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).