REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD RAFAEL BELLOSO CHACÍN

VICERRECTORADO DE INVESTIGACIÓN Y POSTGRADO
DECANATO DE INVESTIGACIÓN Y POSTGRADO
MAESTRIA EN INGENIERIA DE CONTROL Y AUTOMATIZACION DE
PROCESOS

ESTRATEGIA DE CONTROL INTELIGENTE, PARA MINIMIZAR EFECTOS

PERTURBADORES EN LA CALIDAD DE PRODUCTO EN TORRE
DESETANIZADORA.

Trabajo presentado como requisito para optar al grado de Magíster

Scientiarum en Ingenieria de Control y Automatizacion de Procesos

Autor: Ing. Nervis Garcia

C.I. N° V.- 15.402.632
Tutor: Ailyn Dirinot (MSc)
C.I. N° V.- 16.426.232

Maracaibo, Enero de 2012

i
 ESTRATEGIA DE CONTROL INTELIGENTE, PARA MINIMIZAR
EFECTOS PERTURBADORES EN LA CALIDAD DE PRODUCTO EN
TORRE DESETANIZADORA.

ii
iii

iii
 DEDICATORIA

Primeramente a Dios por darme la sabiduría y la fuerza necesaria para

culminar esta carrera, permitiéndome alcanzar un deseo que durante años
había anhelado y que hoy gracias a él veo hecho realidad.
A mis padres, Neisa De García Y Ramón García, los seres que me dieron la
vida, la educación y los valores morales que me han servido en el ámbito
estudiantil, profesional y en la formación de mi hogar y de mis hijos.
Al programa de becas fundayacucho, que labor sociales como están sigan
para ver a mucho venezolanos profesionales.
A mis, hermanos cristianos, compañeros de trabajo, compañeros de estudio
que estuvieron conmigo en todo los momentos de la carrera. Esto es para
ellos vean que con fe y perseverancia se alcanzan las metas.
A mis hermanos Vladimir, Everth, Luis, Neyvelin, Nohelis, Noemí, Neylin
García, Elías moisés, benjamín para que con este logro que hoy culmino yo,
sea de incentivo para los sietes de que culminen su carrera que a pesar de
los tropiezos e inconvenientes que a uno se le presente en la vida siempre
hay que tener una meta y no se rindan, sigan siempre adelante que con un
poquito de constancia, paciencia y dedicación se logra todo. Esto es para
ustedes.
A mis tíos y tías Luis García, Manuel, Abel, Luis Gutiérrez, Egar, Ediluz,
Larizel, Ledis, Elva, Marisol de Espinoza, por su apoyo incondicional.
A todos mis primos y primas que me ayudaron en todo tiempo con su
atención y compresión.
A mis amigos, Ailyn Dirinot, marco Villalobos, Danny Montilla, José cañizalez,
lizabeht Sánchez, analing Martínez, eliza guerrero.

Ing. NervisGarcia

iv
 AGRADECIMIENTO

A ti mi Dios, por darme la salud, sabiduría y acompañarme en los momentos

que mas te he necesitado
A Papá y Mamá, por ser los mejores padres del mundo; siempre conmigo, mi
fuente de poder.
A a mis siete hermanos, que
Son parte de mí.
Ailing dirinog y marco Villalobos, fueron los ángel sobre mis hombros,
muchas gracias por el apoyo Amigo.
A mi familia; mis tías, primos y amigos, gracias por estar conmigo.
A Pdvsa Gas, Sr Juan Perdomo y el equipo de Ingeniería, gracias por el
apoyo incondicional.
URBE y mis profesores post grado, mil gracias.
A esos seres que no puedo ver, pero los siento conmigo en todo momento y
no me dejan caer

Ing.Nervis Garcia

v
 ÍNDICE GENERAL
Pág.
VEREDICTO iii
DEDICATORIA vi
AGRADECIMIENTO v
INDICE GENERAL vi
INDICE DE CUADROS ix
INDICE DE GRAFICOS x
INDICE DE FIGURAS xiii
INDICE DE DIAGRAMAS xvi
RESUMEN xvii
ABSTRACT xviii

INTRODUCCIÓN 1

Capítulo

I. El Problema

1. Planteamiento del Problema 4

1.1. Formulación del Problema 10
2. Objetivos de la Investigación 10
2.1. Objetivo General 10
2.2. Objetivos Específicos 10
3. Justificación de la Investigación 11
4. Delimitación del Problema 13

II. Marco Teórico

1. Antecedentes de la Investigación 14
2. Bases Teóricas 19
2.1. Variables del Proceso 26
2.2. Sistema de alimentación de la torre desetanizadora 29
2.3. Sistema de producción de Etano (C2) en el tope y Propano
vi
 (C3) en el fondo de la torre desetanizadora 31
2.4. Sistema de Relación de C2/C3 usando modelo Wood -Berry 33
2.5. Sistema de flujo de reflujo 34
2.6. Modelos Físicos 38
2.7. Modelos con el Tool Box de identificación de sistema 48
2.8. Modelos con redes neurales tipo Feed Forward 53
2.9. Control inteligente (Control Neural) 65
2.10. ..Simulación de la estrategia de control inteligente 66
3. Sistema de la variable 72
3.1. Definición Conceptual 72
3.2. Definición Operacional 72

III. Marco Metodológico

1. Tipo de Investigación 75
2. Diseño de La Investigación 76
3. Población y Muestra 77
3.1. Población 77
3.2. Muestra 77
4. Técnicas e Instrumentos de recolección de Datos 78
4.1. Recolección de información 79
4.2. Recopilación de datos 80
4.3. Instrumentos 80
5. Análisis de datos 83
6. Procedimientos de la Investigación 84

IV. Resultados de la Investigación

1. Resultados de la Investigación
Fase I Definir las Variables asociadas al proceso que perturban la 106
calidad del producto
Fase II Obtener la data del proceso en estado dinámico 108
Fase III Obtener los Modelos Matemáticos aplicando técnicas de 108
identificación de estimación del modelo simple
Fase IV Aplicación de las redes neurales a la identificación de 135
sistema en lazo cerrado y el diseño de los controladores
Fase V Sistema de control actual de la planta para mantener un 156

vii
 flujo interno en el tambor de separación flujo de reflujo así
garantizar el nivel óptimo entre los rangos 48% - 50% y el bombeo
de flujo de reflujo a la torre desetanizadora

CONCLUSIONES 204
RECOMENDACIONES 206
REFERENCIAS BIBLIOGRAFICAS 207
ANEXOS
ANEXO A Simulación del proceso en condiciones operacionales
bajo el software PROII
ANEXO B PID de PCTJ-2 para los sistemas de control de la
compasión tope y fondo flujo de alimentación, flujo de reflujo,
temperatura, Calculo Tiempo de muestreo.
ANEXO C Planos de instrumentos y tuberías
ANEXO D Data Sheet equipos PCJ-2
ANEXO E Data Sheet válvulas de control de flujo de aceite caliente

viii
 INDICE DE CUADROS

Pág.
Cuadro 1: Operacionalizacion de la Variable . 74
Cuadro 2 Fase 1 84
Cuadro 3 Fase 2 85
Cuadro 4 Fase 3 86
Cuadro 5 Fase 4 87
Cuadro 6 Fase 5 88
Cuadro 7: Plan de calidad de la producción de la planta 90
Cuadro 8: Historial de productos fuera de especificación Mes de 91
sept.
Cuadro 9: Historial de productos fuera de especificación – Mes de 92
agosto
Cuadro 10: Capacidad de la Planta PCTJ- 2 94
Cuadro 11: Columnas de extracción de PCTJ-2 94
Cuadro 12: Rehervidor De aceite PCTJ– 2 95
Cuadro 13: Tambores de reflujo PTCJ 2 96
Cuadro 14: Condensadores de reflujo y intercambiadores 97
Cuadro 15: Relación de Nivel de Seguridad y Confiabilidad. 98
Cuadro 16: Parámetros y variables que están presentes torre 101
Cuadro 17: Historial de Relación fuera de especificación – Mes de 102
septiembre
Cuadro 18: Historial de Relación fuera de especificación – Mes de 103
octubre
Cuadro 19: Relacion de nivel de seguridad y confiabilidad 105
Cuadro 20: Modelos prabados para encontrar la funcion 131
transferencia.
Cuadro 21:.Simulacion en estado estacionario 160
Cuadro 22: Simulacion Programa PRO II 184

ix
 INDICE DE GRAFICOS

Pág.
Gráficos 1: Comportamiento de la Temperatura De Tope 99
Gráficos 2: Comportamiento de la Presion De Tope 100
Gráficos 3: Relación máxima y mínima correspondiente al mes de 102
septiembre
Gráficos 4: Relación máxima y mínima correspondiente al mes de 104
agosto
Gráficos 5: Señal de entrada y salida. Caso N° 1 en Fase III 109
Gráficos 6: Nuevos Modelos Caso N° 1 en Fase III 110
Gráficos 7: Modelo Seleccionado Caso N° 1 en Fase III 111
Gráficos 8Diagrama de Polos (x) y Zeros (o) Caso N° 1 en Fase III 112
Gráficos 9: Preprocesado Caso N° 2 en Fase III 113
Gráficos 10: Con Aplicación del Filtro Caso N° 2 en Fase III 114
Gráficos 11: Modelos con Diferentes Salidas Caso N° 2 en Fase III 114
Gráficos 12Simulacion de Modelo Caso N° 2 en Fase III 115
Gráficos 13: Mediacion de Salida y Entrada del Sistema Caso N° 2 115
en Fase III
Gráficos 14: Estabilidad del Polo Caso N° 2 en Fase III 116
Gráficos 15: Señal de Entrada y Salida Caso N° 3 en Fase III 117
Gráficos 16 Todos los Modelos Caso N° 3 en Fase III 118
Gráficos 17: Salida de todos los Modelos Caso N° 3 en Fase III 118
Gráficos 18: Punto de Operación de la Salida y la Entrada Caso N° 119
3 en Fase III
Gráficos 19: Modelos estimado de la Seleccion Caso N° 3 en Fase 119
III
Gráficos 20: Representacion de Zeros y Polos Caso N° 3 en Fase 120
III
Gráficos 21: Rango para Validar Caso N° 4 en Fase III 121
Gráficos 22: Modelos Estimados Caso N° 4 en Fase III 122
Gráficos 23: Estimaciones del Modelo con SIT Caso N° 4 en Fase 123
III
Gráficos 24:Mediacion y Simulacion de la Salida Caso N° 4 en Fase 123
III
Gráficos 25:Polo Converge en la Region de estabilidad Caso N° 4 124
en Fase III
Gráficos 26: Selección de la Data para Validar Caso N° 5 en Fase 126

x
III
Gráficos 27: Representacion con las Diferentes Salidas Caso N° 5 126
en Fase III
Gráficos 28: Criterios de Estabilidad Caso N° 5 en Fase III 127
Gráficos 29: Representacion de PolosCaso N° 5 en Fase III 127
Gráficos 30: Señal de Entrada y SalidaCaso N° 6 en Fase III 129
Gráficos 31:Mediacion y Simulacion de la Salida Caso N° 6 en Fase 130
III
Gráficos 32: Polo y Zero que converge en la Zona de estabilidad 130
Caso N° 6 en Fase III
Gráficos 33:Data para Entrenar Caso N° 1 en Fase IV 138
Gráficos 34:Salida real y Simulada de la red Caso N° 1 en Fase IV 139
Gráficos 35: Salida real y simulada de la red que validan en word 139
Caso N° 1 en Fase IV
Gráficos 36 Salida real y simulada de la red con 4 neuronas Caso 140
N° 1 en Fase IV
Gráficos 37 Seccion de entrenamiento de la red Caso N° 2 en Fase 143
IV
Gráficos 38 Resultado del metodo Caso N° 2 en Fase IV 143
Gráficos 39 Salida real y simulada del tool box Caso N° 2 en Fase 144
IV
Gráficos 40Salida vs simulada de todos los puntos Caso N° 2 en 144
Fase IV
Gráficos 41 Salida de la red simulada y real Caso N° 2 en Fase IV 146
Gráficos 42 Validacion del modelo simulado Caso N° 3 en Fase IV 147
Gráficos 43 Salida de red simulada y real aplicando validacion Caso 148
N° 3 en Fase IV
Gráficos 44 Salida real vs simulada de la red Caso N° 4 en Fase IV 150
Gráficos 45 Salida simulada vs real para el control inteligente Caso 150
N° 4 en Fase IV
Gráficos 46 Salida real vs la simulada de la red Caso N° 5 en Fase 152
IV
Gráficos 47 Salida real vs la simulada de la red del nftoolCaso N° 5 153
en Fase IV
Gráficos 48 Salida real vs la simulada por matlabCaso N°6 en Fase 155
IV
Gráficos 49 Salida de flujo en el scope en Fase V 157
Gráficos 50Salida de flujo en Fase V 157
Gráficos 51 Salida de flujo en el scope en Fase V 158
xi
Gráficos 51.1Salida de flujo en Fase V 159
Gráficos 52 Salida del flujo de alimentacionen Fase V 164
Gráficos 53 Salida del sistema estabilizadoen Fase V 165
Gráficos 54 Composicion de tope (Etano C2)en Fase V 169
Gráficos 55 Composicion de fondo (Propano C3)en Fase V 170
Gráficos 56 Composicion de tope (Etano C2)en Fase V 172
Gráficos 57 Composicion de fondo (Propano C3 en Fase V 173
Gráficos 58 Salida de scopeen Fase V 174
Gráficos 59 F lujo de flujo de alimentacion con PID en Fase V 176
Gráficos 60 F lujo de aceite calienteen Fase V 176
Gráficos 61 Temperatura de topeen Fase V 177
Gráficos 62 Temperatura de fondoen Fase V 178
Gráficos 63 Salida de flujo en el scopeen Fase V 181
Gráficos 64 Salida de flujoen Fase V 181
Gráficos 65 Salida de flujo estabilizadoen Fase V 182
Gráficos 66 Salida de flujo estabilizado con el valor deseadoen 183
Fase V
Gráficos 67 Salida de flujo de alimentacionen Fase V 188
Gráficos 68 Salida del sistema estabilizadoen Fase V 189
Gráficos 69 Composicion de tope (Etano C2)en Fase V 193
Gráficos 70 Composicion de fondo (Propano C3)en Fase V 194
Gráficos 71 Composicion de tope (Etano C2)en Fase V 196
Gráficos 72 Composicion de fondo (Propano C3)en Fase V 197
Gráficos 73 Salida de scopeen Fase V 198

xii
 INDICE DE FIGURAS

Pág.
Figura 1:Columna De Fraccionamiento Binaria 20
Figura 2: Conductividad Termica 40
Figura 3: Transferencia De Calor Por Conveccion Forzada 41
Figura 4: Proceso General De La Frontera Del Sistema 44
Figura 5: Cantidad Del Balance De Energia Para Un Sistema 45
Cerrado
Figura 6:Configuraciones De Polos Y Zeros En Lazo Abierto 53
Figura 7: Esquema De Una Neurona 56
Figura8 Funciones De Activacion 57
Figura9 Esquema De Una Feed Forward Network 58
Figura10 Validacion De Un Modelo Con Redes Neurales 70
Figura11 Estimacion Del Modelo Caso N° 1 en Fase III 109
Figura12 Pre-Procesado Caso N° 2 en Fase III 113
Figura13 Incio Para Estimacion Del Modelo Caso N° 3 en Fase III 117
Figura14 Proceso De Preprocesador Caso N° 4 en Fase III 121
Figura15 Modelado Caso N° 4 en Fase III 122
Figura16 Importaciones De Data Al SIT Caso N° 5 en Fase III 125
Figura17 Proceso De Estimacion Del Modelo Caso N° 5 en Fase III 125
Figura18 Importaciones De La Data Del SIT Caso N° 6 en Fase III 128
Figura19 Modelo Estimado Caso N° 6 en Fase III 129
Figura 20 Configuracion para el control de temperatura del fondo 133
Caso N° 7 en Fase III
Figura21 Incion Del Nftool Caso N° 1 en Fase IV 135
Figura21.1 Carga De La Variable Caso N° 1 en Fase IV 136
Figura22 Red Compuesta Por 6 Neuronas Caso N° 1 en Fase IV 136
Figura23 Inicion Del Entrenamiento De La Red Caso N° 1 en Fase 137
IV
Figura24 Importacion De Datos Caso N° 1 en Fase IV 137
Figura25 Data De Entrenamiento Caso N° 1 en Fase IV 138
Figura26 Red Entrenada Para El Claculo Caso N° 1 en Fase IV 140
Figura27 Final De Entrenamiento Caso N° 2 en Fase IV 141
Figura28 Incion Del Entrenamiento Caso N° 2 en Fase IV 141
Figura29 Estructura De La Red Con 4 Neuronas Caso N° 2 en Fase 142
IV
Figura30 Final De Entrenamiento De La Red Caso N° 3 en Fase IV 142

xiii
Figura31 Incion Del Entrenamiento Caso N° 3 en Fase IV 145
Figura32 Red Con 4 Neuronas Caso N° 3 en Fase IV 145
Figura33 Terminacion De Sesion Entrenamiento Caso N° 3 en Fase 146
IV
Figura34 Red Entrenada Con 2 Neuronas Caso N° 4 en Fase IV 147
Figura35 Inicion Del Entrenamiento Caso N° 4 en Fase IV 148
Figura36 Red Con 8 Neuronas Caso N° 4 en Fase IV 149
Figura37 129 Interacciones Caso N° 5 en Fase IV 149
Figura38 Incion De Sesion Caso N° 5 en Fase IV 151
Figura39 Entrenamiento Con 58 Interacciones Caso N° 5 en Fase 151
IV
Figura40 Estructura De 5 Neuronas Caso N° 6 en Fase IV 152
Figura 41 Estructura De La Red Con 6 Neuronas Caso N° 6 en 153
Fase IV
Figura42 15 Interacciones Caso N° 6 en Fase IV 154
Figura43 Salida Real Vs Simulada Del Nftool en Fase V 154
Figura44 Modelo En Simulick en Fase V 156
Figura45 Controlador en Fase V 156
Figura46 Dos Cadenas De Compresion en Fase V 158
Figura 47Sistema de control TP, TF, Fac, FA con control PID en 164
Fase V
Figura 48 Desglose de las cajas en Fase V 165
Figura 49 Desglose de las cajas en Fase V 165
Figura 50 Desglose de los PID en Fase V 166
Figura 51 Sistema de control en Fase V 168
Figura 52 Desglose De La Caja Del Controlador PID en Fase V 168
Figura 53Desglose Del Segundo de PID en Fase V 159
Figura 54Modelo Wood Berry en Fase V 171
Figura 55Estabilizacion TP, TF, Fac, FA en Fase V 174
Figura 56Comparacion del prceso con ocntrol PID en Fase V 175
Figura 57Modelo en simulick en Fase V 180
Figura 58Ajuste del contralador en Fase V 180
Figura 59 Dos cadenas de comprension en Fase V 182
Figura 60Sistema de control TP, TF, Fac, FA en Fase V 188
Figura 61Desglose de las cajas en Fase V 159
Figura 61.1 Desglose de las cajas en Fase V 189
Figura 62Desglose de los PID en Fase V 190
Figura 63 Sistema de control en modelo Wood Berry en Fase V 192
Figura 64Desglose de la caja de controlador PID en Fase V 192
xiv
Figura 65Desglose del segundo PID en Fase V 193
Figura 66 Modelo Wood berry en redes neurales en Fase V 195
Figura 67Estabilizacion TP, TF, Fac, FA en Fase V 198
Figura 68Comparacion del control PID vs redes neurales fondo en 199
Fase V
Figura 69 Flujo de flujo de Alimentacion con PID -FFC en Fase V 200
Figura 70Flujo de aceite caliente con PID -FCC en Fase V 200
Figura 71Temperatura tope con PID -FCC en Fase V 201
Figura 72Temperatura fondo con PID -FCC en Fase V 202

xv
 ÍNDICE DE DIAGRAMAS
Pág
Diagrama1: Extracción de liquido de pctj-2 25
Diagrama 2: Isa del proceso donde representa el Feed-Forward
163
estacionario
Diagrama 3: Isa del proceso donde representa el Feed-Forward
167
estacionario para estabilizar las variables de estudio
Diagrama 4: Isa Del proceso donde representa la configuración
179
con redes neuronales
Diagrama 5: Isa del proceso donde representa el Feed-Forward
estacionario para mantener un flujo inteno en el tambor de 187
separacion de flujo
Diagrama 6: Isa del proceso donde representa El Feed-Forward
estacionario para estabilizar la temperatura del tope, del fondo y 191
flujo
Diagrama 7: Isa del proceso donde representa la configuración
203
con Redes Neuronales para estabilizar la temperatura y el flujo

xvi
GarcíaGutiérrez, Nervis David. “ESTRATEGIA DE CONTROL, PARA
MINIMIZAR EFECTOS PERTURBADORES EN LA CALIDAD DE
PRODUCTO EN TORRE DESETANIZADORA”. Universidad Dr. Rafael
Belloso Chacín. Decanato Programa de Maestría en Ingeniería de
Control y Automatización de Procesos. Maracaibo, 2011.

RESUMEN

La presente investigación tuvo como propósito Proponer una estrategia de

control inteligente, para minimizar efectos perturbadores en la calidad de
producto en torre desetanizadora.La investigación fue de tipo descriptiva Y
investigación de campo; identificándose el diseño como experimental cuasi
experimental con pre pruebas y pos prueba y grupo intac. La población
empleada en esta investigación consistió en los equipos del complejo sur y
norte específicamente en la planta compresora de gas tía Juana dos. Para la
recolección de los datos se utilizó la técnica de observación directa y la
técnica la observación documental o bibliográfica; donde se emplearon
archivos de computador, para el análisis e interpretación de los datos se
usaron el análisis documental y crítico. En ese sentido, se analizaron los
procesos inherentes a la planta e identificaron aquellos que requieren ser
automatizados; se realizó un inventario de materiales y equipos existentes
para luego evaluar los requerimientos y modelar la planta. Lo cual Permitió
dar respuesta a problemas que generan desconfianza en el sistema, como el
proceso de calentamiento y la condensación de líquidos en los sistemas de
control de la temperatura de tope y fondo. Se concluyó que se hicieron
comparación del proceso bajo control PID, Feedforward y redes neurales en
donde estas resultaron con mejor respuesta a la salida del scope
minimizando la perturbación en el sistema, de las variables contraladas las
cuales son temperatura de tope, fondo, flujo de alimentación, flujo de reflujo,
composición de tope y fondo..

Palabras clave: Estrategia de Control, PCTJ -2, Condensación, LGN,

Aceite Caliente, Intercambiadores, Calor.

xvii
Garcia Gutierrez, Nervis David. "CONTROL STRATEGY TO MINIMIZE
disruptive effect on product quality in deethaniser TOWER." Dr. Rafael
BellosoChacin University. Dean Masters Program in Control
Engineering and Process Automation.Maracaibo, 2011.

ABSTRAC

The present research was to propose an intelligent control strategy to

minimize disruptive effects on product quality deethaniser tower. The
research was descriptive and field research, identifying the experimental
design and quasi-experimental pre-tests and post-test and group intact. The
population used in this research consisted of teams from North and South
complex specifically in the gas compression plant Aunt Juana two. For data
collection technique was used direct observation and documentary
observation and technical literature, where computer files were used for the
analysis and interpretation of data were used document analysis and critical.
In that sense, we analyzed the processes inherent to the plant and identified
those that need to be automated, performed an inventory of existing materials
and equipment requirements and then evaluate the model plant.This allowed
to respond to problems that generate distrust in the system, as the heating
and condensing liquids in the systems control the temperature of top and
bottom. It was concluded that compared the process were under PID control,
Feedforward and neural networks where these were more responsive to the
output of the scope to minimize the disruption in the system variables which
are temperature control stop background flow food, reflux flow, composition of
top and bottom .. Finally, it should not be discarded the conventional system
of process control is still in force and their use can serve most of the oil
industry processes and a review of current systems for process control should
fail to level of instrumentation, hardware and software, process control.

Keywords: Control Strategy, PCTJ-2, Condensate, NGL, Oil Heat, Heat

exchangers, Heat.

xviii
 INTRODUCCIÓN

En las Plantas Compresoras de Gas Convencionales del Distrito Tía

Juana 3, se lleva a cabo un proceso de extracción de compuestos utilizados

en el mercado interno como combustible y materia prima, entre los cuales se

encuentran los Líquidos del Gas Natural (LGN).

Para la obtención de este producto es necesario llevar a cabo un proceso

dentro de las Plantas mencionadas, el cual se denomina Sistema de Aceite

Caliente, flujo de reflujo, flujo de alimentación y temperatura, composición de

tope y fondo, temperatura de fondo y tope. Dicho sistema tiene como función

transferir calor a los Rehervidores de glicol, y a su vez a las columnas

Desetanizadoras para la obtención de los vapores del condesado

estabilizado que se producen en el rehervidor de LGN, todo el proceso está

controlado por estrategias de control convencional aplicando controladores

PID.

Estos líquidos son calentados y se obtienen por medio de la

Transferencia de Calor del Aceite es precisamente el fluido que transfiere el

calor proveniente de los vapores del horno no se encuentra bajo una

estrategia definida de control, además de los procesos de la torre como el

flujo de reflujo, composición de tope y fondo, Al no poseer un control

inteligente para minimizar dichas perturbaciones en dichos sistemas, se ha

obtenido que algunas variables del proceso se hayan desviado de sus

rangos de operación, ocasionando que la calidad de los productos arroje

xix
 2

resultados desfavorables, esto debido a los efectos perturbadores que

causan inestabilidad en la calidad de los productos en la columna

desetanizadora.

En este mismo sentido, cuando el LGN fuera de especificación, es recibido

en la planta de fraccionamiento ULE, dichos márgenes fuera de rango,

afectan el proceso de fraccionamiento de propano, incrementando los

parámetros de operación en la columna de desepropanizadora y por

consiguiente, se obtiene el propano fuera de especificación, a lo que su

calidad se refiere. El punto focal de este trabajo de investigación, es una

estrategia de control inteligente en torre desetanizadora de fraccionamiento

de líquidos del gas natural para minimizar la calidad del producto.

El los proceso que están relacionados al fraccionamiento de la torre

desetanizadora cuenta con estrategias de control convencionales como PID

y PD además de sistemas Feed-forward, los cuales son flujo de alimentación

y temperatura, temperatura de fondo con la temperatura de tope, sin

embargo se han producido problemas con estos sistemas debido a que

algunos proceso todavía son contralados de manera empíricas o manuales

no hay estrategia de control definidas para minimizar el factor humano en la

Plantas Compresoras de gas, dificultando que el proceso funcione de

manera clara con una estrategia de control definida.

Ante tal situación se busca evaluar las alternativas que permitan

mantener una estrategia de control inteligente en torre desetanizadora de

fraccionamiento de líquidos del gas natural minimizando la calidad del

xx
 3

producto con la finalidad de mejorar el proceso y reducir gastos en

reprocesamiento del condensado estabilizado fuera de especificación en

base a los resultados obtenidos en el desarrollo de esta investigación, la cual

se encuentra estructurada en cuatro capítulos detallados de la siguiente

manera:

En el capítulo I se presenta el planteamiento del problema, donde se

detallará la forma en que fue abordado el problema además de los objetivos

establecidos, la justificación y las limitaciones

El capítulo II reúne una breve descripción de los antecedentes a la

investigación, además de presentar las condiciones teóricas, definiciones

básicas, descripción de los procesos y toda una gama de información

inherente al desarrollo de los objetivos de estudio.

En el capítulo III, se describe el tipo de investigación, la metodología

empleada y las fases del estudio.

En el capítulo IV, se presentan los resultados de la investigación,

evaluación de las estrategias de control convencionales actuales de la planta

con la estrategia de control inteligente propuesta para observar cual de las

dos estrategias estabiliza y reduce las perturbaciones en las variables

contraladas como la temperatura de tope, temperatura fondo, flujo de reflujo,

composición de tope, fondo y la variable a manipular el flujo de alimentación.

xxi