Professional Documents
Culture Documents
CAPITULO
1
INTRODUCCION
SISTEMA REAL
(Parte del universo limitada en
el tiempo y el espacio)
Nuevas
Observaciones Observación
MODELIZADOR
Comparación Modelización
Estilo Experiencia
Técnica Medios
Habilidad materiales
MODELO
(Representación de la
naturaleza)
VARIABLE EXTERNA
PROCESOS
Interacción
externa Interacciones
internas
VARIABLE DE ESTADO C
VARIABLE DE ESTADO D
Velocidad de salida de
─ masa del componente
“y” en el sistema
Velocidad de producción o
± desaparición de masa (1.1)
del componente “y” en el
sistema
dy •
= y = ∑ y ent − ∑ y sal ± ∑ y reac (1.2)
dt
donde:
•
y = velocidad de variación del componente «y» en el sistema,
Σyent = suma de los flujos de entrada del componente «y» en el sistema,
Σysal = suma de los flujos de salida del componente «y» en el sistema, y
Σyreac = suma de los flujos internos de producción (fuentes) y eliminación
(sumideros) del componente «y».
que cada una de las causas hubiera generado por si misma. Matemáticamente un
modelo lineal implicaría el cumplimiento de las condiciones:
dy •
= y = ∑ y ent − ∑ y sal ± ∑ y reac = f ( y1 , y 2 , y3 , K , y n ) = 0 (1.5)
dt
Paso 3 Use las hipótesis formuladas en el paso 1 para obtener ecuaciones que
relacionen las cantidades del paso 2.
Identificación de procesos y
relaciones entre variables
Formulación matemática de
los procesos
Análisis de sensibilidad
Diseño experimental
Observaciones
Calibración del modelo
experimentales
Análisis de la
incertidumbre
Observaciones
Validación del modelo experimentales
independientes
Predicción de la
evolución del sistema
CAPITULO
2
MODELIZACIÓN EN BASE A DATOS
EXPERIMENTALES
●
y ●
εi
n
SS = ε 12 + ε 22 + L + ε n2 = ∑ ε i2 (2.1)
i =1
En el caso particular cuando los datos pueden ser descritos por una
recta, y = a1x + ao, se requieren los coeficientes a1 y ao. Los mejores
coeficientes serán aquellos que minimizan el cuadrado de los errores, dando
lugar al método de mínimos cuadrados. El gradiente de SS igualado a cero será
la solución buscada. De la Figura 2.1:
El gradiente de SS:
∂SS
∂a 0
∇SS = 1 = (2.4)
∂SS 0
∂a o
∂SS
= –2 (y1 – a1x1 – ao)x1 – 2(y2 – a1x2 – ao)x2 –
∂a1
…2(y3 – a1x3 – ao)x3 – 2(y4 – a1x4 – ao)x4
∂SS
= –2 (y1 – a1x1 – ao)(1) – 2(y2 – a1x2 – ao)(1) –
∂a o
…2(y3 – a1x3 – ao)(1) – 2(y4 – a1x4 – ao)(1)
y al transponer (2.6):
y1 − a1 x1 − ao
x1 x2 x3 x 4 y 2 − a1 x 2 − ao 0
1 = (2.7)
1 1 1 y3 − a1 x3 − a 0
y 4 − a1 x 4 − ao
y1 x1 1
x1 x2 x3 x 4 y 2 x 2
1 a1 0
− = (2.8)
1
1 1 1 y 3 x3 1 a o 0
y 4 x 4
1
At (y – Aa) = 0
(2.9)
At y – At Aa = 0 (2.10)
con solución:
(
a = At A )
−1
At y (2.11)
xi yi
1.0 1.0
1.8 3.0
2.0 1.8
3.0 2.9
Solución
ans =
0.8547
0.5084
09-May-2006
Este programa calcula los coeficientes de un polinomio
P(x) de grado n que se ajusta a los datos p (x(i)~=y(i))
en el sentido de mínimo error cuadrático
Los coeficientes son dados en orden decreciente de potencia
*************************************************************
Ingrese los valores de x entre [ ]:[1 1.8 2 3]
Ingrese los valores de y entre [ ]:[1 3 1.8 2.9]
Ingrese el grado del polinomio:1
p =
0.8547 0.5084
3.5
Datos experimentales
Valores ajustados
2.5
y
1.5
1
1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
x
x y
1 148.00
2 1487.00
3 3807.00
4 10498.00
5 17551.00
6 34057.00
7 48905.00
8 76987.00
9 109193.00
10 147413.00
Solución
p =
1.0e+003 *
-0.0038 0.0978 -0.7638 3.7341 -6.4001 3.5926
x y f y-f
1.0e+005 *
0.0000 0.0015 0.0026 -0.0011
0.0000 0.0149 0.0106 0.0043
0.0000 0.0381 0.0437 -0.0057
0.0000 0.1050 0.1000 0.0050
0.0001 0.1755 0.1872 -0.0117
0.0001 0.3406 0.3185 0.0221
0.0001 0.4890 0.5076 -0.0186
0.0001 0.7699 0.7646 0.0053
0.0001 1.0919 1.0908 0.0012
0.0001 1.4741 1.4748 -0.0007
Desea graficar los datos si(1) no(0): 1
4
x 10
15
Datos experimentales
Valores ajustados
10
y
0
1 2 3 4 5 6 7 8 9 10
x
Problemas
1. En la ingeniería de abastecimiento de aguas, el tamaño del reservorio
depende de la estimación exacta del flujo de agua en el río del cual se toma.
Para algunos rios es difícil obtener registros históricos de muchos años atrás
de tales datos de flujo. Por el contrario, datos meteorológicos sobre
precipitación de muchos años atrás están a menudo disponibles. Por tanto,
con frecuencia es útil determinar una relación entre el flujo y precipitación.
Esta relación se puede entonces usar para estimar flujos por años pero solo
cuando se hicieron dichas mediciones de precipitación.
p c
Lago Superior 4.5 0.8
Lago Michigan 8.0 2.0
Lago Hurón 5.5 1.2
Lago Erie
Cuenca oeste 39.0 11.0
Cuenca central 19.5 4.4
Cuenca este 17.5 3.8
Lago Ontario 21.0 5.5
t, HR p(T)
0.5 7
1 5.2
2 3.8
3 3.2
4 2.5
5 2.1
6 1.8
7 1.5
8 1.2
9 1.1
CAPITULO
3
MODELOS AL ESTADO ESTACIONARIO
donde:
ent = que entra
pm = pintura mezclada
e = emitidos
MWCE
E = Qcomb. × CCC × (3.2)
MWCC
donde:
E = emisiones del contaminante
Qcomb. = Consumo de combustible, flujo másico (p.ej., kg/hr)
CCC = Concentración del contaminante en el combustible
MWce = Peso molecular del contaminante emitido (lb/lb-mol)
MWcc = Peso molecular del contaminante en el combustible (lb/lb-mol)
Ejemplo 3-1.
Calcular las emisiones de SOx por hora (reportado como SO2) de una
máquina de combustión interna que quema diesel, con base en los datos del
análisis del combustible (el contenido de azufre). El consumo estimado de
Ejemplo 3-2
7% Xileno
D1 4% Estireno
54% Tolueno
35% Benceno
D 2
18% Xileno
24% Estireno
B1 42% Tolueno
15% Xileno 16% Benceno
25% Estireno
40% Tolueno
1 15% Xileno
20% Benceno D2 10% Estireno
54% Tolueno
F = 70 mol/min 21% Benceno
B
3
24% Xileno
65% Estireno
B2 10% Tolueno
1% Benceno
>> A= [0.07 0.18 0.15 0.24; 0.04 0.24 0.10 0.65; 0.54 0.42 0.54
0.10; 0.35 0.16 0.21 0.01]
A =
0.0700 0.1800 0.1500 0.2400
0.0400 0.2400 0.1000 0.6500
0.5400 0.4200 0.5400 0.1000
0.3500 0.1600 0.2100 0.0100
b =
10.5000
17.5000
28.0000
14.0000
>> x=A\b
x =
26.2500 = D1
17.5000 = B1 Flujos totales de salida de las
8.7500 = D2 Columnas 2 y 3
17.5000 = B2
Flujos molares: D = D1 + B1
donde XDx = fracción molar de Xileno, XDs = fracción molar de Estireno, XDt =
fracción molar de Tolueno, y XDb= fracción molar de Benceno.
De manera similar, balances total y de componentes individuales en la
columna #3 pueden ser usados para determinar el flujo molar y las fracciones
molares de la corriente B a partir del conjunto de ecuaciones:
Flujoss Molares: B = D2 + B2
F13
F21
Solución
1 1 −1 F12 1
A = 0 1 − 0.6 , x = F13 , b = 0
0.8 0 − 1 F21 0.6
Usando Matlab:
A =
1.0000 1.0000 -1.0000
0 1.0000 -0.6000
0.8000 0 -1.0000
b =
1.0000
0.6000
0
>> x=A\b
x =
0.5882
0.8824
0.4706
Además:
F35
Recuperación de
vapor (3)
F31
F13
F21
CAPITULO
4
MODELOS AL ESTADO NO ESTACIONARIO
1 Atmósfera
2 La Biosfera Terrestre
3 Superficie del océano
4 Carbón del suelo y detritus
5 Profundidad del océano
Deforestación
Quemado de combustibles fósiles
ATMOSFERA Emanación de
gases del océano
O O
Respiración
O
O
O
Estación SUPERFICIE DEL
OCEANO
O
O O
BIOSFERA Salida del océano
TERRESTRE
O
O
Fotosíntesis
Flujo hacia
arriba
Flujo hacia
Muerte abajo
O
CARBON DEL PROFUNDIDAD
SUELO Y DEL OCEANO
DETRITUS O
Bomba
Decaimiento biológica
Ecuaciones diferenciales
dC AT
= C OD + C R + C D + C FB + C DF − C OU − C FS
dt
dC SO
= C OU + CUP − C OD − C DW − C BP
dt
dC DO
= C DW + C BP − CUP
dt
dC BT
= C FS − C R − C M − C DF
dt
dC SD
= CM − C D
dt
Ecuaciones algebraicas
C AT
CUO =
2
CUP = CDO * 0.002
CDW = CSO* 0.002
CBP = 6.76 + CSO / 700
COD = CSO / 20
Est = 1+ (cos(2*pi*(t +0.125)))
CR = CBT * 0.1* Est
CFS = (CBT * 0.1483+ CAT /700) * Est
CM = 0.05* CBT
CD = 0.021* CSD + CAT / 750
AtmCO2 = CAT /2
Donde:
CAT = carbón total en la atmósfera
COD = carbón emanada desde el océano
CR = carbón debido a la respiración de los seres vivos
CD = carbón debido a descomposición de seres muertos
CFB = carbón debido al quemado de combustibles fósiles
CDF = carbón debido a la deforestación de los bosques
COU = carbón tomado por el océano
CFS = carbón usado en la fotosíntesis
CSO = carbón en la superficie del océano
CUP = carbón desde el fondo del océano
CBT = carbón en la biosfera terrestre
CDW = carbón hacia el fondo del océano
CBP = carbón en plantas marinas
CDO = carbón en el fondo del océano
CM = carbón en los seres muertos
CSD = carbón en la superficie terrestre
Las condiciones iniciales son tomadas para el año base (1970) en giga
toneladas:
Uso de UNTSIM
Y la figura:
420
CO2 en la Atmósfera: Gigatoneladas
410
400
390
380
370
360
350
340
0 1 2 3 4 5 6 7 8 9 10
Tiempo: Años
1 Gigatonelada = 1015 gm
1 ton métrica = 1000 kg = 106 gm
donde
Yt : representa el tamaño de la población en t,
F(Y) : indica la tasa de crecimiento poblacional
h(t) : representa la tasa de cosecha (“harvesting rate”).
r = TN – TM (4.8)
N1 = N0·(1 + r) (4.9)
N2 = N1 (1 + r) = N0 (1 + r) (1 + r) = N0 (1 + r)2 (4.10)
Y generalizando:
Nt = N0 (1 + r) t (4.11)
No=6;
r=0.1
t=0:1:10;
Nt = No*(1+r).^t
m=[t;Nt];
disp('***************************')
disp(' CRECIMIENTO EXPONENCIAL')
disp('---------------------------')
disp(' Año Población ')
disp('----- ---------- ')
fprintf(' %5.2f %7.5f\n',m)
disp('***************************')
plot(t,Nt)
xlabel ('Tiempo')
ylabel ('Población')
title('CRECIMIENTO EXPONENCIAL DE POBLACION')
grid on
15
14
13
12
Población
11
10
6
0 1 2 3 4 5 6 7 8 9 10
Tiempo
***************************
CRECIMIENTO EXPONENCIAL
---------------------------
Año Población
----- ----------
0.00 6.00000
1.00 6.60000
2.00 7.26000
3.00 7.98600
4.00 8.78460
5.00 9.66306
6.00 10.62937
7.00 11.69230
8.00 12.86153
9.00 14.14769
10.00 15.56245
***************************
15
14
13
12
Población
11
10
6
0 1 2 3 4 5 6 7 8 9 10
Tiempo
***************************
CRECIMIENTO EXPONENCIAL
---------------------------
Año Población
----- ----------
0.00 6.00000
1.00 6.60000
2.00 7.26000
3.00 7.98600
4.00 8.78460
5.00 9.66306
6.00 10.62937
7.00 11.69230
8.00 12.86153
9.00 14.14769
10.00 15.56245
***************************
Siendo:
Como se observa, el lado derecho de la ecuación está formado por dos términos:
el primero, roN, que representa la tendencia de la población a crecer
exponencialmente a una tasa ro , y el término bN2, cuyo papel es reflejar la
reducción poblacional causada por conflictos entre individuos de la misma
especie (efecto competencia).
Cuando r se hace dependiente del tamaño de la población (y por tanto del
tiempo) su valor cambia con las fluctuaciones de la población. De manera que r
toma el valor r(t) en el intervalo (t ; t+dt) y esto define la ecuación logística.
for i=1:NP
t(i+1) = t(i) + h;
N(i+1)=N(i)+ h*CR(i);% Método de Euler
CR(i+1)=r*N(i+1)*(1-N(i+1)/K);
end
% Acomodamos la salida
figure
plot(t,N)
xlabel ('Tiempo')
ylabel ('Población')
title('CRECIMIENTO LOGISTICO DE POBLACION')
grid on
7 2
6
Población
2 1
0
0 50 100 150 200 250 300 350
Tiempo
Ecuación de la población:
donde:
N = unidades de población
C = unidades de nutriente
b = unidades de nutriente consumido /unidad de población incrementada
r = tasa de crecimiento
4
x 10 CRECIMIENTO LOGISTICO DE POBLACION CON NUTRIENTE
10
6
Población
0
0 50 100 150 200 250 300 350
Tiempo
Donde:
a = tasa de crecimiento de la presa
b = eficiencia de habilidad del depredador para capturar presa
c = la tasa de mortalidad del depredador
d = la tasa de crecimiento del depredador
'Visible','on', ...
'NextPlot','add');
grid on % adicionar malla a ejes
set(drawPres,'xdata',[t(i),t(i+1)],'ydata',[Pres(i),Pres(i+1)]);
drawnow;
set(drawPred,'xdata',[t(i),t(i+1)],'ydata',[Pred(i),Pred(i+1)]);
drawnow;
end
plot(t,Pres,'b')
plot(t,Pred,'r')
xlabel ('Tiempo')
ylabel ('Población')
title('MODELO DEPREDADOR-PRESA')
legend('Presa','Depredador')
MODELO DEPREDADOR-PRESA
1200
Presa
Depredador
1000
800
Población
600
400
200
0
0 50 100 150 200 250 300 350
Tiempo
Al graficar se obtiene:
'xdata',[],'ydata',[]);
MODELO DEPREDADOR-PRESA
600
Presa
Depredador
500
400
Población
300
200
100
0
0 50 100 150 200 250 300 350 400 450 500
Tiempo
Figura 4.13 Solución del modelo depredador presa con crecimiento logístico
a c 0.04 0 .3
y (+∞) = 1 − = 1 − =16
b dK 0.001 0.001 × 500
k(t)
C(t), V
Donde:
Q : Flujo volumétrico a través del lago
V : Volumen del lago
dC (t )
V = Q ⋅ C in (t ) − Q ⋅ C (t ) − k (t ) ⋅ C (t ) ⋅ V (4.24)
dt
dC (t ) Q Q
= ⋅ C in (t ) − ⋅ C (t ) − k (t ) ⋅ C (t ) (4.25)
dt V V
Solución
Para encontrar la respuesta, primero deberíamos decidirnos cómo
debemos modelar la entrada (el derramamiento de gasolina). Si lo modelamos
como
• Un Impulso,
• Un escalón
• O una función sinusoidal
Tiempo final (tf). Una cantidad que necesitamos conocer es el tiempo final tf.
En el enunciado del problema, se dice que 10 galones fueron derramados en el
tiempo t = 0 (para nuestro propósito). También sabemos que las autoridades
fueron avisadas 4 días después para tomar las acciones respectivas, por lo que:
Tiempo final tf = 4 días
El caudal (Q). Otra cantidad que necesitamos saber es la tasa de flujo, Q. Esto
no fue dado en el enunciado del problema, pero podemos pretender que tal
información estaría disponible. Supongamos que encontramos que a la hora que
el flujo fue recortado, el lago tenía una de salida de 89,880 galones /día.
Si queremos mantener las unidades en términos de días y pies, cual
deberá ser el caudal en términos de miles de pies3/día ? (Use: 1 pie3 = 7.49
galones.)
Solamente necesitamos convertir el caudal dado de 89 880 galones por
día en miles de pies3/día. Por lo tanto:
Volumen del lago. Si el lago tiene 898 000 galones, el volumen en miles de
pies3 será:
1 pie 3
898000 galones × = 120000 pies 3
7.49 galones
Datos:
Densidad de la gasolina: 800,000 mg/litro
Litros en un galón: 3.79 litros/galón
Volumen de agua en el lago: 898,800 galones
Volumen de gasolina derramada: 10 galones
Luego:
(30 320 000 mg de gasolina)/( 3 406 572 litros de agua) = 8.9
Uso de UNTSIM
Análisis
Para cualquier día dado
La contaminación inicial en el lago es (a / 100) V, litros
La contaminación que entra en el lago desde de la alcantarilla es (b / 100) S,
litros
La contaminación que entra en el lago desde el primer río es (c / 100)R litros
Así, la contaminación total que desemboca en el lago es (bS + cR) /100.
La contaminación actual así se convierte en (aV + bS + cR) /100.
La contaminación que drena del lago en el segundo río equivale a la
contaminación actual del lago.
Modelamiento Matemático:
Ahora, tenemos dos corrientes de estrada y una corriente de salida, por lo que la
Ec. (4.25) se escribe como:
dC S R (S + R)
= ⋅ C alc + ⋅ C rio − C (4.26)
dt V V V
Preguntas:
a. A que función corresponde el modelo de entrada de contaminantes?
b. se mantienen los mismos parámetros. Cuál será la contaminación
máxima que se alcanzará en el lago?
c. En que tiempo se alcanzará esta concentración máxima?
d. Hacer un programa para una solución determinista usando el algoritmo
dado a continuación, y comparar las respuestas encontradas
Algoritmo (pseudo-código)
(El símbolo compuesto := es usado para indicar "es asignado".)
1. entrada V, a, S, b, R, c, n
2. cont := a*V/100
3. contEntra := (b*S + c*R)/100
4. for i:1 to n
cont := cont + contEntra
contSale := (S+R)* cont /V
pollution := cont - contSale
Porcientocont := cont *100/V
Fo (t)
ρo (t)
V(t) F(t)
ρ(t) ρ(t)
Balance de materiales:
d ( ρV )
= F0 ρo - F ρ (4.27)
dt
dh
at =Fo - F (4.28)
dt
dh Fo F
= − (4.29)
dt at at
Balance de Momentum
Ma
F= (4.30)
gc
donde F = fuerza, N (lbf)
m = masa, Kg. (lbm)
gc = constante de conversión necesaria cuando se usan unidades Inglesas
de ingeniería, para mantener consistencia en las unidades = 32,2 lbm
pie/lbf seg2
1 d ( Mvi ) N
= ∑ F ji (4.31)
gc dt j =1
M = Ap L ρ (4.32)
F
v=
Ap
g
Fuerza hidráulica = Ap ρ h (4.33)
gc
1 d ( AP L ρ v ) g
= AP ρ h – KF L v2 (4.35)
gc dt gc
dv g K g
= h – F C v2 (4.36)
dt L ρAP
g K g
0= h – F c v2 (4.37)
L ρAP
gρA p
0.5
v = h (4.38)
K g
F c L
>> derrame
Altura del tanque (pies): 7
Diametro del tanque (pies): 12
Densidad del liquido (lb/pie^3): 62.4
Diametro de la tuberia de salida (pies): 3
Longitud de la tuberia de salida (pies): 3000
**********************************************
1. OPERACION AL ESTADO ESTACIONARIO
**********************************************
Nivel Velocidad Caudal
(pies) pies/s pies^3/min
0 0 0
1.0000 2.2874 16.1688
2.0000 3.2349 22.8661
3.0000 3.9619 28.0051
4.0000 4.5748 32.3375
5.0000 5.1148 36.1545
6.0000 5.6030 39.6052
7.0000 6.0519 42.7786
**********************************************
Verificar cuanto soporta de aumento en el caudal de entrada
Nivel al que está operando el tanque(pies): 5
**********************************************
2. PARA ESTE NIVEL LAS CONDICIONES SON
**********************************************
Nivel Velocidad Caudal de entrada = salida
(pies) pies/s pies^3/min
5.0000 5.1148 36.1545
7.5
7
Nivel
6.5
5.5
5
0 100 200 300 400 500 600
Tiempo
Comentarios:
Del resultado de la simulación se observa lo siguiente:
1. Cuando el tanque opera al estado estacionario con un caudal de entrada
de 36.1545 pies3/min, el tanque alcanza un nivel de 5 pies.
2. Si partiendo de estas condiciones de operación, se eleva repentinamente
el caudal en 20% (36.1545*0.2 = 7.2309 pies3/min), el nivel de liquido
sobrepasa el nivel del tanque produciéndose por lo tanto un derrame de
liquido.
dC
= Q (C f − C ) / V − R1 BC (4.39)
dt
dB
= B ( R2 C − D − Q / V ) (4.40)
dt
Donde
Cf = concentración de contaminante procedente de la fábrica: g/m3
(10-3 < Cf < 10 -2)
B = concentraciones de microorganismos biológicos en el tanque en el
tiempo t horas: g/m3
Q = caudal entrando y saliendo del tanque: 10 m3/hora
V = volumen del tanque: 104 m3
R1 = 0.1 m3/g.h
R2 = 1.2625 m3/g.h
D = 10-5
(R1, R2 y D son estimaciones empíricas de las constantes de velocidad
para digestión del contaminante, crecimiento del organismo y
mortalidad natural del organismo respectivamente)
Cleg = límite legal: 5x10-4 g/m3
Cf
Q
C, B
C, B Q
Solución
a) Verificar que las dimensiones de las ecuaciones diferenciales sean correctas
clear all
V=10e04;
Q=10;
D=10e-05;
R1= 0.1;
R2=1.2625;
Cmin=10e-02;
T= 10000; %Tiempo de simulación
h= 1;% Tamaño de paso
NP=ceil(T/h);
Cs=(D+Q/V)/R2
Bs=Q*(10e-03 - Cs )/(V * Cs * R1 )
t(1)=0;
C(1)=Cs;
B(1)=Bs;
for i=1:NP
t(i+1) = t(i) + h;
C(i+1)=C(i) + h*(((Cmin-C(i))*Q/V)-R1*B(i)*C(i));
B(i+1)=B(i) + h*(B(i)*(R2*C(i)-D-Q/V));
end
plot(t,C)
xlabel ('Tiempo')
ylabel ('Concentración de Contaminante')
title('CONCENTRACION DE CONTAMINANTE VS. TIEMPO')
grid on
figure
plot(t,B)
xlabel ('Tiempo')
ylabel ('Contaminante más microorganimos')
title('CONCENTRACION TOTAL EN EL TANQUE')
grid on
>> minres
Cs = 1.5842e-004 <-- Concentración de contaminante
en el tanque el EE
Bs = 0.0621 <-- Concentración de microorganismos
en el tanque el EE
-3
x 10 CONCENTRACION DE CONTAMINANTE VS. TIEMPO
1.4
1.2
Contaminante en el tanque: g/m3
0.8
0.6
0.4
0.2
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo: horas
0.6
Microorganimos en el tanque: g/m3
0.5
0.4
0.3
0.2
0.1
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Tiempo: horas
Cf
Q
V1 Q V2
C 1 ,, B1 C 2 , B2 C2, B2
Q
dC1
= Q (C f − C1 ) / V1 − R1 B1C1 (4.41)
dt
dB1
= B1 ( R2 C1 − D − Q / V1 ) (4.42)
dt
dC 2
= Q (C1 − C 2 ) / V 2 − R1 B2 C 2 (4.43)
dt
dB2
= B 2 ( R 2 C 2 − D − Q / V2 ) (4.44)
dt
El flujo del residuo que contiene fenol es proyectado para ser 0.45 MGD
con una anticipada concentración de fenol de 95 mg/L. El reactor (un proceso
químico de oxidación) tiene un volumen total de líquido de 25,000 gal. (L = 35
ft., W = 12 ft., H = 8 ft.). Un análisis de dispersión del reactor ha sido realizado
inyectando un impulso de material poco reactivo en la corriente de alimentación
al reactor. La tasa de flujo fue monitoreada durante el estudio de dispersión y se
determinó a ser 0.45 MGD. Los datos del trazador en el reactor son presentados
en la (Tabla 4.2).
El límite permitido de descarga de fenol ha sido determinado en 0.1 mg/L
por la junta reguladora estatal. Estime la concentración de fenol en efluente
Solución
La solución se basa en la utilización de la información cinética (Tabla 4.1)
y la información de dispersión (Tabla 4.2) para estimar el desempeño del reactor
dC
= − kC n (4.45)
dt
donde
k = constante de velocidad de reacción
n = orden de reacción
y = mx + b (4.46)
dC
= − kC 0 = −k
dt
dC = − kdt
Ct t
∫C0
dC = − k ∫ dt
0
C t − C 0 = − kt
C t = − kt + C 0 (4.47)
deberá resultar en una línea recta. Sin embargo, si los datos no corresponden a
una línea recta, debe asumirse otro orden y repetir los cálculos.
Por ejemplo, asumiendo n = 1, se tiene la siguiente solución a la ecuación:
dC
= − kC
dt
dC
= − kdt
C
Ct dC t
∫C0 C
= − k ∫ dt
0
ln C t − ln C 0 = − kt
ln C t = −kt + ln C 0
Uso de UNTSIM
Para determinar el orden de velocidad, usamos el simulador UNTSI, para lo cual
ingresamos al Menú principal – Cálculos de Ingeniería química – Sistema de
reacción – Datos de velocidad – Concentración versus tiempo
29-May-2006
ANALISIS DE DATOS DE VELOCIDAD PARA REACCIONES EN
FUNCION DE CONCENTRACIONES VERSUS EL TIEMPO
****************************************************
La reacción es:
1. aA-------> Productos
2. A + bB ------>Productos
Tipo de reacción: 1
Ingrese los tiempos y concentraciones entre corchetes
de la forma [t1 t2 t3 ...]
Tiempo en minutos: [0 10 20 30 40 60 80]
Usar concentraciones (0) o Conversión (1): 0
Concentraciones de A [ ]: [100 55 22 8 5 0.82 0.15]
Método Integral (1) Método Diferencial (2): 1
----------------------------------------
METODO INTEGRAL
----------------------------------------
La varianza es
0.9972
La varianza es
-2.5561
>>
2
ln CA
-1
-2
0 10 20 30 40 50 60 70 80
tiempo, min
Figura 4.26 ln(C) vs. tiempo para los datos dados en la Tabla 4.1.
Los datos en la Figura. 4.26 indican que para la asunción de primer orden
(n = 1) ln(C) vs t caen en una linea recta. La velocidad de reacción es por lo
tanto de primer orden contendiente igual a k = 0.08 min-1.
σ2 =
∑ t C ∆t i
2
i i
−t
2
(4.48)
∑ C ∆t i i
t=
∑ t C ∆ti i i
(4.49)
∑ C ∆t i i
σ2
σ θ2 = 2
(4.50)
t
( Nt / t R ) N −1 − Nt / t R
C n = C0 e (4.51)
( N − 1)!
Predicción de Ce para el reactor actual. Hasta aca esta todo bien, pero, ahora
qué que hacemos para determinar la concentración efluente para nuestro reactor
de escala?. Aplicamos la ecuación 4.52, la expresión para predecir desarrollada a
partir de un balance de masa alrededor de una serie de N CSTR’s de igual
volumen.
Ci
Ce = (4.52)
(1 + kVi / Q) N
95mg / L
Ce = 9
23,406 gal / 9
1 + 0.082 min −1
312.5 gpm
95mg / L 95mg / L
Ce = =
(1 + 0.682) 9
108.7
Ce = 0.88 mg/L
Deberá notarse que el valor para V/Q, está basado en el volumen efectivo
(Veff), donde
y
θeff = t
o
Veff = 74.9 min x (312.5 gpm) = 23406 gal
Q1
Tanque actual
Q
Q2
Nuevo Tanque
Q C
1/ N
Vi = i − 1
k C e
(4.54)
312.5 gpm 0.88mg / L 1 / 9
Vi = − 1
0.082 min −1 0.07mg / L
Vi = 1238 gal
V = NVi
−1
C
1/ N
Q1 = KVi i − 1 = 169 gpm
C e
−1
23406 gal 95mg / L
1/ 9
−1
Q1 = 0.082 min − 1
9 0.07 mg / L
-1
Q1 = 213.3[2.23 – 1]
Q1 = 173.4 gpm
Q C
1/ N
Vi = i − 1 (4.54)
k C e
139 gpm 95mg / L
1/ 9
Vi = − 1
0.082 min −1 0.07mg / L
Vi = 2083 gal
V = NVi
A
vel > 0
x – ∆x x
Figura. 4.29 Corriente contaminada
A ∆t vel ui-1k
-A ∆t vel uik
A ∆x uik
A ∆x ∆t dec uik
donde:
i = 1, …, n-1
k = 0, …, maxk-1
ui0 = dado para i = 1, …, n-1 (4.56)
uik = dado para i = 1, …, maxk (4.57)
Foma Vectorial
u1k+1 = A uk + b
u1k+1 c u1 k duok
u2k+1 = d c u2 k + 0 (4.58)
u2k+1 d c u3 k 0
donde
d = vel (∆t/∆x) y c = 1 – d – dec ∆t
for i = 1:n+1
x(i) =(i-1)*dx;
u(i,1) =(i<=(n/2+1))*sin(pi*x(i)*2)+(i>(n/2+1))*0;
end
% Concentración Río arriba
for k=1:K+1
time(k) = (k-1)*dt;
u(1,k) = -sin(pi*vel*0)+.2;
end
% Lazo de Tiempo
for k=1:K
% Lazo de Espacio
for i=2:n+1;
u(i,k+1) =(1 - vel*dt/dx -decay*dt)*u(i,k) +
vel*dt/dx*u(i-1,k);
end
end
mesh(x,time,u')
xlabel('longitud')
ylabel('tiempo')
zlabel('concentración')
>>contour(x,time,u')
20
18
16
14
12
tiempo
10
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
longitud
flujo1;
lim =[0 11 0 1];
for k=1:5:150
plot(u(:,k))
axis(lim);
k = waitforbuttonpress;
end
>> plot(x,u(:,1),x,u(:,10),x,u(:,20),x,u(:,30),x,u(:,40),x,u(:,50))
0.9
0.8
0.7
0.6
concentración
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
tiempo
ut(i∆x, k∆t + ∆t/2) = -vel ux(i∆x - ∆x/2, k∆t) - dec u(i∆x, k∆t).
Lago
Superficie de
contaminante Velocidad
del viento
∆x
V1 ∆y
V2
(T ∆x ∆y) (ui,jk+1 – ui,jk) = (T ∆y) (v1 ∆t) ui-1,jk - (T ∆y) (v1 ∆t) ui,jk
+ (T ∆x) (v2 ∆t) ui,j-1k - (T ∆x) (v2 ∆t) ui,jk
∆t dec (T ∆x ∆y) ui,jk (4.59)
Condición de Estabilidad.
1 - v1 (∆t/∆x) - v2 (∆t/∆y) - ∆t dec > 0.
Metodo. Para ejecutar el modelo discreto, debe haber tres bucles anidados. El
lazo exterior debe ser el lazo de tiempo (usar k), y los dos lazos interiores son
para la cuadrícula del espacio (usando i y j). La orden i (la dirección x) y la j (la
dirección y) no son importantes siempre que ambos esten dentro de la k (lazo de
tiempo).
% Codigo en mov2d.m
flujo2;
lim =[0 1 0 4];
for k=1:5:200
contour(x,y,u(:,:,k)')
title('Concentración versus espacio a diferentes
tiempos')
grid on
axis(lim);
k = waitforbuttonpress;
end
3.5
2.5
1.5
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
3.5
2.5
1.5
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Problemas
Datos:
dθ
= −k (θ − θ m (t ))
dt
θ m (t ) = 20 + 5e −t sen t
θ m (t ) = 20 + 5 sen t
dθ
= −k (θ − θ m ) − k a (θ − θ a )
dt
Aquí ka = 0,1 es una constante de proporcionalidad asociada con el
acondicionador de aire, k = 0.03 y θa es la temperatura del medio de
enfriamiento del acondicionador de aire (5 ºC). Asumir que la temperatura
externa es fijada a 35 ºC. La temperatura inicial en el cuarto es 20 ºC.
a) Con ka dada como cero, encuentre la solución para θ, esto sucede cuando
el acondicionador de aire es desconectado.
c) Muestre como las soluciones anteriores pueden ser usadas para encontrar
la solución para el caso cuando el acondicionador de aire se enciende
cuando la temperatura del cuarto excede 25 ºC y se apaga cuando la
temperatura cae por debajo de 20 ºC.
dI
= a 3 ( S − S eq ) H ( S − S eq ) − a 4 I + b2 D
dt
dS
= − a1 SI + a 2 ( S eq − S )[ H ( S eq − S )] + b1 F
dt
8. Dibuje una gráfica simple de la función escalón H(S - Seq), como una
función de S. Escriba un programa MATLAB para calcular esta función.
Si t>0 y la toma es cero para t≤0. Aquíe rb y kb son constantes y hay formas
funcionales similares para almuerzo y cena.
CAPITULO
5
MODELOS DE CALIDAD DEL AIRE
Los gases emitidos por las chimeneas muchas veces son impulsados por
abanicos. A medida que los gases de escape turbulentos son emitidos por la
pluma, se mezclan con el aire del ambiente. Esta mezcla del aire ambiental en la
pluma se denomina arrastre. Durante el arrastre en el aire, la pluma aumenta su
diámetro mientras viaja a sotavento. Al entrar en la atmósfera, estos gases tienen
un momentum. Muchas veces se calientan y se vuelven más cálidos que el aire
externo. En estos casos, los gases emitidos son menos densos que el aire exterior
y, por lo tanto, flotantes. La combinación del momentum y la flotabilidad de los
gases hace que estos se eleven. Este fenómeno, conocido como elevación de la
pluma, permite que los contaminantes emitidos al aire en esta corriente de gas
se eleven a una altura mayor en la atmósfera. Al estar en una capa atmosférica
más alta y más alejada del suelo, la pluma experimentará una mayor dispersión
antes de llegar a este.
La altura final de la pluma, conocida como altura efectiva de chimenea
(H), es la suma de la altura física de la chimenea (hs) y la elevación de la pluma
1,6 F 1 / 3 x 2 / 3
∆h = (5.1)
u
g Ts − Ta
Flujo de flotabilidad = F = V (5.2)
π Ts
b) Fórmula de Holland
Vs d T − Ta
∆h = 1,5 + 2,68 ∗ 10 −3 ⋅ P s d (5.3)
u Ts
Tabla 5.1
Categorías de Factor de corrección
estabilidad aplicado al ∆h, calculado por
(clases) la fórmula de Holland
A, B 1,15
C 1,10
D 1,00
E, F 0,85
P
H
u H = u10 (5.4)
10
a) Distribución gausiana
(5.5)
Donde:
C = concentración del contaminante en el punto x, y, z (kg/m3)
Q = masa emitida por unidad de tiempo (kg/seg)
σy = coeficientes de dispersión de contaminantes en dirección y (horizontal)
(m)
σz = coeficientes de dispersión de contaminantes en dirección z (vertical) (m)
u = velocidad del viento (m/s).
y = distancia en dirección horizontal
z = distancia en dirección vertical
H = Altura de la fuente emisora sobre el nivel del suelo más la elevación de la
pluma (m).
b) Clasificaciones de estabilidad
c) Coeficientes de dispersión
σz = a·xb (5.8)
donde :
σx = desviación tipo en el eje x, en metros (usado para fuents instantáneas)
σy = desviación tipo en el eje y, en metros
σz = desviación tipo en el eje z, en metros
x = distancia en la dirección del viento (kilómetros)
c y d = coeficintes que se obtienen de la Tabla 5-4
a y b = coeficientes que se obtienen de la Tabla 5-5.
σz = c · xd (10 · z0 )m (5.9)
Datos:
Rugosidad del suelo equivalente a urbana y estabilidad meteorológica D,
Temperatura ambiente Ta = 20 ºC (293 K)
Presión atmosférica P = 1 atm absoluta
Solución
M
C ( x, y , z , t ) = ⋅ A⋅ B ⋅C (5.11)
(2π ) 3/ 2
σ xσ y σ z
( x −u ⋅t ) 2
−
2σ x2
A=e (5.12)
y2
−
2σ y2
B=e (5.13)
( z −h) 2
( z + h) 2
− −
2σ z2 2σ z2
C =e +e (5.9)
Donde:
C = concentración (kg/m3)
M = masa de la emisión (kg)
h = altura efectiva de la fuente de emisión (m). (h = 0 para una emisión a
ras de suelo)
σx = 0,13 · x (5.14)
σz = σzc (5.16)
Ejemplo 5.2
Solución:
Problemas
O + O2 k1 O3
O + O2 k2 2O2
O2 k3(t) 2O
O2 k4(t) O + O2
dx
= − k1 xu − k 2 xy + 2k 3 (t )u + k 4 (t ) y
dt
dy
= k1 xu − k 2 xy − k 4 (t ) y
dt
Luz solar
NO2(g) + O2(g) + hidrocarburos ---------->
CH3CO-OO-NO2(g)
Uso de UNTSIM
Y las gráficas:
10
9.5
NO2 ppb
8.5
0 20 40 60 80 100 120 140 160 180
Tiempo (minutos)
50
49.95
CO ppb
49.9
49.85
0 20 40 60 80 100 120 140 160 180
Tiempo (minutos)
10.6
10.4
NO ppb
10.2
10
0 20 40 60 80 100 120 140 160 180
Tiempo (minutos)
22
20
O3 ppb
18
16
0 20 40 60 80 100 120 140 160 180
Tiempo (minutos)
CAPITULO
6
OPTIMIZACION DE SISTEMAS
El problema de la dieta, conocido por este nombre, fue uno de los primeros
problemas sobre optimización, motivado por el deseo del ejercito americano de
asegurar unos requerimientos nutricionales al menor coste. El problema fue
analizado y resuelto por George Stigler usando la programación lineal en 1947.
Vamos a ver un ejemplo muy sencillo de este tipo de problema.
Un medico receta a una de sus pacientes una dieta especial basada en tres
productos (arroz, pescado y verduras frescas) que han de combinarse de manera
que cumplan una serie de requisitos mínimos en cuanto a proteínas y calorías.
Estos mínimos se sitúan en 3 unidades de proteínas y en 4000 calorías.
Los productos que componen la dieta tienen las siguientes unidades por
kilogramo: el arroz contiene 1 unidad de proteína y 2000 calorías, el pescado
tiene 3 unidades de proteínas y 3000 calorías y, por ultimo, las verduras frescas
poseen 2 unidades de proteínas y 1000 calorías.
a) Si los precios de los tres productos básicos son respectivamente de 55, 125 y
55 pesetas el kilogramo, ¿ Cuál debe ser la combinación de productos que
cubriendo las necesidades mínimas suponga un menor coste?.
b) Si aumenta el precio del pescado, y este pasa a ser de 140 pesetas. ¿La
solución seguirá siendo optima?. Si la respuesta es negativa, cual será la
nueva solución?
c) Si disminuye el precio del pescado, y este pasa a ser de 105 pesetas. ¿La
solución seguirá siendo optima?. Si la respuesta es negativa, cual será la
nueva solución?
d) Si el medico recomienda aumentar el numero de calorias por dia, pasando a
4500 calorias diarias. ¿La solución seguirá siendo optima?. Si la respuesta es
negativa, cual será la nueva solución?
Solución
2. La función objetivo es Z:
MINIMIZAR Z = 55X1 + 125X2 + 55X3
Calorias
2000X1 + 3000X2 + 1000X3 ≥ 4000
Proteinas
X1 + 3X2 + 2X3 ≥ 3
a) Minimizar
Z = 55X1 + 125X2 + 55X3
Calorías
-2000X1 - 3000X2 - 1000X3 ≤ -4000
Proteínas
-X1 - 3X2 - 2X3 ≤ - 3
Uso de UNTSIM
El simulador UNTSM posee una rutina para minimizar una función objetivo,
para ingresar seleccionamos del Menú Principal: Cálculos de Ingeniería
Química- Optimización – Programación lineal
RESTRICCIONES DE DESIGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: [-2000 -3000 -1000; -1 -3 -2]
Ingresar vector del lado derecho de las restricciones [ ]
: [-4000; -3]
RESTRICCIONES DE IGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: []
Ingresar vector del lado derecho de las restricciones [ ]
: []
Limites inferiores de las variables (vector): [0; 0; 0]
Limites superiores de las variables (vector): []
Optimization terminated.
x =
1.6667 <-- kg de arroz
0.0000 <-- kg de pescado
0.6667 <-- kg de verduras
fval =
128.3333 <-- Costo de la dieta
x =
1.0000 <-- kg de arroz
0.6667 <-- kg de pescado
0.0000 <-- kg de verduras
fval =
125 <-- Costo de la dieta
fval =
137.5000 <-- Costo de la dieta
Solución
Planteo
Cantidad Precio Almacenamiento Contaminación
Tableros X1 100 20 0.02
Cajas X2 50 10 0.03
1.- Variables:
Maximizar: Z = 100 X1 + 50 X2
Emisiones máximas
0.02 X1 + 0.03 X2 ≤ 1
4.- Enunciado:
Maximizar Z = 100 X1 + 50 X2
Sujeta a las restricciones
20 X1 + 10 X2 ≤ 2000
0.02 X1 + 0.03 X2 ≤ 1
Uso de UNTSIM
El simulador UNTSM posee una rutina para minimizar la función objetivo, por
lo que para usar en maximización debemos cambiar los signos a la función
objetivo con lo cual el enunciado será:
Minimnizar Z = -100 X1 - 50 X2
RESTRICCIONES DE DESIGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: [20 10; 0.02 0.03]
Ingresar vector del lado derecho de las restricciones [ ]
: [2000; 1]
RESTRICCIONES DE IGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: []
Ingresar vector del lado derecho de las restricciones [ ]
: []
Limites inferiores de las variables (vector): [0; 0]
Limites superiores de las variables (vector): []
Optimization terminated.
x =
50.0000
0.0000
fval =
-5.0000e+003
Problema. Las descargas de aguas de desecho de las grandes ciudades son con
frecuencia, la causa principal de la contaminación en un rió. La Fig. 1 ilustra el
tipo de sistema que un ingeniero ambiental podría enfrentar. Varias ciudades
están localizadas sobre un río y sus afluentes.
El problema es determinar el nivel de tratamiento que satisfaga los
estándares de calidad del agua a un costo mínimo.
P1 P2
WWTP2 W2
WWTP1 •2
W1
1•
23
P4
13 3
• WWTP4
W3 34
W4
WWTP3 •
4
P3 45
Cada ciudad genera contaminación a una razón de carga P que tiene unidades de
miligramos por día (mg/día). La carga contaminante está sujeta al tratamiento de
desechos que resulten de una remoción fraccional x. Así, la cantidad descargada
al río es el exceso no removido por el tratamiento,
Wi = (1 – xi)Pi (1)
donde
Wi = descarga de desechos desde la ciudad i-ésima.
Pi = generación de contaminantes por la ciudad i (mg/día)
x = fracción de contaminantes removida
Wi + Qu Cu
ci = (2)
Qi
donde
Qu = flujo (litros/día),
cu = concentración (mg/litro) en el río inmediatamente corriente arriba de la
descarga
Qi = flujo corriente abajo del punto de descarga (litro/día).
(1 − x1 ) P1
c1 =
Q13
(1 − x 2 ) P2
c2 = (3)
Q23
R Q c + R23 Q23 c 2 + (1 − x3 ) P3
c3 = 13 13 1
Q34
R34Q34 c3 + (1 − x4 ) P4
c4 =
Q45
donde
Z = es el costo diario de tratamiento ($ 1 000/día).
La pieza final en la “decisión rompecabezas” involucra regulaciones
ambientales. Para proteger los usos benéficos del río (por ejemplo, paseos en
bote, pesca, tomar un baño), las regulaciones indican que la concentración del
río no debe exceder un estándar de calidad cs.
En la tabla 1. se resumen los parámetros para el sistema del río de la Fig.
1. Advierta que hay una diferencia en los costos de tratamiento entre las
ciudades corriente arriba (1 y 2) y corriente abajo (3 y 4) por la naturaleza
impredecible de las plantas corriente abajo.
La concentración se puede calcular con la ecuación (3) y el resultado se
enlista en la columna sombreada para el caso donde no se implementó
tratamiento de aguas (es decir, donde todas las x = 0). Observe que el estándar de
20 mg/litro se viola en todos los puntos de mezclado.
Hemos optado por usar la programación lineal para determinar los niveles de
tratamiento que satisfacen los estándares de calidad del agua un mínimo costo.
También, se evaluará el impacto al hacer el estándar más restringido debajo de la
ciudad 3. esto es, el mismo caso pero ahora con los estándares para los
segmentos 3 – 4 y 4 – 5 disminuidos a 10 mg/litro.
Todos los factores antes mencionados se pueden combinar en el siguiente
problema de programación lineal:
(1 − x1 ) P1
≤ c S1
Q13
(1 − x 2 ) P2
≤ cS 2
Q23
(6)
R34 Q34 c3 + (1 − x 4 ) P4
≤ cS 4
Q45
0 ≤ x1 , x 2 , x3 , x4 ≤ 1 (7)
O lo que es lo mismo:
- 100 x1 ≤ -80
- 40 x2 ≤ -20
- 36.3636x3 ≤ -27.2727
-10x4 ≤ -2.4872
con
0 ≤ x1 , x 2 , x3 , x4 ≤ 1
>> untsim
RESTRICCIONES DE DESIGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: [-100 0 0 0; 0 -40 0 0; 0 0 -36.3636 0; 0 0 0 -10]
Ingresar vector del lado derecho de las restricciones [ ]
: [-80; -20; -27.2727; -2.4872]
RESTRICCIONES DE IGUALDAD
Ingresar Matriz de Coeficientes de las restricciones [ ]
: []
Ingresar vector del lado derecho de las restricciones [ ]
: []
Limites inferiores de las variables (vector): []
Limites superiores de las variables (vector): []
Optimization terminated.
x =
0.8000
0.5000
0.7500
0.2487
fval =
18.0872
output =
iterations: 4
algorithm: 'large-scale: interior point'
cgiterations: 0
message: 'Optimization terminated.'
**********************************************
Hacer análisis de sensibilidad si(1) no(0): 0
Este costo mínimo se consigue cuando las fracciones de remoción son las
siguientes:
x1 = 0.8000
x2 = 0.5000
x3 = 0.7500
x4 = 0.2487
Problemas
Los productos dan utilidades de $2 500, – $50 3 y $200 por tonelada para
Z1, Z2 y Z3 respectivamente. Observe que al producir Z2 se obtiene de
hecho una pérdida. El costo del proceso de tratamiento es de $300 por
tonelada. Además, la compañía tiene acceso a un límite de 7 500 y 10 000
toneladas de X y Y durante el periodo de producción. Determine qué
cantidad de productos y desechos se deben crear para maximizar las
utilidades.
CAPITULO
7
MODELOS DE RECICLO
7.1.1 Introducción
La valoración del ciclo de vida (LCA) es un acercamiento holístico que
analiza las consecuencias medioambientales asociadas con el ciclo de vida de un
proceso o el producto. Enfoca los flujos de materiales y energía desde la
extracción de materias primas hasta la fabricación del producto y al manejo de
residuos. Mediante la aplicación de estas valoraciones, puede mejorarse la
actuación medioambiental de la industria
Allen y Rosselot1 dan un buen resumen sobre este campo de crecimiento
rápido, y los distintos medios de comunicación también se han consagrado a
estos asuntos (vea las referencias). Como fuera indicado por Allen y Rosselot,
la LCA consiste de tres componentes: (1) la valoración del inventario (para las
basuras, emisión, los materiales crudos, y uso de energía), (2) la valoración de
impacto medioambiental, y (3) el análisis de mejora (para reducir el impacto
medioambiental). En las condiciones más familiares, significa (1) hacer un
balance de materia y energía en un contexto más grande (el ambiente biofísico)
y (2) buscar modelos para el uso eficaz de los recursos. El libro por Allen y
Rosselot1 ofrece varios ejemplos buenos, por ejemplo, envases de comestibles de
papel versus de polietileno, etc.
Cualquier uso eficaz de los recursos implica producción de material de
reciclo por consiguiente, estamos tratando con una variedad de reciclos en la
LCA, y es importante rastrear los flujos de materiales en la valoración del
inventario del ciclo de vida. Es más, desde la perspectiva ecológica industrial la
meta final para el desarrollo sustentable es cerrar los ciclos de materiales, lo cual
permita el reciclo total (por ejemplo, se recicla 100%). Es importante reconocer
las implicaciones de tal tendencia sobre los negocios y las prácticas de diseño.
Recursos naturales
Energía, materiales
Adquisición de materias primas
Energía, materiales
Manufactura de materiales
Ej Acero delos automóviles en forma de lingotes, madera del mobiliario usado en papel
Ej. pigmentos de minerales, solventes
Las emisiones aéreas, los y plásticos de derivados del petróleo,
residuos sólidos, residuos papel y madera de los árboles
líquidos
Energía, materiales
Manufactura de productos
RECICLO DE MATERIAL
Ej. cuerpos de automóvil del acero,
REMANUFACTURA DEPRODUCTO
Las emisiones aéreas, los pinturas de pigmentos y solventes,
residuos sólidos, residuos muebles de madera
líquidos
Ej Papel periódico
Ej Botellas de vidrio recambiadas
RECICLO DE PRODUCTO
Energía, materiales
Usos del producto
Energía, materiales
Disposición del producto
GR(s)
R(S)
transferencia, las cuales son GP(0) = 1, GR(0) = 0.8 y GW(0) = 0.2. Definiendo la
razón de reciclo como:
KR 0 .8
GR(s) = = (7.3)
τs + 1 6 s + 1
GP(s) = 1 (7.4)
1− KR
GW(s) = (7.5)
τW s + 1
P(s) G P ( s)
= (7.7)
F ( s ) 1 − G P ( s )G R ( s )
P(s) 1 τs + 1 τs + 1
= = (7.8)
F ( s) 1 − K R τ τs + (1 − K R )
s +1
1− KR
» ta=0.5;
» kr=0;
» num=[ta, 1];
» den=[ta, (1-kr)];
» step(num,den);
» xlabel ('Años');
» ylabel('P');
KR = 0
2
1.5
1
P
0.5
0
0 5 10 15 20
Años
(a)
KR = 0.5
2
1.8
1.6
P
1.4
1.2
1
0 2 t 95 4 6 8 10
Años
(b)
KR = 0.9
10
6
P
2
t95
1
0 5 10 15 20 25 30
Años
(c)
Figura 7.4 Respuestas ante cambio en la demanda
τ
s +1
1− KR
F(s) = (1 – KR) P( s) =
τs + 1
τ
s +1
1− KR 1 1− KR K τ
(1 – KR ) = + R (7.9)
τs + 1 s s τs + 1
K Rτ
F(t) = ∠-1 τs + 1 = KR e -t/τ (7.10)
Para las materias primas, el inventario para satisfacer la demanda está dado
por:
∞
FI = ∫ F (t )dt = KRτ (7.11)
0
KR
τF = τ (7.12)
1− KR
K Rτ
RI(s) = (7.14)
τs + 1
RI = KRτ (7.15)
1 − K R (1 − K R ) K Rτ
F(s) = + (7.17)
s τs + 1
K R K Rτ
RI(s) = (7.18)
τs + 1
FI = (1 – KR)KRτ (7.19)
RI = K R2 τ (7.20)
τF = τR = KR τ (7.21)
políticas de tal manera que podamos acercarnos al cierre del ciclo del material
manteniendo la sensibilidad del mecanismo de producción.
Nomenclatura
Símbolos griegos
CAPITULO
8
USO DE LOS SIMULADORES
Modelos receptores
Caso de Estudio:
Este caso de diseño modela una secuencia de tres unidades para remover
partículas de sólido (Polvo) y un compuesto orgánico volátil (Acetona) de una
corriente de aire con un flujo volumétrico de alrededor de 8,500 m3/h.
La mayor parte de las partículas grandes son removidas usando un ciclón
(CY-101). Un filtro de manga (BHF-101) se usa para quitar las partículas
restantes. La acetona es capturada usando a un "scrubber". El agua fue
seleccionada como el líquido de lavado porque la acetona es altamente soluble
en agua. Un "scrubber" con un diámetro de 1.8 m y una altura de 5.58 m es
requerido para remover 99.95 % de acetona.
Noto que el absorbedor puede estimar eficiencia de extracción si está de
moda Evaluar a Mode y usted especifica sus dimensiones (el diámetro y la
altura).
Solución
1. Inicializar el flowsheet usando los tres ítems del menú Tasks: Set Mode of
Operation, Register Components & Mixtures, y si el modo de operación
es batch, Recipe Scheduling Information.
En este caso seleccionamos: Operación continua
3. Adicionar operaciones, tales como Charge, Agitate, Heat, React, etc. A cada
unidad de procedimiento (esto se aplica a procedimientos batch solamente). La
diferentes unidades de procedimientos tienen diferentes operaciones disponibles
para ellas. Después que se han adicionado las operaciones deseadas, inicializar
todas las operaciones y corrientes.
4. Complete el análisis del flowsheet usando los ítems restantes del menú Tasks:
Solve M&E Balances, entrada de datos Stream Classification, Perform
Economic Calculations, etc. Otros análisis pueden ser opcionalmente
efectuados.
6. Generar y ver las reportes usando los ítems del menú Reports. Use el menú
View par ver los resultados del análisis y gráficos.
STREAM PROPERTIES
ACTIVITY U/ml 0.0 0.0 0.0 0.0 0.0
TEMP °C 25.0 25.0 25.0 25.0 25.0
PRES bar 1.0 1.0 1.0 1.0 1.0
TOC mg C/l 7.3 0.0 0.0 0.0 0.0
COD mg O/l 26.0 0.0 0.0 0.0 0.0
ThOD mg O/l 26.0 0.0 0.0 0.0 0.0
BODu mg O/l 23.1 0.0 0.0 0.0 0.0
BOD5 mg O/l 20.8 0.0 0.0 0.0 0.0
TKN mg N/l 0.0 0.0 0.0 0.0 0.0
NH3 mg N/l 0.0 0.0 0.0 0.0 0.0
NO3/NO2 mg N/l 0.0 0.0 0.0 0.0 0.0
TP mg P/l 0.0 0.0 0.0 0.0 0.0
TS mg Slds/l 0.0 0.0 0.0 0.0 0.0
TSS mg Slds/l 0.0 0.0 0.0 0.0 0.0
VSS mg Slds/l 0.0 0.0 0.0 0.0 0.0
DVSS mg Slds/l 0.0 0.0 0.0 0.0 0.0
TDS mg Slds/l 0.0 0.0 0.0 0.0 0.0
VDS mg Slds/l 0.0 0.0 0.0 0.0 0.0
DVDS mg Slds/l 0.0 0.0 0.0 0.0 0.0
DAILY THROUGHPUTS
TOC kg C/d 74400.0 0.0 0.0 0.0 37.2
COD kg O/d 264480.0 0.0 0.0 0.0 132.2
ThOD kg O/d 264480.0 0.0 0.0 0.0 132.2
BODu kg O/d 235387.2 0.0 0.0 0.0 117.7
BOD5 kg O/d 211848.5 0.0 0.0 0.0 105.9
TKN kg N/d 0.0 0.0 0.0 0.0 0.0
NH3 kg N/d 0.0 0.0 0.0 0.0 0.0
NO3/NO2 kg N/d 0.0 0.0 0.0 0.0 0.0
TP kg P/d 0.0 0.0 0.0 0.0 0.0
TS kg Slds/d 0.0 0.0 0.0 0.0 0.0
TSS kg Slds/d 0.0 0.0 0.0 0.0 0.0
VSS kg Slds/d 0.0 0.0 0.0 0.0 0.0
DVSS kg Slds/d 0.0 0.0 0.0 0.0 0.0
TDS kg Slds/d 0.0 0.0 0.0 0.0 0.0
VDS kg Slds/d 0.0 0.0 0.0 0.0 0.0
DVDS kg Slds/d 0.0 0.0 0.0 0.0 0.0
===========================================
STREAM NAME S-108
SOURCE P-3
DESTINATION OUTPUT
===========================================
STREAM PROPERTIES
ACTIVITY U/ml 0.0
TEMP °C 25.0
PRES bar 1.0
TOC mg C/l 6119.5
COD mg O/l 21753.8
======================================================================
Total Waste
------------------- = 0.000
Main Revenue Stream
Solid Waste
------------------- = 0.000
Main Revenue Stream
Liquid Waste
------------------- = 0.000
Main Revenue Stream
Emissions
------------------- = 0.000
Main Revenue Stream
****************************************
* *
* Waste-to-Raw-Materials Indices *
* *
****************************************
Total Waste
--------------- = 0.000
Raw Materials
Solid Waste
--------------- = 0.000
Raw Materials
Liquid Waste
--------------- = 0.000
Raw Materials
Emissions
--------------- = 0.000
Raw Materials
Page 1
========================================
Source P-3
Designation C-101
kg/h
CATEGORY Actual Permit
SUB-CATEGORY Maximum Allowable
CO 0.000 0.000
NOx 0.000 0.000
SO2 0.000 0.000
BASE 0.000 0.000
========================================
Page 2
===========================================
CATEGORY TOTAL ACTUAL FROM
SUB-CATEGORY EXPERIMENT (kg/day)
ETG 0.000
HAP-Gas 0.000
Non-HAP 0.000
CO 0.000
NOx 0.000
SO2 0.000
BASE 0.000
===========================================
BIBLIOGRAFIA
10. Eisen, Martin M. 1988. “Mathematical methods and models in the biological
sciences”. Vol 2. N.J.: Prentice Hall.
11. Ford, A. 1999. “Modeling the Environment”. Island Press, Washington, DC.
401pp.
13. Gow, Tracy and Pidwirny, Michael. “Photochemical Smog.” October 17,
1996
15. Lees, F.P. “Loss Prevention in the Process Industries” Londres, Butterworth
& Co. Ltd., 1980, 2 Vo/s., 1316 págs.
22. Pielou, E. C., 1969. “An introduction to mathematical ecology”. New York:
Wiley-Interscience.
23. Renshaw, Eric. 1991. “Modelling biological populations in space and time”.
New York: Cambridge University Press.
24. Sax, N. I., “Industrial Pollution” Nueva York, Van Nostrand Reinhold
Company, 1974, 702 págs.
26. Zolman, J.F. 1993. Biostatistics. New York, Oxford University Press.