3.2.

2 Enfoques de síntesis para la intensificación de procesos

Se pueden encontrar excelentes revisiones sobre la intensificación de procesos desde una perspectiva de
síntesis de procesos en Moulijn et al. (2008), Lutze et al. (2010b), Baldea (2014), Babi et al. (2016) y Tula
et al. (2017). Aquí, nos centramos en los enfoques con el potencial de incorporar la intensificación de
procesos en la síntesis conceptual del proceso, una lista indicativa de los cuales se resume en la Tabla 19.
Los enfoques para sintetizar diagramas de flujo intensificados se pueden agrupar en tres categorías
principales: (i) métodos basados en el conocimiento, (ii) métodos basados en la optimización y (iii)
métodos híbridos (ver Figura 4). Como ejemplo de los métodos basados en el conocimiento, el análisis de
medios-fines (Siirola, 1996b) se basa en la eliminación de las diferencias de propiedades entre materias
primas y productos de una manera jerárquica donde las propiedades incluyen: identidad de la especie,
cantidad, concentración, termodinámica. fase, temperatura, presión y otras propiedades morfológicas
(Siirola, 1996a). Sin embargo, como las compensaciones entre las diferentes partes del proceso pueden
manejarse simultáneamente, los métodos basados en la optimización proporcionan herramientas de
síntesis e intensificación del proceso más holísticas. El diseño y la síntesis de equipos intensificados únicos
son posibles gracias a la síntesis basada en la optimización (Jackson y Grossmann, 2001; Caballero y
Grossmann, 2014). Sin embargo, un desafío importante hacia un método genérico de intensificación de
procesos basado en la optimización es proponer un método de representación de superestructura general
que pueda permitir la identificación de nuevos procesos intensificados. Existen varios métodos para
abordar este desafío: representación modular generalizada (Papalexandri y Pistikopoulos, 1996) y
representación de superestructura de bloques de construcción por Hasan y sus compañeros de trabajo
(Demirel et al., 2017). Con estas representaciones se pueden incorporar muchas tecnologías intensificadas
en la síntesis de procesos basada en la optimización, que se analiza con más detalle en la siguiente sección.
Los métodos híbridos aprovechan las ventajas de los métodos basados en el conocimiento y la
optimización y buscan remedio para la naturaleza combinatoria de los problemas intensificados de síntesis
de diagramas de flujo. Metodología de síntesis/intensificación de procesos basada en fenómenos
propuesta por Lutze et al. (2010b), por ejemplo, utilizó un enfoque basado en la descomposición.

Se han realizado avances significativos hacia la síntesis intensificada de procesos a través de métodos
basados en el conocimiento que se centran en la representación de procesos basada en tareas. Siirola
(1996a) propuso un enfoque orientado a tareas mediante el cual se lograba un diseño conceptual
mediante la identificación de tareas y el análisis de medios y fines. Este enfoque ayudó al desarrollo de
procesos de destilación extractiva reactiva que combinaban múltiples tareas dentro de un solo equipo
(Siirola, 1998). Lakerveld et al. (2010) emplearon un diseño modular basado en tareas que aplicó principios
de intensificación en el diseño de cristalizadores intensificados con flexibilidad sobre la pureza del
producto. Commenge y Falk (2014) propusieron una técnica secuencial de 3 pasos para la intensificación
de procesos. El primer paso fue identificar la limitación del proceso entre una lista de 16 posibilidades que
cubrían un amplio espectro de casos. Luego, la metodología relacionó las limitaciones identificadas con
un conjunto de estrategias de intensificación. Finalmente, las estrategias identificadas estaban
relacionadas con las tecnologías que utilizaban estas estrategias. El método propuesto proporcionó una
breve lista de soluciones apropiadas para ser consideradas en el diseño técnico y las evaluaciones
económicas junto con una lista de estrategias de innovación. Schmidt-Traub y Górak (2006) también
proporcionaron un procedimiento de síntesis para sistemas de separación reactivos. Para los enfoques
basados en optimización, se han sugerido varios objetivos de optimización hacia procesos más sostenibles
e intensificados aplicados a la síntesis de diagramas de flujo. Smith y cols. (2014), por ejemplo, propusieron
utilizar indicadores GREENSCOPE, una herramienta de sostenibilidad desarrollada por la EPA, para evaluar
los límites del mejor y el peor de los casos para un proceso determinado. De esta manera, se entendieron
los objetivos para diseños de procesos más sostenibles y, en consecuencia, se pudieron realizar mejoras
para mejorar los procesos. Ponce-Ortega et al. (2012), por otro lado, definieron dos clases de
intensificación de procesos como intensificación de planta y unidad y ofrecieron varias funciones objetivas
para obtener procesos más seguros y menos exigentes en inventario para cada clase de intensificación que
podrían incorporarse en la síntesis de procesos basada en optimización.

Aunque estos métodos pueden sugerir mejoras significativas, las alternativas de proceso preespecificadas
restringen el espacio de búsqueda de diseño a los tipos de equipos conocidos, lo que dificulta la
consideración de alternativas de proceso novedosas e intensificadas en la etapa inicial de diseño y deja la
creatividad a la experiencia del equipo de diseño. involucrados en la toma de decisiones. Sin embargo, la
descomposición de todo el proceso químico en un conjunto de tareas, fenómenos o funciones del proceso,
como lo realizan Freund & Sundmacher (2008), Peschel et al. en el diseño y síntesis de reactores. (2010;
2011), y otros, abre nuevas oportunidades. A medida que las actividades de diseño se centran menos en
las operaciones unitarias convencionales y profundizan en los niveles de tareas y fenómenos, el
pensamiento se vuelve más fundamental y se identifican más oportunidades de intensificación. Estos
enfoques de síntesis ascendente se elaborarán con más detalles en 3.2.4.

3.2.3 Síntesis y Optimización de Procesos Dinámicos Operados Periódicamente.

Si bien los enfoques de síntesis introducidos en la Sección 3.2.1 se centran más en representar o modelar
procesos de estado estacionario, en esta sección proporcionamos una descripción general de la síntesis y
optimización de procesos dinámicos operados periódicamente, es decir, sistemas PSA y SMB. Los modelos
NAPDE que describen modelos de procesos basados en adsorción incluyen ecuaciones algebraicas no
lineales y diferenciales parciales, lo que hace que la optimización de estos sistemas sea una tarea
desafiante. Sin embargo, se han logrado avances significativos en la optimización de los procesos de PSA
y SMB. Adsorción por oscilación de presión: Smith y Westerberg (1991) utilizaron un modelo MINLP con
balances de masa y energía promediados en el tiempo para el diseño de un proceso PSA con un costo total
anualizado mínimo. Nilchan y Pantelides (1998) propusieron un modelo de programación no lineal (PNL)
a gran escala formado por ecuaciones algebraicas diferenciales parciales (PDAE) totalmente discretizadas
en dominios espaciales y temporales que se resuelve utilizando un solucionador de PNL comercial. Se
utilizaron procesos rápidos de PSA y PSA modificado para la separación de aire para demostrar la
aplicabilidad del modelo propuesto sin considerar los efectos de la temperatura. Ding et al. (2002)
utilizaron un enfoque de optimización directa para determinar los estados periódicos óptimos de los ciclos
de adsorción basados en PSA y TSA. Ko et al. (2003; 2005) utilizaron un enfoque basado en programación
cuadrática secuencial (SQP) para la optimización de los procesos de PSA y PSA de vacío fraccionado. Jiang
et al. (2003) propusieron un enfoque de determinación directa con un método híbrido de región de
confianza para la implementación de un enfoque basado en Newton para acelerar la convergencia para
estados estacionarios cíclicos. Cruz et al. (2003; 2005) realizaron un análisis paramétrico antes de
continuar con el problema de optimización y seleccionaron un par de variables de optimización que luego
se optimizaron mediante el algoritmo SQP. Agarwal et al. (2009a) propusieron un modelo de orden
reducido o de baja dimensión basado en una descomposición ortogonal adecuada para la simulación y
optimización del proceso PSA. Nikolic et al. (2009) proporcionaron un marco de modelado detallado para
la optimización de procesos de PSA de múltiples lechos y múltiples capas. Agarwal et al.

(2009b; 2010) utilizaron enfoques basados en superestructuras para diseñar y optimizar ciclos de PSA para
la captura de CO2 antes y después de la combustión mediante la discretización de los PDAE tanto en el
dominio espacial como temporal, y formularon un problema de control algebraico no lineal a gran escala
con las duraciones de los pasos. como las variables de control que aparecen linealmente en el modelo.
Más recientemente, Boukouvala et al. (2015) proporcionaron un método para la optimización global de
modelos de caja gris restringidos y demostraron el uso del enfoque propuesto para la optimización de un
sistema PSA para la captura de CO2. Además del PSA, los modelos de caja gris también se utilizan para
otros esquemas de oscilación. Por ejemplo, Iyer et al. (2017) también utilizaron un método de optimización
de caja gris restringida (Bajaj et al., 2017) para optimizar un sistema integrado de reacción de adsorción-
purga que utiliza la variación de concentración para la regeneración del adsorbente. La elección del
material también tiene suma importancia en el desempeño de los procesos de PSA, ya que determina la
región factible alcanzable y, por lo tanto, afecta el costo del proceso (Hasan et al., 2012a,b). En
consecuencia, se han propuesto marcos de optimización multiescala para determinar el proceso óptimo y
al mismo tiempo abordar la elección del material. Hasan et al. (2013) y First et al. (2014) desarrollaron un
marco computacional que combinaba la selección de materiales y la optimización de procesos para
examinar de manera eficiente grandes bases de datos de materiales de zeolita para la captura de CO2 con
PSA y demostraron que no había una correlación clara entre el costo y las métricas dependientes del
material, como la selectividad de adsorción. Posteriormente, Liu et al. (2016) aplicaron un enfoque similar
de optimización a múltiples escalas para el descubrimiento de zeolitas en la eliminación de H2S. Lecho
móvil simulado: los procesos SMB se pueden modelar mediante una teoría de equilibrio simplista que
ignora las resistencias de transferencia de masa y la dispersión axial dentro de las columnas, y considera
la eficiencia infinita de la columna SMB, o mediante un modelado más detallado que tenga en cuenta las
limitaciones de transferencia de masa. En la optimización de las PYMES, se han utilizado ambos enfoques
de modelado.

Los métodos de optimización detallados utilizados se pueden dividir en las siguientes categorías: (i) el
enfoque anidado, donde los NAPDE se discretizan solo en el dominio espacial y se integran hasta que
alcanza el estado estacionario cíclico, (ii) discretización de los modelos NAPDE solo en el dominio espacial
donde los perfiles cíclicos de estado estacionario se obtienen imponiendo restricciones de igualdad, y (iii)
discretización total tanto en el dominio espacial como temporal (Kawajiri y Biegler, 2008a). Storti et al.
(1995), por ejemplo, proporcionaron un procedimiento para el diseño óptimo de SMB determinando
primero el rango de condiciones operativas a través de la teoría del equilibrio para lograr la separación
requerida y luego optimizando el proceso dentro de este rango. Minceva y Rodrigues (2002) utilizaron dos
enfoques diferentes para el modelado matemático, es decir, el lecho móvil verdadero (TMB) y SMB, para
simular y analizar el efecto de diferentes parámetros del proceso, p.e. tiempo de conmutación, sobre la
separación de p-xileno a través de SMB. Kurup et al. (2005) utilizaron un algoritmo genético para encontrar
condiciones operativas óptimas de un proceso de p-xileno utilizando SMB con optimización multiobjetivo.
Araújo et al. (2006a) proporcionaron métodos para obtener el comportamiento cíclico en estado
estacionario de sistemas SMB y Araújo et al. (2006b) proporcionaron una estrategia de optimización para
optimizar los parámetros operativos y la configuración de puertos de las SMB que se basa en un modelo
de una sola columna totalmente discretizado para calcular directamente la solución CSS en cada paso del
procedimiento de optimización. Kawajiri y Biegler (2006b) discretizaron el modelo NAPDE para PYMES en
dominios espaciales y temporales, lo que resultó en un problema de programación no lineal (PNL) a gran
escala y lo utilizaron en el diseño asimétrico y la optimización de PYMES (Kawajiri y Biegler, 2006c).
Posteriormente, la estrategia también se utilizó en la síntesis de SMB basada en superestructura con
caudales variables en el tiempo (Kawajiri y Biegler, 2006a, 2008a). Kawajiri y colaboradores (Bentley et al.,
2013; Bentley y Kawajiri, 2013) desarrollaron un método de predicción-corrección para el diseño y
optimización de PYMES. El método propuesto utilizó datos de inicio, selección de modelos isotérmicos y
estimación de parámetros para refinar los parámetros del modelo SMB mientras se realiza la optimización
del proceso. Agrawal y Kawajiri (2015) utilizaron una estrategia de optimización multiobjetivo para la
operación SMB de separaciones ternarias para analizar el equilibrio entre el rendimiento y la pureza del
componente deseado. Más recientemente, Hasan et al. (2017) proporcionaron un enfoque de
optimización multiescala para la separación de p-xileno al tiempo que integraban la selección de
materiales y la optimización del proceso en el mismo marco. Cabe señalar que los estudios de síntesis y
optimización de sistemas de adsorción reactiva son limitados. Recientemente, Arora et al. (2018)
propusieron un método para la identificación simultánea de ciclos óptimos, parámetros de diseño y
condiciones operativas del proceso para sistemas SERP mediante el uso del método de caja gris basado en
simulación.

3.2.4 Métodos de representación hacia la intensificación sistemática del proceso

Pavimentando el camino para nuevas alternativas de diseño de procesos intensificados, ha habido una
tendencia a apartarse del concepto clásico de operación unitaria para buscar una representación más
generalizada de los procesos químicos. Es decir, descomponer todo el proceso químico en un conjunto de
tareas, fenómenos o funciones de proceso, cuya definición depende en gran medida de investigadores
individuales que aún no cuentan con directrices comúnmente aceptadas. Se han desarrollado muchos
métodos prometedores para la intensificación sistemática de procesos a nivel de fenómenos utilizando
métodos de síntesis híbridos, basados en el conocimiento o basados en la optimización. Estos trabajos
parten de un nivel de agregación más bajo que los enfoques basados en tareas o equipos y consideran los
procesos químicos como la combinación de varios fenómenos como mezcla, división, contacto de fase,
cambio de fase, reacción, calentamiento, enfriamiento, etc. El nivel de fenómenos supera a otros enfoques
en el sentido de que las descripciones de los fenómenos pueden traducirse directamente en ecuaciones
matemáticas (Lutze et al., 2010b). Han surgido varios métodos de intensificación de procesos químicos
para definir y representar el espacio de búsqueda combinatoria con representaciones fenomenológicas.
Arizmendi-Sánchez y Sharratt (2008) presentaron un marco de modularización basado en fenómenos
respaldado por un enfoque híbrido cualitativo-cuantitativo. Siguiendo un marco de representación
jerárquico que incluye tareas, fases y fenómenos, primero se generaron representaciones topológicas a
partir de conocimiento cualitativo y luego se mapearon en una modularización de modelos basada en
fenómenos, después de lo cual se utilizaron gráficos causales para diseñar e intensificar un proceso
químico. Rong et al. (2008) sugirieron una metodología multiescala basada en la manipulación de los
fenómenos de proceso clave identificados para obtener alternativas de proceso intensificadas.
Papalexandri y Pistikopoulos (1996) desarrollaron un Marco de Representación Modular Generalizado
(GMF) para la representación de procesos químicos. Construido sobre módulos multifuncionales
agregados de intercambio de masa/calor y módulos de intercambio de calor puro, GMF reveló
posibilidades de intensificación al optimizar los rendimientos de transferencia de masa y calor basados en
la energía libre de Gibbs (Figura 5). Se generaron diagramas de flujo de procesos convencionales o incluso
no convencionales mediante la solución de un problema de superestructura basado en optimización con
formulación MINLP. En este caso, las alternativas de síntesis no se postularon previamente como unidades
de proceso, sino que se exploraron como viabilidades de intercambio de masa/calor. El marco de
representación/modelado propuesto ha sido demostrado para sistemas combinados de
separación/reacción (Ismail et al., 1999, 2001; Algusane et al., 2006), sistemas de separación azeotrópicos
(Ismail et al., 1997, 1999), sistemas de separación multicomponente. (Proios y Pistikopoulos, 2005, 2006),
y sistemas de destilación integrados por calor (Proios et al.

Manousiouthakis y sus colaboradores propusieron el enfoque Infinite DimEnsionAl State Space (IDEAS)
(Wilson y Manousiouthakis, 2000) como una herramienta de representación y síntesis para la
intensificación de procesos. El enfoque IDEAS se construyó sobre una representación en el espacio de
estados de rutas de procesamiento donde un conjunto de operadores de proceso (OP), es decir,
operaciones unitarias, estaban conectados entre sí con una red de distribución (DN), es decir, operaciones
de flujo, para considerar todas las entradas y salidas. posibilidades (consulte la Figura 6 para ver un
ejemplo de una red de separador flash reactivo para síntesis de destilación reactiva). El enfoque IDEAS se
ha aplicado a la síntesis de procesos de destilación integrados de calor/energía (Holiastos y
Manousiouthakis, 2004), procesos de destilación azeotrópica (Ghougassian y Manousiouthakis, 2012),
síntesis de redes de reactores no ideales (Zhou y Manousiouthakis, 2006), reacción procesos de destilación
(Burri y Manousiouthakis, 2004; da Cruz y Manousiouthakis, 2017), e intensificación energética de un
proceso de producción de hidrógeno (Pichardo y Manousiouthakis, 2017).
Sundmacher y colaboradores (Freund y Sundmacher, 2008; Peschel et al., 2010, 2011) sugirieron un
diagrama de flujo de proceso independiente del equipo como "módulos funcionales". Descompusieron un
proceso químico en diferentes "módulos funcionales", como preprocesamiento, contacto, activación,
reacción, suministro/eliminación de calor, separación y formación de productos. Lutze et al. (2013)
presentaron una metodología integral para la síntesis/intensificación de procesos para abordar el gran
espacio de búsqueda formado por bloques de construcción basados en fenómenos (PBB). El método
propuesto se dividió en varios pasos, respaldado por un conjunto de subalgoritmos y herramientas
computacionales. En el primer paso, se definieron los objetivos de diseño y se analizó un diseño de caso
base para identificar los PBB candidatos. Se seleccionaron nueve clases principales de PBB para
representar las estructuras básicas para las alternativas de proceso: reacción (R), mezcla (M), mezcla de 2
fases (2phM), contacto de fase (PC), transición de fase (PT), separación de fases (PS). ), calentar (H), enfriar
(C) y dividir (D). Luego, los fenómenos candidatos identificados en el Paso 1 se conectaron para formar
opciones de proceso, que se examinarían mediante pruebas de viabilidad utilizando reglas heurísticas y
las basadas en fenómenos más prometedoras se transformaron en operaciones unitarias. Esta
metodología se aplicó por primera vez a la producción de acetato de isopropilo. Babi et al. (2014)
posteriormente lo ampliaron para procesos basados en membranas con consideraciones de
sostenibilidad. Babi et al. (2015) introdujeron la síntesis de procesos basada en la superestructura y el
diseño detallado para la selección del diseño del caso base, que luego se mejoró aún más con la
metodología basada en fenómenos introducida por los trabajos anteriores. Kuhlmann y Skiborowski
(2016) utilizaron PBB similares y propusieron una superestructura de espacio de estados para la
generación sistemática de variantes de diagramas de flujo.
Hasan y sus colaboradores (Demirel et al., 2017) propusieron recientemente una nueva representación de
los procesos químicos basada en bloques de construcción que muestra potencial para permitir la
innovación sistemática en el diseño y la intensificación de procesos sin una postulación a priori de todas
las configuraciones potenciales del proceso. En el centro de esta representación sigue habiendo un
conjunto de bloques de construcción o módulos abstractos que imitan sólo los fenómenos fundamentales
que normalmente ocurren en un proceso químico. Fenómenos simples como mezcla, calentamiento,
reacción, etc., se pueden modelar usando un bloque, mientras que VLE complejos, contacto de fase y otros
fenómenos se pueden modelar usando múltiples bloques. Además, diversas combinaciones de bloques
dan lugar a diversos fenómenos, equipos, diagramas de flujo e incluso una superestructura de diagramas
de flujo. Curiosamente, un conjunto de bloques del mismo tipo obtiene una unidad de equipamiento
clásica, mientras que un conjunto de bloques de diferentes tipos da como resultado una unidad
intensificada. Esto permite identificar e incorporar sistemáticamente muchas vías de intensificación
utilizando un diagrama de flujo de superestructura general basado en bloques. Para este fin, se adopta un
enfoque simple donde los bloques de construcción se colocan en una cuadrícula 2-D (consulte la
superestructura de bloques en la Figura 8). Cada bloque está conectado con sus vecinos a través de flujos
entre bloques. Para determinadas materias primas y especificaciones de producto, el problema general
de diseño e intensificación se plantea entonces como un único problema de optimización MINLP al tiempo
que se garantiza la viabilidad termodinámica, la conservación de materiales y energía y las demandas del
producto. Con esta formulación, se ha demostrado que el método genera automáticamente diagramas de
flujo intensificados con reactores de membrana, absorción reactiva, destilación reactiva y muchas otras
unidades intensificadas sin postulación a priori (Demirel et al., 2017; Li et al., 2017b). Este modelo de
superestructura se amplió más recientemente para permitir consideraciones de costos de capital (Li et al.,
2018c) y la integración de procesos (Li et al., 2018a, b). También se implementa un marco asistido por
computadora, SPICE (Intensificación sistemática de procesos de empresas químicas), que (i) contiene una
interfaz para recopilar los datos de entrada del modelo sobre piensos, productos y materiales, (ii) genera
configuraciones de bloques óptimas resolviendo el MINLP. modelo hasta la optimización utilizando un
solucionador comercial sin requerir ninguna superestructura a priori, y (iii) convierte las configuraciones
de bloques resultantes en diagramas de flujo de procesos clásicos (Li et al., 2017a). Todo esto muestra una
oportunidad para desarrollar un marco unificado para la síntesis, integración e intensificación simultáneas
de procesos (Demirel et al., 2018).