CHEMICAL ENGINEERING - MODELLING, SIMULATION AND SIMILITUDE

Pág. 533 - 543

Este ejemplo muy sencillo muestra que a veces no es posible utilizar este
procedimiento de ampliación. Afortunadamente, la mayoría de los problemas que presentan
imposibilidades de ampliación pueden resolverse utilizando otras metodologías. Como se
ilustra en este ejemplo, para lograr la similitud entre el comportamiento tanto del modelo de
laboratorio como del prototipo, todos los términos pi correspondientes deben equipararse
entre estas dos escalas. Por lo general, uno o más términos pi implican relaciones de
longitudes importantes (tal como H/d en el ejemplo anterior). Por lo tanto, cuando
equiparamos los términos pi que implican relaciones de longitud, estamos exigiendo que
exista "una similitud geométrica completa" entre el dispositivo de laboratorio y el prototipo.
El escalado geométrico podría extenderse a la característica más fina del sistema, tales como
la rugosidad de la superficie, o pequeñas protuberancias en una estructura, ya que el estado
de la superficie también determina el patrón de flujo. Cuando se debe considerar una
desviación de la escala geométrica completa, se debe llevar a cabo un análisis cuidadoso. Por
ejemplo, el diseño de un nuevo equipo empacado, o de un nuevo tipo de plato, no se puede
fabricar sin una escala geométrica completa.
wdρ
Otros grupos de términos pi característicos (tal como Re= en el ejemplo
η
anterior) implican relaciones de mecanismos o relaciones de fuerzas como se indica en la
Tabla 6.4. La igualdad de estos términos pi requiere las mismas relaciones de mecanismos o
fuerzas en los dispositivos de laboratorio y prototipos. Por lo tanto, para números de
Reynolds similares, los valores que definen los mecanismos de flujo turbulento y laminar
tienen que ser los mismos para ambos dispositivos. Si intervienen otros grupos pi, tales como
los números Froude, Weber, Archimede o Grashof, puede extraerse una conclusión similar;
es decir, la igualdad de estos grupos pi requiere relaciones idénticas de fuerzas idénticas para
el aparato de laboratorio y para el prototipo. En el caso de los términos pi similares, podemos
decir que tenemos una "similitud hidrodinámica".
Otras similitudes utilizadas en la ingeniería química se refieren a la "similitud de la
concentración de campo" y a la "similitud de la transferencia de propiedades". La
concentración de campo de la propiedad está caracterizada por los números de Prandtl,
Schmidt o la reacción de Fourier (Tabla 6.4). Se ha demostrado aquí que, si se respetan las
similitudes hidrodinámicas y geométricas, existen similitudes de transferencia entre el
dispositivo de laboratorio y el prototipo. Estas dos últimas condiciones de similitud
representan las condiciones de "similitud cinética de transferencia". Con el fin de tener una
similitud completa, necesitamos mantener la similitud entre la geometría, la dinámica y la
cinética de transferencia entre ambas unidades. Si se determina que el escalado es imposible,
tenemos que determinar si todas las variables importantes están incluidas en el análisis
dimensional y si se satisfacen todos los requisitos de similitud basados en los grupos pi
resultantes.
6.8.2.
Aspectos de diseño: Papel del DSC en la Compensación de Incertidumbres del Modelo
Significativo
Los estudios experimentales con un dispositivo de laboratorio, generalmente implican la
simplificación de hipótesis relativos a las variables a considerar. A pesar del hecho de que el
número de hipótesis es menos restrictivo de lo necesario para los modelos matemáticos que
introducen cierta incertidumbre en el diseño del dispositivo. Por lo tanto, es deseable
comprobar el diseño experimentalmente siempre que sea posible. En general, el propósito
del ML es predecir los efectos de ciertos cambios propuestos en un prototipo determinado o
en un dispositivo de mayor escala. El ML tiene que diseñarse, construirse y probarse y, a
continuación, las predicciones se pueden comparar con los datos disponibles de los
dispositivos de mayor escala. Si el acuerdo es satisfactorio, entonces los cambios que
permiten construir un modelo más grande pueden ser aceptados con una mayor confianza.
Otro procedimiento útil es ejecutar pruebas con una serie de ML que tienen diferentes
tamaños, donde uno de los dispositivos puede ser considerado como el prototipo y los otros
como modelos de este prototipo. Con los dispositivos diseñados y operados sobre esta base,
también necesitamos mejorar otras condiciones para la validez del diseño ML: las
predicciones precisas tienen que hacerse entre cualquier par de dispositivos, ya que cada uno
de ellos siempre puede ser considerado como el modelo de otro.
Es importante tener en cuenta que un buen acuerdo en las pruebas de validación
descritas anteriormente no indica inequívocamente que el escalado es correcto,
especialmente cuando las dimensiones de las escalas entre los diferentes ML son
significativamente diferentes de las requeridas por el modelo de laboratorio básico. Sin
embargo, si el acuerdo entre los distintos modelos no es bueno, es imposible utilizar el mismo
diseño de modelo para predecir el comportamiento del modelo de laboratorio básico.
Algunos casos de diseño demuestran que las ideas generales, que establecen
condiciones de similitud para los modelos cuando se utilizan términos pi correspondientes
simples, no siempre son capaces de satisfacer todos los requisitos conocidos.
Para ilustrar este caso: Si, para una relación, Π1 = Φ  Π2 ,Π3 ,...,Πs  uno o más requisitos de
similitud no se respetan, como, por ejemplo: Π 2   2 p , entonces se deduce que la relación
de predicción Π1 = Π1p no es verdadera. Los modelos diseñados sin satisfacer todos los
requisitos se denominan modelos limitados o modelos distorsionados.
El ejemplo clásico de un modelo distorsionado ocurre en el estudio de medios líquidos
que se mezclan mecánicamente como se describió anteriormente en este capítulo. El análisis
dimensional muestra que:

H h b 
K N =Φ  , , , K N , Re, We 
d d d 
Donde:

N nd 2ρ ρn 2d3
KN = , Re= , We=
dnρ
5 3
η σ
Si consideramos que la transferencia de calor se produce durante la mezcla, el análisis
dimensional muestra que:

H h b 
Nu=Φ  , , , K N , Re, We  (6.126)
d d d 
donde el número Nusselt es Nu =(αd) λ donde a es el coeficiente de transferencia de calor
a la pared de la unidad de mezcla y λ la conductividad térmica del fluido mixto. Si a g es el
factor de escala geométrica, la similitud geométrica requiere:
H p =Ha g , h p =ha g , b p =ba g

La similitud del número Euler (el grupo K N es una forma del número Euler para mezclas)
requiere:
Np N 5
= ag
ρp n 3
p ρn 3

o
3
ρp  n p 
N p =N   a 5g
ρ n 

La similitud del número de Reynolds requiere:

12
n 2pρp n 2ρ 1 n η ρ  1
= p
 η ρ 
= o p
ηp η ag 2
ηp  p  ag

Considerando que la similitud del número Weber requiere:

12
ρp n p2 ρn 3 1 n  ρ σp  1
= o p = 
σp σ ag 3
n  ρ p σ  a 3g 2

 np 
Dado que la escala de la velocidad de rotación   se expresa por dos relaciones, su
 n 
combinación podría escribirse como:
12
 np σ 
  =a g
12
(6.127)
 n σ p 
Cuando usamos el mismo fluido para el ML y el prototipo, obtenemos que a g  1 ,lo que es
inaceptable. Aparentemente, con un fluido diferente, puede ser posible satisfacer esta
condición de diseño, pero puede ser bastante difícil, por no decir imposible, encontrar un
fluido modelo adecuado, particularmente para una unidad a pequeña escala. Cuando el
requisito de identidad de los números Weber es eliminado, obtenemos un modelo
distorsionado, el cual da un buen enfoque a la mezcla intensiva (un número grande de
Reynolds muestra que las fuerzas de inercia son dominantes en mezcla del proceso). También
se puede obtener un modelo distorsionado cuando se eliminan los requisitos de identidad de
los números de Reynolds. A continuación, estos modelos son buenos para la descripción de
los casos en los que la mezcla mecánica es lenta pero intensiva porque las fuerzas en la
superficie son importantes.
Los modelos distorsionados se pueden utilizar con éxito, pero la interpretación de los
resultados obtenidos utilizando este tipo de modelo es obviamente difícil en comparación
con los verdaderos modelos para los que se obtienen todos los requisitos de similitud. El éxito
del uso de modelos distorsionados depende de la habilidad y experiencia del investigador
responsable del diseño del modelo y de la interpretación de los datos experimentales
producidos con el modelo. En muchos casos, los modelos distorsionados están asociados con
una o más incertidumbres y el uso de sus datos en el diseño de escalado de los procesos
complejos debe apreciarse y compensarse utilizando un diseño de sistema de control
adecuado (DSC).

6.8.2.1. Impacto de incertidumbres y la Necesidad de un Diseño de Sistema de Control

Al diseñar sistemas complejos, básicamente podemos encontrar dos tipos de incertidumbres.
En la primera, sabemos que el sistema funcionará, pero es difícil determinar su escala.
Ejemplos típicos de estas son las incertidumbres en las propiedades físicas como los
coeficientes de transferencia de calor, coeficientes de transferencia de masa, eficiencia del
plato, etc. [6.36 – 6.39]. Un diseño juicioso resolverá las incertidumbres. Si ampliamos la
observación, podemos apreciar que su principal impacto se refiere a la capacidad de la planta.
Los equipos de pequeño tamaño obstaculizarán el proceso. El punto importante es que un
diseño de gran tamaño juicioso es relativamente barato, mientras que el reequipamiento para
aliviar los cuellos de botella es costoso tanto en la capacidad de bajo costo como en el costo
de capital. Este es el tipo de incertidumbre más crítico, el cual, si no se aborda
adecuadamente, puede conducir a un fracaso total del proceso. Podemos ilustrar este caso
con ejemplos importantes extraídos de la experiencia de algunas industrias químicas [6.40]
cuando la ampliación de una planta terminó en un gran fiasco. Incluso si la planta no estaba
totalmente abandonada, se requerían modificaciones extensas y costosas para operarla.
Sin embargo, este problema se puede evitar fácilmente a través del diseño simultáneo
directo. También se podría argumentar que la construcción de una planta piloto grande o una
pequeña planta de demostración podría minimizar algunas de estas dificultades y riesgos
involucrados. Por ejemplo, el caso Exxon, en el que se construyó una planta de demostración
costosa para demostrar el nuevo proceso Fischer-Tropsch, es bien conocido [6,40]. Este tipo
de unidad costosa puede justificarse en algunos casos especiales, pero no siempre será
necesario.
 Las plantas piloto no están diseñadas a menudo para proporcionar la información
esencial para un escalado. En su lugar, son operadas para demostrar un estado estacionario
único que da resultados aceptables. Pocas veces están destinados a investigar el impacto de
las variables de proceso, que es esencial para la ampliación segura y diseño de control. No
hay gran diferencia entre diseñar una planta piloto grande o una planta comercial. En ambos
casos tenemos que asegurarnos de que el diseño puede lidiar con los riesgos de ampliación.
Para evitar cualquier malentendido, nos gustaría enfatizar que nuestra principal
preocupación aquí incluye partes tan críticas de la planta como nuevos reactores químicos,
procesos o algunas separaciones complejas que no pueden ser modelados de forma confiable
a partir de un conjunto limitado de experimentos llevados a cabo en un laboratorio o en una
planta piloto de pequeña escala. Para los dispositivos de planta restantes y los más clásicos
podemos utilizar simuladores modernos que proporcionan todo tipo de modelos matemáticos
y que han tenido un impacto tremendo en el diseño moderno de las plantas. Al mismo tiempo,
debemos señalar que el escalado basado en la combinación de modelos matemáticos
complejos completos con datos experimentales de unidades de laboratorio de tamaño
pequeño [6.41 – 6.47] comienza a ser utilizado con frecuencia para las necesidades del diseño
y también para un mejor funcionamiento de plantas existentes.
Sin embargo, tenemos que especificar que la ampliación de un proceso debe
considerarse como un problema complejo, no sólo con objetivos controlados determinados
por las variables de proceso dominantes, sino también por los grados de libertad
independientes. Aquí, la eficiencia del proceso, el modelamiento del proceso y el
procedimiento de diseño tienen que ser identificados, calculados, cambiados si es necesario
y utilizado con el fin de realizar un control de proceso eficiente. Para un proceso de escalado
o diseño, deben tenerse en cuenta los siguientes objetivos de control:
1. Permita que el sistema cumpla con las especificaciones. Permitir el cambio en línea
de las especificaciones.
2. Estabilice el sistema.
3. Compensar los cambios en la materia prima, en las propiedades del catalizador (si el
proceso principal es una reacción catalítica) y las perturbaciones dinámicas y
persistentes desconocidas.
4. Permitir la compensación por incertidumbres en el diseño y escalado de la unidad.
Para lograr estos objetivos, se requieren controles del estado estacionario y dinámico. Para
la mayoría de las plantas químicas, el control para cumplir con las especificaciones es el
objetivo principal. La capacidad de estabilizar y rechazar las perturbaciones es esencial para
alcanzar los objetivos mencionados anteriormente.
Antes de proceder a la metodología de diseño, en sí, será útil revisar y definir algunos
de los principios y conceptos de control parcial. Nos preocupa el control de un sistema en el
que el número de variables de proceso a controlar es mayor que el número de variables que
se manipulan para realizar este control. Si todas las variables de proceso tienen que ser
controladas de acuerdo a los puntos de ajuste exactos, el proceso tiene que ser abandonado o
el diseño modificado con el fin de proporcionar el número necesario de variables
manipuladas. Sin embargo, es muy a menudo el caso de que muchas de estas variables sólo
necesitan ser controladas dentro de los límites prescritos, de ahí la terminología de control
parcial.
 Las variables dominantes se caracterizan por la observación, que muestra que ejercen
una fuerte influencia en muchas de las otras variables de proceso interesantes. La temperatura
de operación del reactor es un ejemplo típico, ya que los cambios en este parámetro
generalmente modifican la conversión del reactante y la composición del producto. Por lo
tanto, mediante el control de las variables dominantes, podemos mantener las otras variables
de proceso de preocupación dentro de sus límites prescritos. Una variable es dominante por
estabilidad si, al controlarla, ejerzamos un efecto sobre la estabilidad del sistema. Esto es
especialmente importante si el sistema es un bucle abierto inestable. Es muy importante
identificar qué variables son dominantes en el laboratorio. Estrictamente hablando, cada
aparato presenta sus variables dominantes. Por ejemplo, las variables dominantes candidatos
potenciales para un reactor catalítico son: la temperatura, la presión, la velocidad espacial, la
actividad del catalizador y las propiedades de los reactantes.
Mientras que el impacto de las variables dominantes en las salidas del proceso puede
identificarse y medirse en el laboratorio, esto no siempre es cierto para la estabilidad. En este
caso, tenemos que depender de la disponibilidad de modelos usados para identificar posibles
variables dominantes. Está claro que todas las variables dominantes para la estabilidad son
también variables dominantes para las salidas.
En el control convencional (control de diseño, control de evolución), el número de
grados de libertad es considerado como el número de variables manipuladas disponibles.
Definimos los grados prácticos de libertad como el número de variables dominantes que
pueden ser controlados independientemente. La capacidad de tener un impacto en las salidas
y la estabilidad de un sistema químico está limitada por el número de variables dominantes
independientemente controlables disponibles en el diseño. El diseño de un sistema de control
es una parte de todo el diseño y es completamente dependiente del proceso de escalado. En
la situación con un sistema de control, la elección de las variables dominantes y los grados
de libertad independientes se considerarán suficientes si proporcionan la gestión con las
restricciones adecuadas y también dan lugar a una buena estabilización del sistema.
Para el diseño de cualquier sistema complejo, incluyendo o no un reactor químico, no
necesitamos un modelo completo, sino una información mínima del modelo, que depende
bastantemente del diseño en sí. La identificación de laboratorio de todas las variables
dominantes es esencial, junto con datos suficientes sobre su impacto en los resultados más
importantes del proceso. Esto es esencial para un escalado seguro y para producir un modelo
preliminar. También es importante saber cómo la información mínima del modelo determina
la elección del diseño básico y el diseño del control.
En todos los casos, las características clave de diseño son:
 la identificación de los objetivos del sistema de control (especificaciones),
 la generación de la información del modelo que caracteriza adecuadamente el
sistema,
 la identificación de las variables dominantes del proceso,
 la determinación de los grados efectivos de libertad,
 la determinación de la estructura de control.
 HECHO

Rechazar
Verificar Suficiencias y la Economía
(Aceptar o Rechazar)

Diseñar Sistema de Control Primario y

Supervisar Sistema de Control
Establecer las Variables
Manipuladas
Evaluar los Grados
Prácticos de Libertad

¿Todas las Variables

Determinar las Variables
Dominantes Potenciales están
Dominantes
identificadas?

Evaluar Incertidumbres
para cada Diseño

Bibliografía de
Laboratorio de Planta Establecer los Diseños
Piloto Alternativos

Introducir y Reunir
Información del Proceso
Productos
Materiales
Economía Definir Especificaciones

Figura 6.15 Posible estructura para el diseño de una fabricación química.

La Figura 6.,15 muestra la estructura general detallada de los pasos de trabajo para el diseño
de un escalado y una unidad de control para una fabricación química. Es observable que
podemos generar una serie de diseños de procesos alternativos, ya sea secuencialmente o en
paralelo. Entonces, uno también debe desarrollar y evaluar la mejor estructura de control
parcial para cada uno de estos diseños. El diseño que representa el mejor compromiso entre
costo y capacidad de control frente a la incertidumbre podría considerarse como el diseño
final.
6.9
Algunas Particularidades Importantes de los Modelos de Laboratorio de Ingeniería
Química

Generalmente, los procesos de ingeniería química incluyen pasos donde la transferencia de

la interfaz con o sin una reacción química es dominante. En estos casos, la superficie de
transferencia es uno de los parámetros que controla la eficiencia de transferencia. Algunas
de las diversas soluciones técnicas que se han desarrollado para aumentar la superficie de
transferencia son:
 el uso de lechos empacados de cuerpos pequeños para el equipo de transferencia
diferencial implicado en el procedimiento de contacto de fase,
 el desarrollo de un plato altamente eficiente equipada con dispositivos que producen
pequeñas burbujas o gotas con una distribución espacial densa y uniforme,
 el uso de lechos fijos catalíticos con pellets catalíticos con un diámetro no superior a 10-
15 mm, así como lechos fluidizados con catalizadores en forma de polvo.

Para todos los ejemplos indicados anteriormente, el análisis de la longitud geométrica

característica muestra que esta dimensión es muy pequeña (diámetro de cuerpo empacado,
diámetro de gota o burbuja, diámetro de la partícula del catalizador). En esta sección, hemos
demostrado que tanto la planta de laboratorio como el equipo de escalado (planta) tienen que
diseñarse para trabajar con las mismas longitudes geométricas características. Podemos
concluir que la relación l l p =1 es necesaria en el caso del escalado geométrico de los modelos
de laboratorio. Además, dado que la mayoría de los modelos de laboratorio están diseñados
para utilizar fluidos reales (los que se utilizarán en el modelo extendido) en sus pruebas,
podemos apreciar que tenemos escalas del mismo valor unitario para todos los materiales.
Si analizamos los aspectos fundamentales de la dinámica de los fluidos en contacto
con el dispositivo de laboratorio, podemos observar fácilmente que las velocidades y otros
parámetros dinámicos de las fases específicas, podrían ser idénticos a los del modelo
extendido. Si descuidamos los efectos de la pared, el cual, en el caso del ML podría ser
importante, podemos concluir fácilmente que los términos pi sin dimensionar que
caracterizan la dinámica del proceso presentan los mismos valores para la planta de
laboratorio y para el modelo extendido. Teniendo en cuenta estas observaciones, podemos
ver que los ML no requieren una ampliación de los datos y la información obtenida cuando
queremos utilizarlos en investigaciones experimentales de un proceso fisicoquímico. Esto
significa que las relaciones, las curvas y las observaciones cualitativas obtenidas con un ML
pueden ser directamente aplicables a los dispositivos más grandes.
No podemos terminar sin presentar algunas incertidumbres, que muestran las
diferencias entre los ML y su verdadero homólogo:
 los procesos químicos son estudiados frecuentemente a escala de laboratorio teniendo en
cuenta sólo las partes críticas. Esto significa que los elementos son considerados como
nuevos o desconocidos. Entonces, los problemas estudiados pueden presentarse cuando
se calcula y se ensambla las partes experimentadas.
 El tiempo estacionario de los modelos de laboratorio es bastante pequeño en comparación
con el tiempo correspondiente para los modelos extendidos. Este hecho introduce
importantes incertidumbres en la capacidad de los datos experimentales para predecir los
estados del sistema no cubiertos por la experimentación (por ejemplo, en los campos de
concentración y temperatura).
 Frecuentemente, los modelos experimentales se prueban con condiciones de contorno
que no son idénticas a las del modelo extendido. Esto es sostenido por la evolución
diferente de los campos de temperatura y concentración descritos anteriormente.

Si podemos asegurar el control y la compensación de estas incertidumbres, entonces podemos

apreciar la enorme importancia de la investigación experimental de ingeniería química para
el desarrollo de nuevos procesos o para modernizar aquellos que ya están en uso.
Referencias
6.1 E. Buckingham, Phys. Rev. 1914, 4,
345.
6.2 M. Vaschy, Anal. Telegraph.1892,
III, 11.
6.3 G. Murphy, Similitude in
Engineering, Ronald Press, New
York, 1951.
6.4 H. K. Langhahar, Dimensional
Analysis and Theory of Models, John
Wiley, New York, 1951.
6.5 K. I. Sedov, Similarity and
Dimensional Methods in Mechanics,
Academic Press, New York, 1959.
6.6 E. A. Bratu, Process and
Installations for Chemical Industry,
Polytechnic Institute of Bucharest,
Bucharest, 1959.
6.7 D. C. Ipsen, Units, Dimensions and
Dimensionless Number, McGraw-
Hill, New York, 1960.
6.8 S. J. Kline, Similitude and
Approximation Theory, McGraw
Hill, New York, 1965.
6.9 R. C. Pankhurst, Dimensional
Analysis and Scale Factors,
Chapman and Hall, London, 1964.
6.10 V. J. Koglund, Similitude Theory
and Applications, International
Textbook, Scranton, 1973.
6.11 R.B. Bird, W. E. Stewart, E. N.
Lightfoot, Transport Phenomena,
John Wiley, New York,1960.
6.12 H. Schlichting, Boundary Layer-
Theory, McGraw Hill,
NewYork,1979.
6.13 E. S. Taylor, Dimensional Analysis
for Engineers, Clarendon Press,
Oxford, 1974.
6.14 E de St Q., Isaacson, M de St Q.
Isaacson, Dimensional Methods in
Engineering and Physics, John
Wiley, New York, 1975.
6.15 D. J. Schuring, Scale Models in
Engineering, Pergamon Press, New
York, 1977.
6.16 T. Dobre, O. Floarea, Momentum
Transfer, Matrix-Rom, Bucharest,
1997.
6.17 J. Monson, P. Young, F. Okisihi,
Fundamentals of Fluid Mechanics,
John Wiley, New York, 1998.
6.18 O. Floarea, R. Dima, Mass Transfer
Operations and Specific Devices,
Didactic and Pedagogic Editure,
Bucharest, 1984.
6.19 G. B. Tatterson, Fluid Mixing and
Gas Dispersion in Agitated Tanks,
McGraw-Hill, New York, 1991.
6.20 E. A. Bratu, Processes and
Apparatus for Chemical Industry,
Technical Book, I and II, Bucharest,
1969, 1970.
6.21 M. Zlokarnik, Chem.Eng.Sci. 1998,
53 (17), 3023.
6.22 M. Zlokarnik, Scale-up in Chemical
Engineering, JohnWiley, New York,
2000.
6.23 C. W. Robert, J. A. Melvin (Eds.),
Handbook of Chemistry and
Physics, CRC Press, Boca Raton,
FL, 1982.
6.24 E. Ruckenstein, E. Dutkai, Chem.
Eng. Sci. 1968, 23, 1365.
6.25 R. Z. Tudose, A. Lungu, Genie
Chim. 1971, 104, 1769.
6.26 E. A. Bratu, F. Gothard, Br. Chem.
Eng. 1971, 16 (8), 691.
6.27 O. Floarea, G. Jinescu, Intensive
Processes for Transfer Unit
Operations, Technical Book,
Bucharest, 1975.
6.28 V. P. Luikov, Fundamentals of Heat
and Mass Transfer, Izd. Himia,
Kiev, 1978.
6.29 T. Dobre, Engineering Elements of 6.46 E. B. Cummings, S. K. Grifffits, R.
Chemical Surface Finishing, H. Nilson, P. H. Paul, Anal. Chem.,
Matrix-Rom, Bucharest, 1999. 2000, 72 (11), 2526.
6.30 H. Hadamard, Comp. Rend. Acad. 6.47 G. J. S. van der Gulik, J. G. Wijers,
Sci. 1911, 952, 1735. J. T. F. Keurentjes, Ind. Eng. Chem.
6.31 R. Rybczynski, Bull. Cracovie, Res. 2001, 40 (22), 4731.
1911, A, 40.
6.32 K. F. Pavlov, P. G. Romankov, A. N.
Noskov, Unit Operations for
Technological Chemistry, Mir,
Moscow,1982.
6.33 W. Hoyle (Ed.)., Pilot Plants and
Scale-Up of Chemical Processes,
Royal Society of Chemistry,
Cambridge, 1999
6.34 E.A. Bratu, Unit Operations for
Chemical Engineering, Technical
Book, Bucharest, 1983
6.35 E. Ruckenstein, Adv. Chem. Eng.
1987, 13, 16.
6.36 L. Francisco, C. Francesc, Ind. Eng.
Chem. Res. 1999, 38 (7), 2747.
6.37 F. Magelli, Ind. Eng. Chem. Res.
1998, 37 (4), 1528.
6.38 M. M. Hupa, Ind. Eng. Chem. Res.
1997, 36 (12), 5439.
6.39 M. A. Alaa-Eldin, Ind. Eng. Chem.
Res. 1997, 36 (11), 4549.
6.40 R. Shinnar, B. Dainson, I. H. Rinard,
Ind. Eng. Chem. Res. 2000, 39 (1),
103.
6.41 Z. Rudolf, G. J. Alan, Ind. Eng.
Chem. Res. 2000, 39 (7), 2392.
6.42 R. Krisna, J. M. van Baten, Chem.
Eng. J. 2001, 82, 247.
6.43 K. Kazdobin, N. Shwab, S. Tsapakh,
Chem. Eng. J. 2000, 79, 203.
6.44 V. Novozhilov, Prog. Energ. Comb.
Sci. 2001, 27 (6), 611.
6.45 J. G. Sanchez Marcano, T. T.
Tsotsis, Catalytic Membrane and
Membrane Reactors, Wiley-VCH,
Weinheim, 2002.