Modelado Proc Quim

Simulación de
Operaciones y Procesos
Químicos
(MSc) Ing. Juan E. Rodríguez C.
2016 1
Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Contenido
Unidad Contenido
Introducción al Modelado y Simulación de Procesos: Sistemas, Modelos y Simulación
I (definición y clasificación). Importancia del modelado y simulación. Ventajas y desventajas
de la simulación. Etapas del modelado y simulación.
Modelado y simulación de sistemas de eventos discretos: Características
fundamentales de los sistemas discretos. Introducir los conocimientos básicos del
II proceso de modelado y simulación de sistemas discretos. Manejo y generación de eventos
aleatorios. Estructura general de los simuladores de evento discreto. Pruebas de Bondad
de Ajuste. Indicadores de desempeño en teoría de colas.
Simulación de procesos en estado estacionario: Características fundamentales del
paquete de "software" comercial. Requerimientos para llevar a cabo una simulación de un
III proceso. Estimación de propiedades físicas. Operación unitaria. Resolución de problemas
con reciclo. Resolución de problemas con especificaciones de diseño. Análisis de
sensibilidad. Optimización.
Simulación de procesos en estado no estacionario: Introducción. Conceptos generales
IV de la simulación dinámica. Simulación dinámica. Aplicación a procesos no estacionarios.
Entonación de controladores.

Estrategias de evaluación
recomendada
Unidad Σ Prácticas Parcial
I
10% 20%
II
III 10% 20%
IV 10% 20%
Proyecto Final --- 10%
Total 30 % 70%

Bibliografía
• Martínez-Sifuentes V.H. ,Alonso-Dávila P.A., López-Toledo J., Salgado-Carbajal M. Rocha-Uribe

J.A. (2000) Simulación de procesos en Ingeniería Química. Ed. Plaza & Valdez. ISBN: 968-856-755-8
• Barceló, Jaime. Simulación de sistemas discretos. Isdefe. Madrid. 1996
• Scenna N. (1999) Modelado, Simulación y optimización de procesos químicos. ISBN: 950-42-0022-
2. 1999
• Himmelblau, D.M. y Bischoff, K.B. Análisis y Simulación de Procesos. Ed. Reverté, 1992.
• T. Dobre., J.M.Sanchez., Chemical Engineering Modelling, Simulation and Similitude, Wiley VCH,
2007.
• Mohd. Kamaruddin Abd Hamid, Hysys: An Introduction to chemical engineering simulation,
Lambert Academic Publishing. 2013.
• Michael E. Hanyak Jr, Chemical Process Simulation and the Aspen HYSYS Software,Bucknell
University . Lewisburg, PA 17837. 2012.
Agradecimiento
Prof. MSc. Juan A. Freitez, por facilitar su material para complementar el contenido
4
de esta presentación
Unidad I: Introducción al
Modelado y Simulación de
Procesos.
(MSc) Ing. Juan E. Rodríguez C.
2016 5

Contenido
• Sistemas, Modelos y Simulación de Sistemas

• Conceptualización
• Clasificación
• Importancia del modelado y simulación

• Ventajas y desventajas de la simulación
• Etapas del modelado y simulación

ME SIRVE ESTA
ASIGNATURA?
Investigación Operativa
De qué se
trata?
7

Investigación Operativa
Según Ackoff y Sasieni, «La Investigación Operativa es la aplicación del método
científico mediante equipos interprofesionales a los problemas de gobierno de
sistemas organizados (hombre-máquina) para proporcionar soluciones que
sirvan lo mejor posible a la organización considerada como un todo».
Las características que identifican la Investigación Operativa son:

1. Aplicación del método científico a los problemas que se presentan en el
gobierno de sistemas complejos en los que intervienen hombres y máquinas.
2. Enfoque global (coincidente con lo que hemos denominado planteamiento
sistémico).
3. Construcción de modelos de los sistemas (representación de los sistemas
por medio de modelos).
4. Optimización: búsqueda de las mejores soluciones.
5. Ayuda a los responsables de la gestión del sistema a la toma de decisiones.
8

Definición de sistema
Sistema
• Es un conjunto de partes o
elementos organizadas y
relacionadas que interactúan
entre sí para lograr un objetivo.
Los sistemas reciben (entrada)
datos, energía o materia del
ambiente y proveen (salida)
información, energía o materia.

Clasificación de los
Sistemas
10

Modelado de un sistemas
“Modelado es una técnica cognitiva que consiste en crear una
representación ideal de un objeto real mediante un conjunto de
simplificaciones y abstracciones, cuya validez se pretende constatar.
La validación del modelo se lleva a cabo comparando las
implicaciones predichas por el mismo con observaciones.”.
“Representación de la realidad por medio de abstracciones. Los

modelos enfocan ciertas partes importantes de un sistema (por lo
menos, aquella que le interesan a un tipo de modelo específico),
restándole importancia a otras.”…
11

Tipos de modelos
Modelos Icónicos
Modelos Análogos
Simbólicos o Matemáticos
Modelos Icónicos Ejemplo

• La relación de correspondencia se
establece a través de las propiedades
morfológicas, habitualmente un
cambio de escala con conservación del
resto de las propiedades topológicas.
• Ejemplo: las fotografías, modelos a
escala, una maqueta, donde se ha
establecido una reducción de tamaño
conservando las relaciones
dimensionales básicas.
12

Tipos de modelos
Modelos Análogos
• Se construyen mediante un Ejemplo
conjunto de convenciones que
sintetizan y codifican
propiedades del objeto real para
facilitar la "lectura" o
interpretación de las mismas.
• Ejemplo: un mapa impreso,
construido mediante un conjunto
de convenciones cartográficas que
hacen legibles propiedades tales
como las altitudes, distancias,
localización física de objetos
geográficos, etc.
13

Tipos de modelos
Simbólicos o Matemáticos:
• Se construyen representando el Ejemplo
objeto real mediante una
codificación matemática
(geométrica, estadística, etc.).
• Ejemplo: la representación de un
edificio mediante la identificación
y codificación en una estructura
geométrica de sus elementos
básicos
14

Clasificación de los Modelos
Simbólicos o Matemáticos
• Según la evolución respecto tiempo:
• Estacionarios o Dinámicos.
• Según la aleatoriedad :
• Estocásticos o Determinísticos.
• Según su connotación
• Cualitativos o Cuantitativos
• Según las variables de estado:
• Discreto o Continuo 15

Ejemplo 1
• Tipo de modelado
• Icónico
• Análogo
• Simbólico o matemático
• Evolución respecto tiempo:
• Estacionarios
• Dinámicos
• Aleatoriedad :
• Estocásticos
• Determinanticos.
• Connotación
• Cualitativos
• Cuantitativos
• Variables de estado:
• Discreto
• Continuo
16

Ejemplo 2
• Icónico
• Análogo
• Estacionarios
• Dinámicos
• Aleatoriedad :
• Estocásticos
• Determinísticos
• Connotación
• Cualitativos
• Cuantitativos
• Discreto
• Continuo
17

Leyes Fundamentales
• Ley de conservación de la materia.
1. Balance de materia global (balance de masa)
Entrada - Salida = Acumulación
Ejemplo: Considere un tanque con líquido de mezcla perfecta, la figura 1, en el
cual fluye una corriente líquida a una tasa volumétrica de F0 (ft3/min o
m3/min) y con una densidad de ρ0 (lbm/ft3 o kg/m3). El contenido
volumétrico de líquido en el tanque es V (ft3 o m3), y su densidad es ρ.
La velocidad de flujo volumétrico del efluente del tanque es F, y la
densidad de la corriente es la misma que la del contenido del tanque.
18

Balance de Materia
Entrada - Salida = Acumulación
Masa que entra – Masa que sale = Masa que se acumula
Entonces la expresión quedaría de la siguiente manera
Sin embargo, un muchos casos se podría suponer que la densidad es

constante si no existe cambio de temperatura ni presión en el sistema,
simplificando el termino densidades. 19

Balance de Materia
Si la densidad es constante la expresión será:
Sin embargo, el área del tanque es contante, por lo cual el volumen se puede
expresarse como V = A*h(t), por lo tanto la ecuación sería la siguiente.
Donde:
Finalmente puede se expresada como:
F : Flujo volumétrico
Q: Caudal volumétrico
20

Simulación
"La simulación es el proceso de diseñar un modelo de un sistema real y

llevar a término experiencias con él, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas estrategias, dentro de los
limites impuestos por un cierto criterio o un conjunto de ellos, para el
funcionamiento del sistema.”
R. E. Shannon
“Imitación de la operación de un proceso del mundo real o sistema sobre

tiempo. La simulación comprende la generación de un historial artificial de
un sistema, y la observación de tal historial para mostrar las conclusiones
concernientes a las características de operación del sistema real.”
J. Banks, J. S. Carson y B. L. Nelson.
21

Simulación
SISTEMA REAL
Experimentar con Experimentar con

el sistema Modelo del sistema
Experimentar con Experimentar con

Modelo Físico Modelo Matemático
22

TIPOS DE SIMULADORES
• Régimen:
• Estacionarios: régimen permanente.
• Dinámicos: régimen transitorio
• Arquitectura:
• Modulares-Secuenciales
• Orientados a ecuaciones
• Modulares simultáneos o híbridos
• Variables manejada:
• Estocásticas vs. Determinísticas
• Cualitativas vs. Cuantitativas
• Discreto
• Continuo
23

Simuladores estáticos
De acuerdo al régimen
• Resolución rigurosa de las ecuaciones de balance de materia y energía para el

conjunto de operaciones unitarias de un proceso continuo.
• Proporciona datos para el dimensionamiento de equipos
• Reducción de la inversión por diseño más ajustado
• Mejora de la calidad
• Menos ensayos en planta piloto: Ahorro de tiempo y dinero
• Eliminación de cálculos repetitivos y errores
• Ensayo sin riesgo de nuevas ideas de operación
• Mejor entendimiento del proceso
• Escalado de procesos
• Operación fuera de diseño
• Optimización de planta y diseño
• Cuellos de botella, revamping (revisión y reestructuración), mejora en la
producción 24

Simuladores dinámicos
De acuerdo al régimen
• Operación:
• Respuesta de procesos continuos ante perturbaciones
• Ajuste de controladores
• Maniobras y desviaciones anormales en el proceso, para estudios de seguridad y

de emisiones
• Análisis de operabilidad y riesgo
• Validación de procedimientos de emergencia
• Entrenamiento de operadores
• Diseño:
• Sistema de control y controlabilidad
• Procedimientos de puesta en marcha y parada
• Procesos discontinuos
25

Modulares secuenciales
De acuerdo a la arquitectura
• Información ingresada por el usuario es fácilmente revisada

• Problemas de diseño más fáciles de resolver
• Se incrementa la dificultad cuando se plantea un problema de
optimización (funciona como cajas negras)
• Poco versátiles, pero muy flexibles, muy confiables y bastante
robustos
• Se calcula la salida de cada unidad a partir de la entrada y los
parámetros.
• Muy empleados en la actualidad: ej. Aspen Plus (AspenTech),
ChemCAD, PRO/II (SimSci), Hysim (Hyprotech), Hysys (Hyprotech,
comprada recientemente por AspenTechnologies)
26

Orientados a ecuaciones
• Cada equipo se representa por las ecuaciones que lo modelan. El modelo es la
integración de todos los subsistemas
• Desaparece la distinción entre variables de proceso y parámetros operativos,

por lo tanto se simplifican los problemas de diseño
• Resolución simultánea del sistema de ecuaciones algebraicas (no lineales)

resultante
• Mayor velocidad de convergencia
• Necesita una mejor inicialización
• A mayor complejidad, menor confiabilidad en los resultados y más problema

de convergencia
• Más difícil de usar por “no especialistas”

• Arquitectura preferida en nuevos simuladores: ej. Aspen Custom Modeler
(AspenTech), RTO-OPT (AspenTech), NOVA (Nova), gPROMS, ABACUSS
27

Híbridos o modulares simultáneos
• Combinan la estrategia modular y la orientada a

ecuaciones
• Se aprovechan los aspectos positivos de ambas
metodologías
• Se resuelven simultáneamente todas las variables, como en el
modelo global
• Para el resto se mantiene la filosofía modular: secuencia de
cálculo, uso de módulos para introducir datos, etc.
28

Aplicación de la Simulación
en la Industria
• Diagnósticos. El modelo se emplea como representación
profunda del sistema, sobre el que es posible determinar las
causas que generan una desviación respecto a un
comportamiento teórico. En este tipo de aplicaciones es donde
los modelos funcionales son especialmente importantes, dado
que modelan directamente las funciones del sistema.
• Control basado en modelos. El modelo se emplea para

determinar las posibles acciones a realizar sobre el sistema que
conducirían al mismo a una determinada situación. Los modelos
causales son especialmente importantes para ello, dado que
representan los mecanismos de propagación de efectos en el
sistema modelado.
29

Aplicación de la Simulación
en la Industria
• Optimización. El modelo se emplea para

determinar situaciones del proceso en las
que se logra una mejoría del rendimiento.
• Enseñanza. El modelo se utiliza para que

una persona estudie el comportamiento
del sistema al que modela. Este tipo de
sistemas se han empleado en multitud de
circunstancias.
30

Ventajas del uso de la simulación
• Experimentación económica: Es posible estudiar
procesos existentes de una forma más rápida,
económica y completa que en una planta real.
• Extrapolación: Con un modelo matemático adecuado se

pueden ensayar intervalos extremos de las condiciones
de operación, que pueden ser impracticables o
imposibles de realizar en una planta real.
• Estudio de conmutabilidad y evaluación de otros

planes de actuación: Se pueden introducir nuevos
factores o elementos de un sistema y suprimir otros
antiguos al examinar el sistema con el fin de ver si estas
modificaciones son compatibles.
31

Ventajas del uso de la simulación
• Repetición de experimentos: La simulación permite
estudiar el efecto de la modificación de las variables y
parámetros con resultados reproducibles. En el modelo
matemático se puede introducir o retirar a voluntad un
error, lo cual no es posible en la planta “real”.
• Cálculos de Control: La simulación constituye una
importante ayuda material para el estudio de los
sistemas de control con lazos abiertos y cerrados.
• Ensayos de sensibilidad: Se pueden ensayar la
sensibilidad de los parámetros de costes y los
parámetros básicos del sistema.
• Estudio de la estabilidad del sistema: Se puede
examinar la estabilidad de sistemas y subsistemas
frente a diferentes perturbaciones.
32

Desventajas de la simulación
• No existe una formulación matemática: Muchos sistemas reales no

pueden ser modelados matemáticamente con las herramientas
actualmente disponibles; por ejemplo, la conducta de un cliente de
un banco.
• Existe una formulación matemática pero es difícil obtener una
solución analítica: Los modelos matemáticos utilizados para
modelar un reactor nuclear o una planta química son imposibles de
resolver en forma analítica sin realizar serias simplificaciones.
• No existe el sistema real: Es el problema del ingeniero que tiene que
diseñar un equipo nuevo o una nueva planta. El diseño del sistema
mejorará notablemente si se cuenta con un modelo adecuado para
realizar experimentos.
33

Cuando usar la simulación
• Cuando los experimentos son imposibles debido a impedimentos
económicos, de seguridad, de calidad o éticos: En este caso, el
sistema real está disponible para realizar experimentos, pero la
dificultad de los mismos hace que se descarte esta opción. Un
ejemplo de esto es la imposibilidad de provocar fallas en un avión
real para evaluar la conducta del piloto.
• Cuando el sistema evoluciona muy lentamente o muy rápidamente:

Un ejemplo de dinámica lenta es el problema de los científicos que
estudian la evolución del clima. Ellos deben predecir la conducta
futura del clima dado las condiciones actuales, no pueden esperar
que un tornado arrase una ciudad para luego dar el mensaje de
alerta. Por el contrario, existen fenómenos muy rápidos que deben
ser simulados para poder observarlos en detalles, por ejemplo una
explosión.
34

Etapas de un estudio de Simulación
35

Estadio de la Simulación
Formulación
del
Etapa III Documenta-

problema
Definición
Etapa I
ción del sistema
Implemen- Formulación
tación del modelo
Interpreta- Modelado de Colección

ción Sistema de datos
Implementa-
Experimen-
ción
tación
del modelo
Diseño de
Verificación
experimento
Validación Etapa II 36

Etapa I
• Formulación del problema.
• Objetivo de la simulación.
• Alcance y limitaciones de la simulación.
• Definición del sistema.
• Tipo de sistema
• Tipos de datos de entrada y salida del sistema.
• Formulación del modelo.
• Modelo Teórico (Descripción del proceso)
• Modelo Conceptual (DB, DFP, DFI, DS)
• Recolección de los datos de las variables y parámetros del
sistemas
37

Formulación del problema
• Siendo el primer paso, es muy crucial, ya que aquí se debe
establecer el objetivo de la simulación (Diseñar, Evaluar,
Controlar u Optimizar el proceso), las limitaciones y
alcance del mismo.
• ¿Qué quieres?
• ¿Para que lo quieres?
• ¿Cómo lo quieres?
• ¿Para cuando lo quieres?
• De no limitar el sistema y identificarlo claramente, hay

mayor riesgo de no obtener resultado satisfactorio.
• Si el sistema seleccionado es muy complejo obtener la
información del mismo se convierte en una tarea complicada.
• Si el sistema seleccionado es muy simple se puede estar alejando
del proceso real.
38

Zona I Gas mezclado
(ZZ Kg/hr)
Tolueno
(XX Kg/hr)
Benceno
(AA Kg/hr)
Separador
Reactor
H2 de Gas
(YY Kg/hr)
Conversión Liquido Fraccionadora

mezclado
Reciclo Tolueno
Zona II 39

Retroalimentación
• Icónico
• Análogo
• Estacionarios
• Dinámicos
• Aleatoriedad :
• Estocásticos
• Determinanticos.
• Connotación
• Cualitativos
• Cuantitativos
• Discreto
• Continuo
40

Estadio de la Simulación
Formulación
del
Etapa III Documenta-

problema
Definición
Etapa I
ción del sistema
Implemen- Formulación
tación del modelo
Interpreta- Modelado de Colección

ción Sistema de datos
Implementa-
Experimen-
ción
tación
del modelo
Diseño de
Verificación
experimento
Validación Etapa II 41

Modelado Proc Quim

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelado Proc Quim

Transféré par

Droits d'auteur :

Formats disponibles

Simulación de

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Martínez-Sifuentes V.H. ,Alonso-Dávila P.A., López-Toledo J., Salgado-Carbajal M. Rocha-Uribe

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Sistemas, Modelos y Simulación de Sistemas

• Importancia del modelado y simulación

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Las características que identifican la Investigación Operativa son:

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

“Representación de la realidad por medio de abstracciones. Los

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Modelos Icónicos Ejemplo

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Según la evolución respecto tiempo:

• Según las variables de estado:

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Masa que entra – Masa que sale = Masa que se acumula

Entonces la expresión quedaría de la siguiente manera

Sin embargo, un muchos casos se podría suponer que la densidad es

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

"La simulación es el proceso de diseñar un modelo de un sistema real y

“Imitación de la operación de un proceso del mundo real o sistema sobre

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Experimentar con Experimentar con

Experimentar con Experimentar con

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Resolución rigurosa de las ecuaciones de balance de materia y energía para el

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Respuesta de procesos continuos ante perturbaciones

• Maniobras y desviaciones anormales en el proceso, para estudios de seguridad y

• Análisis de operabilidad y riesgo

• Validación de procedimientos de emergencia

• Sistema de control y controlabilidad

• Procedimientos de puesta en marcha y parada

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Información ingresada por el usuario es fácilmente revisada

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Desaparece la distinción entre variables de proceso y parámetros operativos,

• Resolución simultánea del sistema de ecuaciones algebraicas (no lineales)

• Mayor velocidad de convergencia

• Necesita una mejor inicialización

• A mayor complejidad, menor confiabilidad en los resultados y más problema

• Más difícil de usar por “no especialistas”

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Combinan la estrategia modular y la orientada a

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Control basado en modelos. El modelo se emplea para

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Optimización. El modelo se emplea para

• Enseñanza. El modelo se utiliza para que

Realizado por: MSc. Ing. Juan E. Rodriguez C http://juanrodriguezc.wordpress.com

• Extrapolación: Con un modelo matemático adecuado se