Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN
donde:
dy/dt = velocidad de variación del componente «y» en el sistema,
Σyent = suma de los flujos de entrada del componente «y» en el sistema,
Σysal = suma de los flujos de salida del componente «y» en el sistema,
y
Σyreac = suma de los flujos internos de producción (fuentes) y eliminación
(sumideros) del componente «y».
(1.5)
y la ecuación de estado vendría dada por el lim y(t) , con lo que el modelo
dinámico representa un régimen de transición hacia el estado
estacionario o de equilibrio a que tiende el sistema. Se trata pues de un
equilibrio dinámico donde los aumentos y disminuciones en el valor de cada
variable de estado se compensan exactamente, y se dice que el modelo
es estático.
La extensión de la Ecuación (1.5) a todas las variables de estado
tomará, la forma de un sistema de ecuaciones algebraicas, cuya solución
proporcionará una predicción de los valores de las variables de estado sin
considerar el tiempo.
El gradiente de SS:
Solución
Los arreglos de información, para n = 4:
0.8547 0.5084
El cual tiene la forma
Cn x^n + Cn-1 x^(n-1) + ... + Co = 0
x y f y-f
1.0000 1.0000 1.3631 -0.3631
1.8000 3.0000 2.0468 0.9532
2.0000 1.8000 2.2177 -0.4177
3.0000 2.9000 3.0724 -0.1724
x y f y-f
1.0e+005 *
0.0000 0.0015 0.0026 -0.0011
0.0000 0.0149 0.0106 0.0043
0.0000 0.0381 0.0437 -0.0057
0.0000 0.1050 0.1000 0.0050
0.0001 0.1755 0.1872 -0.0117
0.0001 0.3406 0.3185 0.0221
0.0001 0.4890 0.5076 -0.0186
0.0001 0.7699 0.7646 0.0053
0.0001 1.0919 1.0908 0.0012
0.0001 1.4741 1.4748 -0.0007
>>
Problemas
1. En la ingeniería de abastecimiento de aguas, el tamaño del reservorio
depende de la estimación exacta del flujo de agua en el río del cual se toma.
Para algunos rios es difícil obtener registros históricos de muchos años atrás
de tales datos de flujo. Por el contrario, datos meteorológicos sobre
precipitación de muchos años atrás están a menudo disponibles. Por tanto,
con frecuencia es útil determinar una relación entre el flujo y precipitación.
Esta relación se puede entonces usar para estimar flujos por años pero solo
cuando se hicieron dichas mediciones de precipitación.
Para un río que se va a encauzar a un dique, se tienen los siguientes
datos:
donde:
ent = que entra
pm = pintura mezclada
e = emitidos
donde:
MWcc = Peso molecular del contaminante en el combustible (lb/lbmol)
E = emisiones del contaminante
Qcomb. = Consumo de combustible, flujo másico (p.ej., kg/hr)
CCC = Concentración del contaminante en el combustible
MWce = Peso molecular del contaminante emitido (lb/lb-mol)
Por ejemplo, las emisiones de SO2 como producto de la quema de
combustóleo pueden calcularse basándose en su contenido de azufre. De esta
manera, se supone una conversión completa del azufre a SO2. Por lo tanto,
por cada libra de azufre (PM=32 g) quemado se emiten dos libras de SO2 (PM=
64g).
Ejemplo 3-1.
Calcular las emisiones de SOx por hora (reportado como SO2) de una
máquina de combustión interna que quema diesel, con base en los datos del
análisis del combustible (el contenido de azufre). El consumo estimado de
combustible es de 150 litros/hr. La densidad del diesel es de 0.85kg/litro (7.1
lb/gal). El contenido de azufre en el diesel es 0.05% en masa.
Consumo de combustible
Qcomb. = 150 litros/hr x 0.85 kg/litro
= 127.5 kg/hr
Concentración del contaminante en el combustible
CS = 0.05/100
= 0.0005
Ejemplo 3-2
Calcular las emisiones mensuales de COVs de un desengrasador de
vapor. Cada mes, se añaden 100 litros de solvente al inicio del mes. A
principios de mes, se añaden otros 20 litros para rellenar las pérdidas. A fin
de mes, se envían 100 litros de solvente residual a un reciclador y 0.2 kg de
residuos sólidos son recolectados para disposición.
El solvente es 100% COVs.
El solvente residual es 98% COVs.
El residuo sólido es 5% COVs.
La densidad del solvente es de 1.5 kg/litro.
A=
0.0700 0.1800 0.1500 0.2400
0.0400 0.2400 0.1000 0.6500
0.5400 0.4200 0.5400 0.1000
0.3500 0.1600 0.2100 0.0100
b=
10.5000
17.5000
28.0000
14.0000
1.2 Damos la orden para calcular x:
x=
26.2500
17.5000 Flujos totales de salida de las
8.7500 Columnas 2 y 3
17.5000
>>
Balance total y de componentes individuales en la columna #2 pueden
ser usados para determinar el flujo molar y fracciones molares a partir de la
ecuación de la corriente D por:
Flujos molares: D = D1 + B1
Flujos Molares: B = D2 + B2
Ecuaciones algebraicas
Uso de UNTSIM
Seleccionamos del Menú Principal – Modelización Ambiental – Ciclo del
Carbón
b) Fórmula de Holland
Una de las fórmulas más empleadas para el cálculo de esta elevación
para diferentes contaminantes es la de Holland:
Donde:
Vs =velocidad de salida del contaminante (m/s)
d=diámetro interior del conducto de emisión (m)
u=Velocidad promedio del viento
P=presión atmosférica (mbar)
Ts=Temperatura del contaminante (K)
Ta=Temperatura del aire ambiental (K)
2,68.10-3 es una constante expresada en mbar-1 m-1
Los valores de ∆h obtenidos con esta fórmula deben corregirse (Tabla
5.1) multiplicando por un factor, establecido por Pasquill-Gifford-Turner, que
es función de las condiciones meteorológicas, que se describen más
adelante.
Solución
a) Minimizar
Z = 55X1 + 125X2 + 55X3
Sujeta a las restricciones
Calorías
-2000X1 - 3000X2 - 1000X3 ≤ -4000
Proteínas
-X1 - 3X2 - 2X3 ≤ - 3
Uso de UNTSIM
El simulador UNTSM posee una rutina para minimizar una función objetivo,
para ingresar seleccionamos del Menú Principal: Otros- Optimización
LA RESPUESTA DEL PROGRAMA ES
*********************************************
Los valores óptimos de las variables son:
x=
1.6667 <-- kg de arroz
0.0000 <-- kg de pescado
0.6667 <-- kg de verduras
El valor óptimo de la función es:
fval =
128.3333 <-- Costo de la dieta
1.- Variables:
X1 = Cantidad de tableros (X1 ≥ 0)
X2 = Cantidad de cajas (X2 ≥ 0)
2.- Función objetivo: INGRESOS Z
Maximizar: Z = 100 X1 + 50 X2
Emisiones máximas
0.02 X1 + 0.03 X2 ≤ 1
4.- Enunciado:
Maximizar Z = 100 X1 + 50 X2
Uso de UNTSIM
El simulador UNTSM posee una rutina para minimizar la función objetivo, por
lo que para usar en maximización debemos cambiar los signos a la función
objetivo con lo cual el enunciado será:
Minimnizar Z = -100 X1 - 50 X2
20 X1 + 10 X2 ≤ 2000
0.02 X1 + 0.03 X2 ≤ 1
X1 ≥ 0
X2 ≥ 0
Para acceder al programa, seleccionamos del Menú Principal: Otros –
Optimización
» ta=0.5;
» kr=0;
» num=[ta, 1];
» den=[ta, (1-kr)];
» step(num,den);
» xlabel ('Años');
» ylabel('P');
b)
c)
Caso de Estudio:
Este caso de diseño modela una secuencia de tres unidades para
remover partículas de sólido (Polvo) y un compuesto orgánico volátil
(Acetona) de una corriente de aire con un flujo volumétrico de alrededor de
8,500 m3/h.
La mayor parte de las partículas grandes son removidas usando un
ciclón (CY-101). Un filtro de manga (BHF-101) se usa para quitar las partículas
restantes. La acetona es capturada usando a un "scrubber". El agua fue
seleccionada como el líquido de lavado porque la acetona es altamente soluble
en agua. Un "scrubber" con un diámetro de 1.8 m y una altura de 5.58 m es
requerido para remover 99.95 % de acetona.
Noto que el absorbedor puede estimar eficiencia de extracción si está
de moda Evaluar a Mode y usted especifica sus dimensiones (el diámetro y la
altura).
Solución
1. Inicializar el flowsheet usando los tres ítems del menú Tasks: Set Mode of
Operation, Register Components & Mixtures, y si el modo de operación
es batch, Recipe Scheduling Information.
2. En este caso seleccionamos: Operación continua
3. Construir un flowsheet seleccionando las adecuadas unidades de
procedimientos del menú Unit Procedures. Pasar a Connect Mode para
dibujar las corrientes y conectar las etapas de proceso.
****************************************
* *
* Waste-to-Raw-Materials Indices *
* *
****************************************
Total Waste
--------------- = 0.000
Raw Materials
Solid Waste
--------------- = 0.000
Raw Materials
Liquid Waste
--------------- = 0.000
Raw Materials
Emissions
--------------- = 0.000
Raw Materials
En este reporte las emisiones estan clasificadas según la EPA y nos indica la
cantidad individual y total de emisiones así como la unidad de
procedimientos de la cual provienen.
BIBLIOGRAFIA
1. Allen, D. T.; Rosselot, K. S. Pollution Prevention for Chemical Processes;
Wiley: New York, 1997.
2. American Institute of Chemical Engineers "Guidelines for Chemical Process
Quantitative Risk Analysis” Nueva York, AL Ch. E., 1989, 585 págs.
3. Batschelet, Edward. 1976. “Introduction to mathematics for life
scientists”. 2nd ed. New York: Springer-Verlag
4. Brown, D. and P. Rothery. 1993. “Models in biology: mathematics,
statistics, and computing”. New York: Wiley.
5. Cartwright, T. J. 1993. “Modeling the world in a spreadsheet”. Baltimore,
Md. : John Hopkins University Press.
6. D.M. Himmeblau and K. Bischoff, “ Process Analysis and Simulation” , Edit.
Prentice Hall, 1972.
7. Doucet, P. and P.B. Sloep. 1992. “Mathematical modeling in the life
sciences. Ellis Horwood series in mathematics and its applications”. New
York: E. Horwood.
8. Edelstein-Keshet, Leah. 1988. “Mathematical models in biology. 1st
ed”. New York: McGraw-Hill.
9. Eisen, Martin M. 1988. “Mathematical methods and models in the biological
sciences”. Vol 1. N.J.: Prentice Hall.
10. Eisen, Martin M. 1988. “Mathematical methods and models in the biological
sciences”. Vol 2. N.J.: Prentice Hall.
11. Ford, A. 1999. “Modeling the Environment”. Island Press, Washington, DC.
401pp.
12. Fogler, H.Scott. “Elements of Chemical Reaction Engineering”. 3 rd Ed.
Prentice Hall PTR, Upper Saddle River, NJ, USA, 1999.
13. Gow, Tracy and Pidwirny, Michael. “Photochemical Smog.” October 17, 1996
14. Hoppensteadt, F. C. 1982. “Mathematical methods of population biology”.
New York: Cambridge University Press.
15. Lees, F.P. “Loss Prevention in the Process Industries” Londres, Butterworth
& Co. Ltd., 1980, 2 Vo/s., 1316 págs.
16. Maynard Smith, John, 1982. “Mathematical Ideas in Biology”. Cambridge;
New York: Cambridge University Press.
17. Mazumdar, J. 1989. “An introduction to mathematical physiology and
biology”. New York: Cambridge Univ. Press.
18. Moncada, A.L. "Modelamiento y Simulación de Procesos," U.N.T (2004).
19. N. Amundson, R. Aris, J. Deinfeld and L. Lapidus, Serie “ Mathematical
Methods in Chemical Engineering”, vol 1,2 y 3, Edit. Prentice Hall, 1980.
20. Pagano, R.N. 1990. “Minitab in Understanding statistics in the behavioral
sciences”. West: St. Paul.
21. Pielou, E. C., 1977. “Mathematical ecology”. New York : Wiley.
22. Pielou, E. C., 1969. “An introduction to mathematical ecology”. New York:
Wiley-Interscience.
23. Renshaw, Eric. 1991. “Modelling biological populations in space and time”.
New York: Cambridge University Press.
24. Sax, N. I., “Industrial Pollution” Nueva York, Van Nostrand Reinhold
Company, 1974, 702 págs.
25. Vandermeer, J. 1990. Elementary Mathematical Ecology. Kreiger Publishing,
Malabar, FL. 294 pp.
26. Zolman, J.F. 1993. Biostatistics. New York, Oxford University Press.