Guanajuato, Gto.

18 de septiembre de 2019

Maestría en Ingeniería Química

Modelado y Optimización de Procesos

Docente: Dr. Fernando Israel Gómez Castro

Práctica 2:

Modelado y Optimización de Procesos.

Programación No Lineal

Realizado por:

Jahaziel Alberto Sánchez Gómez

Guanajuato, Gto. 18 de septiembre de 2019

1. Introducción

Durante la última década, el desarrollo computacional y tecnológico ha generado cambios

muy importantes en la solución de problemas complejos. Dentro de esto, la optimización de
procesos surge como una herramienta que busca la maximización o minimización de
funciones con la finalidad de mejorar el rendimiento de cualquier tipo de sistema, ya sea
desde la reducción de costos operativos hasta la mejora de la calidad de productos sin
reducir otros aspectos de este. Para esto, es necesaria la representación de dicho sistema
mediante un modelo, el cual dará mejores resultados mientras mejor capacidad de
descripción tenga. Entre los diferentes tipos de modelos, los modelos conformados por
sistemas de ecuaciones y relaciones matemáticas son los mas utilizados en campos como la
economía e ingeniería.

Los problemas de optimización se pueden clasificar principalmente en lineales y no

lineales, según la naturaleza del problema con respecto a sus variables. Donde dependiendo
del tipo de modelo, es posible la obtención de una o múltiples soluciones lo cual vuelve
más difícil la optimización de estos sistemas. En base a esto, softwares computacionales
han sido diseñados para facilitar la obtención de soluciones globales. General algebraic
modeling system (por sus siglas en inglés, GAMS) es un ejemplo de esto, diseñado en base
a programación matemática como una herramienta de optimización de alto nivel.

Por tal motivo, en el presente trabajo, se realiza la aplicación de modelos de programación

lineal mediante el software GAMS para la optimización de una planta con tres procesos de
producción, obtención de las condiciones de operación y maximización de ganancias en
tres escenarios planteados: variaciones en los costos de producción, costo de materia prima
y disponibilidad máxima de reactivos.
Guanajuato, Gto. 18 de septiembre de 2019

2. Metodología

2.1. Caso de estudio

En general, el problema abordado en este documento puede expresarse de la siguiente
manera:

Siendo considerado el proceso Williams-Otto (Figura 1), donde las corrientes de proceso
están caracterizadas por sus flujos y fracciones másicos. Se alimentan dos corrientes de
proceso, FA y FB las cuales contiene Ay B en estados puros, respectivamente, a un reactor
agitado, en el cual se llevan a cabo las siguientes reacciones químicas a una temperatura
T fija:

A+ B k 1 C (1)
→

C+ B k 2 P+ E (2)
→

P+C k 1 G (3)
→

Siendo C, P, E y G un producto intermediario, el producto principal, un subproducto y el

desecho, respectivamente. Con relación al proceso, el efluente (F eff) es enfriado mediante
un intercambiador de calor y enviado a un centrifugador para la separación de G en la
corriente FG. El resto de la corriente entra a un separador y es obtenido P en la corriente
FG del domo. Debido a la presencia de un azeótropo, el 10% w/w del componente E
permanece en el fondo y se dividen en una purga (F purge) y reciclo (FR). Por lo cual, el
objetivo del problema es: maximizar el retorno de la inversión (ROI), dada por la ecuación
(4), en base a los siguientes escenarios:

a) Maximizar el retorno de inversión (ROI) dada por la ecuación (4), utilizando los
valores iniciales de la Tabla 1.
b) Maximizar el retorno de inversión si es eliminada la corriente de reciclo FR.
Guanajuato, Gto. 18 de septiembre de 2019

Figura 1.- Diagrama del proceso Williams-Otto.

2.2. Problema de máxima ganancia

Una función objetivo para la maximización de ganancia para el caso de estudio que
considera los costos de producción, de materia prima y precio de venta de los productos
viene dada por:

ROI=100 ¿ ¿ (4)
Donde la ecuación (4) está sujeta a los balances de materia de cada una de las corrientes,
ecuaciones cinéticas, restricciones límite; ecuaciones (5)-(31). Y condiciones iniciales
mostrados en la Tabla 1.

−120
k 1=a1 exp ⁡( ) (5)
T
−150
k 2=a2 exp ⁡( ) (6)
T
−200
k 3=a3 exp ⁡( ) (7)
T
r 1=k 1 x A x B Vp (8)
r 2=k 2 x C x B Vp (9)
r 3=k 3 x P x C Vp (10)
A
F eff =F A + F RA−r 1 (11)
F Beff =F B + F BR −( r ¿ ¿1+ r 2)¿ (12)
C C
F =F +2 r 1−2 r 2−r 3
eff R (13)
E E
F =F + 2r 2
eff R (14)
Guanajuato, Gto. 18 de septiembre de 2019

F Peff =0.1 F ER +r 2−0.5 r 3 (15)

F Geff =1.5 r 3 (16)
∑ ¿=F Aeff +F Beff +F Ceff + FEeff + FPeff + FGeff ¿ (17)
F eff
F =F ∑
j
eff eff
¿x j , j∈ { A , B ,C , E , P ,G } ¿
(18)
F∑ ¿ ≥1 ¿
eff
(19)
G
F G=F eff (20)
P E
F P=F −0.1 F eff eff (21)
A
+ F + F Ceff +1.1 F eff
B
E
F Purga=η (F eff eff ) (22)
j j
F =(1−η) F , j∈ { A , B , C , E , P , G }
R eff (23)
V ∈ [ 0.03,0 .1 ] (24)
T ∈ [ 5.8,6 .8 ] (25)
F P ∈ [ 0,4.763 ] (26)
F Purga ≥ 1 (27)
FG≥ 1 (28)
j
F eff ≥0 (29)
F A ≥1 (30)
F B ≥1 (31)

Tabla 1.- Parámetros iniciales utilizados para el proceso de optimización.

Variable Punto inicial Variable Punto inicial

FA 10 FPeff 5
FB 20 FG 1
FAeff 10 FP 0.5
FBeff 30 Fpurga 0

FCeff 3 V 0.06
FEeff 3 T 5.80

3. Resultados
Las ecuaciones anteriores fueron introducidas al software GAMS para la solución y
optimización del sistema de ecuaciones no lineales. Obteniendo así los parámetros de
operación óptimos para los escenarios a) y b), los cuales se pueden observar en la Tabla 2.
Guanajuato, Gto. 18 de septiembre de 2019

Tabla 2.- Condiciones de operación para la maximización de ROI en los escenarios a) y b).

Valor Valor
Variable Variable
a) b) a) b)
FA 13.141 1.535 FRP 16.922 -
FB 29.949 3.612 k1 111.73 11.538
FAeff 46.146 0.533 K2 567.653 33.232
FeffB 143.087 1.811 k3 1268.263 28.83
FeffC 7.568 0.148 N 0.1 1
FeffE 141.699 1.599 r1 8.518 1.002
FeffG 3.126 0.386 r2 7.097 0.8
FeffP 18.806 0.671 r3 2.084 0.257
FeffSuma 360.432 5.147 ROI 121.109 -1.008
FG 3.126 0.386 T 6.744 5.98
FP 4.636 0.511 V 0.03 0.048
Fpurga 35.328 4.25 xA 0.128 0.103
FRA 41.524 - xB 0.397 0.352
FRB 128.753 - xC 0.021 0.029
FRC 6.81 - xE 0.393 0.311
FRE 127.505 - xG 0.009 0.075
FRG 2.813 - xP 0.052 0.13

En la tabla 2, se puede observar una maximización y disminución de ROI en el escenario a)

y b), respectivamente. Esto se atribuye principalmente a la relación directa de FR en el flujo
efectivo y conversión de los reactivos A y B en P, lo cual se puede observar claramente en
el incremento de sus fracciones de conversión (xA y xB) y por ende velocidades de reacción.
Por otra parte, resultados del inciso b) se relacionan a la eliminación de F R y disminución
del flujo masico efectivo en la salida del reactor

Con base en los resultados anteriores, se propone la utilización de las condiciones de

operación obtenidas para el caso a), quedando exactamente igual el diagrama de proceso y
obteniendo la mayor ganancia con las ecuaciones y condiciones utilizadas.
Guanajuato, Gto. 18 de septiembre de 2019

4. Conclusiones
En el presente trabajo, se realizó la maximización del proceso no lineal de Williams-Otto
en dos diferentes escenarios (con y sin corriente de reflujo al reactor), esto, mediante el
software GAMS y una función objetivo en base al retorno de inversión de dicho proceso.
Los resultados demostraron un mayor valor de ROI para el caso con retorno donde es
posible aumentar los flujos de alimentación al reactor al existir un retorno en este y en caso
contrario, la eliminación de la corriente de reciclo representa una perdida en el retorno de
inversión.

5.- Bibliografía

 Scenna Nicolás J. (1999). Modelado, Simulación y Optimización de Procesos

Químicos.
 Ramos A., Sánchez P., Ferrer J. M. (septiembre 2010). Modelos matemáticos de
optimización: Obtenido de:
https://www.gams.com/fileadmin/community/contrib/doc/modelado_en_gams.pdf
 Brooke A., Kendirck D., Meeraus A., Raman R. (1998). GAMS: A Users Guide:
Gams Development Corporation. Obtenido de Gams Development Corporation:
https://www.gams.com/latest/docs/UG_MAIN.html