Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo8 PDF
Capitulo8 PDF
Existen cuatro operaciones básicas según puedan ser descriptas por los
eventos de “separación”, “combinación” y por los cambios que puedan ocurrir en el
tamaño de las partículas que participan del proceso.
Cuando no hay cambios en el tamaño de las partículas, los procesos pueden
clasificarse en tecnologías de separación mecánica (zarandas, ciclones, filtros, etc.)
y mezclado. Estos dos procesos son equivalentes a los procesos de separación (por
ejemplo en columnas de destilación) y mezclado (e.g. mezcla de componentes en
mezcladores) de los gases y líquidos.
Cuando existen cambios de tamaño de partículas (e.g. molinos y equipos de
aumento de tamaño) estas unidades se asemejan a los reactores químicos. Los
molinos tienen como propósito (en general) de moler material para someterlo en una
siguiente etapa a un proceso de separación o clasificación. Las unidades de
aumento de tamaño logran combinar partículas entre sí o partículas con ligantes
líquidos para obtener material particulado de mayor tamaño. Para todos los casos el
análisis del tamaño de partículas es fundamental.
La clasificación básica anterior se complementa con las operaciones de
transporte y almacenamiento las cuales son etapas estrictamente necesarias cuando
se procesan sólidos.
8.3. Granulación
+ +
S L
Pérdida de líquido,
aumento de densidad
Figura 8.3. Etapas en el proceso de granulación.
Tabla 8.1. Mecanismos posibles durante el proceso de granulación. Fuente: Litster et
al., 2004.
Cambia el Cambia la Cambia la Es discreto o
Mecanismo
número? masa? porosidad? diferencial?
Nucleación SI SI NO Discreto
Crecimiento
NO SI NO Diferencial
diferencial
Coalescencia SI NO NO Discreto
Consolidación NO NO SI Diferencial
Atrición NO SI NO Diferencial
Ruptura SI NO NO Discreto
tículas
Figura 8.3. Aglomeración.
Si se utiliza material sólido de mayor tamaño (no polvo) y el aglutinante se
atomiza en pequeñas gotas, el mecanismo que se favorece es el coating o layering,
aunque también puede darse la aglomeración. En las Figuras 8.4 y 8.5 se
esquematizan el mecanismo del tipo “cebolla” y el mecanismo tipo “accretion” (el cual
ocurre cuando pequeñísimas gotas son atomizadas en el sistema); respectivamente.
Los gránulos generados por la adición de sucesivas gotas (accretion) posee mayor
resistencia mecánica que los gránulos tipo capas de cebolla.
dg<dp
Coating
Accretion Layering Aglomeración
/coalescencia
+ +
+
S L S L
Compaction 1000
Tabletting
Pressure
[MN/m2]
Roll pressing
Wet Processing 100
Axial Extrusion
10
Radial Extrusion
1
High agitation
High shear
Low agitation mixers
Low shear mixers .1
Fluid-beds Pans
Drums
.01
0 .5 1
Relative density, [-]
.
Figura 8.9. Rotogranuladores o granuladores de alto o mediano corte.
8.4. Compactación
8.4.1. Equipos
8.5. Aplicaciones
∞
( ) (
m0 Vp , t = ∫ n Vp , t dVp = NT) (8.2)
0
∞
( ) (
m1 Vp , t = ∫ Vp n Vp , t dVp = VT ) (8.3)
0
El momento 0 (ver Tabla 3.7) representa el número total de partículas que posee la
población, mientras que el momento 1 indica el volumen total de la población o bien la
masa de la misma si se lo multiplica por la densidad.
Si la coordenada interna elegida es el diámetro (no aconsejable para cuando existe
aglomeración), L=dp, los momentos se definen como sigue:
∞
( ) ( )
m0 dp , t = ∫ n dp , t ddp = NT (8.4)
0
∞
( ) ( )
m1 dp , t = ∫ dp n dp , t ddp = L T (8.5)
0
∞
( ) ( )
m2 dp , t = ∫ dp2 n dp , t ddp ∝ ST (8.6)
0
∞
( ) ( )
m3 dp , t = ∫ dp3 n dp , t ddp ∝ VT (8.7)
0
∂n ∂ (Gn) Q Q
− − + n& birth − n& death + in nin − out n = 0 (8.8)
∂t ∂Vp V V
Extremos constantes:
∞∂ dNT
∫ n( Vp , t )dVp = (8.13)
0 ∂t dt
Extremos variables:
dni* Vi +1 ∂n( Vp , t )
dt
= ∫
∂t
(
dVp + n Vpi +1
dVpi +1
dt
)− n Vpi
dVpi
dt
( ) (8.14)
Vi
∞ ∂n ∞ ∂n ∞ ∂G ∞ ∞
− ∫ Vpj dVp − ∫ Vpj G dVp − ∫ Vpj n dVp + ∫ Vpj n& birth dVp − ∫ Vpj n& death dVp
0 ∂t 0 ∂Vp 0 ∂Vp 0 0
∞ jQ ∞ jQ
+ ∫ Vp in nin dVp − ∫ Vp out n dVp = 0
0 V 0 V
(8.15)
dm j ∞ j Q Qout
− −G∫ Vp dn + n& birth j − n& death j + in min
j − mj = 0 (8.16)
dt 0 V V
donde n& birth j y n& death j son los momentos j-ésimos de las velocidades de muerte y
nacimiento, el cálculo de estos términos se verá más adelante. Integrando por partes
el segundo término (∫ udv = u v − ∫ vdu ) de la ecuación (8.16) y considerando que la
función densidad debe ser 0 para un volumen de partículas infinito, resulta
∞ j ∞ ∞
j −1
∞
j
∫ Vp dn = Vp n − ∫ n j Vp dVp = − j ∫ n Vpj −1 dVp = − j m j −1 (8.17)
0 0 0 0
dm j Qin in Qout
− + j G m j−1 + n& birth j − n& death j + mj − m j = 0 (8.18)
dt V V
Para momento 0,
dm0 dNT
= =0 (8.19)
dt dt
La ecuación (8.19) indica que cuando los gránulos sólo crecen el número total de partículas
no varía.
Para momento 1,
dm1
− + G( Vp ) m0 = 0
dt
(8.20)
dVT
= G( Vp ) NT
dt
dmp Ap
=m
& ef (8.21)
dt Ap tot
dVp π dp 2 ddp π dp 2
ρp = ρp =m
& ef (8.24)
dt 2 dt Ap tot
& ef dp 2
πm
G( Vp ) = (8.25)
ρp Ap tot
Las expresiones (8.25) y (8.26) son de gran utilidad para modelar granuladores
de lecho fluidizado.
Existen muchas leyes propuestas para modelar la velocidad de crecimiento, la
más común es la del tipo de ley de la potencia, como se expresa en términos de
volumen y diámetro en las ecuaciones (8.27) y (8.28), respectivamente.
fM
Velocidad de
a G (Vp) G* (dp)
Crecimiento t
G (Vp) independiente 2
0 G0 G0
del tamaño dp π dp 2
fM
G (Vp) proporcional 2 1
1/3 G0 Vp1/ 3 ∝ G0 dp G0 Vp1 / 3 ∝ G0
2
al tamaño dp π dp dp t
G (Vp) proporcional 2
2/3 G0Vp 2 / 3 ∝ G0 dp 2 G0Vp 2 / 3 ∝ G0
2
al área superficial Ap π dp fM
G (Vp) proporcional 2
1 G0Vp ∝ G0 dp
al volumen Vp G0Vp ∝ G0 dp 3 t
π dp 2
población. Sin embargo esas propiedades pueden no ser suficientes para caracterizar
existen pocos casos que en los cuales el PBE se puede resolver de manera analítica.
Vp i +1 Vp i +1
∂n ∂n
− ∫ dVp − G ∫ dVp = 0 (8.29)
Vp i ∂t Vp i ∂Vp
Vpi +1 Vp i +1
∂n
− ∫ dVp − G ∫ dn = 0 (8.30)
Vp i ∂t Vp i
dni*
( ) ( )
dVpi +1 dVpi Vp i +1
− + n Vpi +1 − n Vpi − G ∫ dn = 0 (8.31)
dt dt dt Vp i
−
dni*
dt
( ) ( ) [(
+ n Vpi +1 G − n Vpi G − G n Vpi +1 − n Vpi = 0 ) ( )] (8.32)
dni*
=0 (8.33)
dt
Recordando que G se asumió constante se obtiene:
dVp
G= ≠ f ( Vp ) (8.34)
dt
Según las ecuaciones (8.33) y (8.34) la solución para el caso planteado resulta:
⎧⎪n* ( t ) = n* (0)
i i
Granulador batch, perfectamente mezclado, G= cte ⎨
⎪⎩Vpi ( t ) = Vpi (0) + G t
(8.35)
Ejemplo
Determine la evolución de la distribución de tamaño de partículas que se
adjunta en un granulador perfectamente mezclado que opera de manera discontinua y
con una velocidad de crecimiento constante definida en base a volumen.
Datos:
Distribución de tamaños original
Vinf, mm3 Vsup, mm3 ni*, #
0 4 0
4 6 5
6 8 10
8 9 20
9 10 30
10 14 20
14 16 10
16 20 5
20 35 0
35 50 0
Solución:
35
30
t=0
t=5 min
25
t=10 min
20
ni*, #
15
10
0
0 10 20 30 40 50
Vp, mm3
8.6.4. Procesos de aglomeración
Si el sistema se halla diluido es razonable suponer que las colisiones entre las
partículas son binarias. La Figura 8.16 muestra la colisión entre dos partículas de
volumen u y (v-u) que coalescen para dar una partícula de tamaño v. La cinética de
aglomeración se describe como en las reacciones químicas, es decir que la velocidad
con la que coalescen dos partículas es proporcional al volumen de las partículas que
intervienen en la formación del nuevo aglomerado y de una constante de velocidad de
aglomeración.
u v- u v
(u + v )a
β = β0
(uv )b
(u2 / 3 + v 2 / 3 )
β = β0
(u −1
+ v −1 )
⎧⎪β w < w * (uv )a w* = Valor crítico
β(u, v ) = ⎨ 0 w=
b
⎪⎩0 w > w * (u + v ) a y b = parámetros
Físicos
dm j 1∞ j v ∞
j
∞
− + ∫ v dv ∫ β( v − u, u)n( v − u)n(u)du − ∫ v n( v )dv ∫ β( v, u)n(u)du = 0 (8.40)
dt 20 0 0 0
Jusificación del cambio de extremos:
Las integrales dobles tienen la siguiente propiedad vinculada al cambio de
extremos:
a⎛ x ⎞ a⎛ a ⎞
∫ ⎜⎜ ∫ f ( x, y )dy ⎟⎟dx = ∫ ⎜⎜ ∫ f ( x, y ) dx ⎟⎟dy (8.41)
0⎝ 0 ⎠ 0⎝ y ⎠
dm j 1∞ ∞
j
∞
j
∞
− + ∫ n(u)du ∫ β( v − u, u)v n( v − u)dv − ∫ v n( v )dv ∫ β( v, u)n(u)du = 0 (8.42)
dt 20 u 0 0
dm j 1∞ ∞ ∞ ∞
∫ n(u)du ∫ β(ζ, u)(ξ + u) n( ξ)dξ − ∫ v n( v )dv ∫ β( v, u)n(u)du = 0
j j
− + (8.43)
dt 20 0 0 0
dm0 1 ∞ ∞ ∞ ∞
− + β ∫ n(u)du ∫ n(ξ)dξ − β ∫ n( v )dv ∫ n(u)du = 0 (8.44)
dt 2 0 0 0 0
dm0 1
− + βm02 − β m02 = 0
dt 2
(8.45)
dm0 1
− − βm02 = 0
dt 2
!!!!! dNT 1
Granulador discontinuo, = − β N2T (8.46)
perfectamente mezclado, dt 2
aglomeración pura
En un granulador discontinuo perfectamente mezclado, donde sólo ocurra
aglomeración con un kernel constante el número de partículas cae a medida que
progresa el tiempo de operación.
Si se desea obtener el momento 1 basado en volumen (con un kernel
constante), de la ecuación (8.44) resulta:
dm1 1 ∞ ∞ ∞ ∞
− + β ∫ n(u)du ∫ (ξ + u) n( ξ)dξ − β ∫ v n( v )dv ∫ n(u)du = 0 (8.47)
dt 2 0 0 0 0
dm1 1 ∞ ∞ 1 ∞ ∞ ∞ ∞
− + β ∫ n(u)du ∫ ξn(ξ)dξ + β ∫ n(u)du ∫ u n(ξ)dξ − β ∫ v n( v )dv ∫ n(u)du = 0
dt 2 0 0 2 0 0 0 0
(8.48)
dm1 1 ∞ ∞ 1 ∞ ∞ ∞ ∞
− + β ∫ n(u)du ∫ ξn(ξ)dξ + β ∫ u n(u)du ∫ n(ξ)dξ − β ∫ v n( v )dv ∫ n(u)du = 0
dt 2 0 0 2 0 0 0 0
(8.49)
dm1 1 1
− + βm0m1 + β m1m0 − β m1m0 = 0 (8.50)
dt 2 2
!!!!!
dm1
Granulador discontinuo, =0 (8.51)
perfectamente mezclado, dt
aglomeración pura
Ejemplo
Determine el tiempo que deberá operar un granulador perfectamente mezclado
que opera de manera discontinua (donde sólo se lleva a cabo aglomeración con un
kernel constante) a los efectos de reducir el número de partículas iniciales a la mitad.
Dibuje el número de partículas versus el tiempo
Datos:
β=4. 10-7 seg-1 #-1; Número total de partículas inicial= 20000 #
Solución:
dNT 1
= − β N2T
dt 2
NT t
−2 1
∫ NT dNT = ∫ − βdt
N0T 0 2
1 1 1
− = − βt
N0T NT 2
N0 1
1 − T = − βN0T t
NT 2
2 = 4 10 − 7 N0T t
t = 250 seg ≅ 4 min
2.50E+04
2.00E+04
número total, #
1.50E+04 N0T
NT =
1
1 + βN0T t
1.00E+04 2
5.00E+03
0.00E+00
0 200 400 600 800 1000 1200
tiempo, seg
∂n 1 v ∞
− + ∫ β( v − u, u)n( v − u)n(u)du − n( v ) ∫ β( v, u)n(u)du = 0 (8.53)
∂t 2 0 0
v i +1
∂n 1 v i +1 v v i +1 ∞
− ∫ dv + ∫ dv ∫ β( v − u,u)n( v − u)n(u)du − ∫ dv n( v ) ∫ β( v,u)n(u)du = 0 (8.54)
v i ∂t 2 v
i 0 vi 0
1 v i +1 ⎡⎢ i −1 j +1 ⎤
v
dni*
+ n(v i+1) i +1 − n(v i ) i +
dv dv ⎥−
− ∫ dv ∑ ∫ β( v − u, u) n( v − u) n(u) du
dt dt dt 2 v i ⎢ j = 0 v j ⎥
⎣ ⎦
(8.55)
v i +1 ⎡ M v j +1 ⎤
∫ n( v )dv ⎢ ∑ ∫ β( v, u)n(u)du⎥ = 0
⎢ j=0 v j ⎥
vi ⎣ ⎦
La sumatoria del cuarto término se extiendo sólo hasta i-1, para tener en
cuenta que la integral original tenía por extremos 0 y v.
Debido a que no hay crecimiento, G=0:
dni* 1 v i +1 ⎡⎢ i −1 j +1 ⎤ v i +1 ⎡ M v j +1 ⎤
v
− + ∫ dv ∑ ∫ β( v − u, u) n( v − u) n(u) du ⎥ − ∫ n( v )dv ⎢ ∑ ∫ β( v, u)n(u)du⎥ = 0
dt 2 v i ⎢ j=0 v j ⎥ vi ⎢ j=0 v j ⎥
⎣ ⎦ ⎣ ⎦
(8.56)
El desafío que resta es expresar las integrales dobles en función del número de
partículas por clase para que la ecuación tenga autonomía, i.e. pueda resolverse.
El problema que se enfrenta es que la función densidad en la ecuación (8.56)
se expresa como una función continua, y es nuestro objetivo discretizar el balance de
población. La pregunta que surge entonces es como expresar la función densidad de
manera discreta. De acuerdo a las leyes de probabilidad y estadística, la función
densidad puede expresarse de manera discreta como:
M
n( v ) = n( v, t ) = ∑ ni* δ(v − xi ) (8.57)
i=0
donde M es un número finito que representa las clases discretas que tiene nuestra
población. δ(v − x i ) es el delta de dirac, cuando v=xi el delta vale 1, en caso contrario
vale 0. En definitiva la ecuación (8.57) indica que la función densidad puede ser
expresada como una serie de impulsos de altura igual al número de partículas que
existe en la clase i.
donde x0 e y0 son puntos pertenecientes a los intervalos definidos por los límites de las
integrales.
⎡ M v j +1 ⎤ M v j +1 M
( )
v i +1 v i +1 M
∫ n( v )dv ⎢ ∑ ∫ β( v, u)n(u)du⎥ = β( xi , x j ) ∫ ∑ ni δ(v − xi )dv ∑ ∫ ∑ n j δ u − x j du
* *
⎢ j = 0 ⎥ i = 0 j = 0 j = 0
vi ⎣ vj ⎦ vi vj
(8.59)
donde xi y xj representan los volúmenes promedios de los extremos de los intervalos
(vi+1, vi) y (vj+1, vj), respectivamente.
Aplicando esta propiedad en términos de las variables que estamos usando, resulta:
v j +1 v j +1
*
( *
)
∫ n(u)du = ∫ n j δ u − x j du = n j (8.61)
vj vj
Teniendo en cuenta la ecuación (8.61), la ecuación (8.59) puede escribirse
como sigue (ecuación final que permite expresar finalmente el tercer término de la
ecuación (8.56) de manera discreta):
M
ni* ∑ β( xi, x j )n*j (8.62)
j=0
Ejemplo
Considere la siguiente población de partículas que
posee 3 clases: 12
Clase 0 1 2 Totales 10
Número, #
Número, # 10 10 10 30
4
4 mm3 Clase 3
dn0*
= −0.02(10 )(30 ) = −6
dt 5 mm3 Clase 4
#
n0* (1min) = n0* (0 min) − 6 1min = 10 − 6 = 4 6 mm3 Clase 5
min
Balance clase 1:
dn1* 1 * *
dt
( ) (
= β n0n0 − β n1* n0* + n1* + n*2
2
)
dn1*
= 0.5(0.02 )(10 )(10 ) − 0.02(10 )(30 ) = −5
dt
#
n1* (1min) = n1* (0 min) − 5 1min = 10 − 5 = 5
min
Balance clase 2:
( )
dn*2 1 * * 1 * *
dt
( )
= β n0n1 + β n1n0 − βn*2 n0* + n1* + n*2
2 2
( )
dn*2
= (0.02 )(10 )(10 ) − 0.02 * (10 )(30 ) = −4
dt
#
n*2 (1min) = n*2 (0 min) − 4 1min = 10 − 4 = 6
min
El planteo de las clases 0 a 2 no es suficiente para definir el sistema, ya que en 1 min
se han formado nuevas partículas, la más grande posible es la generada por la
coalescencia de dos partículas de clase 2, o sea de 6 mm3. Considerando que en el
proceso de aglomeración pueden aparecer partículas de tamaño 4, 5 y 6 mm3,
debemos plantear los balances para estas clases que serán llamadas clases 3, 4 y 5.
Balance clase 3:
Considerando que en el instante inicial no había partículas de clase 3, sólo pueden
aparecer (se supone que en tiempos menores a 1 min la clase 3 no aparece, lo cual es
obviamente una aproximación).
dn3*
dt
1
(
= β n0* n*2 + n1*n1* + n*2n0*
2
)
dn3*
= 0.5(0.02 )(100 + 100 + 100 ) = 3
dt
#
n3* (1min) = n3* (0 min) + 3 1min = 0 + 3 = 3
min
Balance clase 4
dn*4 1 * *
dt
(
= β n0n3 + n1*n*2 + n*2n1* + n3* n0*
2
)
= β(n n )
dn*4 1 * *
1 2 + n*2n1*
dt 2
dn*4
= 0.5(0.02)(200 ) = 2
dt
#
n*4 (1min) = n*4 (0 min) + 2 1min = 0 + 2 = 2
min
Balance clase 5
dn5*
dt
1
(
= β n0* n*4 + n1*n3* + n*2n*2 + n3* n3* + n*4n0*
2
)
= β(n n )
dn5* 1 * *
2 2
dt 2
dn5*
= 0.5(0.02)(100 ) = 1
dt
#
n5* (1min) = n5* (0 min) + 1 1min = 0 + 1 = 1
min
Distribución de tamaño de partículas al cabo de 1 min.
Clase 0 1 2 3 4 5 Totales
3
Tamaño, mm 1 2 3 4 5 6 60 mm3
Número, # 4 5 6 3 2 1 21
12
PSD 1 min
10
PSD 0 min
8
Número, #
0
0 1 2 3 4 5 6 7
Volumen, mm3
N0T 30
NT = = ≅ 23 #
1 0 1 + 0.5(0.02)(30 )(1)
1 + β NT t
2
El cálculo de 23 partículas es riguroso, en cambio la existencia de 21 partículas
es predicha suponiendo que en 1 min las partículas de clase 3 a 5 no se generan, esa
es la fuente de la discrepancia.
Imaginemos ahora que las partículas iniciales no tuvieran volúmenes que
difieren en 1 mm3. Es claro que la coalescencia de dos partículas cualquiera podría dar
una nueva partícula de un volumen que no se encuentra en nuestra grilla original, en
estos casos se genera un error que no permite mantener la masa total del sistema. En
tales casos hay que utilizar soluciones más sofisticadas que exceden el objetivo de
este curso.