EL ROL DE LOS MODELOS EN EL DISEÑO DE EQUIPOS DE PROCESOS Y SISTEMAS DE CONTROL

L. Gómez+, A. Amicarelli+, H. Alvarez * y F. di Sciascio+

+
INAUT-Facultad de Ingeniería, Universidad Nacional de San Juan, Argentina.
*
Escuela de Procesos y Energía. Facultad de Minas. Grupo de Automática, Universidad Nacional de Colombia.
e-mail: hdalvare@unalmed.edu.co

Resumen: En este trabajo se presenta una discusión acerca de las diferentes tipologías de modelos que
se utilizan durante el diseño de un equipo y de su sistema de control. Desde un punto de vista
tradicional, para el dimensionado del equipo se parte de un modelo descriptivo y al final para el diseño
de su sistema de control se utiliza un modelo predictivo. Dado los inconvenientes que ocasiona la falta
de interacción entre ambos diseños, se propone el uso del nuevo paradigma “Diseño Integrado” y
adicionalmente se ilustran estas visiones del diseño con un ejemplo de un equipo de intercambio
calórico

Palabras Claves: Diseño Integrado, Modelado, Diseño de Procesos, Control de procesos

1. INTRODUCCIÓN El artículo se organiza de la siguiente manera: en la Sección 2

Desde el comienzo de la humanidad, el hombre se ha
preocupado por representar el entorno que lo rodea.
Actualmente, esta habilidad del hombre es llamada modelado
de eventos o sistemas y es ampliamente utilizada en ingeniería
(Ljung ,1997; Abdelghani-Idrissi, 2001). El uso de modelos
durante algunas de las etapas del diseño de un producto o
proceso, permite establecer juicios de valor más precisos y en
algunos casos óptimos en la toma de decisiones. Debido a
esto, una de las aplicaciones donde más ha tenido éxito el uso
del modelado es en el diseño de ingeniería. Sin embargo,
dada la gran variedad de tipos de modelos que se emplean en
ingeniería; dependiendo de su forma (gráficos, simbólicos,
matemáticos), y dependiendo de su uso (explicativos,
descriptivos, predictivos), entre otros; la información obtenida
por medio de cada uno de estos modelos es diferente, lo cual
puede ocasionar conflictos entre distintas áreas de la
Ingeniería. Tal es el caso del diseño de equipos y procesos
químicos, el cual se fundamenta en modelos explicativos o
descriptivos, mientras que la mayoría de los diseños de
controladores se realizan con modelos puramente predictivos.
Por lo tanto, ambos diseños se realizan sin interactuar uno con
el otro. La mirada tradicional del diseño de equipos y
procesos (diseñar primero el proceso y luego el sistema de
control), genera una baja flexibilidad operativa y bajos
estándares de calidad debido a problemas posteriores de
controlabilidad (Brengel and Seider, 1992; Elliot and Luyben,
1995). No obstante es una cualidad deseable que los diseños
mencionados interactúen complementándose, por lo cual se
propone en el presente trabajo, el uso del diseño integrado
como una alternativa potencialmente mas eficiente para el
diseño de equipos y procesos (Bansal et al., 2002; Ochoa et
al., 2004).
se da una visión tradicional del diseño de ingeniería y del
diseño integrado, en la Sección 3 se describen algunos
aspectos relevantes del modelado y se indican las
características de los modelos descriptivos, los predictivos y
de los explicativos, en la Sección 4 se ilustran mediante un
ejemplo las diferentes tipologías de modelos descriptas en las
secciones precedentes y su relación con el diseño tradicional,
finalmente, en la Sección 5 se presentan las conclusiones.
2. DISEÑO DE INGENIERÍA Y DISEÑO
INTEGRADO
En la ingeniería, el diseño puede definirse como la creación
de un sistema, componente o proceso que satisfaga una
necesidad (Bieniawsky, 1992). Dado que el diseño de
ingeniería es un proceso, el mismo presenta una serie de
etapas (Pahl and Beitz, 1984): i) Clarificación de la tarea, ii)
Diseño conceptual, iii) Diseño preliminar, iv) Diseño de
detalle y v) Evaluación física. Además de las etapas, también
puede considerarse las diferentes instancias del diseño: de
equipo, de proceso y del sistema de control. El objetivo del
diseño del equipo consiste en generar un artefacto que
satisfaga una necesidad, el diseño de proceso consiste en
establecer las condiciones de operación del mismo, y el
diseño del sistema de control consiste en generar flujos de
información que garanticen el funcionamiento del equipo o
proceso de acuerdo con unos objetivos preestablecidos.
Abordar la tarea de diseño requiere establecer un compromiso
en cuanto a precisión y facilidad de cálculo. Cumplir con
estas dos premisas depende de las necesidades a satisfacer por
el equipo, su vida útil, su confianza. En última instancia es
una decisión que el ingeniero toma con base en su experiencia
y en la información heurística.
Actualmente, en la mayoría de los casos el diseño de equipos
o procesos y el diseño del sistema de control se han realizado
de manera independiente y separada (de manera secuencial),
sin interacción entre ellos. Primero se realiza el diseño del
equipo, una vez obtenido éste se procede a diseñar su
fabricación y una vez construido, se diseña su sistema de
control. Esta metodología tradicional de diseño trae aparejado
un alto costo, pues implica una pérdida innecesaria de tiempo;
ya que, si se tiene que realizar alguna modificación en
cualquier etapa del diseño, es necesario volver hacia atrás,
rehacer la etapa correspondiente, constatar que no afecta las
anteriores y proseguir. Además, a veces la controlabilidad no
queda garantizada, lo que trae problemas operativos graves.
Es por esto que el diseño integrado surge como una necesidad
para que la tarea de diseño en general se realice de forma
óptima (Ochoa y col., 2004).
La forma de diseñar se ha ido modificando a partir de las
últimas dos décadas del siglo XX, debido a los resultados
poco alentadores obtenidos con la técnica tradicional cuando
se tenían exigencias de mucha flexibilidad operativa y altos
estándares de calidad. Cuando en estos casos se realizaban
cambios en el punto de operación se tenía una pérdida
considerable en el desempeño del proceso. De igual forma, la
aparición de nuevas perturbaciones, implicaba la disminución
en la robustez del proceso. Adicionalmente, las decisiones
realizadas durante la etapa del diseño del equipo afectan de
manera considerable el diseño del sistema de control y por
tanto, la operación del equipo durante toda su vida útil.
Finalmente, el diseño integrado consiste en realizar el diseño
del equipo, considerando aspectos de su sistema de control,
tales como: análisis de la operabilidad, estabilidad,
controlabilidad y criterios económicos; optimización del
estado estacionario, entre otras.
3. MODELADO
El objeto del modelado son los sistemas, este último término
hace referencia a un conjunto de reglas, principios, métodos,
técnicas o elementos interrelacionados y relacionados con su
entorno, que persiguen un fin determinado. Esta definición
suele confundirse con el término proceso, que básicamente se
refiere al grupo de operaciones tendientes a obtener un
producto con características específicas. Está claro entonces el
grado más abstracto y general del término sistema que del
término proceso (Álvarez y col., 2002). Por otra parte, el
modelo de un sistema se puede definir como una herramienta
(representación del sistema real), que permite responder
preguntas acerca del comportamiento de un sistema, para
tomar decisiones en diversas áreas de aplicación, sin
necesidad de realizar experimentos sobre el sistema real
(Ljung, 1997). Debido a la complejidad de los procesos, la
ingeniería se vale del modelado como herramienta para su
comprensión y diseño. Dependiendo de la finalidad o uso
que se pretenda dar al modelo del sistema será el tipo de
modelo que se construirá. Un modelo puede perseguir
distintas finalidades como por ejemplo: profundizar el
conocimiento sobre los mecanismos internos de un proceso,
prever el comportamiento del sistema bajo diferentes
situaciones, evaluar las prestaciones de diferentes tipos de
controladores, estimar variables de proceso que no son
medibles directamente, evaluar la sensibilidad de un sistema
frente a cambios en sus parámetros, experimentar mediante
simulación con condiciones de operación que podrían ser
peligrosas o inseguras.
3.1 Consideraciones generales
Las áreas o disciplinas de aplicación del modelado de
sistemas son diversas: desarrollo de sistemas, desarrollo de
prototipos, optimización de sistemas, educación, medicina,
ciencias biológicas y sociales, economía, ingeniería en
general, etc. En ingeniería el modelado más usado es el
matemático, el cual comprende diversas etapas (Linares,
2001): i) Identificación del problema, ii) Especificación
matemática y formulación, iii) Resolución, verificación,
validación y refinamiento, iv) Interpretación y análisis de los
resultados, y finalmente, v) Implantación, documentación y
mantenimiento. En general no es difícil construir modelos, la
complejo es hallar un buen modelo que sea realizable y
adecuado para los fines perseguidos, pues ningún modelo es
totalmente válido, es decir, los modelos tienen un dominio de
validez limitado (Ljung, 1997; Twomey and Smith, 1998).
Algunos autores para acentuar las diferencias entre modelos y
sistema real realizan la siguiente analogía: “los modelos son
caricaturas del sistema”.
3.2 Tipologías de Modelos
Se parte de la base de que todos los modelos matemáticos
permiten realizar predicciones sobre el sistema que modelan,
de ahí el carácter predictivo básico de todos ellos. Sin
embargo, un modelo contiene información que depende de
cómo relaciona los datos que ingresan al modelo con la
predicción efectuada por el mismo: la estructura del modelo
en si misma contiene información. Esta información, útil al
usuario, no se manifiesta directamente en la predicción: dos
modelos que relacionan de manera totalmente diferente los
datos con las predicciones, pueden brindar el mismo nivel de
precisión en la predicción. En cambio, es evidente que esa
información contenida en la estructura es un factor relevante
en la selección del modelo de acuerdo con su finalidad.
Con esta argumentación, se propone agrupar los modelos de
acuerdo con la cantidad de esa información adicional que
brindan sobre el fenómeno: explicándolo o describiéndolo.
De este modo, existen modelos cuyo contenido de
información adicional sobre el proceso es el mayor posible,
puesto que explican todos y cada uno de los fenómenos
presentes en el sistema, a estos se les denomina Modelos
Explicativos. Un segundo tipo de modelos son aquellos que
sin explicar los fenómenos, si realizan una descripción de los
mismos. Este grupo de modelos se denominan Modelos
Descriptivos. Finalmente, los modelos denominados
Puramente Predictivos se limitan a realizar una representación
que permite calcular los efectos de las relaciones entre las
variables de interés del sistema no brindando ninguna
descripción de los fenómenos involucrados.
La clasificación anterior no se asocia totalmente con la de
modelos del tipo caja blanca, gris o negra, cuyo criterio de
clasificación es el conocimiento previo sobre el proceso
(Sjörberg et al., 1995). En la práctica, la mayoría de los
modelos son del tipo caja gris, pues generalmente se tiene
algún conocimiento de las leyes físicas que rigen el proceso
pero algunos parámetros deben ser determinados a través de
observaciones. Sin embargo, de acuerdo a la clasificación
propuesta en este artículo, los modelos caja gris pueden tener
carácter explicativo, descriptivo o puramente predictivo.
Aunque podría pensarse que un modelo explicativo se refiere
a uno caja blanca, en la mayoría de los casos dicho modelo
explicativo es en realidad uno caja gris. En un caso extremo,
para un fenómeno poco conocido (por ejemplo un producto
nuevo), el modelo explicativo puede equivaler a un modelo
caja negra, puesto que la máxima “explicación” disponible
hasta ese momento para el fenómeno es la relación hallada
entre las variables; sin embargo, la mayoría de las veces un
modelo caja negra es un modelo puramente predictivo. Un
modelo caja gris, no tiene porque relacionarse directamente
con un modelo descriptivo aunque a veces coinciden.
En todas las tipologías de modelos la sencillez y la simpleza
son cualidades deseables, aunque tal deseo es más accesible
para algunos tipos modelos que para otros. Además, se espera
que los modelos sean adecuados tanto al problema al que se
aplican como a la persona que resuelve el problema. La
capacidad múltiple de descripción, explicación y predicción
es lo que constituye “el poder explicativo” de una teoría, o su
capacidad para resolver problemas (Concari, S., 2001), y es
precisamente la existencia de un cierto grupo de modelos lo
que ayuda en la construcción de una teoría.
Modelos Explicativos. Estos modelos buscan incrementar el
entendimiento de las causas del fenómeno y además, se
refiere a las pruebas empíricas de las proposiciones de la
teoría a las que les da apoyo (Concari, S., 2001).
Normalmente son modelos complejos y basados en leyes y
principios. En general, no se basan en modelos empíricos o
heurísticos y se utilizan cuando el sistema ya se conoce, pero
se desea conocer su comportamiento en una situación
específica y las razones de porqué determinado fenómeno ha
ocurrido de esa forma y no de otra manera. Finalmente se
puede decir que los modelos explicativos en la investigación
científica responden a la pregunta ¿Por qué y de qué forma
ocurren determinados mecanismos, eventos o fenómenos en
un sistema?
Modelos Descriptivos. Describir un fenómeno implica definir
sus características y componentes, así como definir las
condiciones en que se presenta y las distintas maneras en que
puede manifestarse (Concari, S., 2001). En el modelado
descriptivo de un sistema se persigue que la representación
obtenida sea adecuada para el diseño de equipos. Por tanto, el
modelo descriptivo debe ser sencillo y aportar información a
la toma de decisiones en las diferentes etapas de su diseño.
Aunque el ideal para diseño es el modelo explicativo, la
complejidad matemática que este trae aparejada resulta
prohibitiva a la hora de abordar labores de diseño rutinarias.
Finalmente, se puede decir que los modelos descriptivos en el
diseño de ingeniería responden a la pregunta ¿Qué es preciso
conocer del sistema para el fin de diseño?
Modelos Puramente Predictivos. Aunque todos los modelos
matemáticos son predictivos, cuando se habla de modelos
puramente predictivos se hace referencia a aquellos modelos
obtenidos empíricamente, los cuales sintetizan en una
estructura sencilla (y generalmente predefinida) las dinámicas
principales del sistema. Aunque su carácter explicativo es
mínimo, su sencillez disminuye la complejidad
computacional haciéndolos ideales para su uso en línea, es
decir un modelo predictivo es un modelo lo suficientemente
preciso para ser manipulado automáticamente (Concari, S.,
2001). Los modelos AutoRegresivos con entrada eXogena
(ARX) son un ejemplo de modelos puramente predictivos.
Finalmente, se puede decir que los modelos puramente
predictivos en el diseño de ingeniería responden a la pregunta
¿Cómo será el comportamiento del sistema modelado en
circunstancias diferentes?
4. EJEMPLO
Con el fin de ilustrar las tipologías de modelos expuestas y su
relación con el diseño de ingeniería, se esboza en que
consisten cada una de las etapas del diseño y se exponen
algunas de las ecuaciones propuestas en la literatura para el
modelado de un Intercambiador de Calor (IC). Un IC es un
equipo que permite el intercambio de energía de un fluido a
otro. En este trabajo se asumirá que no ocurre cambio de fase
en los fluidos. Uno de los fluidos es utilizado sólo para fines
de calentamiento (o enfriamiento) y se denomina Fluido de
Servicio (FS). El otro fluido es el que se desea calentar (o
enfriar) y se denomina Fluido de Proceso (FP) (Lienhard V,
2003, Cao, 1983). En este ejemplo se desea calentar un FP.
4.1 Diseño tradicional de un IC
La tarea, en el sentido tradicional, consiste en diseñar primero
el equipo y luego su sistema de control.
Diseño del equipo. Nótese que aquí sólo se indica el diseño
de un IC de doble tubo. Sin embargo, la etapa de diseño
conceptual implica comparar diferentes tipos de IC y por
tanto, utilizar los modelos que los describen, lo cual hace que
el diseño se convierta en una tarea iterativa bastante extensa.
Debido a lo anterior existen actualmente en la industria una
gran variedad de software que permite calcular diferentes
configuraciones de IC que logran un cierto punto de estado
estacionario, lo que facilita una selección eficiente del tipo de
IC. Recuérdese que el diseño del equipo comprende las
siguientes etapas, en las que no se profundiza aquí:
• Clarificación de la tarea. Se define la temperatura que se
desea obtener del FP, los caudales disponibles de los
diferentes fluidos (FP y FS) y la temperatura del FS que
garantice la transferencia de calor de acuerdo con las
necesidades planteadas.
• Diseño Conceptual. Se indica la configuración del IC; es
decir, tipo de IC, dirección de flujo, etc. (Lienhard V,
2003). En este ejemplo se trabaja con un IC de doble tubo
en flujo paralelo, pues es sencillo para ilustrar las
diferencias entre los tipos de modelos.
• Diseño Preliminar. Se especifican los materiales de las
diferentes partes del IC, aislantes, etc. Además, se realiza
un análisis básico que conduce a una estructura de
intercambiador específica. Así, en este ejemplo se trabaja
con un sólo paso de los fluidos por el intercambiador.
• Diseño de detalle. Incluye el dimensionado detallado de las
diferentes partes del IC, para lo cual se recurre a tablas,
cartas o ecuaciones que relacionan las características
energéticas de las dos corrientes en el estado estacionario
con los parámetros de diseño: diámetro de los tubos,
longitud del intercambiador, etc.
Diseño del sistema de control para un IC. Una vez obtenido
el diseño del IC se procede a diseñar su sistema de control
(Marlin, 2000) y para ello nuevamente se recorren las etapas
de diseño indicadas en la Sección 2:
• Clarificación de la Tarea. Se indica el intervalo de
variación y la precisión de la variable a controlar (salida o
estado) y demás requerimientos dinámicos de desempeño,
como: tiempo de levantamiento, oscilación permitida, etc.
• Diseño conceptual. Se especifica la estructura de control a
usar y sus características principales.
• Diseño preliminar. Se selecciona la variable manipulada,
los elementos finales de control, sensores, actuadores, etc.
En este ejemplo se toma como variable manipulada el
caudal del FS, aunque también podría ser la temperatura de
entrada del FS.
• Diseño de detalle. Se realiza la programación específica del
algoritmo de control o la sintonía del controlador cuando se
trabaja con un controlador genérico como el PID.
Nótese que la inclusión de un modelo del IC en todas estas
etapas queda como una decisión del diseñador. Es posible
recurrir totalmente a la experiencia y a la prueba y error para
completar el diseño, con un uso mínimo de modelo.
4.2 Modelado de un IC
El modelado fenomenológico de un equipo de proceso se
apoya en los balances de materia, de energía y de cantidad de
movimiento, adicionados con un grupo de ecuaciones
constitutivas: ecuaciones cinéticas, estequiométricas, etc.
(Bequette, 1998). En esta sección se presenta el modelo de un
IC de doble tubo (ver Figura 1). El modelo se obtiene
aplicando balances de materia total, materia por componente
y el balance de energía. Este último es el único que queda,
puesto que es el que refleja el intercambio energético que
tiene lugar en un IC.
Fluido
Fluido
caliente
TUBO
caliente
dQ/dt
ÁNULO
Fluido
frío
Aislante térmico Fluido
frío
Figura 1. IC de doble tubo o tubos concéntricos.
- De acuerdo con (Abdelghani-Idrissi, 2001), los balances de
Energía sobre el FP, el FS y sobre la pared de los tubos son:
∂TP ∂T (1)
(mc p ) P = (mc p ) P v P + v ⋅ hP ⋅ AP (Tw − TP )
∂t ∂x
∂TS ∂T
(mc p ) S = (mc p ) S v S + v ⋅ hS ⋅ AS (Tw − TS ) (2)
∂t ∂x
∂Tw hP ⋅ A p h ⋅A
= v⋅ (Tw − TP ) + S S (TS − Tw ) (3)
∂t mP mS
Donde m flujo másico, cp calor específico, T temperatura, v
velocidad media, h y A coeficiente local y área de
transferencia de calor respectivamente. Los subíndices s y p
hacen referencia a FS y FP respectivamente, y w a la pared.
Nótese que los coeficientes de transferencia de calor h se
diferencian de acuerdo con el fluido que los está
experimentando. Como se verá más adelante, en un modelo
global, se toma un único coeficiente U que resulta de la
contribución individual de todos los coeficientes locales. Para
la obtención de estos balances se realizaron los siguientes
supuestos:
- Fluidos en flujo turbulento (implica operar en un intervalo
de flujos de entrada con número de Reynolds Re>2300).
Esto puede afectar la controlabilidad, ya que a bajos
caudales del FS ya no se cumplen este supuesto.
- No hay transferencia de calor por conducción longitudinal
en los tubos.
- Fluidos incompresibles, así que la densidad es constante, así
como las demás propiedades físicas.
Debido a que en un IC la temperatura está distribuida
espacialmente y además es variable en el tiempo, el modelo
indicado resulta de parámetros distribuidos, y se expresa
mediante ecuaciones diferenciales en derivadas parciales. Por
lo tanto, la dimensionalidad del modelo es infinita, debido a
que la variable de distribución espacial genera infinitos puntos
donde evaluar la variable de interés. En el caso de una
solución numérica del problema, la dimensionalidad aparente
resulta una función de la partición espacial que se realice. Tal
dimensionalidad se asocia directamente con el grado de
precisión que se desee en el resultado final que entregue el
modelo.
Modelo explicativo de un IC. Los balances de energía
indicados en las ecuaciones (1), (2) y (3) constituyen un
modelo explicativo del IC. Este modelo no es aplicado
directamente en el diseño del equipo, ni en el diseño del
sistema de control, pues de hecho para su validación fue
necesario realizar un montaje, en el cual se instalaron
termocuplas en el IC cada 0,36 m tanto para el FP, como para
el FS, lo que resulta impráctico industrialmente. Sin embargo,
los resultados arrojados por este modelo permiten una mayor
comprensión de este tipo de IC y por tanto, mejorar algunos
aspectos de su diseño. Otros modelos explicativos de un IC se
dedican sólo a explicar aspectos puntuales, tal como el
presentado en (Cheng et al., 2002), dónde, además del
balance de energía, se plantean los balances de cantidad de
movimiento con el fin de optimizar la transferencia de calor,
basada en la caída de presión que garantice un flujo más
uniforme. En (Atkinson et al., 1998), se propone un modelo
tridimensional del flujo de calor y de fluidos en un IC con el
fin de evaluar el efecto del ensuciamiento en la pared del IC
sobre la transferencia de calor.
En general puede decirse que un modelo como el indicado, en
el cual se incluyen (con un carácter explicativo) todos los
efectos dinámicos, resulta excelente pero poco útil debido a
su complejidad computacional. De ahí, que la mayoría de
modelos usados en el diseño de equipo sean de carácter
descriptivo y estático, es decir, son relaciones (mapas) entre
las variables de diseño y el desempeño esperado en estado
estacionario del equipo que se diseña.
Modelo descriptivo de un IC. Debido a la dificultad que
implica el uso de las ecuaciones (1), (2) y (3) en el diseño
del equipo (debería hacerse a través de simulación del
comportamiento dinámico), se agregan al modelo otros
supuestos además de los ya indicados. El más importante es
suponer que la temperatura tanto del FS, como del FP no
varían espacialmente en el IC (se instala un único sensor para
cada corriente a la salida del IC). Si además se asume que ya
el IC está en estado estacionario (justo en el punto de diseño),
se obtiene el balance de energía:
q = (m ⋅ c p ) P (Ti − To ) P = (m ⋅ c p ) S (Ti − To ) S (4)
Aquí q es el flujo calórico y los subíndices i y o hacen
referencia a entrada y salida respectivamente. En la ecuación
(4) a pesar de que q y m son velocidades, se describe el
mapa estático del IC, no su comportamiento dinámico.
Adicionalmente, la ecuación cinética:
q = U ⋅ A ⋅ ∆T (5)
junto con (4) permiten establecer los requerimientos (por
ejemplo el área necesaria del equipo para lograr la
transferencia de calor), de la etapa de diseño clarificación de
la tarea. Debido a que en el IC no existe interacción másica,
es decir todas las corrientes de entrada y de salida tienen
siempre las mismas concentraciones, no es necesario plantear
balances de materia por componentes. Las ecuaciones
constitutivas, en cambio, si son necesarias y utilizadas durante
las etapas de Diseño Preliminar y Diseño de Detalle. A
continuación sólo se indican algunas de las ecuaciones
constitutivas, para una descripción completa ver (Cao, 1983):
1 1 1 (6) A (7)
= + + RF L=
U ho hio π ⋅ D0
a
L v2 µ (8)
∆p = 4 f ρ
D 2 µw
Dónde hio y ho coeficientes peliculares interno y externo
respectivamente, RF, resistencia de ensuciamiento, L longitud
del tubo, Do diámetro externo del tubo, ∆p caída de presión,
f factor de fricción de Fanning y ( µ µw )a factor de corrección
diferencias de viscosidad entre el fluido próximo a la pared y
el fluido de la corriente. El uso de factores de corrección
empíricos es común en el diseño de equipos, ya que
simplifican bastante los modelos y por tanto los cálculos. En
cambio, un modelo que describa con precisión el efecto de
ensuciamiento requiere el uso de ecuaciones diferenciales en
derivadas parciales (Atkinson et al., 1998), a costa de una
carga computacional elevada. Las expresiones y parámetros
empíricos deben usarse con precaución debido a su validez
limitada a las condiciones para los cuales fueron hallados, con
baja extrapolación.
El modelo indicado en las ecuaciones (4) a (8) refleja las
características típicas de un modelo descriptivo: posee
parámetros como área de intercambio calórico, número de
tubos, longitud de ellos, etc. Esto permite el dimensionado del
IC, objetivo del diseño tradicional.
Modelo puramente predictivo de un IC. Al igual que el
modelo descriptivo, el modelo predictivo de un IC puede
apoyarse en el balance de energía, aunque no es una
condición indispensable. Por ejemplo, un estructura ARX
puede ser la utilizada para predecir los cambios de la variable
de interés con el tiempo. Aunque dicho cambio no dice nada
sobre el fenómeno, si puede realizar predicciones adecuadas
para los fines del control (un ejemplo son los modelos en
funciones de transferencia). El siguiente modelo puramente
predictivo (Hiroe and Khargonekar, 1996):
dTP
( mc )
p P = ( mc p ) (To − Ti ) P + hA(Ts − TP ) (9)
dt P
dTS
( mc )
p S
dt
= ( mc p ) S (To − Ti ) S − hA(Ts − TP ) (10)
donde m es la masa de los fluidos contenida en el IC, es
igual al modelo descriptivo dado por las Ecs. (4) a (8), se
apoya en el balance de energía y se asume que tanto la
temperatura del FP, como del FS no presentan variación
espacial. Con este modelo es posible conocer el
comportamiento futuro de la temperatura en el IC, lo cual es
una característica propia de un modelo puramente predictivo.
No obstante, el modelo además de predictivo tiene un cierto
carácter explicativo, pues permite establecer
comportamientos del fenómeno, aunque dicha explicación se
limite exclusivamente a la variable que se desea controlar, en
este caso la Temperatura.
Finalmente, realizando una analogía entre la clasificación
propuesta en este artículo y la que se fundamenta en el
conocimiento previo del proceso, se puede agregar que los
tres tipos de modelos que ilustran el ejemplo, tanto
explicativo, descriptivo como puramente predictivo, son
modelos de caja gris con estructura fenomenológica. Es decir
la estructura de estos modelos se obtienen a partir de las leyes
físicas que rigen el fenómeno (balances de materia y energía)
mientras que los parámetros deben ser identificados a partir
de datos observados. Queda evidenciada entonces la
diferencia que existe entre las dos clasificaciones
mencionadas anteriormente.
4.3 Diseño Integrado
A continuación se expone como afectan algunos parámetros
la operación del IC.
Efecto de los cambios de operación en un IC. Se desea
obtener un determinado valor de la temperatura del FP en el
IC. Como se observa, la ecuación (4) se satisface para
diferentes valores de caudal y temperatura de entrada del FS.
Sin embargo, los Elementos Finales de Control (EFC), como
válvulas para el caso de flujo, están diseñados para funcionar
de manera adecuada en un determinado intervalo de
operación. La selección del caudal de entrada del FS no sólo
debe hacerse de tal manera que garantice la obtención de la
temperatura deseada en el FP, sino que además, debe asegurar
que el equipo opere en una región factible.
Efecto del escalado. Puesto que el diseño se realiza para
regímenes turbulentos (Re>2300), el área del tubo por el cual
circula el FS, depende del caudal seleccionado o viceversa, la
selección del área afecta el caudal, por tanto nuevamente una
selección incorrecta del área puede llevar al sistema a operar
en una región indeseable, por ejemplo, de flujo laminar para
la cual no se cumple uno de los supuestos del modelo.
Todo lo anterior, además de otros aspectos no considerados
aquí, llevan a concluir que el comportamiento en estado
estacionario del equipo tiene restricciones físicas (Russo and
Bequette, 1997), que se heredan al comportamiento
alcanzable del estado transitorio.
5. CONCLUSIONES
En este trabajo se propuso una tipología de modelos basada la
información que brinda el modelo para los fines del diseño de
procesos o equipos y para el diseño del sistema de control.
Los distintos tipos de modelos se ilustraron mediante un
ejemplo de un equipo de intercambio calórico. Finalmente, se
justificó el uso del diseño integrado como una metodología
que permite involucrar conjuntamente los objetivos del
funcionamiento del equipo con su operación adecuada a lo
largo de toda su vida útil.
Se evidenció que la información que brindan los diferentes
tipos de modelos se complementa, sin que pueda decirse que
uno de los tipos de modelos es el óptimo en todas las labores
asociadas con un proceso, su diseño y operación. Por lo tanto,
es labor del ingeniero utilizar el más apropiado de acuerdo
con los fines de modelado y diseño perseguidos en cada una
de las tareas asociadas con el proceso.
El contenido de información que brinda un modelo no sólo
debe medirse cuando el modelo se simula o resuelve.
También debe considerarse la información que aporta el
modelo desde su estructura misma, indicando relaciones entre
variables y comportamientos lineales o no lineales en los
estados o salida. Este tipo de información no directamente
asociada con la salida del modelo es la que pocas veces se ha
considerado en la literatura como insumo aportado por el
modelo a las labores de diseño del proceso. Como trabajo
futuro, está el análisis detallado de las implicaciones que este
tipo de información contenida en el modelo tiene sobre las
tareas de diseño integrado. Baste decir que el diseño integrado
como tema de estudio está aún por explorar en su totalidad y
que sólo contando con modelos adecuados del proceso que se
diseña es que puede llegarse a un diseño con controlabilidad
garantizada.
REFERENCIAS
Abdelghani-Idrissi, M.A., Bagui, F. and Estel, L. (2001)
Analytical and experimental response time to flow rate step
along a counter flow double pipe heat exchanger. Int. J.
Heat Mass Transfer, 44, 3721-3730
Alvarez, H., Correa, R., Lamanna, R. (2002) Una propuesta
taxonómica para los sistemas de control. Dyna, 135, 1-10
Atkinsona, K.N. Drakulica, R. Heikala, M.R. and Cowellb,
T.A. (1998). Two- and three-dimensional numerical models
of flow and heat transfer over louvred _fin arrays in
compact heat exchangers. Int. J. Heat Mass Transfer, 41,
4063-4080
Bansal, V. et al., (2002). A Case Study in Simultaneous
Design and Control Using Rigorous, Mixed-Integer
Dynamic Optimization Models. Ind. Eng. Chem. Res., 41,
760-778.
Bequette, B.W. (1998). Process Dynamics: Modeling,
Analysis and Simulation, (Ed. Prentice Hall), Upper Saddle
River, NJ.
Bieniawsky Z.T (1992). Design Methodology In Rock
Engineering. Theory, education and practice (Ed.
Brookfield), Rótterdam.
Brengel, D.D and W.D. Seider, (1992). Coordinated Design
and Control Optimization of Nonlinear Process. Comp.
Chem. Eng., 16, 861-885.
Cao, E. (1983). Intercambiadores de calor, (Ed. Edigraf),
capitulo 1, Buenos Aires.
Chung, K., Lee, K-S., Kim, W-S. (2002). Optimization of the
design factors for thermal performance of a parallel-flow
heat exchanger. Int. J. Heat Mass Transfer, 45, 4773–4780
Concari, S. (2001). Las teorías y modelos en la explicación
científica: Implicancias para la enseñanza de las ciencia,
Ciencia y Educación, 7, 85-94.
Elliott, T.R. and W.L. Luyben, (1995). Capacity-based
approach for the Quantitative Assesment of Process
Controllability During the Conceptual Design Stage. Ind.
Eng. Chem. Res., 34, 3907-3915.
Hiroe, T. and Khargonekar. (1996). Stability and H∞
performance analysis of gain scheduled nonlinear control
systems with D-Implementation under slowly varying
command inputs. Conference on Decision and Control,
Japan, December.
Lienhard IV, J and Lienhard V, J. (2003). A Heat Transfer
Textbook, Phlogiston Press, Cambridge Massachusetts.
Linares, Ramos, Sánchez, Sarabia, Vitoriano. (2001).
Modelos Matemáticos de Optimización, Universidad
Pontificia, Madrid.
Ljung, L. and Glad, T. (1997). Modeling of Dynamic
Systems.-Prentice Hall PTR.
Marlin, T. (2000). Process Control. Designing processes and
control system for dynamic performance. Mc Gram-Hill.
Ochoa et al., (2004). Using controllability for chemical
equipment design as a first step to integrated design. XI
Congreso Latinoamericano de Control Automático, Cuba.
Pahl and Beitz. (1984). Engineering Design, The Design
Council, Springer – Verlag, New York.
Russo, Louis P. and Bequette, B. Wayne. (1997). Process
Design for Operability: A Styrene Polymerization
Application. Computers chem. Engng, 21, 571-576.
Sjöberg et al, 1995. Nonlinear Black-box Modeling in
System Identification: a Unified Overview. Automatica, 31
(12), pp, 1691-1724.
Twoney, J. and Smith. (1998). A Bias and Variance of
validation methods for function approximation neural
networks under conditions of sparse data. IEEE Trans.
On System, Man, and Cybernnetics part C:
Aplications and Reviews, 28(3), 417-430.