“AÑO DE LA UNIDAD, LA PAZ Y EL DESARROLLO”

UNIVERSIDAD CONTINENTAL

Modelación Ambiental
NRC: 20551

Modalidad presencial

FACULTAD DE INGENIERÍAS

Resumen de lecturas - Semana 01

“Conceptos fundamentales de la modelación y
simulación”

Docente:

- Ponce Mallea, Marco Adrian

Presentado por:

- Cornejo Hidalgo, Pablo Fernando. 100%

- Machaca Vera, Melina Lensey. 100%

Arequipa - Perú
2023 – 10
Resumen
El presente trabajo da a conocer las simulaciones de forma aceptada y los distintos tipos de estudios
que se ven en las prácticas de la industria química y bioquímica. Los diferentes tipos de simulación
que se pueden llevar a cabo para hacer el respectivo análisis del comportamiento de las operaciones
unitarias o de dicha planta. Si es que hay pérdida o daño real al mundo real. Asimismo, también
pueden ser usadas para predecir pérdidas

Siendo de gran aliado los diversos equipos electrónicos, los cuales nos ayudan con la complejidad de
los casos, optimizando los distintos procesos, las ecuaciones, etc. Considerando los efectos
ambientales a corto y a largo plazo, gracias al modelo ambiental que nos permite diseñar los
diferentes tipos de simulaciones que abrian

Las computadoras han ayudado a resolver problemas complejos que involucran sistemas de
ecuaciones no lineales, problemas deoptimización, ecuaciones diferenciales parciales, etc. Esto ha
ayudado en el desar rollo de un enfoque integrado para el diseño de procesos. Ahora se puede
considerar el efecto de los problemas ambientales, la elección del contralor, la seguridad del proceso
y similares en el diseño económico de gracias al uso de la simulación.
 Introducción a la Modelización y Simulación

Actualmente la simulación es un método para el estudio de diversos procesos que se practican en las
industrias, incluyendo procesos como el control de la contaminación del aire y el agua; estos pueden
involucrar a una sección o toda la planta; se lleva a cabo para el estudio del comportamiento de las
operaciones de la fábrica sin causar pérdida o daño real en el ambiente modelado de la misma. La
ingeniería de sistemas de procesos ha ido evolucionando con el tiempo y ahora se basa en
herramientas asistidas por la tecnología y metodologías teóricas.

Con la intervención de las computadoras la resolución de problemas complejos ha ayudado al

desarrollo de un enfoque integrado en el diseño de procesos. Por lo cual se infiere que la simulación
es la representación del comportamiento de un sistema real mediante el uso de las ecuaciones
matemáticas, las cuales pueden ser lineales o no, ecuaciones diferenciales parciales o totales, con tal
que el resultado sea el satisfactorio y no represente un riesgo tanto en la modelación como en la vida
real.

1.1.- Procesos Químicos:

Los procesos utilizados en la industria química son complejos por naturaleza, los problemas
dados en las aulas son representaciones simplificadas por lo cual se repiten varias veces así como las
versiones finales representando los procesos en un conjunto de ecuaciones; ecuaciones sencillas
como Poiseuille la cual describe el comportamiento de los fluidos en tuberías hasta que nos topamos
con un fluido no newtoniano, dadas las naturalezas de estos ya vistas en los semestres pasados,
siendo algunos turbulentos o por la mismas características de las tuberías. Estos fenómenos deben
expresarse en términos de ecuaciones matemáticas utilizando leyes conocidas de la física por lo cual
hay una descripción detallada de un proceso dará como resultado un gran conjunto de ecuaciones
matemáticas siendo así que aumenta el grado de dificultad para resolver estas ecuaciones.

1.1.1.- Proceso Unitario: Lecho Fijo.

Se considera lecho fijo a un fluido que entra desde la parte inferior de la columna a través de un
distribuidor, por lo cual la caída de presión debido a una sola partícula se puede determinar a partir
de la fuerza de arrastre obtenida ya que se conoce el campo de flujo alrededor de esa partícula; una
de estas relaciones es la ley de Stokes, sin embargo, aún no está claro el cómo usar esa información
para determinar la caída de presión a través de un lecho de partículas.

1.1.1.1.- Complejidades:

● No todos los lechos fijos contienen las mismas partículas, estos se pueden utilizar en las
aplicaciones industriales.
● No todas tienen las mismas formas y tamaños.
● La distancia entre partículas puede ser diferente.
● La fuerza de arrastre es diferente debido a que el espacio intersticial puede variar.
● La velocidad del fluido dependerá de varios factores tales como el orificio de entrada, la
extensión del fluido, etc.
● El comportamiento de los lechos poco profundos varía al de los lechos fijos.
● En cuanto a los lechos fijos, la velocidad del fluido dependerá de la distancia al centro por lo
que su variación es radial.
● Los lechos fijos pueden gozar de todos los flujos, sean laminares, de transición o turbulentos.
● El tipo de flujo depende del número de Reynolds, por lo cual este variará en cuanto a la
forma de la partícula.
● En cuanto a una reacción violenta, el caudal puede pasar de una dirección radial a una
reacción axial.
● Los gases dependen de la temperatura y presión a la que el lecho se vea expuesto.
● La presión de los gases dependerá de la altura del empaque o del lecho.
● Los regímenes de flujo pueden cambiar a temperaturas elevadas, por lo cual los lechos fijos
que operan a temperaturas elevadas es diferente a los que operan en condiciones
ambientales.

Por lo tanto, la velocidad superficial del fluido es hipotética, pero se está utilizando sin mucha
discusión; Esto se debe a la necesidad de encontrar una manera de describir el comportamiento
hidrodinámico del lecho fijo. Debido a la amplia gama de condiciones de operación y parámetros
geométricos, en la literatura se informan varios modelos y correlaciones para el flujo en lechos fijos.
No es una tarea fácil proponer una ecuación universal para definir la caída de presión en los lechos
fijos.

1.1.2.- Planta de Ácido Sulfúrico:

En una planta de proceso se utilizan varios tipos diferentes de equipos y varios tipos similares de
ecualización, pero de diferentes tamaños, como se ve en el caso de una planta de ácido sulfúrico.
Una descripción matemática del proceso es, por lo tanto, mucho más complicada que la de una sola
unidad.

Por lo tanto, en este proceso se utilizan varios reactores y adsorbedores de lecho fijo. Si se usa un
conjunto de ecuaciones para describir el comportamiento de una determinada cama fija, entonces se
puede usar un conjunto similar de ecuaciones para describir todas las demás camas fijas. Sin
embargo, las condiciones de funcionamiento y las reacciones en cada lecho fijo pueden ser
diferentes, lo que da lugar a diferentes comportamientos. Cada lecho fijo puede considerarse un
submodelo de un modelo para toda la planta.

1.1.3.- Naturaleza Compleja de los Procesos Químicos.

Los procesos químicos son de naturaleza compleja por lo que exhiben un comportamiento no
lineal y no equilibrado, dicha complejidad se debe a fenómenos de transferencia de momento, calor
y masa simultánea. En una escala diferente los fenómenos físicos que gobiernan un proceso son
diferente, Charpentier propuso un enfoque multiescala integrado (procesos
moleculares-producto-ingeniería de procesos) para el diseño y la fabricación de productos químicos.

La industria de procesos debería ser capaz de manejar estos problemas y con la ayuda de estudios de
simulación, la gestión de la cadena de suministro y la programación del tiempo de múltiples
productos son algunos problemas que se han abordado por lo cual los ingenieros químicos son
capaces de abordar problemas más complejos.

1.2.- ¿Qué es la simulación?

Es el proceso de analizar un proceso completo o una parte de él, utilizando un conjunto de

ecuaciones, se podría incluir la optimización de las condiciones de funcionamiento, el análisis del
efecto de la variación de entrada en las propiedades del flujo de salida o la solución de problemas de
un proceso. Por lo que la simulación implica varios parámetros y estudian los efectos de estas
variables; resumiendo, Korn explica “La simulación es la experimentación con los modelos”.

Los problemas se pueden dividir en dos tipos: Problema de calificación; se conocen las entradas y se
desea determinar las variables de salida por lo cual el problema se puede resolver a través de las
ecuaciones del modelo directamente. Problema de diseño; donde se conocen los valores deseados
de la salida y se desconocen los valores de entrada donde la solución probable es invertir las
ecuaciones del modelo según Charpentier.
Las resoluciones conllevan a la metodología en la cual se debe de tratar al problema como un
“problema de optimización”, este método conlleva a varias soluciones sin embargo la solución más
deseada es la más económica y la cual se obtiene mediante técnicas de optimización.

⮚ Tipos de simulación:

La formulación del problema, las variables y las ecuaciones, así como la metodología de solución en
cada simulación puede ser diferente:

✔ Simulación de estado estacionario:

Las variables y parámetros son constantes en un periodo atemporal, por lo
que las ecuaciones son de modelo simple ya que la variable tiempo no está presente,
por lo que las fluctuaciones son capaces de predecir el comportamiento dinámico del
proceso.
✔ Simulación Dinámica:
Es la simulación por excelencia ya que los procesos en la industria operan en
un modo discontinuo por lo que los procesos son de naturaleza dinámica; por lo que
los sistemas basados en simulación dinámica se podrían llegar a utilizar para
capacitar al personal y los operadores se familiarizaron con el comportamiento de las
operaciones unitarias y sistemas de control, estos sistemas se pueden utilizar para
verificar las respuestas por lo que el proceso de aprendizaje se puede llevar a cabo
en la inclusión en ausencia de un instructor.
✔ Simulación Estocástica (Monte Carlo):
Es la simulación que involucra variables aleatorias por lo cual se utilizarían las
leyes más básicas de la física; los modelos al ser más sencillos resultan en una
simulación donde los resultados son los promedios de la simulación.
✔ Simulación de Eventos Discretos:
Las variables cambian continuamente, un caso más sería el de conducción de
calor, la cual puede ser un proceso de estado estacionario, por lo que el proceso es
de naturaleza discreta; conduciendo a una simulación de eventos discretos donde
generalmente involucran variables aleatorias o variables discretas.
✔ Simulación Molecular:
Estas simulaciones pueden ayudar a estudiar la difusión en la nanoescala, o
el desarrollo de nuevos fármacos, enzimas y biocatalizadores. Sin embargo, las
simulaciones moleculares consumen mucho tiempo, lo que requiere una gran
potencia computacional. En la actualidad, las supercomputadoras se utilizan para
llevar a cabo la simulación molecular.

⮚ Aplicaciones de la simulación en Ingeniería Química:

 La simulación es una herramienta importante para los ingenieros químicos ya que se
utiliza desde el diseño hasta la puesta en marcha de una planta química. Los procesos son tan
complejos que el método tradicional de cambiar variables no es posible; sin embargo, es posible
utilizar estudios de simulación.

❖ Síntesis de Procesos:
Los estudios de simulación han permitido considerar la instrumentación de proceso y
control durante las primeras etapas de diseño. Si se quiere elegir una alternativa de
proceso entre muchas, entonces se requiere una buena comprensión del
comportamiento del proceso. Se pueden llevar a cabo estudios de simulación para
evaluar varias alternativas de proceso, lo que reduce el riesgo involucrado en la elección
de un proceso alternativo.

❖ Diseño de Equipos:
El diseño de equipos individuales implica la determinación de su tamaño óptimo, que
se puede lograr mediante la simulación repetida del equipo. Se procuran o desarrollan
programas informáticos para el diseño de equipos. La simulación ayuda a decidir sobre
las variables de diseño. Se puede utilizar un modelo de simulación para diseñar una sola
pieza de equipo o una planta completa.

❖ Retroadaptación:
El desarrollo de metodologías de diseño asistido por ordenador ha facilitado los
estudios de simplificación. Dado que el diseño se considera una simulación repetida, se
pueden realizar varias ejecuciones paralelas en diferentes ubicaciones simultáneamente
para ahorrar tiempo. Los estudios de simulación se pueden llevar a cabo sin perturbar el
proceso de operación. El proceso puede analizarse en busca de condiciones antes de
realizar cualquier modificación o cambio en el proceso de la política operativa o de
recursos.

❖ Diseño de Procesos:
Si un modelo de simulación es fiable, se traduce en un ahorro de tiempo y costes de
distribución. La simulación se puede utilizar para explorar nuevas alternativas sin
experimentar con el equipo o proceso. Por lo tanto, la simulación también puede
considerarse un experimento y puede eliminar los estudios realizados con costosas
plantas piloto. Una simulación se puede utilizar para estudiar el efecto de muchas
variables en un corto período de tiempo en comparación con lo que se requiere para un
experimento real.

❖ Operación del Proceso:

La simulación se puede utilizar para estimar rápidamente las condiciones óptimas de
operación de la planta y ayudar a la gerencia a tomar las medidas adecuadas. Las
fluctuaciones en la disponibilidad y el precio de las materias primas, el precio del
 producto, la demanda del producto afecta a las «condiciones óptimas» antes
mencionadas.

❖ Control de Procesos:
El rendimiento en un reactor se puede aumentar controlando la temperatura, la
presión y otras condiciones de funcionamiento. Una caída en el rendimiento aumentará
la carga en el separador y disminuirá la producción. El control de calidad de un producto
en un proceso se logra mediante el uso de varios instrumentos. Estos incluyen
instrumentos de medición, controladores, válvulas y otros dispositivos accionados por la
entrada del controlador. El control de procesos requiere una buena comprensión de la
dinámica de un proceso. El comportamiento dinámico de los elementos de medición y el
elemento de control final también es esencial en el diseño del controlador.

❖ Seguridad del Proceso:

Los procesos para reducir la contaminación ambiental pueden ser desarrollados,
diseñados y evaluados. Una simulación se puede utilizar para estudiar diversos aspectos
relacionados con los peligros y las formas de manejarlos.

❖ Formación del Personal:

La simulación se puede utilizar para capacitar al personal de la industria para enseñar
tanto a los aprendices como a los profesionales las habilidades básicas en análisis de
sistemas, análisis estadístico y toma de decisiones. Los simuladores de procesos para una
industria determinada simulan el proceso y muestran el resultado en tiempo real y en un
entorno real. Ayuda al personal a comprender mejor el proceso y los prepara para actuar
rápidamente en caso de cualquier situación anormal.

1.3.- Modelado:

El éxito de una simulación depende del modelo que se utilice. Por lo tanto, el modelado se
convierte en un requisito previo para la simulación. Los lenguajes de modelado de alto nivel han
hecho que la construcción de modelos sea bastante fácil. Tal software tendría muchos submodelos
incorporados. La programación orientada a objetos y la interfaz gráfica de usuario han hecho que la
construcción de modelos sea fácil y fácil. Sin embargo, todavía necesita experiencia, imaginación,
buena comprensión del proceso y validación del modelo.

▪ ¿Qué es un modelo?
Un modelo puede ser un modelo estático o un modelo dinámico, y es una
representación visual del proceso real. Los modelos estáticos imitan una imagen visual de
una máquina o estructura. Por lo tanto, el propósito de un modelo es imitar el rendimiento
de un fenómeno físico. Como los científicos e ingenieros requieren una descripción
cuantitativa de un proceso, se requiere un concepto que imite el proceso. También se puede
decir que la idealización o aproximación de los procesos fisicoquímicos se denomina
 "modelización". Por lo tanto, una representación o descripción de un fenómeno físico por un
sistema de ecuaciones matemáticas también se llama modelo.

Un modelo debe ser capaz de predecir el comportamiento de un proceso. Después de

resolver las ecuaciones del modelo, se pueden estimar varios estados de un proceso. La
solución no necesita predecir todos los aspectos del proceso. Muchos modelos que
describen algunos aspectos limitados pueden ensamblarse juntos. Con frecuencia, se utilizan
modelos separados que describen la cinética, la transferencia de calor y la transferencia de
masa.

▪ Papel de la modelización en la simulación:

La simulación se basa en el conjunto de ecuaciones que representan un proceso. Este
conjunto de ecuaciones se denomina modelo. Un buen modelo es necesario para
comprender mejor el proceso. Las ecuaciones del modelo requieren una buena comprensión
de las características del proceso o equipo involucrado.
▪ Limitaciones de los modelos:
Las variables que afectan significativamente al proceso siempre deben incluirse en el
modelo de proceso. En otras palabras, el proceso puede ser más sensible a algunas variables
en comparación con otras. Esta información es útil al diseñar un esquema de control.

Las predicciones del proceso se basan en la precisión del modelo utilizado. Un modelo en sí
mismo es una representación matemática idealista de un proceso y, por lo tanto, en
principio, nunca puede describir el comportamiento exacto del proceso. Dado que un
modelo es aceptable sólo después de su validación basada en los datos experimentales, la
precisión del modelo también depende de la precisión de los datos experimentales.

A menudo, cuando los datos experimentales obtenidos a escala de laboratorio se utilizan

para validar un modelo desarrollado para equipos a gran escala, los resultados distan mucho
de ser satisfactorios debido al intento de aplicar un modelo desarrollado en una escala a
otra.

Por lo tanto, la actividad de modelización implica la simplificación o idealización de un

proceso, sin embargo, después de la simplificación, el modelo debe ser capaz de capturar las
características básicas de interés. La teoría de la capa límite, el modelo de película para
procesos de transferencia y la teoría de la distribución del tiempo de residencia son algunos
de los modelos más simples.
 Una introducción a la modelización matemática

El modelado de Matemática ofrece información sobre cómo predecir, controlar y optimizar sistemas.

El modelado matemático tiene como objetivo descomponer los sistemas complejos en sus dinámicas
e interacciones clave. Estas características del sistema (por ejemplo, la tasa R...) se establecen en
forma matemática,con cada término de la ecuación del modelo representando una característica
particular (generalmente, aunque no siempre el caso). Aislar cada característica como parte del
modelo más amplio nos permite experimentar con el sistema computacionalmente, determinar qué
dinámica es más significativa y explorar qué impacto pueden tener los cambios en el sistema, más
allá de las limitaciones de las pruebas en la vida real.

Estos sistemas ocurren con mayor frecuencia en biología, pero la siguiente discusión de los pasos
para construir un modelo matemático exitoso se puede aplicar en otras partes en epidemiología,
finanzas, pronóstico del tiempo y sistemas de gestión como la agricultura y la atención médica. El
modelado matemático ofrece una visión incomparable de cómo predecir, controlar y optimizar los
sistemas, que se ha convertido en una parte fundamental de cómo interactuamos con el mundo
natural.

Paso 1: Formación de un modelo conceptual

Primero debemos dividir un sistema complejo en las principales características e interacciones

involucradas. La información sobre las diferentes partes del sistema se extrae de la literatura
científica y de la observación/experimentos específicamente diseñados necesarios para cualquier
laguna de conocimiento. Reuniendo información suficiente para dibujar un diagrama de lo que está
sucediendo, pero no suficiente para hacer predicciones sobre el sistema con certeza

Si queremos modelar la cantidad de morfógeno en un punto y tiempo determinados, debe incluir las
siguientes características

● producción del morfógeno, por un tipo de célula específica

● difusión del morfógeno (que se extiende en el área circundante, como el perfume DrOplets
en el aire)
● captación (absorción) del morfógeno por otros tipos de células, y degradación del morfógeno
(es decir, tienen una vida útil, generalmente corta en las condiciones de almacenamiento no
ideales del cuerpo).
 ● Se podrían considerar la proliferación (división celular) de las células responsables de la
producción y absorción de morfógenos, la muerte celular y la migración celular. Decidir qué
características son necesarias incluir requiere considerar el tiempo y la escala espacial que le
interesa para el propósito de su modelo.

La importancia de la escala

Las dinámicas que trabajan a través de estas diferentes escalas tendrán una importancia
variable en un modelo particular, y es posible que no sea necesario considerarlas
explícitamente dependiendo del nivel de detalle requerido. Por ejemplo, la producción de un
morfógeno comienza con la transcripción del ADN en el núcleo de la célula, con una actividad
furry de otra responsable de la secreción de cada molécula de morfógeno por la célula. Sin
embargo, si estamos en un nivel de tejido, en el que se pueden encontrar miles de estas
moléculas por área cuadrada, no necesitamos modelar el número discreto de moléculas, y en
su lugar podemos modelar la concentración (una variable continua). Del mismo modo, si
nuestra escala de tiempo abarca minutos u horas, en lugar de segundos o milisegundos, no
necesitaremos considerar explícitamente lo que está sucediendo dentro de cada célula. Los
procesos celulares internos ocurren en una escala comparativamente tan rápida que solo se
necesita el resultado final de la dinámica de producción interna: la tasa general de
producción, en lugar de la tasa de transcripción, etc

Paso 2: Escribir las matemáticas

Requiere que reunamos suficientes datos para convertir el modelo conceptual en un modelo
matemático riguroso y estrictamente definido que pueda probarse contra una mayor recopilación de
datos. Una ecuación típica de un modelo matemático hoy en día está, en términos generales,
formada por varios términos que son cada uno modelos por derecho propio.

Las características de nuestro modelo de morfógeno es un mini-sistema que ha sido previamente

investigado y modelado. Los modelos de difusión se prueban y se combinan mediante experimentos
con tinte en agua; El modelo de producción de una sustancia química por una célula es el resultado
de muchos experimentos a lo largo de los años, que nos ha demostrado la dependencia de tal
modelo tanto del tipo de sustancia química, el tipo de célula y potencialmente el entorno que la
rodea; la absorción de sustancias químicas por las células es un proceso similarmente involucrado.

Para la producción del morfógeno. Primero, consideramos los factores clave que influyen en la
producción: Factores ambientales como el nivel de oxígeno y la presencia de otros morfógenos. Dado
que las células producen el morfógeno, esperamos una dependencia explícita del número de células.
Un número extremo de celdas (hacinamiento o muy pocas células) puede detener o aumentar la
producción. Del mismo modo, concentraciones muy altas o bajas de morfógeno pueden detener o
aumentar la producción.

Por lo tanto, en muchos casos, construir un modelo matemático es un caso de juntar los bloques de
construcción apropiados para formar una representación matemática del sistema. Para personalizar
el modelo para el sistema: el morfógeno particular y los tipos de células específicas involucrados,
necesitamos datos.

Paso 3: Hacer uso de los datos

Los datos se utilizan para dos propósitos en el modelado: para aumentar la precisión del modelo al
proporcionar los parámetros requeridos, y para validar el modelo, al proporcionar una comparación
de la vida real con los resultados del modelo.

● Parámetros: nombre dado a los valores requeridos en el modelo: para el morfógeno esto
puede incluir la velocidad de difusión, la tasa de producción (por las células) y la tasa de
degradación.

Se basan en la observación y el experimento. Considere la ecuación a continuación, donde

los dos términos en el lado derecho se pueden usar para modelar la producción y
descomposición de morfógenos respectivamente. Aquí, X es la concentración del morfógeno,
a es la tasa de producción, c es la tasa de descomposición, y b es un término saturante que
limita la producción a altos niveles de concentración. Cada morfógeno y tipo de célula
exhibirá diferentes tasas de producción / descomposición que informan los valores
relevantes.

● Validación: implica comparar los resultados del modelo (como la distribución de la

concentración de morfógenos ) con mediciones equivalentes realizadas del sistema de la vida
real. Esto generalmente requiere varios puntos de datos (que no se usaron para encontrar los
parámetros). Es en este punto se forma un bucle entre la reflexión del modelo y la validación,
ya que los resultados del modelo pueden motivar ligeros cambios en los valores de los
parámetros o la inclusión de dinámicas que anteriormente se excluían. Esto también puede
implicar más experimentos para investigar otras características, o probar nuevas predicciones
de modelos, cuando sea posible. Es importante destacar que el modelo solo se hace tan
complejo como sea necesario; Debe ser preciso, pero también lo suficientemente simple
como para ofrecer información sobre lo que está sucediendo en el sistema de interés.

Una herramienta inigualable

Famosamente, las interacciones de dos morfógenos conducen a lo que se conoce como patrones de
Turing, capaces de replicar patrones en fsh y otros pelajes animales. Asimismo, para la
administración de medicamentos farmacéuticos, con el término "producción", y tenemos los
fundamentos de un modelo que predice la concentración y distribución de un medicamento
administrado a una parte del cuerpo, como la quimioterapia en un tumor.

Estos no solo ofrecen predicciones, sino que benefician el avance del conocimiento científico de esta
manera, y cuantas más herramientas tengamos para desentrañar fenómenos que en la superficie
parecen complejos, misteriosos e impredecibles, más podremos entender y mejorar nuestro mundo.

Otros ejemplos de modelización matemática:

 ● Azúcar, minería y conservación de energía
● Quimioterapia de administración, para prevenir la resistencia a los medicamentos en las
células cancerosas
● Movimiento de vesículas en células
● Modelando el crecimiento del cerebro y el cráneo
● Modelado de enfermedades infecciosas
● Modelo matemático de comunicación
● Modelización del crecimiento poblacional y neonatal
● Matemáticas de la predicción meteorológica

Referencia Bibliográfica.

Verma, Ashok. (2014). Process Modelling and Simulation in Chemical Biochemical and Environmental
Engineering. 10.1201/b17595.

Al-Badri, Georgina. (2020). An introduction to mathematical modelling. En: The Startup [En Linea]

Disponible en:
https://medium.com/swlh/constructing-a-mathematical-model-understanding-and-controlling-the-n
atural-world-with-maths-b222939ee8be