El artículo “Quintana P., Poot L., Martínez G. & Castro A. (2006).
ESCALAMIENTO DEL PROCESO DE SECADO DE BAGAZO DE CAÑA. REVISTA MEXICANA DE INGENIERÍA QUÍMICA, 5, 57-66”
En este trabajo se desarrolla una estrategia para llevar a cabo el
escalamiento del proceso de secado a partir del análisis de modelos desarrollados y validados con información experimental para el secado de bagazo de caña de azúcar a nivel planta piloto. El modelo a nivel planta piloto incluye ecuaciones diferenciales parciales para los balances de materia, energía y momento y correlaciones empíricas para el cálculo de propiedades y variables de transporte. El escalamiento se hizo sobre la base de los grupos adimensionales característicos del proceso de secado. Las variables de diseño (longitud y diámetro del secador) fueron expresadas en función de esos grupos y las ecuaciones de balances se simplificaron a ecuaciones diferenciales ordinarias debido a que la variación de la humedad y temperatura dentro de las partículas fue menor a 0.5 %. El modelo para simulaciones a escala industrial fue validado con datos reportados en la literatura y fue empleado para generar información que permitiera evaluar la relación entre las diferentes variables del proceso. Con los resultados de las simulaciones se desarrollaron dos correlaciones para el cálculo de la longitud y diámetro de secadores industriales a partir de las variables de operación y condiciones iniciales de humedad de las partículas. El máximo error porcentual generado al usar las correlaciones fue de 13.6 % y de 7.2 % como promedio. habla acerca de la moderación matemárica de procesos, refiriéndose a ello en el proceso del secado de bagazo, la aplicación que se de la en dicho tema es la utilización de ecuaciónes diferenciales para determinar las funciones condicionales en planta piloto y a nivel industrial. Es interesante conocer la aplicación de dichas ecuaciones en un escalamiento de un proceso en laboratorio, llevando su importancia a no solo utilizar diferentes variables para obtener diferentes ecuaciones que nos permitan conocer el modelo matemático óptimo para el nivel micro y macro, a su vez, cómo influye tanto el aspecto práctico (las condiciones de operación como la presión, humedad, temperatura, condiciones ambientales, etc.) en el teórico (desarrollo de ecuaciones) para determinar las variables a considerar y que sean las que más efecto tenga en el proceso para así obtener nuestras ecuaciones en función de estas variables que, aunque teniendo un margen de error, nos puedan brindar las herramientas necesarias para conocer de forma teórica lo que estamos observando de manera practica. Este modelo matemático único del proceso será el que dictamine los cambios que se podrían hacer sin afectar de manera significativa (y negativa) el proceso, ya que, con el modelo matemático se tiene las condiciones y variables que más afectan al procedimiento micro o macro según sea el caso.
4.2 Optimización de una variable.
En el artículo “Santiago T., Anaya I., Alamilla L., Chanona J., Gutiérrez G.& Vizcarra M. (2007). HIDRODYNAMICS AND OPERATIONAL PARAMETERS OF A CONTINUOUS MULTISTAGE VERTICAL FLUIDIZED BED SYSTEM. REVISTA MEXICANA DE INGENIERÍA QUÍMICA, 6, 59-63” se manifiestan las condiciones que afectan el funcionamiento de un secador de lecho fluidizado como son el diámetro de bajada, la razón de reflujo externa, el rango superficial de la velocidad del flujo de aire, el flujo de arrastre del líquido a la salida, si hay válvula o no. En este se muestran 8 experimentos donde se mueve uno de estos valores mientras los demás se mantienen constantes para determinar el comportamiento hidrodinámico promedio en la salida (bajada) de la torre; teniendo rangos desde muy lento hasta muy rápido y de acuerdo a las condiciones anteriormente propuestas para cada experimento se tiene un rango para cada uno de ellos. Aunque la investigación no se centre en la optimización, sino en el análisis de condiciones que afectan al sistema, creo que esa es la base para cualquier mejora que se quiera hacer a cualquier técnica, teniendo en cuenta que, para este caso, habrá que ver y determinar el rango que queremos para el proceso que queremos para así determinar las condiciones que mantendremos fijas mientras que variaremos la que suponga mayo cambio al comportamiento del equipo. Haciendo así la optimización de una variable.
4.3 Programación dinámica.
Del artículo: “Heredia V. (1971). APLICACION DE LOS METODOS DE PROGRAMACION DINAMICA, CUADRATICA Y ENTERA AL PROBLEMA DE SELECCION DE PROYECTOS. Engineering Journal DYNA, 46, 453-459” En este artículo se examinarán dos de los métodos menos conocidos para la determinación de una selección óptima de proyectos de un plan de inversión de capital. Estos métodos, llamados de programación dinámica, cuadrática, llevan inherentes ciertas ventajas y desventajas, a las cuales frecuentemente sus propugnadores no les dan importancia, Sin embargo, ambos métodos dan lugar a un tiempo considerable de utilización de ordenador cuando se apliquen a cualquier problema de selección que excede de los muy simples, y su programación para el ordenador puede suponer un trabajo considerable, aún cuando los esfuerzos realizados en este sentido hayan tenido cierto éxito. La fuente principal para este artículo es el trabajo de H. Martin Weingartner, titulado «Capital Budgetíng of Interrelated Proyects: Survey and Synthesis», Managernent Science, de marzo de 1966. Este artículo trata de una amplia gama de tenias y aplicaciones de una forma un tanto fragmentada y a menudo confusa. Weingartner considera que el lector está familiarizado con los conceptos de programación dinámica, los multiplicadores de Lagrange y Álgebra Lineal y ofrece tan solo un ejemplo numérico al objeto de ilustrar sus conceptos. El propósito de este artículo_ es presentar un sumario conciso y ordenado de los conceptos básicos utilizados y los diversos grados de perfeccionamiento a que se pueden llegar partiendo de los puntos básicos. Resolveremos un caso de un proMema numérico imaginario para ayudar a clarilica.r la técnica empleada. Se discutirán las consideraciones básicas, limitaciones, posibilidades y entajas de cada método expuesto. Una cuestión de gran importancia a la que rasamente se responde en la bibliografía existente basta la fecha se refiere a la magnitud probable de beneficios que pueden obtenerse utilizando uno (le estos modelos en vez de otros teóricamente menos atractivos. Particularmente, en qué forma el beneficio neto compensa el costo de reunir los datos de entrada para el modelo y posterior cálculo utilizando el ordenador. Este aspecto tampoco será resuelto en este artículo, pero deseo poner de relieve la necesidad de una aplicación actualizada de los modelos a situaciones reales, y posteriormente hacer un cuidadoso análisis de los resultados para determinar la economicidad real de estos modelos. PROGRAMÁCION DINÁMICA El concepto básico de la programación dinámica es considerar inicialmente solo una pequeña porción de las variables ' calcular la solución óptima con respecto a dicha porción. En cada paso sucesivo ampliamos el problema mediante adición de una nueva variable, considerando que se ha determinado ya la solución óptima en el paso anterior. En lugar de considerar la nueva variable con todas las combinaciones posibles de las ya existentes, sólo es necesario comparar las combinaciones de dicha nueva variable con la combinación óptima de las ya existentes. En mi opinión, el único sistema para entender el procedimiento y convencerse uno mismo de que no se añaden a la comparación todas las posibles combinaciones es trabajar con un ejemplo. Para comenzar, un buen ejemplo numérico puede ser el tema «Modelo para la medida del lote óptimo de stocks cuando la demanda es variable», magnífieamcnte tratado por los profesores MIiller y Starr en su libro Inventory Control: Theory and Praetice(l). El concepto por ellos introducido de un horizonte o límite preestablecido no se utiliza en el modelo de W eingartner aún cuando sería útil que dicho concepto lo hubiera utilizado.se describe desde el concepto de programación dinámica aunque básicamente significa el continuar con las operaciones para calcular cierto valor suponiendo las condiciones dadas en un inicio así como también los valores a considerar, se describe también que se pueden resolver problemas de ese estilo con la programación lineal, la desventaja de esta última es que puede dar valores significativamente distintos que si se utilizara la programación dinámica, esto se debe más que a nada a las condiciones que se generan conforme el calculo se vuelve más extenso, además en la programación lineal no se pueden suponer condiciones para valores intermedios del calculo, en cambio en la dinámica, se podrían hacer. Esta última sería de gran utilidad en el simulador de algún proceso o en la simulación de un equipo porque en primera instancia, los cálculos que se requieran para tener resultados correctos y coherentes se necesitan de varias formulas dando lugar a muchos cálculos donde las condiciones pueden ser diferentes a las del anterior o a las iniciales, considerando ubicar limites para cada calculo o rangos para cada resultado se pueden obtener resultados mas fidedignos con la programación dinámica que con la lineal.