Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2020 T2 04 Simulación de Procesos Dinámicos
2020 T2 04 Simulación de Procesos Dinámicos
DINÁMICA DE PROCESOS Y
CONTROL
• Partamos de un principio:
Las computadores no “hablan” ni
“entienden” nuestro idioma.
Python tiene “Palabras reservadas”.
2
Palabras reservadas
3
Python como herramienta de simulación
• Ejemplo de algoritmo:
1 Mano derecha al frente, mano izquierda al frente.
2 Mano derecha al hombro, mano izquierda al hombro.
3 Mano derecha a la cabeza, mano izquierda a la cabeza.
4 Mano derecha al lado izquierdo de la cadera, mano izquierda
al lado derecho de la cadera.
5 Mano derecha al frente, mano izquierda al frente.
6 Mano derecha al escombro, mano izquierda al escombro.
7 Mano derecha a la cabeza, mano izquierda a la cabeza.
8 Mano derecha al lado izquierdo de la cadera, mano izquierda
al lado derecho de la cadera.
9 Salto pequeño y giro de 90° a la izquierda.
https://www.youtube.com/watch?v=jiOGjn1Ms4w
4
¿Qué es un modelo?
6
¿Por qué los modelos son necesarios?
7
Diseño de Procesos
• En la ausencia de un modelo:
• Necesitamos construir columnas con diferente
número de platos y diámetro hasta hallar la columna
que cumpla los requerimientos.
• Es tedioso, caro y consume mucho tiempo.
• Con un modelo:
• Diferentes configuraciones pueden ser simuladas.
• Mejor aún: la columna más económica que cumple
con las especificaciones puede ser encontrada
utilizando métodos de optimización.
8
Control de Procesos
9
Aplicaciones
• Diseño del proceso
– Estudio de factibilidad y análisis de diseños.
– Asesoría técnica, económica y medio ambiental.
– Análisis paramétrico.
– Optimización estructural y paramétrica.
– Análisis de interacción.
• Control de Procesos
– Examinar estrategias de control regulatorio.
– Análisis de set-point y perturbaciones al sistema.
– Optimizar estrategias de control para operaciones batch o
continuas.
– Diseño del arranque o parada de planta/equipos.
10
Aplicaciones
• Solución de problemas (troubleshooting)
– Identificar las causas por las que sucedió un problema.
– Identificar las causas por las que un proceso se desvió
de sus condiciones en estado estacionario.
• Seguridad
– Detectar operaciones peligrosas y condiciones
peligrosas de operación.
– Evaluación de eventos de alivio accidental.
– Estimación de los efectos de los escenarios de alivio.
• Entrenamiento de un operador
– Arranque y parada de planta.
– Entrenamiento para respuesta de emergencia.
11
EL MODELADO Y/O
SIMULACIÓN DE UN
PROCESO ES UNA
HERRAMIENTA
FUNDAMENTAL EN
INGENIERÍA QUÍMICA.
12
Objetivos del modelamiento
13
Considerar:
➢ La complejidad de un modelo debe ser proporcional a la
aplicación definitiva en la que se utilizará.
14
Tipos de modelos
15
Modelos fenomenológicos o fundamentales
16
Modelos Empíricos I (Black-Box)
Se desarrollan mediante la recopilación de datos
durante la operación del proceso y la
construcción o ajuste de una relación
matemática entre las variables del proceso que
pueden explicar los datos observados.
17
Modelos Empíricos II (Grey-Box)
18
Clasificación de los modelos
19
Parámetros concentrados vs. distribuidos
20
Parámetros concentrados vs. distribuidos
21
Lineal vs. No Lineal
22
Lineal vs. No Lineal
23
Modelos determinísticos vs. estocásticos
24
Modelos determinísticos vs. estocásticos
25
Clasificación de lo modelos
Lineal Distribuido
Determinístico
Concentrados
Estocástico
26
Modelos en base a
Leyes Fundamentales
- Modelos fenomenológicos.
- Modelos mecanísticos.
El conocimiento del
proceso está contenido
en el modelo del proceso.
Inputs dx
= f ( x, u )
dt
27
Modelos de parámetros concentrados
¿Hay variación
espacial en
el sistema?
Si No
Problema Problema
Dinámico? Dinámico?
Si No Si No
28
Modelos de parámetros concentrados
29
Principios de modelado
• Principios de formulación:
– Base.
– Suposiciones.
– Consistencia matemática.
– Solución del modelo.
– Verificación.
30
Bases
31
Suposiciones
32
Consistencia
33
grados de libertad
F(grados de libertad) = Nv – Ne
Casos:
F < 0, en la práctica no pasa muy seguido. Es posible que
algunos problemas tengan relaciones extra o redundantes
(sistemas sobre determinados). Estos problemas no
tendrán solución hasta reconocer y sacar las relaciones
redundantes.
F = 0, el modelo tiene solución.
F > 0, son sistemas que tienen más variables que
ecuaciones. Se pueden eliminar variables o especificarlas.
34
Solución
35
Verificación
36
Modelos Analíticos
37
Modelos de espacio-estado
38
Modelos de espacio-estado
dx1
= f1( x1, x2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
dt
dx 2
= f2 ( x1, x 2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
dt
: Ecuaciones de Estado
dx N
= fN ( x1, x 2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
dt
y1 = h1( x1, x 2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
y 2 = h2 ( x1, x 2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
: Ecuaciones de salida (outputs)
y J = hJ ( x1, x 2 ,...., xN ; m1, m2 ,....,mK ; d1, d 2 ,....,d L ; a1, a2 ,...,aR )
39
Resumen
1) Debemos indicar los objetivos de modelado y el uso final
del modelo. Los objetivos determinan el nivel requerido
de detalle y la precisión del modelo.
2) Enumerar TODAS las suposiciones que están involucradas
en el desarrollo del modelo. El modelo no debe ser más
complicado de lo necesario para cumplir con los
objetivos de modelado.
3) Se requiere determinar si las variaciones espaciales de las
variables del proceso son importantes. Si es así, se
requerirá un modelo de ecuaciones diferenciales parciales
(PDEs).
4) Escribir las ecuaciones de conservación apropiadas
(masa, componente, energía, etc.).
5) Realice un análisis de grados de libertad para asegurarse
de que las ecuaciones del modelo puedan resolverse.
40