4.1 Modelación de Procesos.

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.