Traducido del inglés al español - www.onlinedoctranslator.

com

Ciencias de la ingeniería química 59 (2004) 459–478

www.elsevier.com/locate/ces

Diseño y optimización de reactores discontinuos y semicontinuos

Jinzhong Zhang, Robin Smith∗

Departamento de Integración de Procesos, UMIST, PO Box 88, Manchester M60 1QD, Reino UnidoRecibido el 26 de

julio de 2002; recibido en forma revisada el 8 de julio de 2003; aceptado el 2 de octubre de 2003

Abstracto

Este documento aborda una metodología sistemática para el diseño y la optimización de reactores por lotes y semi lotes para mezclas ideales y no ideales. Se
puede aplicar a sistemas multifásicos y no isotérmicos. El método parte de una representación general en la forma de una superestructura temporal basada en la
similitud entre los reactores de corriente continua y los reactores discontinuos ideales. La superestructura temporal de un reactor discontinuo existe tanto en el
espacio como en el tiempo. Para mezclas no ideales, este documento aborda un modelo de red de compartimentos de mezcla para representar la mezcla dentro de
los reactores. La red de compartimentos de mezcla se incluye luego en la superestructura temporal para modelar reactores por lotes no mezclados idealmente y el
patrón de mezcla optimizado con las otras variables. Además de las variables de operación para reactores discontinuos, Este método también puede sugerir el
patrón de mezcla óptimo y configuraciones de reactor prometedoras para el diseño mecánico. Se propone un enfoque basado en perfiles para realizar una
búsqueda en los perfiles de temperatura, presión y adición de alimentación. Este enfoque parte de un conjunto de perfiles iniciales de temperatura, presión y
adición de alimento. Luego, el rendimiento del reactor discontinuo se evalúa frente a la función objetivo bajo diferentes perfiles. A continuación, este proceso de
búsqueda de perfiles encuentra un conjunto óptimo de perfiles. Se emplea una técnica de optimización estocástica basada en recocido simulado para obtener
soluciones óptimas. Este método también se extiende a los sistemas de reacción multifase basados en el concepto de compartimentos de reactores de sombra. Se
presentan varios estudios de caso para ilustrar el uso de la metodología propuesta.

? 2003 Elsevier Ltd. Todos los derechos reservados.

Palabras clave: Reactores discontinuos; Reactores semicontinuos; Mezcla no ideal; Diseño; Simulación; Mejoramiento; Superestructura temporal; Enfoque basado en perfiles;
Recocido simulado; Reacciones multifase; Red de compartimentos de mezcla

1. Introducción a ciertos objetivos. Sin embargo, el principio máximo de Pontryagin

El diseño de reactores por lotes se ha estudiado desde varias
perspectivas con el fin de desarrollar herramientas de optimización
sistemática para mejorar el rendimiento (Rippin, 1983). El diseño de
reactores discontinuos significa no solo el diseño de equipos, sino
también el diseño de operación (Friedrich y Perne, 1995). Para las
variables operativas de temperatura y tasa de adición de alimentación, el
diseño de la operación conduce a las trayectorias deseadas para estas
variables dinámicas, así como a los valores deseados de otras variables
que se fijan 7 veces durante un ciclo por lotes.
Se ha introducido la programación matemática para el
diseño de reactores por lotes para varios esquemas de reacción
diferentes (Jackson y Senior, 1968; Jackson y col., 1971). En ese
trabajo, el Principio Máximo de Pontryagin (Pontryagin y col.,
1962) se aplicó para buscar soluciones óptimas, sujeto
∗ Autor correspondiente. Tel .: + 44-161-200-4382; fax:
+ 44-161-236-7439.
Dirección de correo electrónico: robin.smith@umist.ac.uk (R. Smith).
solo puede proporcionar una condición necesaria, pero no
suficiente, para la optimización.García y col. (1995)empleó el
algoritmo de Gradiente Reducido Generalizado (GRG) para resolver
el problema de optimización utilizando el mismo modelo de reactor
por lotes. Más temprano,Cuthrell y Biegler (1989) aplicó la
Programación Cuadrática Sucesiva (SQP) para resolver el mismo
problema de optimización.
Sin embargo, los estudios mencionados hasta ahora se basaron en el
supuesto de una mezcla perfecta dentro de las vasijas de los reactores.
Desafortunadamente, esta suposición no es válida en muchas situaciones,
donde la mezcla no ideal a menudo tiene un impacto significativo en el
rendimiento del reactor.
Tradicionalmente, el diseño de reactores discontinuos considerando
el impacto de la mezcla se ha abordado utilizando correlaciones de
parámetros generales, incluido el tiempo de mezcla, el consumo de
energía y la capacidad de bombeo del impulsor (Tatterson, 1991; Harnby
y col., 1997).
Los últimos años han visto el desarrollo de la dinámica de fluidos
computacional (CFD) para simular el patrón de mezcla en

0009-2509 / $ - ¿Ver la portada? 2003 Elsevier Ltd. Todos los derechos reservados.
doi: 10.1016 / j.ces.2003.10.004
460 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
reactores discontinuosBakker y col., 2001). Además, se introdujo un
modelo conocido como red de zonas para la simulación de
reactores por lotes (Wang y Mann, 1992; Nienow y col., 1992; Rahimi
y Mann, 2001). Ambos enfoques implican un tiempo de cálculo
intensivo.
El enfoque de modelado de compartimentos propone un modelo
de mezcla simple y realista (Vivaldo-Lima et al., 1998). Un modelo de
compartimento divide una vasija de reactor discontinua en varios
compartimentos. Cada compartimento se conecta a los otros
compartimentos del reactor a través de corrientes. El supuesto de
una mezcla perfecta se aplica solo a cada compartimento, en lugar
de al reactor en su conjunto. Los modelos describen principalmente
patrones de macromezcla dentro del reactor donde el transporte de
material entre diferentes compartimentos es solo por convección.
Sin embargo, también pueden representar cierto grado de
micromezcla si se permite la difusión entre diferentes
compartimentos. El enfoque de modelado de compartimentos
consume mucho menos tiempo de cálculo que CFD para el mismo
sistema de reacción en el mismo reactor por lotes (Zhang y Ray,
1997).
Hasta ahora, la mayoría de los métodos desarrollados se han
centrado en la simulación de reacciones y mezclas. Sin embargo, podría
ser más beneficioso obtener las condiciones óptimas de configuración y
operación del reactor aprovechando las interacciones entre mezcla,
reacción, condiciones operacionales y configuración del reactor.
Este documento presentará una metodología sistemática para el
diseño y optimización de reactores discontinuos y semicontinuos,
comenzando con una nueva representación de reactor discontinuo, que
se utiliza para modelar reactores discontinuos. Se supone que se
dispone de estequiometría de reacción, cinética y otras propiedades
fisicoquímicas relevantes. El modelo de reactor por lotes tiene en cuenta
todas las opciones operativas, incluidos los modos de funcionamiento
por lotes y semi lotes, diferentes políticas de adición de alimentación,
temperatura y presión.
Para mezclas no ideales, se ha desarrollado un modelo de red de
compartimentos de mezcla basado en el enfoque de modelado de
compartimentos. El modelo de red de compartimentos de mezcla
representa patrones de mezcla dentro de los recipientes del reactor. Las
variables y parámetros del modelo de red de compartimentos de mezcla
corresponden a variables de diseño de las correspondientes
configuraciones y equipos del reactor. El modelo de red de
compartimentos de mezcla se adapta a una superestructura para tener
en cuenta los reactores discontinuos no mezclados idealmente. Los
sistemas de reacción por lotes multifásicos se abordan utilizando el
concepto de compartimentos de reactores en sombra.
Se ha introducido un enfoque basado en perfiles para producir
perfiles óptimos de temperatura, presión y tasa de adición de
alimentación a lo largo del tiempo. La optimización estocástica
mediante recocido simulado se ha utilizado para buscar los perfiles
óptimos o los valores óptimos para todas las variables de diseño. Si
bien se podrían haber utilizado otros métodos, como los algoritmos
genéticos, el recocido simulado ha demostrado ser exitoso en esta
aplicación.
Las soluciones de optimización pueden traducirse en diseños reales
no solo para las condiciones de funcionamiento, sino también para las
configuraciones de los equipos. Este trabajo busca sintetizar y
optimizar un patrón de mezcla del reactor por lotes, al mismo
tiempo que optimiza las condiciones de operación a través del
lote. Se presentan varios estudios de caso para validar e ilustrar
la metodología de diseño.
2. Representación general de reactores discontinuos
2.1. Simulación de reactores por lotes idealmente mezclados
La diferencia entre un reactor por lotes y un reactor de flujo continuo
(PFR) es que los cambios de composición tienen lugar temporalmente en
el primero y espacialmente en el segundo. Por lo tanto, el espacio
equivalente de un reactor de un solo lote puede considerarse un PFR sin
corrientes laterales. El rendimiento de un reactor semi-discontinuo se
puede simular mediante una secuencia de operaciones discontinuas. Su
espacio equivalente consistirá en una serie de PFR, cada uno con una
corriente de alimentación fresca separada.
Es bien sabido que se puede abordar el funcionamiento
enchufable de 3 flujos utilizando varios reactores de 3 flujos
mixtos (CSTR) en serie. Se pueden agregar corrientes laterales
al modelo CSTR en serie para abordar un PFR con corrientes
laterales. Una representación más completa fue dada en forma
de superestructura porKokossis y Floudas (1990). La ventaja
clave de tal representación es que solo las ecuaciones
algebraicas son suficientes para la descripción matemática de
una unidad PFR.Kokossis y Floudas (1990) introdujo la noción de
que el rendimiento de los reactores semicontinuos se simulaba
mediante una secuencia de operaciones por lotes. Se consideró
que el espacio equivalente de un reactor semi-discontinuo era
equivalente a una serie de PFR, cada uno con una corriente de
alimentación. El enfoque se limitó al funcionamiento isotérmico
y la superestructura se optimizó mediante MINLP.
De manera similar, se puede construir una superestructura temporal para
representar un reactor discontinuo mediante una serie de compartimentos del
reactor con características de flujo mixto que se conectan entre sí
secuencialmente en la dimensión del tiempo. Un ejemplo de una
superestructura temporal para un reactor discontinuo se muestra en la Fig.1.
En esta red, el tiempo del ciclo del lote se discretiza en varios intervalos de
tiempo iguales para una mezcla ideal.
Los cambios estructurales de la superestructura pueden generar
diferentes modos de funcionamiento (lote o semi-lote). Este modelo de
superestructura también incorpora las variables operativas como el
tiempo del ciclo del lote, la temperatura, la tasa de adición de
alimentación, la cantidad de reactivos y la presión. La duración de cada
intervalo de tiempo es igual al tiempo de reacción total dividido por el
número de intervalos de tiempo. Cuanto mayor sea el número de
intervalos de tiempo, más se acercará el modelo al reactor discontinuo
modelado. Para una mezcla perfecta, se emplea un compartimento
perfectamente mezclado en cada intervalo de tiempo para modelar.
2.2. Enfoque de modelado de compartimentos y patrones de flujo
El enfoque de modelización de compartimentos modela una vasija de
reactor mediante una serie de compartimentos interconectados basados en
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
Feed 1
Reactor
compartimiento
Feed 2
Intervalo de tiempo 1
Fig. 1. Una superestructura temporal de un reactor discontinuo.
(a) Recipiente agitado horizontal
Múltiples etapas mecánicamente
columna agitada
(B)
Fig. 2. (a) Reactores discontinuos con compartimentos divididos mecánicamente. (b)
Recipientes de reactores discontinuos con uno o varios agitadores.
en el conocimiento del patrón de flujo global dentro de una vasija de
reactor discontinua. Dado que los diferentes tipos de agitadores,
bandejas, ubicaciones de alimentación y otras configuraciones de la
vasija del reactor crean diferentes patrones de flujo, un modelo de
compartimiento puede reflejar las configuraciones y el diseño del equipo
de un reactor.
Hay algunos diseños en los que los reactores se dividen
mecánicamente en varios compartimentos, como recipientes con
agitación horizontal (Ando et al., 1981) y columnas de agitación
mecánica de varias etapas (Takri: et al., 1998) que se muestra en la
Fig. 2una. Para otros diseños, los agitadores crean diferentes 3
bajos 7 campos que se pueden dividir en varios compartimentos
como se muestra en la Fig.2B.
Sobre la base del enfoque de modelado de compartimentos, aquí se
desarrolla un modelo de red de compartimentos de mezcla para
representar el patrón de mezcla para un reactor discontinuo. El
desarrollo de una red de compartimentos de mezcla consiste en dividir
una vasija de reactor en varias regiones homogéneas, pero de diferente
intensidad de mezcla (regiones con diferentes valores de velocidad de
disipación de energía). Las regiones se denominan aquí compartimentos
de mezcla. Se supone que cada compartimento de mezcla está
representado por un reactor de flujo mixto con entrada
461
Producto
•••
Intervalo de tiempo 2 Intervalo de tiempo 3 Intervalo de tiempo N
A granel
Compartimiento
Impulso
Compartimiento
(a)
Deflector
Compartimiento
Impulso Compartimento a granel
Compartimiento
(B)
Fig. 3. (a) Tanque agitado con hélice y su correspondiente red de
compartimentos de mezcla. (b) Un tanque agitado con una hélice y una red de
compartimientos de mezcla correspondiente.
y corrientes de salida que se alimentan o son alimentadas por otros
compartimentos de mezcla. Por tanto, los compartimentos de
mezcla interconectados y sus conexiones constituyen una red de
compartimentos de mezcla, que modela el patrón de mezcla dentro
de la vasija del reactor.
2.3. Desarrollo de redes de compartimentos de mezcla
El desarrollo de una red de compartimentos de mezcla, incluido
el número y tamaño de los compartimentos de mezcla y la forma de
conexiones, requiere un conocimiento del patrón de flujo obtenido
experimentalmente. Higo.3a muestra un ejemplo sencillo de
desarrollo de redes.
En la Fig. 3a, el desarrollo de la red de compartimentos de mezcla
comienza con el patrón de flujo del recipiente en el lado izquierdo
del diagrama. En el recipiente, una hélice produce flujos axiales
bombeando la mezcla de reacción en el centro del eje del recipiente,
barriendo la base y volviendo hacia arriba por la región de la pared.
Para este tipo de patrón de flujo, todo el recipiente se puede dividir
en dos compartimentos de mezcla. Un compartimento representa la
región que rodea la hélice (compartimento del impulsor), mientras
que el otro compartimento representa la región de mezcla para la
parte restante del tanque (compartimento a granel). Cada
compartimento se trata como una región bien mezclada y se
modela como una reacción de flujo mixto.
462 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
sistema. La corriente de salida del compartimento del impulsor se
alimenta al compartimento a granel, mientras que la corriente de
salida del compartimento a granel se alimenta a la región del
impulsor. Los compartimentos están conectados entre sí a través de
3 conductos. Se genera una red de dos compartimentos de mezcla
para representar la macromezcla en un tanque agitado con una
hélice.
Un ejemplo más complejo se ilustra en la Fig. 3b que implica un
modelo de tres compartimentos de mezcla. Se crea un compartimento
para la región del impulsor, mientras que un compartimento de baNe
representa el volumen de la zona dentro de las baNes. Un
compartimento a granel contiene toda la parte restante de un recipiente,
excluidos los compartimentos del impulsor y del tanque.
Se pueden desarrollar más compartimentos de mezcla e
interconexiones complejas en una sola red que depende del
patrón de flujo real dentro del recipiente. El conocimiento
aplicado para desarrollar una red de compartimentos de mezcla
también se requiere en la etapa final de traducir una red en un
diseño real.
2.4. Análisis de redes de compartimentos de mezcla
Los compartimentos de mezcla en el modelo de red representan
regiones espaciales dentro de una vasija de reactor. Dicha región tiene
pequeños gradientes de concentración dentro de la región,
características de flujo similares y velocidad de disipación de energía o
intensidad de mezcla similar. Las conexiones entre diferentes
compartimentos de mezcla representan el patrón de flujo dentro de un
recipiente que conecta esas regiones espaciales o compartimentos de
mezcla. El patrón de flujo es creado por agitadores y otras
configuraciones de recipientes como baNes.
En resumen, un modelo de red de compartimentos de mezcla describe la
mezcla dentro de un recipiente que se crea mediante configuraciones de
recipiente. En consecuencia, la red refleja la configuración de una vasija de
reactor. Por lo tanto, este modelo de mezcla no solo se puede utilizar para
simular reactores por lotes no mezclados idealmente, sino también para
proporcionar configuraciones óptimas de los recipientes mediante la
optimización de la estructura de la red de compartimentos de mezcla. Esto se
tratará más adelante en este documento.
Sobre la base de los antecedentes físicos del modelo de red de
compartimentos de mezcla, se hacen suposiciones para racionalizar
el modelo:
(1) Cada compartimento de mezcla está bien mezclado y no hay
gradiente de concentración en su interior. Por lo tanto, se
aplica el modelo de reactor de flujo mixto a cada
compartimento.
(2) Los compartimentos se conectan entre sí mediante corrientes de flujo
que representan la transferencia de masa convectiva entre
compartimentos y determinan el tiempo de residencia de cada
compartimento.
(3) La red del compartimento de mezcla, una vez elegida, se divide en 7x
durante todo el ciclo del lote.
Estos supuestos permiten una descripción matemática de
una red de compartimentos de mezcla y, por lo tanto, una
reactor de lotes mixtos. Los supuestos solo permiten el transporte
de material entre compartimentos por convección. No se ha tenido
en cuenta ninguna transferencia dividida. Por lo tanto, el modelo de
red describe principalmente la macromezcla dentro de los
reactores. Sin embargo, el modelo también puede representar
cierto grado de micromezcla si se permite la difusión entre
diferentes compartimentos, lo cual no se tratará en este
documento. El objetivo principal de este artículo es proporcionar un
marco para la síntesis de la configuración de un reactor discontinuo,
en lugar de una simulación detallada.
2.5. Viabilidad de las redes de compartimentos de mezcla
Antes de la aplicación de un modelo de red de
compartimentos de mezcla para la síntesis y optimización de
reactores por lotes, es fundamental estudiar algunas
características de la red.
En primer lugar, no debería haber una corriente de auto-
reciclado para ninguno de los compartimentos de mezcla. En el caso
de un compartimento de mezcla, si hay una corriente que emana de
él y se retroalimenta, este compartimento se puede dividir en dos
con interconexiones entre sí investigando más a fondo el patrón de
flujo.
En segundo lugar, una red de compartimentos de mezcla debe ser un
sistema cerrado, incluidos todos los compartimentos de mezcla y
conexiones de flujo. En este sistema cerrado, cada compartimento se
alimenta y se alimenta a otros compartimentos. Además, cada
compartimento puede llegar a todos los demás compartimentos y a sí
mismo a través de los arroyos y otros compartimentos dentro de una
serie de pasos. Esta característica asegura una estructura estática para
una red.
Estas dos características de la red se emplean para comprobar la
viabilidad de una red de compartimentos de mezcla para un diseño. Para
realizar la verificación matemáticamente, se puede aplicar la teoría
básica de grafos, ya que una red de compartimentos de mezcla puede
verse como un gráfico dirigido, con compartimentos como nodos y
conexiones como brazos.
Matemáticamente, una red de compartimentos de mezcla factible
debe cumplir los dos criterios siguientes:
ayo; yo = 0; ayo; yo ∈A; yo = 1; metro; (1)
ri; j = 1; ri; j ∈R; yo = 1; metro; j = 1; metro; (2)
dónde A es una matriz de adyacencia, R es la matriz de accesibilidad
correspondiente y metro es el número máximo de compartimentos
de mezcla. Higo.4 muestra la red de compartimentos de mezcla que
se muestra en la Fig. 3c, junto con su matriz de adyacencia.
Hasta ahora, esta sección ha introducido un modelo de red de
compartimentos de mezcla para describir la mezcla dentro de los
reactores discontinuos. Se discuten los antecedentes físicos, el
desarrollo y algunas características. La siguiente sección adaptará
este modelo al modelo de superestructura temporal presentado
anteriormente para sintetizar reactores discontinuos no mezclados
idealmente.
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478 463

Para Compt. No.

- - -
- - De
-
- 0 1 1
Compt.
- 1 0 1
No. - 0 1 0
Matriz de adyacencia

Fig. 4. Matriz de adyacencia de una red de compartimentos de mezcla.

Feed 1

Producto
•••
Feed 2

Intervalo de tiempo 1 Intervalo de tiempo 2 Intervalo de tiempo n

Fig. 5. Una superestructura temporal que adapta las redes de compartimentos de mezcla.

2.6. Síntesis de reactores discontinuos no mezclados idealmente

El modelo de superestructura temporal para reactores por lotes

ideales utiliza un compartimento de reactor para representar el reactor
modelado dentro de cada intervalo de tiempo. Para incluir efectos de
mezcla en el modelo para reactores por lotes no mezclados idealmente,
el modelo de superestructura temporal se amplía reemplazando el
compartimento del reactor en cada intervalo de tiempo por una red de
compartimentos de mezcla. Las reacciones tienen lugar en cada
compartimento de mezcla como en un reactor continuo bien mezclado.
Los efectos de mezcla se tienen en cuenta a través del modelo de red en
cada intervalo de tiempo.
Higo. 5 muestra una superestructura temporal con todos los
compartimentos reemplazados por el ejemplo de la red de
compartimentos de mezcla que se muestra en la Fig. 4. Puede verse
que una red de compartimentos de mezcla dentro de cada intervalo
de tiempo forma un sistema cerrado sin entrada ni salida. Sin
embargo, la mezcla de reacción en el compartimento de cada
intervalo de tiempo proviene del intervalo de tiempo anterior
inmediato y pasa al siguiente intervalo de tiempo. Este principio
debe aplicarse a la superestructura enriquecida que incorpora redes
de compartimentos de mezcla, con la Fig.5 como ejemplo.
Según el modelo de red de compartimentos de mezcla, un
compartimento de mezcla se alimenta y alimenta a otros
compartimentos, en lugar de a sí mismo. Esto también debería
aplicarse a los compartimentos de mezcla en una superestructura
enriquecida.
La siguiente sección explicará cómo manipular una red de
compartimentos de mezcla para cumplir con los dos principios
anteriores.
Fig. 6. Conexiones de redes de compartimentos de mezcla en la dimensión
temporal.
2.7. Conexión de redes de compartimentos de mezcla en la
dimensión temporal
Como se discutió anteriormente, una red de compartimentos de
mezcla en un intervalo de tiempo debe tomar la entrada de los
compartimentos en el intervalo de tiempo anterior inmediato y producir
salida a los compartimentos en el siguiente intervalo de tiempo. Las
corrientes que conectan diferentes intervalos de tiempo para la entrada
y salida de material conectan compartimentos, de la misma manera que
en la red de compartimentos de mezcla, pero cruzan intervalos de
tiempo. Para lograr esto, se deben dividir varios flujos dentro de una red
de compartimentos y volver a conectarse a los compartimentos
correspondientes en la red de los intervalos de tiempo anterior y
siguiente. Higo.6 ilustra cómo se pueden establecer tales conexiones.
Higo. 6 muestra cómo una red de compartimentos de mezcla
produce 3 ujos de salida y acepta 3 ujos de entrada, por lo tanto
464 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478

Romper una corriente al azar Conjunto de desgarro inicial

Aplicar regla de reemplazo

Cambiar matriz de adyacencia A

Rompe uno más

transmitir aleatoriamente
sí
¿Conjunto de lágrimas redundantes? Eliminar transmisiones redundantes

Calcular matriz de accesibilidad R

No

No No
Tiene esta lágrima no redundante
ryo, yo= 0, r∈ R, yo = 1, n conjunto apareció antes?

sí
sí

Conjunto de lágrimas óptimo

Conjunto de lágrimas encontrado

Fig. 8. Algoritmo de Upadhye y Grens para el desgarro de la corriente.

Fig. 7. Algoritmo para 7der un conjunto de lágrimas válido.

S3
T3 S4
- S1 - -
conectando con otros en la dimensión del tiempo. La línea de S4 ← S2
S2
puntos en la 7gura denota el límite de dos intervalos de tiempo. S4
T2 S3

Un conjunto de corrientes desgarradas debería eliminar todos los bucles (T2 S3) ← (S1 S4)

dentro de una red de compartimentos de mezcla, lo que produce una Compartimiento Flujos de salida Flujos de entrada T1 S4
superestructura enriquecida, incluida la red de compartimentos de mezcla en - S1 S3
S1 ← S3
un sistema de flujo de estado estable dentro de cada intervalo de tiempo. Se - T2 S3 T1 S4

puede demostrar que un juego de lágrimas válido evita que los
compartimentos lleguen a sí mismos a través de corrientes y otros
compartimentos de la misma red. Por lo tanto, todos los elementos diagonales
en la matriz de accesibilidad de una red rota deben ser cero. Esta conclusión
se emplea para obtener un conjunto de corrientes de lágrimas
automáticamente a través de un algoritmo que se muestra en la Fig.7.
El algoritmo comienza tomando una secuencia al azar. Esta secuencia se
rompe y el elemento correspondiente en la matriz de adyacencia se cambia a
cero. Esta nueva matriz de adyacencia se utiliza para obtener una matriz de
accesibilidad. Si todos los elementos diagonales en la matriz de accesibilidad
son iguales a cero, se encuentra un conjunto de rasgaduras solo con este flujo.
De lo contrario, esta corriente se mantiene rota y una corriente más se rompe
al azar. La matriz de adyacencia se cambia correspondientemente y la matriz
de accesibilidad se calcula de nuevo. Estos pasos continúan hasta que todos
los elementos diagonales en la matriz de accesibilidad son cero. Un juego de
lágrimas con todas las corrientes recogidas y desgarradas es un juego de
lágrimas válido.
En teoría, hay una serie de conjuntos de lágrimas válidos para una red. El
algoritmo anterior solo ofrece una de las opciones. El problema de encontrar
un conjunto de flujos de desgarro automáticamente y de manera efectiva
puede ser abordado por el algoritmo desarrollado porUpadhye y Grens (1975)
para la simulación de una hoja de flujo de un proceso químico con corrientes
de reciclaje. Upadhye y Grens (1975) demostró que el conjunto de lágrimas
encontrado a través de la propuesta
- S4 S2 T3 S4
Fig. 9. Aplicación del algoritmo de Upadhye y Grens en una red de
compartimentos de mezcla.
El método requiere un tiempo de cálculo mínimo para simular una hoja
de flujo.
Upadhye y Grens (1975) juegos de lágrimas clasificados en dos grupos:
redundantes y no redundantes. El método parte de un conjunto de lágrimas
inicial que se puede obtener mediante el algoritmo ilustrado en la Fig.7. Se
aplica una regla de reemplazo a este conjunto de lágrimas. La regla de
reemplazo establece que si todos los flujos de salida de una unidad aparecen
en el conjunto de desgarro, se producirá un nuevo conjunto de desgarro si
estos flujos de salida son reemplazados por los flujos de entrada para esa
unidad. Se puede garantizar que los nuevos juegos de lágrimas generados a
través de la regla de reemplazo sean siempre válidos. Si una secuencia
aparece más de una vez en un conjunto de lágrimas en cualquier paso, se
deben eliminar todas menos una. Los juegos de lágrimas con corrientes
repetidas son redundantes. Luego, comience de nuevo con el nuevo juego de
lágrimas. Los dos pasos anteriores se repiten y se alcanza el conjunto de
rasgado óptimo cuando reaparece un conjunto de rasgado no redundante.
Este algoritmo se muestra en la Fig.8.
Higo. 9 ilustra una aplicación del algoritmo de Upadhye y
Grens en una red de compartimentos de mezcla utilizando el
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
Feed 1
Feed 2
Intervalo de tiempo 1 Intervalo de tiempo 2
Fig. 10. Superestructura temporal para reactores discontinuos de mezcla no ideal.
ejemplo dado en la Fig. 3B. El compartimento del impulsor, el
compartimento a granel y los compartimentos bajos de la red se indican
como unidades 1, 2 y 3 en la Fig.9. Los flujos están numerados de S1 a
S4. La tabla de la Fig.9 muestra todos los flujos de salida y de entrada de
cada unidad. Esta información se usa al aplicar la regla de reemplazo. La
búsqueda de un conjunto de corrientes de lágrimas óptimo comienza a
partir de un conjunto de lágrimas inicial (S3, S4) y se puede obtener a
partir del algoritmo que se muestra en la Fig.7. Como S4 es el único flujo
de salida de la unidad 3, se reemplaza por S2, el único flujo de entrada
de la unidad 3. Se genera un nuevo conjunto de ruptura que constituye
S2 y S3, que es un conjunto de ruptura no redundante que aparece por
primera vez. El proceso de búsqueda continúa hasta que reaparece el
conjunto de lágrimas (S3, S4).
2.8. Síntesis de reactores discontinuos no mezclados idealmente
Las corrientes desgarradas por el método anterior se vuelven a
conectar a los compartimentos correspondientes en la red del siguiente
intervalo de tiempo. Higo.10 ilustra la superestructura temporal
generada después del desgarro de la corriente y la reconexión de la
superestructura enriquecida que se muestra en la Fig. 5.
En este trabajo se asume que el patrón de mezcla dentro de un
reactor discontinuo permanece igual durante todo un ciclo discontinuo.
En consecuencia, las redes de compartimentos de mezcla en diferentes
intervalos de tiempo para un determinado modelo de superestructura
de reactor por lotes son las mismas en términos de estructuras de red.
También se supone que se alcanza el equilibrio térmico
entre todos los compartimentos de mezcla en el mismo
intervalo.
2.9. Carga de pienso y descarga de producto
Los reactivos cargados inicialmente en un recipiente del reactor se
distribuyen proporcionalmente al volumen de cada compartimento de mezcla.
Para las alimentaciones continuas, las ubicaciones de alimentación
determinan a qué compartimentos de mezcla van las alimentaciones
continuas. Si un punto de alimentación está cerca de un impulsor, la
alimentación va al compartimiento del impulsor.
Al final de un ciclo por lotes, los productos finales se calculan a partir
de las propiedades promedio de la mezcla de reacción en todos los
compartimentos.
465
Producto
•••
Intervalo de tiempo N
2.10. Volúmenes de compartimentos de mezcla
Siguiente Kresta y Wood (1991), el volumen de un
compartimiento del impulsor se calcula como el volumen de un
cilindro con un diámetro 1,45 veces mayor que el diámetro del
impulsor y con una altura igual a la anchura de la pala del impulsor.
El volumen de un compartimento de baNos se calcula como el
volumen de un cilindro hueco con diámetro exterior igual al
diámetro interior de la vasija del reactor y con un espesor igual a la
anchura de los baNes. Para una red de tres compartimentos de
mezcla con impulsor, compartimentos de baNe y compartimentos a
granel, el volumen del compartimiento a granel es igual al volumen
total del recipiente menos los volúmenes de los compartimentos del
impulsor y baNe.
Para una determinada vasija de reactor discontinua con configuraciones y
disposiciones de alimentación particulares, los volúmenes de los diferentes
compartimentos dependen del patrón de flujo creado dentro de la vasija, lo
que determina cómo se divide la vasija en compartimentos de mezcla. Esto se
demostrará en los estudios de caso que se presentan más adelante en este
documento.
Para los sistemas de reacción por lotes con alimentaciones continuas,
el volumen de la mezcla de reacción aumenta continuamente si no se
extrae producto. Se supone en este caso que el volumen de cada
compartimento aumenta proporcionalmente, mientras que la fracción
volumétrica de cada uno permanece igual.
Si la geometría del recipiente de mezcla es de 7x, entonces es
probable que el patrón de mezcla bruto dentro del reactor no
cambie durante el lote, aunque el volumen cambie. Sin embargo, a
medida que cambia el volumen del reactor, el tamaño de los
compartimentos cambiará, al igual que su forma. Sin duda, esto
tendrá algún efecto sobre el rendimiento del reactor.
Desafortunadamente, la configuración del reactor no se puede
establecer antes de la optimización, porque el objeto de la
optimización es determinar la configuración del reactor. Por tanto,
durante la optimización, no es posible permitir cambios en el patrón
de mezcla. Cuanto mayor sea el cambio de volumen, más grave es
el problema. Un enfoque razonable sería llevar a cabo la
optimización asumiendo que el patrón de mezcla permanece sin
cambios, para luego determinar la configuración del reactor y
realizar una simulación del ciclo discontinuo para la configuración y
condiciones óptimas. Cualquier discrepancia significativa entre la
simulación y los resultados de la optimización requeriría que se
repitiera la optimización, pero imponiendo restricciones a la
optimización para restringir la
466 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
con7guración cercana a la del resultado de optimización
7nal.
2.11. Intervalos de tiempo
Según el modelo de superestructura, cuanto más corto sea el
intervalo de tiempo, más rápida será la mezcla. Por lo tanto, la duración
de un intervalo de tiempo refleja la intensidad de la mezcla. En cada
intervalo de tiempo, la mezcla de reacción pasa por todos los
compartimentos de mezcla. El tiempo para cerrar dicho circuito de
circulación es el tiempo de circulación. Además, se ha supuesto que la
mezcla de reacción en cada compartimento de mezcla está
perfectamente mezclada. Para una red de compartimentos de mezcla
con alimentos frescos en un intervalo de tiempo, los alimentos están
bien mezclados en la red al final de este intervalo de tiempo. De acuerdo
aTatterson (1991), se necesitan de tres a cuatro veces el tiempo de
circulación para que los reactivos se mezclen perfectamente. A
continuación, la duración de un intervalo de tiempo se calcula como
cuatro veces el tiempo de circulación del reactor modelado, lo que se
demostrará en el primer estudio de caso más adelante en este artículo.
Se supone aquí que la intensidad de la mezcla se multiplica por 7 a lo
largo de un ciclo por lotes, por lo tanto, la duración de cada intervalo de
tiempo es la misma durante el ciclo por lotes. El número de intervalos de
tiempo no se trata como una variable de optimización, ya que este
trabajo tiene como objetivo el impacto del patrón de mezcla y la
configuración del reactor en el rendimiento del reactor. En principio, la
velocidad del agitador podría variarse a lo largo del lote, lo que
permitiría aprovechar un grado adicional de libertad. Sin embargo, esto
se ha reservado para trabajos futuros, ya que podría cambiar el patrón
de mezcla durante la optimización.
3. Reactores discontinuos multifásicos
Siguiente Mehta y Kokossis (1997, 1998), se introducen
compartimentos de reactores de sombra para dar una
representación de los reactores multifásicos.
Los enlaces de difusión o transferencia de masa solo tienen lugar
entre los compartimentos del reactor y los compartimentos de sombra
dentro del mismo intervalo de tiempo, debido a la irreversibilidad del
tiempo. Higo.11 muestra una superestructura temporal completa para
reactores discontinuos multifase para el caso de una mezcla perfecta.
La suposición implícita en el desarrollo de la superestructura
temporal para reacciones multifásicas es que las condiciones de
reacción no pueden convertir una fase en otra, y las fases en
contacto interactúan solo a través de la transferencia de masa
difusa a través de los límites de fase. Los componentes de una fase
se pueden transferir a otras fases existentes en el sistema a través
de la difusión. Se supone además que la mezcla instantánea de las
corrientes de alimentación se produce antes de la reacción en
cualquier compartimento del reactor. Además, se supone una
separación completa e instantánea de fases a la salida del reactor.
Este modelo de reactor por lotes multifásico se propone para
reacciones lentas, lo que significa que los balances de masa siempre
se mantienen entre diferentes fases durante las reacciones. Se
supone que el equilibrio térmico se mantiene entre diferentes fases.
Para reactores multifásicos de mezcla no ideal, el concepto de
compartimento del reactor en sombra de Mehta y Kokossis (1997, 1998)
se aplica a todos los compartimentos de mezcla. En consecuencia, se
puede construir una superestructura enriquecida en cada fase
involucrada. La síntesis se puede llevar a cabo utilizando este modelo
para reactores discontinuos multifásicos no mezclados idealmente.
4. Marco de optimización
Este artículo aplica la optimización estocástica mediante recocido simulado
para la optimización de la superestructura temporal de los reactores
discontinuos para obtener un diseño óptimo de los reactores discontinuos.
4.1. Enfoque basado en perfiles para la optimización dinámica
Las variables para el diseño de reactores por lotes y semicontinuos
incluyen la temperatura, la presión, el tiempo del ciclo del lote, la cantidad de
reactivos y la estrategia de adición de alimentación para el modo
semidiscontinuo. Se obtienen algunas otras variables de diseño, como el
volumen del recipiente. Las variables de optimización, como el tiempo del ciclo
del lote y la cantidad de reactivos, son variables continuas con valores de 7x
para un determinado sistema de reactor por lotes. Sin embargo, las variables
como la temperatura, la presión y las tasas de adición de alimentación para las
alimentaciones continuas en el sistema de semi-lotes son variables dinámicas
que pueden cambiar a lo largo del tiempo del ciclo del lote. Los valores de
estas variables forman un perfil para cada variable a lo largo del tiempo del
ciclo del lote.
Un enfoque basado en perfiles fue introducido por Mehta y Kokossis
(2000) para optimizar los perfiles de temperatura en reactores no
isotérmicos continuos en estado estacionario. Aquí el enfoque se adapta
a los problemas de estado inestable que involucran la dimensión del
tiempo. Además, la temperatura y la política de adición de alimento se
optimizarán simultáneamente a lo largo del tiempo. El enfoque basado
en perfiles emplea un conjunto de perfiles inclusivos para describir la
adición de alimento, la temperatura y la presión a lo largo del ciclo del
lote. Se asigna un perfil para cada variable dinámica de este conjunto de
perfiles al sistema de reactor discontinuo. A partir de entonces, el
rendimiento del reactor discontinuo bajo estos perfiles de alimentación,
temperatura y presión asignados puede evaluarse frente a las funciones
objetivo correspondientes.
El perfil de temperatura se utilizará para explicar el enfoque
basado en perfiles. Sin embargo, los procedimientos son los
mismos en principio para la tasa de adición de alimentación y los
perfiles de presión. El conjunto de perfiles de alimentación,
temperatura y presión se puede representar mediante
combinaciones de ecuaciones polinómicas. El desarrollo de perfiles
más complejos se puede encontrar enMehta y Kokossis (2000). La
ecuación polinomial tiene la forma:
T = f (t) = a · t2 + B · t + c;
Tmin 6T 6Tmax;
06t 6tB; (3)
dónde a, b y C son constantes para un determinado perfil y
parámetros ajustables en la optimización. tB es el lote
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478
Fig. 11. Una superestructura temporal de un reactor discontinuo multifásico.
Tiempo del ciclo. Al incluir las restricciones de los límites de
temperatura inferior y superior, la representación matemática del
perfil se puede abordar como:
-
-- Tmin si a · t2 + B · t + c6Tmin;
-
T= a · t2 + B · t + c 06t 6tB
--
-
Tmax si a · t2 + B · t + c¿Tmax;
(4)
El conjunto de perfiles representados por esta ecuación matemática
contiene perfiles 3 en o isotérmicos, perfiles con picos positivos o
negativos, perfiles monotónicos con formas cóncavas o convexas y
perfiles exponenciales. Además, los límites inferior y superior de la
temperatura de reacción diversifican el conjunto de perfiles
integrando una parte 3 en el perfil. Esta representación integra
prácticamente todos los perfiles prácticos. Si es necesario, se
pueden incluir perfiles más complejos dividiendo el tiempo de un
ciclo de lote en varios intervalos de tiempo y asignando diferentes
perfiles a cada intervalo de tiempo. El perfil general será la
combinación de todos los perfiles en diferentes intervalos de
tiempo en la secuencia de tiempo.
La practicidad industrial normalmente dictaría que las formas
muy definidas dentro del perfil no serían aceptables. Un perfil
extremadamente complejo puede no ser posible debido a la
dificultad de control. Además, los perfiles con formas muy afiladas
tienen el potencial de crear problemas de seguridad.
La ecuación polinómica empleada aquí puede evitar la mayoría
de los perfiles de temperatura poco prácticos debido a su
simplicidad. En consecuencia, los resultados, en principio, se
implementan fácilmente. La forma del perfil se varía manipulando
los parámetros de la ecuación polinomial.
Higo. 12 muestra el procedimiento básico para el enfoque
basado en perfiles. Comienza a partir de un conjunto de perfiles
factibles iniciales que luego se simulan y evalúan en términos de la
función objetivo que tiene en cuenta las restricciones. Se aplica un
ciclo iterativo dentro del algoritmo para buscar diferentes perfiles y
se varía la forma de los perfiles.
467
Aplicar perfiles iniciales
Simulación
Aplicar diferentes perfiles
Evaluación
:
Criterios
Perfiles óptimos
Fig. 12. El algoritmo del enfoque basado en perfiles para la optimización de
variables dinámicas.
El algoritmo que impulsa el proceso de búsqueda se discutirá a
continuación. Este algoritmo selecciona nuevos perfiles, varía la
forma de los perfiles, decide si un conjunto de perfiles debe
aceptarse o rechazarse y cuándo debe terminarse el proceso de
búsqueda.
El modelo de superestructura presentado anteriormente se utiliza
para simular el reactor discontinuo bajo un conjunto de perfiles
asignados. El valor de cada variable en cada compartimento del reactor
en cada intervalo de tiempo se determina mediante la ecuación del perfil
asignado. La simulación de cada compartimento del reactor se lleva a
cabo en condiciones de estado estacionario y constantes dentro de cada
intervalo de tiempo.
El algoritmo de optimización del recocido simulado impulsa la
búsqueda de la temperatura, la presión y los perfiles de adición de
alimentación óptimos, así como la optimización del tiempo del ciclo del
lote y la cantidad de reactivos.
4.2. Optimización del diseño del reactor discontinuo no mezclado
idealmente
Los reactores discontinuos no mezclados idealmente se optimizan mediante el
mismo procedimiento de optimización discutido anteriormente, pero basado en
468 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478

Niveles de decisión debe ser modelado por al menos dos compartimentos de mezcla para abordar
el patrón de mezcla, como se muestra en la Fig. 3una.
Cambios de temperatura
Cambios en el feed Cambios estructurales
El objetivo indica el rendimiento de un reactor en su
conjunto, en lugar de compartimentos de mezcla individuales.
Por ejemplo, la concentración de un producto deseado se
Monto Perfil Reactor Corrientes calcula como
Compartimentos
∑METRO

Agregar Borrar Modificar

m =1 CmetroVmetro ;
C = ∑METRO (5)
Arroyo Arroyo Arroyo
m =1 Vmetro

dónde C es la concentración final del producto deseado;Cmetro es la

Lote Agregar Borrar Modificar compartimento concentración del compartimento de mezcla metro y Vmetro es el volumen
compartimiento compartimiento
Tiempo del ciclo volumen de los compartimentos metro.

Fig. 13. Variables de optimización de reactores discontinuos no mezclados idealmente.

5. Estudios de casos

el modelo de superestructura enriquecido que incorpora el modelo de

La nueva metodología presentada anteriormente se validará
red de compartimentos de mezcla.
y demostrará en una serie de estudios de caso.
Además de las variables de optimización para el reactor por lotes
ideal del tiempo de ciclo del lote, la política de alimentación, la
5.1. Estudio de caso 1: yodación de L-tirosina
temperatura y la presión, se introducen algunas nuevas variables de
optimización para los reactores por lotes no ideales. Estos incluyen el
Este estudio de caso involucra las reacciones homogéneas, en
volumen de cada compartimento de mezcla, las conexiones entre
fase líquida, de segundo orden, competitivas-consecutivas del yodo.
diferentes compartimentos y posiciones de alimentación.
(B) con L-tirosina (A) para formar 3-yodo-L-tirosina (R) y
Las manipulaciones de los compartimentos de mezcla incluyen la
2,5-diyodo-L-tirosina (S).
adición, eliminación y modificaciones volumétricas. Estos cambios
de compartimentos de mezcla y las corrientes de conexión dan A + B → R;
como resultado diferentes redes de compartimentos de mezcla y,
en consecuencia, diferentes diseños de reactores. Todas las R + B → S:
variables de optimización se muestran en la Fig.13 en forma de
Las velocidades cinéticas de reacción
árbol de movimiento para el algoritmo de recocido simulado. El
algoritmo de recocido simulado realiza movimientos que implican sonr1 = k1CACB; (6)
cambios de alimentación, cambios estructurales o cambios de
temperatura. La elección se realiza sobre la base de la decisión r2 = k2CBCR: (7)
estocástica del recocido simulado. Una vez que se ha elegido una de
estas opciones de alto nivel, las decisiones se toman en los niveles Las condiciones de reacción y los parámetros cinéticos se muestran
inferiores en la Fig.13. Nuevamente, la elección se basa en la en la Tabla 1, según lo dado por Paul y Treybal (1971) basado en sus
decisión estocástica del recocido simulado. medidas experimentales. A con concentración de 0: 2 mol l-1 se
La medida de la calidad de la solución para el algoritmo de cargó inicialmente en el reactor y una cantidad igual de
recocido simulado depende de la realización de múltiples corridas y alimentación B con concentración a 2: 0 mol l-1 se agregó durante
la desviación estándar entre esas corridas. Una vez que la un período de tiempo en la investigación experimental.
desviación estándar entre ejecuciones se ha vuelto pequeña, Para validar el modelo presentado en este artículo, este esquema de
generalmente menos del 2%, esto se considera indicativo de casi reacción fue simulado por primera vez por el modelo de superestructura
óptimo. De hecho, en los cálculos realizados en este trabajo, la temporal enriquecido. Los resultados de la simulación se compararon
mayoría de los resultados arrojaron desviaciones estándar luego con los resultados experimentales dados porPaul y
significativamente menores al 1%.
Es evidente que un reactor modelado por una red de compartimentos
tabla 1
Condiciones de reacción y parámetros cinéticos para el esquema de reacción
de mezcla resulta perfectamente mezclado cuando el número de
consecutiva competitiva
compartimentos de mezcla se reduce a uno. Por lo tanto, para los
reactores discontinuos en los que la mezcla deteriora su rendimiento, la Parámetros cinéticos k1 = 35: 0 m3 kmol-1 s-1
k2 = 3: 8 m3 kmol-1 s-1
optimización tiende a eliminar todos los compartimentos de mezcla
Cantidad de reactivos norteA0 = 0: 001 kmol
excepto uno si no se imponen restricciones al número mínimo de norteB0 = 0: 001 kmolCA
compartimentos de mezcla. El número mínimo de compartimentos de Concentraciones de reactivo 0= 0: 2 kmol m-3
mezcla debe establecerse sobre la base del grado de complejidad de la CB0 = 2: 0 kmol m-3
mezcla dentro de los reactores que debe aprovecharse. Por ejemplo, un Temperatura de reaccion T = 25: 0◦C
Tiempo de ciclo por lotes tB = 3600 segundos
tanque agitado con un impulsor.
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478 469

Tabla 2
- Compartimento del impulsor
Condiciones experimentales para el esquema de reacción competitiva-consecutiva
-
Capacidad del recipiente (l) 5 - Compartimento encima de la turbina

Diámetro del recipiente (pulg) 5,85

-
Profundidad de líquido (pulg) 10.0 Compartimento debajo de la turbina
Alimento B
Diámetro de la turbina (pulg) 2 -
Compartimento superior a granel
Velocidad de la turbina (rpm) 200-1600
Número de baNes 0o4
Ubicaciones de alimentación 3 - Compartimento inferior a granel

Tiempo de adición para B (s) 1080

Compartimiento deflector

Líneas de alimentación Alimento B

- Compartimento del impulsor

- Compartimento encima de la turbina

-
- Compartimento debajo de la turbina

Compartimento superior a granel

-
Compartimento inferior a granel

Compartimento deflector
-
Compartimento de alimentación

Fig. 15. Redes de compartimentos de mezcla para la reacción de L-tirosina.

Para representar el patrón de flujo en el reactor utilizado en los

Fig. 14. Ilustración esquemática de la vasija del reactor utilizada para la yodación de
la reacción de L-tirosina.
Treybal (1971). Las condiciones operativas controladas en los
experimentos (Paul y Treybal, 1971) se dan en la Tabla 2. Había tres
ubicaciones de entrada de alimentación diferentes, dos de las cuales se
muestran esquemáticamente en la Fig.14. Una tercera posición, no
mostrada, estaba directamente debajo de la línea central del impulsor.
Si es reactivo B se mezcla instantáneamente a un nivel molecular
con el contenido del recipiente, la selectividad máxima en un
sistema de reacción competitivo-consecutiva es una función de la
constante de velocidad k1 y k2, la relación de carga molar global deA
para B. Van de Vusse (1966a, b) derivó el rendimiento fraccional
para tal esquema de reacción asumiendo una mezcla perfecta:
[ (
1
-
norteR norteA norteA
Y= = k2
norteA0 ( k - 1)
1 norteA0 norteA0
Basado en esta ecuación, Paul y Treybal (1971) calculó que el
rendimiento fraccionario de R de A sería del 75,5% para una mezcla
perfecta. Utilizando el modelo de superestructura temporal para la
mezcla perfecta propuesto en este artículo, el rendimiento deR deA
alcanza el 75,5%, lo que está de acuerdo con la predicción teórica de
mezcla perfecta.
experimentos, se generó una red de seis compartimentos de
mezcla, donde los flujos van hacia afuera desde el compartimiento
de la turbina a los compartimentos a granel superior e inferior y al
compartimiento de la batería. Los 3 fl ujos del compartimento
superior a granel y los compartimentos bajos giran en la superficie
y regresan por el centro a la turbina a través del compartimento de
mezcla sobre la turbina. Los flujos desde el compartimiento inferior
a granel giran a lo largo de la base del recipiente y regresan a la
turbina a través del compartimiento de mezcla debajo de la turbina.
La estructura de la red se muestra en la Fig.15.
Para la configuración del reactor sin baNes, se quita el
compartimento de baNe, pero los otros compartimentos y conexiones
permanecen iguales, aunque las fracciones volumétricas de los
compartimentos cambian correspondientemente.
Para la misma configuración de reactor con alimentación superior, se
asigna un compartimento de alimentación especial, ya que es más
realista mezclar la alimentación fresca instantáneamente en una región
pequeña, en lugar de un compartimento a granel grande. La estructura
)]k = k
de la red se muestra en la Fig.15. Este compartimento de alimentación se
2 1
conecta luego a otros compartimentos a través de 3 flujos creados por la
: (8) turbina.
La razón por la que no hay un compartimento de alimentación en la
red para una alimentación de turbina es que el compartimento de la
turbina es muy pequeño por sí mismo y la intensidad de mezcla es
mucho mayor en el compartimento de la turbina. Por lo tanto, es
razonable suponer una mezcla instantánea para alimento fresco en el
compartimiento de la turbina. Para buques con diferentes tamaños de
turbinas, la estructura de la red sigue siendo la misma, mientras que
470 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478

76 Líneas de alimentación
Mezcla perfecta
Alimentar a la turbina (2 pulg.) 0,32

68 2 pulg. turbina;
posición de alimentación
Alimento B 0,53
debajo de la turbina
0,09
Yield %

2 pulg. turbina;
60 alimentar a la turbina;
Resultados experimentales
sin deflector
2 pulg. turbina;
posición de alimentación superior
0,20 0,42
52 0,17
Resultados de la simulación
0,27
200 400 600 800 1200
RPM de la velocidad de la turbina

Fig. 16. Comparación entre simulación y resultados experimentales.

0,53 Líneas de alimentación
0,35

las fracciones volumétricas de diferentes compartimentos cambian Alimento B 0,22

0,12
correspondientemente.
La duración de un intervalo de tiempo se calcula como cuatro veces el
tiempo de circulación. El tiempo de circulación se calcula mediante la
0,25
siguiente ecuación: 0,53

V
tC =; (9)
Q
dónde V es el volumen total de la mezcla de reacción y Q es la Fig. 17. Red de compartimentos de mezcla óptima y sugerencia de diseño para la
yodación de reacciones de L-tirosina.
capacidad de bombeo.

Q = NqDakota del Norte3; (10)

fondo del recipiente. Siguiendo este diseño, el rendimiento
dónde norteq es el número de bombeo que es función del fraccional deR de A puede alcanzar el 74,12%, que está muy cerca
número de Reynolds únicamente. norte es la velocidad de de los resultados para una mezcla perfecta.
rotación de la turbina y D es el diámetro de la turbina. Siguiente El método también proporcionó otra estructura de mezcla
Costes y Couderc (1988), norteq se le da el valor de 0,85. prometedora con tres compartimentos de mezcla y un flujo radial
Los resultados de la simulación se muestran en la Fig. dieciséis, junto dentro de la vasija del reactor. La red, junto con el diseño sugerido,
con los resultados experimentales obtenidos por Paul y Treybal (1971). se muestra en la Fig.17, que dio un rendimiento del 74,06%. Se
Se puede observar en la fig.dieciséis que los resultados de la simulación recomienda una turbina para lograr un patrón de flujo radial. Se
están de acuerdo con los resultados experimentales bajo diferentes utilizan tres ubicaciones de alimentación: cerca de la turbina, debajo
configuraciones de reacción y condiciones de operación. Sin embargo, de la turbina y una ubicación superior.
las diferencias entre los resultados de la simulación y los resultados
experimentales aumentan a medida que aumenta la velocidad de 5.2. Estudio de caso 2: esquema de reacción en paralelo
agitación. La razón de esto es que el impacto de la macromezcla dentro
del reactor se vuelve menos significativo a medida que la micromezcla Este ejemplo involucra dos reacciones paralelas con
toma el control. diferentes órdenes con respecto a uno de los reactivos (B):
Luego de validar el modelo de mezcla y simulación, este caso fue
estudiado por el marco de optimización propuesto para buscar un A + B-mi1→C;
diseño óptimo en términos de configuraciones de reactores. El
número mínimo de compartimentos de mezcla se fijó en tres. La 2B-mi2→D:
velocidad del agitador se fijó en 800 r: p: m: cuando el impacto de la
Las velocidades cinéticas de reacción
macromezcla todavía es significativo.
El método proporcionó una estructura de red de compartimentos de son:r1 = 1k0mi-mi1= RTCACB; (11)
mezcla que se muestra en la Fig. 17 con la opción de diseño traducida
dada a la derecha de la Fig. 17. Los números junto a las líneas de
r2 = k02 mi-mi = RTC2 B:
2
(12)
alimentación denotan la fracción molar de reactivoB a cada punto de
alimentación, mientras que los números ilustrados en los Tales esquemas de reacciones paralelas han sido investigados
compartimentos de mezcla representan la fracción volumétrica en cada por diferentes métodos para una mezcla perfecta (Jackson y Senior,
compartimento. Se sugiere una turbina para crear un flujo radial dentro 1968; Jackson y col., 1971; Joven, 1980; García y otros, 1995). Las
de la vasija del reactor. En esta red, se recomiendan tres posiciones de condiciones de reacción y los parámetros cinéticos se dan en la
alimentación: cerca de la turbina, debajo de la turbina y en el Tabla3, que son los mismos que los utilizados por García y col.
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478 471

(1995). Para operaciones por lotes, las concentraciones iniciales de
reactivosA y B fueron ambos 1: 0 kmol m-3. Se supuso que
inicialmente había un disolvente presente en el recipiente con los
reactivos.A y B, pero ser inerte con respecto a todos los
componentes. Para operaciones semi-por lotes dondeB se añadió
continuamente al reactor, la concentración inicial de B era cero,
mientras que la misma cantidad de B se alimentó a lo largo del ciclo
del lote. También se asumió que el solvente ocupaba la mayor parte
del volumen de reacción, por lo tanto, los cambios de volumen
causados por las reacciones y la adición deB fueron ignorados. El
modelo desarrollado en este documento es capaz de manejar
sistemas de reacción por lotes y semilotes con cambios de volumen.
El producto deseado es C en este esquema de reacción y el
rendimiento fraccional de C de reactivo B fue elegido como el objetivo de
optimización. Para validar la metodología presentada en este artículo, el
esquema de reacción fue simulado en primer lugar para una mezcla
perfecta bajo las mismas condiciones de reacción que las utilizadas por
García y col. (1995). Los resultados de la simulación y las condiciones de
reacción correspondientes se muestran en la Tabla4. El número de
intervalos de tiempo utilizados para las simulaciones fue 40. Tabla4
muestra que los resultados de la simulación para el modo por lotes
calculados por el enfoque de superestructura temporal presentados en
este documento están en buen acuerdo con los resultados anteriores
para una mezcla perfecta (García y otros, 1995). Las diferencias menores
resultan de errores numéricos en ambos enfoques. Los rendimientos en
el modo semidiscontinuo con tasas de adición de alimentación
constantes deB dada por García y col. (1995)se citan aquí solo como
referencia, más que como comparación con los resultados obtenidos a
través del método propuesto en este trabajo, debido a que las
cantidades de B alimentados al reactor no estaban claros en el trabajo
original (García y otros, 1995).
Como se discutió anteriormente, el número de intervalos de
tiempo aplicados en la simulación afecta la precisión de la
simulación. Higo.18muestra el efecto del número de intervalos de
tiempo en el objetivo. Las condiciones para las simulaciones para
diferentes números de intervalos de tiempo fueron isotérmicas a
120◦C con ciclo por lotes de 1: 0 h y alimentación constante de
reactivo B al buque. El tiempo del ciclo del lote se limitó inicialmente
al utilizado porGarcía y col. (1995)con el fin de comparar los
resultados. Posteriormente se optimizará el tiempo del ciclo del
lote.
De la Fig. 18, se puede ver que a medida que aumenta el número de
intervalos de tiempo, el objetivo converge a un cierto valor. En este caso,
20 intervalos de tiempo dieron un resultado muy cercano a este valor.
Las heurísticas sugieren que una baja concentración de reactivo
Bsería beneficioso para el rendimiento del producto deseado C, ya
que la reacción secundaria favorece una alta concentración de B.
Los resultados de la simulación muestran una mejora significativa
en el objetivo al cambiar la operación de lote puro a semi-lote con B
alimentado continuamente. La política de alimentación deB puede
tener más potencial de mejora en lugar de una tasa de alimentación
constante. Al comienzo de un ciclo por lotes, una mayor
concentración deB puede ser beneficioso para iniciar la reacción
principal. Al final de un ciclo, frescoB no es útil porque el reactivoB
debe consumirse antes de descargar la vasija del reactor. La
metodología presentada anteriormente se puede utilizar ahora para
optimizar la política de alimentación.
Para cada optimización, se llevaron a cabo 10 ejecuciones
del algoritmo de recocido simulado. Las temperaturas de
recocido inicial y 7nal fueron 200 y 10-8, respectivamente, y
la longitud de la cadena de Markov era 30. El número de

81
Fraction yield of C from B (%)

Tabla 3 80,5
Condiciones de reacción y parámetros cinéticos para los esquemas de reacción en 80
paralelo
79,5
Parámetros cinéticos k10 = 7:55 × 108 metro3 kmol-1 s-1 79
k20 = 5:75 × 108 metro3 kmol-1 s-1 78,5
mi1 = 7:90 × 104 kJ kmol-1
78
mi2 = 9:80 × 104 kJ kmol-1
Concentraciones iniciales de reactivos CA = 1: 0 kmol m-3 77,5
CB = 1: 0 kmol m-3 77
Volumen de reacción V = 0: 011 m3 76,5
Límites de temperatura de reacción 40◦C6T 6120◦CtB = 3600 5 10 15 20 25 30 35 40
Tiempo de ciclo por lotes segundos
Números de intervalos de tiempo

Fig. 18. El efecto de los números de intervalo de tiempo en las simulaciones de un reactor discontinuo.

Cuadro 4
Resultados de la simulación del esquema de reacción en paralelo

No. Ciclo por lotes Reacción Alimentación Producir (%) Producir (%)
tiempo (s) temperatura (◦C) política de B (García y col. 1995) (este trabajo)

1 3600 77 Lote 46,0 47,3

2 3600 120 Tasa de flujo constante 81,1 80,4
3 5400 77 Lote 47,0 49,1
4 5400 120 Tasa de flujo constante 84,1 83,5
472 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478

Cuadro 5
Resultados de optimización del esquema de reacción en paralelo

No. Ciclo por lotes Reacción Política de alimentación de B Producir (%)

tiempo (s) temperatura (◦C) (este trabajo)

5 3600 120 Perfil de alimentación óptimo 82,2

6 5400 120 Perfil de alimentación óptimo 85,3

6.00E-06 Una de las ventajas más significativas del método presentado es

que puede optimizar todas las variables de operación
5.00E-06
simultáneamente. Este estudio de caso se amplió para optimizar el
Flowrate of B (kmol/s)

4.00E-06 perfil de alimentación y el perfil de temperatura simultáneamente.

Se encontró que las condiciones óptimas eran la temperatura
3.00E-06
isotérmica máxima de 120◦C, el límite superior, con los mismos
2.00E-06 perfiles de alimentación que se muestran en la Fig. 20.
Estos resultados concuerdan con el análisis de Jackson y col. (1971)
1.00E-06
quien demostró que para cualquier esquema de reacción con dos
0.00E + 00 reacciones paralelas con un orden de metro de los reactivos de
0 360 720 1080 1440 1800 2160 2520 2880 3240 3600 alimentación en la reacción secundaria (m =2 en este caso de estudio) y
Tiempo de ciclo de lote (s) un rendimiento máximo del producto deseado a obtener:

5.00E-06 (1) Si mi2= E1 metro, la estrategia óptima es agregar el reactivo

gradualmente en el curso de la reacción y mantener la
4.00E-06
Flowrate of B (kmol/s)

temperatura en su límite superior. El esquema de reacción en

3.00E-06 este estudio de caso pertenece a esta categoría.
(2) Si mi2= E1 metro, La estrategia óptima es agregar el
2.00E-06 reactivo al comienzo del lote y calcular un perfil de
temperatura óptimo.
1.00E-06

0.00E + 00 Las limitaciones sobre la cantidad de A y el tiempo del ciclo del lote
se relajó para mejorar aún más el rendimiento del reactor con la
60
80

20

60

00

40

80

00
0
0

2
54

cantidad de B 7xed. Sin embargo, se agregaron límites y

48
10

16

21

27

32

37

43

54

Tiempo de ciclo de lote (s)
Fig. 19. Perfiles de adición de alimentación óptimos de B para el esquema de reacción en
paralelo en diferentes tiempos de ciclo de lotes.
Los intervalos de tiempo fueron 40 a lo largo de los cálculos. Estos
parámetros se mantuvieron iguales a lo largo de estos estudios de
caso.
Mesa 5 muestra los resultados de optimización para una mezcla perfecta
después de relajar las restricciones sobre la tasa de adición de alimento
constante. Las desviaciones estándar de los resultados de optimización de las
10 ejecuciones de optimización con el tiempo de ciclo del lote de 1: 0 h fue de
0,37% y del 0,71% en el caso del tiempo de ciclo del lote de 1: 5 h.
Puede verse que se han logrado mejoras adicionales
alimentando el reactivo B a la tasa óptima. Los perfiles de
alimentación óptimos deB para dos tiempos de ciclo de lote
diferentes se muestran en la Fig. 19. Puede verse que las formas de
los perfiles óptimos están en general de acuerdo con la heurística.
Sin embargo, la metodología introducida en este documento puede
producir condiciones operativas detalladas que se aplican
fácilmente.
restricciones de optimización adicionales para garantizar que las
soluciones fueran prácticas. El tiempo de ciclo del lote se asignó con
límites inferiores a 0: 1 hy límites superiores a 2: 0 h. La conversión
deA se requería que fuera al menos del 80,0%.
La optimización sugiere que el rendimiento fraccional de Cde
B alcanza el 92,1% en las siguientes condiciones de reacción:
(1) 2: 0 h de tiempo de reacción,
(2) isotérmico a 120◦C a lo largo del curso, y
(3) 0: 0126 kmol de A y el perfil de adición de pienso de B
mostrado en la Fig. 20.
Hasta ahora, se ha supuesto una mezcla perfecta para este caso
paralelo. El estudio se amplió para considerar la mezcla no ideal.
La optimización comienza a partir de una estructura de red inicial que
se muestra en la Fig. 21, que tiene un punto de alimentación y 7ve
compartimentos de mezcla con volúmenes iguales. El tiempo de reacción
se fijó en 1: 0 hy la velocidad de adición de alimentación deB se mantuvo
constante durante el ciclo por lotes. La temperatura de reacción fue de
120ºC.◦C. Los resultados de la simulación de este diseño inicial en estas
condiciones dieron un rendimiento del 75,7% con 10 intervalos de
tiempo.
 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478 473

4.00E-06
3.50E-06

Flowrate of B (kmol/s)
3.00E-06
2.50E-06
2.00E-06
1.50E-06
1.00E-06
5.00E-07
0.00E + 00
0

720

1440

2160

2880

3600

4320

5040

5760

6480

7200
Tiempo de ciclo de lote (s)

Fig. 20. Perfil óptimo de adición de pienso de B para la optimización relajada del esquema de reacción en paralelo.

Alimentación continua Líneas de alimentación

Alimento B

0,49 0,18 0,33

0,64 0,07 0,29

Fig. 21. Red de compartimentos de mezcla inicial para optimización.

(a)

Durante las optimizaciones, las condiciones de reacción del tiempo del ciclo Alimento B Líneas de alimentación

del lote, las cantidades de reactivos, la tasa de adición de alimentación de B y

la temperatura de reacción se redujo 7 veces. Se requirieron al menos tres 0,56 0,44
compartimentos de mezcla en cualquier solución.
0,22
La optimización dio una red de compartimentos de mezcla, junto
con la fracción molar de reactivo B a cada punto de alimentación y
la fracción volumétrica de cada compartimento de mezcla, que se
muestra en la Fig. 22una. La red se puede traducir en un diseño que
se muestra a la derecha de la Fig.22una. En el diseño, se introducen
0,32
tres líneas de alimentación en una ubicación superior, cerca del
impulsor y directamente debajo del impulsor, respectivamente. Se
sugiere una hélice para crear un flujo axial dentro de la vasija del
reactor. El rendimiento fraccional deC de B alcanza el 80,3% con 0,46
dicha configuración del reactor.
Una solución alternativa se muestra en la Fig. 22b, junto con la
traducción del diseño sugerida. En este diseño, se recomienda una (B)
columna de múltiples hélices con dos posiciones de alimentación,
Fig. 22. (a) Red de compartimentos de mezcla óptima y sugerencia de diseño para el
una de las cuales está ubicada cerca de la hélice superior, mientras esquema de reacción en paralelo. (b) Un diseño alternativo para el esquema de
que la otra está directamente debajo de la hélice inferior. Este reacción en paralelo.
diseño puede lograr un rendimiento fraccional de C a partir de B del
80,0%.

5.3. Estudio de caso 3: cloración del ácido butanoico Los ácidos boxílicos son intermediarios importantes para la industria
química en la producción de productos farmacéuticos, tintes, herbicidas
En este caso de estudio, la metodología ha sido probada para un y derivados de la celulosa. La cloración del ácido butanoico (LICENCIADO
sistema de reacción multifase. Carbono saturado monoclorado EN LETRAS) implica dos reacciones paralelas que tienen lugar en
474 J. Zhang, R. Smith / Ciencias de la ingeniería química 59 (2004) 459–478

Tabla 6 Romanainen y Salmi (1992), la fracción molar del catalizador,

Parámetros cinéticos y datos físicos para la cloración de la reacción del ácido
y, se supuso que era constante en 0,037.
butanoico
Se ha encontrado que ambas reacciones son muy lentas en
Parámetros cinéticos k1 = 0: 045632e(5:76-3260 =T)y1 = 2(kmol m−1)1=2 s−1 comparación con la difusión de 7lm en la fase líquida (Paatero y col.,
k2 = 0:475783e(5:34−3760=T)y (kmol m−3) s−1 1992). Por tanto, se supone que estas reacciones tienen lugar
k3 = 0:0013577 (m3 kmol−1)k
predominantemente en la fase de masa del líquido. La tasa de
4 = 0:01
Thermodynamic HCl = 211:76 bar H transferencia de masa se calculó utilizando la siguiente ecuación:
2
data HCl = 211:76 bar
vLBA = 0:1025677 m3 kmol−1 J = KL · av · RC · V; (17)
vLMBA = 0:1129 m3 kmol−1
vLDBA = 0:14654 m3 kmol−1 where J is the mass transfer rate (kmol/s), KL the mass
Hydrodynamic %g = 0:1 transfer co-eFcient (m/s), av the interfacial area between
data av = 254:9 m2 m−3 phases (m2=m3), RC the component concentration di:erence
KLCl =2 0:666 × 10−4 m s−1 between phases (kmol=m3) and V the reactor volume (m3).
KLHCl = 0:845 × 10−4 m s−1
The concentration di:erence, RC, was calculated by using
Catalyst mole y = 0:037
fraction
Henry’s law.
From the kinetic expressions, it can be concluded thatr2=r
1 = k3CLCl2 . In order to increase the selectivity of the
reactions, the CLCl2 should be minimised. So, it
is better to choose a semi-batch reactor into which BA is
the liquid phase (Romanainen and Salmi, 1992
charged at time zero and Cl2 is fed continuously during the
reaction. In any case, charging all of the chlorine at the
):BA + Cl2 → MBA + HCl; BA + 2Cl2 → DBA + 2HCl;
beginning of the reactions is impractical.

The reactions take place isobarically at 10 bar. The upper and

where, MBA is (-monochlorobutanoic acid, and DBA is (,(
dichlorobutanoic acid
The above auto-catalytic reactions of the organic phase are
catalysed homogeneously, and are accomplished by the
absorption of Cl2 and the desorption of the volatile product HCl.
The mechanism and the kinetics are reported byPaatero et al.
(1992), Salmi et al. (1993a, b). Kinetic equations have been
derived by Romanainen and Salmi (1992)
and Salmi et al. (1993b) as follows:
√ amount of chlorine. The
k1 CLMBA + k2 ;
r1 = )
1 + k3CLCl2
lower temperature bounds are 50◦C and 150◦C, respectively. The
objective was to maximise the fractional yield of (-
monochlorobutanoic acid with respect to butanoic acid.
Initially, perfect mixing was assumed and the optimisation
was 7rst set to be constrained to a 7xed temperature of 130◦C.
Twenty time intervals were used for all the calculations in this
case study. For the batch operation, the liquid feed of BA was
13:3 kmol and the gaseous feed of chlorine was 100 kmol. The
feed addition rate of chlorine was optimised, together with the
(13) optimisation suggests the optimum operating condition as
follows:

r2 = k3r1CL ;Cl2 (14)

(1) 1:48 h batch cycle time,
where (2) 75:0 kmol chlorine,
√ (3) feed additional pro7le of chlorine as shown in Fig. 23.
CTOT − (1 + k3CL Cl2
) CLMBA
)=√ (15) Under such conditions, the fractional yield of MBA from BA
CTOT − (1 + k3CLCl2 ) CLMBA + k4C1=2
LMBA reaches 96.9%.
Conversely, the objective reaches 92.7% with constant
and feed addition rate of chlorine and optimised temperature
CTOT = CL +BACLMBA + CLDBA : (16) pro7le shown in Fig. 23. The batch cycle time required was
1:42 h.
The kinetic data at 130◦C were given by Romanainen and Salmi It could be simpler and safer to operate a batch reactor
(1992). In order to exploit temperature e:ects on the reaction isothermally and under constant feed addition rate of chlorine.
system, temperature dependencies of the kinetic parameters The temperature of the reaction system was allowed to move
have been introduced here, which can be derived and are listed within the set temperature range, but was kept constant
in Table 6. throughout a batch cycle, while the feed addition rate of
Table 6 also gives some necessary thermodynamic and chlorine was optimised but maintained constant. The optimum
hydrodynamic data given by Romanainen and Salmi (1992). results obtained under such conditions only gave a yield of
The temperature range was from 50◦C to 150◦C. It was 85.8% with the bene7t of simplicity and a shorter batch cycle
assumed that the thermodynamic and hydrodynamic data time at 0:98 h. The optimisation results show that the reaction
remain constant within this temperature range. Following system favours high temperatures, as the
 J. Zhang, R. Smith /Chemical Engineering Science 59 (2004) 459–478 475

4.00E-02 3.50E-02

Flowrate of chlorine (kmol/s)

3.50E-02 3.00E-02
Flowrate of chlorine (kmol/s)

3.00E-02 2.50E-02
2.50E-02 2.00E-02
2.00E-02 1.50E-02
1.50E-02
1.00E-02
1.00E-02
5.00E-03
5.00E-03
0.00E+00
0.00E+00 0 806 1613 2419 3226 4032
0 1066 2131 3197 4262 5328
(a) Batch cycle time (s)
(a) Batch cycle time (s)
160
160
140

Reaction temperature ( oC )
140
Reaction temperature ( oC )

120
120
100
100
80
80
60
60
40
40
20
20
0
0
0 403 806 1210 1613 2016 2419 2822 3226 3629 4032
0 511 1022 1534 2045 2556 3067 3578 4090 4601 5112
(b) Batch cycle time (s)
(b) Batch cycle time (s)

Fig. 24. Optimal feed addition and temperature pro7les for the chlorination of
Fig. 23. Optimal feed 3owrate and temperature pro7le for the chlorination of
butanoic acid.
butanoic acid.

mass transfer rate. The unreacted chlorine can be reacted

optimisation suggests that the reactor should be operated
isothermally at 150◦C, the upper bound.
The investigation for perfect mixing was then carried
further after relaxing the constraint of constant feed rate,
while maintaining operation isothermal within the
temperature bounds. An isothermal operating condition at
150◦C with the same feed addition pro7le shown in Fig. 23 is
recommended. With 75:0 kmol chlorine and a batch cycle of
1:35 h, the fractional yield of MBA from BA reaches 97.4%.
The temperature control of the reaction system was then
completely relaxed to allow a temperature pro7le within a batch
cycle. The optimisation results show further improvements on
the objective to 99.8%. It requires 1:35 h of batch cycle time and
75:0 kmol of chlorine. The optimised pro7les for reaction
temperature and feed addition rate of chlorine are shown in
Fig. 24.
Table 7 presents the fractional yields of the MBA from
di:erent operations. The selection of the 7nal operating
conditions should be based on the objectives used in the
optimisation, together with economic and safety
considerations. Although the optimised temperature and feed
pro7les give a better yield, the operations under constant feed
and temperature might be preferred for control and safety
reasons. A high conversion of chlorine is preferred. However,
the model predicts that the mass transfer becomes very slow at
a high conversion of chlorine. Therefore, a large amount of
chlorine is used in this case study in order to maintain a high
with sodium hydroxide. Alternatively, the unreacted chlorine
can be recovered by scrubbing using dilute hydrochloric
acid or water to remove the hydrogen chlorine produced.
Chlorine can be further recovered from the dissolved
hydrogen chlorine by either electrolysis or oxidation
processes (Sconce, 1982). The recovered chlorine can then
be recycled.
Consider now the case of non-ideal mixing. The starting point
for the optimisation is the network shown in Fig. 19. The
simulation result of this design in terms of the fractional yield of
MBA from BA is only 9.7% with 20 time intervals. Then
optimisation of the mixing compartment network was carried
out under the same reaction conditions. The number of mixing
compartments in the optimisation results was constrained to be
no less than three.
Optimisation by the proposed methodology gave one
optimal design option illustrated in Fig. 25. The mole fraction of
total chlorine to each feed point is shown as the number next to
each feed line. The numbers illustrated in the mixing
compartments denote the volumetric fraction of each
compartment. The fractional yield of MBA from BA can reach
84.7% under this optimised mixing pattern. The optimisation
results can be interpreted into a gas-lift loop reactor that gives
longer inter-phase contact time than a normal stirred tank
reactor.
By relaxing the constraints on reaction temperature and
feed rate of chlorine, the optimisation gave the same
476 J. Zhang, R. Smith /Chemical Engineering Science 59 (2004) 459–478

Table 7
Fractional yields of MBA from BA under di:erent reactors and operating modes

Reactor and operation mode Fractional yields of MBA to BA (%)

Semi-batch with optimised constant addition rate of chlorine isothermally at 130◦C, perfect mixing Semi- 96.9
batch with optimised constant addition rate of chlorine and optimised constant temperature Semi-batch 85.8
with optimised constant addition rate of chlorine and optimised temperature pro7le Semi-batch with 92.7
optimised addition rate pro7le of chlorine under optimised constant temperature Semi-batch with 97.4
optimised pro7les of addition rate of chlorine and temperature 99.8

Chlorine
5.4. Remarks on case studies
0.40
The CPU times for a 1 GHz processor required to run the case
0.09 studies was a few seconds for perfect mixing, extending to
typically 1–2 min for non-ideal mixing.
0.23 Some design features suggested by the optimisations are
0.13 di:erent from conventional designs. It can be concluded that
mixing sensitive reaction systems generally favour multiple
feed points to improve mixing of continuous feed with the
0.37 vessel contents. The examples also show that it is bene7- cial for
0.78
more feeds go to regions whose mixing intensity is higher. In
Chlorine
some cases, it appears that optimisation of the mixing pattern
allows the reactor performance for perfect mixing to be
approached. In other cases, the reactor performance is worse
Fig. 25. Optimal mixing compartment network and design suggestion for the
that based on perfect mixing, even after the mixing pattern has
chlorination of butanoic acid reaction system.
been optimised.
Optimisation results obtained through the method
presented can give new insights for novel reactor design.
The optimisation produces temperature and feed-addition
2.50E-02
pro-7les and a mixing arrangement. The designer must then
choose a con7guration reactor, agitator and baNe
Flowrate of chlorine (kmol/s)

2.00E-02
1.50E-02
1.00E-02
5.00E-03
0.00E+00
0 1375
Batch cycle time (s)
Fig. 26. Optimised feed addition pro7le of chlorine.
structural design as shown in Fig. 25. But the reaction
temperature was recommended to be constant at 150◦C, the
upper limit. The optimum feed pro7le of chlorine was also
suggested as shown in Fig. 26. All three feed lines have the
same shape of pro7les. Therefore, Fig. 26 shows the total
feed rate of chlorine to all three feed points. Under such
conditions, the yield of MBA from BA reaches 91.9%. This is
signi7cantly lower than the results for perfect mixing. It also
takes 1:91 h to achieve such a yield, which is much longer
than perfect mixing.
arrangement to try and emulate the outcome of the
optimisation in practical design. There is no unique
translation of the outcome of an optimisation calculation to
a practical design. In extreme cases it might not be possible
to interpret the result as a practical design. However, one
virtue of stochastic optimisation is that it gives a range of
solutions in the region of the optimum and these di:erent
solutions can then be screened for their practicality. Also,
2750 4126 5501 6876
there is always the need to check the design with more
detailed simulation after the synthesis step described in this
paper. The more detailed simulation could use, for example,
computational 3uid dynamics.
Lastly, in practice, the same equipment might be used for
di:erent processes. If this is the case, then a compromise across
di:erent designs will be required.
6. Conclusions
This paper addresses a systematic methodology for batch
reactor design and optimisation. Both non-isothermal and
multiphase systems are addressed, as well as the impact of
mixing.
 J. Zhang, R. Smith /Chemical Engineering Science 59 (2004) 459–478
Firstly a temporal superstructure model has been developed
that accounts for various operational options of batch reactor
design and optimisation. For non-ideal mixing, a mixing
compartment network model has been proposed to represent
mixing details of non-ideally mixed batch reactors. The mixing
compartment network model divides a batch reactor vessel into
a number of perfectly-mixed compartments. The mixing
compartment network is then included into the temporal
superstructure by replacing each well-mixed reactor
compartment within each time interval by the mixing
compartment network.
The model has been extended to multiphase batch reaction
systems based on the concept of shadow reactor
compartments. The superstructure for a multiphase reactor has
a superstructure to represent the reactor in each phase.
Simulated annealing has been used for batch reactor
optimisation. For the dynamic variables, a pro7le-based
approach has been introduced. This approach starts from a set
of initial pro7les of temperature and feed. It then evaluates the
performance of the batch reactor against the objective function
with di:erent pro7les.
The overall optimisation strategy is to simulate a reactor
from an initial mixing compartment network, then to
manipulate the initial network to 7nd an optimal network. The
manipulation of a mixing compartment network can include
adding and/or deleting compartments and/or streams, and
modifying the volume of each compartment. An optimal
network can be translated into an appropriate design.
Three reaction systems have been investigated to validate
and demonstrate the design method.
Notation
a; b; c constants of temperature and feed pro7le
equations
ai;i element of the adjacency matrix
av speci7c interfacial area, m2m−3
A adjacency matrix
C concentration, kmol m−3
d turbine diameter, m
E activation energy, kJ kmol−1
H Henry’s Law constant
J mass transfer rate, kmol s−1
k kinetic parameter
k0 pre-exponential factor
K mass transfer coeFcient, m s−1
M number of mixing compartments
n rotational speed of agitator, s−1
N number of time intervals of a temporal
superstructure
NA amount of component A, kmol initial
NA0 amount of component A, kmol pumping
Nq number
Q pumping rate, m3 s−1
r reaction kinetic rate, kmol m−3 s−1
477
ri;j element of the reachability matrix
R gas constant, kJ kmol−1 K−1
R reachability matrix
t reaction time, s
tB batch cycle time, s reaction
T temperature, oC molar
v volume, m3 kmol−1
V reactor volume, m3
Vm volume of mixing compartment, m3
y catalyst mole fraction in chlorination of butanoic
acid
Greek letters
%g gas hold-up
Subscripts
A; B; R component A; B; Rmixing
m compartment m
0 initial value
1,2 number of reactions
References
Ando, K., Shirahige, M., Fukuda, T., Endoh, K., 1981. E:ects of perforated
partition plate on mixing characteristics of horizontal stirred vessel.
A.I.Ch.E. Journal 27 (4), 599–604.
Bakker, A., Haidari, A.H., Oshinowo, L.M., 2001. Realise greater bene7ts
from CFD. Chemical Engineering Progress 97 (3), 45–52. Costes, J.,
Couderc, J.P., 1988. Study by laser Doppler anemometry of
the turbulent 3ow induces by a Rushton turbine in a stirred tank:
in3uence of the size of the units. Chemical Engineering Science 43
(10), 2751–2772.
Cuthrell, J.E., Biegler, L.T., 1989. Simultaneous optimisation and solution
methods for batch reactor control pro7les. Computers and Chemical
Engineering 13 (1/2), 49–62.
Friedrich, M., Perne, R., 1995. Design and control of batch reactors—
an industrial viewpoint. Computers and Chemical Engineering 19s,
S357–S368.
Garcia, V., Cabassud, M., Le Lann, M.V., Pibouleau, L., Casamatta, G.,
1995. Constrained optimisation for 7ne chemical productions in batch
reactors. The Chemical Engineering Journal 59, 229–241.
Harnby, N., Edwards, M.F., Nienow, A.W. (Eds.), 1997. Mixing in the
Process Industries, 2nd Edition. Butterworth Heinemann, London.
Jackson, R., Senior, M.G., 1968. The optimisation of chemical reactors
by the delayed addition of reactant. Chemical Engineering Science 23, 971–
980.
Jackson, R., Obando, R., Senior, M.G., 1971. On the control of competing
chemical reactions. Chemical Engineering Science 26, 853–865.
Kokossis, A.C., Floudas, C.A., 1990. Optimisation of complex reactor
networks—I. Isothermal operation. Chemical Engineering Science 45
(3), 595–614.
Kresta, S.M., Wood, P.E., 1991. Prediction of the three-dimensional
turbulent 3ow in stirred tanks. A.I.Ch.E. Journal 37, 448–460. Mehta,
V.L., Kokossis, A.C., 1997. Development of novel multiphase
reactors using a systematic design framework. Computers and Chemical
Engineering 21, S325–S330.
Mehta, V.L., Kokossis, A.C., 1998. New generation tools for multiphase
reaction systems: a validated systematic methodology for novelty and
design automation. Computers and Chemical Engineering 22, S119–
S126.
478 J. Zhang, R. Smith /Chemical Engineering Science 59 (2004) 459–478
Mehta, V.L., Kokossis, A.C., 2000. Nonisothermal synthesis of
homogeneous and multiphase reactor networks. A.I.Ch.E. Journal 46
(11), 2256–2273.
Nienow, A.W., Drain, S.M., Boyes, A.P., Mann, R., El-Hamouz, A.P.,
Carpenter, K.J., 1992. A new pair of reactions to characterise imperfect
macro-mixing and partial segregation in a stirred semi-batch reactor.
Chemical Engineering Science 47 (9–11), 2825–2830.
Paatero, E., Salmi, T., Fagerstolt, K., 1992. Selective synthesis
of (-chlorocarboxylic acids. Industrial and Engineering Chemistry
Research 31, 2425–2437.
Paul, E.L., Treybal, R.E., 1971. Mixing and production distribution for a
liquid-phase, second-order, competitive-consecutive reaction. A.I.Ch.E.
Journal 17 (3), 718–724.
Pontryagin, L.S., Boltyanskii, V.G., Gamkrelidze, R.V., 1962. The
Mathematical Theory of Optimal Processes. Wiley, New York. Rahimi,
M., Mann, R., 2001. Macro-mixing, partial segregation and
3-D selectivity 7elds inside a semi-batch stirred reactor. Chemical
Engineering Science 56, 763–769.
Rippin, D.W.T., 1983. Simulation of single- and multiproduct batch
chemical plants for optimal design and operation. Computers and
Chemical Engineering 7 (3), 137–156.
Romanainen, J.J., Salmi, T., 1992. The e:ect of reaction kinetics, mass
transfer and 3ow pattern on non-catalytic and homogeneously catalyzed
gas–liquid reactions in bubble columns. Chemical Engineering Science 47
(9–11), 2493–2498.
Salmi, T., Paatero, E., Fagerstolt, K., 1993a. Kinetic model for the
synthesis of (-chlorocarboxylic acids. Chemical Engineering Science 48
(4), 735–751.
Salmi, T., Paatero, E., Fagerstolt, K., 1993b. Optimal degree of
backmixing in autocatalytic reactions A case study: chlorination of
dodecanoic acid. Chemical Engineering Research and Design 71, 531–
542.
Sconce, J.S., 1982. Chlorine: Its Manufacture, Properties and Uses. Robert
E. Krieger Publishing Company, Malabar, FL.
Takri:, M.S., Penney, W.R., Fasano, J.B., 1998. Interstage backmixing
of an aerated multistage, mechanically-agitated, compartmented
column. Canadian Journal of Chemical Engineering 76 (3), 365–
369.
Tatterson, G.B., 1991. Fluid Mixing and Gas Dispersion in Agitated
Tanks. McGraw-Hill, Inc., New York.
Upadhye, R.S., Grens, E.A., 1975. An eFcient algorithm for optimum
decomposition of recycle systems. A.I.Ch.E. Journal 18, 533. Van de
Vusse, J.G., 1966a. Consecutive reactions in heterogeneous
systems—I. The e:ect of mass transfer on selectivity. Chemical
Engineering Science 21 (8), 431–643.
Van de Vusse, J.G., 1966b. Consecutive reactions in heterogeneous
systems—III. The e:ect of operation and of reactor design. Chemical
Engineering Science 21 (12), 1239–1252.
Vivaldo-Lima, E., Wood, P., Hamielec, A.E., Penlidis, A., 1998.
Calculation of the particle size distribution in suspension
polymerisation using a compartment-mixing model. The
Canadian Journal of Chemical Engineering 76, 495–505.
Wang, Y.D., Mann, R., 1992. Partial segregation in stirred batch reactors:
e:ect of scale-up on the yield of a pair of competing reaction. Chemical
Engineering Research and Design 70, 282–290.
Young, M.J., 1980. Semi-batch reactions o:er optimal yields. Processing
27–33.
Zhang, S.X., Ray, W.H., 1997. Modelling of imperfect mixing
and its e:ects on polymer properties. A.I.Ch.E. Journal 43 (5),
1265–1277.