INSTITUTO TECNOLOGICO DE

MINATITLAN

MC. REYES ESTUDILLO RENE

ALUMNO:
JIMÉNEZ ALONSO WILLIAMS

CARRERA:
INGENIERIA QUIMICA

SEMESTRE:
9no.
Página 1
Simulación de procesos
NUMERO DE CONTROL:
18230826
 INDICE

Contenido

1. Investigar los distintos modelos matemáticos (desde una ecuación

algebraica de una sola variable hasta sistemas de ecuaciones
diferenciales parciales).......................................................................2
2.- Realizar 10 balances de materia, así como de energía aplicando
los principios fisicoquímicos necesarios para establecer el modelo
de un proceso u operación unitaria.....................................................2
3.- Investigar los métodos (con 5 ejemplos) de solución de los
distintos modelos matemáticos, simbólicos, por serie y numéricos...2
4.- Identifique que método de solución realizado en el punto 3 es el
más adecuado para resolución de los modelos de ingeniería química
desarrollados previamente..................................................................2
5.- investigar (con 5 ejemplos) los métodos modulares secuenciales
y orientados a ecuaciones...................................................................2
6.-Realice una lista de ventajas y desventajas del método modular
secuencial y también del método orientado a ecuaciones..................2
BIBLIOGRAFIA................................................................................2

Página 2
Simulación de
 1. Investigar los distintos modelos matemáticos (desde una ecuación

¿Qué es un modelo matemático?

- Un modelo matemático es una representación simplificada, a través de ecuaciones, funciones
o fórmulas matemáticas, de un fenómeno o de la relación entre dos o más variables.

- Un modelo matemático es la expresión formal (en lenguaje matemático) de las relaciones entre los
componentes de un modelo. La construcción de un modelo de este tipo implica la selección y
cuantificación de los componentes, variables y relaciones presentes en el sistema para representarlo
con el nivel de detalle requerido. Puede ser algo tan simple como sustituir las variables de una
ecuación por sus valores reales o puede ser un conjunto complejo de ecuaciones interrelacionadas
cuyas variables se ven modificadas a lo largo del tiempo y a través del espacio.

- La finalidad de los modelos matemáticos es ser utilizado para entender fenómenos naturales,
sociales, físicos, etc. Dependiendo del objetivo buscado y del diseño del mismo modelo pueden
servir para predecir el valor de las variables en el futuro, hacer hipótesis, evaluar los efectos de una
determinada política o actividad, entre otros objetivos.

Página 3
Simulación de
 ¿Qué utilidad tiene?
La utilidad de estos modelos radica en ayudar a
estudiar cómo se comportan las estructuras complejas
frente a aquellas situaciones que no pueden verse con
facilidad en el ámbito real. Existen modelos que
funcionan en ciertos casos y que resultan poco precisos
en otros, como ocurre con la mecánica newtoniana,
cuya fiabilidad por el propio Albert Einstein.

Clasificaciones según diversos criterios

De acuerdo a la proveniencia de la información en que se basa el modelo, podemos

distinguir entre modelo heurístico, que se apoya en las definiciones de las causas o los
mecanismos naturales que originan el fenómeno en cuestión, y modelo empírico,
enfocado en el estudio de los resultados de la experimentación.

Asimismo, con respecto al tipo de resultado pretendido, existen dos clasificaciones básicas:

MODELOS CUALITATIVOS, que pueden valerse de gráficos y que no buscan un

resultado de tipo exacto, sino que intentan detectar, por ejemplo, la tendencia de un sistema
a incrementar o disminuir un determinado valor;

MODELOS CUANTITATIVOS, que, por el contrario, necesitan dar con un número

preciso, para lo cual se apoyan en fórmulas matemáticas de variada complejidad. Otro
factor que divide los tipos de modelos matemáticos es la aleatoriedad de la situación
inicial; así distinguimos entre los modelos estocásticos, que devuelven la probabilidad de
que se obtenga un cierto resultado y no el valor en sí, y los deterministas, cuando
los datos y los resultados se conocen, por lo que no existe incertidumbre.

Según el objetivo del modelo, podemos describir los siguientes tipos:

MODELO DE SIMULACIÓN, que intenta adelantarse a un resultado en una

determinada situación, sea que ésta se pueda medir en forma precisa o aleatoria;

MODELO DE OPTIMIZACIÓN, que contempla distintos casos y condiciones,

alternando valores, para encontrar la configuración más satisfactoria;

MODELO DE CONTROL, a través del cual se pueden determinar los ajustes

necesarios para obtener un resultado particular.

Página 4
Simulación de
 Según su estructura matemática
La clasificación que agrupa los modelos de acuerdo con su estructura matemática sirve de
guía para conocer la complejidad matemática, y las posibles técnicas de solución en cada
caso particular.

En el siguiente esquema se muestra la clasificación basada en la estructura matemática para

el caso de modelos determinísticos:

Ecuaciones algebraicas (lineales, no lineales)

Ecuaciones diferenciales (ordinarias, parciales)
Ecuaciones integrales
Métodos numéricos

Ecuaciones algebraicas
La descripción matemática de regímenes estacionarios de
trabajo de los modelos con parámetros combinados se
realiza mediante ecuaciones algebraicas o trascendentes.
Estos modelos no podrían aplicarse en una situación
dinámica, pues no sería posible incluir la variación en el
tiempo.

Ecuaciones diferenciales
Dentro del cálculo matemático, las ecuaciones diferenciales relacionan una función con sus derivadas, las
cuales representan cantidades físicas y razones de cambio. De esta manera, las cuestiones que son posibles
plantear a través de estas ecuaciones generan una fuente de ideas y teorías que logran que se construyan
avances en distintas áreas, en donde la modelación matemática resulta ser el primer paso para la
resolución de estos problemas, es decir, la descripción matemática de un sistema o un fenómeno en
la vida real.

Tipo:
Ecuación diferencial ordinaria (EDO): Contiene sólo derivadas de una o más variables dependientes
respecto a una sola variable independiente.

Ecuación diferencial parcial (EDP): Involucra derivadas parciales de una o más variables
dependientes de dos o más variables independientes.

Página 5
Simulación de
Algunos modelos matemáticos.

Método de Runge- Kutta: Son un conjunto de métodos genéricos y numéricos

iterativos, explícitos e implícitos de resolución numérica de ecuaciones diferenciales. Estos
tienen un error local de truncamiento del mismo orden que los métodos de Taylor, pero
prescinden del cálculo y evaluación de las derivadas de la función f(t, y).
También es prescindible las generalizaciones de la formula básica de Euler yi+1=yi+h,f(ti,
yi) en los que el valor de la función f se remplazan por un promedio ponderado de valores
de f en un intervalo ti menos o igual a t.

Las transformadas de Laplace: la transformada de

Laplace resulta útil para analizar sistemas causales, esto es,
sistemas para los cuales la señal de salida en cualquier instante
depende sólo de los valores de la señal de entrada en el instante
presente y en los anteriores, pero no de los futuros. Toda señal
causal tiene un instante de inicio, de modo que la función que la
representa es nula para cualquier instante previo.

El método de Newton-Raphson: es un método abierto, en el sentido de que su

convergencia global no está garantizada. La única manera de alcanzar la convergencia es
seleccionar un valor inicial lo
suficientemente cercano a la raíz buscada. La relativa cercanía del
punto inicial a la raíz depende mucho de la naturaleza de la propia
función; si ésta presenta múltiples puntos de inflexión o
pendientes grandes en el entorno de la raíz, entonces las
probabilidades de que el algoritmo diverja aumentan, lo cual exige
seleccionar un valor supuesto cercano a la raíz.

Propiedades deseadas de un modelo matemático

• Simplicidad: Uno de los objetivos principales de un modelo matemático es
simplificar la realidad para poder entenderla mejor.
• Objetividad: Que no tenga sesgos ni teóricos ni de los prejuicios o ideas
de sus diseñadores.
• Sensibilidad: Que sea capaz de reflejar los efectos de pequeñas
variaciones.
• Estabilidad: Que el modelo matemático no se altere
significativamente cuando hay cambios pequeños en las variables.
• Universalidad: Que sea aplicable a varios contextos y no sólo a un caso
particular.

Página 6
Simulación de
 2.- Realizar 10 balances de materia, así como de energía
aplicando los principios fisicoquímicos necesarios para establ

PROBLEMA 1
Una mezcla residual tiene la siguiente composición en % peso, HNO3 22, H2SO4 56 y H2O 22 esta mezcla
será enriquecida con HNO3 al 91% peso y H2SO4 al 92% peso. Si se desea obtener una mezcla nitrante de
1000Kg/h con la siguiente composición HNO3 63, H2SO4 27 y H2O 10 en %peso, determinar:
a) El valor de cada una de las corrientes en Kg/h.
b) Balance de materia en el mezclador.

Página 7
Simulación de
 Página 8
Simulación de
PROBLEMA 2
Calcular el valor en las corrientes M1, M2, M3, M5 y M6.
Base de Cálculo: M4 = 6 760 lb/h

Página 9
Simulación de
 Página
Simulación de
PROBLEMA 3
Una columna de absorción gas-líquido, operando a contracorriente se alimenta por el fondo con 3 000 kg/h
de una mezcla gaseosa (M1) que contiene 95% mol de aire, 3% mol de acetona y 2% mol de agua; por el
domo se alimenta agua (M2) como líquido de absorción y se descarga una corriente gaseosa (M3) con 0.5%
en masa de agua y libre de acetona. El producto líquido de fondo (M4) conteniendo 19% masa de acetona y
la diferencia de agua, se alimenta a una columna de destilación cuyas descargas contienen 91% y 4% masa
de acetona en el destilado (M5) y fondos (M6) respectivamente.
a. Elaborar el diagrama
b. Determinar la composición en %masa de la mezcla alimentada a la torre de absorción.
c. Calcular el peso molecular promedio de la solución alimentada al destilador.
d. Calcular el gasto masa en kg/h de agua alimentada al absorbedor.
e. Calcular la masa de acetona que se pierde en los fondos del destilador.

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
 Página
Simulación de
PROBLEMA 4
Un reactor de deshidrogenación se alimenta con etano a razón de 150 Kmol / h. Los productos de la
reacción son acetileno e hidrógeno. Si se alcanza una conversión del 80 %, calcular las siguientes
cantidades de producto gaseoso final.
a) El flujo molar total a la salida del reactor.
b) La relación entre las moles de hidrógeno y acetileno.
c) El peso molecular promedio en la corriente de salida.
d) El flujo másico de acetileno.

C2H6 → C2H2 + 2 H2

Página
Simulación de
PROBLEMA 5
La mezcla diluida de un proceso de nitración contiene 23% en peso de HNO3, 57% de H2SO4 y 20%
de H2O. Esta solución se va concentrar para que tenga 27% en peso de HNO3, 60% de H2SO4 y 13%
de H2O, para ello se tiene H2SO4 al 93% en peso y HNO3 al 90% en peso.

a) Si se desean obtener 1000 kg de mezcla ácida concentrada ¿Cuánto debe usarse de cada uno de
los componentes?

b) Si en lugar de H2SO4 al 93% en peso, si tuviese disponible una mezcla de 80% de H2SO4 y
20% de SO3. ¿Qué cantidad se requeriría para obtener la misma mezcla concentrada?

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
PROBLEMA 6
Una corriente de alimentación de 4535 kg/h de una solución salina diluida que contiene 2% en peso esta a
311°K, se alimenta continuamente a un evaporador de simple efecto para concentrar hasta 3%. La
evaporación se lleva a cabo a presión atmosférica, el área del evaporador es de 69.7 m2. El calentamiento es
con vapor saturado a 383.2 °K puesto que la solución es diluida, se puede suponer que tiene el mismo punto
de ebullición del agua. Se estima también que la capacidad calorífica de la corriente de alimentación es de Cp
= 4.10 Kj/Kg °K. CALCULE LAS CANTIDADES DE VAPOR Y DEL LIQUIDO PRODUCIDAS Y EL
U.

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
PROBLEMA 7
Una corriente de 16 000 lb/h de disolución al 7% w de NaCl se concentra hasta el 40% w en un
evaporador. El vapor de agua de la disolución sale a 180°F, la disolución concentrada también sale a
180°F. El vapor de agua alimentado al evaporador a razón de 15 000lb/h entra a 230°F y sale como
condensado a 230°F. Calcular:
a. La temperatura que tiene la alimentación al entrar al evaporador.
b. Las libras de NaCl al 40% que se producen por hora.

Página
Simulación de
 Página
Simulación de
PROBLEMA 8
Se va a concentrar una solución de sosa del 10% al 25% en masa, la alimentación fresca (M1) se mezcla
con una corriente de recirculación (M2) para alimentarse a un cambiador de calor donde se eleva su
temperatura de 60°C a 62°C (sin que ocurra cambio de fase). Esta corriente se alimenta a un separador
donde se reduce la presión para provocar una vaporización instantánea de agua (M5) y una corriente
líquida de solución concentrada, de la cual una parte se recircula (M2) y otra sale como producto (M7).
Calcular:
a. La cantidad de solución al 25% de NaOH que se obtiene como producto.
b. La cantidad de masa recirculada.
c. El calor suministrado (Qs) en el cambiador de calor (suponiendo que las pérdidas de calor (QP)
representan el 20% de Qs)

Información adicional:
Temperatura de referencia = 0 °C, λ agua @ 60°C = 563 kcal/kg.
Las entalpías de las corrientes 2, 3, 4 y 7 se calculan con la ecuación H = 0.9t – 3.44. La
entalpía de la corriente 1 se calcula con la ecuación H = 0.8798t + 0.6253
En las ecuaciones anteriores la temperatura está en °C y la entalpía está en kcal/kg. Diagrama
4.4.2 Concentración de una solución.

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
PROBLEMA 9
Se requiere producir agua potable (como líquido) a razón de 4 850 pies cúbicos por hora. Mediante la
evaporación de agua de mar, esta contiene 3.5% w de sales y se encuentra a 80° F. La evaporación se
efectúa en una etapa hasta concentrar las sales a un 25% W y una temperatura de referencia de 0° C.
Determinar el flujo de vapor de calentamiento necesario/ lb de agua de mar alimentada para llevar a cabo
el proceso.

Página
Simulación de
 Página
Simulación de
PROBLEMA 10
Se requiere rectificar 5 000 lb/h de una mezcla con 54% w de benceno y 46% de tolueno a 80° F, para
producir un destilado a 180° F con 97.5% w de benceno y un producto de fondos a 229.6° F que contiene
1.5% w de benceno.
La alimentación se precalienta en un intercambiador de calor utilizando el producto de fondos, el cual
saldrá a 150° F. El destilado se condensa totalmente, regresando un reflujo líquido a la columna, con una
relación reflujo/producto = 1.5
Calcular:
a) Gasto masa del destilado y los fondos de la columna.
b) Temperatura de la mezcla alimentada a la columna.
c) Gasto masa del agua en el condensador, si entra a 60° F y sale a 80° F

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
3.- Investigar los métodos (con 5 ejemplos) de solución de lo

Solución de modelos matemáticos.

Para resolver un modelo matemático, en cada balance, debemos tener ecuaciones en forma
diferencial. De esa manera podemos integrar, por supuesto, conociendo las condiciones
iniciales. También es necesario incluir restricciones apropiadas, de manera que se puedan
obtener resultados lógicos, apegados a la realidad.

Modelos de Estado Estacionario y No Estacionario

Cuando los valores de las variables cambian con respecto al tiempo, se dice que se tiene un
estado no estacionario. Cuando la concentración de sustrato y la concentración celular son
constantes, se tiene un estado estacionario. En este estado no hay acumulación, debido a
que las condiciones son constantes, lo que quiere decir, que las derivadas con respecto al
tiempo se igualarán a cero, por lo que ahora tendremos:

Entrada - Salida = 0

Para verificar el modelo se debe aplicar la siguiente ecuación:

𝐼 =𝑉−𝐸
Donde:
• I: Es el número de variables independientes que pueden ser especificadas
• V: Es el número total de variables.
• E: Es el número de ecuaciones existentes.

El siguiente paso es verificar el sentido físico del modelo. Para hacer esto el modelo se
resuelve para una extensa variedad de condiciones, ya sea en forma analítica o por
computadora. Si el modelo es complejo, se debe simplificar de manera que se pueda
verificar con otro modelo ya conocido.

Página
Simulación de
A continuación, se da una lista de los puntos que se deben
verificar: 1.-Checar que las ecuaciones sean consistentes en sus dimensiones,
2.-Reducir a la forma de estado estacionario,
igualando todos los diferenciales a cero.
3.-Reducir a la forma intermitente o por
lotes, igualando los flujos de entrada y salida
a cero.
4.-Escribir todas las expresiones cinéticas
como expresiones de primer orden y checar
las soluciones.
5.-Verificar que el límite de la solución de
estado estacionario, como la velocidad de
ilusión, sea reducida a cero.
6.-Checar que el modelo se comporte
razonablemente en extremos
comprensibles de las variables independientes (Sinclair,1987).

Otro punto muy importante es que siempre se debe empezar a trabajar de lo más sencillo
hacia lo más complicado. Siempre se debe usar el modelo más sencillo que se adapte a los
conocimientos fundamentales de física, química y bioquímica

Página
Simulación de
Métodos de Solución de modelos matemáticos
Sustitución
Este método consiste en despejar alguna de las incógnitas en una ecuación (de preferencia
la incógnita que tenga menor coeficiente) y sustituir su valor en otra ecuación.
Si tuviéramos un sistema con más de dos incógnitas, la incógnita despejada se sustituye en
todas las demás ecuaciones excepto en la que se despejó, y ahora se tendría un sistema,
pero con una ecuación y una incógnita menos, este método se puede repetir hasta llegar a la
solución.

Página
Simulación de
Igualación
Este método es muy parecido al de sustitución, consiste en despejar de las dos ecuaciones
la misma incógnita e igualarlas, para obtener el valor de la segunda incógnita y después
sustituirlo en cualquiera de las ecuaciones que despejamos.

Página
Simulación de
Reducción
Este método es para sistemas lineales y de dos incógnitas (dos ecuaciones), consiste en
utilizar productos y divisiones para hacer que en las dos ecuaciones una incógnita tenga
el mismo coeficiente, pero diferente signo, y luego sumar las dos ecuaciones para que así
esa incógnita se elimine y nos quede una sola ecuación con una incógnita.

Página
Simulación de
Método gráfico
el método gráfico consiste en representar las gráficas asociadas a las ecuaciones del sistema
para deducir su solución. La solución del sistema es el punto de intersección entre las
gráficas. La razón de ello es que las coordenadas de dicho punto cumplen ambas
ecuaciones y, por tanto, es la solución del sistema.

Sólo se utiliza con dos incógnitas.

Los pasos son los siguientes:
1.- Despejar “y” en las dos ecuaciones.
2.-Construir la gráfica para cada ecuación, obteniendo la tabla de valores de cada una.
3.- Representar las dos rectas en una gráfica.
• Si las rectas se cortan, el punto de corte son los valores de “x” y “y”.
• Si son la misma recta, hay infinitas soluciones que son las coordenadas
de los puntos de esa recta.
• Si las rectas son paralelas, no hay soluciones reales.

Página
Simulación de
Método de Gauss
Este método consiste en convertir un sistema lineal de n ecuaciones con n incógnitas en
uno en dónde la primera ecuación tiene n incógnitas, la siguiente n-1 y así sucesivamente
hasta que la última tiene sólo 1 incógnita. Para resolver se parte de la última ecuación y se
van sustituyendo los valores para calcular las demás i El método de Gauss es una
generalización del método de reducción, que utilizamos para eliminar una incógnita en los
sistemas de dos ecuaciones con dos incógnitas. Consiste en la aplicación sucesiva del
método de reducción, utilizando los criterios de equivalencia de sistemas (comentados en el
epígrafe 2), para transformar la matriz ampliada con los términos independientes ( A* ) en
una matriz triangular, de modo que cada fila (ecuación) tenga una incógnita menos que la
inmediatamente anterior. incógnitas.

Página
Simulación de
Solución de modelos simbólicos.
Son representaciones de la realidad en forma de cifras, símbolos matemáticos y funciones,
para representar variables de decisión y relaciones que nos permiten describir y analizar el
comportamiento del sistema.
Se construyen mediante reglas notablemente abstractas ya que esta denominación suele
aplicarse a los casos a los que el objeto real se representa mediante una codificación
matemática.
Son representaciones de la realidad en forma de cifras, símbolos matemáticos y funciones,
para representar variables de decisión y relaciones que nos permiten describir y analizar el
comportamiento del sistema.

Tipos de Modelos Matemáticos

Cuantitativos y cualitativos: La mayor parte de los problemas de un negocio u

organización comienzan con un análisis y definición de un modelo cualitativo y se avanza
gradualmente hasta obtener un modelo cuantitativo. La investigación de operaciones se
ocupa de la sistematización de los modelos cualitativos y de su desarrollo hasta el punto en
que pueden cuantificarse. Cuando es posible construir un modelo matemático insertando
símbolos para representar relaciones entre constantes y variables estamos ante un modelo
cuantitativo. Una ecuación es un modelo de este tipo. Las fórmulas, las matrices, los
diagramas o series de valores que se obtienen mediante procesos matemáticos.

Probabilísticas y determinísticos: Los modelos que se basan en las probabilidades y

estadísticas y que se ocupan de incertidumbres futuras se llaman probabilísticas y los
modelos que no tienen consideraciones probabilísticas se llaman determinísticos el PERT,
los inventarios, la programación lineal, enfocan su atención en aquellas circunstancias que
son críticas y en los que las cantidades son determinadas y exactas.

Descriptivos y de optimización: Cuando un modelo constituye sencillamente una

descripción matemática de una condición real del sistema se llama descriptivo. Algunos de
estos modelos se emplean para mostrar geográficamente una situación y ayudan al
observador a evaluar resultados por secciones una sobre otra.

De simulación y no simulación: Con el uso de la computadora es fácil preparar un

modelo simulado paso por paso donde se puede reproducir el funcionamiento de sistemas o
problemas de gran escala.

Página
Simulación de
Solución de modelos numéricos.
Es una técnica basada en el cálculo numérico, utilizada en muchos campos de estudio
(ingeniería, ciencia, etc.)
para validar o refutar modelos conceptuales propuestos a partir de observaciones o
derivados de teorías anteriores. Si el cálculo de las ecuaciones que representan el modelo
propuesto es capaz de ajustar las observaciones, entonces se habla de un modelo
consistente con las mismas, y se dice también que el modelo numérico que confirma las
hipótesis (el modelo); si el cálculo no permite en ningún caso reproducir las observaciones,
se habla de un modelo inconsistente con los datos y que refuta el modelo conceptual. A
menudo, este término se utiliza como sinónimo de simulación numérica.

Métodos de solución de modelos numéricos.

El Método de Bisección:
aplica a funciones algebraicas o trascendentes y proporciona ´únicamente raíces reales.
Tiene su origen en un popular algoritmo de búsqueda de datos en arreglos vectoriales
denominado búsqueda binaria. Es un método cerrado, es decir, requiere de un intervalo en
el cual esté atrapada una raíz. Básicamente, consiste en cortar el intervalo en dos justos por
la mitad (bisectar) considerando a este punto como una aproximación de la raíz de la
función. Posteriormente, debe determinarse si la raíz verdadera se encuentra a la derecha o
a la izquierda de la aproximación y, seg´un corresponda, cerrar el intervalo con la
aproximación y el límite derecho o izquierdo, pero siempre manteniendo a la raíz verdadera
en el intervalo.

Métodos de Newton-Raphson. Usos de la Derivada de la Función

es un método abierto, en el sentido de que su convergencia global no está garantizada. La
única manera de alcanzar la convergencia es seleccionar un valor inicial lo suficientemente
cercano a la raíz buscada. La relativa cercanía del punto inicial a la raíz depende mucho de
la naturaleza de la propia función; si ésta presenta múltiples puntos de inflexión o
pendientes grandes en el entorno de la raíz, entonces las probabilidades de que el algoritmo
diverja aumentan, lo cual exige seleccionar un valor supuesto cercano a la raíz.

Método de la secante
En análisis numérico el método de la secante es un método para encontrar los ceros de una
función de forma iterativa. Es una variación del método de Newton-Raphson donde en vez
de calcular la derivada de la función en el punto de estudio, teniendo en mente la definición
de derivada, se aproxima la pendiente a la recta que une la función evaluada en el punto de
estudio y en el punto de la iteración anterior. Este método es de especial interés cuando el
coste computacional de derivar la función

Página
Simulación de
de estudio y evaluarla es demasiado elevado, por lo que el método de Newton no resulta
atractivo. En otras palabras, el método de la secante es un algoritmo de la raíz de
investigación que utiliza una serie de raíces de las líneas secantes para aproximar mejor la
raíz de una función f. El método de la secante se puede considerar como una aproximación
en diferencias finitas del método de Newton- Raphson. Sin embargo, este método fue
desarrollado independientemente de este último. El método se define por la relación de
recurrencia:

Ejemplos
1.- Se dispone de una mezcla liquida conteniendo 1500 kmol de isobutano de los siguientes
compuestos, en fase liquida se requiere conocer la temperatura de burbuja de dicha mezcla
a una presión de 1.2 atm=912mmHg.

Página
Simulación de
2.- se tiene dos corrientes en fase liquida las cuales van procesadas las corrientes y sus
composiciones son las sig. Para lo anterior se requiere conocer la temperatura del punto de
burbuja de dicho sistema.

Página
Simulación de
3.- se tiene disponibles 3 grupos de corrientes A, B Y C, expresados en Kmoles/día. Estas
corrientes se mezclarán para ser tratadas en una torre de destilación por fraccionamiento a
una presión de 2.3 atm. Determinar la temperatura de roció del sistema.

Página
Simulación de
4.- 10500 kmol/día son alimentados a una columna de destilación con rectificación
distribuidos en 3 corrientes A, B, C. la columna opera a una presion de 3.5 atm el
componente clave ligero es el butano normal del cual se desea recuperar el 97% por el
domo de la columna y se desea además de recuperar el 93.5 % del componente clave
pesado por el fondo de la misma. Calcular la temperatura de roció del sistema.

Página
Simulación de
5.- una mezcla de 2000 kmol de benceno-tolueno de composición 36.109% en peso de
benceno es sometida a una destilación diferencial a 1 atm. Interrumpiéndose la operación
cuando se ha destilado al 68% de la carga. determinar, la composición del destilado.

Página
Simulación de
4.- Identifique que método de solución realizado en el
punto 3 es el más adecuado para resolución de los modelo

Del mi punto de vista considero que primero debemos analizar el problema, en este caso el
modelo matemático al que nos enfrentamos ya que de acuerdo a eso podemos seleccionar el
método de solución del mismo, si bien cada método de solución de cada modelo tiene
funciones específica, en consideración al ámbito de ingeniería química se puede establecer
que la solución del modelo numérico es el mas completo por así decirlo ya que abarca todo
el ámbito de las resoluciones matemáticas y se puede generar modelos desde lo más básico
hasta los mas complejo, cabe mencionar que el modelo simbólico entre en campo del
modelaje numérico ya que representa la realidad en forma de cifras, símbolos matemáticos
y funciones, para representar variables de decisión y relaciones que nos permiten describir
y analizar el comportamiento del sistema.

Página
Simulación de
5.- investigar (con 5 ejemplos) los métodos
modulares secuenciales y orientados a
ecuaciones.
Método modular secuencial
Consiste básicamente en la solución simultánea de
las ecuaciones que describen el diagrama de flujo,
es decir, resolver el enorme sistema de ecuaciones
algebraicas no lineales que constituye el modelo
matemático del proceso completo, por algún
procedimiento de solución de sistemas de
ecuaciones.

La estructura modular secuencial implica la interpretación del diagrama de flujo del

Proceso como un grupo de unidades de proceso (equipos), para cada una de las cuales
existen subrutinas de cálculo o módulos. En este método, una subrutina de cálculo para una
unidad de proceso dada, calcula las variables de las corrientes de salida de esa unidad de
proceso con base en el modelo matemático correspondiente a ese equipo, conocidas las
variables de las corrientes de entrada y los parámetros de equipo de esa unidad de proceso.
Las corrientes de reciclo en el proceso son resueltas, en este método, mediante un
procedimiento iterativo. Se suponen valores iniciales de las variables de una o varias
corrientes involucradas en el reciclo y se busca la convergencia de los valores de esas
variables en el proceso iterativo.

Simuladores secuenciales modulares

Los simuladores modulares secuenciales se basan, en módulos de simulación
independientes que siguen aproximadamente la misma filosofía que las operaciones
unitarias, es decir, cada equipo: bomba, válvula, intercambiadores, etc.; son modelados a
través de modelos específicos para los mismos y además, el sentido de la información
coincide con el “flujo físico” en la planta

Página
Simulación de
Método orientado a ecuaciones.
Consiste básicamente en la solución simultanea de las ecuaciones que describen el
diagrama de flujo. Es decir, consiste en resolver el enorme sistema de ecuaciones
algebraicas no-lineales que constituye el modelo matemático del proceso completo, por
algún procedimiento de solución de sistemas de ecuaciones. Cuando se consideran
subsistemas pequeños de plantas químicas, el número de relaciones descriptoras son
pequeñas y el desarrollo de una estrategia computacional es fácil. Usualmente las
relaciones pueden ser resueltas partiendo directamente de las ecuaciones, después,
resolviendo cada ecuación del conjunto para una variable desconocida simple de una
manera ordenada. Cuando los conjuntos de ecuaciones llegan a ser acoplados,
principalmente, cuando cada relación involucra la mayoría de las variables desconocidas, la
probabilidad de que un conjunto de ecuaciones pueda ser partido decrece. Cuando un
conjunto de ecuaciones no puede ser partido, las ecuaciones deben ser resueltas
simultáneamente o un esquema iterativo debe ser desarrollado.

Simuladores orientados a ecuaciones

se plantea el modelo matemático que representa al proceso construyendo un gran sistema
de ecuaciones algebraicas que representa a todo el conjunto o planta a simular De esta
forma, el problema se traduce en resolver un gran sistema de ecuaciones algebraicas, por lo
general altamente no lineales. Tienen el problema de la convergencia y la consistencia de la
solución. En efecto, en problemas altamente no lineales pueden producir múltiples
soluciones.

Página
Simulación de
Método modular secuencial (ejemplos)

Página
Simulación de
 Página
Simulación de
 Página
Simulación de
 Página
Simulación de
 Página
Simulación de
 Página
Simulación de
 Página
Simulación de
Método orientado a ecuaciones (ejemplos)

Página
Simulación de
 Página 57
Simulación de
 Página 58
Simulación de
 Página 59
Simulación de
6.-Realice una lista de ventajas y desventajas del método
modular secuencial y también del método orientado a
ecuaciones.
VENTAJAS Y DESVENTAJAS DEL MÉTODO MODULAR SECUENCIAL

VENTAJAS DESVENTAJAS
 Se utilizan subrutinas  Los problemas de diseño
computacionales que resuelven los (selección de parámetros) son más
balances de materia y energía para difíciles de resolver.
cada equipo en forma
independiente.  La responsabilidad de las hipótesis
 Los simuladores modulares adoptadas, los niveles de cálculo
secuenciales se basan, en módulos seleccionados, y la interpretación
de simulación independientes que de los resultados, será siempre una
siguen aproximadamente la misma tarea exclusiva del operador del
filosofía que las operaciones simulador, es decir el ingeniero de
unitarias, es decir, son modelados a procesos.
través de modelos específicos para  Utiliza un método de cálculo
los mismos y además, el sentido de rígido, que puede dar lugar a
la información coincide con el iteraciones innecesarias
“flujo físico” en la planta.  Problemas con la recirculación de
 Cada sistema de ecuaciones es materiales, energía y señal debido
resuelto con una metodología que hay que si existe recirculaciones se
resulta adecuada para el mismo, ya necesita abrir las recirculaciones
que es posible analizar bajo todas en algún punto y resolver.
las circunstancias posibles, el
comportamiento del método de
resolución propuesto, esto es
sistemas ideales, no ideales,
topologías diversas del equipo,
distintas variantes, etc.
 Permite establecer subprogramas
muy sólidos, que pueden
comprobar las condiciones
utilizadas, seleccionar los
algoritmos de cálculo más
adecuados para asegurar una
rápida convergencia y estabilidad
de la solución.
 La resolución de un módulo de
simulación de un equipo en

Página
60
Simulación de procesos
 particular significa obtener como
resultados las variables de salida a
partir de las variables de entrada,
parámetros de funcionamiento y
fisicoquímica
 En un simulador modular
secuencial, se debe almacenar la
topología del proceso (DFI), se
necesita ejecutar algoritmos de
particionado, rasgado y
ordenamiento, para detectar los
ciclos, y definir las corrientes
iteradoras a los efectos de solicitar
al usuario sus valores iniciales.
 La adecuada selección de las
variables especificadas y de los
parámetros de funcionamiento para
los módulos; sus modos de cálculo y
la fisicoquímica correspondiente son
los responsables de la convergencia
o no del sistema y del tiempo de
cómputo total utilizado
 Es más fácil el diagnóstico de
ciertos errores. Como sistemas de
ecuaciones mal especificados.
Problema grande, se puede localizar
el error y es relativamente simple de
resolver

Página 61
Simulación de procesos
 VENTAJAS Y DESVENTAJAS DEL MÉTODO ORIENTADO A ECUACIONES
VENTAJAS DESVENTAJAS
 El método orientado a ecuaciones
 Solución simultanea de ecuaciones en caso de haber un error y no
que describen el diagrama de lograr la convergencia, resultara
flujo. difícil de localizar el problema.
 Resolver el enorme sistema de  Se tendrá la necesidad de resolver
ecuaciones algebraicas que simultáneamente sistemas de cientos
describen no lineales que o miles de ecuaciones algebraicas
constituye el modelo matemático no lineales cuyos métodos
del proceso completo, por numéricos de solución requerirán
algún procedimiento de sistema de buenas aproximaciones iniciales de
ecuaciones. los cientos o miles de incógnitas
 El método orientado a ecuaciones para poder resolver la convergencia
ofrece una convergencia más  requiere una buena inicialización
rápida.  las soluciones encontradas pueden
 Cada equipo se representa por las no ser consistentes
ecuaciones que lo modelan. El (en plantas que pueden aparecen
modelo es la integración de todos múltiples soluciones).
los subsistemas.  más difícil de usar por no
 Cada equipo se representa por las especialistas.
ecuaciones que lo modelan.
 Generalmente se aplica a casos
donde se desea probar gran
número de posibilidades con
variación de propiedades de
corrientes, condiciones de
operación y parámetros de
equipos, sin variar el diagrama de
flujo.
 Las ecuaciones de balance de los
equipos se resuelven en forma
conjunta por métodos automáticos
de particionado para facilitar
resolución y reducir memoria.
 Más fácil de resolver en
comparación con el modelo
modular secuencial.

Página
62
Simulación de procesos
 BIBLIOGRAFIA
Felder, R. M., Rousseau, R. W., & Bullard, L. G. (2019). Principios elementales de los
procesos químicos, 4e Problemas de reserva abreviada Compañero de impresión de hojas
sueltas (4.a ed.). Wiley.
https://www.academia.edu/39506964/Principios_elementales_de_los_procesos_qu imicos

Roldán, P. N. (2019, 3 enero). Modelo matemático. Economipedia. Recuperado 24 de

agosto de 2022, de https://economipedia.com/definiciones/modelo-
matematico.html#:%7E:text=Un%20modelo%20matem%C3%A1tico%20es%20un a,
%E2%80%9Cteor%C3%ADa%20de%20los%20modelos%E2%80%9D.

Balances de Materia y Energía. (s. f.). studocu.com. Recuperado 25 de agosto de 2022,

de https://www.studocu.com/es-mx/document/universidad-tecnologica-de-
tecamachalco/quimica/balances-de-materia-y-energia-ejercicios- resueltos/17516987

Brito-Vallina, M. L. (2011, 25 mayo). Papel de la modelación matemática en la formación

de los ingenieros. scielo.sld. Recuperado 25 de agosto de 2022, de
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59442011000200005

Espinosa, S. (2022, 24 enero). Diferencia entre ecuaciones lineales y no lineales - con

ejemplos. unprofesor.com. Recuperado 25 de agosto de 2022, de
https://www.unprofesor.com/matematicas/diferencia-entre-ecuaciones-lineales-y- no-
lineales-con-ejemplos-5220.html

Link125Ikesimulacion, A. (2016, 25 abril). Modelado de simulación de procesos

químicos. Simulación de Procesos por Daniel Castañeda Camarillo. Recuperado 26 de
agosto de 2022, de
https://link125ikesimulacion.wordpress.com/2016/04/25/modelado-de-simulacion- de-
procesos-quimicos/

Avila, J. L. Q. (s. f.). Simulacion de procesos. ..slideshare.net. Recuperado 26 de agosto

de 2022, de https://es.slideshare.net/juandelascanicas/simulacion-de-
procesos- 53798037#:%7E:text=M%C3%89TODO%20ORIENTADO%20A
%20ECUACIONE
S.,describen%20el%20diagrama%20de%20flujo.

Página
Simulación de
PDF
Modelos y modelización. Recuperado 24 de agosto de 2022, de chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.um.es/documents/4874
468/10375216/msa-cap-04.pdf/7e53a0b7-fd27-4b11-ae0b-c26edbbf8c1e

Edison de Faria Campos (2016) Modelos matemáticos con ecuaciones

diferenciales. Recuperado 24 deagosto de 2022, de chrome-
extension://efaidnbmnnnibpcajpcglclefindmkaj/http://funes.uniandes.edu.co/17115/
1/DeFaria2016Modelos.pdf

Vigil, J. C. (2011). APPLICATION OF NUMERICAL METHODS TO SOLVE

NONLINEAR EQUATIONS FOR SEA WAVE MODELING. Universidad Ricardo
Palma, 1–6. https://www.urp.edu.pe/pdf/id/2555/n/application-of-numerical-
methods-to-solve-#:~:text=El%20método%20de%20Newton- Raphson%20es%20un
%20método%20abierto%2C%20en,cercano%20a%20la%2 0raíz%20buscada.

Página
Simulación de