujoej.m

% (c) 2002 - L. Moncada
% Julio 2002
%
% Valores iniciales para la simulación
ho=input('Ingrese nivel inicial de liquido al EE (pies): ');% 4.7
vo=input('Ingrese aumento en la velocidad (pies/seg): '); %2.485
dt=input('Tiempo de simulación seg: '); %500
% Rutina de integración
[t,c]=ode45('flujo',[0 dt],[vo; ho]);
npts = length(t);
fprintf('\n\n\n Tiempo Velocidad Nivel\n')
fprintf(' (seg) (pies/seg) (K)\n\n')
for n = 1:5:npts
fprintf(' %5.1f %6.2f % 4.1f\n',t(n),c(n,1),c(n,2))
end
plot(t,c(:,1),'-',t,c(:,2),'-.');
xlabel('Tiempo: Seg')
ylabel('Nivel: Pies y Flujo: pies/seg')
grid
Obteniendo la respuesta:
>> flujoej
Ingrese aumento(escalón) en la velocidad (pies/seg): 2.485
Ingrese nivel de liquido en el tanque (pies): 4.72
tiempo de simulación seg: 500
Tabla 6.1 Respuesta de la simulación del nivel de liquido en un tanque

Tiempo Velocidad Nivel
(seg) (pies/seg) (pies)
0.0 2.48 4.7

13.7 3.11 6.6
55.7 5.19 8.6 * Sobrepasa la altura del tanque
101.3 5.92 6.5
148.3 5.43 4.3
204.0 4.83 3.9
259.7 4.78 4.6
318.6 4.98 5.0
381.1 5.03 4.8
443.6 4.98 4.7
490.5 4.96 4.7
>>
y una gráfica similar a la Fig. 6.1. Para otros valores iniciales se tiene otra respuesta

Fig. 6-1 Simulación del nivel de liquido en un tanque
Analizando la tabla y la figura podemos observar que cuando el tanque esta operando
con los valores de diseño (en este caso los seleccionados para el ejemplo) a las
condiciones estacionarias y, al producirse un incremento repentino (tipo impulso) del 50
% del flujo máximo de diseño el nivel de liquido en el tanque sobrepasase la altura del
tanque, esto se produce aproximadamente luego de 55 seg después de producida la
perturbación. Si la altura del tanque fuese de 9 pies podría soportar esta perturbación.
Queda como ejercicio para el lector determinar cual es el máximo aumento en el flujo
de entrada que soporta este tanque.
6.2 TERMOMETRO DE MERCURIO
Un buen ejemplo para ilustrar un sistema a condiciones no estacionarias es un

termómetro de mercurio. Cuando se desea tomar la temperatura usando un termómetro
de mercurio, se debe esperar un cierto tiempo hasta que el termómetro alcance la
temperatura del medio que lo rodea, entes de comenzar a medir la temperatura (colocar
el termómetro en el medio que se va a medir) este se encuentra en un estado
estacionario, durante el tiempo que demora el termómetro para alcanzar la temperatura
del medio, este se encuentra a condiciones no estacionarias y cuando alcanza la
temperatura del medio hacia delante se encuentra a condiciones estacionarias.
Un balance de energía para el bulbo de mercurio a condiciones no estacionarias
esta dado por:
Calor que entra – calor que sale = acumulación

dTb
A U (Tm – Tb) – 0 = mCp (6.5)
dt
dTb AU AU
+ Tb − Tm = 0 (6.6)
dt mC p mC p
los parámetros son:

A: área superficial del bulbo
U: coeficiente total de transferencia de calor
m: masa de mercurio en el bulbo
Cp; capacidad calorífica del mercurio
La fuerza impulsora es la Temperatura del medio (temperatura a ser medida): Tb

Y la variable dependiente (salida) es la temperatura del mercurio en el bulbo: Tm
mCp dTb dT
Tm – Tb = =τ b (6.7)
UA dt dt
Fig.6.2 Lectura de un termómetro de mercurio
Escribiendo la función termómetro.m
function dy = termometro(t,y)
dy = zeros(1,1);
tau=5;
Tm=100;
dy = (Tm - y)/tau ;
y ejecutando con la rutina Matlab ode45

>> [T,Y] = ode45('termometro',[0 50],[75]);

>> plot(T,Y)
>> ylabel('Lectura del termometro: F')
>> xlabel('Tiempo: min')
>> grid
tenemos la respuesta dada en la Fig. 6-2 para un termómetro con una constante de
tiempo igual a 5, cuando esta inicialmente a 75 oF y se coloca en un baño de
temperatura a 100 oF. Observar y comentar la respuesta del termómetro.
6.3 DOS TANQUES MEZCLADORES
Los ejemplos ilustrados anteriormente son relativamente simples, pero en la

industria se presentan procesos más complejos que requieren un análisis más profundo.
A continuación presentamos un ejemplo en el cual ilustraremos las diferentes
formas como enfocar un problema de este tipo y determinar cual opción de solución es
la más simple y eficaz desde el punto de vista del Ingeniero Químico.
Considerar los dos tanques en cascada mostrados en la Fig. 6-3
V1
V2
q
Fig. 6-3 Dos tanques mezcladores en cascada
Asumiendo que el flujo volumétrico a través del sistema es constante con q = 5

gal/s. Con un flujo constante, los volúmenes del tanque1 y el tanque 2 también son
constantes con V1 = 100 gal y V2 = 200 gal. Si la entrada al tanque 1 es agua pura y las
masas iniciales de sal disuelta en los tanques son m10 = m20 = 50 lbm, determinar la
cantidad de sal en cada tanque versus el tiempo. Así mismo determinar el tiempo y la
magnitud de la masa en el tanque 2 cuando m2 está a su más alto valor.
Solución
Esta situación es un problema típico de mezclado que involucra la dilución de una

mezcla soluto-solvente por adición de solvente puro al sistema. En este caso la sal es el
soluto y el agua es el solvente. Con solamente agua fresca entrando al tanque 1 (es decir

la concentración de entrada de sal es cero), nosotros esperamos que la masa de sal en el

tanque 1, m1, y la concentración de sal en el tanque 1, C1=m1/V1, disminuirán con el
tiempo desde sus valores iniciales de 50 lbm y 0.5 lbm/gal, respectivamente. Notar, sin
embargo, que aunque inicialmente el tanque2 tiene la misma cantidad de sal que el
tanque 1, debido a que tiene mayor volumen, la concentración inicial de sal en el tanque
2 es menor que para el tanque 1, con C20 = m20/V2 = 50 lbm/200 gal = 0,25 lbm/gal.
Entonces, debemos esperar que C2 se incremente durante un tiempo antes de que
eventualmente disminuya a cero a medida que la dilución total del sistema avanza. La
especificación del problema nos pide determinar el perfil de la masa de sal en cada
tanque con el tiempo y evaluar la concentración máxima que se espera que ocurra en
tanque 2.
Balance de masa en el tanque 1

Asumiendo un tanque perfectamente mezclado, el balance de masa para la sal en el
tanque 1 a condiciones no estacionarias da:
dm1 • •
= m i − me i = q(Ci – Ce) = – qCe = – qC1 (6.8)
dt
donde la ultima igualdad es el resultado de la aproximación a tanque perfectamente
mezclado (es decir, la concentración de salida es asumida a ser aproximadamente igual
a la concentración promedio).
Como C1 = m1/V1, para el tanque 1, tenemos
dm1 q
= − m1 (6.9)
dt V1
Esta es una ecuación separable, así
dm1 q
= − dt
m1 V1
y su integración da
q
ln m1 = – t + c’
V1
Tomando antilogaritmos da
m1(t) = – e
(− qt / V + c ) = e − qt / V e c = C ⋅ e − qt / V
1
'
1
'
1
Finalmente, aplicando las condiciones iniciales se tiene

a t = 0, m1(0) = m10 = 50 lbm y c = m10
Entonces, el perfil de masa de sal con el tiempo en el tanque 1 es
m1(t) = m10 e − qt / V1 (6.10)

Reemplazando los valores numéricos se tiene:
m1(t) = 50e – t/20 lbm (cn t en segundos) (6.11)

Balance de masa en el tanque 2

Estableciendo un balance similar de masa para la sal en el tanque 2 se tiene
dm2
= q(C1 – C2) (6.12)
dt
donde nuevamente, hemos asumido tanque perfectamente mezclado. Aquí la
concentración saliendo del tanque 1, entra al tanque 2, y C2 es la concentración
promedio (y de salida) del tanque 2. Escribiendo las concentraciones como masa/
volumen se tiene:
dm2 q q
= m1 − m2
dt V1 V2
o en la forma estándar
dm2 q q
+ m2 = m1 (6.13)
dt V2 V1
esta es una EDO lineal de primer orden con un factor de integración dado por
q
∫ V2 dt
IF = e = e qt / V2
Multiplicando la Ec. (613) por el factor integrador se tiene:
d  d qt / V2
q
e qt / V2  m2 + m2  = e
q
m2 = e qt / V2 m1 [ ]
 dt V2  dt V1
Integrando ambos lados de esta expression se tiene:
q
e qt / V2 m 2 =
V1 ∫ e qt / V2 m1 (t )dt
Pero, m1(t) es dada explícitamente por la Ec.(6.10). Luego, tenemos

 1 1 
qm10 q  V2 −V1  t
V1 ∫
e qt / V2
m2 = e dt
y esta puede ser simplificada, en varios pasos, para dar

 V1 −V2   V1 −V2 
qm10 q  V1V2  t
qm10  V1V2  q  V1V2  t
V1 ∫
e qt / V2
m2 = e 
dt =  e 
+c
V1  q (V1 − V )
2 
 V2  qt / V2 − qt / V1
= m10  e e +c
 V1 − V2 

Ahora, multiplicando por e − qt / V2 se tiene
 V2  − qt / V1
m2 = m10  e + ce − qt / V2
 V1 − V2 
Finalmente, podemos usar la condición inicial [ a t = 0, m2(0) = m20 = 50 lbm] para

determinar c, o
 V2   V2 
m2 = m10   + c y c = m20 – m10  
 V1 − V2   V1 − V2 
Entonces, la masa de sal en el tanque 2 versus el tiempo esta dada por:
 V2  − qt / V1
m2(t) = m20 e − qt / V2 + m10 
V −V [
 e − e − qt / V2 ] (6.14)
 1 2 
Reemplazando los valores numéricos se tiene
m2(t) = 50e – t/40 – 100 [e – t/20 – e – t/40] = 150e – t/40 – 100e – t/20 (6.15)
Qué podemos decir sobre las condiciones máximas en el tanque 2?
Para determinar las condiciones máximas en el tanque 2, notamos que el máximo de

m2(t) debe ocurrir cuando dm2/dt =0. Entonces, tomando la derivada de la Ec.(6.14) e
igualando el resultado a cero se tiene
dm2 − qm20 − qt / V 2  V2   q −qt / V1 q −qt / V2 

= e − m10    e − e =0 (6.16)
dt V2  V1 − V2  V1 V2 
Nosotros podemos ahora resolver la Ec. (6.16) para t = tmax, y colocar este valor para t
en la Ec. (6.14) lo cual dará m2max. Sin embargo, como hemos visto, esto es muy
dificultoso algebraicamente.
Otra alternativa es regresar a la ecuación original de balance dada en el Ec.(6.12).
Con dm2/dt = 0, la Ec.(6.12) nos dice que C1 = C2 a las condiciones máximas. Esto tiene
sentido físicamente, subsecuentemente con tal de que C1 > C2, la concentración del
tanque 2 debe continuar incrementándose. Si C1 < C2 la cantidad de sal en el tanque 2
debe disminuir a medida que la concentración del flujo de entrada es menor que la
concentración del flujo de salida. Por lo tanto, las condiciones máximas en el tanque 2
ocurren cuando C1 = C2. Por lo tanto, tenemos la relación válida,
1  
1
m10 e − qt / V1 = m20 e
− qt / V2  V2
+ m10  [
 − qt / V1
 e ]
− e −qt / V2  (6.17)
V1 V2   V1 − V2  
a las condiciones máximas. Bien, aunque este acercamiento alternativo es válido, esta
última expresión no es más fácil de evaluar para t = tmax que la Ec.(6.16).

MATLAB al Rescate!
Como hemos visto la solución analítica es difícil y las manipulaciones algebraicas
son tediosas, por lo tanto, una alternativa para simplificar el trabajo es graficar las
soluciones dadas por la Ecs. (6.10) y (6.14) y observar visualmente donde ocurren las
condiciones máximas. Este procedimiento ha sido implementado en la primera parte del
archivo Matlab STANKS2.M. Este programa Matlab actualmente hace una parte del
trabajo, y se ha dividido en tres funcionales como sigue:
Parte I – Evaluación de la función y gráfico de la solución Analítica.

Parte II – Solución y análisis de las EDOs usando la capacidad Simbólica de Matlab.
Parte III - Solución Numérica y análisis de la EDO usando una rutina Matlab.
Por lo tanto, STANKS2.M representa una Buena ilustración de una variedad de métodos
(también ver el archive de función ODE23 , STANKS2_EQNS.M, el cual es necesario
en la Parte III de STANKS2.M). El lector se encargara de estudiar estos programas
fuerte y cuidadosamente (ver los listados de STANKS2.M a STANKS2_EQNS.M) y
familiarizarse con las grandes capacidades de Matlab ilustradas aquí. La corrida del
programa y observando la edición de la salida y las gráficas pueden ser de mucha
utilidad!
El resumen de los resultados del programa son dados a continuación en una
simple gráfica Matlab con dos sub-graficas; una que muestra los perfiles de masa versus
tiempo y otra que da las concentraciones versus tiempo. Las sub-gráficas son muy
similares ya que las masa y concentraciones están simplemente relacionadas mediante
un factor de normalización (el cual es C = m/V). Sin embargo, las curvas de
concentración claramente muestran el hecho de que C1 = C2 en el punto máximo del
perfil C2(t) (ver discusión anterior). Luego, a partir de estos datos, que la condición
máxima en el tanque 2 ocurre alrededor de 11.5 segundos después de comenzada la
dilución y que, a este punto máximo, el tanque 2 tiene cerca de 56.2 lbm de sal disuelta
en el agua. A este punto la concentración de sal en ambos tanques es alrededor de 0.281
lbm/gal. En general, todos los resultados mostrados aquí concuerdan con nuestras
expectativas a priori para este sistema.
Nota: Aunque no mostrado aquí explícitamente, las curvas para los tres métodos de
solución - analítico, simbólico, y numérico – son exactamente todas iguales (usted
puede ejecutar el programa para ver esto). Esto es claramente lo esperado y da la
confianza en nuestra habilidad de usar los tres métodos para resolver problemas de este
tipo con precisión. Claramente, sin embargo, una vez que la sintaxis básica y el código
algoritmo ha sido trabajado para las soluciones Matlab, es fácil aplicar la metodología
simbólica o numérica computacional para resolver problemas similares, pero diferentes
rápidamente. Nosotros también podemos ser capaces de resolver un nuevo problema
analíticamente, pero las soluciones de Matlab - simbólica o numérica – ofrece un
acercamiento más fácil y eficaz. Además, si nosotros planeamos evaluar y trazar las
soluciones de cualquier modo, nosotros también podríamos resolver simplemente el
problema completo en el mismo código. En aplicaciones prácticas, la solución por
computadora y análisis de EDOs es claramente el método de elección y, en muchos
casos dónde las soluciones analíticas a mano son muy tediosas o incluso imposibles, es
la única manera de continuar!
A continuación se lista el programa principal STANKS2.M,

% Luis Moncada
% Julio 12 2002
clear all;
nfig = 0;
% parámetros
m10 = 50; m20 = 50; % masa iniciales de sal en los tanques (lbm)
V1 = 100; V2 = 200; % volúmenes constantes de los tanques (gal)
q = 5; % flujo volumetrico constante (gal/s)
% Parte I Evaluación y grafica de la función para solución ANALYTICA
% definir rango de tiempos para grafica la solución
to = 0; tf = 90; Nta = 91; ta = linspace(to,tf,Nta);
% evaluar masa y concentraciones [ver "Dos tanque con sal" para derivadas]
m1a = m10*exp(-q*ta/V1);
m2a = m20*exp(-q*ta/V2)+m10*V2*(exp(-q*ta/V1)-exp(-q*ta/V2))/(V1-V2);
c1a = m1a/V1; c2a = m2a/V2;;
% encontrar magnitud y tiempo para condiciones máximas en el tanque2
[m2amax,index] = max(m2a); tamax = ta(index);
c1amax = c1a(index); c2amax = c2a(index);
fprintf(1,'\n Solución al Problema "Dos Tanques con Sal" (ver teoría) \n');
fprintf(1,'\n Condiciones máximas en Tanque 2 de Solución ANALiTICA \n');
fprintf(1,' Método #1 -- mediante búsqueda de vector de valores \n');
fprintf(1,' Tiempo del máximo : tmax = %6.2f seg \n',tamax);
fprintf(1,' Masa de sal en máximo: m2max = %6.2f lbm \n',m2amax);
fprintf(1,' Conc de sal en Tanque 1: c1max = %6.3f lbm/gal \n',c1amax);
fprintf(1,' Conc de sal en Tanque 2: c2max = %6.3f lbm/gal \n\n\n',c2amax);
% grafica de solución ANALITICA para masas y concentraciones
nfig = nfig+1; figure(nfig)
subplot(2,1,1),plot(ta,m1a,'r-',ta,m2a,'g--'), grid
title('"Dos Tanques con Sal" Resultados ANALITICOS')
ylabel('Masa de Sal (lbm)'),legend('Tanque 1','Tanque 2')
subplot(2,1,2),plot(ta,c1a,'r-',ta,c2a,'g--'), grid
ylabel('Conc. de Sal (lbm/gal)'),legend('Tanque 1','Tanque 2')
xlabel('Tiempo (seg)')
% Parte II Solución de las EDOs usando la capacidad SIMBOLICA de Matlab
% resolver las EDOs dadas para las masas usando manipulaciones simbólicas
syms ts ts0 qs V1s V2s m1s m2s m10s m20s c1s c2s
S = dsolve('Dm1s = -qs*m1s/V1s','Dm2s = qs*m1s/V1s - qs*m2s/V2s', ...
'm1s(ts0) = m10s','m2s(ts0) = m20s','ts');
% pasar variables simbólicas a valores numéricos
to = 0; tf = 90;
ts0 = to; m10s = m10; m20s = m20;
qs = q; V1s = V1; V2s = V2;
% mostrar soluciones
fprintf(1,'\n La solución SIMBOLICA para m1(t) es: \n');
m1s = S.m1s; pretty(m1s)
fprintf(1,'\n y con adecuadas sustituciones de variables, es: \n');
m1s = subs(m1s); pretty(m1s)
fprintf(1,'\n La solución SIMBOLICA para m2(t) es: \n');
m2s = S.m2s; pretty(m2s)
fprintf(1,'\n y con adecuadas sustituciones de variables, es: \n');
m2s = subs(m2s); pretty(m2s)
% evaluar soluciones simbólicas a diferentes tiempos para graficar
Ntp = 91; tp = linspace(to,tf,Ntp);
m1p = double(subs(m1s,ts,tp)); m2p = double(subs(m2s,ts,tp));
c1p = m1p/V1; c2p = m2p/V2;
% encontrar magnitud y tiempo para condiciones máximas en el tanque 2
% Método #1 -- buscando vector de valores
[m2pmax,index] = max(m2p); tpmax = tp(index);

c1pmax = c1p(index); c2pmax = c2p(index);

fprintf(1,'\n\n Condición máxima en Tanque 2 por Solución SIMBOLICA \n');
fprintf(1,' Método #1 -- por búsqueda de vector de valores \n');
fprintf(1,' Tiempo del máximo : tmax = %6.2f seg \n',tpmax);
fprintf(1,' Masa de sal en máximo: m2max = %6.2f lbm \n',m2pmax);
fprintf(1,' Conc de sal en Tanque 1: c1max = %6.3f lbm/gal \n',c1pmax);
fprintf(1,' Conc de sal en Tanque 2: c2max = %6.3f lbm/gal \n',c2pmax);
% Metodo #2 -- resolviendo expresion SIMBOLICA: C1 - C2 = 0 o m1s/V1s - m2s/V2s = 0
tsmax = solve(m1s/V1s-m2s/V2s,ts);
m1smax = double(subs(m1s,ts,tsmax)); m2smax = double(subs(m2s,ts,tsmax));
m1max = double(m1smax); c1max = m1max/V1;
m2max = double(m2smax); c2max = m2max/V2;
fprintf(1,'\n Método #2 -- por solución de expresión SIMBOLICA: C1 - C2 = 0 \n');
fprintf(1,' Tiempo del máximo: tmax = %6.2f seg \n',double(tsmax));
fprintf(1,' Masa de sal en máximo: m2max = %6.2f lbm \n',m2max);
fprintf(1,' Conc de sal en Tanque 1: c1max = %6.3f lbm/gal \n',c1max);
fprintf(1,' Conc de sal en Tanque 2: c2max = %6.3f lbm/gal \n\n\n',c2max);
% graficar soluciones SIMBOLICAS para la masa y concentraciones
subplot(2,1,1),plot(tp,m1p,'r-',tp,m2p,'g--'), grid
title('"Dos Tanques de Sal" Resultados SIMBOLICOS')
%
subplot(2,1,2),plot(tp,c1p,'r-',tp,c2p,'g--'), grid
% Parte III solución NUMERICA de las EDOs usando la rutina Matlab ODE23
% definir dominio de interés, vector de condiciones iniciales, y opciones para ODE23
to = 0; tf = 90; zo = [m10 m20]';
tol = 0.0001; options = odeset('RelTol',tol);
% evaluar masas y concentraciones [usar ODE23]
[tn,zn] = ode23('stanks2_eqns',[to tf],zo,options,q,V1,V2);
m1n = zn(:,1); m2n = zn(:,2);
c1n = m1n/V1; c2n = m2n/V2;;
% encontrar magnitud y tiempo para condiciones máximas en Tanque 2
[m2nmax,index] = max(m2n); tnmax = tn(index);
c1nmax = c1n(index); c2nmax = c2n(index);
fprintf(1,'\n Condition maxima en Tanque 2 de Solution NUMERICA \n');
fprintf(1,' Metod #1 -- por búsqueda del vector de valores \n');
fprintf(1,' Tiempo del máximo: tmax = %6.2f seg \n',tnmax);
fprintf(1,' Masa de sal en máximo: m2max = %6.2f lbm \n',m2nmax);
fprintf(1,' Conc de sal en Tanque 1: c1max = %6.3f lbm/gal \n',c1nmax);
fprintf(1,' Conc de sal en Tanque 2: c2max = %6.3f lbm/gal \n\n\n',c2nmax);
% grafica de soluciones NUMERICAs para la masa y concentraciones
subplot(2,1,1),plot(tn,m1n,'r-',tn,m2n,'g--'), grid
title('"Dos Tanques de Sal" Resultados NUMERICOS')
%
subplot(2,1,2),plot(tn,c1n,'r-',tn,c2n,'g--'), grid
%
% fin del programa
y el programa auxiliar de evaluación de derivadas STANKS2_EQNS.M,

% STANKS2_EQNS.M Función de evaluación para la etapa

% de EDO en STANKS2.M
% Definiendo las ecuaciones diferenciales para el
% problema de "Dos tanque de sal"
% Tanque 1 -> dm1/dt = -(q/V1)m1 m1(0) = m10
% Tanque 2 -> dm2/dt + (q/V2)m2 = (q/V1)m1 m2(0) = m20
%
% L. Moncada
% Julio 12 2002
%
function zp = eqnfile(t,z,flag,q,V1,V2)
zp = zeros(length(z),1);
zp(1) = -(q/V1)*z(1);
zp(2) = (q/V1)*z(1) - (q/V2)*z(2);
%
% fin de la función
Al ejecutar el programa STANKS2 se tiene la siguiente salida mostrando todas las formas
de solución:
>> STANKS2
Solución al Problema "Dos Tanques con Sal" (ver teoría)
Condiciones máximas en Tanque 2 de Solución ANALiTICA

Método #1 -- mediante búsqueda de vector de valores
Tiempo del máximo : tmax = 12.00 seg
Masa de sal en máximo: m2max = 56.24 lbm
Conc de sal en Tanque 1: c1max = 0.274 lbm/gal
La solución SIMBOLICA para m1(t) es:
qs ts
exp(- -----) m10s
V1s
-----------------
ts0 qs
exp(- ------)
V1s
y con adecuadas sustituciones de variables, es:
50 exp(- 1/20 ts)
La solución SIMBOLICA para m2(t) es:
qs ts ts0 qs
exp(- -----) exp(------) (m10s V2s - m20s V1s + m20s V2s)
V2s V2s
- ---------------------------------------------------------
V1s - V2s
qs ts
exp(- -----) m10s V2s
V1s
+ -------------------------
ts0 qs

exp(- ------) (V1s - V2s)

V1s
y con adecuadas sustituciones de variables, es:
150 exp(- 1/40 ts) - 100 exp(- 1/20 ts)
Condición máxima en Tanque 2 por Solución SIMBOLICA

Método #1 -- por búsqueda de vector de valores
Tiempo del máximo : tmax = 12.00 seg
Método #2 -- por solución de expresión SIMBOLICA: C1 - C2 = 0

Tiempo del máximo: tmax = 11.51 seg
Condición máxima en Tanque 2 de Solución NUMERICA

Método #1 -- por búsqueda del vector de valores
Tiempo del máximo: tmax = 11.00 seg
>>
Y las gráficas:
Fig. 6-4 Solución ANALITICA del problema 6.3

Fig. 6-5 Solución SIMBOLICA del problema 6.3
Fig. 6-6 Solución NUMERICA del problema 6.3

6.4 TRES CSTRs EN SERIE
Las ecuaciones que describen a tres reactores CSTR isotérmicos en serie fueron
desarrolladas en la Sec. 3.2
dC A1 1
= (CA0 – CA1) – k CA1 (6.18)
dt τ
dC A2 1
= (CA1 – CA2) – k CA2 (6.19)
dt τ
dC A3 1
= (CA2 – CA3) – k CA3 (6.20)
dt τ
Las condiciones iniciales son CA1(0) = 0,4 kg.mol de componente A/m3, CA2(0) =
0,2 kg.mol de componente A/m3, y CA3(0) = 0,1 kg.mol de componente A/m3. La
función impulsora es CA0. Asumiremos que en el tiempo cero CA0 se ajusta a 1,8 kg.mol
de A/m3 y se mantiene constante. El parámetro τ = V/F (tiempo de residencia), es
ajustado igual a 2 min y el valor de k es 0,5 min–1.
Solución
Reemplazando valores numéricos se tiene
dC A1
=0,9 – CA1 , CA1(0) = 0,4 (6.21)
dt
dC A2
= 0,5CA1 – CA2 , CA2(0) = 0,2 (6.22)
dt
dC A3
= 0,5 CA2 – CA3 , CA3(0) = 0,1 (6.23)
dt
a) La solución se consigue usando una rutina para la solución de EDOs, en este caso la
rutina ode45, para lo cual escribimos el archivo de función: cstr3.m
% Función para tres CSTRs en serie: cstr.m

% (c) 2002 - L. Moncada
% Julio 2002
%
function dc=cstr(t,c);

dependientes
dc=zeros(3,1);
% Parámetros
% Sistema de ecuaciones
dc(1)=((1.8-c(1))/2)-0.5*c(1);

dc(2)=((c(1)-c(2))/2)-0.5*c(2);
dc(3)=((c(2)-c(3))/2)-0.5*c(3);
y el archivo de ejecución cstrej3.m
% Archivo de ejecución para la función cstr3: cstrej3.m

% (c) 2002 - L. Moncada
% Julio 2002
%
% Valores iniciales para la simulación
% Rutina de integración
[t,c]=ode45('cstr3',[0 10],[0.4; 0.2; 0.1]);

npts = length(t);

fprintf('\n\n\n Tiempo CA1 CA2 CA3\n')
fprintf(' (seg) (Kmol/m3) (Kmol/m3) (Kmol/m3)\n\n')
for n = 1:5:npts
fprintf(' %5.1f %6.2f %6.2f %
4.1f\n',t(n),c(n,1),c(n,2),c(n,3))
end
plot(t,c(:,1),'-',t,c(:,2),'-.',t,c(:,3),'-x');
xlabel('Tiempo: Seg')
ylabel('Concentración: Kmol/m3')
grid
Obteniendo los resultados dados en la tabla siguiente
>> cstrej
Tiempo CA1 CA2 CA3

(seg) (Kmol/m3) (Kmol/m3) (Kmol/m3)
0.0 0.40 0.20 0.1

0.3 0.53 0.21 0.1
1.0 0.71 0.26 0.1
1.8 0.82 0.33 0.1
2.8 0.87 0.39 0.2
4.1 0.89 0.43 0.2
5.3 0.90 0.44 0.2
6.6 0.90 0.45 0.2
7.8 0.90 0.45 0.2
9.1 0.90 0.45 0.2
9.9 0.90 0.45 0.2
Los cuales se visualizan en la gráfica dada por la Fig. 6.7

Fig. 6-7 Resultados de la simulación de tres CSTRs isotérmicos en serie
b) Otra forma es usando el método de Euler. Para este caso, las Ecs. (6.21), (6.22), y
(6.23) constituyen un sistema de ecuaciones diferenciales ordinarias. Este sistema se
puede escribir como:
y’ = f (y,t) = My + S (6.24)
donde
CA1 -1 0 0 0,9
CA2 0,5 -1 0 0
y = M = S=
CA3 0 0,5 -1 0
Haciendo uso de MATLAB (aplicando el método de Euler) para la simulación del

proceso escribimos el programa cstrs.m el cual es listado en el apéndice
6.5 REACTOR SEMICONTINUO
Considerar el caso reactor diseñado para clorar benceno con cloruro férrico como
catalizador. El reactor es semibatch conteniendo una carga inicial de benceno puro
dentro del cual se alimenta cloro gaseoso a un estado estacionario. El tanque de reacción
es operado a presión constante de 2 atm y está equipado con enfriadores para mantener
una temperatura de 55oC. El liquido es agitado para dar una mezcla homogénea. La

unidad contiene un condensador de reflujo el cual retorna todo el benceno y los

clorobencenos vaporizados hacia el reactor mientras que permite que todo el cloruro de
hidrógeno generado y el exceso de cloro en el reactor salgan del sistema.
Monoclorobenceno, diclororbenceno y triclorobenceno son producidos mediante
reacciones en serie siguientes:
k1
C6H6 + Cl2 C6H5Cl + HCl (I)
k2
C6H5Cl + Cl2 C6H4Cl2 + HCl (II)
k3
C6H4Cl2 + Cl2 C6H3Cl3 + HCl (III)
Las constantes específicas de velocidad de reacción son:

k1 = 510 (lb mol/pie3)-1(h)-1
k2 = 64 (lb mol/pie3)-1(h)-1
k3 = 2.1 (lb mol/pie3)-1(h)-1
Para este reactor semibatch se desea conocer en que tiempo se debe detener la
reacción en razón a obtener el máximo rendimiento de monoclorobenceno.
HCl = F
C6H6 = A
C6H5Cl = B
C6H4Cl2 = C
C6H3Cl3 = D
Cl2 = E
Cl2 = G
La velocidad de alimentación de cloro seco es 1,4 (lbmol de cloro)/(h).(lbmol de

benceno inicial cargado)
Se desprecia la retención de liquido y vapor en el condensador de reflujo.
El cambio de volumen de la mezcla reaccionante es despreciable, y el volumen de
liquido en el reactor permanece constante e igual 1.46 pies3/lbmol de benceno cargado
inicialmente.
El cloruro de hidrógeno tiene una solubilidad despreciable en la mezcla liquida.
El cloro gas alimentado al sistema, inmediatamente ingresa a la solución, pero su
solubilidad limite es 0,12 lbmol de cloro/lbmol de benceno inicial, y este valor
permanece constante.
Cada reacción es de segundo orden.
Solución
1. Tomando como base:

Benceno alimentado al reactor: NA0 = 1 mol

2. Moles de los compuestos presentes en el reactor en el tiempo t:

Benceno = NA
Monoclorobenceno = NB
Diclorobenceno = NC
Triclorobenceno = ND
TOTAL NT = NA + NB + NC + ND + NE (6.25)
NA + NB + NC + ND = 1 mol (ya que las reacciones son en serie 1 a 1) (6.26)
3. Total de cloro consumido: Cl2
Para monoclorobenceno (reacción I) = NB
Para diclorobenceno (reacción II) = 2NC
Para triclorobenceno (reacción III) = 3ND
Total de cloro consumido NG = NB + 2NC + 3ND (6.27)
4. Suponiendo Volumen de reacción (V) constante se tiene:

- Velocidad de reacción del benceno
1 dN A N N
= – k1 A E (6.28)
V dt V V
NE = moles de cloro presentes en el sistema
- Velocidades de formación:
1 dN B N N N N
= k1 A E – k 2 B E (6.29)
V dt V V V V
1 dN c N N NC N E
= k2 B E – k3 (6.30)
V dt V V V V
1 dN D N N
= k3 C E (6.31)
V dt V V
- Cloro consumido
1 dN E N N N N N N
= F – k1 A E – k 2 B E – k 3 C E (6.32)
V dt V V V V V V
Las Ecs. (6.28) a (6.32) representan el modelo del balance de materiales para el
reactor semibatch. Y la Ec. (6.27) sirve para evaluar el consumo neto de Cloro.

5. Solución Analítica.
5.1 Reemplazando valores de las constantes de velocidad en las Ecs. (6.28), (6.29),
(6.30) y (6.31) y dividiendo las Ecs. (6.29), (6.30) y (6.31) por la Ec. (6.28) para
eliminar el tiempo como variable independiente se tiene:
dN B NB
= – 1 (6.33)
dN A 8N A
dN c NC N
= − B (6.34)
dN A 240 N A 8 N A
dN D Nc
= – (6.35)
dN A 240 N A
5.2 La Ec. (6.33) es una ecuación homogénea de 1er. orden (resolviendo mediante la
técnica de sustitución)
Sea
NB = RNA (6.36)
dN B dR
= R + NA (6.37)
dN A dN A
Sustituyendo, (6.36) y (6.37) en (6.33) e integrando se tiene:

8
ln NA = ln I – (6.38)
7 ln(7 R + 8)
NB
Tomando antilogaritmos y reemplazando R = se tiene:
NA
− 8
 7N B  7
NA = I  + 8  (6.39)
 NA 
donde I = Constante de integración

Para t = 0 NA = 1 y NB = 0; con lo cual I = 8 8/7
Luego reemplazando el valor de I y reagrupando:
NB =
(
8 NA
1
8 − NA ) (6.40)
7
Del mismo modo, reemplazando (6.40) en (6.34) para eliminar NB e integrando

(usando el método del factor integrador) se tiene
240 1 1
NC = (29 N A − 239 N A 8 + 210 N A 240 ) (6.41)
7 × 29 × 239

Cálculos:
Dar valores de NA (1, ------, 0)
Evaluar NB Ec.(6.40) y NC Ec. (6.41)
Calcular ND Ec. (6.26)
Calcular la cantidad de cloro consumido NG Ec. (6.27)
5.3 A continuación se da un programa en Matlab para hacer los cálculos

presentándose la gráfica producto de la solución de las ecuaciones

a=1; n=0; b=0; c=0; d=0; g=0;h=0.01;
a_rec=a; b_rec=b;c_rec=c;d_rec=c; g_rec=g;
while a>=0;
n=n+1;
a = a-h
b= 8*((a^0.125)-a)/7;
c= (240/48517)*(29*a-239*a^(1/8)+210*a^(1/240));
d= 1-a-b-c;
g= b+2*c+3*d;
a_rec(n+1) = a;
b_rec(n+1) = b;
c_rec(n+1) = c;
d_rec(n+1) = d;
g_rec(n+1) = g;
end
plot(g_rec,a_rec,g_rec,b_rec,g_rec,c_rec,g_rec,d_rec)
xlabel('Moles de cloro consumidos')
ylabel('Moles en el reactor')
grid
Fig. 6-5 Cloración del benceno

6. Solución numérica
Como se ha observado para resolver el problema usando el método analítico, trae

dificultades al hacer la integración de las ecuaciones aun cuando estas sean homogéneas
y lineales. Otra complicación adicional es hacer el calculo para diferentes valores del
número de moles de benceno entre 1 y 0; y es más, no podemos determinar el tiempo
óptimo de operación.
Las complicaciones anteriores se pueden salvar usando un método numérico para
evaluar las derivadas y hacer la simulación por computador, así escribimos el programa
cloración 2 para evaluar las derivadas dadas por la Ecs. (6.28) a (6.32) y el consumo
total de cloro, Ec. (6.27).
% simulación de un reactor BATCH Ideal

% (c) 2002 - L. Moncada
% Julio 2002
% Borrar variables de memoria
clear all
% Primera figura
nfig = 0;
% Tiempo de simulación: segundos
ts=input('ingresar tiempo de simulación (seg): ');
% Parámetros para el problema
v=1.46;
ne=0;
k1=510/3600;
k2=64/3600;
k3=2.1/3600;
f=1.4/3600;
h=1; % Tamano de paso
t=0; n=0;
% Valores iniciales
na=1;nb=0;nc=0;nd=0;ng=0;ne=0;
t_rec(1)=(t); na_rec(1)= na; nb_rec(1)= nb; nc_rec(1)=nc;
nd_rec(1)=nd; ng_rec(1)=ng; ne_rec(1)=ne;
while t<=ts
% Contador
n=n+1;
%Evaluación de las derivadas método de Euler
na=na+h*(-k1*na*ne/v);
nb=nb+h*((k1*na*ne/v)-(k2*ne*nb/v));
nc=nc+h*((k2*ne*nb/v)-(k3*ne*nc/v));
nd=nd+h*(k3*ne*nc/v);
ne=ne+h*(f-(k1*na*ne/v)-(k2*ne*nb/v)-(k3*ne*nc/v));
ng=nb+2*nc+3*nd;
if ne<0.12;
ne_rec(n+1)=ne;
else
ne_rec(n+1)=0.12;
end
t = t+h;
na_rec(n+1)=na;
nb_rec(n+1)=nb;
nc_rec(n+1)=nc;
nd_rec(n+1)=nd;

ng_rec(n+1)=ng;
t_rec(n+1) = t;
end
plot(t_rec,na_rec,t_rec,nb_rec,t_rec,nc_rec,t_rec,nd_rec)
xlabel('Tiempo: Segundos')
grid
plot(ng_rec,na_rec,ng_rec,nb_rec,ng_rec,nc_rec,ng_rec,nd_rec)
xlabel('Moles de Cloro Consumidos')
grid
Al invocar el programa cloración2 en la ventana de trabajo se tiene:
>> cloracion2
Ingresar tiempo de simulación (seg): 7200
Obteniendo las gráficas mostrada en la Figuras 6-6 y 6.7
Fig. 6-6 Simulación del reactor de cloración tiempo versus moles

Fig. 6-7 Simulación del reactor de cloración cloro consumido versus productos
Al analizar los resultados mostrados en las Figs 6-6 y 6-7 podemos concluir en lo
siguiente:
- El tiempo óptimo de operación es 2808 segundos (0,78 hrs)
- La mayor cantidad de monoclorobenceno se obtiene cuando se consume 1.1
moles de cloro por cada mol de benceno; siendo esta la cantidad optima que debe
mantenerse en el reactor
- A medida que se deja mayor tiempo la mezcla reaccionante tiende a la formación
de diclorobenceno y triclorobenceno, de tal manera que si se desea obtener
diclorbenceno se debe trabajar durante 1.75 horas y tener 2.1 moles de cloro en el
reactor.

CAPITULO
7
DE SISTEMAS CONTROLADOS
Esencialmente todos los procesos continuos deben operar a condiciones

estacionarias, y es bajo estas condiciones que se hacen los diseños. En cambio los
procesos por lotes (“batch”) trabajan a condiciones no estacionarias. Pero aun cuando
los procesos mayormente operen a condiciones estacionarias, siempre se presentan
perturbaciones que alteran el curso normal del proceso. Es por esta razón importante el
análisis de su conducta dinámica para diseñar e instalar los sistemas de control
adecuados para compensar las perturbaciones que puedan presentarse y restaurar el
proceso a su estado estacionario inicial.
En este capítulo sin querer profundizarnos en lo referente al control y
automatización de procesos, tema que es cubierto ampliamente por la bibliografía sobre
el particular, analizaremos algunos sistemas controlados y veremos como los sistemas
de control restauran las variables controladas a sus valores de diseño
El reactor exotérmico enchaquetado, discutido en la Sec. 3.6 y simulado para

condiciones estacionarias en el Ejemplo 5.8 proporciona un buen ejemplo de la
simulación de varias EDO no lineales y la respuesta de los sistemas de control. En este
reactor, tanto las velocidades de flujo como las retenciones son variables. Un
controlador proporcional de nivel manipula el liquido que sale del tanque, F, como una
función lineal del volumen en el tanque.
F = 40 – 10(48 – V) (7.1)
Un segundo controlador manipula la velocidad de flujo del agua de enfriamiento

hacia la chaqueta, Fj, en proporción directa a la temperatura dentro del reactor.

Fj = 49,9 – Kc (600 – T) (7.2)
Se asume que el volumen contenido en la chaqueta (retención) es constante y está

perfectamente mezclado. Las perturbaciones en el flujo de alimentación Fo y
concentración de la alimentación CAo, cambios de escalón al tiempo igual a cero.
Las EDOs que describen al sistema son
dV
= Fo – F (7.3)
dt
d (VC A )
= FoCAo – FCA – VkCA (7.4)
dt
d (VT ) λVkC A UAH

= FoTo – FT – − (T – Tj) (7.5)
dt ρC p ρC p
dT j F j (T jo − T j ) UAH
= + (T − T j ) (7.6)
dt Vj ρ jV j C j
Las ecuaciones algebraicas que describen este sistema son la Ecs. (7.1) y (7.2) y la
siguiente:
k = αe-E/RT (7.7)
Tomando como base la simulación del mismo reactor a condiciones estacionarias

dado en el Ejemplo 5.8 para una operación a 600 oR y los parámetros dados en la Tabla
5.1, se tiene la Tabla 7.1 mostrando los valores usados para la simulación.
Tabla 7.1 Parámetros para el CSTR no isotérmico

Valores de estado estacionario
F = 40 pies3/h V = 48 pies3
CAo = 0,50 lbmol de A/pie3 CA = 0,245 lbmol de A/pie3
T = 600 oR Tj = 594.6 oR
Fj = 49,9 pies3/h To = 530 oR
Valores de los parámetros
Vj = 3,85 pies3 α = 7,08 x 1010 h-1
E = 30000 Btu/h pie2 oR R = 1,99 Btu/lb.mol oR
Tjo = 530 oR AH = 250 pies2
Cp = 0,75 Btu/lbm oR λ = - 30000 Btu/lbmol
ρ = lbm/pie3 Cj = 1,0 Btu/lbm oR
Kc = 4 (pies3/h)/oR ρj = 62,3 lbm/pie3
U = 150 Btu/h pie2 oR Tref = 600 oR
A continuación se da un programa MATLAB denominado cstrni.m para la

simulación del reactor, presentando los resultados en una tabla y graficando los mismo
en la Fig.7.1

% simulación de un reactor CSTR no isotérmico

% Controlado automaticamente
% Julio 2002
clear all
% Variables que pueden perturbarse
cao=input('Ingresar la concentración de entrada: '); % 0.55 lbmol
de A/pie3
fo=input('Ingresar el flujo de entrada: '); %40 pies3/h
% Ajuste de la Ganancia Proporcional del controlador
kc=input('Ingresar la Ganancia del controlador Kc: '); %4
% Parámetros de operación
ca=0.245; % Concentracion de salida lbmol de A/pie3
tr=600; % Temperatura inicial en el reactor R
tj=594.59; % Temperatura inicial de salida de la chaqueta R
v=48; % Volumen del reactor pies3
tjo=530; % Temperatura de entrada a la chaqueta R
to=530; % Temperatura de entrada al reactor
% Parámetros de calculo
time=0; % Inicio de la simulacion
h=0.01; % Tamano de paso
t=0; n=0; % Valores iniciales
% Calculo de valor inicial de variables
vc=v*ca;
vt=v*tr;
fj=49.9-kc*(600-tr); % rspuesta del controlador
f=fo-10*(48-v);
k=(7.08e10)*exp(-30000/(1.99*tr));
q=150*250*(tr-tj);
t_rec(1)=(t); vc_rec(1)= vc; vt_rec(1)= vt;
tj_rec(1)=tj; v_rec(1)=v; fj_rec(1)=fj;
ca_rec(1)=ca; f_rec(1)= f;
tr_rec(1)=tr; k_rec(1) = k; q_rec(1) = q;
% Forma de la tabla para reportar los valores calculados
fprintf('Tiempo CA T V F TJ
FJ\n')
% simulación hasta t= 4 h
while t<=4
% Contador
n=n+1;
%Evaluación de las derivadas método de Euler
v=v+h*(fo-f);
vc=vc+h*(fo*cao-f*ca-v*k*ca);
vt=vt+h*(fo*to-f*tr+(30000*v*k*ca-q)/(0.75*50));
tj=tj+h*(fj*(tjo-tj)/3.85+(q/240));
%Controlador de Retroalimentación
fj=49.9-kc*(600-tr);
f=40-10*(48-v);
k=(7.08e10)*exp(-30000/(1.99*tr));
q=150*250*(tr-tj);
tr=vt/v;
ca=vc/v;
t = t+h;
v_rec(n+1)=v;
vc_rec(n+1)= vc;
vt_rec(n+1)= vt;
tj_rec(n+1)=tj;

t_rec(n+1) = t;
fj_rec(n+1) = fj;
f_rec(n+1) = f;
k_rec(n+1) = k;
q_rec(n+1) = q;
ca_rec(n+1)=ca;
tr_rec(n+1)=tr;
% Reporte de valores en la tabla
fprintf(' %4.3f %4.3f %4.3f %4.3f %4.3f %4.3f
%4.3f\n',t,ca,tr,v,f,tj,fj)
end
% Grafica usando subplot
subplot(2,2,1) % Esto activa una primera área de grafica 2x2
plot(t_rec,tr_rec), title('Tr versus t')
grid on
subplot(2,2,2) % Esto activa una segunda área de grafica 2x2
plot(t_rec,tj_rec), title('Tj versus t')
grid on
subplot(2,2,3) % Esto activa una tercera área de grafica 2x2
plot(t_rec,ca_rec), title('Ca versus t')
grid on
subplot(2,2,4) % Esto activa una cuarta área de grafica 2x2
plot(t_rec,fj_rec), title('Fj versus t')
grid on
>> cstrni
Ingresar la concentración de entrada: .55
Ingresar el flujo de entrada: 40
Ingresar la Ganancia del controlador Kc: 4
Fig. 7-1 Simulación de un CSTR no isotérmico

Tiempo CA T V F TJ FJ
0.000 0.245 600.000 48.000 40.000 594.590 49.900
0.200 0.252 600.370 48.000 40.000 594.822 51.379
0.400 0.256 601.101 48.000 40.000 595.203 54.304
0.600 0.257 601.781 48.000 40.000 595.557 57.023
0.800 0.258 602.250 48.000 40.000 595.801 58.899
1.000 0.257 602.492 48.000 40.000 595.928 59.867
1.200 0.256 602.565 48.000 40.000 595.967 60.159
1.400 0.256 602.544 48.000 40.000 595.958 60.077
1.600 0.256 602.492 48.000 40.000 595.931 59.868
1.800 0.256 602.443 48.000 40.000 595.906 59.673
2.000 0.256 602.412 48.000 40.000 595.890 59.547
2.210 0.256 602.397 48.000 40.000 595.882 59.487
2.410 0.256 602.394 48.000 40.000 595.880 59.476
2.610 0.256 602.397 48.000 40.000 595.882 59.487
2.810 0.256 602.401 48.000 40.000 595.884 59.504
3.010 0.256 602.404 48.000 40.000 595.886 59.517
3.210 0.256 602.406 48.000 40.000 595.887 59.525
3.410 0.256 602.407 48.000 40.000 595.887 59.528
3.610 0.256 602.407 48.000 40.000 595.887 59.529
3.810 0.256 602.407 48.000 40.000 595.887 59.528
4.010 0.256 602.407 48.000 40.000 595.887 59.526
Otro programa para simular el mismo reactor es listado en el apéndice con el

nombre cstrni2.m
7.2 COLUMNA DE DESTILACIÓN BINARIA
La simulación digital de una columna de destilación es bastante complicada. La

primera complicación es el gran número de EDOs y ecuaciones algebraicas que deben
ser resueltas. Ilustraremos el procedimiento con la columna simple de destilación
binaria para la cual se han desarrollado las ecuaciones en el Cáp. 3 (Sec. 3.11). Se
asume flujos equimolares, volatilidad relativa constante, y un número de etapas teóricas.
Existen dos EDOs por plato (una ecuación de continuidad total y una ecuación de
continuidad de componente) y dos ecuaciones algebraicas por plato (una relación de
equilibrio liquido-vapor y una relación hidráulica de liquido)
dM n
= Ln+1 – Ln (7.8)
dt
d (M n xn )
= Ln+1 xn+1 + Vn -1 – Ln xn – Vyn (7.9)
dt
αx n
yn = (7.10)
1 + (α − 1) x n

Mn − Mn
Ln = Ln + (7.11)
β
La Ec. (7.11) es una relación lineal simple entre la retención de liquido en el plato,
Mn, y el flujo de liquido saliendo del plato, Ln. El parámetro β es la constante hidráulica
de tiempo, típicamente 3 a 6 seg. por plato.
A cada instante en el tiempo conocemos la retención de liquido Mn y las
composiciones del liquido xn. Nuestra lógica de simulación es:
1. Calcular las composiciones del vapor en todos los platos a partir de la Ec. (7.10)
2. calcular todos los flujos de liquido a partir de la Ec. (7.11)
3. evaluar todas las derivadas. Estas son el lado derecho de las Ecs. (7.8) y (7.9)
aplicadas a todos los platos
4. Integrar con EULER todas la EDOs y regresar nuevamente al paso 1
Se asume retención constante en el tanque de reflujo MD y en la base de la

columna MB. Controladores proporcionales con retroalimentación en ambos lados
extremos de la columna cambiarán la cantidad de reflujo R y la retención de vapor V
para controlar la composición del tope xD y la composición del fondo xB manteniéndolos
en los valores establecidos de 0,98 y 0,02 respectivamente.
La tabla a continuación lista un programa MATLAB denominado destbi.m dando
los resultados para un cambio en escalón de la composición de la alimentación de 0,50 a
0,55 en el tiempo igual a cero.
%Columna de Destilación Binaria Dinámica

% Controlada automaticamente
% Julio 2002
clear all
%Condiciones Iniciales
nt=20; % Numero de platos de la columna
nf=10; % Plato de alimentacion
mdo=100; % Retencion en el tanque de reflujo: moles
mbo=100; % Retencion en el rehervidor: moles
mo=10; % Retencion en cada plato: moles
ro=128.01; % Reflujo: mol/min
vo=178.01; % Flujo de vapor: mol/min
f=100; % Flujo de alimentacion
beta=0.1; % Constante hidraulica de tiempo: min
alpha=2.0; % Volatilidad relativa
% Perturbación
z=input('Ingrese concentración de ligero en la alimentación: ');% 0.55
fprintf('z= %4.4f f= %4.4f\n',z,f)
% Sintonización de controladores
kcd=input('Ganancia del controlador del tope: '); %1000
taud=input('Tiempo integral: '); %5
kcb=input('Ganancia del controlador del fondo: '); %1000
taub=input('Tiempo integral: '); %1.25
t=input('Tiempo de simulación (minutos): '); % 10
delta=0.01; % Tamano de paso
% Condiciones iniciales
time=0; tprint=0; erintd=0; erintb=0;

% Datos para xb (composición de fondos)

% x (composición en cada plato)
% xd (composición del destilado)
% en el estado estacionario con Z=0.5 (comp. de f)
xb=0.02;
x(1)=0.035;x(2)=0.05719; x(3)=0.08885;
x(4)=0.1318;x(5)=0.18622;x(6)=0.24951;x(7)=0.31618;
x(8)=0.37948;x(9)=0.43391;x(10)=0.47688;x(11)=0.51526;
x(12)=0.56295;x(13)=0.61896;x(14)=0.68052;x(15)=0.74345;
x(16)=0.80319;x(17)=0.85603;x(18)=0.89995;x(19)=0.93458;x(20)=0.96079;
xd=0.98;
% Calculo de flujo de liquido

for n=1:nt % Para los platos desde fondo al tope
m(n)=mo; % Retenciones
mx(n)=m(n).*x(n); % Ligero retenido en cada plato
lo(n)=ro+f; % Liquido en cada plato
if (n>nf),lo(n)=ro; % Liquido para platos sobre de f
end
end
fprintf('Tiempo XB X10 XD R V\n')
% VLE
while(time<t)% Tiempo de simulación
for n=1:nt
y(n)=alpha*x(n)/(1+(alpha-1)*x(n)); %Calculo de las
% composiciones del vapor en los platos Ec. 5.21
l(n)=lo(n)+(m(n)-mo)/beta; % Flujos de liquido Ec. (5.22)
end
yb=alpha*xb/(1+(alpha-1)*xb); % Composicion del vapor que sale del

rehervidor
%Controladores de Nivel en la Base de la Columna y en el Reflujo

% Controlador del fondo PI
errb=0.02-xb; % Comparador
v=vo-kcb*(errb+erintb/taub); % Accion de control
b=l(1)-v; % Ajuste de la cantidad de fondos
% Controlador del fondo PI
errd=0.98-xd; % Comparador
r=ro+kcd*(errd+erintd/taud); % Accion de control
d=v-r; % Ajuste de cantidad de destilado
if(r<0),fprintf('Por lo bajo del Nivel ó Composición Imaginaria')
end
if(v<0),fprintf('Por lo bajo del Nivel ó Composición Imaginaria')
end
if(d<0),fprintf('Por lo bajo del Nivel ó Composición Imaginaria')
end
if(b<0),fprintf('Por lo bajo del Nivel ó Composición Imaginaria')
end
%Evaluación de Derivadas
xbdot=(l(1).*x(1)-v*yb-b*xb)/mbo;
mdot(1)=l(2)-l(1);
mxdot(1)=v*(yb-y(1))+l(2).*x(2)-l(1).*x(1);

for n=2:nf-1
mdot(n)=l(n+1)-l(n);
mxdot(n)=v*(y(n-1)-y(n))+l(n+1).*x(n+1)-l(n).*x(n);
end
%Alimentación en el Plato
mdot(nf)=l(nf+1)-l(nf)+f;
mxdot(nf)=v*(y(nf-1)-y(nf))+l(nf+1).*x(nf+1)-l(nf).*x(nf)+f*z;
for n=nf+1:nt-1
mdot(n)=l(n+1)-l(n);
mxdot(n)=v*(y(n-1)-y(n))+l(n+1).*x(n+1)-l(n).*x(n);
end
mdot(nt)=r-l(nt);
mxdot(nt)=v*(y(nt-1)-y(nt))+r*xd-l(nt).*x(nt);
xddot=v*(y(nt)-xd)/mdo;
if (time<tprint)
%método de Integración Euler
time=time+delta;
xb=xb+delta*xbdot;
for n=1:nt
m(n)=m(n)+mdot(n)*delta;
mx(n)=mx(n)+mxdot(n)*delta;
x(n)=mx(n)./m(n);
if(x(n)<0),fprintf('Por lo Bajo del Nivel ó Composición
Imaginaria')
end
if(x(n)>1),fprintf('Por lo Bajo del Nivel ó Composición
Imaginaria')
end
end
% Graficas
subplot(2,1,1) %Esto activa una primer área de grafica 2x1
plot(time,xb), title('xb versus t')
hold on
grid on
subplot(2,1,2) %Esto activa una segunda área de grafica 2x1
plot(time,xd), title('xd versus t')
hold on
grid on
else
fprintf(' %2.1f %6.5f %6.5f %6.5f %6.2f
%6.2f\n',time,xb,x(10),xd,r,v)
tprint=tprint+0.5;
end
xd=xd+xddot*delta;
erintd=erintd+errd*delta;
erintb=erintb+errb*delta;
end
Obteniendo la siguiente tabla producto de la simulación

>> destbi
Ingrese concentración de ligero en la alimentación: .55
z= 0.5500 f= 100.0000
Ganancia del controlador del tope: 1000
Tiempo integral: 5

Ganancia del controlador del fondo: 1000

Tiempo integral: 1.25
Tiempo de simulación (minutos): 10
Tiempo XB X10 XD R V
0.0 0.02000 0.47688 0.98000 128.01 178.01
0.5 0.02014 0.51310 0.98000 128.01 178.16
1.0 0.02107 0.52426 0.98010 127.91 179.31
1.5 0.02218 0.53029 0.98035 127.64 181.08
2.0 0.02275 0.53227 0.98061 127.33 182.67
2.5 0.02267 0.53134 0.98076 127.10 183.70
3.0 0.02209 0.52868 0.98076 127.02 184.11
3.5 0.02129 0.52548 0.98064 127.07 183.99
4.0 0.02048 0.52271 0.98046 127.20 183.54
4.5 0.01985 0.52101 0.98029 127.33 182.97
5.0 0.01948 0.52053 0.98017 127.43 182.45
5.5 0.01939 0.52106 0.98013 127.45 182.12
6.0 0.01950 0.52214 0.98016 127.41 182.01
6.5 0.01973 0.52325 0.98022 127.33 182.08
7.0 0.01997 0.52405 0.98029 127.23 182.26
7.5 0.02013 0.52436 0.98035 127.15 182.44
8.0 0.02019 0.52422 0.98037 127.09 182.57
8.5 0.02016 0.52379 0.98035 127.07 182.61
9.0 0.02007 0.52328 0.98032 127.07 182.57
9.5 0.01996 0.52286 0.98027 127.08 182.47
Y la gráfica que muestra como cambian las concentraciones del fondo xb y del destilado
xd hasta alcanzar el estado estacionario
Fig 7.3a Simulación de columna de destilación al ENE
Se puede hacer la simulación para otros valores de las ganancias y tiempos

integrales para encontrar los mejores valores y sintonizar el controlador, así como
también variar el tiempo de simulación.

Si se desea visualizar el cambio de las demás variables como reflujo r y caudal de

vapor v se deben dar las siguientes ordenes para graficar
subplot(2,2,1) %Esto activa una primer área de grafica 2x2

plot(time,xb), title('xb versus t')
hold on
subplot(2,2,2) %Esto activa una segunda área de grafica 2x2
plot(time,xd), title('xd versus t')
hold on
subplot(2,2,3) %Esto activa una tercer área de grafica 2x2
plot(time,r), title('Reflujo versus t')
hold on
subplot(2,2,4) %Esto activa una cuarta área de grafica 2x2
plot(time,v), title('Vapor versus t')
hold on
Obteniéndose como respuesta la siguiente gráfica
Fig 7.3b Simulación de columna de destilación al ENE
7.3 REACTOR BATCH
Consideraremos ahora el reactor “batch” modelado en la Secc. 3.9 (Fig. 7-4).

inicialmente se alimenta vapor a la chaqueta para calentar al sistema hasta la
temperatura a la cual comienzan las reacciones consecutivas. Luego debe usarse en la
chaqueta agua de enfriamiento para remover el calor de las reacciones exotérmicas.

Cam
Pset
Temp. PTT Temp. PC

trans control
Salida de Xs
agua Vapor
Ws
T TM V
j
ρj CA Tj
CB QM
Pj
XW
Qj
Agua
Wc Fwo
Tjo
Trampa
Fig. 7-4 Reactor “Batch”
La señal de salida de temperatura del controlador van a dos válvulas, una válvula
de agua y una válvula de vapor. La instrumentación es totalmente neumática, así, la
presión de salida del controlador Pc va de 3 a 15 psig. Las válvulas deberán ajustarse de
tal manera que la válvula de vapor este completamente abierta cuando la presión de
salida del controlador Pc sea 15 psig, y cerrada a Pc = 9 psig (la mitad del rango total de
salida del controlador). La válvula de agua deberá estar cerrada a Pc = 9 psig y
completamente abierta a Pc = 3 psig. Las razones para operar las válvulas de esta
manera es para tener la correcta acción de seguridad en la eventualidad de que un
instrumento de aire falle. La válvula de vapor necesita presión de aire para abrirla y
entonces será fácil cerrarla. Podemos llamarla como una válvula (AO) “air-to-open”. De
otro lado, la válvula de agua necesita aire a presión para cerrarla y entonces es fácil
abrirla. Esta es una acción de válvula (AC) “air-to-close”. Si ocurre alguna emergencia,
debemos remover la fuente de calor (vapor) e ir a enfriamiento total.
Rango de salida del controlador (psig) 3 9 15

Válvula de vapor, fracción abierta Xs: 0 (cerrada) 1 (abierta)
Válvula de agua, fracción abierta Xw: 1 (abierta) 0 (cerrada)
Las ecuaciones para la reacción en fase liquida dentro del tanque y el metal del
recipiente son:
dC A
= – k1CA (7.12)
dt
dC B
= k1CA – k2CB (7.13)
dt

dT − λ1 − λ2 Q
= k1C A − k2CB − M (7.14)
dt ρC P ρC P VρC P
QM = hiAi(T – TM) (7.15)
dTM Q − QJ
= M (5.27)
dt ρ M C M VM
A. Con vapor en la chaqueta (se suministra vapor a 35 psia)
dρ s
Vj = ws – wc (7.16)
dt
MPj
ρs = (7.17)
R(T j + 460)
 Avp 
Pj = exp  + Bvp  (7.18)
 T + 460 
 j 
ws = Cvs Xs 35 − Pj (7.19)
Qj = – hos Aos (Tj – TM) (7.20)
Qj
wc = – (7.21)
H s − hc
B. Durante el enfriamiento con agua (agua a presión de 20 psig):
A 
Ao =  o  V j (7.22)
V 
 j  total
dV j
= Fwo (7.23)
dt
d (V j T j ) Qj
= Fwo Tjo + (7.24)
dt ρ jC j
Qj = how Ao (TM – Tj) (7.25)
Fwo = CVw Xw 20 (7.26)
C. Cuando la chaqueta esta llena con agua:

dT j FWo Qj
= (T jo − T j ) + (7.27)
dt Vj C jV j ρ j
Los valores numéricos de los parámetros son dados en la Tabla 7.1.

El transmisor de temperatura tiene un rango de 50 a 250 oF, así, la señal de salida
de presión neumática va desde 3 psig a 50 oF a 15 psig a 250oF
12
PTT = 3 + (T – 50) (7.28)
200
Un controlador proporcional de retroalimentación es usado con su salida basada

en 7 psig (su presión de salida es 7 psig cuando el error es cero)
Pc = 7 + Kc (Pset – PTT) (7.29)
La señal de referencia (“set point”) Pset viene de un generador de presión

neumática. Cuando la temperatura del proceso va sobre los 200 oF la señal de Pset varia
en forma de rampa para evitar mucha pérdida de componente B, como se ha discutido
en la Secc. 3.9.
Pset = 12 – RAMP(t – t200) (7.30)
donde RAMP = velocidad de cambio de Pset con el tiempo, psi/min

t = tiempo de un “batch”, min.
t200 = tiempo cuando la temperatura T del proceso alcanza 200 oF
Tabla 7.1 Parámetros para el reactor “batch”
α1 729,55 min-1 Vj 18,83 pies3

α2 6567,6 min-1 CVw 100 gpm/psi0,5
E1 15000 Btu/lb.mol Tjo 80 oF
E2 20000 Btu/lb.mol Ai 56,5 pies2
Avp - 8744,4 oR λ1 - 40000 Btu/lb.mol
Bvp 15,70 λ2 -50000 Btu/lb.mol
CAo 0,80 lb.mol A/pie3 CP 1 Btu/lbm oF
To 80oF V 42,5 pies3
Kc 10 psi/psi ρ 50 lbm/pie3
CVs 112 lbm/min.psi0,5 CM 0,12 Btu/lbm oF
hos 1000 Btu/h oF pie2 VM 9,42 pies3
how 400 Btu/h oF pie2 ρM 512 lbm/pie3
hi 160 Btu/h oF pie2 ρj 62,3 lbm/pie3
Ao 56,5 pies2 Cj 1 Btu/lbm oF
Hs – hc 939 Btu/lbm
A continuación se da un programa MATLAB reactorc.m para la simulación del

reactor así como los valores obtenidos al correr el programa.

Clear all
alpha1=729.5488; alpha2=6567.587;
%Constantes de Presión para la Corriente de vapor
avp=-8744.4; bvp=15.70036;delta=0.002;kc=2.0;tprint=1.0;
%condiciones Iniciales
ca=0.8;cb=0.0;time=0.0;t=80;tm=80;tj=259;pj=34.4;
dens=18*pj*144/(1545*(tj+460));
pset=12.6;
start=1.0;
fwo=0;
full=-1.0;
vj=0;
vjtj=0;
tflag=0;
cam=-1;
ramp=0.005;
fprintf('Tiempo CA CB XS XW T TM TJ FWO QJ QM\n')
band1=1;
band2=1;
while( band1 == 1)
while( band2 == 1)
k1=alpha1*exp(-15000/(1.99*(t+460.0)));
k2=alpha2*exp(-20000/((t+460.0)*1.99));
%Transmitansia
ptt=3+(t-50)*12/200;
%Controlador
pc=7.0+kc*(pset-ptt);
if (pc>15),pc=15;
end
if (pc<3),pc=3;
end
%Válvulas
xs=(pc-9)/6;
xw=(9-pc)/6;
if (xs>1),xs=1; end
if(xs<0),xs=0; end
if (xw>1),xw=1; end
if (xw<0),xw=0; end
%Test para la Corriente
if(start<0)
fwo=100*sqrt(20)*8.33*xw/62.3;
ws=0;
wc=0;
dens=0;
pj=0;
xs=0;
end
if (pj>=35)
ws=0;
else
ws=xs*112*sqrt(35-pj);
end
qj=-1000*56.5*(tj-tm)/60;
wc=-qj/939;
dendot=(ws-wc)/18.83;
dens=dens+delta*dendot;
%Bucle Iterativo para calcular la Temperatura y Presión

% usando la densidad conocida.

flagp=-1;
flagm=-1;
dtj=1;
loop=0;
pj=exp(bvp+avp/(tj+460));
loop=loop+1;
if (loop>50)
fprintf('Corriente de Temperatura Loop')
break;
else
dcalc=18*pj*144/(1545*(tj+460));
end
if (abs(dens-dcalc)<0.0011)
cadot=-k1*ca;
cbdot=k1*ca-k2*cb;
qm=160*56.5*(t-tm)/60;
tdot=(k1*ca*40000+k2*cb*50000)/50-qm/(42.4*50);
tmdot=(qm-qj)/(512*0.12*9.42);
%Integración
time=time+delta;
ca=ca+cadot*delta;
cb=cb+cbdot*delta;
t=t+tdot*delta;
tm=tm+tmdot*delta;
if (t>300),fprintf('Fin del Programa');break;end
end
if (t>200),start=-1;cam=1;
end
if(cam>0),pset=pset-delta*ramp;
end
if(dens>dcalc)
if(flagp<0)
tj=tj+dtj;
flagm=1;
end
else
dtj=dtj/2;
end
if (flagm<0)
tj=tj-dtj;
flagp=1;
else
dtj=dtj/2;
end
if (full>0)
qj=400*56.5*(tm-tj)/60;
tprint=2;
delta=1;
%Evaluación de Derivadas
tjdot=fwo*(80-tj)/18.83+qj/(18.83*62.3);
tj=tj+delta*tjdot;
else
ao=vj*56.5/18.83;
vj=vj+delta*fwo;
end

if (vj>=18.83)
full=1;
qj=400*ao*(tm-tj)/60;
vjtj=vjtj+delta*(fwo*80+qj);
end
if (vj<=0)
tj=80;
cadot=-k1*ca;
cbdot=k1*ca-k2*cb;
qm=160*56.5*(t-tm)/60;
tdot=(k1*ca*40000+k2*cb*50000)/50-qm/(42.4*50);
tmdot=(qm-qj)/(512*0.12*9.42);
%Integración
time=time+delta;
ca=ca+cadot*delta;
cb=cb+cbdot*delta;
t=t+tdot*delta;
tm=tm+tmdot*delta;
if (t>300),fprintf('Fin del Programa');
end
if (t>200),start=-1;
cam=1;
end
end
else
tj=vjtj/vj;
cadot=-k1*ca;
cbdot=k1*ca-k2*cb;
qm=160*56.5*(t-tm)/60;
tdot=(k1*ca*40000+k2*cb*50000)/50-qm/(42.4*50);
tmdot=(qm-qj)/(512*0.12*9.42);
%Integración
time=time+delta;
ca=ca+cadot*delta;
cb=cb+cbdot*delta;
t=t+tdot*delta;
tm=tm+tmdot*delta
if (t>300),break;
end
if (t>200),start=-1;cam=1;
end
end
end
if(time >100)
band1=0;break;
end
if(time < tflag)
else
fprintf(' %2.1f %1.3f %1.3f %1.2f %3.1f %3.1f %3.1f %2.1f
%3.1f %6.1f %6.1f\n',time,ca,cb,xs,xw,t,tm,tj,fwo,qj,qm)
tflag=tflag+tprint;
end
end
end

» reactor.m
Tiempo CA CB XS XW T TM TJ FWO QJ QM
0.0 0.800 0.000 1.00 0.0 80.0 80.6 80.0 0.0 -168558.3 0.0
1.0 0.799 0.001 1.00 0.0 80.4 80.1 80.0 0.0 113.2 43.7
2.0 0.799 0.001 1.00 0.0 80.8 80.1 80.0 0.0 89.3 104.0
3.0 0.798 0.002 1.00 0.0 81.1 80.1 80.0 0.0 125.6 151.6
4.0 0.798 0.002 1.00 0.0 81.5 80.2 80.0 0.0 168.8 195.3
5.0 0.797 0.003 1.00 0.0 81.8 80.2 80.0 0.0 211.1 236.6
6.0 0.797 0.003 1.00 0.0 82.1 80.3 80.0 0.0 251.6 275.8
7.0 0.796 0.004 1.00 0.0 82.4 80.3 80.0 0.0 290.0 313.1
8.0 0.796 0.004 1.00 0.0 82.7 80.3 80.0 0.0 326.6 348.5
9.0 0.795 0.005 1.00 0.0 82.9 80.4 80.0 0.0 361.3 382.1
10.0 0.795 0.005 1.00 0.0 83.2 80.4 80.0 0.0 394.3 414.0
.
.
.
78.0 0.755 0.045 1.00 0.0 87.6 81.0 80.0 0.0 984.0 984.2
79.0 0.755 0.045 1.00 0.0 87.6 81.0 80.0 0.0 984.3 984.5
80.0 0.754 0.046 1.00 0.0 87.6 81.0 80.0 0.0 984.6 984.7
81.0 0.754 0.046 1.00 0.0 87.6 81.0 80.0 0.0 984.8 984.9
82.0 0.753 0.047 1.00 0.0 87.6 81.0 80.0 0.0 984.9 985.0
83.0 0.752 0.047 1.00 0.0 87.6 81.0 80.0 0.0 985.0 985.1
84.0 0.752 0.048 1.00 0.0 87.6 81.0 80.0 0.0 985.1 985.1
85.0 0.751 0.049 1.00 0.0 87.6 81.0 80.0 0.0 985.1 985.1
86.0 0.751 0.049 1.00 0.0 87.6 81.0 80.0 0.0 985.1 985.0
87.0 0.750 0.050 1.00 0.0 87.6 81.0 80.0 0.0 985.0 985.0
88.0 0.750 0.050 1.00 0.0 87.6 81.0 80.0 0.0 984.9 984.8
89.0 0.749 0.051 1.00 0.0 87.6 81.0 80.0 0.0 984.8 984.7
90.0 0.748 0.051 1.00 0.0 87.6 81.0 80.0 0.0 984.6 984.5
91.0 0.748 0.052 1.00 0.0 87.6 81.0 80.0 0.0 984.4 984.3
92.0 0.747 0.053 1.00 0.0 87.6 81.0 80.0 0.0 984.2 984.0
93.0 0.747 0.053 1.00 0.0 87.6 81.0 80.0 0.0 983.9 983.8
94.0 0.746 0.054 1.00 0.0 87.6 81.0 80.0 0.0 983.6 983.5
95.0 0.746 0.054 1.00 0.0 87.6 81.0 80.0 0.0 983.3 983.1
96.0 0.745 0.055 1.00 0.0 87.6 81.0 80.0 0.0 983.0 982.8
97.0 0.744 0.055 1.00 0.0 87.6 81.0 80.0 0.0 982.6 982.4
98.0 0.744 0.056 1.00 0.0 87.6 81.0 80.0 0.0 982.3 982.0
99.0 0.743 0.057 1.00 0.0 87.6 81.0 80.0 0.0 981.9 981.6
»

CAPITULO
8
CASOS DE ESTUDIO
8.1 INTERCAMBIADOR DE DOBLE TUBO
En el Laboratorio de Operaciones Unitarias de la Facultad de Ingeniería Química

de la UNT, se dispone de un intercambiador de calor de doble tubo fluido-fluido el cual
se usa para realizar las practicas sobre transferencia de calor.
8.1.1 Características del intercambiador en estudio
El intercambiador que se ha usado para el presente estudio, es un intercambiador

de calor de doble tubo, de cobre operando en contracorriente y tiene las siguientes
dimensiones:
Diámetro nominal del tubo interior: D1 = 1/ 2” (1,27 cm.)

Diámetro nominal del tubo exterior: D2 = 3/ 4” (1,905 cm)
Área de sección transversal del tubo interior: At = 1,266 cm2
Área de sección transversal del anillo: Aa = 1,58 cm2
Longitud: L = 10 pies (3,65 m)
Área de transferencia de calor: A = 0,1239 m2
Volumen vacío en el lado del tubo interior: Vt = 462,09 cm3
Volumen vacío en el lado del anillo: Va = 576,7 cm3
. En la operación del intercambiador para fines de estudio, se hará circular al

fluido caliente por el tubo interior y al fluido frío (al cual hemos denominado fluido de
proceso) por el anillo.

Fig. 8-1 Intercambiador de Calor de Doble tubo
8.1.2 Modelamiento del sistema
La primera ley de la termodinámica lleva adelante el principio de conservación de

energía. Escribiendo para un sistema abierto (donde puede ocurrir entrada y salida de
flujo de material) esto es
Flujo de energía interna Flujo de energía interna Calor adicionado al sistema por
Cinética y potencial en- potencial y cinética sa- conducción, radiación y reacción
Trando al sistema por liendo del sistema por
Convección y difusión convección y difusión
Trabajo realizado por el Cambio con el tiempo de la

sistema sobre los alre- energía interna, cinética y (8.1)
dedores (trabajo de eje y potencial dentro del sistema
de cambio de volumen PV
Aplicando la Ec. (2.18) para una corriente cualquiera en el intercambiador de

calor dado en la Fig. 8-1, se tiene:
d
Foρo(Uo+Ko+φo)–Fρ(U+K+φ)+(QG+Q)–(W+FP–FoPo) = [(U+K+φ)Vρ] (2.20)
dt
d
Voρo(Uo+Ko+φo)-Vρ(U+K+φ)+(QG+Q)-(W+VP-VoPo) = [(U+K+φ)V′ρ] (8.2)
dt

donde U = energía interna (energía por unidad de masa)

K = energía cinética (energía por unidad de masa)
φ = energía potencial (energía por unidad de masa)
W = trabajo de eje realizado por el sistema (energía / tiempo)
P = presión del sistema
Po = presión de la corriente de alimentación
F = caudal volumétrico (volumen / tiempo)
V = volumen del sistema ocupado por el fluido
ρ = densidad (masa/volumen)
QG = calor generado por reacción
Q = calor transferido (saliendo o entrando a la corriente)
t = tiempo
o = el subíndice o significa entrada al sistema
Notar que todos los términos en la Ec. (8.2) deben tener las mismas unidades
(energía por tiempo), así los términos FP deben usar el factor de conversión apropiado
(778 pies.lbf/Btu en el sistema inglés de unidades)
En el intercambiador en estudio no se genera calor por lo que QG = 0, y no se hace

ningún trabajo de eje, así W = 0. Si las velocidades de flujo de entrada y salida no son
muy altas, el término de energía cinética es despreciable. Si la elevación de los flujos de
entrada y salida están mas o menos al mismo nivel, el término de energía potencial es
pequeño. entonces la Ec. 8.2 se reduce a
d ( ρVU ) P P
= FoρoUo - FρU + Q - Fρ + Foρo o
dt ρ ρo
_ _
= Foρo (Uo + Po Vo ) - Fρ (U +P V ) + Q (8.3)
_
donde V es el volumen especifico (pies3/lbm o m3/Kg.), el reciproco de la densidad.
La entalpía H o h, se define:
_
H oh≡U+PV (8.4)
Nosotros usaremos h para la entalpía de una corriente liquida y H para la entalpía

de una corriente de gas o vapor. Luego, para una corriente cualquiera del
intercambiador
d ( ρVU )
= Foρoho - Fρh + Q (8.5)
dt
_
Para líquidos el término P V es despreciable comparado con el termino U, y
podemos usar la velocidad de cambio de la entalpía del sistema en lugar de la energía
interna del sistema

d ( ρVh)
= Foρoho - Fρh + Q (8.6)
dt
Las entalpías son funciones de la composición, temperatura, y presión, pero
principalmente de la temperatura. A partir de la termodinámica, la capacidad calorífica a
presión constante, Cp, y a volumen constante Cv, son
 ∂H   ∂U 
Cp =   Cv =   (8.7)
 ∂T  p  ∂T  v
Para demostrar que la energía es primeramente influenciada por la temperatura,

haremos una simplificación del problema asumiendo que la entalpía del liquido puede
ser expresada como un producto de la temperatura absoluta y una capacidad calorífica
promedio Cp, (Btu/lbm °R o kJ/kg K) que es constante.
H = Cp T (8.8)
También asumiremos que las densidades de todas las corrientes liquidas son
constantes. Con estas simplificaciones la Ec. 8.6 será
d (VTc )
ρCp = ρ Cp (FoTo – FT) + Q (8.9)
dt
De la ecuación de Fourier, para el calor transferido se tiene:
Q = U A ∆T (8.10)
donde U = coeficiente total de transferencia de calor

A = área de transferencia de calor
Reemplazando la Ec. 8.10 y considerando que el volumen ocupado por la

corriente es constante, la Ec. 8.9 será:
d (Tc )
ρV Cp = ρ Cp (FoTo – FT) + U A ∆T (8.11)
dt
Considerando que:
ρV = M : masa de fluido dentro del sistema
ρFo = ρF = m(t) : Flujo de masa entrando y saliendo del sistema, el cual varía con
el tiempo de acuerdo a las condiciones de operación del intercambiador, y si los flujos
de masa varían, también variará el coeficiente total de transferencia de calor. Por lo
tanto U = U(t). Con estas simplificaciones y asunciones la Ec. 8.11 será:
d (Tc )
MCp = Cp m(t)(To – T) + U(t) A ∆T (8.12)
dt

Tomando la temperatura Tc de la corriente como el promedio entre las

temperaturas de entrada To y salida T
To + T
Tc = (8.13)
2
Reemplazando la Ec. 8.13 en 8.12 y considerando que la temperatura de entrada

es constante, se tiene:
d (T )
= 2[ m(t)(To – T) + U(t) A ∆T(T) / Cp] /M (8.14)
dt
Aplicando la Ec. 8.14 tanto para el fluido de calentamiento como para el fluido de
proceso del intercambiador, y considerando que el fluido de calentamiento cede calor y
el fluido de proceso absorbe calor, se tiene:
d (Tc )
= 2[ mc(t)(Tco – Tc) - U(t) A ∆T(T) / Cpc] /Mc (8.15)
dt
d (T p )
= 2[ mp(t)(Tpo – Tp) + U(t) A ∆T(T) / Cpp] /Mp (8.16)
dt
Donde T = (Tc, TCo, Tp, Tpo) es un vector de temperaturas de los fluidos de entrada
y salida, ∆T(T) es la diferencia media efectiva de temperaturas, la cual puede ser la
diferencia media aritmética de temperaturas (DMAT).
∆T(T) = [(Tp – Tco) + (Tpo –Tc)]/2 (8.17)
o como en la mayoría de los casos prácticos, la diferencia media logarítmica de

temperaturas (DMLT).
∆T (T ) =
(Tco − T p ) − (Tc − TPo )
ln(T − T p ) − ln(Tc − T po )
(8.18)
co
La dependencia del tiempo del coeficiente de transferencia de calor es importante

para variaciones en el área de transferencia de calor. En este caso asumimos que
U(t)≠0, t≥0 y Tco>Tpo ó (Tco<Tpo respectivamente). Las asunciones precedentes implican
que bajo condiciones normales de operación, Tco>Tc o (Tco<Tc respectivamente), de
modo que el sistema de control está bien definido para todo t>0.
8.1.3 Toma de datos del proceso
Para el efecto se ha considerado una operación en contracorriente fluido-fluido en

la cual tanto el fluido caliente como el fluido frío es agua, cuyas propiedades físicas son:

Densidad del fluido caliente: ρc =980 kg/m3

Densidad del fluido frío: ρp = 1000 kg/m3
Capacidades caloríficas: Cpc = Cpp = 4,184 kJ/(kg . K)
Masa de liquido dentro del tubo: Mc = 0,462 kg
Masa de liquido dentro del anillo: Mp = 0,576 kg
Tabla 8.1 Datos experimentales
Tiempo: min. Tc: °C Tp: °C

0 46,11 24,00
0,05 38,12 36,09
0,10 33,47 42,11
0,15 32,61 42,81
0,20 32,25 43,62
0,25 32,00 43,71
0,30 31,73 43,82
0,35 31,72 43,83
0,40 31,72 43,83
mC = 4,69 kg /min. (constante)

mP = 5,01 kg/min. (constante)
Tco = 46,11 °C (constante)
Tpo = 24 °C (constante)
TC = 31,72 °C (al alcanzar el estado estacionario)
Tp = 43,83 °C (al alcanzar el estado estacionario)
Al graficar los datos obtenidos en la Fig. 8-2, se pueden observar que

corresponde a un sistema subamortiguado
8.1.4 Simulación del proceso
Aún cuando la bibliografía nos indica que el modelo de Ecuaciones (8.15 y 8.16)
deducidas para el proceso de transferencia de calor en el intercambiador de doble tubo
del Laboratorio de Operaciones Unitarias, es similar a los modelos reportados para
otros intercambiadores, para tener la seguridad de que el modelo propuesto se ajusta al
proceso en estudio, se debe simular la operación del intercambiador usando el modelo
propuesto y comparar con los datos experimentales.
Reemplazando los valores numéricos y usando los datos dados en la Tabla 1, las
Ec. 8.15 y 8.16 se escribirán como:
d (T p )
= -16,1 Tp + 1,30 Tc + 446,14 (a)
dt
d (Tc )
= 1,62 Tp – 21,92 Tc + 900,46 (b)
dt

las Ecuaciones (a) y (b) constituyen un sistema de ecuaciones diferenciales

ordinarias. Este sistema se puede escribir como:
Tp -16,1 1,30 446,14

y= M= S=
Tc 1,62 -21,92 900,46
Haciendo uso de MATLAB para la simulación del proceso, para lo cual se tiene
el siguiente programa:
» clear, clf, hold off
» n=1;
» h=0.01;
» t(1)=0; y(:,1)=[46.11; 24];
» M=[-16.1, 1.30; 1.62, -21.92]; S=[446.14; 900.46];
» while n<101
y(:,n+1)=y(:,n)+h*(M*y(:,n)+S);
t(n+1)=n*h;
n=n+1;
end
» plot(t,y(1,:),t,y(2,:),'--')
» grid on;
» xlabel('Tiempo t: min');
» ylabel('Temperaturas Tp y Tc: C');
50
45
Temperaturas Tp y Tc: C
Temperatura de salida
del fluido frio
40
35
30
del fluido caliente
25
20
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Tiempo: min
Fig. 8-2 Datos experimentales de temperaturas vs. tiempo

La simulación llevada a cabo para el intercambiador en estudio cuyos resultados

se muestran en la Fig. 8-3, tienen la misma tendencia que los valores experimentales
reportados en la Fig. 8-2 Consecuentemente podemos concluir que el modelo
matemático describe exactamente al proceso de transferencia de calor llevado a cabo en
el intercambiador de doble tubo del LOU. Este mismo modelo puede generalizarse para
cualquier intercambiador incluyendo los condensadores y hervidores.
50
45
Temperaturas Tp y Tc: C
del fluido frio Tp2
40
35
30 Temperatura de salida
del fluido caliente Tc2
25
20
0 0.2 0.4 0.6 0.8 1
Tiempo t: min
Fig. 8-3 Simulación del intercambiador de calor
8.2 MODELAMIENTO DE REACTORES TUBULARES
Un modelo general para el cálculo de reactores debe tener en cuenta la clase de

reacción a efectuar y el tipo de reactor utilizado.
Considerando dos reacciones homogéneas:
k1
a 1 A + b1 B + c 1 C d1D + e1E + f1F (8.19)
k2
k3
a 2 A + b 2 B + d2 D + e 2 E g2G + h2H + f2F (8.20)
k4
Que pueden incluir los siguientes casos

1) Una sola reacción irreversible
k2 = k3 = k4 = 0

2) Una sola reacción reversible

k3 = k4 = 0
3) Dos reacciones irreversibles en serie
k2 = k4 = 0 f1 = a2 = b2 = 0
4) Dos reacciones reversibles en serie
f1 = a2 = b2 = 0
5) Dos reacciones irreversibles en paralelo
k2 = k4 = 0 c 1 = d2 = e 2 = 0
6) Dos reacciones reversibles en paralelo
e 1 = d2 = e 2 = 0
7) Dos reacciones irreversibles en serie paralelo
k2 = k4 = 0
8) Dos reacciones reversibles en serie paralelo (caso mas general)
Como puede observarse, las alternativas 1 a 7 son casos especiales del caso
general, en el cual las expresiones cinéticas son:
R1 = K1 C Aaa1 C Bbb1 C Ccc1 - K2 C Ddd1 C Eee1 C Fff1 (8.21)
R2 = K3 C Aaa2 C Bbb2 C Ddd 2 C Eee2 - K4 C Ggg 2 C Hhh2 C Fff 2 (8.22)
donde R1, R2 = velocidades de reacción, masa/vol.tiempo

Ci = concentraciones del componente i, masa/vol
aa1 = orden de reacción del componente A en la reacción 1
K1 = coeficiente de velocidad de reacción (masa/vol.)1-N x (tiempo)-1
N = orden total de reacción en la reacción parcial
8.2.1 Sistema de dos reacciones generalizadas
Para el programa de computo, las sustancias químicas de a a h son designadas por

los números de 1 al 8, los coeficientes que indican cuanta moléculas de cada
componente intervienen en una reacción se designa con la matriz A(I, J), y los ordenes
de reacción con la matriz B(I, J), donde:
I = indica la reacción
J = el componente
Con estas designaciones y con la sugerencia de Aris (1969) de designar con signo
negativo a los reactantes y signo positivo a los productos, las ecuaciones de 1 a 4 se
pueden escribir como:

– A(1,1)(1) – A(1,2)(2) – A(1,3)(3) + A(1,4)(4) + A(1,5)(5) + A(1,6)(6) = 0
– A(2,1)(1) – A(2,2)(2) – A(2,4)(4) – A(2,5)(5) + A(2,6)(6) + A(2,7)(7)

+ A(2,8)(8) = 0
A(I, J) = coeficiente del componente “J” en la reacción “I”
B(I, J) = orden de reacción del componente “J”en la reacción “I”
R1 = K1 C1B (1,1) C 2B (1, 2 ) C 3B (1,3) - K2 C 4B (1, 4) C 5B (1,5) C 6B (1,6 ) (8.23)
R2 = K3 C1B ( 2,1) C 2B ( 2, 2 ) C 4B ( 2, 4 ) C 5B ( 2,5) - K4 C 6B ( 2,6 ) C 7B ( 2,7 ) C8B ( 2,8) (8.24)
 − Ei 
Ki = Aoi Exp   = constante de velocidad de reacción (8.25)
 RgT 
Aoi = factor de frecuencia
Ei = energía de activación
Rg = constante general de los gases
8.2.2 Modelamiento de las reacciones generalizadas en el reactor tubular
Modelando el sistema al estado no estacionario. Los modelos para este tipo de

sistemas usualmente son descritos por ecuaciones diferenciales. En la construcción del
modelo se usa el método de bloques para representar al sistema.
dz
Fi Fi + dFi
D
Z=0 Z=1
TS
T T + dT
Z=0 dPT Z=1
PT PT + dPT
Z=0 Z=1
Fig. 8-4 Diagrama de un reactor tubular

A) BALANCE DE MATERIA EN UN REACTOR TUBULAR EN ESTADO

ESTABLE.
Dado que la mezcla de reactantes y productos va cambiando con la posición a lo

largo del reactor, se usa, según menciona Himmelblau y Bishoff (1968), un modelo de
parámetros distribuidos que se ilustra en la Fig. (8-4).
Tomando como base el componente 1 con un coeficiente unitario, los balances de
materia para cada componente, en estado estable, se tiene para un elemento diferencial de
reactor, de longitud dz:
ENTRADA – SALIDA + FORMACION – DESAPARICION POR REACCIONES 1 Y 2
= ACUMULACION (8.26)
F1 – (F1 + dF1) – R1dV – R2dV =0 (8.26.1)

A(1,2) A(2,2)
F2 – (F2 + dF2) – R1dV – R2dV =0 (8.26.2)
A(1,1) A(2,1)
A(1,3)
F3 – (F3 + dF3) – R1dV =0 (8.26.3)
A(1,1)
A(1,4) A(2,4)
F4 – (F4 + dF4) – R1dV – R2dV =0 (8.26.4)
A(1,1) A(2,1)
A(1,5) A(2,5)
F5 – (F5 + dF5) – R1dV – R2dV =0 (8.26.5)
A(1,1) A(2,1)
A(1,6) A(2,6)
F6 – (F6 + dF6) – R1dV – R2dV = 0 (8.26.6)
A(1,1) A(2,1)
A(1,7) A(2,7)
F7 – (F7 + dF7) – R1dV – R2dV = 0 (8.26.7)
A(1,1) A(2,1)
A(1,8) A(2,8)
F8 – (F8 + dF8) – R1dV – R2dV = 0 (8.26.8)
A(1,1) A(2,1)
F9 – (F9 + dF9) =0 (8.26.9)

dF9 = 0 (Inerte)
πD 2
V= z (8.27)
4
πD 2
dV= dz (8.28)
4

B) GENERALIZACION DE LOS BALANCES DE MATERIA
Para la especie 1, de la Ec. (8.26.1):

F1 – (F1 + dF1) – R1dV – R2dV =0 (8.26.1)
Reemplazando la Ec. (8.28) en la Ec. (8.26.1)
πD 2 πD 2
– dF1 – R1dz – R2dz = 0
4 4
πD 2 πD 2
dF1 = – R1dz – R2dz
4 4
dF1 πD 2 πD 2
= R1 – R2
dz 4 4
πD 2
Haciendo: = AA : área de sección transversal del reactor, se tiene
4
dF1
= AA [− R1 − R2 ] (8.29)
dz
Para la especie 2, de la Ec. (8.26.2)
A(1,2) A(2,2)
F2 – (F2 + dF2) – R1dV – R2dV =0
A(1,1) A(2,1)
A(1,2) A(2,2)
– dF2 – R1dV – R2dV = 0
A(1,1) A(2,1)
A(1,2) πD 2 A(2,2) πD 2
– dF2 – R1dz – R2dz =0
A(1,1) 4 A(2,1) 4
dF2  A(1,2) A(2,2) 

= AA − R1 − R2 (8.30)
dz  A(1,1) A(2,1) 
De igual manera se procede para las demás especies, obteniendo el siguiente

conjunto de ecuaciones generalizadas para el balance de materia:
dF1
= AA [− 1,0 R1 − 1,0 R2 ] (8.30.1)
dz
dF2  A(1,2) A(2,2) 

= AA − R1 − R2  (8.30.2)
dz  A(1,1) A( 2,1) 
dF3  A(1,3) 
= AA − R1 .................... (8.30.3)
dz  A(1,1) 

dF4  A(1,4) A(2,4) 

= AA − R1 − R2 (8.30.4)
dz  A(1,1) A(2,1) 
dF5  A(1,5) A(2,5) 

= AA − R1 − R2 (8.30.5)
dz  A(1,1) A(2,1) 
dF6  A(1,6) A(2,6) 

= AA − R1 − R2 (8.30.6)
dz  A(1,1) A(2,1) 
dF7  A(2,7) 
= AA ................... − R2 (8.30.7)
dz  A(2,1) 
dF8  A(1,8) A(2,8) 

= AA − R1 − R2 (8.30.8)
dz  A(1,1) A(2,1) 
dF9
= 0 (inerte) (8.30.9)
dz
Este conjunto de ecuaciones se puede generalizar en la ecuación siguiente:
dF j  A(1, j ) A(2, j ) 
= AA − R1 − R2  (8.31)
dz  A(1,1) A(2,1) 
j = 1, 2, ...,9
La Ec. (8.31) es el modelo matemático que describe el balance de materia en un

reactor tubular al estado estacionario.
C) BALANCE DE ENERGIA EN UN REACTOR TUBULAR AL ESTADO

ESTACIONARIO
Aplicando la ecuación general del balance de energía a un elemento diferencial

del reactor con volumen dV y longitud dz de la Fig. (8-4)
 u 2j   u 2j   dE 
ΣFj  H j + + gz j  – ΣFj  H j + + gz j  + Q – WS =   (8.32)
 2  ent  2  sal  dt 
Para un reactor químico: WS = 0
 u 2j   u 2j 
ΣFj   = ΣFj  
 2  ent  2  sal

ΣFj [gz j ]ent = ΣFj [gz j ]sal
Σ [F j H ] [ ]  dE 
j – Σ Fj H j + Q=   (8.33)
ent sal
 dt 
dE
=0
dt
Σ [F j H j ]
ent
[
– Σ Fj H j ]
sal
+ Q=0 (8.34)
Para un reactante o producto que toma parte en una reacción, en términos del
reactante límite A y la conversión fraccional xA, se tiene:
Fj = Foj – (vj/vA)FoA xA (8.35)
(vj/vA) = – (si el componente j es reactante)

(vj/vA) = + (si el componente j es producto)
j = salida
oj = entrada
Σ Foj H oj – Σ Foj H j + [Σ(vj/vA H j ] FoA xA + Q = 0 (8.36)
ΣFoj ( H oj – H j ) – ∆HR(T) FoA xA + Q = 0 (8.37)

Tomando:
( H oj – H j ) = CPj (Toj - Tj)
ΣFoj = FoT
ΣFoj ( H oj – H j ) = FoT C P (Toj – Tj) (8.38)
C P = capacidad calorífica de la mezcla
De la Ecuación de Fourier para la transferencia de calor:
Q
A= (8.39)
U∆T
∆T ≅ (TS – T) (8.40)
TS = temperatura de los alrededores
T = temperatura media del sistema
A = área lateral para la transferencia de calor

Q
A=
U (TS − T )
Q = AU(TS – T) (8.41)
Reemplazando las Ecs (8.38) y (8.41) en la Ec. (8.37)
FoT C P (Toj – Tj) – ∆HR(T) FoA xA + U(TS – T) A = 0 (8.42)
Para un elemento diferencial de volumen dV:

V = AT z
πD 2
V= z AL = π D z
4
4V AL
π= (a) π= (b)
D2z Dz
4V
Igualando (a) y (b), AL =
D
Pero también: V = AT z
4 AT 4 AT
Luego: AL = z y dAL = dz
D D
Denominando AT = AA (área de sección transversal) y AL = A (área lateral), se

tiene:
4aa
dAL = dz (8.43)
D
El balance de energía para un elemento diferencial de volumen dV, estará dado

por:
FoT C P (T – (T + dTj)) – ∆HR(T) FoA dxA + U(TS – T) dA = 0 (8.44)
Del balance de materiales para un reactor tubular:
FA = FoA – FoA xA
Para un elemento diferencial de volumen dV

dFA = FoA – FoA dxA
pero – FoA dxA = RA dV
luego ∆HR(T) FoA dxA ≅ ∆HR(T) RA dV

Para dos reacciones:
∆HR1(T) FoA xA1 – ∆HR2(T) FoA xA2 ≅ ∆HR1(T) RA1 dV – ∆HR2(T) RA2 dV (8.45)
pero dV = AA dz, luego:
4 AA
– FoT C P dT – ∆HR1(T) RA1 AAdz – ∆HR2(T) RA2 AAdz – + U(TS – T) dz = 0
D
4 AA
FoT C P dT = + U(TS – T) dz – (∆HR1(T) RA1 – ∆HR2(T) RA2 )AAdz
D
dT AA 4
= −
[ U(TS – T) – (∆HR1(T) RA1 – ∆HR2(T) RA2)] (8.46)
dz F C D
0T P
D) BALANCE DE MOMENTUM
De Peters y Timmerhaus, para la caída de presión a lo largo de un tubo se tiene:
∆P 2 fG 2
− = (8.47)
∆L g c ρD
donde: f = factor de fricción

G = velocidad másica (lb/h. Pie2)
gc = factor de conservación de la ley de movimiento de Newton
(32,17)(3 600)2 pies/h2.lbf
ρ = densidad (lb/pie3)
D = diámetro (pies)
∆P = caída de presión (lbf/pie2)
Arreglando la Ec. (8.47) para el sistema internacional (SI), para una longitud
diferencial de tubo dz se tiene:
dP 4,07 × 1010 M 1,84 µ 0,16

= (8.48)
dz ρD 4,84
donde: dP = caída de presión (kN/m2)

M = flujo másico (kg/s)
ρ = densidad (kg/m3)
dz = incremento de la longitud (m)
D = diámetro del tubo (mm)
µ = viscosidad (Ns/m2)
Para variaciones de la densidad en función de la temperatura, la Ec. (8.48) estará
dada por:

dP 4,895 × 10 9 M 1,84 µ 0,16T

= (8.49)
dz Pt PM D 4,84
donde: dP/dz = kPa/m
Pt = kPa
M = kg/s
µ = Ns/m2
D = mm
Las Ecs. (8.31), (8.46) y (8.49) representan el modelo matemático para un reactor
tubular en el cual se pueden llevar a cabo cualquiera de las reacciones enunciadas
anteriormente.
Balance de Materiales
dF j  A(1, j ) A(2, j ) 
= AA − R1 − R2  (8.31)
dz  A(1,1) A(2,1) 
j = 1, 2, ...,9
Balance de Energía
dT AA 4
= −
[ U(TS – T) – (∆HR1(T) RA1 – ∆HR2(T) RA2)] (8.46)
dz F C D
0T P
Balance de Momentum
dP 4,895 × 10 9 M 1,84 µ 0,16T

= (8.50)
dz Pt PM D 4,84
Condiciones de frontera:
Para z = 0
F(j) = Fo(j) j = 1, . . . 9
T = To
P = Po
La aplicación se puede hacer en:

- Operación adiabática
- Operación no adiabática

8.3 TANQUE AGITADO CON CALENTAMIENTO
Los recipientes de calentamiento son usados en muchos procesos químicos. A

menudo estos recipientes de mezclado son calentados, ya sea por un serpentín o por una
chaqueta alrededor del recipiente. Por ejemplo, un recipiente de mezcla puede servir
como un reactor químico, donde dos o más componentes reaccionan para producir uno o
más productos. A menudo esta reacción debe ocurrir a cierta temperatura para conseguir
un rendimiento adecuado. La temperatura en el recipiente es mantenida mediante la
variación del flujo de un fluido a través de la chaqueta o serpentín.
Considerar un calentador tipo tanque agitado mostrado en la Fig. 8-5, donde la
corriente de entrada al tanque es recibida desde otra unidad de proceso. El objetivo es
llevar el valor de la temperatura de la corriente de entrada a un valor deseado. Un fluido
de transferencia de calor se hace circular a través de la chaqueta para calentar el fluido
en el tanque. En algunos procesos se usa vapor como el fluido de transferencia de calor
y la mayor cantidad de energía transportada es debido al cambio de fase de vapor a
agua. En otros procesos se usa un fluido de transferencia de calor en donde no hay
cambio de fase. En este caso asumimos que no ocurre cambio de fase en el fluido del
tanque ni en el de la chaqueta.
Entrada al tanque
Fi
Ti Entrada a la chaqueta
Fji
Tji
V T
Salida de la chaqueta
Fj Tanque Salida del tanque
Tj T
Chaqueta
F
Fig. 8.5 Tanque calentador agitado enchaquetado
Después de estudiar este caso, el lector debe estar capacitado para:
• Desarrollar el modelo dinámico no lineal de un tanque perfectamente mezclado

con calentamiento.
• Encontrar el espacio de estado y la función de transferencia a partir de un
calentador tipo tanque agitado linealizado.
• Comparar la respuesta dinámica de los modelos lineal y no lineal.
• Usar MATLAB para las simulaciones lineal y no lineal.
• Analizar el comportamiento de plano de fase.
1. Introducción.
2. Desarrollando el Modelo Dinámico.
3. Condiciones de estado estacionario.

4. Modelo de espacio de estado.

5. Modelo del Dominio de Laplace.
6. Respuestas Escalón: Modelos Lineal vs. No Lineal.
7. Perturbaciones en condiciones iniciales.
Desarrollo del modelo dinámico
En esta sección escribiremos las ecuaciones del modelamiento dinámico para

encontrar las temperaturas del tanque y la chaqueta. Esta metodología fue desarrollada
en los capítulos 2 y 3. Nosotros hacemos las siguientes asunciones.
• Volumen constante y líquidos con densidad y capacidad calorífica constantes.

• Perfectamente mezclado en el tanque y en la chaqueta.
• El flujo de entrada al tanque, el flujo de la chaqueta, la temperatura de entrada al
tanque y la temperatura de entrada a la chaqueta pueden cambiar (estas son las
entradas).
• La velocidad de transferencia de calor desde la chaqueta al tanque es gobernada
por la ecuación Q = UA(Tj – T), donde U es el coeficiente total de transferencia
de calor y A es el área de transferencia de calor.
La notación que usamos es presentada en la Tabla 8.1
Tabla 1. Notación
Variables Subíndices
A Área de transferencia de calor i Entrada
Cp Capacidad calorífica (energía/masa*temp.) j Chaqueta
F Flujo volumétrico (volumen/tiempo) ji Entrada a la chaqueta
ρ Densidad (masa/volumen) ref. Estado de referencia
T Temperatura s Estado estacionario
t Tiempo
Q Calor transferido (energía/tiempo)
U Coeficiente de transferencia de calor (energía /tiempo* área *temperatura)
V Volumen
Balance de Materiales Alrededor del Tanque
El primer paso es escribir un balance de Materiales alrededor del tanque:
acumulación = in – out
dVρ
= Fiρ – Fρ (8.51)
dT
dV
asumiendo densidad y volumen constantes = 0 , encontramos que:
dt
F = Fi

Balance de Energía alrededor del tanque
El siguiente paso es escribir un balance de energía alrededor del tanque. Aquí

despreciamos los cambios de energía cinética y potencial entre las corrientes de entrada
y salida y el trabajo de eje realizado por el impulsor del mezclador:
acumulación = in por flujo + in por transferencia de calor - out por flujo
dVρCp (T − Tref )
= FρiCp(Ti – Tref) + Q – FρCp(T – Tref) (8.52)
dt
y usando las asunciones de densidad, volumen y capacidad calorífica constantes,

encontramos:
d (T − Tref )
VρC p = FρiCp[(Ti – Tref) – (T – Tref)] + Q (8.53)
dt
o
d (T − Tref ) F Q
=(Ti − T ) + (8.54)
dt V VρC P
pero Tref es una constante, de tal manera que
d (T − Tref ) dT
= (8.55)
dt dt
y
dT F Q
= (Ti − T ) + (8.56)
dt V VρC P
También debemos efectuar un balance de materia y energía alrededor de la

chaqueta y usar las relaciones de conexión para la transferencia de calor entre el tanque
y la chaqueta.
Balance de Materiales alrededor de la Chaqueta
El balance de materiales alrededor de la chaqueta es:
acumulación = in – out
dV j ρ j
= Fjiρj –Fjρj (8.57)
dt
dV
asumiendo volumen y densidad constante, = 0 , encontramos:
dt
Fj = Fji

Balance de energía alrededor de la Chaqueta
A continuación, escribimos un balance de energía alrededor de la chaqueta.

Nuevamente, despreciamos la energía cinética y potencial y el trabajo de eje:
acumulación = in por flujo + in por transferencia de calor - out por flujo

dV j ρ j Cp j (T j − Tref )
= FjρjCpj(Tji – Tref) + Q – FjρjCpj(Tj – Tref) (8.58)
dt
y usando las asunciones de densidad, volumen y capacidad calorífica constantes,
encontramos:
d (T j − Tref )
V j ρ jC pj = FjρjCpj[(Tji – Tref) – (Tj – Tref)] – Q (8.59)
dt
o
d (T j − Tref ) Fj Q
= (T ji − T j ) + (8.60)
dt Vj V j ρ j C Pj
pero Tref es una constante, así
d (T j − Tref ) dT j
= (8.61)
dt dt
y
dT j Fj
= (T ji − Tj )−
Q
(8.62)
dt Vj V j ρ j Cp j
también tenemos la relación para calor transferido desde la chaqueta al tanque
Q = UA(Tj – T) (8.63)
Sustituyendo la expresión para Q en los balances de energía para el tanque y la chaqueta
tenemos las dos ecuaciones que modelan este sistema:
dT F UA(T j − T )
= (Ti − T ) + (8.64)
dt V VρCp
dT j Fj UA(T j − T )
= (T ji − Tj )− (8.65)
dt Vj V j ρ j Cp j
Este modelo lo simulamos usando el programa MATLAB heater.m listado a

continuación:
%
function dx = heater(t,x);
dx = zeros(2,1);
% Dinámica de un tanque calentador agitado
% L. Moncada
% 8 Jul 2002

%
% x(1) = T = temperatura en el tanque
% x(2) = Tj = temperatura en la chaqueta
% delFj = cambio en el flujo de la chaqueta
% F = Flujo en el tanque
% Tin = Temperatura de entrada al tanque
% Tji = Temperatura de entrada a la chaqueta
% V = Volumen del tanque
% Vj = Volumen de la chaqueta
% rhocp = densidad*capacidad calorifica (tanque)
% rhocpj = densidad*capacidad calorifica (chaqueta)
%
% parametros y valores de variables al estado estacionario:
%
F = 1;
Fjs = 1.5;
Ti = 50;
Tji = 200;
V = 10;
Vj = 1;
rhocp = 61.3;
rhocpj= 61.3;
UA = 183.9;
%
delFj = 0.1;
Fj = Fjs + delFj;
%T = x(1);
%Tj= x(2);
% edos
dx(1) = (F/V)*(Ti - x(1)) + UA*(x(2) - x(1))/(V*rhocp);
dx(2) = (Fj/Vj)*(Tji - x(2)) - UA*(x(2) - x(1))/(Vj*rhocpj);
Y los comandos de ejecución usando ode45
>> x0 = [x1o x2o]; % condiciones iniciales

>> [t,x] = ode45('heater',[0 30],[x0]);
>> plot(t,x(:,1))
o
>> plot(t,x(:,2))
Condiciones de estado
Antes de linearizar los modelos no lineales para encontrar la forma de espacio de

estado, debemos encontrar los valores de las variables de estado al estado estacionario.
El estado estacionario se obtiene resolviendo la ecuación dinámica para dx/dt = 0. Los
valores de las variables del sistema al estado estacionario y algunos parámetros para
este proceso son dados a continuación.
Parámetros y valores al estado estacionario
Fs = 1 pie3/min. V = 10 pie3
ρCp= 61.3 Btu/ oF pie3 Tjis = 200 oF
ρjCpj = 61.3 Btu/ oF pie3 Tjs = 150 oF
Tis = 50 oF Vj = 1 pie3
Ts = 125 oF

Notar que los valores de UA y Fjs no han sido especificados. Estos valores pueden
ser obtenidos mediante la solución de las dos ecuaciones dinámicas de balance de
energía al estado estacionario.
De dT/dt = 0 al estado estacionario, resolvemos el balance de energía del tanque para
obtener UA = 183.9 Btu/oF min.
De dTj/dt = 0 al estado estacionario, resolvemos el balance de energía de la chaqueta
para obtener Fjs = 1,5 pie3/min.
Modelo de espacio de estado
Aquí nosotros linearizamos las ecuaciones no lineales de modelamiento para encontrar

la forma de espacio de estado
dx
= Ax + Bu (8.66)
dt
y = Cx (8.67)
donde el estado, vectores de entrada y salida están, en la forma de desviación
 T − Ts 
x=  variables de estado
T j − T js 
 Fj − F js 
F 
− Fs 
u=
 Ti − Tis  variables de entrada
 
T jin − T jins 
 T − Ts 
y=  variables de salida
T j − T js 
recordar que nuestras dos ecuaciones dinámicas son:
UA(T j − T )
= f 1 (T , T j , F j , F , T ji , T j ) = (Ti − T ) +
dT F
(8.68)
dt V VρCp
dT j Fj UA(T j − T )
= f 2 (T , T j , F j , F , T j , T jin ) = (T ji − T j )− (8.69)
dt Vj V j ρ j Cp j
Los elementos de la matriz de espacio de estado A son encontrados por

∂f i
Aij =
∂x j
∂f 1 ∂f 1 ∂f F UA
A11 = = = 1 =− s − = −0.4
∂x1 ∂ (T − Ts ) ∂T V VρCp
∂f ∂f 1 ∂f UA
A12 = 1 = = 1 = = 0.3
∂x 2 ∂ (Tt − T js ) ∂T j VρCp
∂f 2 ∂f 2 ∂f UA
A21 = = = 2 = = 3.0
∂x1 ∂ (T − Ts ) ∂T V j ρ j Cp j
∂f ∂f 2 ∂f F js UA
A22 = 2 = = 2 =− − = −4.5
∂x 2 ∂ (T j − T js ) ∂T j V j V j ρ j Cp j
Los elementos de la matriz B son encontrados por:
∂f i
Bij =
∂u j
∂f 1 ∂f 1 ∂f
B11 = = = 1 =0
∂u1 ∂ (F j − F js ) ∂F j
∂f 1 ∂f 1 ∂f T − Ts
B12 = = = 1 = is = −7.5
∂u 2 ∂ (F − Fs ) ∂F V
∂f ∂f 1 ∂f F
B13 = 1 = = 1 = s = 0.1
∂u 3 ∂ (Ti − Tis ) ∂Ti V
∂f ∂f 1 ∂f
B14 = 1 = = 1 =0
∂u 4 ∂ (T ji − T jis ) ∂T ji
∂f ∂f 2 ∂f T jis − T js
B 21 = 2 = = 2 = = 50
∂u1 ∂ (F j − F js ) ∂F j Vj
∂f 2 ∂f 2 ∂f
B 22 = = = 2 =0
∂u 2 ∂ (F − Fs ) ∂F
∂f ∂f 2 ∂f
B 23 = 2 = = 2 =0
∂u 3 ∂ (Ti − Tis ) ∂Ti
∂f 2 ∂f 2 ∂f F js
B 24 = = = 2 = = 1.5
∂u 4 ∂ (T ji − T jis ) ∂T ji V j
Como ambos estados son medidos, la matriz C es I (matriz identidad). Los valores
numéricos para las matrices son:
 − 0.4 0.3 
A =  
 3 − 4.5 

 0 − 7.5 0.1 0 
B =  
 50 0 0 1.5 
1 0
C =  
0 1
Usando MATLAB >> sys = ss(A,B,C,D)
>> sys = ss([-0.4 0.3;3 -4.5],[0 -7.5 0.1 0;50 0 0 1.5],[1 0;0 1],0)
a =
x1 x2
x1 -0.4 0.3
x2 3 -4.5
b =
u1 u2 u3 u4
x1 0 -7.5 0.1 0
x2 50 0 0 1.5
c =
x1 x2
y1 1 0
y2 0 1
d =
u1 u2 u3 u4
y1 0 0 0 0
y2 0 0 0 0
Continuous-time model.
Modelo en el Dominio de Laplace
Recordar que una matriz de función de transferencia relaciona las entradas y salidas
y(s) = G(s) x(s) (8.70)
La función de transferencia entrada/salida es encontrada de
G(s) =C(sI – A)-1 B (8.71)
Usando la rutina MATLAB SS2TF , para lo cual introducimos las matrices:
>> a = [-0.4 0.3; 3.0 -4.5]

a =
-0.4000 0.3000
3.0000 -4.5000
>> b = [0 -7.5 0.1 0; 50 0 0 1.5]

b =
0 -7.5000 0.1000 0
50.0000 0 0 1.5000

>> c = [1 0; 0 1]
c =
1 0
0 1
>> d = [0 0 0 0; 0 0 0 0]
d =
0 0 0 0
0 0 0 0
Encontramos los polinomios de función de transferencia para la entrada 1 :(cambio

en el flujo a la chaqueta Fj)
>> [num1,den] = ss2tf(a,b,c,d,1)
num1 =
0 -0.0000 15.0000
0 50.0000 20.0000
den =
1.0000 4.9000 0.9000
>>

en el flujo al tanque F)

num2 =
0 -7.5000 -33.7500
0 0 -22.5000
den =
1.0000 4.9000 0.9000
>>

en la temperatura de entrada al tanque T)

num3 =
0 0.1000 0.4500
0 -0.0000 0.3000
den =
1.0000 4.9000 0.9000
>>

en la temperatura de entrada a la chaqueta Tj)

num4 =
0 -0.0000 0.4500
0 1.5000 0.6000
den =
1.0000 4.9000 0.9000
>>

 15 (−7.5s − 33.75) (0.1s + 0.45) 0.45 

(50s + 20) − 22.5 0.3 (1.5s + 0.6)

G ( s) =
s 2 + 4.9 s + 0.9
Los polos del polinomio característico
s2 + 4.9s + 0.9
lo determinamos de la siguiente manera:
Eigenvalores y Eigenvectores
>> [v,lambda] = eig(a)

v =
0.8207 -0.0695
0.5714 0.9976
lambda =
-0.1911 0
0 -4.7089
>>
de tal manera que los polos del polinomio característico son -0.191 y -4.709. La
función de transferencia relacionando la salida 1 (temperatura del tanque) a entrada 1
(flujo de la chaqueta) es
15
g 11 ( s ) =
s + 4.9 s + 0.9
2
dividiendo g11(s) por 0,9, encontramos
16.6667
g 11 ( s ) =
1.1111s 2 + 5.4444 s + 1
lo cual puede ser factorizado en
16.6667
g 11 ( s ) =
(0.21235s + 1)(5.23207 s + 1)
la cual es la forma de constante de ganancia de tiempo. Cualquiera de estas formas

puede ser usada, sin embargo nosotros generalmente usaremos la forma de constante de
ganancia de tiempo.
La función de transferencia relacionando la salida 2 (temperatura de la chaqueta) a la
entrada 1 (flujo de la chaqueta) es
50 s + 20
g 21 ( s ) =
s + 4.9 s + 0.9
2
De manera similar dividiendo g21(s) por 0.9 encontraremos

22.22(2.5s + 1)
g 21 ( s ) =
1.1111s 2 + 5.4444 s + 1
También g21(s) puede ser factorizada en
22.22(2.5s + 1)
g 21 ( s ) =
(0.21236 s + 1)(5.23207 s + 1)
Respuestas escalón: modelos lineales vs. no lineales
En esta sección compararemos la respuesta escalón de un modelo no lineal con aquella

predecida por un modelo linearizado. Para propósitos de comparación, plotearemos las
variables físicas.
Para el modelo lineal el cual está en la forma de variables de desviación, convertimos a
variables físicas mediante linearización de tal manera que
x1(t) = T(t) – Ts
x2(t) = Tj(t) – Tjs
así, para el modelo lineal

T(t) = Ts + x1(t)
Tj(t) = Tjs + x2(t)
También
u1(t) = Fj(t) – Fjs
Con lo cual el modelo lineal estará dado por:
•
X = Ax + Bu (8.72)
Para este caso considerando la entrada Fj, la matriz de coeficientes para la entrada será:
0
B= 
50
lo cual concuerda con el modelo ya que solamente afecta a la segunda variable (Tj) y u
es el valor del cambio de la entrada.
Escribimos un programa heaterlin.m usando el método de Euler para calcular
las variables e desviación del estado estacionario y luego sumado el valor al EE,
calcular el valor de la variable de salida, la cual graficamos en función del tiempo
% Programa heaterlin.m para tanque enchaquetado

% modelo lineal
% (c) 2002 - L. Moncada
% Julio 2002
u=0.1;

h=0.01;
n=1;
t(1)=0; y(:,1)=[0;0];
A=[-.4, 0.3; 3,-4.5]; B = [0;50];
while n<=3000;
y(:,n+1) = y(:,n) + h*(A*y(:,n)+B*u);
t(n+1) = n*h;
n=n+1;
end
x1=125+y(1,:);
x2=150+y(2,:);
plot(t,x1)
grid on
xlabel ('Tiempo (min)')
ylabel ('Temperatura del tanque')
Pequeño incremento en el flujo de la chaqueta

Considerar un cambio de escalón de 0.1 (del valor al estado estacionario 1.5 a 1.6
3
pie /min) en el flujo de la chaqueta. Las respuestas de los modelos lineales y no lineales
son mostradas en la Fig. 8.6. (usando el programa heaterlin.m con u = 0.1 y heater.m
con delfj=0.1). para las temperaturas del tanque y de la chaqueta, el modelo lineal se
aproxima al modelo no lineal.
a) Temperatura del tanque

b) Temperatura de la chaqueta
Fig. 8.6 Respuesta a pequeño incremento en el flujo de la chaqueta (0.1)
Incremento grande en el flujo de la chaqueta

Considerar un cambio de escalón de 1.0 (desde 1.5 a 2.5 pies3/min.) en el flujo de
la chaqueta. Las respuestas de los modelos lineal y no lineal son mostrados en la Fig.
8.7. La respuesta lineal es cualitativamente la misma que la respuesta no lineal, pero la
magnitud de cambio es diferente. La ganancia (cambio en la salida/cambio en la
entrada) del modelo lineal es mayor que la ganancia del modelo no lineal.

b) Temperatura de la Chaqueta
Fig. 8.7 Respuesta a incremento grande en el flujo de la chaqueta (1)
Disminución grande en el flujo de la chaqueta

Considerar una disminución de escalón de -1.0 (desde 1.5 hasta 0.5 pies3/min.) en el
flujo de la chaqueta. Las respuestas de los modelos lineal y no lineal son mostrados en
la Fig., 8.8. Notar que la ganancia del modelo lineal es ahora menor que la ganancia del
modelo no lineal. Este es el efecto opuesto al que hemos observado para un incremento
grande en el flujo de la chaqueta.

b) Temperatura de la chaqueta
Fig. 8.8 Respuesta a disminución grande en el flujo de la chaqueta (-1)
Pequeña disminución en el flujo de la chaqueta

Considerar un cambio de escalón de -0.1 (desde 1.5 a 1.4 pies3/min.) en el flujo de la
chaqueta. La respuesta de los modelos lineal y no lineal son mostradas en la Fig. 8.9.
Como el cambio en la entrada es pequeño, el modelo lineal proporciona una buena
aproximación al modelo no lineal.

b) Temperatura de la Chaqueta
Fig. 8.9 Respuesta a disminución pequeña en el flujo de la chaqueta (-0.1)
Comentarios sobre el comportamiento de la respuesta escalón
Para el modelo no lineal la ganancia (cambio en la salida/cambio en la entrada)

varia como una función tanto de la magnitud como la dirección. Si se hacen pequeños
cambios en la entrada, la ganancia no cambia mucho del caso de modelo lineal. Para
cambios grandes en la entrada, la ganancia del sistema no lineal fue menor que del
sistema lineal para incremento en el flujo de la chaqueta, pero mayor que el sistema
lineal para disminución en el flujo de la chaqueta.
La respuesta de la temperatura de la chaqueta es más rápida que la temperatura del
tanque. Esto tiene sentido desde un punto de vista físico, porque el volumen de la
chaqueta es un décimo del volumen del tanque. Así mismo, el flujo de la chaqueta tiene
un efecto directo sobre la temperatura de la chaqueta y un efecto indirecto sobre la
temperatura del tanque. Notar que la constante de tiempo del numerador parcialmente
“cancela” la baja constante de tiempo del denominador para la función de transferencia
relacionando el flujo de la chaqueta a la temperatura de la chaqueta.
Respuestas del Sistema a Perturbaciones en Condiciones Iniciales
Los eigenvalores (valores propios) de la matriz A en el modelo de espacio de estado

proporcionan información sobre la estabilidad y la velocidad relativa de respuesta. Los
eigenvectores (vectores propios) proporcionan información sobre la dependencia
direccional de la velocidad de respuesta. La rutina MATLAB EIG es usada para cálculos
de eigenvalor/eigenvector. Recordar que un eigenvalor positivo es inestable, mientras
que un eigenvalor negativo es estable. Una magnitud grande de eigenvalor es más
“rápida” que una magnitud pequeña de eigenvalor.

Como se ha visto anteriormente, los eigenvalores para este sistema son:
λ1 = – 0.1911 (lento) y λ2 = – 4.7089 (rápido)
Los eigenvectores son:
0.8207 
v1 =   (lento)
0.5714
− 0.0695
v2 =   (rápido)
 0.9976 
El segundo eigenvalor y eigenvector nos dice que una perturbación en la

condición inicial de la segunda variable de estado tendrá una respuesta rápida. El primer
eigenvalor y eigenvectos nos dice que una perturbación en la dirección del eigenvector
v1 tendrá una respuesta lenta.
Respuesta Lenta
Considerar una perturbación inicial en la dirección lenta. Tomando la magnitud de la

perturbación a tener una magnitud de 5
0.8207 4.1035
x(0) = 5 * v 2 = 5 *  = 
0.5714  2.857 
Las variables de estado físicas (temperatura del tanque y la chaqueta) son
 T (0)  125 4.1035 129.1035

T (0) =   +  = 
 j  150  2.857   152.857 
Las respuestas para una perturbación en la dirección lenta son mostradas en la Fig8.10.
Los comandos para obtener estas gráficas son:
>> x0 = [129.1035 152.857];

>> [t,x] = ode45('heater',[0 30],[x0]);
>> plot(t,x(:,1))

Temperatura del tanque
Temperatura de la chaqueta
Fig. 8.10 Perturbación inicial en la dirección lenta
Respuesta Rápida
Considerar una perturbación inicial en la dirección rápida. Si la perturbación es
− 0.0695 − 0.3475
x(0) = 5 * v 2 = 5 *  = 
 0.9976   4.988 
Las variables de estado físicas (temperatura del tanque y la chaqueta) son

 T (0)  125 − 0.3475 124.6525

T (0) =   +  = 
 j  150  4.988   154.988 
Las respuestas para una perturbación en la dirección rápida son mostradas en la Fig.
8.11 (notar que la escala de tiempo varía con respecto a al Fig. 8.10).
Temperatura del tanque
Temperatura de la chaqueta
Fig.8.11 Perturbación inicial en la dirección rápida

Los comandos para estas gráficas son:
>> x0 = [124.6525 154.9880];

>> [t,x] = ode45('heater',[0 3],[x0]);
>> plot(t,x(:,1))
En las Figs. 8.10 y 8.11 hemos mostrado el efecto de la “dirección” de la condición

inicial. Esto puede ser ilustrado más completamente viendo el comportamiento del
plano de fase.
Comportamiento del plano de fase
El comportamiento del plano de fase es mostrado en la Fig. 8.12 donde la temperatura

del tanque es ploteada en el eje x y la temperatura de la chaqueta es ploteada en el eje y.
4.1035
Notar que las condiciones iniciales en la dirección   responde mucho mas
 2.857 
− 0.3475
lentamente que las condiciones iniciales en la dirección  
 4.988 
El plano de fase obtenemos con los siguientes comandos MATLAB
>> x0 = [4.1035 2.857];

>> [t,x] = ode45('heater',[0 1],[x0]);
>> plot(x(:,1),x(:,2))
>> hold on
>> x0 = [-0.3475 4.988];
>> [t,x] = ode45('heater',[0 1],[x0]);
>> plot(x(:,1),x(:,2),'r')
Fig. 8.12 Comportamiento del plano de fase del Tanque Calentador Agitado

Resumen
En este modulo hemos desarrollado las ecuaciones dinámicas de modelamiento
para un tanque calentador perfectamente mezclado. Hemos resuelto para las condiciones
al estado estacionario, linearizado para obtener el modelo de espacio de estado, y
encontrar el modelo de función de transferencia. Hemos comparado las respuestas
escalón de los modelos lineal y no lineal. También hemos mostrado la importancia de la
“dirección” de las condiciones iniciales. Las perturbaciones en una dirección dada causa
una respuesta más rápida, mientras que en otras direcciones una respuesta más lenta.
8.4 REACTOR CSTR
1. Introducción
La unidad de operación más importante en un proceso químico generalmente es
un reactor químico. Las reacciones químicas son ya sea exotérmicas (desprenden
energía) o endotérmicas (requieren entrada de energía) y por lo tanto necesitan que la
energía sea removida o adicionada al reactor para mantener una temperatura constante.
Las reacciones exotérmicas son los sistemas mas interesantes para estudiarlos debido a
los potenciales problemas de seguridad (incrementos rápidos de la temperatura, es
a veces llamado comportamiento de ignición”) y la posibilidad de otros
comportamientos tales como múltiples estados estacionarios (para el mismo valor
de la variable de entrada pueden existir diferentes valores de la variable de salida).
En este modulo consideraremos un reactor tipo tanque continuo con agitación
(CSTR), perfectamente mezclado, mostrado en la Figura 1. El caso de una reacción
simple irreversible exotérmica, de primer orden, A --> B. Mostraremos que un
comportamiento muy interesante puede darse en un sistema simple.
A ------------> B
F
CAf
TCin
FC
CA
T
TC F
TC
CA
Figura 8.13. Reactor continuo tipo tanque agitado con chaqueta de enfriamiento

En la Figura 8.13 observamos que una corriente de fluido es continuamente

alimentada al reactor y otra corriente es continuamente removida desde el reactor.
Como el reactor es perfectamente mezclado, la corriente de salida tiene la misma
concentración y temperatura que el fluido dentro del reactor. Notar que una chaqueta
rodeando al reactor también tiene corrientes de entrada y salida. Se asume que la
chaqueta está perfectamente mezclada y a menor temperatura que el reactor. Por lo tanto
pasa energía a través de las paredes del reactor hacia la chaqueta, removiendo el calor
generado por la reacción.
Existen muchos ejemplos de reactores en la industria similares a este. Los
ejemplos incluyen varios tipos de reactores de polimerización, los cuales producen
polímeros que son usados en productos de plástico tales como refrigerantes de
poliestireno o botellas de plástico. Los reactores industriales típicamente tienen
cinéticas más complicadas a la que estudiamos en este modulo, pero la característica de
comportamiento es similar.
2. Las Ecuaciones de modelamiento
Por simplicidad asumimos que la temperatura de la chaqueta de enfriamiento

puede ser directamente manipulada, de tal manera que no se requiere un balance de
energía alrededor de la chaqueta. También podemos hacer las siguientes asunciones
• Perfectamente mezclado (los valores de la corriente de producto son los mismos
que la masa <<bulk>> de fluido dentro del reactor)
• Volumen constante
• Valores constantes de los parámetros
Las asunciones de volumen y valores de los parámetros constantes puede ser fácilmente
ampliado por el lector, para estudios más amplios.
2.1 Parámetros y Variables
Los parámetros y variables que aparecerán en las ecuaciones de modelamiento son

listados a continuación por conveniencia.
A Área para intercambio de calor
CA Concentración de A en el reactor
Caf Concentración de A en la corriente de alimentación
Cp Capacidad calorífica (energía/masa * temperatura)
F Flujo volumétrico (volumen/tiempo)
k0 Factor pre-exponencial (tiempo-1)
R Constante de gas ideal (energía/mol*temperatura)
R Velocidad de reacción por unidad de volumen (mol/volumen * tiempo)
T Tiempo
T Temperatura del reactor
Tf Temperatura de alimentación

Tj Temperatura de la chaqueta
Tref Temperatura de referencia
Coeficiente total de transferencia de calor
U
(energía/(tiempo*area*temperatura))
V Volumen del reactor
∆E Energía de activación (energía/mol)

(−∆H) Calor de reacción (energía/mol)
ρ Densidad (masa/volumen)
2.2 Balance total de material
La velocidad de acumulación de material en el reactor es igual al flujo de entrada

de material – el flujo de salida de material.
dV r
= Fin ρ in − Fout ρ (8.73)
dt
dVρ
Asumiendo una cantidad constante de material en el reactor ( = 0), encontramos
dt
que
Foutρ = Finρin
Si asumimos también que la densidad permanece constante, entonces
Fout = Fin = F
y
dV
=0
dt
2.3 Balance para el componente A
El balance para el componente A es

dVC A
= FC Af − FC A − rV (8.74)
dt
donde r es la velocidad de reacción por unidad de volumen.
2.4 Balance de Energía
El balance de energía es

d (VρC p (T − Tref ))
= FρC P (T f − Tref ) − FρC P (T − Tref ) + (−∆H )Vr − UA(T − T j ) (8.75)
dt
donde Tref representa una temperatura de referencia arbitraria para la entalpía.
2.5 Forma de variables de estado de Ecuaciones Dinámicas
Nosotros podemos escribir las Ecs. (8.74) y (8.75) en la forma de variables de

estado siguiente (como dV/dt = 0)
dC A F
f 1(C A , T ) = = (C Af − C A ) − r (1a)
dt V
dT F  − ∆H  UA
f 2(C A , T ) = = (Tf − T ) +  r − (T − Tj ) (2a)
dt V  ρcp  Vρcp
donde hemos asumido que el volumen es constante. La velocidad de reacción por

unidad de volumen (expresión de Arrhenius) es
 − ∆E 
r = k o exp C A (8.76)
 RT 
donde hemos asumido que la reacción es de primer orden
3. Solución al estado estacionario
La solución al estado estacionario se obtiene cuando dCA/dt = 0 y dT/dt = 0, esto es
f 1(C A , T ) = 0 =
F
(C Af − C A ) − k o exp − ∆E C A (1s)
V  RT 
f 2(C A , T ) = 0 =
F
(T f − T ) +  − ∆H k o exp − ∆E C A − UA (T − T j ) (2s)
V  ρcp   RT  Vρcp
Para resolver estas dos ecuaciones, deben ser especificadas todas las variables y
parámetros excepto para dos (CA y T). Dando valores numéricos para todos los
parámetros y variables podemos usar un método de cálculo para resolver al estado
estacionario y encontrar valores de CA y T. Por conveniencia, usamos un sub-indice s
para denotar valores al estado estacionario (asi resolveremos para CAs y Ts).
En este modulo estudiaremos el conjunto de parámetros mostrados para las condiciones

del caso 2 en la Tabla 8.2. Casos 1 y 3 son dejados como ejercicio para el lector.

Tabla 8.2. Parámetros del Reactor

Parámetro caso 1 caso 2 caso 3
F/V, hr-1 1 1 1
k0, hr-1 14,825*3600 9,703*3600 18,194*3600
(−∆H), kcal/kgmol 5215 5960 8195
E, kcal/kgmol 11,843 11,843 11,843
ρcp, kcal/(m3oC) 500 500 500
Tf, oC 25 25 25
CAf, kgmol/m3 10 10 10
UA/V, kcal/(m3oC
250 150 750
hr)
Tj, oC 25 25 25
Solución para parámetros del caso 2 usando fsolve y cstr_ss.m
El archivo-m de la función para las ecuaciones al estado estacionario es

cstr_ss.m y es mostrado a continuación.
function f = cstr_ss(x)
%
% Modelo para un CSTR adiabático, caso2
% Use fsolve para encontrar la concentración y
% temperatura al estado estacionario.
%
% La declaración de llamada de la ventana de orden es:
%
% x = fsolve('cstr_ss',x0);
%
% donde x es el vector solución (x = [conc;temp])
% y x0 es un vector inicial supuesto
%
% defina los siguientes parámetros global cuyos valores
% puedan ser ingresados en la ventana de comando
% global CSTR_PAR
% parameters (case 2)
% CSTR_PAR(1): factor de frecuencia (9703*3600)
% CSTR_PAR(2): calor de reacción (5960)
% CSTR_PAR(3): energía de activación (11843)
% CSTR_PAR(4): densidad*cap. calorifica (500)
% CSTR_PAR(5): coef de transf de calor* area (150)
% CSTR_PAR(6): constante de gas ideal (1.987)
% CSTR_PAR(7): volumen de reactor (1)
% CSTR_PAR(8): flujo de alimentación (1)
% CSTR_PAR(9): concentracion de la alimentación (10)
% CSTR_PAR(10): temperatura de alimentación (298)
% CSTR_PAR(11): temperatura de la chaqueta (298)
%
% estados 1 y 2
% ca = concentración de A, kgmol/m^3

% Temp = temperatura del reactor, deg K

%
% 16 July 2001 - (c) Luis Moncada
%
f = zeros(2,1);
%
global CSTR_PAR
%
% a continuacion usaremos notation comun para los estados
% para mejorar la lectura del codigo
%
ca = x(1);
Temp = x(2);
%
% Valores de los parametros del caso 2 mostrados entre parentesis:
%
k0 = CSTR_PAR(1); % factor de frecuencia (9703*3600)
H_rxn = CSTR_PAR(2); % calor de reacción (5960)
E_act = CSTR_PAR(3); % energía de activación (11843)
rhocp = CSTR_PAR(4); % densidad*cap. calorifica (500)
UA = CSTR_PAR(5); % coef de transf de calor* area (150)
R = CSTR_PAR(6); % constante de gas ideal (1.987)
V = CSTR_PAR(7); % volumen de reactor (1)
F = CSTR_PAR(8); % flujo de alimentación (1)
caf = CSTR_PAR(9); % concentracion de la alimentación (10)
Tf = CSTR_PAR(10); % temperatura de alimentación (298)
Tj = CSTR_PAR(11); % temperatura de la chaqueta (298)
%
% razones usadas en las ecuaciones
%
fov = F/V;
UAoV = UA/V;
%
% ecuaciones de modelamiento:
%
rate = k0*exp(-E_act/(R*Temp))*ca;
%
dcadt = fov*(caf - ca) - rate;
dTdt=fov*(Tf-Temp) + (H_rxn/rhocp)*rate - (UAoV/rhocp)*(Temp - Tj);
%
% a continuacion convertimos lo anterior a notacion de funcion. fsolve
% busca valores de x(1) y x(2) para conducir f(1) y f(2) a cero.
%
f(1) = dcadt;
f(2) = dTdt;
El comando para correr este archivo es
x = fsolve('cstr_ss',x0);
donde x0 es un vector de supuestos iniciales y x es la solución. Antes de usar este

comndo, los parámetros del reactor deben ser ingresados en el vector de parámetros
globales CSTR_PAR. Así tenemos el archivo-m cstr_ss.m Nosotros encontraremos
que diferentes supuestos iniciales para la concentración y temperatura darán diferentes
soluciones.

function f = cstr_ss1(x)
f = zeros(2,1);
ca = x(1);
Temp = x(2);
%
% Valores de los parámetros para el caso 2:
k0 = 9703*3600;
H_rxn = 5960;
E_act = 11843;
rhocp = 500;
UA = 150;
R = 1.987;
V = 1;
F = 1;
caf = 10;
Tf = 298;
Tj = 298;
%
% rezones usadas en las ecuaciones
%
fov = F/V;
UAoV = UA/V;
%
%
%
dTdt = fov*(Tf - Temp) + (H_rxn/rhocp)*rate - (UAoV/rhocp)*(Temp -
Tj);
%
% a continuacion convertimos lo anterior a notacion de funcion. fsolve
% busca valores de x(1) y x(2) para conducir f(1) y f(2) a cero.
f(1) = dcadt;
f(2) = dTdt;
Cuando seleccionamos un supuesto inicial para un algorítmo numérico, es

importante usar la intuición física acerca del posible rango de soluciones. Por ejemplo,
si la concentración de A en la alimentación es 10 kgmol/m3 y la reacción solo consume
A, el posible rango para la concentración de A es 0 < CA < 10. De otro lado, es facil
demostrar que el limite mas bajo para la temperatura es 298 K, la cual podría ocurrir si
no existiera ninguna reacción, ya que las temperaturas de la alimetación y la chaqueta
son 298 K. Notar tambien que debera haber una correlación entre concentración y
temperatura. Si la concentración de A es alta, esto indica que no ha ocurrido mucha
reacción por lo que se ha liberado pequeña cantidad de energía por reacción y entonces
la temperatura no será muy diferente a las temperaturas de la alimentacióned y la
chaqueta.
Supuesto 1 – Alta concentración (baja conversión), Baja temperatura. Aquí

consideraremos un supuesto inicial de CA = 9 y T = 300 K.
>>options = optimset('Display','off');
>>x = fsolve('cstr_ss1',[9;300],options)

x =
8.5636
311.1710
C   8.5636 
asi la solución al estado estacionario para el supuesto 1 es  As  =   , que es,
 TS  311.1710
alta concentración (baja conversión) y baja temperatura.
Supuesto 2 – Concentración y temperatura intermedios.
x = fsolve('cstr_ss1',[5;350],options)
x =
5.5179
339.0971
C   5.5179 
asi la solución al estado estacionario para el supuesto 2 es  As  =  .
 TS  339.0971
Supuesto 3 – Baja concentración y alta temperatura.
x = fsolve('cstr_ss1',[1;450],options)
x =
2.3589
368.0629
C   2.3589 
asi la solución al estado estacionario para el supuesto 3 es  As  =   , que es,
 TS  368.0629
baja concentración (alta conversión) y alta temperatura.
Los resultados son resumidos en la Tabla 8. 3.
Tabla 8.3. Supuestos y soluciones usando fsolve.

Supuesto y Solución Supuesto 1 Supuesto 2 Supuesto 3
x0(1), CA supuesto 9 5 1
x0(2), T supuesto 300 350 450
x(1), CA solucion 8.564 5.518 2.359

x(2), T solucion 311.2 339.1 368.1
Otros supuestos iniciales no nos conducen a otra solución, por lo que vemos que
hay tres soluciones posibles para este juego de parámetros. Por lo tanto nuestro reactor
con este juego de parámetros puede alcanzar el estado estacionario solamente bajo tres
condiciones de concentración y temperatura, lo cual nos puede servir para diseñar la
operación.

4. Comportamiento dinámico
Nosotros hemos visto en la sección previa que hay tres soluciones al estado
estacionario diferentes para cada conjunto de parametros. Aquí deseamos estudiar el
comportamiento dinámico bajo este mismo conjunto de parámetros. Para esto usaremos
el archivo-m cstr_dyn.
function xdot = cstr_dyn(t,x)
global CSTR_PAR
ca = x(1);
Temp = x(2);
%
% valores de los parametros, caso 2:
%
k0 = (9703*3600);
H_rxn = (5960);
E_act = (11843);
rhocp = (500);
UA = (150);
R = (1.987);
V = (1);
F = (1);
caf = (10);
Tf = (298);
Tj = (298);
%
%
fov = F/V;
UAoV = UA/V;
%
% ecuacionesde modelamiento:
%
%
Tj);
%
% enseguida convertimos a notación de funcion ode45.
%
xdot = [dcadt;dTdt];
El comando para integrar esta ecuación es:
[t,x] = ode45('cstr_dyn',[t0,tf],x0);
Donde t0 es el tiempo inicial (usualmente 0), tf es el tiempo final, x0 es el

vector de condiciones iniciales. t es el vector tiempo y x es el vector solución de la
variable de estado. Antes de ejecutar la integración es necesario definer el vector de
parametros globales CSTR_PAR. Para graficar solamente la concentración o temperatura
como una function del tiempo, use plot(t,x(:,1)) y plot(t,x(:,2)),
respectivamente.

Condición Inicial 1
Aquí nosotros usaremos condiciones iniciales que estan cerca de la temperatura

del estado estacionario a baja temperatura. El vector de condiciones iniciales es [conc,
temp] = [9;300]. Las curvas ploteadas en la Fig. 8-14 muestran que las variables
deestado convergen al estado estacionario de baja temperatura.
Fig. 8.14. Respuesta de las variables de estado con condición inicial x0 = [9;300].
Aquí nosotros usaremos condiciones iniciales que estan cercanas a la temperature

del estado estacionario intermedio. El vector de condiciones iniciales para la linea
continua en la Fig. 8-15 es [conc; temp] = [5;350], la cual converge al estado
estacionario de alta temperatura. El vector de condicines iniciales para la linea
discontinua en la Fig 8-15 es [conc; temp] = [5;325],el cual converge al estado
estacionario de baja temperatura.
Si nosotros efectuamos varias simulaciones con condiciones iniciales cercanas a la
temperature del estado estacionario intermedio, encontraremos que la temperature
siempre converge ya sea al estado estacionario de baja temperature o al de alta
temperature, pero no al estado estacionario de temperature intermedia. Esto nos indica
que la temperatura intermedia del estado estacionario es inestable. Esto lo mostraremos
claramente mediante el analisis de estabilidad es la sección 5.

Fig. 8-15. Respuesta de las variables de estado con condiciones iniciales x0 = [5;350]
(continua) y x0 = [5;325] (discontinua).
Aquí usaremos condiciones iniciales que están cercanas al estado estacionario de
alta temperatura. El vector de condiciones iniciales es [conc, temp] = [1,400]. Las
curvas ploteadas en la Fig. 8-16 muestran que las variables de estado convergen al
estado estacionario de alta temperature alta.
Fig. 8- 16. Respuesta de las variables de estado con condiciones iniciales x0 = [1;400].

En esta sección hemos efectuado varias simulaciones y presentado varias graficas.

En la sección 6 mostraremos como estas soluciones pueden ser comparadas sobre la
misma gráfica del plano de fase.
5. Linearización de Ecuaciones Dinámicas

La estabilidad de ecuaciones no lineales puede determinarse encontrando la siguiente
forma de espacio de estado
dx
=A x+Bu (8.73)
dt
y encontrando los eigenvalores de la matriz A (espacio de estado).
Las ecuaciones no lineales del estado dinámico (1a) y (2a) son
dC A F F
f 1 (C A , T ) = = − C A − kC A + C Af (1a)
dt V V
dT  − ∆H  F UA UA F
f 2 (C A , T ) = = kC A − T − T+ Tj + Tf (2a)
dt  ρCp  V VρCp VρCp V
describiendo el estado, y las variables de entrada son definidas en la forma de variables

de desviación
C − C AS 
x= A 
 T − TS 
 T j − T JS 
 
u = C Af − C AfS 
 T f − T fS 
 
5.1 Analisis de estabilidad
Efectuando la linearización, obtenemos los siguientes elementos para A
∂f 1 ∂f F
A11 = = 1 = − − kS
∂x1 ∂C A V
∂f ∂f
A12 = 1 = 1 = −C AS k S1
∂x 2 ∂T
∂f ∂f (−∆H )
A21 = 2 = 2 = kS
∂x1 ∂C A ρCp
∂f ∂f VF UA (− ∆H )
A22 = 2 = 2 = − − + C AS k S1
∂x 2 ∂T V VρCp ρCp

donde definimos los siguientes parametros para representación más compacta
 − ∆E 
k S = k o exp 
 RTS 
∂k  − ∆E  ∆E 
k S1 = S = k o exp  
∂T RT  2 
 S  RTS 
o
 ∆E 
k S1 = k S  
2 
RT
 S 
A partir del analisis presentado anteriormente, la matriz de espacio de estado A es
 F 
 − V − kS − C AS k S1 
A =  (−∆H ) F UA (−∆H )  (8.74)
 kS − − + C AS k S1 
 ρCp V VρCp ρCp 
The stability characteristics are determined by the eigenvalues of A, which are obtained
by solving det (λ I − A) = 0.
λ − A11 − A12 
λI − A =  
 − A21 λ − A22 
det (λ I − A) = (λ − A11)(λ − A22) − A12A21

=λ2 − (A11+ A22) λ + A11A22 − A12A21
=λ2 − (tr A) λ + det (A)
los eigenvalores son la solución del polinomio de segundo orden
λ2 − (tr A) λ + det (A) =0 (8.75)
La estabilidad de un punto de operación particular se determina encontrando la matriz

A para ese punto de operación particular, y encontrando los eigenvalores de la matriz A.
Aquí mostramos los eigenvalores para cada uno de los tres puntos de operación al
estado estacionario del caso 2. Para encontrar las matrices A, usaremos la rutina de
función cstr_amat.m mostrada a continuación.
function [amat,lambda] = cstr_amat(ca,Temp)
%
% Julio 2002
% L. moncada
% encuentrala matriz A para el caso 2 de un CSTR para determinar
% la estabilidad mediante analisis de eigenvalores:
%
% amat = matriz A
% lamba = vector de eigenvalores

% parametros
% k0 = factor de frecuencia, hr^-1
% fov = F/V, hr^-1
% H_rxn = calor de rxn, kcal/kgmol
% E_act = energia de activacion, kcal/kgmol
% rhocp = densidad*capacidad calorifica, kcal/m^3 deg K
% Tf = temperatura de alimentacion, deg K
% caf = concentracion de alimentacion de A,
% UAoV = coef. transf. de calor:*area/volume, kcal/m^3 deg K hr
%
% entrada manipulada
% Tj = Temperatura de la chaqueta, deg K
%
% estados
% ca = concentracion de A, kgmol/m^3
%
% valores de parametros
% caso 2:
fov = 1;
k0 = 9703*3600;
H_rxn = 5960;
E_act = 11843;
rhocp = 500;
Tf = 298;
caf = 10;
UAoV = 150;
R = 1.987;
Tj = 298;
%
ks = k0*exp(-E_act/(R*Temp));
ksprime = ks*(E_act/(R*Temp*Temp));
%
amat(1,1) = -fov - ks;
amat(1,2) = -ca*ksprime;
amat(2,1) = ks*H_rxn/rhocp;
amat(2,2) = -fov - UAoV/rhocp + (H_rxn/rhocp)*ca*ksprime;
%
lambda = eig(amat);
Punto de Operación 1
La concentración y temperature son 8.564 kgmol/m3 y 311.2 K, respectivamente.
»[amat,lambda] = cstr_amat(8.564,311.2)
amat =
-1.1680 -0.0886
2.0030 -0.2443
lambda =
-0.8957
-0.5166
Ambos eigenvalores son negativos, indicando que el punto es estable, lo cual es

consistente con los resultados de la Fig. 8.14.

La concentración y temperature son 5.518 y 339.1, respectivamente.
amat =
-1.8124 -0.2324
9.6837 1.4697
lambda =
-0.8369
0.4942
Uno de los eigenvalores es positivo, indicando que el punto es inestable. Esto es

consistente con la respuesta presentada en la Fig. 8.15.
amat =
-4.2445 -0.3367
38.6748 2.7132
lambda =
-0.7657 + 0.9584i
-0.7657 - 0.9584i
La parte real de cada eigenvalor es negativa, indicando que el punto es estable;
nuevamente, esto es consistente con la respuesta de la Fig. 8.16.
5.2 Analisis de la Función de transferencia Salida/entrada

Las functiones de transferencia salida-entrada pueden ser encontradas de
G(s)= C(sI − A)−1B (8.76)
donde los elementos de la matriz B correspondiente a la primera entrada (u1 = Tj − Tjs)

son
∂f 1 ∂f
B11 = = 1 =0
∂u1 ∂T j
∂f 2 ∂f 2 UA
B 21 = = =
∂u1 ∂T j VρCp
el lector deberá encontrar los elementos de la matriz B que correspondad a la segunda y

tercera variables de entrada (CAf y Tf )
Aquí mostraremos solamente las funciones de transferencia para el estado estacionario
de baja temperature para el caso 2.

La function de transferencia salida/entrada relacionando la concentración del reactor

(salida) a la temperature de la chaqueta (entrada) (estado1) es
− 0.0266 − 0.0575
g 11 ( s ) = =
s + 1.4123s + 0.4627 (1.1165s + 1)(1.9357 s + 1)
2
y la función de transferencia salida/entrada relacionando la temperatura del reactor

(salida) a la temperatura de la chaqueta (entrada) (estado 2) es
0.3s + 0.3504 0.7575(0.856 s + 1)
g 21 ( s ) = =
s + 1.4123s + 0.4627 (1.1165s + 1)(1.9357 s + 1)
2
Notar que la function de transferencia para la concentración es un sistema de

Segundo orden puro (el numerador no es polinomio) mientras que la función de
transferencia para la temperatura tiene un numerador de primer orden y un
denominador de segundo orden. Esto indica que hay un mayor “alejamiento” entre la
temperature de la chaqueta y la concentración antes que entre la temperature de la
chaqueta y la temperature del reactor. Esto tiene sentido físico, ya que un cambio en la
temperature de la chaqueta debe primero afectar la temperature del reactor antes de
afectar la concentración en el reactor.
6. Análisis del Plano de Fase
En la sección 4 hemos proporcionado los resultados de unas cuantas simulaciones

dinámicas, notando que diferentes condiciones iniciales causan que el sistema converga
a diferentes puntos de operación en estado estacionario. En esta sección hemos
construido una gráfica de plano de fase efectuando las simulaciones para un gran
número de condiciones iniciales.
La gráfica del plano de fase mostrada en la Fig. 8.17 fue generada usando
cstr_run.m y el programa cstr.m. Son mostrados claramente tres valores de estado
estacionario; 2 son estables (los estados estacionarios de alta y baja temperatura,
mostrados con una “o”), mientras uno es inestable (el estado estacionario de
temperatura intermedia, mostrado por “+”). Notar que condiciones iniciales para
concentración baja (0.5 kgmol/m3) y relativamente para temperaturas intermedias bajas
(300 a 365 K) todas convergen al estado estacionario de baja temperatura. Cuando la
temperatura inicial se incrementa sobre 365 K, se alcanza la convergencia hacia el
estado estacionario de temperatura alta.
Ahora, considerar condiciones iniciales con una concentración alta (9.5 kgmol/m3)
y temperatura baja (300 a 325 K); esta converge al estado estacionario de temperatura
baja. Como la temperatura inicial es incrementada sobre lo 325 K, la convergencia es
alcanzada al estado estacionario de temperatura alta. Notar también que, como la
temperatura inicial se incrementa a alrededor de 340 K, ocurre un rebasamiento
(sobreimpulso) grande sobre los 425 K, antes de establecerse el sistema debajo del
estado estacionario de temperatura alta. Aun cuando no se muestra en este plano de fase,
temperaturas iniciales altas pueden tener sobreimpulso sobre 500 K antes del
establecimiento en el estado estacionario de temperatura alta. Esto puede causar
potenciales problemas de seguridad si, por ejemplo, ocurren reacciones secundarias de

descomposición a altas temperaturas. El analisis del plano de fase entonces, posibilita

eliminar los problemas de condiciones iniciales.
Notar tambien que ningunas condiciones iniciales han convergido al estado
estacionario de temperatura intermedia, puesto que esta es inestable. El lector deberá
efectuar un analisis de eigenvalor/eigenvector para la matriz A a cada estado
estacionario (temperatura baja, intermedia y alta). Usted encontrará que los estados
estacionarios de temperatura baja, intermedia y alta, tienen nodos estables, punto
montura (inestable) y la conducta de enfoque estable, respectivamente.
Figura 8.17. Gráfica del plano de fase para el caso 2. Puntos estables (conditionses 1 y
3) son marcadas con “O”. El punto inestable (condición 2) es marcado con”+”.
Debe notarse que puede usarse el control de retroalimentación (“feedback”) para

operar al estado estacionario inestable de temperatura intermedia. El controlador de
retroalimentación deberá medir la temperatura del reactor y manipular el flujo de
enfriamiento de la chaqueta para mantener el estado estacionario de temperatura
intermedia. Así mismo, un controlador de retroalimentación podría usarse para evitar
que ocurra un sobreimpulso grande para ciertas condiciones iniciales.
7. Entendiendo el comportamiento de estado estacionario Multiple
En las secciones previas hemos encontrado que fuerón tres soluciones al estado
estacionario para el caso 2 de parámetros. El objetivo de esta sección es determinar
como pueden conseguirse multiples estados estacionarios. Tambien, mostraremos como
se generan las curvas de entrada-salida del estado estacionario que muestran, por
ejemplo, como la temperatura del reactor al estado estacionario varía como una función
de la temperatura de estado estacionario de la chaqueta.

7.1 Curvas de generación y remosión de calor
En la sección 3 hemos usado métodos numéricos para resolver para estados

estacionarios, mediante la solución de 2 ecuaciones con 2 incognitas. En esta sección
mostraremos que es fácil reducir las 2 ecuaciones con 2 con incognitas a una simple
ecuación con una incognita. Esto nos dará una visión física a cerca de la posible
ocurrencia de estados estacionarios múltiples.
Resolviendo para Concentración de A como una Función de la Temperatura
La solución de la concentración al estado estacionario (dCA/dt) = 0) es
F  − ∆E 
(C Afs − C As ) = k o exp C As (8.77)
V  RT s 
Podemos rearreglar esta ecuación para encontrar la concentración al estado estacionario

para cualquier temperatura de estado estacionario del reactor, Ts
F
C Afs
C As = V (8.78)
F  − ∆E 
+ k o exp 
V  RTs 
Resolviendo para la Temperatura

La solución de la temperatura al estado estacionario (dT/dt = 0) es
F
(Ts − T fs ) + UA (Ts − Tcs ) =  − ∆H k o exp − ∆E C As (8.79)
V VρCp  ρCp   RTs 
Los términos en la Ec. (8.79) estan relacionados a la energía removida y generada. Si
multiplicamos la Ec. (8.79) por VρCp encontramos que
 − ∆E 
FρCp(Ts – Tfs) + UA(Ts – Tjs) = – ∆HVko exp   CAs (8.80)
 RT s 
Qrem=Qgen
Energía Removida por flujo e intercambio de calor Calor Generado por reacción
Notar la forma de Qrem
Qrem = [– UATjs – FρCpTfs] + [UA + FρCp] Ts (8.81)
Notar que esta es una ecuación para una línea, donde la variable independiente es la
temperatura del reactor (Ts). La pendiente de la línea es [UA + FρCp] y la intersección
es [– UATjs – FρCpTfs]. Cambios en la temperatura de alimentación o la chaqueta
cambian la intersección, pero no la pendiente. Cambios en UA o F afectan tanto a la
intersección como a la pendiente.

Ahora, considerar el término Qgen
 − ∆E 
Qgen = – ∆HVko exp   CAs (8.82)
 RTs 
Suatituyendo (8.78) en (8.82), encontramos que
 − ∆E  F
k o exp  C Afs 
 RTs  V 
Qgen = − ∆HV (8.83)
F  − ∆E 
+ k o exp 
V  RT s 
La Ec.(8.83) tiene una forma “S”característica para Qgen como una función de la
temperatura del reactor.
De la Ec. (8.80) vemos que la solución de estado estacionario existe cuando es una
intersección de las curvas Qrem y Qgen.
7.2 Efecto de Parámetros de Diseño
En la Fig. 8.18 mostramos diferentes intersecciones posibles de las curvas de calor

removido y calor generado. Si la pendiente de la curva de calor removido es mas grande
que la pendiente máxima de la curva de calor generado, hay solamente una intersección
posible (ver Fig. 8.18a). A medida que la temperatura de la chaqueta o la alimentación
son cambiadas, las lineas de calor removido cambian a la izquierda o derecha, así la
intersección puede ser a alta o baja temperatura dependiendo del valor de la temperatura
de la chaqueta o la alimentación.
Notar que mientras mas grande sea la pendiente de la curva de calor removido es
menor la pendiente máxima de la curva de generación de calor, siempre habrá la
posibilidad de tres intersecciones (ver Fig. 8.18b) con el adecuado ajuste de la
temperatura de la chaqueta o la alimentación (interceptar). Si la temperatura de chaqueta
o alimentación es cambiada, la linea de remosión cambia a la derecha o izquierda,
donde solamente una intersección ocurre (ya sea a baja o alta temperatura). Este caso es
analizado con más detalle en la sección 7.3.
Q
Q
Temperatura del reactor (a) Temperatura del reactor (b)
Fig. 8.18. Posibles intersecciones de las curvas de generación de calor y calor removido.

7.3 Comportamiento de Múltiples Estados Estacionarios

En la Fig. 8.19 superponemos varias curvas de remosión de calor lineales con la
curva de generación de calor en forma de S. La curva A intersecta la curva de
generación de calor a baja temperatura; la curva B intersecta a una a baja temperatura y
es tangente a una a alta temperatura; la curva C intersecta a temperaturas baja,
intermedia y alta; la curva D es tangente a una a baja temperatura e intersecta a una a
alta temperatura; la curva E tiene solamente una intersección a alta temperatura. Las
curvas A, B, C, D y E todas estan basadas en los mismos parámetros del sistema,
excepto que la temperatura de la chaqueta se incrementa a medida que vamos de la
curva A hacia E . Podemos usar la Fig. 8.19 para construir el diagrama de entrada-
salida al estado estacionario mostrado en la Fig. 8.21, donde la temperatura de la
chaqueta es la entrada y la temperatura del reactor es la salida. Notar que la Fig. 8.20
exhibe comportamiento de hysteresis.
A B C D E
8 9
7
1 2 3
Temperatura
Fig. 8.19. CSTR : Energía Generada y Energía Removida como una Función de la
Temperatura del Reactor.
A B C D E
9
8
7
6
5
4
3
2
1
Temperatura de la Chaqueta
Fig. 8.20. Temperatura del Reactor como una Función de la Temperatura de la
chaqueta.

El término hysteresis es usado para indicar que el comportamiento es diferente

dependiendo de la “dirección” que las entradas son removidas. Por ejemplo, si
iniciamos con una temperatura baja en la chaqueta el reactor opera a baja temperatura
(punto 1). A medida que la temperatura de la chaqueta se incrementa, la temperatura del
reactor se incrementa (puntos 2 y 3) hasta alcanzar “punto limite” de baja temperatura
(punto 4). Si la temperatura de la chaqueta es luego ligeramente aumentada, la
temperatura del reactor salta bruscamente (ignición) hasta la temperatura alta (punto 8);
incrementos posteriores de la temperatura de la chaqueta dan como resultado
incrementos lentos de la temperatura del reactor.
Contrastando el comportamiento entrada-salida discutido el el prrafo anterior
(iniciando a baja temperatura de la chaqueta) con el caso de iniciar a temperatura de la
chaqueta alta. Si iniciamos a temperatura alta de la chaqueta (punto 9) es un reactor
simple a temperatura alta, la cual disminuye a medida que la temperatura de la chaqueta
disminuye (puntos 8 y 7). Asi nos movemos lentamente hasta el punto limite de
temperatura alta (punto 6), la temperatura del reactor decae (conocido tambien como
extinción) hacia una temperatura baja (punto 2). Posteriores disminuciones en la
temperatura de la chaqueta producen pequeñas disminuciones en la temperatura del
reactor.
El comportamiento de hysteresis discutido anteriormente es conocido también
como comportamiento ignición-extinción, por obvias razones. Notar que la región entre
los puntos 4 y 6 parecen ser inestables, debido a que el reactor parece no operar en esta
región (por lo menos en el sentido de estado estacionario). Razonamiento físico para la
estabilidad es discutido en la siguiente sección.
7.4 Estados estacionarios multiples: Consideraciones de Estabilidad (analisis de

estado estacionario)
Considerar el sistema descrito por la curva de remosión de energía C en la

Fig.8.19 Notar que el balance de energía al estado estacionario es satisfecho por los
funtos de operación 3, 5 y 7, esto es, existen tres posibles estados estacionarios.
¿Qué podemos observar sobre la estabilidad de cada uno de los posibles puntos de
operación, solamente del razonamiento físico?
Estado Estacionario Inferior (Punto de Operación 3)

Considerar una perturbación del punto de operación que es enfriar debajo del
punto 3, es decir T3 − δT. en este punto e calor generado es mayor que que el removido,
de tal manera que la temperatura comienza a subir – eventualmente yendo hacia T3. Si
iniciamos a T3 + δT más energía esta siendo removida antes que generada, de tal
manera que la temperatura comienza a descender – eventualmente yendo hacia T3.
La intesección a temperatura baja, T3, puede ser un punto de operación estable.
La estabilidad de lazo – abierto no se puede asegurar hasta efectuar un analisis de
eigenvalores (ver sección 5).
Estado Estacionario Medio (Punto de Operación 5)

Si iniciamos a T5 − δT, estamos generando menos energía que lo que se esta
removiendo, causando que T disminuya, eventualmente causando que la temperatura
vaya hacia T3. Si iniciamos a T5 + δT, más energía se esta generando que removiendo,
causando que la temperatura se eleve, incrementandose hasta alcanzar T7.

La intersección de temperatura media, T5, es un punto de operación inestable.

Aquí el analisis de estado estacionario Here the steady-state analysis is más que
suficiente para determinar que el punto 5 es un punto de operación inestable.
Estado Estacionario Superior (Punto de Operación 7)
Usando los mismos argumentos que para T3, encontramos

La intersección a temperatura alta, T7, puede ser un punto de operación estable.
Nuevamente, la estabilidad del estado estacionario superior puede determinarse
solamente por un analisis de eigenvalores (sección 5).
Hemos usado el razonamiento físico para determinar las características del lazo-
abierto solamente a partir del analisis del estado estacionario. Recordar que cuando
hemos estudiado las condiciones del caso 2 en la sección 5, hemos usado el analisis de
eigenvalores para encontrar que los estados estacionarios de temperatura al ta y baja
fuerón estables, mientras que el estado estacionario intermedio fue inestable.
7.5 Generando las Curvas Entrada-Salida del Estado Estacionario
Existen dos vias diferentes para encontrar como la temperatura del reactor al
estado estacionario varia con la temperatura de la chaqueta. Una via es resolver las
ecuaciones algebraicas no lineales (de estado estacionario) para diferentes temperaturas
de la chaqueta, y construir la curva relacionando temperatura de la chaqueta a
temperatura del reactor. Resulta que hay otra forma, más simple, para este problema
particular.
Aquí podemos fácilmente resolver para la concentración como una función de la
temperatura del reactor. También podemos resolver directamente para la temperatura
requerida de la chaqueta para una temperatura particular del reactor. Entonces nosotros
simplemente graficamos temperatura del reactor vs. Temperatura de la chaqueta. Los
calculos en detalle mostraremos a continuación.
Como en la sección 7.1, podemos encontrar la concentración al estado
estacionario para cualquier temperatura del reactor al estado estacionario, Ts (a partir
de la ecuación de balance de materiales para el reactante A)
F
C Afs
C As = V
F  − ∆E 
+ k o exp 
V  RTs 
De la solución para la temperatura al estado estacionario (dT/dt = 0) podemos resolver

para la temperatura de la chaqueta al estado estacionario, Tcs
  − ∆E  
 FρCp (Ts − T fs ) − (− ∆H )Vk o exp C As 
  RTs  
TCs = Ts +
UA

De manera similar, si asumimos que la temperatura de la chaqueta permanece

constante, podemos resolver para la temperatura requerida de alimentación.
  − ∆E  
UA(Ts − Tcs ) − (− ∆H )Vk o exp C As 
  RTs  
T fs = Ts +
FρCp
El archivo función cstr_io.m es usado para generar las siguientes curvas entrada-salida
para el caso 2 de parametros.
»Tempvec = 300:2.5:380;
»[Tjs,Tfs,conc] = cstr_io(Tempvec);
»plot(Tjs,Tempvec)
»plot(Tfs,Tempvec)
Fig. 8.21 Temperatura del reactor al estado estacionario como función de la temperatura
de la chaqueta, caso 2 de parametros.

Fig. 8.22. Temperatura del reactor al estado estacionario como una función de la
temperatura de alimentación, caso 2 de parametros
BIBLIOGRAFÍA
1. W.L. Luyben, "Process Modeling, Simulation and Control for Chemical

Engineers," 2nd Edition, McGraw-Hill, 1990.
2. Amundson, N.R. "Mathematical Methods in Chemical Engineering: Matrices

and Their Application," Prentice-Hall (1966).
3. Dahlquist, G., A. Bjorck and N. Anderson "Numerical Methods," Prentice-Hall

(1974).
4. D.M. Himmeblau and K. Bischoff, “ Process Analysis and Simulation” , Edit.

Prentice Hall, 1972.
5. N. Amundson, R. Aris, J. Deinfeld and L. Lapidus, Serie “ Mathematical

Methods in Chemical Engineering”, vol 1,2 y 3, Edit. Prentice Hall, 1980.

APENDICE 1
function f = cstr_ss(x)
%
% Modelo para un CSTR adiabático, caso2
% Use fsolve para encontrar la concentración y
% temperatura al estado estacionario.
%
% La declaración de llamada de la ventana de orden es:
%
% x = fsolve('cstr_ss',x0);
%
% donde x es el vector solución (x = [conc;temp])
% y x0 es un vector inicial supuesto
%
% defina los siguientes parámetros global cuyos valores
% puedan ser ingresados en la ventana de comando
% global CSTR_PAR
% CSTR_PAR(1): factor de frecuencia (9703*3600)
% CSTR_PAR(2): calor de reacción (5960)
% CSTR_PAR(3): energía de activación (11843)
% CSTR_PAR(4): densidad*cap. calorifica (500)
% CSTR_PAR(5): coef de transf de calor* area (150)
% CSTR_PAR(6): constante de gas ideal (1.987)
% CSTR_PAR(7): volumen de reactor (1)
% CSTR_PAR(8): flujo de alimentación (1)
% CSTR_PAR(9): concentracion de la alimentación (10)
% CSTR_PAR(10): temperatura de alimentación (298)
% CSTR_PAR(11): temperatura de la chaqueta (298)
%
% estados 1 y 2
% ca = concentración de A, kgmol/m^3
%
% 16 July 2002 - (c) Luis Moncada
%
f = zeros(2,1);
%
global CSTR_PAR
%
% a continuacion usaremos notation comun para los estados
% para mejorar la lectura del codigo
%
ca = x(1);
Temp = x(2);
%
% Valores de los parametros del caso 2 mostrados entre parentesis:
%
k0 = CSTR_PAR(1); % factor de frecuencia (9703*3600)
H_rxn = CSTR_PAR(2); % calor de reacción (5960)
E_act = CSTR_PAR(3); % energía de activación (11843)
rhocp = CSTR_PAR(4); % densidad*cap. calorifica (500)
UA = CSTR_PAR(5); % coef de transf de calor* area (150)
R = CSTR_PAR(6); % constante de gas ideal (1.987)
V = CSTR_PAR(7); % volumen de reactor (1)

F = CSTR_PAR(8); % flujo de alimentación (1)

caf = CSTR_PAR(9); % concentracion de la alimentación (10)
Tf = CSTR_PAR(10); % temperatura de alimentación (298)
Tj = CSTR_PAR(11); % temperatura de la chaqueta (298)
%
% razones usadas en las ecuaciones
%
fov = F/V;
UAoV = UA/V;
%
%
%
Tj);
%
% a continuacion convertimos lo anterior a notacion de funcion.
fsolve
%busca valores de x(1) y x(2) para conducir f(1) y f(2) a cero.
%
f(1) = dcadt;
f(2) = dTdt;
APENDICE 2
function xdot = cstr_dyn(t,x)
global CSTR_PAR
ca = x(1);
Temp = x(2);
%
% valores de los parametros, caso 2:
%
k0 = (9703*3600);
H_rxn = (5960);
E_act = (11843);
rhocp = (500);
UA = (150);
R = (1.987);
V = (1);
F = (1);
caf = (10);
Tf = (298);
Tj = (298);
%
%
fov = F/V;
UAoV = UA/V;
%
% ecuacionesde modelamiento:
%
%


Tj);
%
% enseguida convertimos a notación de funcion ode45.
%
xdot = [dcadt;dTdt];
APENDICE 3
function [amat,lambda] = cstr_amat(ca,Temp)
%
% Julio 2002
% L. moncada
% encuentrala matriz A para el caso 2 de un CSTR para determinar
% la estabilidad mediante analisis de eigenvalores:
%
% amat = matriz A
% lamba = vector de eigenvalores
% parametros
% k0 = factor de frecuencia, hr^-1
% fov = F/V, hr^-1
% H_rxn = calor de rxn, kcal/kgmol
% E_act = energia de activacion, kcal/kgmol
% rhocp = densidad*capacidad calorifica, kcal/m^3 deg K
% Tf = temperatura de alimentacion, deg K
% caf = concentracion de alimentacion de A,
% UAoV = coef. transf. de calor:*area/volume, kcal/m^3 deg K hr
%
% entrada manipulada
% Tj = Temperatura de la chaqueta, deg K
%
% estados
% ca = concentracion de A, kgmol/m^3
%
% valores de parametros
% caso 2:
fov = 1;
k0 = 9703*3600;
H_rxn = 5960;
E_act = 11843;
rhocp = 500;
Tf = 298;
caf = 10;
UAoV = 150;
R = 1.987;
Tj = 298;
%
ks = k0*exp(-E_act/(R*Temp));
ksprime = ks*(E_act/(R*Temp*Temp));
%
amat(1,1) = -fov - ks;
amat(1,2) = -ca*ksprime;
amat(2,1) = ks*H_rxn/rhocp;
amat(2,2) = -fov - UAoV/rhocp + (H_rxn/rhocp)*ca*ksprime;
%
lambda = eig(amat);
APENDICE 4
function [Tjs,Tfs,concs] = cstr_io(Tempvec)

%
% Generate the steady-state i/o curve for the diabatic CSTR.
% Tempvec is a vector of reactor temperatures generated
% before this routine is called.
%
% This routine solves for vector of jacket temperatures
% that would yield the required reactor temperature vector
% (assuming a constant feed temperature).
%
% In addition, this routine solves for the vector of
% feed temperatures that would yield the required reactor
% temperature vector (assuming constant jacket temperature).
%
% For consistency with cstr_ss.m and cstr_dyn.m, we use
% a global parameter vector. The elements of this vector
% should be set in the command window before this routine
% is run.
% global CSTR_PAR
% CSTR_PAR(1): frequency factor (9703*3600)
% CSTR_PAR(2): heat of reaction (5960)
% CSTR_PAR(3): activation energy (11843)
% CSTR_PAR(4): density*heat cap. (500)
% CSTR_PAR(5): heat trans coeff * area (150)
% CSTR_PAR(6): ideal gas constant (1.987)
% CSTR_PAR(7): reactor volume (1)
% CSTR_PAR(8): feed flowrate (1)
% CSTR_PAR(9): feed concentration (10)
% CSTR_PAR(10): feed temperature (298)
% CSTR_PAR(11): jacket temperature (298)
%
% Julio 2002 L Moncada
% revisado Enero 2003 - adicionado CSTR_PAR
%
global CSTR_PAR
%
% parameter values, case 2 shown in parentheses:
%
k0 = CSTR_PAR(1); % frequency factor (9703*3600)
H_rxn = CSTR_PAR(2); % heat of reaction (5960)
E_act = CSTR_PAR(3); % activation energy (11843)
rhocp = CSTR_PAR(4); % density*heat cap. (500)
UA = CSTR_PAR(5); % ht trans coeff * area (150)
R = CSTR_PAR(6); % gas constant (1.987)
V = CSTR_PAR(7); % reactor volume (1)
F = CSTR_PAR(8); % feed flowrate (1)
caf = CSTR_PAR(9); % feed concentration (10)
Tf = CSTR_PAR(10); % feed temperature (298)
Tj = CSTR_PAR(11); % jacket temperature (298)
%
% ratios used in the equations
%
fov = F/V;
UAoV = UA/V;
%
for i = 1:length(Tempvec);
Temp = Tempvec(i);
k = k0*exp(-E_act/(R*Temp));
ca = fov*caf/(fov + k);

stuff1 = fov*rhocp*(Temp - Tf);
stuff2 = H_rxn*rate;
Tjs(i) = Tempvec(i) + (stuff1 - stuff2)/UAoV;
concs(i) = ca;
stuff3 = UAoV*(Temp - Tj);
stuff4 = H_rxn*rate;
Tfs(i) = Tempvec(i) + (stuff3 - stuff4)/(fov*rhocp);
end;
APENDICE 5
% cstr_run.m
% L. Moncada
% 2 Enero 2003
% revisad0 - 6 Enero 2003 -
%
% Genera la gráfica de plano de fase para un no lineal (cstrr.m)
%
% Fijar condiciones iniciales
%
x01a= [0.5;305];
x01 = [0.5;315];
x02 = [0.5;325];
x03 = [0.5;335];
x04 = [0.5;345];
x05 = [0.5;355];
x06 = [0.5;365];
x07 = [0.5;375];
x08 = [0.5;385];
x09 = [0.5;395];
x010= [0.5;405];
x011= [0.5;415];
x012a=[9.5;305];
x012= [9.5;315];
x013= [9.5;325];
x014 = [9.5;335];
x015 = [9.5;345];
x016 = [9.5;355];
x017 = [9.5;365];
x018 = [9.5;375];
x019 = [9.5;385];
x020 = [9.5;395];
x021 = [9.5;405];
x022 = [9.5;415];
%
% use ode45 para integracion numerica
%
[t1a,x1a] = ode45('cstrr',[0 10],x01a);
[t1,x1] = ode45('cstrr',[0 10],x01);
[t2,x2] = ode45('cstrr',[0 10],x02);
[t3,x3] = ode45('cstrr',[0 10],x03);
[t4,x4] = ode45('cstrr',[0 10],x04);
[t5,x5] = ode45('cstrr',[0 10],x05);
[t6,x6] = ode45('cstrr',[0 10],x06);
[t7,x7] = ode45('cstrr',[0 10],x07);
[t8,x8] = ode45('cstrr',[0 10],x08);
[t9,x9] = ode45('cstrr',[0 10],x09);

[t10,x10] = ode45('cstrr',[0 10],x010);

[t11,x11] = ode45('cstrr',[0 10],x011);
[t12,x12] = ode45('cstrr',[0 10],x012);
[t12a,x12a] = ode45('cstrr',[0 10],x012a);
[t13,x13] = ode45('cstrr',[0 10],x013);
[t14,x14] = ode45('cstrr',[0 10],x014);
[t15,x15] = ode45('cstrr',[0 10],x015);
[t16,x16] = ode45('cstrr',[0 10],x016);
[t17,x17] = ode45('cstrr',[0 10],x017);
[t18,x18] = ode45('cstrr',[0 10],x018);
[t19,x19] = ode45('cstrr',[0 10],x019);
[t20,x20] = ode45('cstrr',[0 10],x020);
[t21,x21] = ode45('cstrr',[0 10],x021);
[t22,x22] = ode45('cstrr',[0 10],x022);
%
x040 = [0.5;370];
x041 = [0.5;372.5];
x049 = [9.5;320];
x050 = [9.5;326.25];
x051 = [9.5;327.5];
x052 = [9.5;330];
x053 = [9.5;332.5];
[t40,x40] = ode45('cstrr',[0 10],x040);
[t41,x41] = ode45('cstrr',[0 10],x041);
[t49,x49] = ode45('cstrr',[0 10],x049);
[t50,x50] = ode45('cstrr',[0 10],x050);
[t51,x51] = ode45('cstrr',[0 10],x051);
[t52,x52] = ode45('cstrr',[0 10],x052);
[t53,x53] = ode45('cstrr',[0 10],x053);
%
% gráfica del plano de fase
%
plot(x1(:,1),x1(:,2),'b')
hold on
plot(x1a(:,1),x1a(:,2),'b')
plot(x2(:,1),x2(:,2),'b')
plot(x3(:,1),x3(:,2),'b')
plot(x4(:,1),x4(:,2),'b')
plot(x5(:,1),x5(:,2),'b')
plot(x6(:,1),x6(:,2),'b')
plot(x7(:,1),x7(:,2),'b')
plot(x8(:,1),x8(:,2),'b')
plot(x9(:,1),x9(:,2),'b')
plot(x10(:,1),x10(:,2),'b')
plot(x11(:,1),x11(:,2),'b')
plot(x12(:,1),x12(:,2),'b')
plot(x12a(:,1),x12a(:,2),'b')
plot(x13(:,1),x13(:,2),'b')
plot(x14(:,1),x14(:,2),'b')
plot(x15(:,1),x15(:,2),'b')
plot(x16(:,1),x16(:,2),'b')
plot(x17(:,1),x17(:,2),'b')
plot(x18(:,1),x18(:,2),'b')
plot(x19(:,1),x19(:,2),'b')
plot(x20(:,1),x20(:,2),'b')
plot(x21(:,1),x21(:,2),'b')
plot(x22(:,1),x22(:,2),'b')
%
% marcar los estados estacionarios estables e inestables

% (o = estable, + = inestable)
plot([8.564],[311.2],'ro',[5.518],[339.1],'r+',[2.359],[368.1],'ro')
%
% algunas condiciones iniciales no usadas
% x030 = [5.768;339.1];
% x031 = [5.368;339.1];
% x032 = [5.518;338.5];
% x033 = [5.518;339.7];
% [t30,x30] = ode45('cstrr',[0 10],x030);
% [t31,x31] = ode45('cstrr',[0 10],x031);
% [t32,x32] = ode45('cstrr',[0 10],x032);
% [t33,x33] = ode45('cstrr',[0 10],x033);
%
plot(x40(:,1),x40(:,2),'b');
plot(x41(:,1),x41(:,2),'b');
plot(x49(:,1),x49(:,2),'b');
plot(x50(:,1),x50(:,2),'b');
plot(x51(:,1),x51(:,2),'b');
plot(x52(:,1),x52(:,2),'b');
plot(x53(:,1),x53(:,2),'b');
%
% plot(x30(:,1),x30(:,2),'w');
% plot(x31(:,1),x31(:,2),'w');
% plot(x32(:,1),x32(:,2),'w');
% plot(x33(:,1),x33(:,2),'w');
%
% fijar los limites en la grafica, y etiquetar los ejes
% y colocar el titulo
axis([0 10 300 425])
xlabel('Concentracion, kgmol/m^3')
ylabel('Temperatura, deg K')
title('CSTR con estados estacionarios multiples')

Modelamiento y Simulación de Procesos

Cargado por

Información del documento

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

Modelamiento y Simulación de Procesos

Cargado por

Copyright:

Formatos disponibles

DISEÑO DE PLANTAS DE

LUIS MONCADA ALBITRES MSc.

LUIS MONCADA ALBITRES

1.4.4 Modelos de parámetro distribuido frente a modelos de parámetro 16

MODELAMIENTO MATEMATICO DE PROCESOS 23

LUIS MONCADA ALBITRES

LUIS MONCADA ALBITRES

LUIS MONCADA ALBITRES

EJEMPLOS DE SIMULACION DE MODELOS 135

EJEMPLOS DE SIMULACION DE MODELOS 151

LUIS MONCADA ALBITRES

EJEMPLOS DE SIMULACION DE SISTEMAS 176

CASOS DE ESTUDIO 193

8.1 INTERCAMBIADOR DE DOBLE TUBO 193

LUIS MONCADA ALBITRES

LUIS MONCADA ALBITRES

MSc. LUIS MONCADA ALBITRES

LUIS MONCADA ALBITRES

En la industria de procesos hay dos áreas principales en las que el ingeniero

LUIS MONCADA ALBITRES

1.1 CONCEPTOS Y DEFINICIONES BASICAS

1.1.1 Sistemas y procesos

Sistemas. Todo sistema consiste de componentes interrelacionados y es, en un

ENTRADAS PROCESO SALIDAS

Fig. 1-1 Un sistema simple controlado

1.Integridad, que es el conjunto de objetivos y propósitos.

LUIS MONCADA ALBITRES

Unidad de proceso. Cualquier secuencia química de producción puede dividirse en un

1.1.2 Jerarquía de sistemas

Todo proceso de manufactura puede visualizarse como una secuencia de tres

LUIS MONCADA ALBITRES

SISTEMAS DE CONTROL DE OPERACIONES

Fig. 1-2 Jerarquía en una Planta Química

Las ecuaciones pueden clasificarse en dos grandes grupos: algebraicas y

LUIS MONCADA ALBITRES

El concepto de linealidad en ecuaciones es importante. Un ejemplo de ecuaciones

donde P0 = presión sobre la superficie

Fig. 1-4 Ejemplo de sistema no lineal

LUIS MONCADA ALBITRES

En esta expresión el cambio incremental en el flujo F no es proporcional a un

1.2.2 Ecuaciones implícitas y explícitas

1.2.3 Ecuaciones simultáneas

Ahora se describe el concepto de simultaneidad. Considerar el sistema descrito en

Donde Cv1 y Cv2 son los valores constantes y P es la presión de descarga de la

LUIS MONCADA ALBITRES

En un sentido amplio, las variables en un conjunto de ecuaciones simultáneas

1.2.4 Suficiencia y redundancia

En orden a obtener una solución para un conjunto de ecuaciones, es necesario

1.2.5 Ecuaciones diferenciales

Para adquirir destreza en la formulación de ecuaciones diferenciales es necesario

LUIS MONCADA ALBITRES

de cambio de V con respecto a t ”. Si V está relacionada a t, como muestra la Fig. 1-6,

la cual indica, “el volumen V a cualquier tiempo t es la acumulación del flujo F en el

Si el recipiente que se está llenando tiene un área de sección transversal

pero como dA/dt = 0 (A es constante)

LUIS MONCADA ALBITRES

Condiciones de frontera (condición límite)

Una definición completa para ecuaciones diferenciales debe incluir valores

Son requeridos valores de Y y Z a un valor particular de la variable independiente

La distinción principal de los presentes días, es que los procesos químicos

LUIS MONCADA ALBITRES

1.3.1 Modelamiento físico.

En este caso el proceso de interés es reproducido en diferentes escalas y se analiza

1.3.2 Modelamiento matemático