Challenges and future directions for process and product

synthesis and design

Retos y orientaciones futuras para la síntesis

de procesos y productos. y diseño
1. Introducción

La primera contribución en el campo de la síntesis de procesos es ampliamente

reconocido a fecha de 1973 (Rudd et al., 1973) donde el Se establecieron
antecedentes teóricos. Tradicionalmente, el campo representa La creación
metodológica de un proceso para producir químicos productos con experiencia,
heurística y algoritmos. Encima tiempo, los límites del análisis se expandieron a
medida que más y más Se desarrollan conceptos y técnicas complejas que permiten
más capas de rigor a tener en cuenta. Esto incluyó campos como la optimización,
modelado, economía y control, que finalmente resultó en mejores diseños de
procesos. Sin embargo, el diseño del producto fue tradicionalmente se considera más
relacionado con el marketing de consumo que la ingeniería química. Solo
recientemente se ha convertido el diseño del producto parte del alcance de los
ingenieros de procesos, impulsados en parte por Las primeras contribuciones de Ng et
al. (2007) y muchos otros, incluidos un libro de texto (Cussler y Moggridge, 2011). Por
ejemplo, el popular Principios de diseño de productos y procesos de libros de texto
(Seider et al., 2017) no obtuvo la parte de "Producto y" del título hasta el segundo
edición. Sin embargo, es natural que los límites del proceso el diseño ahora se ha
expandido para incluir el diseño del producto desde el siguiente nivel de la pregunta
"¿Cuál es el mejor proceso para hacer este producto? es "¿Qué producto debemos
hacer para satisfacer las necesidades del mercado?" Estos productos pueden variar
desde productos químicos personalizados tales como catalizadores para reactores,
solventes para captura de CO 2 o térmicos fluidos para ciclos de Rankine a productos
complejos como cosméticos, productos farmacéuticos y alimentos procesados.
Por lo tanto, ambos campos deben considerarse dentro de un enfoque para poder
manejar las compensaciones entre ellos. Por ejemplo, para fabricar un producto
químico particular Necesitamos un proceso que cumpla con ciertas restricciones como
la presión, temperatura, o materiales de construcción. Alternativamente, podemos
querer desarrollar procesos flexibles para la producción de una gama de diferentes
productos, como productos de consumo, que es limitado por restricciones de proceso.
Dado que el producto depende en última instancia en el proceso, esto crea un fuerte
vínculo entre ellos como parte de La cadena de suministro más grande. Por ejemplo,
los procesos químicos deben ser controlado y operado con cuidado ya que son el
núcleo del producto cadena de suministro. Y, dado que las tendencias más recientes
en el procesamiento químico indicar un nuevo enfoque en el uso de recursos
renovables como como biomasa, energía solar o eólica en la cadena de suministro
este hecho agrega desafíos adicionales con respecto a la consistencia e irregular
disponibilidad de estos recursos. Además, porque todos estos están vinculados entre
sí a través de la cadena de suministro, esto implica que las mejoras a las secciones
aguas arriba de la cadena puede rendir económico beneficios en los productos finales
mucho más abajo. Por ejemplo, mejorado logística y operaciones en el manejo del
complejo espacio y desafíos temporales relacionados con las energías renovables
cosechar aguas arriba puede mejorar en gran medida la calidad del producto (o la
economía) de los productos. Por lo tanto, como se mostrará en este documento, el
general La tendencia en el proceso y el diseño del producto ha sido alejarse de silos
de pensamiento separados y, en cambio, se los considera juntos, a medida que nos
hacemos más capaces de manejar tareas más complejas. Y como mostraremos, la
próxima frontera es expandir el alcance más lejos, tal como la consideración de
aspectos más amplios de la cadena de suministro, la integración de control de
procesos y otros problemas.
Este trabajo se divide en cinco secciones más conclusiones. Primero, Se presenta una
breve descripción del enfoque tradicional de esta área. desde las perspectivas de
optimización heurística y matemática. Tenga en cuenta que el objetivo no es
proporcionar una revisión exhaustiva; otros trabajos en la literatura son más detallados
para el diseño de procesos (Westerberg, 2004; Barnicki y Siirola, 2004), pero lo hacen
no cubre el diseño del producto ni la integración entre proceso y diseño de producto.
Además, nuestro objetivo es proporcionar antecedentes eso ayudará a comprender los
desafíos que los nuevos procesos y los recursos representan las industrias química y
energética. Sección 3 se centra en los principales desafíos dentro del campo de
proceso y producto diseño que se está abordando a través de la investigación actual.
Después, La sección 4 presenta algunas posibles direcciones futuras de investigación
que actualmente no reciben una gran cantidad de investigación atención, pero es
probable que sean las siguientes áreas principales de intereses de investigación.
Finalmente, la Sección 5 presenta el wiki del árbol PSE como una forma de ayudar a la
comunidad de diseño a vincular conceptos, información y referencias dentro del área
de proceso y producto para ayudar a los investigadores abordar mejor los problemas
de diseño cada vez más complejos.

2. Un poco de historia

En esta sección destacamos las tendencias de investigación en los últimos 40–50

años en proceso y diseño de producto presentando los problemas abordado,
mostrando diferentes metodologías para lidiar con el mismo problema, así como el
desarrollo de métodos y herramientas para abordar problemas más realistas con el
tiempo. Revisiones detalladas centrándose en el diseño de procesos se han publicado
a lo largo de los años (Westerberg, 2004; Barnicki y Siirola, 2004). Un asunto
importante a destacar es el hecho de que durante años el diseño del proceso fue
abordado por separado del diseño del producto y solo recientemente ambos campos
han convergido para convertirse en un solo problema integrado.

2.1. Diseño basado en heurística

A lo largo de los años, los métodos basados en gráficos y heurísticos han ha sido propuesto y
utilizado con alta aceptación en la industria. La razón es principalmente práctico; típicamente
la mayoría de los procesos químicos son bastante complejo, con una gran cantidad de
opciones de diseño, y antes de la explosión de la informática personal barata era simplemente
intratable para lidiar con todas las combinaciones y decisiones posibles en de manera rigurosa
(y aún lo es en la mayoría de los casos). Por lo tanto, el colectivo sabiduría y experiencias de la
práctica de ingenieros químicos y los investigadores se reunieron en forma de heurísticas muy
útiles que permitió a los diseñadores tomar decisiones rápidamente en situaciones complejas
que tenía una alta probabilidad de ser práctico, útil y exitoso, aunque probablemente
subóptimo. Esto es particularmente común en áreas como redes de intercambiadores de calor,
redes de agua, síntesis del proceso, destilación, integración dentro de las instalaciones (es
decir, "total integración de sitio ") e integración entre instalaciones. Algunos de los ejemplos
más comunes se encuentran en el área del intercambiador de calor. diseño de red. Esta es una
situación de diseño de proceso común en una metodología clásica de diseño de procesos
donde un diseñador ha sintetizado las partes principales de un proceso químico (como como
pasos de reacción y separación) pero aún no ha realizado la integración de calor. En este caso,
las ubicaciones y cantidades de temperatura / los pasos de cambio de fase son conocidos en el
proceso (por ejemplo, esta secuencia necesita ser enfriado por una cierta cantidad en este
punto específico en el proceso), pero los medios para lograrlo aún no han sido determinado
(por ejemplo, a través de intercambiadores de calor dentro del proceso o mediante el uso de
utilidades). Este es un problema complejo de optimización con decisiones continuas y
discretas, como determinar qué secuencias deben coincidir, dividirse, redirigirse, etc., con
complejidad que aumenta combinatoriamente con el número de corrientes. Los primeros
intentos para abordar este problema incluyen reglas propuestas por Masso y Rudd (1969) o
Ponton y Donaldson (1974), a la adición de un enfoque termodinámico para formular el
método de pellizco (Linnhoff e Hindmarsh, 1983).

Otro ejemplo radica en los problemas de diseño de la red de agua, que tienen desafíos y
estructura similares a la red de intercambiadores de calor problemas de diseño Aunque
algunos de los primeros trabajos sobre el agua problemas de red de intercambio como Takama
et al. (1980) utilizó un Enfoque matemático en lugar de heurístico, resultó ser demasiado difícil
de implementar y resolver dada la tecnología disponible en ese momento, por lo que no fue
ampliamente adoptado. En cambio, heurístico los enfoques continuaron siendo utilizados por
muchos años. Por ejemplo, En 1989, El-Halwagi y Manousiouthakis (1989) propusieron una
focalización método gráfico para redes de intercambio masivo. Unos años más tarde, Wang y
Smith (1994) propusieron la llamada "pizca de agua" para minimizar el consumo de agua,
siguiendo el ejemplo de métodos pinch en la síntesis de red de intercambiadores de calor.
Aunque los métodos heurísticos dieron paso a las matemáticas métodos (ver la siguiente
sección) a medida que el poder de cómputo se volvió más disponible, incluso los métodos
matemáticos más modernos Todavía confío en la metodología general de diseño de procesos
heurística que El proceso principal está diseñado sin tener en cuenta la integración energía /
masa, y las redes de intercambio de calor / agua están diseñadas en último lugar. Esta filosofía
está integrada directamente en AspenOne Engineering Suite, en la que el diseñador de
procesos crea primero el diagrama de flujo modelo en Aspen Plus utilizando modelos de
intercambiador de calor "medio" que indican cuánto debería cambiar una corriente su
entalpía, pero sin considerando la otra mitad del intercambiador de calor. El usuario entonces
generalmente elige integrar las medias secciones manualmente o usar el bloque MHeatX
ahora desactualizado para vincular todo el medio calor modelos de intercambiadores juntos
para crear un (típicamente poco práctico y en gran medida teórica) red de intercambiadores
de calor un algoritmo basado en pinch influenciado por la heurística. Aunque el más nuevo
Aspen Energy Analyzer (AEA) basado en optimización reemplaza esto, todavía se basa en la
heurística más grande en la que está diseñado el proceso primero y la red del intercambiador
segundo (Adams, 2017). La alternativa es sintetizar el proceso y las redes de intercambiadores
de calor simultáneamente, que a menudo es demasiado complejo para ser manejable.

Es por eso que los dos enfoques principales para la síntesis del diagrama de flujo del proceso
todavía en uso hoy en día coloque el diseño de red del intercambiador de calor en el fin. Por
ejemplo, el método de descomposición jerárquica (Douglas, 1985; 1988) adopta un enfoque
iterativo donde el diagrama de flujo completo se mejora por etapas, aumentando la resolución
del diagrama de flujo cada vez reemplazando modelos simplificados o bocetos con versiones
más detalladas hasta que aparezca la imagen detallada completa. Calor El diseño de la red del
intercambiador es la última etapa. El método de la cebolla basa el diseño del proceso en torno
a la operación del reactor de síntesis, por primero centrándose en la etapa del reactor en
detalle como el centro de la cebolla, y luego diseñar más capas a su alrededor sintetizando y el
diseño de las operaciones de la unidad cada vez más aguas arriba o aguas abajo desde allí
hasta las materias primas y productos finales son alcanzados (Smith, 2005). En este enfoque, la
capa final de la cebolla es el diseño de la red de intercambiadores de calor. Decisiones
heurísticas tomadas tanto dentro del método jerárquico y los métodos de cebolla han estado
en uso durante mucho tiempo. Por ejemplo, clásico libros de Seider et al. (2017) y Woods
(2007) contienen extensos Asesoramiento tanto en el diagrama de flujo como en el diseño de
operación de la unidad confiar en la sabiduría de la ingeniería, como si elegir expansores vs.
válvulas flash, dónde colocar el cambio de presión y temperatura equipo relativo a otras
unidades, ya sea para transportar materiales como líquidos versus gases, qué tipos de equipos
seleccionar, cómo se deben incorporar las corrientes de reciclaje y muchas otras decisiones.
Seader y Westerberg (1977), dieron ahora heurísticas bien conocidas para la secuencia de
columnas de destilación, que durante muchos años fue La única forma práctica de abordar los
problemas de la secuencia de destilación que aumentan combinatoriamente con el número de
productos químicos siendo recuperado, aumentando rápidamente a muchos millones de
posibles diagramas de flujo. Otros ejemplos dentro del diseño del proceso incluyen geometría
reglas para la selección de reactores y redes de reactores (Glasser et al., 1987).
Estos mismos principios de diseño basados en heurística se aplican no solo al diseño de
procesos individuales, pero al diseño de sistemas que integran múltiples procesos juntos,
llamado integración total del sitio. El objetivo es explotar las sinergias entre procesos en
grandes complejos para ahorrar utilidades y recursos (Klemeš et al., 1997), especialmente con
la integración de renovables intermitentes fuentes de energía, ya que requieren
consideraciones de diseño más complejas (Varbanov y Klemeš, 2011). Heurística incluso han
sido propuso integrar procesos aún más estrechamente que mejor se llama intensificación de
procesos (Klemeš et al., 2014) donde las unidades, equipos o secciones de proceso se
comparten entre procesos para reducir la cantidad total o la huella del conjunto sitio.
Sin embargo, la heurística del diseño del producto no era un enfoque tradicional. de la
comunidad de ingeniería de sistemas de procesos y por eso solo se discuten aquí brevemente.
En cambio, cayeron dentro de la gerencia comunidad científica (Kohli y Krishnamurti, 1987)
hasta el trabajo de Cussler y Moggridge (2011) que proporcionó pautas en un contexto de
ingeniería de sistemas de procesos. Ejemplos más recientes incluyen Arrieta –Escobar et al.
(2018) quien sugirió una heurística metodología basada en el diseño de productos de consumo
aplicados a la cosmética. Las propias experiencias industriales de los autores han demostrado
que las empresas suelen utilizar los conocimientos de sus expertos, años de experiencia y
sabiduría para guiar el desarrollo de nuevos productos. En casi todos los casos, el diseño
general y heurístico se aproxima por completo Diseño de producto separado del diseño de
proceso.

2.2. Diseño matemático

El desarrollo de métodos matemáticos se ejecuta en paralelo. con el desarrollo de

solucionadores y potencia informática. Así, los métodos matemáticos comenzaron a
reemplazar los métodos heurísticos para resolver problemas cada vez más complejos
(Grossmann et al., 1999). Para el ejemplo del diseño de red del intercambiador de calor,
temprano intenta utilizar métodos secuenciales para determinar el consumo de servicios
públicos, transmitir coincidencias y la red no era capaz de resolviendo las compensaciones
entre costos operativos y de inversión (Floudas et al., 1986), dejando los métodos heurísticos
descritos en la sección anterior como el método preferido del día. Sin embargo, mejoras
matemáticas clave cambiaron esto, como el desarrollo de enfoques de diseño simultáneos
basados en superestructura optimización (Yee y Grossmann, 1990), o enfoques de localización
de pellizcos (Duran y Grossmann, 1986). Sin embargo, problemas a gran escala involucrar
diagramas de flujo enteros sigue siendo bastante difícil. Por ejemplo, los enfoques marco
secuenciales son capaces de manejar grandes problemas, pero no prueban la optimización
global (Anantharaman et al., 2010). Sin embargo, los algoritmos actuales ahora son efectivos y
convenientes suficiente como para que, aunque la optimización global no esté garantizada, y
se pueden requerir técnicas de simplificación, como por partes aproximación lineal de las
relaciones de capacidad calorífica, tienen efectivamente reemplazado los métodos heurísticos
en muchos casos. Un ejemplo es el analizador de energía Aspen mencionado anteriormente
que comercializó muchos de los desarrollos teóricos y algorítmicos enumerado aquí para hacer
una red de intercambiadores de calor basada en matemáticas diseño fácil y rápidamente
disponible para no expertos. Aunque usando el software requiere alguna entrada del usuario,
como definir hot y corrientes frías y definición de algunas heurísticas a nivel de usuario, como
restricciones en la complejidad de la red, incluso estos inconvenientes pueden potencialmente
ser reemplazado con el desarrollo de nuevos algoritmos tales como el presentado por
Quirante et al. (2018)
Este nuevo algoritmo método actualizado de Duran y Grossmann (1986) para
automáticamente clasifica las transmisiones como calientes o frías sin necesidad de
especificación del usuario. Los problemas de diseño de la red de agua siguieron una historia
similar, teniendo características matemáticas similares a la red de intercambiadores de calor
problemas de diseño Al igual que las redes de intercambiadores de calor, los primeros intentos
en la optimización matemática para la gestión del agua, como Takama y col. (1980) o
Papalexandri et al. (1994) ayudó a avanzar desarrollos teóricos pero no fueron ampliamente
adoptados debido a La dificultad en la capacidad de solución de las formulaciones MINLP. Sin
embargo, Galán y Grossmann (1998) volvieron a visitar Takama et al. (1980) a resolver una
superestructura de todas las posibles oportunidades de reutilización y reciclaje, haciendo un
gran avance en el uso de enfoques matemáticos haciendo que el problema sea generalizable y
práctico. Esto continuó mejorando con avances clave como como el desarrollo de Karuppiah y
Grossmann (2006) de un espacio algoritmo de sucursal y contrato para la rigurosa optimización
global del diseño del sistema de agua que fue actualizado por Ahmetovic y Grossmann (2011).
Esto ha hecho que la solución de la red de agua generalizada problemas de síntesis
matemáticamente mucho más prácticos y más ampliamente adoptado, incluso convirtiéndose
en una importante prueba de referencia problema dentro del campo de la optimización en sí
(Teles et al., 2012; Misener y Floudas, 2014). Ahora que la optimización se acerca al
intercambiador de calor y agua el diseño es ampliamente utilizado, es natural que el siguiente
nivel de desarrollo incluir la integración de estos dos problemas de diseño juntos o incluso en
otros aspectos de síntesis y diseño de diagramas de flujo. Ejemplos clave incluyen síntesis
simultánea de calor y agua en un procedimiento de dos etapas por Grossmann y Martín
(2010), un procedimiento de focalización para integrar simultáneamente agua y energía
integración de Yang y Grossmann (2013), y un procedimiento para integrar calor, agua y
energía juntos simultáneamente dentro del diseño de procesos (Baliban et al., 2012). Estos
últimos enfoques son el siguiente paso en el camino hacia enfoques de optimización que
incorpora más y más decisiones de diseño en la optimización marco, y dejando cada vez menos
para el diseñador. Estos son los primeros indicadores de las direcciones futuras del campo. que
discutiremos en secciones posteriores, ya que aún no se han adoptado ya que la barrera de la
complejidad para el diseñador típico también permanece alto.

Dentro del espacio de proceso de síntesis y proceso de diagrama de flujo diseño fuera de redes
de agua y calor, programación matemática los enfoques basados han estado en uso por mucho
tiempo. Primeros ejemplos en la categoría de sistemas de producción de energía y vapor
incluyen formulaciones simples de MILP (Papoulias y Grossmann, 1983) a enfoques similares
utilizando modelos cada vez más rigurosos para el cálculo de las propiedades termodinámicas
del vapor como Bruno et al. (1998) o modelos de turbinas más rigurosos Varbanov y col. (2004)
Recientemente, Pérez-Uresti et al. (2019) desarrollado Formulaciones MINLP para plantas de
energía 100% renovables integrando biomasa, residuos, energía solar y eólica para la
producción de poder y vapor. Primeros ejemplos en red de reactores síntesis incluyen el
diseño de reactores mediante la optimización del reactor conversión, que considera la
dinámica de la cinética en la formulación (Achenie y Biegler, 1986). El vínculo entre la reacción.
y la separación llevó a considerar ambos simultáneamente en la formulación (Balakrishna y
Biegler, 1993). En términos de separación, con columnas de destilación las unidades de mayor
intensidad energética En la industria, una serie de trabajos iniciales se ocupan de la secuencia
óptima de columnas para separar mezclas (Andrecovich y Westerberg, 1985), incluida la
integración del calor entre ellos (Floudas y Paules, 1988), así como el riguroso diseño de las
columnas mismas (Viswanathan y Grossmann, 1993). Los avances más recientes se centran en
la secuenciación de destilación multicomponente óptima con el posibilidad de configuraciones
de secuencias acopladas térmicamente no tradicionales, que explora un espacio combinatorio
muy grande de posibles diseños en un marco de optimización (Shenvi et al., 2012).

En todos estos ejemplos, el diseñador aún emplea un gran gran cantidad de experiencia en
ingeniería para definir la optimización problemas que ayudarán a determinar la mejor
operación de la unidad parámetros o estructura de diagrama de flujo. Por ejemplo, para tener
Un enfoque de software basado en la optimización para la síntesis de procesos. Kravanja y
Grossmann (1990) desarrollaron PROSYM, actualmente renombrado como MYPSYN (Kravanja,
2010). Sin embargo, como sigue siendo comúnmente el caso de hoy, la "superestructura" (una
descripción de todos los posibles los diagramas de flujo deben considerarse candidatos para la
optimización) aún debe ser modelado y definido manualmente en un caso por caso base, lo
que requiere un considerable conocimiento del proceso y experiencia de antemano. Nuevos
enfoques, llamado proceso automático síntesis, apartarse de este método y están ganando
atención. En síntesis automática del proceso, ya sea la superestructura sujeta a la optimización
es creada por un algoritmo en lugar de por el diseñador, o, el proceso químico se representa
como una serie de generalizados fenonema químico que interactúa en lugar de operaciones
unitarias específicas. Los primeros intentos de esto incluyen Papalexandri y Pistikopoulos
(1996) que utilizan representaciones generales de masa y calor transferir para describir un
proceso químico en lugar de predefinido unidades. Más tarde, Super-O fue lanzado como un
paquete que considera el Termodinámica y propiedades físicas de los productos químicos
participantes. (Constantinou y Gani, 1994) en síntesis automatizada de procesos
Implementado por Bertran et al. (2017) para combinar automático síntesis de la vía de
reacción, selección automática de productos (como en la elección de los reactivos o productos
en sí pueden ser determinado automáticamente), y bases de datos de conocimiento de
existentes tecnologías y caminos en una herramienta que produce la superestructura
topología y resuelve para el óptimo óptimo proceso a través de GAMS, todo gestionado a
través de la interfaz de usuario Super-O. Aunque este es un gran paso hacia un proceso
totalmente automatizado síntesis, el diseñador humano todavía juega un papel activo en la
ingeniería toma de decisiones y recopilación de datos durante todo el proceso. Otro enfoque
competitivo e igualmente ambicioso es el de Demirel y col. (2017) que utiliza un bloque
genérico y una superestructura de cuadrícula en el que se utiliza la optimización para resolver
el químico fenonema que debería ocurrir en cada bloque y cuánta materia importa y la energía
debe transferirse de un bloque a otro. Las operaciones de la unidad (es decir, el equipo
químico) no se determinan directamente, sino que pueden inferirse directamente del
fenonema eso ocurre dentro de cada bloque. En algunos casos, esto podría conducir a
sugerencias de nuevas operaciones de la unidad que actualmente no existe.
Los procedimientos de diseño que consideran la flexibilidad en la producción tienen solo
comenzó a aparecer recientemente debido a los modelos complejos requerido (Martín y
Martín, 2013; Grossmann et al., 2016; Peng et al., 2019), pero se han extendido a los sistemas
de poligeneración. (Adams y Ghouse, 2015; Chen et al., 2012) y "sitio total optimización ", que
es la integración del calor entre diferentes procesos (Nemet et al., 2015). Estas obras suelen
utilizar un enfoque donde cada unidad de operación o pieza de equipo está diseñada para un
propósito o producto específico en un tren de procesos comprometido con Un posible
producto específico de un proceso flexible. Por lo tanto, cada unidad en un tren de productos
se sube o baja (o se apaga) dependiendo sobre cuánto de ese producto se produce en ese
momento a tiempo. En plantas de poligeneración flexible de este tipo, ciertas aguas arriba los
componentes (especialmente relacionados con la generación de gas de síntesis) son
generalmente compartido por todos los trenes de productos y por lo tanto son perpetuamente
estado estable. Sin embargo, algunos trabajos recientes han analizado el diseño procesos en
los que el equipo de proceso químico aguas abajo es "siempre on ”pero se usa para diferentes
propósitos dependiendo de qué Se están produciendo productos. Por ejemplo, Adams et al.
(2018) propuesto un diseño bajo metodología de incertidumbre para diseñar un conjunto de
columnas de destilación en una planta de poligeneración flexible que son reutilizado para
diferentes propósitos en diferentes momentos durante la planta vida útil basada en las
condiciones cambiantes del mercado o varios negocios decisiones La metodología propuesta
conserva el uso de rigurosos modelos de destilación y es capaz de lograr la optimización global
de manera razonable cantidad de tiempo para problemas de tamaño típicos.
Durante años, el diseño se ha centrado en el proceso mientras que el diseño del producto fue
abordado como un problema separado. Típicamente, producto diseño centrado en diseño
molecular (Gani y Brignole, 1983), diseño de catalizador (Gounaris et al., 2006) y plegamiento
de proteínas (Floudas et al., 2005) etc. para los cuales se convirtió la optimización global el
controlador a través de software como BARON (Sahinidis, 1996), sbb (Androulakis et al., 1995),
y más recientemente ANTIGON (Misener y Floudas, 2014). Paquetes generales para el diseño
del producto se han desarrollado como el Laboratorio VPPD (Sawitree et al., 2015). Sin
embargo, a veces hay una necesidad especial de abordar el proceso y diseño de producto
simultáneamente. Los ejemplos incluyen el producción de productos especializados a base de
ingredientes (Martín y Martínez, 2013, 2018; Gani y Ng et al., 2015; Zhang y col. 2017), la
producción de combustibles dentro de las regulaciones ambientales que requiere mezclar o
mezclar (Zhao y Wang, 2009; Guerras y Martín, 2019), diseño de producto / proceso
relacionado con separaciones (Eden et al., 2004), el diseño de algas para energías totalmente
renovables producción de biodiesel (Martín y Grossmann, 2013), el diseño de moléculas
específicas con propiedades deseadas (es decir, medios reactivos Struebing et al., 2017;
selección de solventes, Gopinath et al., 2016), y abordar el diseño del proceso considerando las
características del producto (Moggridge y Cussler, 20 0 0; Gani, 2004)

2.3. Enfoques híbridos

En la mayoría de los casos, el número real de tecnologías es tan alto que tiene sentido seguir
un procedimiento de evaluación en dos etapas para descartar aquellos menos prometedores
debido a su etapa temprana de desarrollo o los costos extremos (Guerras y Martín, 2019). En
una segunda etapa se puede armar una superestructura de alternativas (Martín y Grossmann,
2011). Alternativamente, si el número de alternativas es pequeño, un enfoque basado en
escenarios se puede realizar usando riguroso simuladores de procesos (Zhang et al., 2013).
Finalmente, optimización estocástica el uso de simuladores de procesos puede emplearse para
aprovechar de modelos detallados de columnas de destilación, extracción líquido-líquido
columnas y otros modelos que se implementan en un proceso riguroso simuladores (Adams y
Seider, 2008). Sin embargo, la optimización el tiempo aumenta exponencialmente con el
número de grados de la libertad y la optimización global casi nunca pueden garantizarse.
Además, los reactores no suelen abordarse de manera muy rigurosa (es decir, Ramírez et
al.2018).

3. Desafíos en el diseño de procesos y productos.

La figura 1 resume el gran desafío del proceso químico. y diseño de producto. El problema se
reduce a determinar qué los productos se adaptarán mejor a las necesidades del cliente y
luego crearán un proceso para producirlos de manera óptima a partir de ciertos recursos y
materias primas. Las decisiones clave generalmente están relacionadas con la elección de las
operaciones unitarias y sus detalles operativos (tamaño, forma, presión, temperatura, flujos),
la selección y pretratamiento de materias primas o materias primas, condiciones de reacción y
diseño del reactor, separación y diseño del sistema de purificación, corrientes de reciclaje,
temperatura gestión, gestión de presión, selección de servicios públicos y manejo de desechos,
incluida la recuperación de calor y agua. Óptima generalmente se caracteriza por objetivos
económicos o comerciales (como como maximizar la rentabilidad o el valor presente neto,
minimizando el costo, minimizando el consumo de servicios públicos), minimizando los
desechos, minimizando impacto ambiental, o combinaciones de estos. Aunque este siempre
ha sido el foco del diseñador de procesos, varios desafíos nuevos se han vuelto
particularmente importantes.

3.1. Nuevas fuentes y productos

El enfoque reciente en las preocupaciones ambientales por el químico La industria ha puesto

en primer plano varias nuevas materias primas potenciales. Estos incluyen especialmente la
biomasa y los desechos como fuente. para energía y productos químicos y el uso de CO 2 como
fuente de carbono y como un medio de eliminación de carbono para mitigar el cambio
climático. Por lo tanto, el concepto de economía circular para la reutilización de residuos tiene
convertirse en una tendencia interesante como una forma de reducir la explotación de los
recursos naturales al proporcionar un uso más eficiente de ellos (Korhonen et al., 2018). Otro
enlace importante es el involucrando agua, energía y alimentos, recursos que se encuentran
en los cimientos de la vida y, por lo tanto, son algunos de los principales pilares de nuestra
sociedad (García y usted, 2016). Como resultado, una cantidad de residuos para diferentes
actividades como la agricultura, la industria alimentaria e incluso las pesadas la industria se ha
convertido en materia prima, no solo en forma de masa residuos pero fuentes de calor a baja
temperatura. Además energía nuclear, solar y eólica se pueden utilizar para desplazar
electricidad a base de fósiles consumida en plantas químicas, o, ser utilizada para impulsar
procesos de conversión química (como a través de electroquímica conversión o como fuente
de calor) (Scott y Adams, 2018; Hoseinzade y Adams, 2019). Sin embargo, la variabilidad de las
renovables las fuentes tienen un gran impacto en el diseño del proceso (Martín, 2016a, b) y
operación (Zhang y Grossmann, 2016). Por ejemplo, optimización bajo incertidumbre juega un
papel importante para evaluar los efectos de disponibilidad de recursos en el tamaño de la
unidad (Pistikopoulos e Ierapetritou, 1995). Se encuentran dos tipos de incertidumbres en
estos procesos: exógeno, que se basa en la variabilidad incontrolada del recurso (Martín,
2016a, b) y endógeno, que es La incertidumbre en los rendimientos basada en tecnología
potencialmente inmadura (Gupta y Grossmann, 2014). Sin embargo, optimización bajo
incertidumbre los problemas son complejos y requieren nuevos procedimientos de solución
(Lara et al., 2018; Heuberger et al., 2017).
Del mismo modo, los nuevos productos motivados por el medio ambiente ahora son de interés
también, como el biodiesel de diferentes alcoholes, glicerol éteres (de la Cruz, 2014),
biobutanol como sustituto de la gasolina (Dalle Ave y Adams, 2018), butirato de biobutilo
como sustituto de combustible para aviones (Birgen et al., 2016) y dimetil éter como sustituto
del diésel (Ballinger y Adams, 2017; Martín, 2017) o la producción de productos químicos a
granel de recursos alternativos, incluido el metanol (Martín, 2016a, b, Martín y Grossmann,
2017a, b) o amoníaco (Pfromm 2017; Sánchez y Martín, 2018). Además, avanzado y los
materiales de alto valor agregado de los desechos y la biomasa son los clave para biorefinerías
económicamente prometedoras. Polímeros como a poliésteres, polihidroxibutirato (Bueno et
al., 2015), fármacos, proteínas, y carotenoides (Psycha et al., 2014) se han producido de
fuentes renovables que incluyen algas o biomasa lignocelulósica. Estos nuevos materiales son
excelentes ejemplos del vínculo entre el proceso. y diseño de productos al apuntar a las
propiedades que se encuentran con la sociedad necesidades, que es posible gracias a una
buena estimación de la propiedad física modelos (Marrero y Gani, 2001).
La investigación en esta área, particularmente con respecto a la biomasa, es bastante activo.
Hay muchos conceptos de proceso propuestos que en papel parece ser muy prometedor. Uno
de los principales desafíos. para el campo, sin embargo, está avanzando los conceptos lo
suficientemente lejos para comercializarse realmente, como conceptos como gran complejo
las biorefinerías aún no se han adaptado seriamente. Mucho de Las barreras clave son
económicas, como las formas comerciales habituales de producir Los productos químicos y
combustibles de fuentes tradicionales son típicamente mucho más rentable, mientras que
muchas rutas alternativas utilizan energías renovables incluso puede requerir un mandato
gubernamental significativo o incentivo para ser económicamente viable, lo que a su vez
impone una sociedad costo. Vinculado a esto, por lo tanto, hay incertidumbres significativas en
futuras políticas gubernamentales y apoyo social que se magnifican en cualquier proyecto que
dependa en gran medida de ellos. Igualmente importante son factores logísticos involucrados
en grandes proyectos de capital que involucran energías renovables, donde la variabilidad de
las materias primas o fuentes de energía están mucho más allá de lo que la industria de
productos químicos a granel está acostumbrada a administrar Pero son una complicación
importante.

Los diseñadores de procesos pueden ayudar a mitigar estos problemas considerando Estas
cuestiones más directamente en sus diseños. Por ejemplo, procesos que tienen flexibilidad
incorporada en producto o reactivo (como se discutió en secciones posteriores) pueden
proporcionar un mejor caso económico para la integración de energías renovables creando
procesos que sean robustos a las principales incertidumbres como los mercados, la
disponibilidad de recursos renovables y la política gubernamental cambiante. En otros casos, lo
mejor los enfoques serán reducir los costos para las empresas más grandes como todo
considerando el diseño en el marco más amplio de la oferta cadenas, planificación,
programación, operaciones y políticas públicas. Sin embargo, una consideración igualmente
importante es que el químico los diseñadores de procesos pueden hacer un mejor trabajo al
comunicar sus resultados entre ellos y con el público en general. Hay cientos o miles de
estudios que muestran posibles procesos alternativos que usan alguna fuente de energía
renovable más nueva como la biomasa como componente clave Casi cada estudio publicado
en esta área concluye que cualquier concepto presentado es prometedor y digno de
consideración o construcción, y sin embargo casi ninguno tiene sido comercializado Una gran
razón para esto es que puede ser muy difícil determinar las mejores y más prometedoras
tecnologías entre todo el ruido y la exageración. Por lo tanto, uno de los más importantes. las
direcciones futuras del campo en esta área pueden ser realizar meta-estudios que examinan
críticamente el campo del proceso propuesto diseños en la literatura dentro de un conjunto
común de supuestos y estándares para tomar decisiones sobre qué procesos son El más
prometedor. Tales estudios serían muy valiosos para identificar las nuevas vías más
prometedoras para incluir las energías renovables. Esto a su vez informaría a los
investigadores, los encargados de formular políticas y agencias de financiación para ayudar a
centrar la investigación en las áreas más prometedoras y permitir que sus beneficios se logren
más rápidamente.
3.2. Nuevas tecnologías
El uso de fuentes alternativas de energía y productos químicos conduce a El desarrollo de
nuevas tecnologías para procesarlas. En breve, Desde el punto de vista del proceso,
destacamos los catalizadores, ya que permitirá que las químicas proporcionen un mayor
rendimiento y selectividad al producto / productos deseados. Estos catalizadores se utilizan en
reactores. que también presentan desafíos relacionados con su estructura para
Transferencia adecuada de masa y calor. Casos particulares son las biorreacciones. Están
limitados por la naturaleza venenosa de los productos en el catalizador, las enzimas y la
necesidad de enfriamiento mientras se opera a baja temperatura. Además, catalizadores
heterogéneos, aunque puede reducir las etapas de purificación, también muestra limitaciones
de transferencia de masa. En términos de separaciones, los nuevos procesos de producción
muestran típicamente esquemas de purificación más complejos donde unidades eficientes, es
decir, divididas columnas de pared, columnas reactivas o membranas deben ser La clave para
una producción sostenible. Podemos imaginar un número de desafíos:
1. La gran comunidad en diferentes campos evaluando el uso de los recursos más sostenibles
dan como resultado una serie de alternativas tecnologías para procesar las materias primas en
los productos que debe examinarse antes de intentar el diseño detallado del proceso. La
eficiencia de estas tecnologías también puede depender de los recursos.
2. Las nuevas unidades implican mecanismos complejos o no bien entendidos. Además, la
presencia de material biológico implica La dificultad de los sistemas vivos. Esto también es una
fuente de incertidumbre, y se está realizando mucho trabajo experimental para entender
Sistemas vivientes.
3. Además de los sistemas vivos, la termodinámica de la novela. productos y mezclas
determinan el diseño de cualquier unidad. Estos pueden introducir complejidades como
azeótropos y equilibrio líquido-líquido como en la producción de biobutanol (Malmierca et al.,
2017), a operaciones basadas en partículas que involucran transferencia de masa y energía.
4. El alcance del diseñador de sistemas de procesos químicos está obteniendo más grande, que
requiere conocimiento fuera de los límites de la clásica ingeniería de sistemas de proceso
incluso la totalidad de productos químicos Ingenieria. Para resolver problemas modernos a
gran escala, sistemas los ingenieros a menudo deben incorporar aspectos de biología, química
logística, agricultura, visión para los negocios, informática de alto rendimiento, climatología,
economía, medicina, fisiología, sociopolítica consideraciones e incluso marketing en el diseño
proceso. Este es un desafío para los ingenieros de procesos debido a la necesita aprender el
idioma de otros especialistas que se están convirtiendo Un facilitador entre científicos y
tecnólogos

3.3. Modelado de procesos

El diseño del proceso requiere una gran cantidad de proceso químico modelado para
considerar adecuadamente el termoquímico fundamental principios involucrados Además,
novela de modelaje La tecnología es un desafío debido a la falta de datos y fundamental
comprensión de los fenómenos involucrados. Típicamente, la planta el diseño se lleva a cabo
utilizando datos limitados que incluyen resultados experimentales a escala de laboratorio
(Martín y Grossmann, 2012), y así los modelos inherentemente tener un cierto grado de
incertidumbre. Sin embargo lo és Es esencial tener una buena comprensión de cada operación
de la unidad en para desarrollar modelos predictivos que faciliten la síntesis de procesos y
permitir análisis significativos de su desempeño dentro de este incertidumbre sin tener que
construir la planta real. Una serie de enfoques para desarrollar buenos modelos han sido
utilizado a lo largo de los años. Los modelos de primer principio son los más comunes.
utilizado, que son modelos que se desarrollan a partir del primero y segundo leyes de la
termodinámica, y típicamente incluyen aspectos como balances de masa, balances de energía
y balances de impulso de los cuales Existe una teoría subyacente bien conocida. Estos modelos
también incorporan Modelos de las propiedades físicas subyacentes de los productos
químicos. y mezclas, como los equilibrios valor-líquido, relaciones variables de estado (es decir,
ecuaciones de estado), propiedades termoquímicas tales como capacidades de calor,
densidades y tensiones superficiales, y comportamiento de reacción tales como el equilibrio y
la cinética de la ley de velocidad. Estos físicos los modelos de propiedad generalmente se
determinan empíricamente a partir de experimentos datos (quizás ajustando parámetros a
una ecuación modelo que puede o no estar basado en la teoría) y están comúnmente
disponibles a los investigadores
El primer enfoque del modelo principal es muy conveniente porque Permite crear modelos de
una amplia variedad de procesos químicos. unidades en un número casi ilimitado de
aplicaciones (Martín y Grossmann, 2012). Estos modelos se pueden personalizar según El nivel
de rigor y complejidad requerido, que van desde simples Modelos de estado estable de "orden
cero" de una unidad de proceso para detallar modelos dinámicos con resolución espacial
milimétrica en tres dimensiones, y se pueden aplicar a aplicaciones a gran escala y pequeña.
Por ejemplo, podemos encontrar dinámica de fluidos computacional (CFD) modelos para
reactores o secadores por atomización (Hernández et al., 2017, Portillo et al., 2007), Modelos
de métodos de elementos discretos (DEM) para proceso basado en partículas (Hassanpour y
Ghadiri, 2015), multifase reactores (Dudukovic et al., 1999), modelos rigurosos para la
destilación columnas, columnas de adsorción (es decir, Ramírez et al.2018), y modelos
detallados para reactores (es decir, Adams y Barton, 2009, Hoseinzade y Adams, 2017). Estos
modelos individuales pueden entonces estar convenientemente interconectado para formar
un modelo de diagrama de flujo de un proceso completo. Como los modelos de este tipo
suelen ser generalizables, a menudo se compilan en bibliotecas y se ponen a disposición para
su distribución y usar con simuladores de procesos como ASPEN Plus, ASPEN Hysys, ProMax,
Pro / II, CHEMCAD, gPROMS o Jacobian. Ellos clave Sin embargo, el desafío es que los datos
experimentales detallados rara vez son disponible para cada unidad de interés individual
específica en un proceso, y mucho menos para todo un proceso, ya que el objetivo del proceso
conceptual el diseño es a menudo para diseñar procesos que no han sido creados todavía. Sin
embargo, debido a que los modelos subyacentes se basan en primeros principios con el
respaldo de parámetros derivados experimentalmente, siguen siendo útiles y significativos
para la síntesis de procesos y análisis.
Un enfoque alternativo para usar modelos de primeros principios es utilizar modelos basados
en datos, que están comenzando a ser ampliamente utilizados en La industria de procesos
(Boukouvala et al., 2010). Por ejemplo, en cambio de usar los primeros principios, las
operaciones de la unidad clave (o secciones completas del proceso) puede ser modelado
exclusivamente a partir de la colección de experimentos datos de ese proceso. Estos datos se
pueden usar para crear datos modelos de muchas formas en las que típicamente contienen
ecuaciones y parámetros de ajuste que solo son útiles para esa aplicación específica y no son
generalizables a otros contextos. Estos impulsados por datos Los modelos se pueden crear
utilizando técnicas como la variable latente regresión multivariante (Burnham et al., 1999),
componente principal análisis, regresión de mínimos cuadrados parciales (Westerhuis et al.,
1998), redes neuronales artificiales (Eason y Cremaschi, 2014) y otros enfoques de tipo
"aprendizaje automático". Enfoques del modelo sustituto (Caballero y Grossmann, 2008;
Henao y Maravelias, 2011; Cremaschi, 2015; Ma et al., 2016; Bhosekar e Ierapetritou, 2018;
Schweidtmann y Mitsos, 2019) como los utilizados por El software ALAMO (Cozad et al., 2014)
también se puede utilizar para crear modelos basados en datos, aunque su propósito principal
es usar un modelo complejo de primeros principios como el proceso "verdadero" para crear un
modelo reducido o simplificado para mejorar la computación trazabilidad La ventaja de los
modelos basados en datos es que son generalmente más preciso que un primer modelo de
principio porque implícitamente incorpora todos los fenómenos involucrados, incluidos
ocultos, desconocidos, o fenómenos ignorados que podrían no incorporarse Un primer modelo
de principios. Las desventajas y desafíos clave incluyen La gran cantidad de datos necesarios
para producir y validar el modelo, así como la capacidad predictiva limitada del modelofuera
del rango de los datos experimentales subyacentes. Así, los modelos basados en datos a
menudo son más adecuados para el desarrollo de modelos de unidades muy específicas y ya
construidas.

Aunque muchos algoritmos, métodos y herramientas internas tienen desarrollado o propuesto

que incorpora muchos matemáticos avances de modelado y programación para modelado de
procesos, Muchos de estos conceptos permanecen fuera del alcance del usuario promedio. En
en general, la cantidad de esfuerzo y conocimiento requerido para emplear ellos,
particularmente con respecto a las necesidades de programación de computadoras ya que
muchos de ellos pueden necesitar ser programados a medida por el diseñador de procesos,
supera los beneficios para el típico industrial usuario y, por lo tanto, sigue siendo una barrera
importante para la adopción comercial. Además, incluso donde se han utilizado algoritmos o
herramientas individuales puestos a disposición del público o comercializados, existen en un
colección desarticulada de códigos individuales que finalmente deben ser vinculado e
integrado con otros códigos, software y marcos de autores o fuentes completamente
diferentes para hazlos los más útiles. Un proyecto ambicioso, llamado Instituto para el diseño
del marco PSE de Advanced Energy Systems (también conocido como IDEAS PSE Framework),
está siendo desarrollado por los EE. UU. Laboratorio Nacional de Tecnología Energética del
Departamento de Energía. A presente, existe principalmente como una colección de modelos
de proceso abiertos (gratuitos) para estado estable o simulación dinámica, dentro de un marco
que tiene como objetivo facilitar la incorporación de algoritmos avanzados y herramientas
como optimización avanzada, estimación de parámetros, y otras características (Okoli et al.,
2018). Aunque el modelado las capacidades son limitadas en comparación con el diagrama de
flujo comercial software, la característica más prometedora es el marco unificado en que está
construido En esta plataforma, las características futuras pueden ser construidas por
desarrolladores y académicos de terceros, facilitación de usuarios más rápidos adopción. Sin
embargo, hacer que estos métodos avanzados sean más accesibles y conveniente sigue siendo
un gran desafío práctico para el campo hoy.

3.4. Electricidad y almacenamiento de energía. Los ingenieros de procesos químicos se han

trasladado rápidamente al campo. Procesos de generación eléctrica. Aunque la generación de
electricidad era tradicionalmente el dominio de la ingeniería eléctrica y mecánica, la interfaz
entre la producción de electricidad y química tiene ser cada vez más importante Comúnmente,
este enlace ocurre como un etapa de manejo de residuos en la producción química, en la que
la alta energía gases residuales de un proceso químico utilizado como combustible para una
central eléctrica de varias maneras, lo que lleva a procesos de poligeneración (Adams y
Ghouse, 2015) o simplemente la química y la termodinámica involucradas en la combustión de
diferentes materias primas, el uso de calor salmueras y el ciclo termodinámico, Brayton y / o
Rankine involucrados en la transformación de la energía térmica en eléctrica (León y Martín,
2016; Peña et al., 2018). Sin embargo, porque eléctrico la producción de energía es impulsada
por la demanda y porque la electricidad las redes dependen cada vez más de las energías
renovables en las que el poder la generación no se puede controlar, hay una clara falta de
coincidencia entre producción y consumo. Rejillas con cantidades limitadas de energías
renovables Tradicionalmente manejaba este desajuste subiendo o bajando tasas de
combustión de gas natural en respuesta a la demanda. Sin embargo, Redes más modernas con
grandes cantidades de energías renovables integradas enfrenta un nuevo problema en el que
se produce más electricidad que consumido, a pesar de cerrar todas las plantas de gas natural.
Esto lleva a problemas modernos asociados con la eliminación de electricidad, que a veces se
resuelve vendiéndolo a precios negativos (Dowling y Zavala, 2018)
Se han discutido varias soluciones de ingeniería química. para abordar este asunto. Para
mitigar la ausencia temporal de un recurso, la integración de varios de ellos proporciona
respaldo (Yuan y Chen, 2012). Sin embargo, la integración de procesos y recursos no son
suficientes. Almacenamiento térmico o químico del exceso de energía. generado por las
energías renovables es cada vez más de interés. Por ejemplo, diseños de plantas de energía
solar concentrada han propuesto térmica opciones de almacenamiento, es decir, sales
fundidas, en las cuales el calor del sol la energía se almacena como agua caliente o ceras
(Slocum et al., 2011; Martín y Martín, 2013), y opciones de almacenamiento de sustancias
químicas, en las que el calor es solía conducir una reacción endotérmica reversible tal que la
energía se almacena como potencial químico (Lai y Adams, 2018). En cualquiera caso, la idea
es ejecutar el sistema en reversa para generar calor para Producción de vapor cuando se
necesita energía. Mientras estas direcciones variación diaria, la variación estacional podría
tratarse mejor integrando la energía solar con la combustión de biomasa durante menos
meses soleados (Vidal y Martín, 2015), ya que la biomasa es como la naturaleza Ya almacena
energía solar. En lugar de vías térmicas, electrolíticas. Se pueden utilizar vías para crear H2 del
agua a través de la electrólisis cuando hay electricidad extra disponible. Cuando se combina
con CO 2, productos de alta energía como metano, metanol, DME, (Davis y Martín, 2014;
Martín, 2016 y 2017) o polímeros (von der Assed y Bardow, 2014) o amoniaco (Sánchez y
Martín, 2018) pueden ser producido, almacenando así la energía en forma de combustible.
Vías físicas También son posibles, en el que el exceso de energía (electricidad o mecánica
trabajo) se almacena comprimiendo un fluido como el aire (Nease y Adams, 2013).

Los mayores desafíos clave de ingeniería química dentro de la energía el almacenamiento se

encuentra en la intersección de costo, escala, velocidad y confiabilidad. Por ejemplo, las
baterías electroquímicas clásicas son razonablemente asequibles. para muchas aplicaciones
domésticas comunes, tenga muy rápido tiempos de respuesta a la demanda, y son bastante
confiables. Sin embargo, lo hacen no escala bien para grandes aplicaciones de energía, que es
donde el La solución química puede ser la mejor. Sin embargo, el desafío es crear
almacenamiento de energía termoquímica que puede lograr altas rendimiento, confiabilidad y
bajo costo en las escalas relevantes. Rápido El rendimiento de respuesta a la demanda es
potencialmente el más difícil, ya que Sistemas de almacenamiento de energía que dependen
de la tecnología química clásica. es probable que sean demasiado lentos para igualar lo casi
instantáneo respuesta de baterías, volantes y supercondensadores. Es más Es probable que los
sistemas de almacenamiento de productos químicos se hibridicen con en los que las baterías y
los supercondensadores brindan rapidez respuesta a la demanda en cantidades más pequeñas,
mientras que el almacenamiento de energía química proporciona almacenamiento asequible a
largo plazo a escala. El reto está identificando y diseñando los sistemas correctos para el nicho
correcto aplicaciones.
3.5. Intensificación de procesos

La intensificación de procesos ha jugado un papel importante en la eficiencia. de procesos al

reducir el tamaño de piezas individuales de equipo, la cantidad de operaciones unitarias
involucradas, los desechos y subproductos no deseados, y el consumo de energía y agua. La
intensificación del proceso parte del proceso químico clásico. diseño porque en el diseño
clásico, uno normalmente crea el proceso de una colección de piezas estándar de equipos
químicos (bombas, compresores, reactores, intercambiadores de calor, destilación binaria
torres, etc.) que están unidas por arroyos y tuberías, típicamente sin tener en cuenta el
espacio físico o el área de tierra ocupada. La intensificación del proceso convierte esto en su
cabeza y se enfoca en su lugar más a nivel de operaciones unitarias y fenómenos
termoquímicos. La idea clave es que, si bien la tecnología química clásica es generalmente
diseñado para hacer una tarea específica, puede ser mejor diseñar Nuevos tipos de equipos
químicos optimizados para múltiples tareas juntas en el mismo dispositivo. Aunque procesos
intensificados puede ser más difícil de crear, más complejo y menos generalizable, los
beneficios a menudo son gastos de capital reducidos, reducidos huellas espaciales, costos
operativos reducidos y reducción ambiental impactos.
Uno de los ejemplos de procesos exitosos más comúnmente citados La intensificación es la
columna de la pared divisoria (Dejanovi ´c et al., 2010). Para sistemas de tres o cuatro
componentes que deben estar separados por destilación, el enfoque clásico es utilizar una
serie de binarios torres de destilación, que todavía es bastante común. Este enfoque es
fundamentalmente ineficiente porque la primera columna binaria de una columna serie hace
el trabajo de separar parcialmente los tres o más componentes en el feed antes de mezclarlos
en solo dos productos (destilado y fondos), que desperdicia la energía gastada en Esa
separación parcial. Por ejemplo, para un feed que contiene A, B y C, supongamos que A se
recoge en el destilado y B y C están juntos recolectado en los fondos para ser enviado a una
segunda columna de destilación. En este caso, la concentración de B es mayor en las bandejas
en el centro de la columna, porque se ha separado parcialmente de B y C, solo para remezclar
con C a medida que cae hacia El fondo. El enfoque de prefraccionamiento de Kaibel resuelve
esto problema al tener una columna de prefraccionamiento que separa parcialmente la
alimentación en cortes generales de AB y BC antes de la columna principal, y el aspecto de
intensificación del proceso es que recibe su líquido y corrientes de "reflujo" de vapor desde la
columna principal, en lugar de a través de su propio condensador o caldera. La columna de la
pared divisoria intensifica aún más esto al ubicar el prefraccionador dentro del misma carcasa
que el producto principal, como describen en su patente (Kaibel et al., 1993).
Otros ejemplos de intensificación de procesos incluyen multifuncional reactor para producción
de biodiesel (Harvey et al., 2003), reactivo destilación (Segovia-Hernández et al., 2015),
acoplado a energía columnas (Caballero y Grossmann, 2013), integradas internamente con
calor columnas de destilación (Kiss y Olujic, 2014) y semicontinuas destilación (Ballinger y
Adams, 2017). Estos reducen el tamaño, peso, número de equipos de proceso y / o energía
consumida encontrando formas inteligentes de combinar múltiples fundamentales
operaciones en el mismo espacio. La integración entre membrana separaciones y destilación
se ha aplicado recientemente a superar los límites termodinámicos como los azeótropos (Lutze
y Gorak, 2013) o para mejorar la conversión utilizando reactores de membrana (es decir,
Assabumrungrat et al., 2003). Sin embargo, material de membrana La evaluación y el diseño
siguen siendo un campo en desarrollo. Además, intensificación ha sido evaluada en la
integración de Energías renovables con recursos tradicionales. Particularmente interesante ha
sido la intensificación de procesos que utilizan energía solar (Gençer y Agrawal, 2017; Vidal y
Martin 2015), así como para almacenamiento de energía térmica (Guo y Goumba, 2018).
Otra tendencia relacionada con el uso de energías renovables y su distribución. La producción
es modularización. El concepto de diseño modular. es que se logran ahorros de costos al
diseñar una colección de subsistemas de operación de unidades prefabricadas que pueden ser
fácilmente "Mezclado y emparejado" para crear nuevos tipos de operaciones unitarias. En de
esta manera, los futuros diseñadores de procesos crearían operaciones unitarias de
subsistemas estándar conocidos y entendidos en el mismo forma en que los diseñadores de
procesos actuales crean procesos a partir de conocidos y entendió el equipo químico estándar.
El modular las unidades serían prefabricadas fuera del sitio y diseñadas para un rápido
integración e instalación, lo que genera ahorros tanto por la reducción costos de diseño
personalizados y del proceso intensificado resultante (Bielenberg y Bryner, 2018). Sin
embargo, los principales desafíos mentir en el alto riesgo de fracaso, la falta de conocimiento a
escala, y problemas de seguridad (Kim et al., 2017), así como su complejidad general. Aunque
el concepto de intensificación de procesos ha estado en la vanguardia de la investigación,
como la interesante visión general de Stankiewicz y Moulijn (20 0 0), en realidad no ha logrado
adopción generalizada. Tradicionalmente, la intensificación generalmente llevado a cabo a
través de la experiencia, basada en ejemplos específicos y circunstancias. Debido a esto,
muchos casos de intensificación de procesos pueden ser situaciones de tipo único, donde los
costos y riesgos de desarrollar un equipo nuevo e individual puede ser muy alto en
comparación con la facilidad de usar tecnologías muy maduras y bien conocidas, a pesar de sus
ineficiencias. El más exitoso comercialmente ejemplos citados anteriormente (destilación de
pared divisoria y reactivo destilación) son aquellos en los que los beneficios de la
intensificación son generales y no específicos de caso. Los beneficios de la intensificación. en
esos casos surgen porque el enfoque original es fundamentalmente y obviamente
termodinámicamente ineficiente, y tal vez en en retrospectiva, nunca deberíamos haber
estado haciendo eso para empezar. Sin embargo, los diseños más intensificados no generalizan
esto bien, y Como tal, ha habido una falta de desarrollo de software, herramientas, educación
y experiencia, lo que ha obstaculizado el comercial adaptación de la intensificación de
procesos en general (Bielenberg y Bryner, 2018).

Los principales desafíos, por lo tanto, son crear lo necesario herramientas, experiencia y
recursos educativos que permiten a los diseñadores para abordar de manera más rápida y
rentable la intensificación de procesos. Esto requiere enfoques que analicen el procesamiento
químico “Fuera del caparazón” de cada operación de la unidad y, en cambio, enfóquese en
Fenonema químico específico y fuerzas impulsoras en lugar de unidad operaciones Algunos de
los enfoques más prometedores incluyen el enfoques de flujo de flujo más generalizados para
la síntesis de procesos de Baldea (2015) que puede ayudar a identificar oportunidades de
intensificación de procesos, así como la estructura generalizada de bloqueo de fenonema
enfoques de Demirel et al. (2017) Aunque estas herramientas siguen siendo en gran medida
internamente, podrían formar la columna vertebral de los ampliamente adoptados
herramientas comerciales para facilitar una adopción más rápida. Otros retos incluir
experiencia, educación y cambiar el predominio diseño de ingeniería química ethos para
pensar a nivel individual fenonema químico al diseñar diagramas de flujo. Por ejemplo, los
conceptos y el pensamiento de intensificación de procesos podrían incorporarse mejor en
cursos de pregrado en ingeniería química en áreas como separaciones, diseño de reactores y
diseño de procesos.

Los principales desafíos, por lo tanto, son crear lo necesario herramientas, experiencia y
recursos educativos que permiten a los diseñadores para abordar de manera más rápida y
rentable la intensificación de procesos. Esto requiere enfoques que analicen el procesamiento
químico “Fuera del caparazón” de cada operación de la unidad y, en cambio, enfóquese en
Fenonema químico específico y fuerzas impulsoras en lugar de unidad operaciones Algunos de
los enfoques más prometedores incluyen el enfoques de flujo de flujo más generalizados para
la síntesis de procesos de Baldea (2015) que puede ayudar a identificar oportunidades de
intensificación de procesos, así como la estructura generalizada de bloqueo de fenonema
enfoques de Demirel et al. (2017) Aunque estas herramientas siguen siendo en gran medida
internamente, podrían formar la columna vertebral de los ampliamente adoptados
herramientas comerciales para facilitar una adopción más rápida. Otros retos incluir
experiencia, educación y cambiar el predominio diseño de ingeniería química ethos para
pensar a nivel individual fenonema químico al diseñar diagramas de flujo. Por ejemplo, los
conceptos y el pensamiento de intensificación de procesos podrían incorporarse mejor en
cursos de pregrado en ingeniería química en áreas como separaciones, diseño de reactores y
diseño de procesos.

3.6. Nuevos objetivos y métricas

Los objetivos económicos han sido la opción obvia para caracterizar calidad de la planta, y la
mayoría de las heurísticas y reglas generales en el La industria química se ha desarrollado con
esto en mente. Sin embargo, ya no son socialmente aceptables en una forma más consciente
mundo apuntando a soluciones sostenibles. Ahora, un segundo objetivo es la minimización del
impacto ambiental. Hay una serie de métricas (es decir, GREET, TRACI, ReCiPe) que miden el
impacto generado por un proceso, con análisis de ciclo de vida la técnica más común para
obtener estas métricas para ser utilizadas en la optimización de procesos (Kniel et al., 1996;
Azapagic, 1999). Hay muchos diferentes métricas ambientales que pueden considerarse, como
el clima potencial de cambio, potencial de formación de smog, agotamiento de recursos, agua
consumo, toxicidad para humanos o vida silvestre, y acidificación. A menudo, estas métricas
son difíciles de comparar directamente entre sí sobre una base cuantitativa.
Más recientemente, los problemas sociales ahora se incluyen como decisión haciendo criterios
dentro del proceso de diseño. Por ejemplo, los trabajos y el Modelo de Impacto del Desarrollo
Económico (JEDI) desarrollado por el NREL puede estimar los impactos económicos de la
construcción y operación instalaciones químicas y de energía, que pueden incluirse en síntesis
de procesos (You et al., 2012). También se ha incluido la seguridad. como objetivo, aunque el
concepto se remonta al trabajo de Klenz (Klenz, 1984). Estos conceptos se han incluido en la
síntesis del proceso. como otro objetivo (Ruiz-Femenía et al., 2017) y para el selección de
fluidos de transferencia de calor, dentro del nuevo proceso simultáneo y paradigma de diseño
de producto (Martínez et al., 2017). El problema de diseño óptimo ahora es en gran medida
multiobjetivo. Relación comercial con una gran cantidad de métricas no es fácil y a veces están
interrelacionados, correlacionados o son difíciles de comparar. Varios Se han utilizado
estrategias, ya sea produciendo una sola ponderación función objetivo como ecoprofit (Cucek
et al., 2012) o RePSIM (Martín, 2016b), o mediante el uso de un enfoque basado en
restricciones. Se ha propuesto otro trabajo sobre métodos para reducir el número. de
objetivos sin eliminar soluciones del problema (es decir, Pozo et al., 2012). Los métodos y
métricas de solución alternativa son requerido para comprender mejor las soluciones, por
ejemplo, evaluar los rendimientos objetivo de una tecnología particular para que se convierta
competitivo e ingresar al mercado y / o la combinación energética, (Limleamthong et al., 2016;
Ewertowska et al., 2016).

4. Direcciones futuras a corto plazo

Después de esta breve descripción general del proceso y el diseño del producto y cómo
llegaron a ser evaluados simultáneamente, presentamos algunos visiones sobre el futuro de
este campo dentro de la ingeniería de sistemas de procesos, centrándose en áreas que todavía
no están muy bien estudiadas dentro el campo. La figura 2 muestra las interrelaciones entre
varios campos. dentro de la ingeniería del sistema de procesos y cómo están conectados más
que nunca para una industria más sostenible.

4.1. Enfoques de Big Data para modelar procesos y productos

El modelado es ahora la raíz del riguroso proceso y diseño de producto, a menudo lograr un
equilibrio entre el rigor del modelo y el modelo velocidad o complejidad. Mientras
tradicionalmente, los modelos de primer principio y Se han utilizado correlaciones empíricas
para este fin, la disponibilidad de datos reunidos en laboratorios, plantas piloto e instalaciones
industriales está cambiando el enfoque. Aprendizaje automático para crear datos Los modelos
están creciendo en popularidad. Los ejemplos incluyen la estimación Propiedades y
rendimiento del producto (es decir, sabor del vino, apropiado olor), que puede que aún no
exista. Dado lo más reciente inclusión de objetivos sociales, datos y teoría desde afuera la
ingeniería (incluidas las ciencias sociales) deberá incluirse en enfoques de big data para el
diseño de productos. Inteligencia artificial (IA) los enfoques también serán más utilizados,
como el entrenamiento artificial redes neuronales (ANN) para reconocer la heurística y las
tendencias en procesos diseñados por humanos y luego usarlos para crear nuevos procesos de
los modelos ANN. Por ejemplo, la plataforma Watson de IBM está siendo entrenado con datos
de la documentación de operaciones de ingeniería para hacer modelos de operaciones de
producción de petróleo. Ingenieros puede hacer preguntas en lenguaje sencillo para obtener
información sobre operaciones cotidianas u obtener sugerencias sobre cómo lidiar con los
problemas tal como aparecen (Lewis, 2017). Aunque no se usa para el diseño Actualmente, el
mismo enfoque podría aplicarse con una adecuada conjunto de datos

4.2. Operación de proceso:

programación y operación integradas Como se discutió anteriormente, una de las principales

tendencias dentro del campo es el estudio de procesos que incorporan directamente
renovables energía en ello. El desafío clave es que las energías renovables fuentes como la
eólica, la solar y la biomasa, son intermitentes, cíclicas, dinámico e incierto, pero con cierto
grado de previsibilidad en Varias escalas de tiempo que van desde horas, días, estaciones y
años. Esto significa que los procesos químicos integrados de energías renovables de Será
necesario diseñar el futuro teniendo en cuenta todo esto. Con este tipo de previsibilidad, es
posible y necesario incorporar aspectos de planificación (a largo plazo) y programación (a corto
plazo) plazo) metodologías directamente en el diseño del proceso. Y, vinculado a eso, cómo se
operará el proceso en respuesta a los cambios en los insumos de energía renovable
(Grossmann y Guillen-Gosalbez, 2010). Esto significa que para diseñar un proceso complejo
utilizando un gran grado de energías renovables intermitentes, el procedimiento de diseño
debe ser realizado simultáneamente con planificación, programación y operaciones
consideraciones, todo envuelto en el contexto de la optimización. El resultado final produciría
un proceso diseñado óptimamente, junto con con los detalles de cómo operarlo ante los
cambios renovables entradas de energía y los detalles de cómo planificar mejor y calendario
para el impacto de las energías renovables.
Este es un gran problema, pero es probable que se vuelva más importante en el futuro Se han
hecho algunos progresos en ciertas zonas Por ejemplo, la gestión del lado de la demanda está
comenzando a abordar este problema con la integración de procesos y su operación (Zhang et
al., 2018). Sin embargo, los desafíos clave incluyen el tamaño del problema, las diversas escalas
temporales y espaciales involucradas, y la comprensión características dinámicas del proceso y
operación como arranque y apagado (Baldea y Harjunkoski, 2014). Enfoques novedosos son
necesarios para abordar estos problemas (Pattison et al.). Esto es especialmente frecuente con
sistemas que incluyen almacenamiento de energía tecnologías como baterías, fluidos térmicos
y productos químicos, en el que la degradación de la tecnología con el tiempo se convierte en
un importante factor.

4.3. Control de procesos

El uso de recursos renovables plantea un desafío en el proceso. controlabilidad La variabilidad

en los recursos de energía disponibles. no solo requiere una planificación cuidadosa sino que
también exige más en la estructura de control del proceso. En algunos casos, una forma de
mitigar la variabilidad en la energía solar y eólica al apuntar Al satisfacer una demanda ha sido
la integración de recursos. Además, El diseño y control de procesos integrados ha ido
creciendo En popularidad. El foco ha estado en la creación de un sistema más robusto. o un
sistema rentable de diseño y control de estado estable al considerar La capacidad de control
inherente del diseño frente a disturbios inciertos (Ricardez-Sandoval, 2012; Washington y
Swartz, 2014). En un proceso impulsado por energías renovables, perturbaciones inciertas
como la fluctuación de la velocidad del viento minuto a minuto puede ser incorporado bajo
este marco. Optimización en línea usando pronóstico de los datos meteorológicos para el
funcionamiento de los sistemas energéticos. también ha sido abordado (Zavala et al., 2009).
Sin embargo, más predecible perturbaciones (como los ciclos solares estacionales y de
biomasa) se consideran mejor en un diseño integrado, control y programación framework, que
está en su infancia (Pistikopoulos y Diangelakis, 2016) Una vez más, la dinámica de los sistemas
juega un papel importante. en estas áreas además de manejar la incertidumbre (Lubin et al.,
2011). Intensificación, descrita en la Sección 3.5 como un camino hacia la energía ahorro,
también requirió más trabajo sobre la capacidad de control de la intensificada unidades debido
a la complejidad aumentada.

4.4. Gestión de la cadena de suministro

Aunque el diseñador de procesos generalmente asume que los recursos estará disponible bajo
demanda, solo estudios de cadena de suministro a mayor escala puede proporcionar
información sobre cómo encaja el proceso en el más grande imagen. Los recursos renovables
y, por ejemplo, la biomasa muestran más desafíos ya que el tamaño de la planta está
relacionado con la cantidad de biomasa que se puede recolectar en una región (Marvin et al.,
2012) y economías de escala que se han utilizado ampliamente en la industria química
limitaciones actuales Además, es fundamental tener un buen comprensión de la cadena de
suministro de un proceso para comprender su verdadero impacto medioambiental de la cuna
al cliente. Por lo tanto, El diseño de la cadena de suministro se vincula directamente con el
diseño de El proceso cuando se hacen consideraciones ambientales. Adicionalmente, para
diseñar procesos que deben ser flexibles y confiables en sus productos, o usan alimentos poco
confiables (biomasa en particular), uno necesita ser informado por sus cadenas de suministro
(You et al., 2012) para mitigar el riesgo en la operación de las renovables sistema basado (You
et al., 2009). De cualquier manera, el vínculo entre el diseño de procesos y el diseño de la
cadena de suministro serán cada vez más importante en un mundo ambientalmente
consciente.

4.5. Ciencias de la Computación

Casi todas las instrucciones futuras presentadas en este documento, desde avances en el
modelado de procesos hasta la gestión integrada de la cadena de suministro, crear problemas
matemáticos que requerirán novela algoritmos para resolver. Algoritmos de descomposición
eficientes, modelado enfoques, como y un mejor software (o una combinación de cada uno)
nos permiten resolver problemas MILP o MINLP cada vez más grandes. Global La optimización,
a pesar de sus muchos avances, todavía se limita a pequeños problemas. Muchas de las
direcciones futuras presentadas en este documento están arraigados en la solución de
problemas cada vez mayores con más modelos complejos para capturar y explotar más
matices y características del sistema. Esto significa incluir más detalles, no linealidad y no
convexidad, por lo que los solucionadores globales lo harán necesita ser extendido y mejorado.
Sin embargo, como ingenieros, un subóptimo la solución es mejor que ninguna, por lo tanto,
los solucionadores que manejan grandes problemas (pero no garantizan la optimización global)
serán un herramienta necesaria para la síntesis y operación práctica de procesos. Estas
incluye optimización estocástica, evolutiva o no determinista algoritmos que pueden no ser
elegantes o teóricamente atractivos, pero son innegablemente útiles.

4.6. Modelos de acceso abierto, uso compartido de modelos y reproducibilidad

Aunque el diseño conceptual del proceso químico y los sistemas de proceso la ingeniería en
general depende en gran medida del uso de modelos, Es raro que los modelos utilizados para
realizar investigaciones, diseñar procesos, o analizarlos se ponen a disposición de otros
investigadores. Por ejemplo, una revisión reciente de más de 300 modelos y simulaciones. Los
estudios en el campo de los sistemas de energía encontraron que solo ocho (!) puso sus
modelos a disposición del público (Subramanian et al., 2018) Aunque muchos otros campos de
la ciencia habitualmente hacen su modelos y código fuente disponibles al público, esto es
claramente raro dentro de la comunidad de ingeniería de sistemas de procesos. Esto
desafortunadamente hace que la investigación sea opaca y extremadamente difícil de
reproducir. Por ejemplo, considere un diseño de proceso conceptual típico y estudio de análisis
tecnoeconómico en el que los diagramas de flujo de la el proceso se dibuja y se describe
brevemente en el texto, pero el subyacente modelos (por ejemplo, archivos Aspen Plus, código
GAMS, scripts de Matlab, etc.) No se proporcionan digitalmente. El tiempo para que alguien
reproduzca el trabajo de la información disponible públicamente a veces puede tomar seis
meses a un año, y eso es solo si el trabajo proporcionó una cantidad suficiente nivel de detalle
en cada punto de decisión posible. Para procesos con cien unidades de operación, es casi
imposible reproducir perfectamente. Del mismo modo, a menudo es imposible juzgar la
precisión de la implementación del modelo porque no se puede inspeccionar por revisores
pares o la comunidad en general. Esto agrega un nivel de escepticismo a prácticamente toda la
investigación dentro de los sistemas de procesos comunidad porque un error en el desarrollo
de un modelo puede conducir a resultados sin sentido.
Por lo tanto, el grupo Adams en McMaster ha creado el Living Archive for Process Systems
Engineering, o LAPSE (ver Fig. 3), que tiene como objetivo proporcionar un marco para la
distribución de modelos, código fuente, software, preimpresiones y otro acceso abierto datos
dentro de la comunidad de sistemas. Disponible en PSEcommunity. org / LAPSE, el archivo ya
ha recibido más de 10 0 0 envíos desde su lanzamiento en PSE 2018, y cuenta con el apoyo
financiero de la división de Informática y Tecnología de Sistemas de la AIChE, la Sociedad
Canadiense de Ingeniería Química, SINTEF Energy, Computer Aids for Chemical Engineering
(CAChE) Corp., y el Universidad Técnica de Dinamarca. También está oficialmente asociado con
las revistas de acceso abierto Energías y Procesos como anfitrión de ambos modelos y
documentos de acceso abierto, y alentamos abiertamente a otros revistas para participar. Le
recomendamos encarecidamente que cargue su modelos y códigos fuente (o incluso versiones
desinfectadas para el caso de modelos que contienen propiedad intelectual como con
industrial colaboradores) a LAPSE y vincúlelo en sus documentos. Creemos esto mejorará en
gran medida la tasa de progreso del proceso conceptual Investigación de diseño, aumentar la
reproducibilidad y precisión de nuestro trabajar y conducir a mayores impactos globales. De
hecho, los más vistos Las presentaciones en LAPSE son aquellas que contienen modelos
abiertos, con el elemento más visto en el sitio web es un modelo Aspen Plus con más de 10 0 0
vistas.

Uno de los objetivos clave de LAPSE es interconectar mejor los diferentes aspectos y
resultados de la investigación académica a una comunidad más amplia de las partes
interesadas. La función de mapas de registro (Fig. 4) permite un usuario para conectar su envío
a otros envíos dentro de LAPSE, así como material externo (actualmente cualquier cosa con un
Índice de objetos del documento, o DOI). Por ejemplo, una presentación para un modelo
puede estar vinculado a un artículo de revista (de pago) que describe o usando el modelo, una
versión preimpresa (gratuita) de ese mismo manuscrito, presentación de una conferencia
diapositiva o video explicativo o demostrando el trabajo, y enlaces a investigaciones de otras
personas que sirvió como conocimiento previo importante o trabajos que derivado del actual.
Esto ayuda a hacer la investigación. más accesible para otros, incluidos los interesados no
académicos, porque un visitante vendrá al registro LAPSE por una razón y se le presentará un
mapa conceptual de fácil comprensión cómo se coloca este trabajo en contexto con respecto a
otros trabajos, con acceso inmediato al que se puede hacer clic. En general, esto debería
elevar el campo en su conjunto y aumentar su impacto en el mundo en general.
En la Fig. 4, un mapa de registros en LAPSE muestra cómo el envío actual (una preimpresión de
un manuscrito, con etiqueta LAPSE 2018.0133) es relacionado con otras obras. En este caso,
hay trabajos de hermanos que incluir la versión final del editor del documento y el software o
código fuente que se utilizó para ayudar a realizar la investigación descrita en el presente
registro. Los registros LAPSE también admiten enlaces a elementos secundarios. trabajos que
derivan conceptualmente o dependen de la presente presentación, o trabajos primarios de los
cuales se derivó el trabajo actual. En este caso, un modelo Aspen Plus (LAPSE: 2018.0126)
almacenado en LAPSE es un registro secundario de la preimpresión y una presentación de la
conferencia (LAPSE: 2018.0398) es hijo de ese modelo. Captura de pantalla de
http://PSEcommunity.org/LAPSE:2018.0133. Sin embargo, aunque LAPSE proporciona un
medio técnico para fomentar modelo compartido, no tendrá éxito sin un cambio cultural en la
comunidad PSE. Aunque muchas otras comunidades académicas tenemos una cultura de
compartir modelos abiertos, simplemente no. Por suerte, la marea está cambiando como lo
demuestra el aumento de publicaciones de acceso abierto, revistas de acceso abierto y las
principales organizaciones de financiación que requieren un intercambio abierto de datos.
LAPSE es solo el primero intervenir en el movimiento que lidera este cambio; la comunidad
debe Decide el resto.

5. El árbol tecnológico de PSE

Para ayudarnos a prepararnos para este artículo, creamos un árbol tecnológico para ingeniería
de sistemas de procesos. Un árbol tecnológico mapea la progresión de investigación de una
tecnología a otra, y cómo combinar para formar nuevas tecnologías. Por ejemplo, para crear
un simulador de proceso modular secuencial, primero debe crear un algoritmo para resolver
modelos de operación de unidades individuales, y también crea un algoritmo para resolver
secuencias de operaciones unitarias con reciclaje utilizando chorros de lágrimas. Tales árboles
son útiles para obtener a vista de pájaro tanto de la historia del campo como de su futuro
direcciones. Sin embargo, cada investigador podría tener una idea diferente. sobre cómo
debería verse el árbol y qué tan detallado debería ser ser, y el campo siempre está creciendo.
Por eso, en el espíritu de En esta conferencia, creamos un Wiki de árbol tecnológico en el sitio
web psecommunity.org/pse-technology-tree/. Alentamos a los lectores para visitar el sitio web
y contribuir agregando o cambiando el estructura del arbol. Los lectores también pueden
crear, discutir o editar artículos sobre cada nodo individual, como proporcionar descripciones,
ejemplos, imágenes, videos o citas de literatura en cada área. En De esta manera, los lectores
pueden participar en la creación abierta de un evento enciclopedia para nuestro campo. Un
ejemplo de captura de pantalla es mostrado en la Fig. 5.
Uno de los objetivos clave de Technology Tree Wiki es conectarse una variedad de partes
interesadas a los conceptos de investigación actuales en un entorno accesible camino. Los
lectores deberían poder encontrar un árbol tecnológico Wiki artículo sobre un tema y luego
tener un buen sentido no solo del tema en sí, pero donde encaja en el contexto más amplio de
la investigación, gracias a la naturaleza visual de la estructura arbórea. Esto puede ayudar a
complejos investigar más accesible al descomponer conceptos difíciles en Sus componentes
más básicos. Además, la lista de referencias proporciona Un gran punto de partida para los
investigadores principiantes, y como tal, Se alienta a los lectores a sugerir citas apropiadas
dentro del wiki Además, existen planes para agregar funciones que automáticamente
complete la sección de lectura adicional de cada artículo de Wiki de Envíos de LAPSE para que
quienes lean un artículo de Wiki vean el material más actualizado sobre ese tema. Del mismo
modo, versiones futuras de LAPSE extraerá automáticamente palabras clave de los artículos de
Wiki que los usuarios pueden seleccionar para indexación de bases de datos y fines de
búsqueda, y dejar que vinculen registros LAPSE directamente a Technology Tree Wiki artículos,
lo que les ayuda a aparecer allí. De esta manera, estas dos herramientas pueden trabajar
juntas para aumentar la investigación y los impactos educativos. dentro del campo.

6. Conclusiones

Desde una perspectiva general, la progresión histórica de la El diseño del campo de proceso es
quizás mejor caracterizado por un aumento constante alcance del problema Nuestro
entendimiento fundamental detrás principales operaciones de unidades químicas y sus
fenómenos termofísicos No ha cambiado mucho en las últimas décadas. En cambio, la
metodología del diseño del proceso se ha expandido para incluir cada vez más riguroso
matemática, dinámica, control, planificación, programación, producto diseño, incertidumbre,
economía y factores ambientales, aunque Todavía no de una vez. Todo esto es posible gracias
al continuo Mejorar los métodos numéricos (particularmente la optimización y modelado) y
herramientas de software que crean problemas cada vez más grandes Más manejable. Sobre la
base de la extrapolación de esta tendencia, prevemos que el El futuro del diseño del proceso
será impulsado en gran medida por un software que esencialmente incluye todas estas áreas
integradas juntas en una gran Problema de optimización global. El diseñador especificaría
objetivos clave (tal vez en lenguaje sencillo) que se relaciona con cualquier particular
productos o simplemente propiedades del producto. Operación de la unidad, sección de
proceso, o los modelos de proceso completo se extraerían de acceso abierto bases de datos
como LAPSE. El software entonces formularía y resolver un problema de optimización que
sintetiza automáticamente diseño del proceso dinámico y sus productos, junto con su cadena
de suministro dinámica, planes y horarios, mercados objetivo, control sistemas y teniendo en
cuenta todos los detalles operativos, incluido el producto flexibilidad y transiciones, arranque,
apagado, seguridad, confiabilidad, incertidumbre y respuesta a la perturbación. Los procesos
candidatos ser clasificado en métricas que incluyen una combinación de medio ambiente,
negocios, y factores sociales. Datos para impactos ambientales, mercados, las cadenas de
suministro, las operaciones unitarias y los productos químicos serían automáticamente
extraído de bases de datos masivas o modelos basados en bases de datos. La síntesis del
proceso se lograría a través de algoritmos de IA que se basan en modelos masivos o bases de
datos de ambos derivados de humanos y procesos, heurística y mejores prácticas creados por
IA. Todas de estos aspectos ya existen de una forma u otra, es simplemente la integración de
todo junto en un megaproblema que permanece.

El diseño de procesos ha sido uno de los campos mas explorados por los
ingenieros químicos y de procesos, su complejidad ha mostrado la necesidad de
implementar nuevas o mejores tecnologías para optimizar los procesos, para
que se puedan disminuir los desechos producidos y mitigar el impacto
ambiental que genera la industria. Por eso, optimizar los procesos existentes o
diseñar unos nuevos que permitan la integración de diferentes sectores para el
beneficio mutuo es el mayor reto que tenemos los ingenieros químicos.
Uno de los sectores que esta buscando reinventar sus procesos químicos es el
energético, en Colombia aproximadamente el 93% de recursos primarios son
de origen fósil, 4% de hidroenergía y un 3% de biomasa (UPME,2015), en el
2013 las proyecciones realizadas por la Unidad de Planeación Minero-Energética
(UPME), indicaron que las reservas del petróleo serían para 7 años y 15 años
para el gas natural. Ante esta situación el país ha buscado integrar diferentes
energías renovables no convencionales como parte de su matriz energética,
apostando por la energía eólica, solar, biomasa, hidroeléctricas, entre otras.
Para eso se han implementado normatividades como la ley 1715 de 2014, la
cual busca establecer los parámetros y directrices económicos, legales, de
investigación y desarrollo para aprovechar estas fuentes de energía.
La alternativa más estudiada son los parques eólicos que estarían ubicados en
el resguardo wayuu de la Alta y Media Guajira para iniciar operaciones en el
2022, sin embargo, en el 2004 inicio la operación del parque Eólico “Jepírachi”
realizado por Empresas Publicas de Medellín y en el 2019 la comunidad Wayuu
manifestó a través del diario El Espectador que la gran mayoría de las viviendas
del sector no cuentan con un mínimo de luz, así como el llamado para
garantizar sus derechos.
Frente a este hecho es necesario cuestionarse lo siguiente: ¿La normatividad
vigente en Colombia es lo suficientemente inclusiva con las
comunidades donde se desarrollan los proyectos de energías no
renovables? De no ser así, ¿este aspecto social debería ejercerse
principalmente por las empresas encargadas implementando la
economía circular?
Colombia, Ley 1715 de 2014, Por medio de la cual se regula la integración de las
energías renovables no convencionales al Sistema Energético Nacional. 13 May,
2014 Núm. 49150
¿Colombia tiene potencial en fuentes de energía renovables?.(22 de Agosto de 2019).El
Espectador.Recuperado de https://www.elespectador.com/noticias/medio-
ambiente/colombia-tiene-potencial-en-fuentes-de-energia-renovables-articulo-877125

EPM.,(2010).Jepírachi: una experiencia con la comunidad indígena Wayuu de la Alta Guajira

colombiana.Medellín,Colombia.Recuperado
de https://www.epm.com.co/site/documentos/mediosdecomunicacion/publicacionesimpresas
/jepirachi/LibroJepirachienespanol.pdf

Economía cicular. Cancillería de Colombia. Recuperado

de https://www.cancilleria.gov.co/economia-circular

Martín, M., & Adams, T. A. (2019). Challenges and Future directions in process and product synthesis and
design. Computer Aided Chemical Engineering,  44, 1-10. doi:10.1016/B978-0-444-64241-7.50001-X
Retrieved from http://dx.doi.org/10.1016/B978-0-444-64241-7.50001-X

UPME.,(2015).Integración de las energías renovables no convencionales en Colombia.

Bogotá,Colombia.Recuperado
de http://www.upme.gov.co/Estudios/2015/Integracion_Energias_Renovables/INTEGRACION
_ENERGIAS_RENOVANLES_WEB.pdf

Se sabe que en los últimos años el cambio climático ha dado de qué hablar, por
eso diferentes organizaciones e industrias se han adaptado y la industria
química no se queda atrás, esta se acopla a este enfoque mediante la puesta
de materias primas potenciales en sus procesos (Martin & Adams, 2019). Dicha
preocupación ambiental, genera nuevos desafíos en el diseño de procesos, se
busca una optimización en el proceso que a la vez pueda satisfacer las
necesidades individuales de la sociedad, en este desafío entran las energías
renovables, cabe resaltar que ya se han realizado diversos estudios en los
cuales usan las energías renovables en sus procesos, estos estudios se
mostraron convenientes, aun así, no se ven implementados.
Se busca reemplazar la electricidad fundamentada en combustibles fósiles,
según Martín & Adams (2019), los ingenieros de procesos químicos se ven
involucrados en la generación de electricidad basada en otras alternativas
diferentes a la nombrada anteriormente, su vínculo se establece a partir de que
los residuos (gases de alta energía) de la industria química pueden usarse
como combustible en una planta de energía; o por la transformación de energía
térmica en eléctrica. EL problema surge cuando se produce más de lo que se
demanda, ahí es cuando entra el concepto de “almacenamiento térmico” por
medio de las sales fundidas; un ejemplo de este tipo de almacenamiento es la
Gemasolar, ubicada en España.
Me lleva a cuestionarme ¿el ingeniero químico en su rol como diseñador de
procesos que papel cumple en el desarrollo del almacenamiento térmico; acaso
el almacenamiento térmico por las sales fundidas es el método más eficiente
para la consecución de este objetivo o si por el contrario existen otros métodos
más eficientes; su puesta en marcha no se ha implementado por sus altos
costos en la puesta en marcha o hay quizá intereses políticos y económicos
ocultos  que no permiten su accionamiento?
Referencias
   Martín, M., & Adams, T. A. (2019). Challenges and future directions for process and
product synthesis and design. Computers and Chemical Engineering, 128, 421–
436. https://doi.org/10.1016/j.compchemeng.2019.06.022
   Gemasolar. (s.f). Recuperado de: https://torresolenergy.com/gemasolar/

Considerando el artículo “Challenges and future directions for process and

product synthesis and design” en donde se expresa la afectación de los
procesos industriales al ambiente en cuanto a los desechos generados. La
industria ha puesto varias materias primas como biomasa y desechos las
cuales se pueden implementar como fuente de energía y  el uso de CO2 como
fuente de carbono. Por lo tanto, el concepto de economía circular para la
reutilización de residuos tiene que convertirse en una tendencia
interesante como una forma de reducir la explotación de los recursos
naturales al proporcionar un uso más eficiente de ellos [1].
 
Los diseñadores de procesos ayudan a mitigar estos problemas considerando
estas cuestiones directamente en su proceso de diseño. Lo cual conllevara a
generar procesos más flexibles económicamente lo cual permitirá la integración
de energías renovables creando procesos que sean más robustos ante
grandes incertidumbres como el comportamiento de los mercados,
disponibilidad de recursos renovables y el cambio de políticas
gubernamentales. Los enfoques serán reducir los costos para las
empresas más grandes como todo considerando el diseño en el marco
más amplio de la oferta cadenas, planificación, programación,
operaciones y políticas públicas.
 
Hay cientos o miles de estudios que muestran posibles procesos alternativos
que utilizan alguna fuente de energía renovable más nueva como la biomasa
como componente clave. Casi cada estudio publicado en esta área
concluye que cualquier concepto presentado es prometedor y digno de
consideración o construcción, y sin embargo casi ninguno ha sido
comercializado [2].
 
Aquellos procesos que involucren transferencias de masa y de calor necesitan
cierta energía, ya sea en forma de energía eléctrica o calor. Es esencial
conocer y comprender los parámetros que se deben cumplir en el sistema para
así poder analizar y llegar a implementar un proceso que involucre energías
renovables. Los más importantes son el voltaje y la frecuencia y la cantidad de
energía que se utilizará en el sistema [3]. Esto será esencial para cumplir con
los parámetros eléctricos requeridos
 
¿En qué proceso químico se ha implementado algún tipo de energía
renovable (como energía eólica, geotérmica, solar, mareomotriz)?¿A nivel
nacional existe alguna empresa que utilice algunas de las anteriores
energías renovables en su proceso de producción?¿Analizando el
aspecto socioeconómico del país que tan factible es llegar a diseñar un
proceso químico con alguna de las anteriores energías renovables (como
energía eólica, geotérmica, solar, mareomotriz)?
 
 [1]   Korhonen, J., Honkasalo, A., & Seppälä, J. (2018). Circular Economy: The
Concept and its Limitations. Ecological
Economics. https://doi.org/10.1016/j.ecolecon.2017.06.041
[2]   Martín, M., & Adams, T. A. (2019). Challenges and future directions for
process and product synthesis and design. Computers and Chemical
Engineering. https://doi.org/10.1016/j.compchemeng.2019.06.022

[3]   Martínez, J., & Picón, M., (2012). Integrating Renewable Energy to

Power,Heat and Water Systems. The Italian Associationof Chemical
Engineering. https://www.researchgate.net/profile/Hector_Estrada-
Garcia/publication/260309894_Integrating_Renewable_Energy_to_Power_Heat
_and_Water_Systems/links/00b49530b84c0a5ebf000000/Integrating-
Renewable-Energy-to-Power-Heat-and-Water-Systems.pdf