See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/323254600

Desarrollo de una Herramienta Libre para la Simulación Rigurosa de Columnas

de Destilación en Estado Estacionario (Development of an Open Source Tool for
Rigorous Distillation Colu...

Thesis · July 2013

CITATIONS READS
0 306

2 authors:

Gustavo A León Díaz César G Pernalete

PDVSA - Petróleos de Venezuela S.A.
2 PUBLICATIONS   0 CITATIONS   
8 PUBLICATIONS   1 CITATION   
SEE PROFILE
SEE PROFILE

All content following this page was uploaded by César G Pernalete on 18 February 2018.

The user has requested enhancement of the downloaded file.

Desarrollo de una Herramienta Libre para la Simulación
Rigurosa de Columnas de Destilación en Estado
Estacionario

Gustavo A. León Díaz

Facultad de Ingeniería, Postgrado de Ingeniería Química
Universidad de Los Andes

Trabajo presentado como requisito parcial para obtener el grado de

Magister Scientiae

Julio 2013
Índice General

Índice General I

Índice de Figuras III

Índice de Tablas IV

1. Introducción 1
1.1. La Simulación en la Ingeniería Química . . . . . . . . . . . . . . . . . . . . . 2
1.2. El Simulador de Procesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Reseña Histórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2. Clasificación de los Simuladores . . . . . . . . . . . . . . . . . . . . . 5
1.2.3. Arquitectura general de un simulador de procesos y CAPE-OPEN . . 11
1.3. Simulación del Proceso de Destilación . . . . . . . . . . . . . . . . . . . . . 14
1.4. Objetivos y Alcance de esta tesis . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5. Estructura de la Tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2. Modelado y Simulación del Proceso de Destilación 19

2.1. Descripción del Modelo de Columna . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1. Modelo de Etapa de Equilibrio . . . . . . . . . . . . . . . . . . . . . 19
2.1.2. Ecuaciones MESH . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.3. Grados de Libertad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2. Métodos Rigurosos de Columnas de Destilación . . . . . . . . . . . . . . . . 25
2.2.1. Clasificación de Los Métodos Rigurosos . . . . . . . . . . . . . . . . . 27
2.3. Método I NSIDE -O UT de Russell (1983) . . . . . . . . . . . . . . . . . . . . . 35
2.3.1. Ecuaciones MESH para el método Inside-Out. . . . . . . . . . . . . . 37
2.3.2. Modelos aproximados de propiedades termodinámicas . . . . . . . . 39
2.3.3. Algoritmo Inside-Out . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

I
3. Arquitectura del Simulador de Procesos DWSIM 49
3.1. Vista Arquitectónica General . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2. Arquitectura del Ejecutivo del Simulador . . . . . . . . . . . . . . . . . . . . 52
3.2.1. Diagrama de Clases del Ejecutivo del Simulador . . . . . . . . . . . . 53
3.2.2. Diagrama de Objetos de Columna de Destilación . . . . . . . . . . . 54

4. Casos de Estudio 59
4.1. Casos de Estudio de Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2. Casos de Estudio Operacionales . . . . . . . . . . . . . . . . . . . . . . . . . 65

5. Conclusiones y Recomendaciones 73

Referencias Bibliográficas 75

A. Métodos Numéricos 79
A.1. Método de Matríz Tridiagonal . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.2. Método de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

B. Diagramas de Actividades del Método Inside-Out Russell (1983) 85

B.1. Diagramas de Actividades Capa-A . . . . . . . . . . . . . . . . . . . . . . . . 86
B.2. Diagramas de Actividades Capa-B . . . . . . . . . . . . . . . . . . . . . . . . 88
B.3. Diagramas de Actividades Capa-C . . . . . . . . . . . . . . . . . . . . . . . . 92
B.4. Diagramas de Actividades Capa-D . . . . . . . . . . . . . . . . . . . . . . . . 100
B.5. Diagramas de Actividades Capa-E . . . . . . . . . . . . . . . . . . . . . . . . 104

C. Archivos de Simulaciones 106

II
Índice de Figuras

1.1. Simulación como actividad principal en investigación y desarrollo, diseño y

operación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Esquema general del modelo de unidad de operación . . . . . . . . . . . . . 7
1.3. Enfoque conceptual CAPE-OPEN . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4. Figura esquemática del proceso de destilación . . . . . . . . . . . . . . . . . 15

2.1. Diagrama conceptual de una etapa de equilibrio.(Wilson et al., 2000) . . . . 20

2.2. Modelo generalizado para columna múltiples etapas (Seader et al., 2011) . 21
2.3. Pasos involucrados en un método riguroso (Kister, 1992). . . . . . . . . . . 26
2.4. Algoritmo de Método BP por Wang–Henke (Seader et al., 2011) . . . . . . 29
2.5. Algoritmo del método SR de Burningham & Otto (Seader et al., 2011) . . . 31
2.6. Incorporación de correlaciones termodinámicas en bucles interactivos (Seader
et al., 2011) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.7. Selección de variables de iteración para distintas configuraciones . . . . . . 43
2.8. Diagrama de flujo general del algoritmo I NSIDE -O UT de R USSELL (1983) . . 47

3.1. Arquitectura General de DWSIM . . . . . . . . . . . . . . . . . . . . . . . . 51

3.2. Diagrama de Clases Simplificado de DWSIM . . . . . . . . . . . . . . . . . . 53
3.3. Clase DistillationColumn . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.1. Comparación Temperaturas para Casos de Literatura . . . . . . . . . . . . . 61

4.2. Comparación Flujos de Calor para Casos de Literatura . . . . . . . . . . . . 61
4.3. Número de Iteraciones de Casos de Literatura . . . . . . . . . . . . . . . . . 63
4.4. Diagramas de paridad de las fracciones molares de productos del caso lite-
ratura #6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5. Diagramas de Paridad para Caso Operacional #1 Escenario 1 . . . . . . . . 67
4.6. Diagramas de Paridad para Caso Operacional #1 Escenario 2 . . . . . . . . 68
4.7. Diagramas de Paridad para Caso Operacional #2 . . . . . . . . . . . . . . . 71

III
Índice de Tablas

1.1. Ventajas y desventajas de los simuladores de procesos globales u orientados

a ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Ventajas y Desventajas de los simuladores de procesos secuenciales modulares 8
1.3. Ventajas y desventajas de los simuladores de procesos químicos bajo licencia
propietaria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. Ventajas y desventajas de los simuladores de procesos químicos bajo licencia
libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.1. Clasificación de los Métodos Rigurosos de Resolución (King, 1980). . . . . . 28

2.2. Funciones Alternas para H1 y HN . . . . . . . . . . . . . . . . . . . . . . . . 39

3.1. Funciones de las clases que interactúan con DistillationColumn . . . . . . . . 56

3.2. Métodos miembro de la clase R USSELL M ETHOD . . . . . . . . . . . . . . . . 57

4.1. Características de Casos de Estudio de Literatura . . . . . . . . . . . . . . . 60

4.2. Perfil de flujos de componentes para Producto de tope y fondo para el Caso 5 62
4.3. Características de Caso de Estudio Operacional #1 . . . . . . . . . . . . . . 66
4.4. Porcentajes de desviación de variables para Caso Operacional #1 . . . . . . 69
4.5. Características de Caso de Estudio Operacional #2 . . . . . . . . . . . . . . 70
4.6. Porcentajes de desviación de variables para Caso Operacional #2 . . . . . . 72

IV
Capítulo 1

Introducción

Los procesos químicos en la industria petrolera, como tecnologías destinadas al procesa-

miento del petróleo y sus derivados, poseen un grado de complejidad alto en comparación
con los procesos de otras industrias químicas (Luque & Vega, 2005). Los procesos en la
industria petrolera se han diseñado de acuerdo a las características de los crudos dispo-
nibles en el mercado y las especificaciones de calidad de sus productos. En cuanto a las
propiedades de los crudos, es bien conocido el decrecimiento de la disponibilidad mundial
de petróleo convencional, trayendo como consecuencia la necesidad de considerar crudos
con mayor viscosidad, densidad, heteroátomos y compuestos de alto peso molecular. Por
esta razón se hace indispensable la utilización de nuevos procesos de tratamiento y trans-
formación para satisfacer la demanda y cumplir con los estándares de calidad de producto
(MathPro, 2011).
Debido a los nuevos desafíos que se presentan con este tipo de crudo, especialmen-
te en el depósito, transporte y procesamiento, a causa de sus propiedades fisicoquímicas
(Speight, 2008), la disponibilidad de herramientas que faciliten el diseño, evaluación y op-
timización de estos procesos es imperativa. Una de estas herramientas son los simuladores
de procesos, los cuales ahorran considerablemente el tiempo en cálculos prolongados y
repetitivos, considerando así a la simulación de procesos una actividad fundamental en la
ingeniería de procesos químicos (Dimian, 2003). Un caso de estudio concreto y típico en
la industria petrolera, es el modelado y simulación de columnas de destilación, teniendo
en cuenta a la destilación como una de las operaciones más importantes en la industria
petrolera, tanto en el acondicionamiento previo de los crudos como en la separación de los
productos obtenidos en refinerías.
Los simuladores de uso general en ingeniería de procesos, cuentan con las funcionalida-
des y características necesarias para el análisis de columnas de destilación mediante la con-
figuración de diagramas de flujo de proceso y las operaciones unitarias que las conforman

1
(Finlayson, 2006). No obstante, los simuladores utilizados actualmente en la industria pe-
trolera nacional se adquieren a través de una autorización formal con carácter contractual
denominada licencia, teniendo solo el derecho a ejecutar el software bajo ciertas condicio-
nes, comúnmente fijadas por el proveedor. Este tipo de licencias implican por lo general
restricciones de uso, estudio, modificación o de distribución (Abella et al., 2003).
En este sentido al presentarse dificultades técnicas en relación con el modelado y si-
mulación de columnas de destilación en función de nuevos requerimientos, y dada las
restricciones mencionadas, se incurre en la dependencia hacia fabricante del software a
responder por una solución, lo que constituye un obstáculo a la industria para profundizar
en los aspectos técnicos de la herramienta, limitando la incorporación funcionalidades o
mejoras orientadas a la representación más exacta de esta operación unitaria.
En este trabajo se propone desarrollar una herramienta libre para la simulación rigu-
rosa de columnas de destilación en estado estacionario a partir de un software para la
simulación de procesos químicos denominado DWSIM, aprovechando principalmente, su
característica de código abierto bajo la Licencia Pública General de GNU y en segundo lu-
gar, su compatibilidad con los estándares de interfaz CAPE-OPEN, un conjunto disponible
de estándares que permite la comunicación entre componentes de software de ingeniería
química.

1.1. La Simulación en la Ingeniería Química

Partiendo del concepto de simulación desde el punto de vista de la ingeniería química,
los sistemas considerados son los procesos físicos y químicos, en este sentido se definir la
simulación como una técnica para evaluar en forma rápida un proceso químico con base
en una representación del mismo mediante modelos matemáticos para tener un mejor
conocimiento de su comportamiento. La solución de estos modelos se lleva a cabo por
medio de programas de computadora debido al gran número de variables involucradas y
la no linealidad, las cuales se reflejan en las ecuaciones de balance de materia y energía
(Martínez, 2000; Braunschweig & Gani, 2002).
En los últimos años debido a los avances en la tecnología de la información, la simu-
lación de procesos ha tenido un impacto significativo en la Ingeniería Química, tanto que
ésta ha llegado a ser una técnica de apoyo imprescindible para la solución adecuada de los
problemas en la Ingeniería de Procesos. De esta forma se creó un nuevo paradigma donde
la simulación está involucrada en todas las etapas del ciclo de vida de un proceso, desde
los experimentos de laboratorio preliminares, durante el escalado a diferentes niveles, has-
ta finalmente el diseño del proceso y operación de una planta. La Figura 1.1 ilustra este

2
nuevo enfoque colocando a la simulación en el centro de las tres actividades principales de
ingeniería de procesos.

Investigación
Operación y Desarrollo

Simulación

Diseño
de Procesos

Figura 1.1: Simulación como actividad principal en investigación y desarrollo, diseño y

operación
Fuente: Dimian (2003)

La simulación de procesos puede guiar y minimizar la investigación experimental, pe-

ro no eliminarla. En realidad, la calibración de los modelos requiere datos experimentales
precisos. Es el experimento que valida el modelo, y no al contrario. Sin embargo, debido
a que la planificación estadística de experimentos se considera hoy en día una practica en
desuso. En su lugar, la investigación experimental saca partido de la potencia de los mo-
delos rigurosos incorporados en paquetes de simulación, en particular en el campo de la
termodinámica. Por ejemplo, se pueden utilizar experimentos de Equilibrio Vapor-Líquido
(EVL) en el laboratorio para aumentar la fiabilidad de un estudio de factibilidad de un
proceso. Y por el contrario, las mediciones VLE industriales se pueden usar para calibrar
los modelos termodinámicos incorporados en un simulador de cuando la información ex-
perimental no esté disponible (Dimian, 2003).
Dentro del marco de diseño, se presentan los retos de diseñar los procesos con mayor
eficiencia, flexibilidad y capacidad de respuesta a la dinámica del mercado. En este sentido,
la simulación de procesos trae contribuciones significativas en el el desarrollo de nuevas

3
tecnologías sostenibles con el objetivo de minimizar el uso de energía, materias primas, así
como también la minimización de residuos y contaminantes y la mejora continua de las tec-
nologías existentes, por renovación y eliminación de cuellos de botella a nivel operacional
(Martínez, 2000).
En el ámbito operacional, la llegada de la optimización en tiempo real y la fabricación
integrada computarizada en la década de los 90s abrió grandes oportunidades para la apli-
cación de la simulación directamente en el proceso de fabricación. Además del control de
proceso basado en modelos, podemos mencionar el mantenimiento preventivo de equipo
de vigilancia sistemática del rendimiento del equipo. La integración de la fabricación con la
cadena de suministro sólo se puede lograr mediante la creación de un sistema informático
complejo, en el que la simulación juega un papel central (Braunschweig & Gani, 2002).
Aunado a esto es muy grande la variedad de aplicaciones de los simuladores de pro-
cesos, estos anteriormente estaban destinados a la ingeniería de procesos, ahora son ma-
nejados en ramas de ingeniería ambiental, seguridad industrial y distintos procesos de
manufactura de productos cotidianos. Además, se emplean tanto para el estudio de la fac-
tibilidad técnica y económica en el desarrollo de un proyecto, así como también en la toma
crítica de decisiones cuando se prueban diferentes opciones de procesos y condiciones de
operación (Dimian, 2003; Martínez, 2000).

1.2. El Simulador de Procesos

La simulación de procesos como técnica requiere de una herramienta denotada como
simulador. El simulador se puede definir como una aplicación de computador basadas en
diagramas de flujo de proceso, vinculadas al cálculo de sus balances de materia y energía,
partiendo de la descripción sistemática sus corrientes de materia, energía y operaciones
unitarias, con el alcance de diseñar una nueva planta o evaluar una ya existente para
mejorar su rendimiento(Martínez, 2000).

1.2.1. Reseña Histórica

Los simuladores de procesos comenzaron a mediados de los años 60 con la comerciali-
zación de un software genérico para simular columnas de destilación en estado estacionario
por parte de la compañía estadounidense Simulation Science el cual usaron para desarro-
llar PROCESS. Años más tarde ChemShare presentó DESIGN 2, un programa para simular
procesos de gas y petróleo. En ese momento la expansión de la industria de refinación y
petroquímica motivó la llegada de los paquetes de computación (Dimian, 2003).

4
 La crisis mundial de petróleo en 1973 estimuló el interés en la simulación de procesos
con materias primas alternativas, como el carbón y la biomasa. El advenimiento de los
sistemas de computación de alta velocidad impulsaron el negocio de pequeñas empresas
especializadas en el modelado y la simulación. En líneas generales, la computación cien-
tífica evolucionó a partir de los programas individuales hacia grandes paquetes diseñados
como productos industriales (Luque & Vega, 2005).
Para los años 80 el cálculo científico llegó a su edad de oro, ya que se desarrollaron
métodos que forman parte de los algoritmos utilizados en la actualidad. El lenguaje de
programación FORTRAN se hizo muy popular entre los científicos y los ingenieros. Las
simulaciones se ejecutaban a través de un terminal remoto en sistemas rápidos pero cos-
toso. Más tarde, la entrada de datos se hizo posible mediante la edición de un archivo en
una pantalla electrónica, en el cual se especificaban las instrucciones para la ejecución del
trabajo denominado “Keyword File” (Babu, 2004).
La llegada de las estaciones de trabajo (1985), la adopción de la programación orien-
tada a objetos y la disponibilidad de un nuevo sistema operativo multitarea, UNIX, dió
origen a la revolución en la computación científica. Luego el dominio de la computadora
personal (PC) a principios de 1990 y la relativa estabilización de los sistemas operativos,
UNIX y Windows, permitieron el desarrollo de la nueva generación de software de simula-
ción basada en interfaz gráfica de usuario. De esta manera se tendría disponible el poder de
los antiguos superordenadores bajo un ambiente más manejable para los usuarios (Dimian,
2003). Los nuevos conceptos de ingeniería informática condujeron a interfaces amigables e
incluso a algoritmos más potentes. Finalmente, el desarrollo de los ordenadores personales
contribuyó a la rápida extensión de la simulación.
Así, las principales oficinas de ingeniería como algunas empresas y grandes compañías
de refinación y petroquímica desarrollaron sus propios simuladores. Adoptando la arquitec-
tura modular secuencial, tales como : Hysys, Chemcad, Aspen Plus y PRO/II . Sin embargo,
algunos se basaron en el enfoque orientado a las ecuaciones, tal como SPEEDUP del Impe-
rial College de Londres (Reino Unido) y TISFLO DSM en los Países Bajos.
No obstante, hoy en día la simulación de procesos químicos se concentra en muy pocos
sistemas. La solución a esta contradicción implica una gran cooperación entre las empre-
sas de software especializadas y la comunidad de usuarios aprovechando la tecnología de
Internet (Dimian, 2003).

1.2.2. Clasificación de los Simuladores

Se han propuesto diferentes enfoques para clasificar los simuladores de proceso como el
propuesto por Martínez (2000) y Torres & Castro (2002). Sin embargo, dichos enfoques en

5
la literatura incluyen solamente a los simuladores comerciales. A continuación se presenta
una clasificación generalizada la cual incluye a los simuladores de procesos disponibles
actualmente.

Según su filosofía de cómputo

Los simuladores de procesos actuales se pueden clasificar según la estructura bajo la cual
se plantea el modelo matemático que representa el proceso, dentro de esta clasificación se
incluyen los siguientes tipos:

Simuladores globales u orientados a ecuaciones (OE).

Bajo este enfoque, se plantea el modelo matemático del proceso construyendo un
gran sistema de ecuaciones diferenciales, por lo general altamente no lineales. De esta
forma el problema se traduce en resolver este gran sistema de ecuaciones algebraicas,
siendo el más adecuado para la simulación dinámica (Luque & Vega, 2005).

Tabla 1.1: Ventajas y desventajas de los simuladores de procesos globales u orientados a

ecuaciones

Ventajas Desventajas
• Entorno flexible para las especificaciones,
que pueden ser entradas, salidas o varia- • Mayor esfuerzo de programación por lo
bles internas de la unidad. que resulta más difícil de desarrollar.

• Es posible incorporar fácilmente las ex- • Los métodos de solución de propósito ge-
presiones de restricción para definir pro- neral para sistemas de ecuaciones no li-
blemas de optimización en forma directa, neales no son tan robustos y fiables.
ya que basta solo con plantear las restric- • Dificultades en el manejo de grandes sis-
ciones y la función de optimización. temas de ecuaciones, a mayor compleji-
• Desaparece la distinción entre variables dad, menor confiabilidad en los resulta-
de proceso y parámetros operativos, por dos y más problemas de convergencia.
lo tanto se simplifican los problemas de • La filosofía OE no converge hacia una so-
diseño. lución de una simulación sin buenas es-
timaciones iniciales para todas las varia-
bles.

Simuladores Secuenciales Modulares (SM).

Los simuladores secuenciales modulares se basan en unidades de simulación que
siguen consecutivamente como su nombre lo indica la misma secuencia que las ope-
raciones unitarias reales, es decir, cada equipo: bomba, válvula, intercambiadores,
columna de destilación, reactores entre otros; son representados a través de modelos
específicos, coincidiendo además el sentido de la información con el “flujo físico” en

6
la planta o proceso real, llevando a cabo una secuencia de cálculo unidad por unidad.
Se puede decir que el elemento básico en un simulador modular es el modelo de la
operación unitaria (Luque & Vega, 2005; Martínez, 2000).
Los simuladores SM, involucran el dibujo del diagrama de flujo del proceso, el cual
consiste en definir las corrientes de entrada y salida de materia y energía, seleccionar
los modelos de operaciones unitarias de la biblioteca de la aplicación, y Conectar
dichas unidades junto a corrientes (materia, energía o información) y de esta manera
producir una representación gráfica del problema de la simulación (Braunschweig &
Gani, 2002).
Asociado con cada modelo de operación unitaria o unidad de cómputo, existe un
conjunto de parámetros requeridos, específicos de cada equipo que representa; por
ejemplo, en un mezclador, sería la proporción del flujo total en cada corriente de
salida en los intercambiadores de calor, serán los coeficientes de transferencia de calor
y en un reactor catalítico será la altura del lecho catalítico, entre otros parámetros que
se deben colocar en orden correcto.
En resumen, una unidad de cómputo es en general cualquier conjunto de modelos
matemáticos para calcular la información de salida a partir de la información de ali-
mentación o de entrada suministrada (Figura 1.2); es decir, una unidad de cómputo
es un modificador de información que recibe información de las corrientes de entra-
da, las modifica y las transmite a las corrientes de salida (Torres & Castro, 2002).
Este enfoque se utiliza sobre todo en la mayoría de los programas de simulación en
estado estacionario.

Especificaciones Geometría
Parámetros

Corrientes Corrientes
de Entrada de Salida
Calor Modelo de
Calor
Trabajo Operación Unitaria
Trabajo

Rutinas
Internas
Dimensionamiento

Figura 1.2: Esquema general del modelo de unidad de operación

Fuente: Dimian (2003)

7
Tabla 1.2: Ventajas y Desventajas de los simuladores de procesos secuenciales modulares

Ventajas Desventajas
Los modelos de operaciones unitarias es-
tán a disposición del usuario bajo una bi- Dificultad para el tratamiento de secuen-
blioteca, lo que permite un ambiente in- cias de cálculo más complejas, como los
tuitivo para la simulación. bucles anidados o diagramas de flujo si-
multáneo, en otras palabras, dificultad
Posee un esquema simple de computo, es en la convergencia de procesos altamen-
decir, se obtienen datos de salidas a par- te integrados, es decir, procesos con mu-
tir de datos de entrada. chas corrientes de recirculación.

Los modelos de operaciones unitarias se

deben codificar con sus rutinas de solu-
ción. Se requiere de un esfuerzo consi-
derable para añadir o modificar los mo-
delos, como estos sólo efectúan un tipo
de cálculo, es necesario programar los
cálculos adicionales según las especifica-
ciones que se requieran.

Simuladores híbridos o modular secuencial-simultaneo.

La estrategia de solución es una combinación de los enfoques secuencial-modular
y orientado a ecuaciones. Los cálculos se realizan por niveles o capas, es decir, los
modelos rigurosos se utilizan en un nivel de unidades, que se resuelven de forma
secuencial, mientras que los modelos lineales se utilizan a nivel de diagrama de flujo,
que se resuelve de forma global. Los modelos lineales se actualizan sobre la base de
los resultados obtenidos con los modelos rigurosos.

El enfoque Secuencial-Modular mantiene una posición dominante en la simulación en es-

tado estacionario y el enfoque orientado a ecuaciones ha demostrado su potencial en la
simulación dinámica y optimización en tiempo real. La solución para las futuras generacio-
nes de simuladores parece ser una fusión de estas estrategias.

Según su licenciamiento

Una licencia de software es un contrato entre el licenciante (autor/titular de los derechos

de explotación/distribuidor) y el licenciatario del programa informático (usuario consu-
midor /usuario profesional o empresa), para utilizar el software cumpliendo una serie de
términos y condiciones establecidas dentro de sus cláusulas (Abella et al., 2003).

8
 Las licencias de software pueden establecer entre otras cosas, la cesión de determinados
derechos del propietario al usuario final sobre una o varias copias del programa informáti-
co, los límites en la responsabilidad por fallos, el plazo de cesión de los derechos, el ámbito
geográfico de validez del contrato e incluso pueden establecer determinados compromisos
del usuario final hacia el propietario, tales como la no cesión del programa a terceros o la
no re-instalación del programa en equipos distintos al que se instaló originalmente.

Simuladores de Proceso bajo Licencia Propietaria

Dentro de esta categoría se encuentran los denominados simuladores comerciales y/o
propietarios. Existe una gran variedad de simuladores de procesos bajo este tipo de li-
cencia, los cuales presentan poderosos motores de cálculo con enormes bases de datos
y un fuerte respaldo de bibliotecas para el cálculo riguroso y modelos termodinámi-
cos. Las empresas que desarrollan este tipo de software son por lo general grandes
y dedican muchos recursos, sobretodo económicos, en su desarrollo e investigación.
Debido a este esfuerzo, las empresas toman la decisión de restringir ciertos derechos
al licenciatario entre ellos el más resaltante, el acceso al código fuente (Culebro et al.,
2006).

9
Tabla 1.3: Ventajas y desventajas de los simuladores de procesos químicos bajo licencia
propietaria

Ventajas Desventajas
• Existen simuladores propietarios diseña-
dos para aplicaciones de procesos quími- • Cursos de aprendizaje costosos. Es difícil apren-
cos muy específicas. der a utilizar eficientemente el simulador sin ha-
ber asistido a costosos cursos de capacitación.
• Interfaces gráficas elaboradas, que permi-
ten comunicarse con el ordenador de una • Por lo general, no permiten que sea modificado,
forma muy rápida e intuitiva representan- desensamblado, copiado o distribuido de formas
do gráficamente los elementos de control no especificadas en la propia licencia. En muchos
y medidas. casos resulta arriesgada la utilización de un com-
ponente cuyo funcionamiento se desconoce y cu-
yos resultados son impredecibles, esto motiva a
que en algunas circunstancias se desconfíe del
software. Además de que es imposible encontrar
la causa de un resultado erróneo, más allá de los
mensajes de advertencia de que pude desplegar el
simulador.
• El costo de las licencias generalmente es muy ele-
vado. Éste usualmente se calcula en función de la
cantidad de computadoras en las que el simulador
será ejecutado, la envergadura de dichas máqui-
nas (cantidad de procesadores) y la cantidad de
usuarios que accederán al mismo.
• Es ilegal y/o costosa la adaptación de un módulo
nativo del software a necesidades particulares. Se
requiere permiso expreso del titular del software.
En caso de que el permiso se conceda, es necesario
pagar una elevada suma de dinero.
• El soporte de la aplicación es exclusivo del pro-
pietario, depende totalmente de la empresa que
distribuye el software o de representantes certifi-
cados por el propietario.
• Si el usuario está habilitado para ejecutar un pro-
grama, pero no para inspeccionarlo ni modificar-
lo, entonces no puede aprender de él, y se vuelve
dependiente de una tecnología que no compren-
de.

Simuladores bajo Licencia Libre

Denominándose también simuladores libres o de código abierto. Son lo opuesto de
los simuladores de licencia propietaria, es decir, que están licenciados de tal manera
que los usuarios no tengan ningún tipo de restricciones, respetando la libertad de los
usuarios sobre el simulador y, por tanto, una vez obtenido, puede ser usado, copiado,
estudiado, modificado, y redistribuido libremente (Culebro et al., 2006).

10
Tabla 1.4: Ventajas y desventajas de los simuladores de procesos químicos bajo licencia
libre

Ventajas Desventajas
• Garantizan una independencia con respecto al
proveedor gracias a la disponibilidad del código • No existen compañías únicas que respal-
fuente. Cualquier empresa o profesional, con los den toda la tecnología, por lo que su desa-
conocimientos adecuados, puede seguir ofrecien- rrollo apenas está en maduración.
do desarrollo o servicios para la aplicación. • La interfaz gráfica suele estar menos desa-
• El usuario está habilitado para ejecutar el progra- rrollada en cuanto a diseño y, por tanto,
ma, inspeccionarlo y modificarlo, lo que permite limita la interacción entre el simulador y
aprender de él, a través de su código fuente. los usuarios finales.
• El modelo de desarrollo se basa en compartir su • No tiene garantía explicitas proveniente
código fuente. Esto permite el progreso del soft- de los desarrolladores del simulador.
ware a través de la cooperación comunitaria de
usuarios finales, desarrolladores y empresas que
pueden trabajar en conjunto para obtener un si-
mulador de calidad. Además permite el desarrollo
de nuevos productos sin la necesidad de crear to-
do el proceso desde cero.
• El bajo o nulo costo permiten proporcionar a las
pequeñas y medianas empresas desarrolladoras
de software el fomento de la libre competencia al
basarse en servicios y no licencias.
• El precio de las aplicaciones es mucho menor, la
mayoría de las veces son gratuitas.
• El hecho de que el código sea público hace que
pueda ser observado y estudiado por muchos ex-
pertos proporciona mayor seguridad y fiabilidad.
Esto se ha revelado como la forma mas rápida y
eficaz de encontrar errores que afectan la vulne-
rabilidad del simulador , pudiendo detectar fácil-
mente códigos maliciosos o transacciones de in-
formación no autorizadas.

1.2.3. Arquitectura general de un simulador de procesos y CAPE-OPEN

Los Simuladores difieren ampliamente en la arquitectura e implementación, pero todos

tienen una funcionalidad común impuesta por las tareas de modelado subyacentes que
abordan. Esta funcionalidad se puede resumir en términos de cuatro tipos de componentes
clave conceptuales:

El ejecutivo de simulación: Este componente es el núcleo del simulador, ya que con-

trola la puesta en marcha y la ejecución de una simulación. Es responsable de instalar
otros componentes, registrando en un repositorio, la gestión de las interacciones con
los usuarios, el acceso y almacenamiento de datos, la presentación de informes y el
análisis de los cálculos de simulación.

11
 Las operaciones unitarias: Estos componentes representan operaciones de la unidad
de procesamiento físico (por ejemplo un mezclador o un intercambiador de calor)
y, posiblemente puede realizar funciones especializadas tales como la realización de
cálculos adicionales para apoyar a la optimización de procesos.

Los paquetes de propiedades físicas: estos paquetes incluyen tanto propiedades ter-
modinámicas y de transporte de materiales. Estos paquetes brindan al simulador la
capacidad para modelar las propiedades y el comportamiento de los materiales que
se utilizan o crean por el proceso químico.

El solucionador numérico: Esto incluye tanto los métodos matemáticos especializados

utilizados para evaluar las ecuaciones que describen un funcionamiento de la unidad
de proceso y los métodos utilizados para evaluar el diagrama de flujo global del
proceso.

A pesar de la existencia de potentes simuladores de proceso, los que se utilizan actualmente

son aplicaciones monolíticas cerradas (Barrett et al., 2007). Éstos son inflexibles cuando
se trata integrar nuevos componentes. Otro inconveniente de esta situación es que resulta
un gran reto combinar módulos de diferentes proveedores en un solo simulador. Debido
a estas contrariedades, existe una necesidad de la integración del proceso de modelado
sobre una base más amplia. Así, se introduce un nuevo tipo de arquitectura de simuladores
de procesos basada en estándares abiertos definidos en términos del diseño conceptual
mencionado anteriormente.
La organización CAPE-OPEN Laboratories Network (CO-LaN), industria y asociación aca-
démica neutral ha promovido desde el 2001 el uso de estándares en la interfaces de soft-
ware de simulación de procesos denominados CAPE-OPEN, donde se definen un conjunto
de reglas e interfaces libres de uso y sin propiedad que permiten crear componentes de
software interoperables con distintas aplicaciones para simulación de procesos, los cuales
permiten una comunicación estandarizada entre componentes de los simuladores (Pons,
2005).
La ventaja de la arquitectura CAPE-OPEN es que estos no solo son aplicables en más
de un simulador de procesos, sino que se dirige a todos los simuladores de proceso que
sean compatibles dichos estándares, creando una interoperatividad entre sistemas, evi-
tando incompatibilidades. La definición de estos estándares se lleva a cabo mediante la
colaboración de algunas empresas operadoras principales, proveedores de software, y uni-
versidades a nivel mundial, con el apoyo de la Unión Europea quienes tienen como visión
final la de transformar el modelado de procesos en una actividad de cooperación que con-
sista en compartir un gran número de componentes de simulación. En este sentido los

12
simuladores actualmente, pueden diferenciarse bajo el criterio del cumplimiento con estos
estándares, independientemente de la licencia a la cual estén sometidos (Dimian, 2003;
CO-LaN, 1999).
Este tipo de arquitectura abierta puede ser beneficiosa para muchos simuladores. El
objetivo específico del proyecto CAPE-OPEN se ha enfocado en herramientas generales
para el modelado de procesos y, en particular, su utilización para la simulación en estado
estacionario y dinámico (CO-LaN, 1999).
La arquitectura de software es un asunto de la informática. Sin embargo, como todo
sistema complejo, el usuario debe ser consciente de los elementos principales. La Figura
1.3 presenta de forma gráfica el concepto de CAPE-OPEN, en este se muestran las fronteras
entre los diversos componentes que integran un simulador. En este esquema se muestran
las fronteras entre los diversos componentes que integran un simulador.

InterfazzGráfica

PME
Entornozdez
Métodosz Operaciones Propiedades
Modeladoz
Numéricos Unitarias Físicas
dezprocesos

PMC
Modelos Reacciones
Componente
Químicas
Termodinámicos dezModeladoz
dezproceso

Figura 1.3: Enfoque conceptual CAPE-OPEN

Fuente: (Pernalete et al., 2012)

Resumiendo, los estándares CAPE-OPEN se crearon con la finalidad de que los compo-
nentes de modelado de procesos (PMC) sean utilizados en cualquier entorno de modelado
de procesos (PME) que sea compatible con dichos estándares. Los PMC son básicamen-
te piezas de software que están definidos para una función específica. La mayoría de sus
aplicaciones son para: propiedades físicas, módulos de funcionamiento de una operación
unitaria, solucionador numérico y herramientas de análisis del diagramas de flujo de pro-
ceso.
Por otro lado el PME consta de la interfaz gráfica y la funcionalidad necesaria para
crear la red de de modelo de procesos a partir de los PMC, se encarga de administrar dicha

13
red basados en los datos de entrada suministrados por el usuario y de orquestar todas las
funciones que desempeñan cada uno de los PMC (Barrett & Yang, 2005; Pernalete et al.,
2012).

1.3. Simulación del Proceso de Destilación

La destilación es una operación unitaria cuyo objetivo principal es el de separar me-
diante vaporización y condensación los diferentes componentes de una mezcla en dos o
más fracciones, aprovechando la diferencia de los puntos de ebullición de cada uno de los
componentes que la conforman (Kister, 1992; Martínez de la Cuesta & Rus, 2004). La des-
tilación involucra el contacto entre las fases líquido y vapor que fluyen en contracorriente.
Cada contacto, denominado etapa, consiste en una mezcla de fases para promover la rápi-
da partición de las especies mediante transferencia de masa, seguida por una separación
de fases.
El material que ha de ser separado denominado de alimentación, se introduce en uno o
más puntos a lo largo de un equipo cilíndrico vertical denominado columna de destilación
o columna de fraccionamiento, como se muestra en la Figura 1.4. Debido a la diferencia en
las propiedades entre las fases vapor y líquida, el líquido fluye hacia abajo de la columna,
mientras que el vapor fluye hacia arriba, poniéndose en contacto con líquido en cada etapa.
Este patrón de flujo global en una columna de destilación proporciona el contacto contra-
corriente de vapor y líquido en todas las etapas a través de la columna (Perry & Green,
2008). El líquido que llega a la parte inferior de la columna pasa a través de un rehervi-
dor, donde se calienta para proveer vapor llamado boilup que se envía de nuevo hasta la
columna, y el resto del líquido se retira como producto de fondo (Seader et al., 2011). El
vapor que llega a la parte superior de la columna, donde se enfría y se condensa parcial o
totalmente en el condensador de tope. Parte de este líquido se devuelve a la columna como
reflujo y El resto de este líquido se retira como destilado, o producto de tope.
Los componentes más ligeros (de menor punto de ebullición) tienden a concentrarse en
la fase de vapor, mientras que los componentes más pesados (más alto punto de ebullición)
tienden a hacer en la fase líquida (King, 1980). El resultado es una fase de vapor que se
enriquece en componentes más ligeros y una fase líquida que se concentra más en compo-
nentes pesados a medida que viajan por la columna de destilación. La separación general
entre el destilado y los fondos depende principalmente de las volatilidades relativas de los
componentes, el número de etapas de contacto, y la relación de la tasa de flujo de la fase
líquida a la velocidad de flujo en fase vapor.

14
 La energía requerida para separar la especie se añade en forma de calor al rehervidor,
donde la temperatura es mayor. También, se elimina el calor desde el condensador, donde
la temperatura es más baja. Con frecuencia, esto da lugar a una gran demanda de energía
y baja eficiencia global termodinámica (Perry & Green, 2008).

Condensador

Acumulador
de Reflujo

Reflujo

Alimentación
Vapor

Líquido

Boilup

Rehervidor

Figura 1.4: Figura esquemática del proceso de destilación

La destilación como operación unitaria es el proceso de separación más importante y

común en la industria de procesos químicos, pues por su versatilidad es la tecnología do-
minante en las industrias químicas de proceso. dicha operación se emplea en las industrias
donde se requiere destilar grandes cantidades de fluidos. Entre estas se encuentran: las
industrias de procesamiento de petróleo, producción petroquímica, procesamiento de gas
natural, procesamiento de alquitrán de hulla, elaboración de cerveza, separación de aire
licuado, y la producción de hidrocarburos y solventes industrias similares, pero que en-
cuentra su mayor aplicación en refinerías de petróleo (Kister, 1992). La destilación está
implementada en el 95 % de todos los procesos separaciones en el mundo (por ejemplo
más de 40000 columnas en USA, con una inversión de 8000 M$ y una energía equivalente

15
a 54 Mton/año de crudo, es decir el 15 % del consumo industrial de energía en USA) (Lu-
que & Vega, 2005). Lo que justifica que la destilación sea una de las operaciones unitarias
más estudiadas en toda la historia de la industria química.
Específicamente en la industria del petróleo nacional, la importancia de la destilación
se debe en parte al hecho de que afecta directamente la calidad de los productos obtenidos
en refinería, las tasas de producción y la utilidad de los procesos. Por esta razón, la evalua-
ción, control y optimización de estas operaciones es fundamental. Sin embargo, presenta
inconvenientes para su análisis, requiriendo de rigurosos cálculos, donde los procedimien-
tos de solución resultan difíciles y tediosos sin la ayuda de un computador. No obstante,
una vez que éstos cálculos se programan para un ordenador digital de alta velocidad las
soluciones son obtenidas rápidamente (Torres & Castro, 2002).
La simulación de unidades de destilación implica la solución del modelo que las re-
presenta. En este sentido, involucra la determinación de perfiles de temperatura, presión,
flujos y composiciones de las corrientes, y las tasas de transferencia de calor en cada etapa
mediante la resolución de las ecuaciones de balance de materia, energía, y las relaciones
de equilibrio que modelan el comportamiento de la unidad de destilación. Una caracterís-
tica fundamental del modelo, es que debe ser capaz de representar los diversos tipos de
esquemas que se puedan presentar para el proceso de destilación. En este sentido, la dispo-
nibilidad de una herramienta es fundamental Detalles referente al modelado y simulación
de estas unidades se darán en el Capitulo 2.

1.4. Objetivos y Alcance de esta tesis

Se propuso el desarrollo de una herramienta libre para la simulación rigurosa de colum-
nas de destilación en estado estacionario, a partir de un simulador de procesos desarrollado
bajo licencia libre y estándares abiertos, aprovechando la gran cantidad de funcionalidades
que ya se encuentran disponibles en él. En este sentido se seleccionó DWSIM, un simulador
de procesos químicos de código abierto compatible con los estándares CAPE-OPEN, y que
cuenta con una interfaz gráfica de usuario (GUI), con la capacidad de simular los procesos
de equilibrio vapor-líquido y vapor-líquido-líquido en estado estacionario, con los modelos
termodinámicos y operaciones unitarias más comunes.
Por el hecho de tratarse de un simulador de procesos químico de código abierto, per-
mitió su modificación para que sea adaptado en estos casos particulares de la industria
petrolera nacional, gracias al hecho de que se dispone del código fuente y ninguna de las
restricciones conocidas del software propietario. Este simulador ofrece la posibilidad de su
uso extendido en un período de tiempo prolongado, al no requerir el pago de licencias y

16
las consecuencias del bloqueo de su uso tal como sucede con los simuladores comercia-
les. En este sentido, a través de este trabajo se obtuvo una herramienta de simulación lo
suficientemente robusta y adecuada a casos particulares de los procesos de destilación de
Petróleos de Venezuela S.A (PDVSA).
Las investigaciones para el desarrollo de modelos de columnas de destilación han avan-
zado con la finalidad de reproducir el comportamiento del proceso real con la mayor exac-
titud posible (Eckert & Vaněk, 2001; Grossmann et al., 2005; Higler et al., 2004). Este este
trabajo se plantea desarrollar las rutinas de cálculo para la simulación de unidades de des-
tilación multicomponente en estado estacionario basado en modelo de relaciones de etapas
de equilibrio conectados a contracorriente, particularmente adecuado para la mayoría de
las columnas de fraccionamiento.
Su codificación se realizó tomando en cuenta la arquitectura bajo la cual está desarro-
llada DWSIM, para luego validar el módulo a través del análisis de dos casos de estudio:

1. Para el primero se utilizará ejemplos de la literatura para comprobar la verificación

del algoritmo implementado. En este caso se configuraron además bajo dos simulado-
res comerciales y comparar los resultados obtenidos entre los distintos simuladores,
considerando su reproducibilidad.

2. En el segundo se tomaron datos operacionales de unidades destilación con los cuales

se realizó su modelado y simulación.

1.5. Estructura de la Tesis

El capítulo 2 contiene una descripción de los métodos de solución de los modelos ma-
temáticos para columnas de destilación en estado estacionario, considerando en detalle
el algoritmo I NSIDE -O UT de Russell (1983) como elemento esencial en la simulación de
procesos de destilación.
El capítulo 3 trata sobre la arquitectura lógica del simulador de procesos DWSIM, acá
se realiza una descripción general de su estructura interna, de los elementos que lo forman
y de las interrelaciones entre ellos. Para poder llevar esto a cabo, fue necesario utilizar
técnicas de Ingeniería Inversa. lográndose identificar las clases y métodos involucrados en
la simulación de columnas de destilación, para así incluir las modificaciones necesarias en
el código fuente del simulador.
Seguidamente se presenta el capítulo 4 donde se discuten los resultados de los casos
de estudio empleados para la verificación y depuración del código implementado, para
comprobar que se han programado adecuadamente las estructuras de datos y algoritmos

17
del modelo que representa al proceso de destilación en estado estacionario, así como tam-
bién la validación del modelo en base a datos operacionales reales del circuito nacional de
refinación.
Continuando con el capítulo 5 se presentan las conclusiones obtenidas de la ejecución
de este trabajo tanto de la implementación del algoritmo en DWSIM y también se plantean
las recomendaciones respectivas.

18
Capítulo 2

Modelado y Simulación del Proceso de

Destilación

Para calcular o predecir el rendimiento de los sistema de múltiples etapas, se efectúa

el planteamiento modelos y ecuaciones que relacionan las diversas variables que interac-
túan dentro de dicho sistema y debido a la complejidad de las ecuaciones, la única forma
práctica para resolver el modelo de forma rigurosa es por medio de algoritmos de solución
implementados en programas de computadora (Khoury, 2005).
Este capítulo comienza con el desarrollo del modelo matemático empleado para la si-
mulación de columnas de destilación en estado estacionario, basado en etapas de equili-
brio de contacto vapor-líquido donde se incluyen las ecuaciones de balances de masa por
componentes, equilibrio de fases, ecuaciones auxiliares y de balances de energía, común-
mente conocidas como las ecuaciones M ESH (del inglés Mass, Equilibrium, Summation,
entHalpy ). Posteriormente se describen varias estrategias para resolver estas ecuaciones,
que actualmente se encuentran implementadas en el simulador de procesos DWSIM, con-
siderando principalmente el algoritmo Inside-Out para su desarrollo e implementación en
DWSIM. Este algoritmo se caracteriza por ser el método de resolución más flexible y com-
plejo, utilizado ampliamente en los simuladores de procesos comerciales para los casos de
destilación multicomponente.

2.1. Descripción del Modelo de Columna

2.1.1. Modelo de Etapa de Equilibrio
El desarrollo y la aplicación de los modelos basados en el concepto de etapa de equili-
brio para la destilación, ha sido objeto de estudio durante muchos años. Hasta hace poco,
los procesos de transferencia de masa y energía en una columna de destilación real se con-

19
sideraban muy complicados para ser modelados de manera fácil y directa. Esta dificultad
fue sobrellevada por el modelo de etapa de equilibrio, desarrollado por Sorel (1893). Este
modelo conceptual (Figura 2.1) se fundamenta en suponer que los flujos de vapor y líquido
que salen de cualquier etapa de la columna, se encuentran en equilibrio termodinámico, es
decir que se consideran no tienen tendencia a alejarse de sus actuales condiciones definidas
por su presión, temperatura y composiciones.

Vapor que sale de la etapa Líquido que entra en etapa

con fracción mol y
Vapor
T, P y Perfecto Mezclado
en ambas fases
x
Líquido
Líquido que sale de la etapa
Vapor que entra en etapa
con fracción mol x
Figura 2.1: Diagrama conceptual de una etapa de equilibrio.(Wilson et al., 2000)

Basado en el concepto anterior, una sección de la columna de destilación se modela

como se muestra en la Figura 2.2a, considerando las siguientes suposiciones:

1. Se logra en cada etapa un equilibrio de fases.

2. No se producen reacciones químicas.

3. Se desprecia el arrastre de gotas de líquido en el vapor y la oclusión de burbujas de

vapor en el líquido.

Así, una columna hipotética se define a partir del acople de varias de estas etapas de
equilibrio como de muestra en la Figura 2.2b. Este sistema en cascada en contracorriente
está diseñado para llevar a cabo la separación especificada por la columna real, siendo una
descripción razonable de la física real (Wilson et al., 2000). De ser necesario, el número
de etapas de equilibrio se puede convertir a su equivalente en etapas reales por medio del
concepto eficiencia de etapa, que describe la medida en que el rendimiento de una bandeja
de contacto real al rendimiento de una etapa de equilibrio (Seader et al., 2011).
En este esquema, una o más corrientes de materia entran en la etapa, y una o más
corrientes salen de ella. Así, también se considera una corriente especial que representa
el flujo de energía que se suministra o se retira de la etapa. Tomando como referencia la
Figura 2.2a en a la etapa j, existe una corriente de alimentación de flujo molar Fj , con una

20
composición global en fracciones mol zi,j del componente i, temperatura TF j , presión PF j
y su correspondiente entalpía molar global hF j . La presión de la alimentación es igual o
mayor que la presión de la etapa Pj .
También en esta etapa se encuentra el líquido interetapa proveniente de la etapa su-
perior j − 1, de flujo molar Lj−1 , con una composición en fracción molar xi,j−1 , entalpía
hLj−1 , temperatura Tj−1 y presión Pj−1 . La presión del líquido de la etapa j − 1 se incre-
menta de manera adiabática por el cabezal hidrostático de Lj−1 . De manera similar, desde
la etapa inferior j + 1, entra el vapor interetapa de flujo molar Vj+1 de igual forma, con una
composición en fracción molar yi,j+1 , entalpía hVj+1 , temperatura Tj+1 y presión Pj+1 .
V1

F1 Etapa 1 Q1

V2
W2 U1
L1

Vj Líquido desde etapa F2 Etapa 2 Q2

superior
Corriente Lateral de V3
Lj-1 U2
Vapor W3
Wj

yi,j xi,j-1 Wj Uj-1

hVj hLj-1
Lj-1
Tj Tj-1
Fj Etapa j Qj
Pj Pj-1
Vj+1
Transferencia Uj
Wj+1 Lj
Alimentación de Calor
Fj
zi,j
Etapa j
Qj
hF,j UN-2
WN-1
TF,j xi,j
LN-2
yi,j+1
PF,j hVj+1 hLj FN-1
Etapa
QN-1
Tj+1 Tj N-1
VN
Pj UN-1
Pj+1 Corriente Lateral de WN
Líquido LN-1

Vj+1 FN
Etapa QN
Uj
Vapor desde etapa
N
inferior

Lj LN

(a) esquema de una etapa de equilibrio ge- (b) cascada a contracorriente General
neral de N etapas

Figura 2.2: Modelo generalizado para columna múltiples etapas (Seader et al., 2011)
Dejando la etapa j, se encuentra también el vapor con propiedades intensivas yi,j , hVj ,
Tj , y Pj . Esta corriente se puede dividir en una corriente lateral de vapor de flujo molar
Wj que sale como producto y una corriente interetapa de flujo molar Vj que bien va hacia
la etapa superior j − 1 o sale como producto al ser j = 1. También, de manera análoga
dejando la etapa j se presenta el líquido con propiedades intensivas xi,j , hLJ , Tj , y Pj , el
cual se encuentra en equilibrio con el Vj y Wj . Este líquido de manera similar que el vapor,
se puede dividir en una corriente lateral de flujo molar Uj y una corriente interetapa y de

21
flujo molar Lj que se dirige hacia la etapa j + 1, y sale como producto si j = N . Por último
se puede transferir energía a una razón Qj desde (+) , o hacia (−) la etapa j para simular
intercambios de calor. Las etapas se numeran de el tope a el fondo de la columna: desde
j = 1 en el condensador o la parte superior a la etapa j = N en el rehervidor o la etapa
inferior.

2.1.2. Ecuaciones MESH

Según Wang & Henke (1966) el modelo de etapa de equilibrio de columnas de desti-
lación, está representado por un conjunto de ecuaciones comúnmente conocidos como las
ecuaciones MESH, las cuales son las que se utilizan para describir la operación en estado
estacionario de una columna de destilación. MESH provienen del inglés: Material balan-
ces (Balances de materia), Equilibrium equations (Ecuaciones de Equilibrio), Summation
equations (Ecuaciones de Sumatorias), entHalpy balances (Balances de entalpía) (Treccani,
2008; Seader et al., 2011).A continuación se describe con detalles cada una de las ecuacio-
nes:

1. Las ecuaciones M se emplean para modelar la ley de conservación de materia alre-

dedor de cada etapa.

Mi,j = Lj−1 xi,j−1 + Vj+1 yi,j+1

+Fj zi,j − (Lj + Uj ) xi,j − (Vj − Wj ) yi,j = 0 (2.1)

2. Las ecuaciones E modelan el equilibrio vapor-líquido, donde c es el número de com-

ponentes.

Ei,j = yi,j − Ki,j xi,j = 0 (2.2)

3. Las ecuaciones S establecen los limites de las sumatorias de fracciones mol de cada
componente.

c
X
(Sy )j = yi,j − 1,0 = 0 (2.3)
i=1

c
X
(Sx )j = xi,j − 1,0 = 0 (2.4)
i=1

22
 4. Las ecuaciones H modelan el balance de energía en cada etapa.

Hj = Lj−1 hLj−1 + Vj+1 hVj+1 + Fj hFj (2.5)

− (Lj + Uj ) hLj − (Vj + Wj ) hVj − Qj = 0 (2.6)

Es posible emplear una ecuación balance de materia total en lugar de (2.3) o (2.4). Se
P
deriva mediante la combinación de estas dos ecuaciones y zi,j = 1,0 con (2.1) sumado
j
sobre los componentes C desde la etapa 1 a j para dar:

j
X
Lj =Vj+1 + (Fm − Um − Wm ) − V1 (2.7)
m=1

Las ecuaciones anteriores describen totalmente una columna de destilación las cuales
deben satisfacerse en cualquier estrategia de solución. Si se modifican las ecuaciones MESH
de forma que en las ecuaciones M se sustituyen los yi,j por Ki,j xi.j y los Lj por su valor en
función de Wj , Uj y Vj dado por el balance global de materia, se puede obtener la siguiente
ecuación para cada componente y cada etapa a partir de los coeficientesAj , Bj , Cj y Dj :

Aj xi,j−1 + Bj xi,j + Cj xi,j+1 = Dj (2.8)

donde:

j−1
X
Aj = Vj + (Fm − Um − Wm ) − V1 , 2 ≤ j ≤ N (2.9)
m=1

j
" #
X
Bj = − Vj+1 + (Fm − Um − Wm ) − V1 + Uj + (Vj + Wj ) Ki,j
m=1
1≤j≤N (2.10)

Cj = Vj+1 Ki,j+1 , 1 ≤ j ≤ N − 1 (2.11)

Dj = −Fj zi,j , 1 ≤ j ≤ N (2.12)

Si las ecuaciones M modificadas (2.8) se agrupan por componentes, pueden escribirse
como una serie de c sistemas de ecuaciones, uno para cada componente, en donde las
matrices de coeficientes son matrices tridiagonales y la variable de salida para cada sistema
es la composición xi para ese componente en toda la cascada en contracorriente de N
etapas:

23
 B1 C1 ··· ··· ··· ··· 0
     
xi,1 D1
 A2 B2 C2 ··· ··· ··· 0  
xi,2   D2 
 · · · A3 C3 · · · ···
  
B3 0  
xi,3
 
  D3


... ... ...
     
 ··· ··· ··· ··· ···
     
× = (2.13)
 
.. .. ..

··· ···

 ··· . . . ···     
  
  xi,N −2 DN −2
  
 0 ··· · · · 0 AN −2 BN −2 CN −2 · · ·
 
 


xi,N −1 DN −1
  
 0 ··· ··· 0 0 AN −1 BN −1 CN −1    
0 ··· ··· 0 0 AN BN xi,N DN

La solución eficiente de este conjunto de sistemas de ecuaciones se resuelve una para

cada componente, mediante un algoritmo de eliminación Gaussiana modificado por Lle-
wellyn H. Thomas mostrado con detalle en el apéndice A.1. Si se dispone de los valores de
los coeficientes Aj , Bj , Cj y Dj en cada etapa, la resolución de los c sistemas de ecuaciones
proporcionará el perfil de composición del líquido en la columna.
Por otra parte, las propiedades de los fluidos, son datos suministrados o predichos por
algún método termodinámico que correlacionan funciones de la temperatura, la presión, y
la composición. Expresado matemáticamente, los datos o correlaciones se pueden escribir
de la siguiente manera:

Ki,j = Ki,j (Tj , Pj , xj , y j ) (2.14)

hVj = hVj (Tj , Pj , y j ) (2.15)

hLj = hLj (Tj , Pj , xj ) (2.16)

donde xj y y j son vectores de fracciones molares de los componentes en corrientes de

la etapa j.

2.1.3. Grados de Libertad

Los grados de libertad de un sistema son las variables independientes que se deben
especificar con el fin de definir el sistema por completo. El enfoque matemático para de-
terminar los grados de libertad de cualquier sistema es reunir todas las variables y restar el
número de ecuaciones independientes (Zereshki, 2012).
En este sentido, para el modelo de etapa de equilibrio, si las tres propiedades definidas
en las ecuaciones 2.14 a 2.16 no se cuentan como ecuaciones ni como variables, cada etapa
de equilibrio sólo se define por un total de 2C + 3 ecuaciones. El sistema en cascada en
contracorriente de N etapas, como se muestra en la Figura 2.2b, quedaría representado
por N (2C + 3) ecuaciones y [N (3C + 10) + 1] variables.

24
 Ahora, si se establecen N y todos los F j, zij , TFj , PFj , Pj , Uj , Wj , Qj correspondien-
tes a [N (C + 7) + 1] variables de entrada, el modelo generalizado de la columna queda
representado por N (2C + 3) ecuaciones algebraicas simultáneas no lineales y N (2C + 3)
variables desconocidas (de salida) que comprenden todas las variables xi,j , yi,j , Lj , Vj ,
Tj , considerándose así como las variables independientes. En tal caso que se especifiquen
otras variables de entrada, las sustituciones correspondientes se deben de introducir en la
lista de variables de salida. En cualquier caso, el resultado es un conjunto que contiene
las ecuaciones no lineales que deben ser resueltas mediante una técnica iterativa (Seader
et al., 2011; Khoury, 2005).

2.2. Métodos Rigurosos de Columnas de Destilación

Las ecuaciones que conforman el modelo de columna, incluyen muchas relaciones no
lineales, y su número se puede encontrar alrededor de las decenas de miles. Por ejemplo,
en una columna de 10 componentes, 30 etapas con dos especificaciones, el número de
ecuaciones sería (3 × 10 + 5) × 30 + 2 = 1, 052).
Es evidente que la solución analítica de estas ecuaciones es imposible. La única mane-
ra práctica para resolver estos problemas de manera rigurosa es mediante algoritmos de
solución numéricos implementados los simuladores de procesos químicos. (Khoury, 2005).
Históricamente, antes de la década de los ’50, los cálculos de columna se realizaban
sin la ayuda de un computador. A pesar de que los procedimientos de cálculo rigurosos
estaban disponibles, eran difíciles de aplicar para todas las columnas. Los denominados
métodos aproximados o cortos basados el procedimiento clásico de Fenske-Underwood-
Gilliland (FUG), eran por lo tanto la herramienta de diseño primario (Kister, 1992).
Los primeros intentos para la resolver el sistema de ecuaciones MESH fueron los mé-
todos clásicos de cálculo etapa a etapa y ecuación a ecuación de Lewis-Matheson (1932)
y Thiele-Geddes (1933), aplicables sólo a columnas simples o para chequear diseños fina-
les. Empero, con la introducción de las computadoras el procedimiento de diseño cambió
totalmente. Los cálculos rigurosos, que alguna vez tomaron varios días, a veces semanas,
incluso para una columna relativamente sencilla, ahora se realizan de forma rápida y eficaz
mediante un ordenador minimizando las imprecisiones e incertidumbres inherentes a los
procedimientos aproximados (King, 1980; Seader et al., 2011).
La mayor parte de los métodos rigurosos modernos son métodos que utilizan procedi-
mientos de separación y desacoplamiento del conjunto de ecuaciones MESH que describe
a la columna para calcular las condiciones de su funcionamiento (Seader et al., 2011). En
la práctica moderna de destilación, estos programas se han vuelto indispensables para la

25
evaluación del diseño y el rendimiento de los procesos de separación de etapas múltiples
(Kister, 1992; Khoury, 2005).
Los métodos rigurosos para la solución de columnas siguen una estrategia de solución
general que se muestra la Figura 2.3.

Configuración
del problema

Inicialización
Cálculos Prueba
de las variables
Principales de Solución
MESH

Resultados y
evaluación
del ingeniero

Figura 2.3: Pasos involucrados en un método riguroso (Kister, 1992).

En el primer paso de configuración del problema se especifican las variables de entrada
y la especificación de la separación. King (1980); Kister (1992); Seader et al. (2011);
McCabe et al. (2005) afirman que en un proceso de diseño, una separación se especifica en
términos de grados de pureza y de los flujos de productos. Para una columna sencilla, por
ejemplo, dos especificaciones se realizan y por lo menos una debe ser de pureza. También
afirma que el grado de pureza puede ser sustituido por una propiedad física que es una
función de la pureza o composición, mientras que un flujo de producto puede ser sustituido
por una especificación de recuperación.
En una simulación, se establece el número de etapas y la ubicación del punto de ali-
mentación para una solución determinada. Una vez que estos se fijan, la composición de
destilado (o del fondo) se convierte en una función del reflujo, por lo que el grado de pu-
reza se cumple a través de una especificación de velocidad de reflujo. Dado que el reflujo
es sólo uno de los flujos internos de la columna, un argumento similar se aplica a cualquier
otro flujo de fase interna. De ello se desprende que el grado de pureza se puede cumplir
mediante la especificación de cualquier flujo de fase interna, ya sea líquida o de vapor.
Del mismo modo, otras variables que se pueden especificar incluyen la relación de reflujo
a destilado, relación de boilup del fondo, el calor del intercambiador, y la temperatura de
una etapa especifica (Kister, 1992).
Para una columna con productos laterales, el número de variables especificadas aumen-
ta con cada producto lateral. En la mayoría de los métodos, la tasa de flujo del producto se

26
especifica para cada producto secundario, pudiéndose especificar la pureza de un producto
lateral. Para las columnas con intercambiadores de calor en las etapas intermedias, el nú-
mero de variables especificadas aumenta por el número de estos intercambiadores. Por lo
general, para estos se especifican sus respectivos calores, pero en algunos métodos, estos
calores se pueden permitir variar para cumplir una cierta especificación de producto. Pa-
ra estas columnas complejas, las especificaciones inconsistentes son una de las principales
causas de fallas en el calculo por ello se prefieren especificaciones más simples.
Antes de que los cálculos principales comiencen, se debe dar valores iniciales a las
temperaturas de las etapas, Tj y flujos totales, Vj yLj . Los flujos por componentes de las
etapas, vij y lij no tienen que ser estimados ya que estos se pueden calcular a partir de los
balances de componentes. Pero los balances de componentes dependen de los valores K.
En este sentido para los primeros balances de componentes, se deben utilizar valores K
independientes de la composición (Wilson et al., 2000).
Con cualquier método riguroso es imprescindible establecer criterios para determinar
cuando se alcanza una solución. Cada método riguroso tiene sus propios criterios, pero
todos ellos deben cumplir con ciertos criterios físicos. Además de cumplir con los balances
de materia y de energía (Kister, 1992; Seader et al., 2011). Existen otros criterios que un
método debe cumplir. Si hay especificaciones, tales como velocidades de flujo de produc-
tos, flujos de calor, o composiciones de productos, éstos se deben establecer dentro de una
cierta tolerancia. En la solución, los perfiles de la velocidad de flujo y temperatura total no
deberían cambiar entre iteraciones, es decir, el cambio fraccional acumulado en tempera-
turas de etapa y en las tasas de vapores de la fase entre iteraciones continuas k y k + 1 debe
ser menor a una tolerancia preestablecida , según el criterio planteado por Wang & Henke
(1966) expresado en la ecuación 2.17.

N N
X |Tj,k+1 − Tj,k |2 X |Vj,k+1 − Vj,k |2
+ ≤ (2.17)
j=1
Tj,k j=1
Vj,k

Los errores en las ecuaciones MESH deben ser pequeños, los cuales deben tener priori-
dad sobre los criterios matemáticos, como por ejemplo hacer que las funciones tiendan a
cero con el método de Newton-Raphson, el cual se describe en el apéndice A.2.

2.2.1. Clasificación de Los Métodos Rigurosos

Se han propuesto muchos algoritmos para la resolución de las ecuaciones, una buena
revisión de los cuales se presenta por Wang et al. (1980). Las diferencias entre los métodos
derivan de varias consideraciones, incluyendo la elección de las variables independientes,

27
la agrupación y disposición de las ecuaciones y la trayectoria de convergencia. Los métodos
rigurosos se pueden dividir en dos clases como se muestra en la Tabla 2.1.

Tabla 2.1: Clasificación de los Métodos Rigurosos de Resolución (King, 1980).

Métodos Básicos Método Extendidos

Los Métodos de Punto de Burbuja (BP ) Los Métodos de Relajación
Los Métodos de Suma de Caudales (SR) Los Métodos Inside-Out
Los Métodos Newton 2N Los Métodos Homotópicos o de Continuación
Los Métodos de Correcciones Simultáneas (SC) Los Modelos Fuera del Equilibrio

Los Métodos de Punto de Burbuja (BP )

Los métodos BP reciben su nombre debido a que las temperaturas de las etapas se
determinan resolviendo directamente la ecuación de punto de burbuja. Los métodos
de BP por lo general funcionan mejor para sistemas con componentes de estrecho
punto de ebullición, donde la composición tiene un efecto mayor sobre la tempera-
tura que el calor latente de vaporización. Todas las ecuaciones se particionan y se
resuelven de manera secuencial a excepción de las ecuaciones M , que se resuelven
por separado para cada componente por la técnica de matriz tridiagonal (Seader
et al., 2011).
El primer método de BP propuesto por Wang & Henke (1966) ilustrado en la Fi-
gura 2.4, contempló por primera vez el método matriz tridiagonal para calcular las
tasas de flujo de componentes o composiciones, calculando además las nuevas las
temperaturas de las etapas directamente, sin necesidad de iterar con la ecuación del
punto de burbuja. Aquí las temperaturas son aproximadas pero siempre y cuando las
composiciones internas se corrijan adecuadamente durante cada iteración, el perfil
de temperatura convergerá hacia la solución (Khoury, 2005; Kister, 1992).
En este método se consideran variables de iteración a xi,j , yi,j , Tj , Lj , y Vj . Para iniciar
los cálculos se asumen valores de las variables de iteración, Vj y Tj . En general,
es suficiente establecer un conjunto inicial de valores de Vj el reflujo especificado,
destilado, alimentación, y los flujos de corriente secundaria. Los valores Tj iniciales
se pueden estimar mediante el cálculo de la temperatura del punto de burbuja de un
producto de fondo y la temperatura punto de rocío de un producto destilado asumido,
y luego utilizar interpolación lineal para determinar otras temperaturas de las etapas
(Seader et al., 2011).

28
Para obtener xi a partir de (2.13) por el método de Thomas (A.1) son necesarios
los valores de Kij . Por tanto, cuando éstos dependen de la composición, se necesitan
también suposiciones iniciales para todos los xi,j y yi,j , a no ser que se utilicen en
la primera iteración los valores ideales de las Ki,j . Para cada iteración, el conjunto
de valores calculados xi,j de cada etapa, por lo general, no satisfará la restricción
impuesta por las ecuaciones S y es aconsejable normalizar el conjunto de valores
calculados xi,j mediante:
xi,j
(xi,j )normalizado = P
c (2.18)
xi,j
i=1

k(=(+ Contador(de(Iteración

Especificar(todas(Las(variables(Fjm(zimjm(TFjm(PFm(
Pjm(Ujm(Wjm(Qj(IExcepto(Q+(y(QNóm(Nm(L+(y(V+

Inicializar(variables(de(iteración(Tjm(Vj

Calcular(ximj(por(el(método(de(Thomas Método(de(Matriz(Tridiagonal

Normalizar(ximj
k(=(k(u(+

Calcular(nuevos(valores(de(Tjm(a(partir(de(la(ecuacion(
de(Punto(de(Burbuja(y(fracciones(yimj
Ajustar(variables(
de(iteración(Tjm(Vj
Calcular(valores(de(Q+(y(QN(a(partir(de(
la(ecuación(de(balance(de(energía

Calcular(nuevos(
valores(de(Vj(y(Lj

Falso ¿Suma(de(errores( Verdadero

<(tolerancia(establecida?
No(ha(convergido Convergencia(Satisfactoria

Figura 2.4: Algoritmo de Método BP por Wang–Henke (Seader et al., 2011)

Los Métodos de Suma de Caudales (SR)

Son métodos adecuados para el modelado de absorbedores y despojadores donde las
especies poseen un amplio punto de ebullición, especialmente aquellos con especies

29
no condensables. Los métodos BP fallan en estos casos porque los cálculos del punto
de burbuja de temperatura son demasiado sensibles a la composición en fase líquida,
y el balance de energía es mucho más sensible a las temperaturas de las etapas que a
las flujos entre etapas. El primer método SR fue desarrollado por Burningham & Otto
(1967) en conjunción con la formulación de de matriz-tridiagonal para un conjunto
de ecuaciones M modificadas.
las variables se mantienen iguales al método BP y los valores de xi,j se obtienen
resolviendo mediante el algoritmo de Thomas. Solo que en este caso los valores xi,j no
se normalizan y se utilizan directamente para calcular nuevos valores de Lj mediante
la ecuación de suma de caudales:

c
X
(k+1) (k)
Lj = Lj xi,j (2.19)
i=1

(k) (k)
donde los valores de Lj se obtienen a partir de los valores Vj de la ecuación (2.7),
(k+1)
los valores correspondientes de Vj se obtienen a partir de un balance de materia
global:

N
X
Vj =Lj−1 − LN + (Fm − Wm − Um ) (2.20)
m=j

Finalmente, el perfil de temperatura para la siguiente iteración se obtiene por resolu-

ción del balance de entalpía en cada etapa. El método se ilustra en la Figura 2.5.

30
 k(=(S Contador(de(Iteración

Especificar(todas(Las(variables(Fjm(zimjm(TFjm(PFm(
Pjm(Ujm(Wjm(Qj(IExcepto(QS(y(QNóm(Nm(LS(y(VS

Inicializar(variables(de(iteración(Tjm(Vj

Calcular(ximj(por(el(método(de(Thomas Método(de(Matriz(Tridiagonal

k(=(k(u(S
Calcular(nuevos(valores(de(Lj(y(Vj

Ajustar(variables(
de(iteración(Tjm(Vj Normalizar(ximj(y(determinar
las(fracciones(yimj

Calcular(nuevos(
valores(de(Tj

Falso ¿Suma(de(errores( Verdadero

<(tolerancia(establecida?
No(ha(convergido Convergencia(Satisfactoria

Figura 2.5: Algoritmo del método SR de Burningham & Otto (Seader et al., 2011)

Los Métodos de Newton 2N

Tanto en los métodos BP como en los SR, el perfil de temperatura y el perfil de cau-
dales de vapor y de líquido se calculan en pasos separados. En los métodos métodos
de Newton 2N el nombre 2N significa que hay dos ecuaciones por etapa para un total
de 2 × N funciones y variables por columna que se resuelven simultáneamente por un
método de Newton Raphson. Los métodos de Newton 2N han demostrado que funcio-
nan bien para las mezclas de amplio punto de ebullición incluyendo fraccionadores
de refinería, columnas de absorción-despojamiento y absorbedores con rehervidor.
Las variables de iteración son Li,j , yi,j , y Tj . Entre los métodos más conocidos se
encuentran el método desarrollado por Tomich (1970).
Este Método difiere de los métodos anteriores, principalmente en que las ecuaciones
sumatoria y los balances de energía se resuelven simultáneamente. Por otra parte
presenta dos importantes beneficios. En primer lugar, es aplicable para resolver co-
lumnas de destilación, columnas absorbedoras y columnas híbridas de ambos tipos

31
de procesos. En segundo lugar, se pueden incorporar en la solución simultánea de
las ecuaciones diferentes tipos de especificaciones de rendimiento de la columna. El
método también es computacionalmente estable y eficiente, ya que utiliza la mo-
dificación de Broyden de la técnica de Newton-Raphson para la resolución de las
ecuaciones (Broyden, 1965).

Los Métodos de Correcciones Simultáneas (SC)

Las tres clases anteriores se catalogan como métodos basados en desacoplamiento de
ecuaciones, debido a que las ecuaciones MESH se dividen, se agrupan y se combinan
con las variables MESH para ser resueltos en una serie de pasos. Los Métodos SC
denominados también métodos de Newton Globales o métodos N R, son capaces de
resolver todos los problemas de separaciones multicomponente de etapa múltiple.
Están basados en la resolución conjunta de todas las ecuaciones MESH o de una
combinación de las mismas por técnicas de corrección simultánea (Kister, 1992).
En general, los métodos SC resultan más convenientes que los anteriores ya que en
sistemas altamente no ideales, donde los valores de las relaciones de equilibrio es-
pecialmente los valores de los coeficientes de actividad y de las entalpías dependen
fuertemente de la composición, no resulta demasiado adecuado calcular las composi-
ciones a partir de valores de constantes de equilibrio y de entalpías procedentes de la
iteración anterior. Estos métodos son los más sensibles a la calidad de las estimacio-
nes iniciales, pero también son más poderosos a la hora de tratar mezclas no ideales,
de forma que en ocasiones se requiere aplicar primero otro método riguroso (BP o
SR) para encontrar aproximaciones a la solución final que sirvan como estimaciones
iniciales para el método SC (Khoury, 2005). Uno de los métodos SC más conocidos
es el desarrollado por Naphtali & Sandholm (1971).
El modelo de etapas de las Figuras 2.2a y 2.2b se emplean nuevamente. Sin em-
bargo, en lugar de resolver las N (2C + 3) ecuaciones MESH de manera simultanea.
Se combinan las ecuaciones (2.3) y (2.4) junto con las otras ecuaciones para elimi-
nar 2N variables y de esta manera reducir el problema a una solución simultánea
de N (2C − 1) ecuaciones. Esto se realiza multiplicando (2.3) y (2.4) porVj y Lj ,
respectivamente para dar:

c
X
Vj = vi,j (2.21)
i=1

32
 c
X
Lj = li,j (2.22)
i=1

donde se usan las siguientes definiciones de fracciones mol:

vi,j
yi,j = (2.23)
Vj

li,j
xi,j = (2.24)
Lj

Las ecuaciones (2.21) a (2.24) ahora se sustituyen en (2.1), (2.2) y (2.6) para eli-
minar Vj , Lj , yi,j y xi,j e introducir flujos de componentes vi,j y li,j , obteniéndose las
siguientes ecuaciones, donde sj = Uj /LJ y Sj = Wj /VJ son flujos laterales adimen-
sionales y fi,j = Fj zi,j .

Mi,j = li,j (1 + sj ) + vi,j (1 + Sj ) − li,j−1 − vi,j+1 − fi,j = 0 (2.25)

c
P
vk,j
Ei,j = Ki,j li,j k=1
c
P − vi,j = 0 (2.26)
lk,j
k=1

c
X c
X
Hj = hLj (1 + sj ) li,j + hVj (1 + Sj ) vi,j (2.27)
i=1 i=1
c
X c
X
−hLj−1 li,j−1 − hVj+1 vi,j+1
i=1 i=1
c
X
−hFj fi,j − Qj = 0
i=1

Las ecuaciones (2.25), (2.26) y (2.27) se resuelven simultáneamente por el método

de Newton-Raphson en el que los conjuntos sucesivos de las variables de salida se
calculan de manera iterativa hasta que los valores de las funciones M , E, y H son
conducidas hacia los criterios de convergencia o cero. Durante las iteraciones, los
valores distintos de cero de las funciones se llaman discrepancias o errores. Si las
funciones y variables de salida se agrupan por etapas en orden de arriba a abajo,
se forma una estructura de bloque-tridiagonal de la matriz Jacobiana de derivadas

33
 parciales de modo que se puede aplicar una forma de la matriz del algoritmo de
Thomas (Seader et al., 2011).

Los métodos extendidos que a continuación se explican, son una ampliación de los primeros
cuatro métodos con el fin de aumentar la gama de aplicación de columnas, para resolver
sistemas difíciles o columnas más complejas.

Los Métodos de Relajación

Un método de relajación encuentra una solución de estado estacionario de una co-
lumna como si se tratara de una columna que opera en estado dinámico. La columna
se inicializa utilizando condiciones reales de operación de puesta en marcha. Se parte
de la suposición de valores iniciales para los caudales interetapa y para las tempera-
turas y composiciones en cada etapa. La columna se lleva a las condiciones de estado
estacionario por aproximaciones sucesivas de las ecuaciones de estado inestable de
destilación. Estas ecuaciones de estado inestable son modificaciones a las ecuaciones
MESH para incluir cambios en las variables MESH con respecto al tiempo. Este pro-
ceso podría decirse que está imitando la puesta en marcha física de la columna, pero
el objetivo no es conseguir la operación dinámica sino buscar la solución en estado
estacionario(Khoury, 2005).

Los Métodos Homotópicos o de continuación

Se basan en un procedimiento de resolución de sistemas de ecuaciones algebraicas
no lineales. Generalmente requiere cálculos algo sofisticados, pero tiene la ventaja de
que permite encontrar soluciones incluso cuando los valores iniciales son deficientes.
Para algunos casos las ecuaciones de las MESH pueden ser difíciles de resolver, ya
sea debido a la naturaleza de la columna (muchas alimentaciones o retiros latera-
les, separadores laterales, operación cerca de reflujo-mínimo, etc.) o debido a las no
idealidades de los valores de K o entalpías.
Los métodos homotópicos comienzan con una solución conocida de la columna y
desde allí se sigue un camino a la solución deseada. Las solución conocida puede ser
en diferentes condiciones o con métodos mucho más simple de valores K y entalpía
y los cambios escalonados se realizan a partir de ahí, resolviendo la columna en cada
paso, hasta que se alcanza la solución final (Kister, 1992).
Las métodos homotópicos se pueden dividir en dos clases generales, los basados en
homotopías matemáticas y en homotopías físicas o paramétricas. Las homotopías ma-
temáticas no posee una relación físicas con las ecuaciones MESH y esto en ocasiones

34
 causa problemas. Las homotopías físicas tienen una base en las ecuaciones MESH,
por lo que son más aplicadas. (Wayburn, 1988) presenta una revisión de los métodos
homotópicos así como de sus diferentes aplicaciones.

Los Modelos de No-Equilibrio

También denominados métodos basados de velocidades de transferencia de masa.
Son métodos que eliminan por completo el concepto de etapa de equilibrio y el uso
del concepto de eficiencia. Ellos son los más adecuados para las columnas donde es
difícil de definir una etapa teórica y las eficiencias resultan difíciles de predecir o
aplicar por cualquier medio, por ejemplo, en sistemas altamente no ideales y siste-
mas reactivos. Aplican un enfoque de fenómenos de transporte para predecir las tasas
de transferencia de masa. Las tasas de transferencia de masa se calculan continua-
mente a lo largo de la longitud de la columna y no en etapas de equilibrio discretas
(Kooijman & Taylor, 2000; Krishnamurthy & Taylor, 1985).
Krishnamurthy & Taylor (1985) presentan y colocan a prueba un modelo de no equi-
librio que incluye ecuaciones de velocidad de transferencia de masa con la posibilidad
de incluir reacciones químicas, entre las ecuaciones MESH tradicionales. Estos inclu-
yen balances de masa y energía en el vapor y el líquido y a través de una interfase.
Existe una ecuación de equilibrio para la interfase única. Los métodos de solución
para estas ecuaciones es la misma que los métodos globales Newton y el estilo del
método es similar al de Naphtali & Sandholm.

2.3. Método I NSIDE -O UT de Russell (1983)

En los métodos de BP , SR, y SC, el principal esfuerzo de cálculo se consume en el
cálculo de valores K y las entalpías cuando se utilizan modelos termodinámicos rigurosos,
ya que los cálculos de propiedad se hacen en cada iteración. Además, en cada iteración, se
necesitan las derivadas de:

1. Todas las propiedades con respecto a la temperatura y las composiciones de ambas

fases en el método Newton Raphson

2. Los valores K con respecto a la temperatura para el método de BP .

3. Vapor y entalpías de líquidos con respecto a la temperatura para el método de SR.

35
 S b , R L, R V
Ecuaciones
(bucle interno)
MESH

parámetros
l, v K, h
Ecuaciones T, V Ecuaciones T x, y ,T,
Modelos
MESH (bucle) MESH (bucle) V, L
Termodinámicos
Aproximados (bucle externo)
K, x, y, T K, l, v K,
hV , h L V, L hV , h L T hV , h L

Modelos Modelos Modelos

Termodinámicos Termodinámicos Termodinámicos
Complejos Complejos Complejos
(a) Métodos BP y SR (b) Método SC (c) Método Inside-Out

Figura 2.6: Incorporación de correlaciones termodinámicas en bucles interactivos (Seader

et al., 2011)

El Método Inside-Out se ha desarrollado con tres objetivos primarios: ser flexible en

el manejo de las especificaciones de rendimiento, requerir poca información para gene-
rar estimaciones iniciales y poseer alta velocidad de cálculo. Las técnicas empleadas para
cumplir con estos objetivos están incorporadas en un método original descrito por Russell
(1983). Este método, basado en el artículo publicado por Boston & Sullivan (1972), esta
formado por un algoritmo de dos bucles, un bucle interno donde las composiciones y flujos
de columna de platos y perfiles de temperatura se calculan sobre la base de un modelo de
valores K y cálculos de entalpía simplificado y un bucle externo, donde estas propiedades
se calculan rigurosamente.
El método es rápido debido a que los cálculos termodinámicos rigurosos son relegados
al bucle externo, donde no se realizan con frecuencia. El término INSIDE-OUT se aplica
comúnmente a este tipo de método debido a la estrategia de limitar los cálculos rigurosos
que consumen mucho tiempo termodinámicos en el bucle externo. Cabe señalar que la
solución general es rigurosa ya que se considera que el sistema ha convergido cuando
los valores K y entalpías utilizados en el bucle interno están en concordancia con los
calculados rigurosamente en el bucle externo (Kister, 1992; Seader et al., 2011).
En cada paso a través del bucle exterior, los valores K y entalpía de los modelos simples
y se actualizan mediante el uso de las variables MESH a partir del bucle interior. Esto
establece la siguiente iteración por el bucle interior (Wilson et al., 2000).

36
 Una de las características del método Inside-Out es la elección de las variables de itera-
ción. Para este método las variables de iteración para el bucle externo son los parámetros
en las ecuaciones aproximadas para las propiedades termodinámicas. Las variables de ite-
ración del bucle interno están relacionados con factores de despojamiento Si,j = Ki,j Vj/Lj
.
El método Inside-Out toma ventaja de las siguientes características de los cálculos itera-
tivos:

1. Las volatilidades relativas de componentes varían mucho menos que sus valores K.

2. La entalpía de vaporización varía menos que las entalpías de fase.

3. Los factores de despojamiento de componentes combinan efectos de la temperatura

y los flujos de líquido y vapor en cada etapa.

4. El bucle interno del método utiliza volatilidad relativa, la entalpía, y los factores de
despojamiento para mejorar la estabilidad y reducir el tiempo de computo.

2.3.1. Ecuaciones MESH para el método Inside-Out.

Al igual que con los métodos BP , SR, y SC, se emplea el modelo de equilibrio-etapa
de la Figura (2.2). La forma de las ecuaciones es similar al método de SC en el que se
utilizan velocidades de flujo de los componentes. Sin embargo, adicionalmente se definen
las siguientes variables de iteración para el Bucle Interno:

αi,j = Ki,j/Kb,j (2.28)

Sb,j = Kb,j Vj/Lj (2.29)

RLj = 1 + Uj/Lj (2.30)

RVj = 1 + Wj/Vj (2.31)

donde Kb es el valor K para un componente hipotético base o de referencia, Sb,j es

el factor de despojamiento del componente base, RLj y RVJ son factores de retiro de fase
líquida y vapor respectivamente, así para las etapas que no posean corrientes laterales,
RLj y RVJ toman el valor de 1. Las variables previamente definidas (2.21) a (2.24) aún se
aplican, convirtiendo las ecuaciones MESH en:

37
 Ecuación M por componente c:

li,j−1 − RLj + αi,j Sb,j RVj li,j + (αi,j+1 Sb,j+1 ) li,j+1 (2.32)
= −fi,j , i = 1 a c, j = 1 a N

Ecuación E:

vi,j = αi,j Sb,j li,j , i = 1 a c, j = 1 a N (2.33)

Ecuación H:

Hj = hLj RLj Lj + hVj RVj Vj − hLj−1 Lj−1 − hVj+1 Vj+1 (2.34)

−hFj Fj − Qj = 1 a c, j = 1 a N

Además se pueden añadir a estas ecuaciones las funciones de discrepancia. Es conve-

niente especificar variables de etapas superiores e inferiores en lugar de los calores de
condensador y/o rehervidor, que son tan interdependientes que no se recomienda la espe-
cificación de ambos valores. La especificación de otras variables se lleva a cabo mediante
la eliminación de la función de balance de energía H1 y/o HN y reemplazándolos con
funciones discrepancia como se muestran en la Tabla.

38
 Tabla 2.2: Funciones Alternas para H1 y HN

Especificación Reemplazo por H1 Reemplazo por HN

Condensador Total Condensador Parcial Condensador Reflujo Total Rehervidor Parcial

V1 V1
V2 V2 V2 D VN
D
L1 U1 L1
U1 L1
B
D=U1+V1 LN

Másica U̇1 −Ḋ=0 V̇1 −Ḋ=0 L̇N −Ḃ=0

Flujo de producto
Molar U1 −D=0 V1 −D=0 LN −B=0
 
Fracción de Másica u̇i,1 −(U1 )ẋi,U =0 v̇i,1 − (V1 ) ẏi,D = 0 l̇i,N − L̇N ẋi,B = 0
1

Componente Molar ui,1 − (U1 ) xi,U1 = 0 vi,1 − (V1 ) yi,D = 0 li,N − (LN ) xi,B = 0

Másica u̇i,1 − d˙i,U1 = 0 v̇i,1 − d˙i,D = 0 l̇i,N − ḃi,B = 0

Flujo de componente
Molar ui,1 − di,U1 = 0 vi,1 − di,D = 0 li,N − bi,B = 0
N
P   N   N  
f˙i,j − U̇1 ẋi,U =0
P
f˙i,j − V̇1 ẏi,D =0
P
Fracción de Másico f˙i,j − L̇N ẋi,B =0
1
j=1 j=1 j=1
Recuperación N
P N
P N
P
Molar fi,j −(U1 )xi,U =0 fi,j −(V1 )yi,D =0 fi,j −(LN )xi,B =0
1
j=1 j=1 j=1

Velocidad de Másica L̇1 −Ḋ=0 V̇N −Ḃ=0

Reflujo/Boilup Molar L1 −D=0 VN −B=0

     
Relación de Másica L̇1 − L̇/Ḋ U˙1 =0 L̇1 − L̇/Ḋ V˙1 =0 V̇N − V̇ /Ḃ Ḃ=0

Reflujo/Boilup Molar L1 −(L/D)U1 =0 L1 −(L/D)V1 =0 VN −(V /B)B=0

Temperatura de
T1 − TD = 0 TN − TB = 0
Etapa

2.3.2. Modelos aproximados de propiedades termodinámicas

Son los que se utilizan para calcular las constantes de equilibrio y las entalpías en
el bucle interno. Los parámetros de estos modelos se determinan en el bucle externo, a
partir de los valores proporcionados por modelos rigurosos. Los modelos aproximados en
el método están diseñados para facilitar el cálculo de las temperaturas de la etapa y los
factores de despojamiento.

Cálculo de los valores K

El modelo de valores K aproximado utilizado en el método de Russell (1983), difiere
ligeramente del método original de Boston & Sullivan (1974). Se basa en seleccio-
nar un componente de referencia b, que se va a considerar para el cálculo de las
constantes de equilibrio a partir de la expresión:
 
Bj
Kb,j = exp Aj − (2.35)
Tj
Se pueden seleccionar como referencia b cualquier componente de alimentación o un
componente ficticio, a partir de una ponderación de vapor-composición usando las
siguientes relaciones:

39
 !
X
Kb,j = exp wi,j ln Ki,j (2.36)
i

yi,j (∂ ln Ki,j /∂ (1/T ))

wi,j = P (2.37)
yi,j (∂ ln Ki,j /∂ (1/T ))
i

Para cada etapa j se determina un modelo Kb y valores de αi,j a partir de los valores
Ki,j arrojados por los modelos rigurosos. En la etapa de superior, el componente
base estará cerca de un componente ligero, mientras que en la etapa de fondo, el
componente base será cercano a uno pesado.
Para obtener los valores de Aj y Bj en (2.35), dos temperaturas deben ser selecciona-
das para cada etapa. Por ejemplo, se podrían seleccionar las temperaturas estimadas
o reales, de las dos etapas adyacentes, j − 1 y j + 1, . Llamando a estas T1 y T2 y
empleando (2.35) en cada etapa j:

ln (Kb /KbT 2 )
Bj =  T 1  (2.38)
1 1
−
T2 T1

Aj = ln KbT 1 + B/T1 (2.39)

Cálculo de entalpías
Russell (1983) emplea el mismo modelo de entalpía de Boston & Sullivan (1972).
Así, tanto para la fase vapor como para la fase líquida se tiene la expresión:

h = h°V + h − h°V = h°V − ∆H

(2.40)

donde h°V es la entalpía de mezcla de gases ideales.

Las partes que consumen mucho tiempo de los cálculos de entalpía son los dos térmi-
nos de entalpía de partición ∆H, tornandose complejas cuando se emplea una ecua-
ción de estado. Por lo tanto, en las ecuaciones aproximadas de entalpía, la entalpía
de partición se sustituyen por las funciones lineales simples:

∆HVj = cj − dj (Tj − T ∗ ) (2.41)

∆HLj = ej − fj (Tj − T ∗ ) (2.42)

40
 donde T ∗ es una temperatura de referencia y los parámetros c, d, e, y f se evalúan a
partir de los modelos rigurosos en cada iteración de bucle exterior.

dj = (HVj1 − HVj2 )/(Tj1 − Tj2 ) (2.43)

cj = HVj1 − dj (Tj1 − Tj ) (2.44)

fj = (HLj1 − HLj2 )/(Tj1 − Tj2 ) (2.45)

ej = HLj1 − fj (Tj1 − Tj ) (2.46)

2.3.3. Algoritmo Inside-Out

El algoritmo consiste en un procedimiento de inicialización, las iteraciones de bucle
interno y las iteraciones del bucle externo. Se muestra en la Figura 2.8 su diagrama de
flujo general.

Procedimiento de Inicialización
En primer lugar, es necesario proporcionar estimaciones razonables de las variablesPj ,
Tj ,Vj ,Lj , xi,j y yi,j ,para cada etapa

1. Definir el número de etapas teóricas N , las condiciones de todas las alimenta-

ciones (Fj , zi,j , PFj , TFj ), ubicación de alimentaciones en la columna, y el perfil
de presión.
2. Establecer la ubicación para cada corriente lateral en cada etapa y para cada
intercambiador de calor.
3. Proporcionar una especificación adicional para el producto de tope y fondo y
cada intercambiador de calor intermedio.
4. Si no se especifica, estimar el flujo de cada corriente producto y/o lateral esta-
blecidos, y estimar cada valor de Vj . Obtener valores de Lj de la ecuación total
de balance de materiales 2.20.

41
 5. Estimar un perfil de temperatura inicial, Tj , esto se realizando partiendo de un
cálculo de punto de burbuja y rocío a la presión promedio de la columna de
una alimentación compuesta que se obtiene combinando todas las corrientes de
alimentación. La temperatura de burbuja se establece como la temperatura de
tope T1 , mientras que la temperatura de rocío como la temperatura de fondo
TN . Luego por interpolación obtener las temperaturas de las etapas intermedias.
Las temperaturas de referencia T ∗ adoptan los mismo valores de Tj para ser
empleadas en (2.41) y (2.42).
6. Realizar un cálculo Flash isotérmico a la alimentación compuesta a la tempera-
tura y presión promedio de la columna. Las composiciones del vapor y líquido
resultantes xi y yi se establecen como las composiciones iniciales de las etapas.
7. Con los estimados iniciales de los primeros 6 pasos, emplear un modelo termo-
dinámico formal para determinar los valores de los parámetros K y h que se
emplean para la estimación de los parámetros del modelo termodinámico apro-
ximado Aj,Bj, cj , dj , ej , fj , Kb,j y αi,j del bucle interno.
8. Determinar los valores iniciales de Sb,j , RLj , y RV j a partir de (2.29), (2.30) y
(2.31).

Secuencia de cálculo del Bucle Interno

A partir de este paso se da comienzo a la secuencia iterativa de los cálculos de bucle
interno, con base a los valores de los parámetros enumerados en el paso 7, obtenidos
inicialmente a partir del procedimiento de inicialización y después de los cálculos de
los parámetros K y h a partir del modelo termodinámico riguroso. .

9. Calcular los flujos de líquido por componentes li,j , a partir de las N ecuacio-
nes (2.32) para cada uno de los componentes mediante el algoritmo de matriz
tridiagonal (A.1).
10. Determinar vi,j a partir de la ecuación (2.33).
11. Evaluar nuevos valores de flujo para Vj y Lj , a partir de los flujos de componen-
tes ya determinados en 9 y 10, utilizando las ecuaciones (2.21) y (2.22).
12. Para calcular un conjunto revisado de temperaturas etapa, Tj , calcular un con-
junto de valores xi para cada etapa a partir de 2.24. Luego un conjunto revi-
sado de valores Kb,j de una combinación de la ecuación de punto de burbuja
P
( zi Ki = 1) con (2.28), lo que resulta:
i

42
 c
Kb,j = 1/ (2.47)
P
(αi,j xi,j )
i=1

A partir de estos nuevos valores de Kb,j se calcula un grupo de temperatura de

etapas a partir de un rearreglo de (2.35):

Bj
Tj = (2.48)
Aj − ln Kb,j
En este punto del bucle interno, existe un conjunto revisado de vi,j , li,j , y Tj , que
satisfacen las ecuaciones de balance de materia por componente y balance de
energía para las propiedades estimadas. No obstante, estos valores no satisfacen
las ecuaciones de balance de energía y especificaciones al menos que los factores
de despojamiento y las velocidades de retiros laterales estén correctas.
13. Seleccionar las variables de iteración como:

ln Sb,j = ln (Kb,j Vj /Lj ) (2.49)

ln RL,j = ln (Uj /Lj ) (2.50)

ln RV,j = ln (Wj /Lj ) (2.51)

junto con otras variables de iteración de ser necesario, como se muestra en la

Figura 2.7. La transformación logarítmica se utiliza para mantener positivos los
factores despojamiento y los factores de retiros laterales.

V1 V1

QC QC QC
V2 V2 V2
1 LnSb,1 1 LnSb,1 1

2 L1 U1 2 L1 2 L1 U1
LnRL1 LnRL1

Wj Wj Wj
Fj j LnRVj Fj j LnRVj Fj j LnRVj
LnSb,j LnRLj LnSb,j LnRLj LnSb,j LnRLj
Uj Uj Uj

N N N
VN VN VN
QR QR QR

LN LN LN
LnSb,N LnSb,N LnSb,N

(a) Condensador parcial (b) Condensador reflujo total (c) Condensador total

Figura 2.7: Selección de variables de iteración para distintas configuraciones

43
 De la Figura 2.7 se puede observar que para una columna de destilación simple
solo con productos de tope y fondo, no se necesitarían otras variables de itera-
ción de bucle interno a parte de los factores de despojamiento ln Sbj . Además
se deben especificar los flujos de calor del condensador y rehervidor respec-
tivamente. Sin embargo, en tal caso se establezcan otras especificaciones, por
ejemplo, si se especifican la relación de reflujo (L/D) y velocidad de flujo de pro-
ducto (B) en lugar de dos flujos de calor del condensador y el rehervidor (que
es la situación más común), se debe sustituir el Balance de Energía respectivo
de la etapa de tope (H1 ) y fondo (HN ), determinados a partir de la ecuación
(2.34) por las funciones de discrepancia como se estableció en (2.3.1) según sea
el caso. Además para cada corriente lateral, se seleccionará su factor de retiro
correspondiente (2.50 y/o 2.51) como una variable de iteración adicional en
el bucle interno junto con una especificación de pureza u alguna otra variable
asociada con dicha corriente.
14. Calcular entalpías a partir de las ecuaciones (2.40) a (2.42).
15. Calcular las funciones de energía Hj normalizadas de las ecuaciones de balance
de energía (2.34), recordando cuando serán sustituidas con sus respectivas fun-
ciones según la Tabla (2.2). Para efectuar la normalización es necesario dividir
las funciones por un factor de escalamiento (2.52), el cual es aproximadamente
igual al calor latente de vaporización, esto se realiza con la finalidad de mante-
ner los valores de las funciones dentro de un mismo orden de magnitud.

F Hj = (∆HVJ − ∆HLJ ) (2.52)

16. Calcular el Jacobiano de las funciones de energía y/o discrepancias HJ , con res-
pecto a las variables de iteración (2.49, 2.50, 2.51), perturbando cada variable
de iteración y recalculando los valores de las funciones de energía y/o discre-
pancias desde el paso 9 al 15, mediante diferenciación numérica.

∂H1 ∂H1 ∂H1 ∂H1 ∂H1 ∂H1

 
∂ ln Sb,1
... ∂ ln Sb,N ∂ ln RL1
... ∂ ln RLN ∂ ln RV1
... ∂ ln RVN
∂H2 ∂H2 ∂H2 ∂H2 ∂H2 ∂H2

 ∂ ln Sb,1
... ∂ ln Sb,N ∂ ln RL1
... ∂ ln RLN ∂ ln RV1
... ∂ ln RVN


JH =  .. .. .. .. .. .. .. .. ..
 (2.53)
. . . . . . . . .
 
 
∂HN ∂HN ∂HN ∂HN ∂HN ∂HN
∂ ln Sb,1
... ∂ ln Sb,N ∂ ln RL1
... ∂ ln RLN ∂ ln RV1
... ∂ ln RVN

17. Calcular las correcciones a las variables de iteración del bucle interno mediante
iteración Newton-Raphson (A.2).

44
18. Determinar los nuevos valores de las variables de iteración a partir de la suma
de los valores anteriores a partir de (A.18), utilizando factor de amortiguamien-
to (A.21) de ser necesario necesario para reducir la suma de cuadrados de las
discrepancias normalizadas (A.19). Para la búsqueda de el factor de amortigua-
miento optimo es posible emplear el método de minimización de Brent.
19. Verificar si la suma de los cuadrados de las funciones de discrepancia es lo su-
ficientemente pequeña, es decir, menor que una tolerancia  establecida para el
bucle interno. De ser así, se procede al procedimiento de cálculo del bucle ex-
terno. Si no, repetir los pasos 15 a 18 utilizando el ultimo valor de la variable de
iteración.
20. Después de la convergencia de los pasos 15 a 19, los pasos 8 hasta 12 habrán
producido un conjunto mejorado de variables primitivas xi,j , yi,j , vi,j , li,j , Tj
, Vj y Lj . Estas variables primitivas serán los datos de entrada a los cálculos de
bucle externo. Los valores de estas variables no estarán correctos hasta que las
propiedades termodinámicas aproximados concuerdan con las propiedades de
los modelos rigurosos.

Secuencia de Cálculo del Bucle Externo

Cada bucle externo procede de la siguiente manera:

21. Utilizando los valores de las variables primitivas del paso 20, calcular las vo-
latilidades relativas y entalpías de las corrientes mediante los métodos termo-
dinámicos rigurosos (MTR). Si la diferencia relativa de αi,j determinadas por
el método termodinámico aproximado (MTA) respecto a las calculadas con los
MTR es menor que la tolerancia establecida para el bucle externo 2 como lo
expresa la ecuación 2.54, tanto el bucle interno como el externo se consideran
que han convergido, y el problema esta resuelto. Si no, ir al paso 22.

n
X
τ= (αi,jM T A − αi,jM T R /αi,jM T A )2 ≤ 2 (2.54)
i=1

22. Determinar los valores de los parámetros K y h del bucle iterativo externo a
partir los MTR, tal como como en la etapa de inicialización 7.
23. Calcular los valores de Sb,j , RLj y RV j , como en el paso de inicialización 8 e
iniciar una nueva secuencia de cálculo de bucle interno en el paso 9.

45
Algunas dificultades de convergencia surgen principalmente debido a pobres estimaciones
iniciales y/o especificaciones de la columna irreales o no factibles. Aunado a estas dificul-
tades se encuentran la gran variación en la magnitud relativa de las variables, errores de
redondeo, y las matrices dispersas que resultan de las ecuaciones.
Las estimaciones iniciales pobres se traducen en flujos negativos o cero en ciertos luga-
res de la columna. Para contrarrestar esta tendencia, todos los factores de despojamiento
por componentes utilizan un multiplicador escalar, Sb , llamada factor de despojamiento
base, para dar:

Si,j = Sb αi,j Sb,j (2.55)

El valor de Sb se elige inicialmente para forzar a los resultados del procedimiento de

inicialización para dar una distribución razonable de los flujos de los componentes a lo
largo de la columna. Boston & Sullivan (1974) recomiendan calcular un nuevo Sb para
cada nuevo conjunto de valores de Sb,j mientras que Russell (1983) recomienda que Sb se
calcule sólo una vez.
Con la precisión superior y las capacidades de los métodos modernos, una columna de
destilación no debe ser diseñada sin ellos. Un cálculo realizado por un método aproximado
es inferior en cuanto a precisión, y en algunos casos puede dar resultados falsos. En tra-
bajos de diseño columnas el papel de los cálculos cortos se limitan a la eliminación de las
opciones menos deseables de diseño, proporcionando al diseñador una estimación inicial
para utilizar seguidamente los métodos rigurosos y dar solución de problemas de diseño
final. Así, los métodos rigurosos se utilizan como técnica principal en el diseño primario y
optimización (Kister, 1992; Seader et al., 2011).

46
 icN=Nx

ecN=Nx

ProcedimientoNdeNInicialización

ActualizarNVariablesNdeNIteración

CalcularNFuncionesNdeNDiscrepanciaNHj

¿Emplear Método
de Newton-Raphson?
¿EsNicN=Nx? Verdadero
CalcularNJacobiano CalcularNJacobiano
Verdadero Falso
Falso

CalcularNcorrecionesNdeNvariablesN CalcularNcorrecionesNdeNvariablesN
deNiteraciónNporNNewtonfRaphson deNiteraciónNporNBroyden

¿Emplear Factor
de Amortiguamiento t? Verdadero
DeterminarNt
porNMinimizaciónNdeNBrent icN=NicNKNE icN=Nx
Falso

AplicarNtNaNlasNcorrecionesNde
variablesNdeNiteración

CalcularNnuevosNvaloresNdeN
FuncionesNdeNDiscrepancia

CalcularNsumatoriaNdeNcuadradosNde
FuncionesNdeNDiscrepanciaN(sumF)

¿sumFN<NtoleranciaNestablecida Falso
paraNbucleNinterno?

Verdadero

CalcularNparámetrosNKNyNhNaNpartir
deNmodelosNtermodinámicosNRigurosos

CalcularNvolatilidadesNrelativasNalfaigjNpartir
deNmodelosNtermodinámicosNRigurosos

CalcularNelNcuadradoNdelNerrorNrelativoNdeNvolatilidadesNrelativasNalfaigjNpartir
deNmodelosNtermodinámicosNRigurososNrespectoNaNlosNcalculadorNporNmétodosNaproximados(Erroralpha)

Falso
¿ErroralphaN<NtoleranciaNestablecida
paraNbucleNexterno? ecN=NecNKE
Verdadero

ConvergenciaNSatisfactoria

Figura 2.8: Diagrama de flujo general del algoritmo I NSIDE -O UT de R USSELL (1983)

47
 La columna de destilación es probablemente la unidad más sofisticada en la simulación
de procesos químicos. La disponibilidad de las computadoras ha hecho posible el uso de los
métodos de solución riguroso para columnas de destilación basados en el modelo de etapa
de equilibrio para sistemas multicomponentes.
Dentro de la clasificación de los distintos métodos rigurosos aplicados para la simula-
ción de columnas de destilación, se mencionaron conjunto de métodos en particular, los
métodos homotópicos y los métodos basados en velocidades de transferencia de masa o
de No-equilibrio. El modelaje de columnas de destilación basados en estos últimos pueden
superar en cierta medida las deficiencias del de los otros métodos. Por ejemplo, los mé-
todos homotópicos resultan particularmente eficientes para soluciones líquidas altamente
no ideales y cuando se tienen pobres estimados iniciales, mientras que los métodos de No-
equilibrio, superan las deficiencias del modelo de etapa de equilibrio al incluir parámetros
de transferencia de masa dentro del conjunto de ecuaciones MESH, con la finalidad de
desarrollar un modelo más adaptado a la realidad (Perry & Green, 2008; Kister, 1992).
A pesar de las grandes ventajas que estos métodos pueden brindar. Una gran limitación
de los métodos homotópicos por ejemplo, es su consumo de computo y de tiempo para
presentar una solución. Los métodos basados en el modelo de No-equilibrio requieren el
conocimiento de parámetros críticos, tales como los datos de transferencia de masa, o la
geometría del dispositivo de contacto y que comparado con los modelos de etapa de equili-
brio estos últimos pueden ser calculados independientemente de datos de la geometría de
la columna o de los parámetros de transferencia de masa (Kooijman & Taylor, 2000; Kister,
1992).
Esto conduce a que los modelos clásicos de la etapa de equilibrio sean los más prácticos
y los más utilizados. En particular método Inside-Out Russell (1983) resulta más simple
de implementar en comparación los modelos homotópicos y de No-equilibrio. Aunque la
convergencia del método Inside-Out no está garantizada debido a la complejidad de las
ecuaciones, el método posee una robustez razonable y funciona adecuadamente con la
mayoría columnas fraccionadoras empleadas en la industria petrolera nacional, además de
que es computacionalmente eficiente (Seader et al., 2011; Kister, 1992). Por estas razones
se elige al método Inside-Out de Russell (1983) para su codificación e implementación
dentro de DWSIM con base en su arquitectura de software.

48
Capítulo 3

Arquitectura del Simulador de Procesos

DWSIM

En el capítulo 1 se resaltó que la simulación de procesos químicos está naturalmente

vinculada al uso de programas de computador denominados simuladores y que éstos difie-
ren ampliamente en su arquitectura e implementación. Pero a pesar de estas diferencias,
la mayoría de los simuladores que se utilizan actualmente son aplicaciones monolíticas
cerradas que se basan en arquitecturas de software tradicionales (Barrett et al., 2007).
A lo largo de los últimos años, se han propuesto nuevas arquitecturas para el desa-
rrollo y la implantación de software complejo así como el desarrollo de nuevos lenguajes
de programación, algunos de los cuales han ganado un enorme éxito en los últimos años
(Braunschweig & Gani, 2002). De esta manera por un lado se introduce un nuevo tipo de
paradigma de programación adoptado por la comunidad de desarrolladores denominado
programación orientada a objetos (POO), el cual implica la creación de modelos del mundo
real y la construcción de programas informáticos basados en esos modelos. Por otro lado
la introducción de un nuevo tipo de arquitectura para simuladores de procesos basada en
estándares abiertos definidos en términos del diseño conceptual mencionado en la sección
1.2.3.
DWSIM, un simulador de procesos químicos en estado estacionario que esta desarro-
llado bajo este nuevo paradigma de programación inspirado además en un PME basado
en arquitectura CAPE-OPEN planteada por Barrett & Yang (2005) centrada en ofrecer in-
teroperabilidad entre componentes de software de un simulador de procesos químicos.
Además DWSIM es una aplicación que se destaca por ser el único simulador de proce-
sos químico a nivel mundial disponible bajo licencia libre, brindando las ventajas discu-
tidas anteriormente en la sección 1.2.2. DWSIM fue creado en 2006 y ha estado sien-
do desarrollado por el Ingeniero Daniel Wagner Oliveira de Medeiros desde entonces y

49
las actividades relacionadas con el desarrollo de DWSIM se actualizan regularmente en
http://dwsim.inforside.com.br/blog/index.php (Wagner, 2006).
El siguiente capítulo tiene como finalidad la descripción la arquitectura del simulador
de procesos DWSIM, para la cual fue necesario apoyarse en la ingeniería inversa, mediante
el análisis sintáctico de su código fuente, extrayendo los aspectos generales importantes
del simulador. De esta manera se logró comprender la organización general del simulador
e identificar los componentes específicos involucrados para la simulación de columnas de
destilación.
De acuerdo al nivel de responsabilidad dentro del desarrollo de software, son muchas
las partes involucradas y de interés en su arquitectura (Kroll & Kruchten, 2003). Una única
representación de la arquitectura del sistema resultaría demasiado compleja y poco útil,
pues contendría mucha información irrelevante. Es por ello que se plantea la necesidad
de representaciones que contengan únicamente elementos que resultan de importancia
mediante el uso de vistas arquitectónicas.
Buschmann et al. (2007) establece que una vista arquitectónica representa un aspecto
parcial de una arquitectura de software, que muestra propiedades específicas del sistema.
Así, se puede definir a una vista arquitectónica como una descripción simplificada o abs-
tracción de un sistema desde una perspectiva específica, que cubre intereses particulares y
omite entidades no relevantes a esta perspectiva (Kroll & Kruchten, 2003).
En este sentido, se puede representar DWSIM en una vista arquitectónica general, so-
bre la cual es posible identificar los elementos principales del simulador de procesos y
una vista arquitectónica más específica donde se identifican las clases y objetos relevante
involucrados en la simulación del proceso de destilación.

3.1. Vista Arquitectónica General

Un vista general de la arquitectura del simulador se presenta en la Figura 3.1. La apli-
cación consta de 3 elementos principales, Ejecutivo del Simulador, Módulo de Serialización
y La Interfaz Gráfica de Usuario (GUI).

50
 Interfaz Gráfica
de Usuario
(GUI)

Ejecutivo Módulo
del Simulador de Serialización

Figura 3.1: Arquitectura General de DWSIM

Ejecutivo del Simulador:

Considerado el corazón del sistema. Su función es gestionar tanto las tareas de cálcu-
lo y de intercambio de datos, como por ejemplo las secuencia de cálculo, la recupe-
ración de los parámetros de propiedades físicas y termodinámicas, rutinas para las
operaciones unitarias, seguimiento para la convergencia y gestión del sistema de ar-
chivos de datos, así como las bibliotecas de clases de componentes que implementan
la funcionalidad especificada para las interfaces CAPE-OPEN.

Módulo de Serialización
Forma una unidad lógica o biblioteca que permite controlar cómo los objetos y estruc-
turas de datos se traducen en un formato específico legible para el usuario que puede
ser almacenado en memoria o transmitido por una conexión, proceso que se conoce
como serialización (marshalling en inglés). La serialización es un mecanismo usado
en gran medida para transportar objetos a través de una red, para hacer persistente
un objeto en un archivo o base de datos, o para distribuir objetos a varias aplicaciones
o localizaciones (McMonnies, 2004).

La Interfaz Gráfica de Usuario (GUI)

Su función principal consiste en proporcionar el entorno visual para permitir la comu-
nicación del usuario con el simulador. DWSIM por seguir una estrategia de solución
modular secuencial, su GUI, se encarga de ayudar a dibujar el diagrama de flujo de
proceso, proveer al usuario mediante un conjunto de imágenes y objetos gráfico, las
distintas ventanas para introducir las especificaciones para las operaciones unitarias,
así como la configuración de paquetes de cálculos termodinámicos y rutinas de cálcu-
lo para la simulación.

51
3.2. Arquitectura del Ejecutivo del Simulador
Dentro del ejecutivo del simulador de DWSIM se encuentran los bloques de código que
conforman las partes principales de la aplicación. A nivel de POO, estos bloques pueden
ser representados como módulos o un conjunto de funciones relacionadas denominados
objetos.
Las tecnologías orientadas a objetos se han convertido en uno de los motores clave de
la industria del software. El desarrollo de programas orientados a objetos es un enfoque
diferente del mundo informático que supera y amplían conceptos antiguos de la programa-
ción estructurada tradicional, en la que los datos y los procedimientos están separados y
sin relación. Implica la creación de modelos del mundo real y la construcción de programas
informáticos basados en esos modelos (Aguilar, 2003).
En este sentido, el ejecutivo de simulación de DWSIM se divide en objetos auto conte-
nidos que representa una parte diferente de la aplicación. Sin embargo en la POO, desde
el punto de vista técnico se habla de clases y no de objetos, dado que las clases equivalen
a modelos o plantillas que describen cómo se construyen dichos objetos. Cada vez que se
construye un objeto a partir de una clase se está creando lo que se denomina una instancia
de esa clase (McMillan, 2004). Por consiguiente, los objetos no son más que instancias de
una clase. En un contexto del mundo real, se puede pensar en "Columna" como una clase
y una columna concreta con determinadas dimensiones, numero de etapas y determinadas
especificaciones como una instancia de esta clase “Columna”.

52
3.2.1. Diagrama de Clases del Ejecutivo del Simulador

SimulationObjects_UnitOpBaseClass SimulationObjects_BaseClass
MustInherit Class MustInherit Class

Reactor Cooler Mixer SolidsSeparator SimulationObjects_SpecialOpBaseClass MaterialStream EnergyStream

MustInherit Class Class Class Class MustInherit Class Class Class
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_BaseClass SimulationObjects_Base… SimulationObjects_Base…

EnergyRecycle CustomUO OrificePlate Tank

Class Class Class Class
Adjust Spec
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit…
Class Class
SimulationObjects_Speci… SimulationObjects_Speci…

Recycle EnergyMixer Pipe Splitter

Class Class Class Class
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit…

FlashAlgorithm PropertyPackage Reaction

MustInherit Class MustInherit Class Class
CapeOpenUO Filter Pump Expander
Class Class Class Class
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit…

ReactionSet
ComponentSepa … Heater Column Valve Class
BostonBrittInsideOut NestedLoops3P
Class Class MustInherit Class Class Class Class
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… FlashAlgorithm FlashAlgorithm

Compressor HeatExchanger ShortcutColumn Vessel DWSIMDefault BostonFournierInsideOut3P

Class Class Class Class Class Class
SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… SimulationObjects_Unit… FlashAlgorithm FlashAlgorithm

SimpleLLE GibbsMinimization3P
Unidades Conversor Class Class
Class Class CapeOpenUO FlashAlgorithm FlashAlgorithm
Class
SimulationObjects_Unit…
NestedLoopsSLE NestedLoopsImmiscible
UnidadesSI Class Class
Class FlashAlgorithm FlashAlgorithm
Unidades
Determinant TRInverse
Class Class
UnidadesINGLES
Class
Unidades
Inverse
Class

UnidadesCGS
Class
Unidades

Figura 3.2: Diagrama de Clases Simplificado de DWSIM

Una clase por lo general representa un sustantivo, lugar o cosa. Describe lo que será
un objeto, pero no es el objeto en sí. Es el modelo de un concepto dentro de un programa
de computadora. Fundamentalmente, delimita los posibles estados y define el comporta-
miento del concepto que representa (McMillan, 2004; Aguilar, 2003). Encapsula el estado
a través de espacios de almacenaje de datos llamados atributos o, lo que es lo mismo, sus
propiedades o características, y encapsula el comportamiento a través de secciones de códi-
go llamadas métodos que acceden a los atributos de una manera predefinida (McMonnies,
2004).
En la Figura 3.2 se muestra el diagrama de clases general de DWSIM donde describe
la estructura del ejecutivo del simulador mostrando algunas de sus clases principales. El
diagrama de clases es la descripción más importante y más utilizada de un sistema orien-
tado a objetos. Recuperación del diagrama de clases a partir del código fuente es una tarea
difícil. La decisión acerca de cuáles son los elementos para mostrar u ocultar afecta profun-
damente a la capacidad de uso del diagrama (Tonella & Potrich, 2005).

53
 En este diagrama se puede observar las clases de los componentes de modelado de
proceso (PMC) para su uso dentro de la interfaz gráfica de usuario, es decir, sobre el
diagrama de flujo dentro de la simulación. Se muestra las clases específicas tales como
las correspondientes a los modelos de propiedades termodinámicas (PropertyPackage,
FlashAlgorithm), las clases de reacciones químicas (Reaction, ReactionSet), algunas ru-
tinas de cálculo matricial (TRInverse, Determinant, Inverse). También la clase de opera-
ción unitaria que implementa la funcionalidad especificada para las interfaces CAPE-OPEN
(CapeOpenUO). Existen otras clases que actúan como clases auxiliares de los PMC, que por
fines prácticos no se muestran en el diagrama.
Aunado a esto se observa que las clases se organizan en una estructura arbórea siguien-
do una jerarquía. En este sentido, las clases base se dividen en subclases empleando el
concepto de herencia, el cual es una relación que se da entre una clase general y otra clase
más específica (McMillan, 2004). Así, las clases derivadas o de menor jerarquía heredan
las características (atributos y métodos) de su clase base o clases superiores.
Cada clase contiene cierto número de atributos, cada uno de los cuales tendrá, a su
vez, uno o varios valores. En la POO, los atributos corresponden a las clásicas "variables"
de la programación estructurada. Son, por lo tanto, datos encapsulados dentro del objeto.
Los atributos de un objeto pueden tener un valor único o pueden contener un conjunto de
valores mas o menos estructurados (matrices, vectores, listas, etc.), que además pueden
ser de un determinado tipo (integer, string, float, char .etc) (Aguilar, 2003; McMonnies,
2004). Junto con los atributos de las clases se encuentran los métodos, que son funciones
que operan sobre los atributos de los objetos, y proporcionan el comportamiento del objeto
(Tonella & Potrich, 2005).

3.2.2. Diagrama de Objetos de Columna de Destilación

La clase SimulationObjects_UnitOpBaseClass es la que contiene las características
comunes a los PMC de operaciones unitarias concretas utilizadas, es una clase de la que
no se puede crear objetos, la utilidad de estas clases estriba en que otras clases here-
den de ésta. Dentro de la categoría de PMC destinados para la simulación de opera-
ciones unitarias, se encuentra la clase Column, ésta hereda los atributos y métodos de
la clase madre SimulationObjects_UnitOpBaseClass y a su vez se deriva la subclase
DistillationColumn la cual contienen atributos y métodos adicionales para la instancia-
ción e inicialización de una la columna de destilación.

54
 Column Stage InitialEstimates ColumnSpec NaphtaliSandholmMethod RussellMethod
MustInheritSClass Class Class Class Class Class
SimulationObjects_UnitOpBaseClass
Atributos Atributos Atributos Atributos Atributos
_eff _liqcompositions m_compID _bx _Aj
_f _liqmolflows m_compindex _condtype _alpha
_k _stagetemps m_stagenumber _dbx _Bj
_l _vapcompositions m_type _eff _bx
DistillationColumn
_lin _vapmolflows m_unit _F _Cj
Class
Column _lout Métodos m_value _fc _coltype
_lss LiqCompositions Métodos _HF _condtype
Atributos _name ComponentID _Kval _dbx
LiqMolarFlows
_p ComponentIndex _LSS _Dj
_sm StageTemps
_q VapCompositions SpecUnit _maxF _eff
Métodos
_t VapMolarFlows SpecValue _nc _Ej
SolvingMethod _v
LoadData StageNumber _ns _el
GetProperties
_vin SType _P _F
GetPropertyUnit New
_vout _pp _fc
GetPropertyValue SaveData LoadData
_vss _Q _Fj
NewSI SUSoverloa New
Métodos _spciU _HF
SetPropertyValue SaveData
… Efficiency _spciG _Kbj
F _specs _lc
Kvalues Parameter _spvalU _lcnt
Class _spvalG _Lj
l
Lin _VSS _LSS
Atributos WangHenkeMethod
StreamInformation llextr _LSSj
Lout Class
Class ndeps _maxF
Lss _maxval
Name _minval Métodos _nc
Métodos
Atributos m_type _ns
P Solve FunctionGradient
_as Q m_value _P
FunctionValue
_bhv T Métodos _pp
MinimizeError
_flow v New _Q
MaxVal
_id BurninghamOttoMethod _Rlj
Vin MinVal Solve
Class
_name Vout _rr
ParamType
_ph Vss _Rvj
Value Métodos
_sideopid LoadData LoadData _S
_t Solve _Sb
New SaveData
_tag SaveData _specs
ToString
Métodos _T_
Tomich
AssociatedStage _Tj
Class
FlowRate _vc
ID _vcnt
Métodos
Name _Vj
TDMASolve _VSS
SideOpID
StreamBehavior _VSSj
StreamPhase _xc
StreamType _yc
Tag _zc
LoadData llextr
NewSI SUSoverloadO ndeps
SaveData Vjj
Métodos
CalcKbjU
CalcKbjG
FunctionGradient
FunctionValue
MinimizeError
New
Solve

Figura 3.3: Clase DistillationColumn

La clase DistillationColumn mediante sus métodos es capaz de interactuar con otros

clases que se muestran en la Figura 3.3, donde se describen brevemente en la Tabla 3.1,
los cuales hacen posible que el modelaje y simulación del proceso de destilación multicom-
ponente en estado estacionario. Por otra parte, se muestra una descripción de los métodos
miembro de la clase RussellMethod en la Tabla 3.2.

55
 Tabla 3.1: Funciones de las clases que interactúan con DistillationColumn

Nombre de la clase Función

Stage Modelar la etapa de equilibrio de la que esta compuesta la
columna de destilación. Gestiona la información referente a los
distintos parámetros involucrados en las ecuaciones de Balance
de materia y Energía.
InitialEstimates Gestiona los valores iniciales para de flujos de vapor, flujos de
líquido, perfil de temperatura y perfil de presión de la columna
de destilación.
ColumnSpec Maneja la información relacionada con los valores establecidos
por el usuario para las especificaciones de la columna de
destilación así como el conjunto de ecuaciones y funciones de
discrepancias.
Parameter Clase auxiliar que emplea métodos para devolver valores
máximos y mínimos de un conjunto de datos.
Tomich Clase auxiliar donde se implementa el método de resolución
matriz tridiagonal detallado en A.1.
StreamInformation Gestiona la información de las distintas corrientes de materia y
energía que se encuentren acopladas con la columna de
destilación.
WankHenkeMethod Clase en donde se implementa el método riguroso de punto de
burbuja BP desarrollado por Wang & Henke (1966) descrito en la
sección 2.2.1.
BurninghamOttoMethod Clase en donde se implementa el método riguroso de suma de
caudales SR desarrollado porBurningham & Otto (1967) descrito
en la sección 2.2.1.
NaphtaliSandholmMethod Clase en donde se implementa el método riguroso de corrección
simultánea desarrollado porNaphtali & Sandholm (1971)
descrito en la sección 2.2.1.
RussellMethod Clase en donde se implementa el método riguroso Inside-Out
desarrollado porNaphtali & Sandholm (1971) descrito en la
sección 2.3.

56
 Tabla 3.2: Métodos miembro de la clase R USSELL M ETHOD

Nombre del método Función

CalcKbj1 Método que se encarga de determinar y devolver los valores de
Kb,j discutido en 2.3.2, a partir de un método simplificado.
CalcKbj2 Método que se encarga de determinar y devolver los valores de
Kb,j discutido en 2.3.2, a partir del modelo de la ecuaciones 2.36
y 2.37.
FunctionValue Método que se encarga de determinar y devolver los valores de
las funciones de discrepancia Hj discutido en la sección 2.3.3.
abarca el paso 7 hasta 15.
FunctionGradient Se encarga de determinar y devolver los valores de los elementos
diferenciales del Jacobiano invocando al método FunctionValue
, empleando diferencias finitas descrito en el paso 16.
MinimizeError Se encarga de determinar y devolver el valor del factor de
amortiguamiento t de la ecuación A.21 empleando el algoritmo
de minimización de Brent.
Solve Método principal que implementa el completo Algoritmo
Inside-Out de Russell (1983) detallado en la sección 2.3.3. Este
método encapsula los métodos anteriores, invocándolos según
cuando sea necesario, excluyendo el procedimiento de
inicialización.
New Un método especial reservado del lenguaje de programación es
una subrutina por defecto cuya función es construir el objeto de
la clase RussellMethod. A pesar de que se trata de un método
sin parámetros, este será invocado cada vez que se construya un
objeto sin especificar ningún argumento, en cuyo caso el objeto
será iniciado con los valores predeterminados por el sistema.

De la descripción anterior, se puede concluir que DWSIM es un software de simulación

de procesos sofisticado, y no una colección de algoritmos desorganizados para la resolución
de los balances de materia y energía de las diferentes operaciones unitarias. El simulador de
procesos DWSIM al estar desarrollado bajo una tecnología basada en objetos, permite dar
un tratamiento sobre las clases de interés para el programador sin requerir de un riguroso
y minucioso estudio de la totalidad del código fuente.
Por otra parte DWSIM cuenta con los elementos necesarios para simular columnas de
destilación rigurosa exhibiendo las ventajas reconocidas del software libre. Esto permite
a los usuarios ver cómo se realizan realmente los cálculos durante una simulación del
proceso de destilación mediante el estudio de su código fuente, lo que brinda una mejor
comprensión y llevar a cabo adaptaciones con base a requerimientos propios o mejoras

57
mediante su modificación. DWSIM por otra parte es compatible con los estándares CAPE-
OPEN lo que habilita la posibilidad de desarrollar, incorporar y utilizar componentes de
simulación externos compatibles con el estándar.

58
Capítulo 4

Casos de Estudio

Una vez realizado el estudio de la arquitectura general del simulador de procesos

DWSIM, se logró identificar e inspeccionar las distintas clases y métodos involucrados en
el modelaje y simulación de columnas de destilación. y de esta manera realizar la mejora e
implementación del algoritmo Inside-Out de Russell (1983) a través de su codificación. En
esta sección de discuten los casos de estudio empleados para la verificación y validación
del algoritmo de resolución de columna de destilación implementado en DWSIM.

4.1. Casos de Estudio de Literatura

Los casos descritos en la Tabla 4.1, donde se muestras las especificaciones y configu-
ración de las columnas de destilación, se efectuaron con la finalidad de demostrar la con-
sistencia interna del código implementado en el simulador de procesos DWSIM, es decir,
comprobar que la implementación código corresponde al algoritmo Inside-Out basado en el
modelo de etapas de equilibrio. Para ello, se realizó la lectura del código junto con un pro-
ceso de inspección en tiempo de ejecución para evaluar variables y expresiones, proceso
denominado depuración de código (debugging)(Aguilar, 2003). De esta manera verificar
que se han introducido adecuadamente los datos y la lógica del método Inside-Out de
Russell (1983). Los resultados arrojados por la implementación realizada en DWSIM se
compararon con los resultados arrojados por los modelos Inside-Out de otros dos simula-
dores, en este caso, el simulador de procesos químicos comercial PRO/II® y el simulador
ChemSep™ en su versión gratuita.
Inspección de los informes de salida. Se comparan los resultados obtenidos con los espe-
rados. A veces también se utiliza para mejorar las prestaciones de determinados elementos
utilizados. A veces un informe se puede utilizar como una traza de una ejecución de la
simulación, lo que ayudará en el diagnóstico y corrección de muchos problemas.

59
 Tabla 4.1: Características de Casos de Estudio de Literatura

Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 Caso 6

Presión de Columna (psi) 16,17 100,00 400 20 ∆P = 5psi 290,076 239,3127

Número de Etapas de Equilibrio 10 5 13 30 31 16

Total Total Full-Reflux Total Total Parcial

Tipo de Condensador V1 V1
V2 V2 V2 D V2 V2 V2
D D D D
L1 U1 L1 U1 L1 L1 U1 L1 U1 L1 U1
D=U1+V1

Vapor Producto de Tope (lbmol/h) - - 530,000 - - 33,071

Líquido Producto de Tope (lbmol/h) 46,54 50,000 - 14,0802 110,7 11,023

Producto de Fondo (lbmol/h) 46,69 50,000 270,000 39,94 330,30 88,184

Retiro Lateral Líquido (lbmol/h) - - - 19,529 - 6,614

Etapa - - - 10 - 3

Retiro Lateral Vapor (lbmol/h) - - - 24.78 - 81,571

Etapa - - - 24 - 13

Relación de Reflujo 2,00 2,00 1,89 20.00 6.00 4.24

Alimentaciones 1 1 1 1 1 1 2

Metano (lbmol/h) - - 160,00 - - - -

Etano (lbmol/h) - - 370,00 - - 5,51156 1,10231

Propano (lbmol/h) - 30,000 240,00 - 110,23113 30,86472 13,22774

N-butano (lbmol/h) - 30,000 25,00 14.08 110,23113 41,88783 39,68321

Isobutano (lbmol/h) - - - - 110,23113 - -

N-pentano (lbmol/h) - 40,000 5,00 19,53 110,23113 11,02311 66,13868

N-hexano (lbmol/h) - - - 24,78 - 1,10231 9,9208

N-octano (lbmol/h) - - - 39,94 - - -

Benceno (lbmol/h) 46,616 - - - - - -

Tolueno (lbmol/h) 46,616 - - - - - -

Presión de Alimentación (psi) 16,17 100,00 400.00 25.00 290,076 239,3127

Temperatura (°F) Temp. de Burbuja Temp. de Burbuja 105 150 207,77 151,79 235,67

Etapa 5 3 7 14 13 6 9

Primero se realizó una comparación global de los distintos casos tomando como referen-
cia los valores obtenidos por el algoritmo. Se establecieron como variables de comparación
de las temperaturas, los flujos de calor tanto del condensador como del rehervidor así como
el número de iteraciones obtenidos por cada uno de los simuladores, los que se muestran
en las Figuras 4.1-4.3 1 .
Se confirma claramente la reproducibilidad de los datos arrojados simuladores de proce-
sos. Se muestra concordancia entre los valores de temperaturas y flujos de calor predichos
1
Debido a la imposibilidad del Simulador ChemSep™ para modelar condensador parcial en su versión
gratuita, no se muestran los valores obtenidos para el caso #6

60
por cada simulador en las Figuras 4.1 y 4.2. Sin embargo para el caso número 5 se ob-
servan diferencias significativas en los valores de flujos de calor arrojados por DWSIM en
comparación con los reportados por PRO/II® y ChemSep™, específicamente una diferen-
cia de aproximadamente -0,737 MMBTU/h respecto al valor promedio -3,92 MMBTU/h de flujo
de calor en el condensador y una diferencia de 0,3724 MMBTU/h respecto al valor promedio
de 4.35 MMBTU/h de flujo de calor para el rehervidor.

200 300
DWSIM DWSIM

289.422
288.732
288.597
PRO/II ® PRO/II ®
185.384
184.393
184.344

ChemSep™ 250 ChemSep™

251.76
250.956
250.762
150

230.859
230.499
230.424
200

136.626
136.44
136.028

193.048

192.414
188.595

170.157
109.673
100 150
oF

oF

163.667
163.607
106.479
84.18

83.599
83.296

100

109.673
106.479
50
47.83
47.529
47.248
20.038

50
19.538
18.299

0 0
1 2 3 4 5 6 1 2 3 4 5 6
N o Caso N o Caso
(a) Temperaturas de Condensador (b) Temperaturas de Rehervidor

Figura 4.1: Comparación Temperaturas para Casos de Literatura

0.0 4.5
DWSIM

4.3592
4.3325
−0.5 4.0 PRO/II ®
1.2511
1.2534

3.9734
ChemSep™
1.265

−1.0 3.5

3.5519
3.5388
3.4853
1.8423
1.8796

1.9513
1.845

1.9887

−1.5 3.0
MMBTU/h

MMBTU/h

3.0305
2.9695
2.9578

2.957
2.939

−2.0 2.5
2.8256
2.8697
2.888

−2.5 2.0
3.1837

1.904
1.8703

1.8657

−3.0 1.5
3.9212

1.3512
1.3366
1.3355
4.0919

−3.5 1.0
3.92

DWSIM
4.4189
4.466

−4.0 PRO/II ® 0.5

ChemSep™
−4.5 0.0
1 2 3 4 5 6 1 2 3 4 5 6
N o Caso N o Caso
(a) Flujos de Calor de condensador (b) Flujos de Calor de Rehervidor

Figura 4.2: Comparación Flujos de Calor para Casos de Literatura

Esta desviación de los valores de flujos de calor es consecuencia de los perfiles de com-
posición del producto de tope y fondo los que se muestran en la Tabla 4.2, estos repercuten

61
directamente en los cálculos de balance de energía. Sin embargo, se evidencia que los
resultados arrojados por DWSIM reflejan una mejor distribución y separación de los com-
ponentes en la columna de destilación.

Tabla 4.2: Perfil de flujos de componentes para Producto de tope y fondo para el Caso 5

DWSIM PRO/II® ChemSep™

Propano (lbmol/h) 107,985 107.2948 107,316
Isobutano(lbmol/h) 1,95351 2.5291 2.51727
Producto de Tope de Columna
N-butano(lbmol/h) 0,29272 0.3915 0.39724
N-pentano(lbmol/h) 0,00019 0.0003 0.000269
Propano (lbmol/h) 2,24635 2.9364 2.9150421
Isobutano(lbmol/h) 108,278 107.7021 107.714
Producto de Fondo de Columna
N-butano(lbmol/h) 109,938 109.8397 109.834
N-pentano(lbmol/h) 110,231 110.231 110.231

Seguidamente dentro de la comparación global se muestra en la Figura 4.3 el numero

de iteraciones que les tomó a cada simulador para converger a una solución satisfactoria.
Se observa claramente que PRO/II® resultó ser el simulador con menor numero de itera-
ciones, seguido de DWSIM con 3 iteraciones y 4 para los casos 1 y 2 respectivamente. Para
el caso 3 se observa un resultado igualado para PRO/II® y ChemSep™ con 4 iteraciones
y DWSIM con 6 iteraciones. y para los casos restantes se observa una igualdad entre los
simuladores exceptuando a ChemSep™ con 7 iteraciones en el caso #4.

62
 8
DWSIM
7 PRO/II ®
7 ChemSep™
6
6
5
Iteraciones
4
4 4 4 4 4 4 4 4 4 4 4 4
3 3
2 2 2
1

0
1 2 3 4 5 6
N o Caso
Figura 4.3: Número de Iteraciones de Casos de Literatura

Ahora realizando una comparación más especifica, se generaron diagramas de pari-

dad de los valores de las fracciones molares de cada componente para el caso número 6
con finalidad de comparar las correlaciones entre los datos de referencia reportados por
Monroy-Loperena & Vacahern (2013) y los datos predichos por DWSIM y PRO/II®. Estos
diagramas se muestran en la Figura 4.4 donde además se indica el coeficiente de correla-
ción (R2 ) y la pendiente (m) del ajuste lineal que mejor se ajusta a cada uno de los puntos.
Considerando que los resultados del simulador que mejor corresponda a los datos de refe-
rencia serán aquellos cuyos valores R2 , m sean lo más cercano posible a 1. Al estudiar el
diagrama de paridad se evidencia que DWSIM se ajusta mas a los datos de referencia que
el modelo Inside-Out del simulador PRO/II® en las Figuras 4.4a, 4.4b, 4.4c y4.4d, donde
se observa que en el caso de DWSIM los coeficientes de correlación R2 son mayores a los
reportados por PRO/II® y la pendiente m de DWSIM son más cercanas a 1. Caso contrario
en el caso de las fracciones molares del producto de fondo en la Figura 4.4e.

63
 ®

(a) Producto vapor de tope (b) Producto líquido de tope

(c) Retiro líquido lateral (d) Retiro vapor lateral

(e) Producto líquido de fondo

Figura 4.4: Diagramas de paridad de las fracciones molares de productos del caso literatura
#6

64
 Estos resultados no solo demuestran claramente la consistencia interna del código im-
plementado en DWSIM, quedando verificado el modelo Inside-Out de Russell (1983) ba-
sado en el modelo de etapas de equilibrio descrito en la sección 2.3.3. Sino que además
reflejan que el desempeño del modelo DWSIM logra ser tan bueno como los modelos im-
plementados en otros simuladores de proceso de código cerrado.

4.2. Casos de Estudio Operacionales

Junto con la verificación del modelo realizada en la sección 4.1, se encuentra la va-
lidación del mismo. Es así como en esta sección se comprueba la exactitud del modelo
desarrollado. Esto se lleva a cabo comparando las predicciones del modelo con mediciones
realizadas en el sistema real.
Fueron seleccionados dos casos de estudio operacionales pertenecientes al circuito na-
cional de refinación. El primero corresponde a una columna separadora de compuestos
aromáticos del Complejo Refinador El Palito, las especificaciones y configuración de la si-
mulación se detallan en la Tabla 4.3, donde se muestran dos escenarios de operación. El
segundo caso a una depropanizadora del complejo FCC Cardón perteneciente al Centro
de Refinación Paraguaná (CRP), los cuales se detallan en la Tabla 4.5, resaltando que pa-
ra este último caso se empleó como un paquete termodinámico externo aprovechando la
compatibilidad de CAPE-OPEN existente en DWSIM.
De manera análoga al caso de literatura número 6, se construyen diagramas de paridad
para los distintos casos operacionales, para realizar una comparación y observar la concor-
dancia de los datos arrojados por el simulador de procesos y los datos operacionales reales.
En las Figuras 4.54.6 se muestran los diagramas respectivos del caso operacional número
1. Al estudiar los diagramas de paridad en ambos escenarios operacionales, se puede com-
probar las fracciones molares de los componentes arrojados por DWSIM tanto del producto
de tope como en el producto de fondo concuerdan muy bien con los datos medidos en ope-
ración, ya que los coeficientes de correlación R2 y la pendiente m obtenidos de la regresión
lineal son muy cercanos a 1.

65
 Tabla 4.3: Características de Caso de Estudio Operacional #1

Escenario 1 Escenario 2
∆P Columna (psi) 7 6

Número de Etapas de Equilibrio 40 40

Total Total
Tipo de Condensador V2
V2 D
D L1 U1
L1 U1

Presión de Condensador (psi) 16,7 19,7

Producto de Fondo (lb/h) 36725,00 31970,00

Relación de Reflujo 4,4 4,55

Alimentación 1 1

Benceno (lb/h) 3343,325 12857,2452

Tolueno (lb/h) 18766,662 13131,5033

Etilbenceno(lb/h) 2266,253 2219,3958

P-xileno (lb/h) 2314,302 2266,4504

M-xileno (lb/h) 5665,634 5548,4901

O-xileno (lb/h) 2854,839 2795,8115

Cumeno (lb/h) 104,104 129,7262

1,2,3-Trimetilbenceno (lb/h) 1393,386 1736,3359

Nonano (lb/h) 4,004 0,0

N-propilbenceno (lb/h) 152,151 189,5999

O-Etiltolueno (lb/h) 1277,27 1591,6414

Indano (lb/h) 28,028 34,9263

N-butilbenceno (lb/h) 1009,003 1257,3466

N-pentilbenceno (lb/h) 396,394 493,9576

Bifenil (lb/h) 460,458 573,7892

Flujo Total (lb/h) 40035,81 44826,22

Temperatura (°F) 179,3 243,0

Etapa 17 17

Paquete Termodinámico PR PR

66
 (a) Producto de Tope

(b) Producto de Fondo

Figura 4.5: Diagramas de Paridad para Caso Operacional #1 Escenario 1

67
 (a) Producto de Tope

(b) Producto de Fondo

Figura 4.6: Diagramas de Paridad para Caso Operacional #1 Escenario 2

Además, para el caso operacional número 1 se muestra en la Tabla 4.4 una comparación
entre las temperaturas de tope y fondo predichas por DWSIM y las medidas en operación,
así como también los flujos másicos de producto de tope y fondo de la columna de destila-
ción. Para estas variables se observan porcentajes de desviaciones menores a 2 % en ambos
escenarios de operación.

68
 Tabla 4.4: Porcentajes de desviación de variables para Caso Operacional #1
(a) Escenario #1
DWSIM Operacional % Desviación
Temp. Producto de Tope (o F ) 182,541 183,210 0,365
Temp. Producto de Fondo (o F ) 281,596 2 283.540 0,686
Flujo de Producto de Tope (lb/h) 3352,233 3308,983 1,307
Flujo de Producto de Tope (lb/h) 36683,580 36726,859 0,118

(b) Escenario #2
DWSIM Operacional % Desviación
o
Temp. Producto de Tope ( F ) 192,275 194,740 1,266
Temp. Producto de Fondo (o F ) 300,234 301,284 0,348
Flujo de Producto de Tope (lb/h) 12877,811 12856,000 0,170
Flujo de Producto de Tope (lb/h) 31948,408 31970,000 0,068

En cuanto al caso operacional número 2, se muestran en la Figura 4.7 los diagramas de

paridad donde se comparan las fracciones másicas de los componentes para los productos
de tope(4.7a) y fondo (4.7b). De manera similar al caso operacional número 1, se evi-
dencia una buena concordancia de las fracciones másicas predichas por DWSIM respecto
a los datos reales, al presentar valores muy cercanos el coeficiente de correlación R2 y la
pendiente m obtenidas de la regresión lineal.

69
Tabla 4.5: Características de Caso de Estudio Operacional #2

∆P Columna (kPa) 34,47

Número de Etapas de 30

Equilibrio

Total
Tipo de Condensador V2
D
L1 U1

Presión de Condensador (kPa) 1999,48

Producto de Fondo (kg/s) 10,576

% Recuparación Propano 98,0

Alimentación 1

H2 S (kg/s) 0,01946

Etano (kg/s) 0,02199

Etileno (kg/s) 0,00194

Propileno (kg/s) 1,60316

Propano (kg/s) 4,81219

Isobutano (kg/s) 3,553

N-butano (kg/s) 1,01403

1-buteno (kg/s) 1,4392

Isobuteno (kg/s) 1,88237

Trans-2-Buteno (kg/s) 1,44066

Cis-2-Buteno (kg/s) 1,01054

1,3-butadieno (kg/s) 0,07509

3-metilbuteno (kg/s) 0,00576

IsoPentano (kg/s) 0,00597

N-hexano (kg/s) 0,00064

Temperatura (°C) 83

Presión (kPa) 2068

Etapa 14

Paquete Termodinámico CAPE-OPEN Peng-Robinson

70
 (a) Producto de Tope

(b) Producto de Fondo

Figura 4.7: Diagramas de Paridad para Caso Operacional #2

Por último se realiza la comparación de las temperaturas de tope y fondo junto con
los flujos másicos de los productos de la columna del caso operacional número 2. Esta se
puede observar en la Tabla (4.6). Se muestra un porcentaje de desviación de 0.45 % para
la temperatura del fondo de la columna seguido de 2,948 % y 2,395 % para los flujos de
producto de tope y fondo respectivamente y finalmente para la temperatura de tope de la
columna con una desviación significativa del 15,254 %. A pesar presentar una desviación

71
con una magnitud mayor al 10 % para la predicción de la temperatura del tope de la
columna, el modelo representa una descripción razonable de la columna depropanizadora
al predecir con bastante exactitud las demás variables de operación y las fracciones másicas
correspondiente a los productos.

Tabla 4.6: Porcentajes de desviación de variables para Caso Operacional #2

DWSIM Operacional % Desviación

Temp. de Tope (o C) 53,750 46,636 15,254
Temp. de Fondo (o C) 104,470 104,950 0,457
Flujo de Producto de Tope (kg/s) 6,310 6,129 2,948
Flujo de Producto de Tope (kg/s) 10,576 10,329 2,395

En definitiva, estos resultados muestran que el modelo Inside-Out de Russell (1983) ba-
sado en el modelo de etapa de equilibrio implementado en DWSIM es capaz de reproducir
razonablemente los datos de las columnas de fraccionamiento descritas en los casos ope-
racionales. Ademas, se confirma de manera más contundente la correcta implementación
del mismo dentro de DWSIM.

72
Capítulo 5

Conclusiones y Recomendaciones

Conclusiones
1. Se logró identificar los distintos elementos que conforman el código fuente de DWSIM
a través de una metodología de ingeniería inversa. Esto permitió identificar tanto la
arquitectura general del simulador y las clases específicas involucradas con la simu-
lación de columnas de destilación en estado estacionario para ser modificadas.

2. Se construyeron los diagramas de actividades detallados que describen el algoritmo

del método Inside-Out de Russell (1983) para destilación multicomponente. Estos
favorecieron la comprensión del método y auditoria del código fuente al permitir
identificar los problemas y las oportunidades de mejora.

3. Se realizó con éxito la adaptación de DWSIM para simular columnas de destilación

reales pertenecientes al circuito nacional de refinación utilizando Inside-Out. Esto se
comprobó al evidenciar su reproducibilidad junto con otros simuladores de procesos
con casos de estudio de referencia y su eficacia en las predicciones obtenidas con las
simulaciones estuvieron concordancia con los datos operacionales.

4. La compatibilidad de DWSIM con los estándares CAPE-OPEN brindó la posibilidad de

incorporar paquetes termodinámico externo en escenarios donde existía baja calidad
de los cálculos de EVL.

5. La adaptación de DWSIM se llevó a cabo a través de la participación de la academia, la

industria y la comunidad de software libre, empleando una metodología de desarrollo
de software colaborativo. A través del uso de la plataforma GitHub usando el sistema
de control de versiones distribuido GIT, lográndose gestionar los diversos cambios
que se realizaron sobre el código fuente de DWSIM.

73
 6. El simulador de procesos DWSIM posibilita su uso como herramienta de aprendizaje
para los estudiantes de ingeniería química e ingenieros químicos, de manera que
permite comprender mejor la metodología de cálculos riguroso no solo del proceso de
destilación, sino de otra operación unitaria disponible sin costo alguno fomentando
el desarrollo de tecnologías propias.

Recomendaciones
1. Estudiar los métodos termodinámicos nativos de DWSIM, ya que presentan un desem-
peño no satisfactorio en algunos cálculos de EVL.

2. Adaptar el método Inside-Out para el soporte de reflujos circulantes (pumparounds),

ya que son de suma importancia en el modelaje y simulación para muchos tipos de
columnas de destilación en el circuito nacional de simulación.

3. Mejorar la herramienta para la creación de pseudocomponentes de DWSIM, ya que

se considera herramienta clave la simulación de procesos de refinación en donde no
existe la posibilidad de utilizar componentes puros.

4. La implementación realizada se pueden presentar límites erróneos en las variables

de iteración, que a su vez puede dar lugar a divergencias, especialmente para pro-
blemas de columnas de destilación complejas o problemas con estimaciones iniciales
deficientes. Por esta razón se recomienda realizar un estudio de optimizacón y ro-
bustecer el algoritmo con tecnicas que proporcionen garantías tanto matemáticas y
computacionales más rigurosas.

5. Es importante resaltar que nuevas investigaciones deben ser orientadas hacia el me-
joramiento de DWSIM, por lo que se recomienda incentivar este tipo de proyecto de
investigación a través de la colaboración entre la academia, la industria y la comuni-
dad del software libre. En este sentido, las universidades y cualquier otra entidad con
capacidad de investigación y desarrollo pueden realizar grandes aportes enfocados
en la mejora del simulador, fomentando la cooperación entre los sectores productivos
y educación a nivel nacional e internacional.

74
Referencias Bibliográficas

Abella, A., Sanchez, J., Santos, R., & Segovia, M. (2003). Libro Blanco del Software Libre en
España. España: Documentación Libre GNU.

Aguilar, L. J. (2003). Fundamentos de Programación: Algoritmos, Estructuras de Datos y

Objetos. McGraw-Hill.

Babu, B. V. (2004). Process Plant Simulation. New Delhi, India; New York: Oxford Univer-
sity Press.

Barrett, J. & Yang, J. (2005). Development of a chemical process modeling environment

based on cape-open interface standards and the microsoft .net framework. Computers &
Chemical Engineering, 30(2), 191–201.

Barrett, W. M., Pons, M., von Wedel, L., & Braunschweig, B. (2007). An overview of the
interoperability roadmap for COM/.NET-based CAPE-OPEN.

Boston, J. F. & Sullivan, S. L. (1972). An improved algorithm for solving the mass ba-
lance equations in multistage separation processes. The Canadian Journal of Chemical
Engineering, 50, 663–669.

Boston, J. F. & Sullivan, S. L. (1974). A new class of solution methods for multicomponent,
multistage separation processes. The Canadian Journal of Chemical Engineering, 52(1),
52–63.

Braunschweig, B. & Gani, R. (2002). Computer-Aided Chemical Engineering: Software Archi-

tectures and Tools for Computer Aided Process Engineering, volume 11. Amsterdam, The
Netherlands: ELSEVIER SCIENCE B.V.

Broyden, C. G. (1965). A class of methods for solving nonlinear simultaneous equations.

Mathematics of Computation, 19(92), 577–593.

Burningham, D. & Otto, F. (1967). Which computer design for absorbers? Hydrocarbon
Process, 46(10), 163–170.

75
Buschmann, F., Henney, K., & Schmidt, D. C. (2007). A Pattern language for Distributed
Computing. Pattern-oriented software architecture / Frank Buschmann ..., Vol. 4.; Wiley
series in software design patterns.; Wiley software patterns series. Wiley.

CO-LaN (1999). CAPE-OPEN Next Generation Computer Aided Process Engineering Open
Simulation Environment. Technical report, CAPE-OPEN Consortium.

Culebro, M., Gómez, W., & Torres, S. (2006). Software Libre vs Software Propietario Ventajas
y Desventajas. México: Creative Commons.

Dimian, A. C. (2003). Integrated Design and Simulation of Chemical Processes. Amsterdam;

Boston: Elsevier.

Eckert, E. & Vaněk, T. (2001). Some aspects of rate-based modelling and simulation of
three-phase distillation columns. Computers & Chemical Engineering, 25(4–6), 603–612.

Finlayson, B. A. (2006). Introduction to Chemical Engineering Computing. Hoboken, N.J.:

Wiley-Interscience.

Grossmann, I. E., Aguirre, P. A., & Barttfeld, M. (2005). Optimal synthesis of complex
distillation columns using rigorous models. Computers & Chemical Engineering, 29(6),
1203–1215.

Higler, A., Chande, R., Taylor, R., Baur, R., & Krishna, R. (2004). Nonequilibrium modeling
of three-phase distillation. Computers & Chemical Engineering, 28(10), 2021–2036.

Khoury, F. M. (2005). Multistage Separation Processes. Boca Raton: CRC Press.

King, C. J. (1980). Separation processes. New York: McGraw-Hill.

Kister, H. Z. (1992). Distillation Design. New York: McGraw-Hill.

Kooijman, H. A. & Taylor, R. (2000). The ChemSep Book. Germany: Printed by Books on
Demand, 2 edition.

Krishnamurthy, R. & Taylor, R. (1985). A nonequilibrium stage model of multicomponent

separation processes. part i: Model description and method of solution. AIChE Journal,
31(3), 449–456.

Kroll, P. & Kruchten, P. (2003). The Rational Unified Process Made Easy : A Practitioner’s
Guide to the Rup. Addison-Wesley object technology series. Addison-Wesley.

76
Luque, S. & Vega, A. B. (2005). Simulación y optimización avanzadas en la industria química
y de procesos. Oviedo: Departamento de Ingeniería Química y Tecnología del Medio
Ambiente, Universidad de Oviedo.

Martínez, V. H. (2000). Simulación de Procesos en Ingeniería Química. Plaza y Valdes.

Martínez de la Cuesta, P. J. & Rus, E. (2004). Operaciones de separación en ingeniería

química. Madrid: Prentice Hall.

MathPro (2011). Introducción a la refinación del petróleo y producción de gasolina y diesel

con contenido ultra bajo de azufre.

McCabe, W. L., Smith, J. C., & Harriott, P. (2005). Unit Operations of Chemical Engineering.
Boston: McGraw-Hill.

McMillan, M. (2004). Object-oriented Programming with Visual Basic.NET.

McMonnies, A. (2004). Object-oriented Programming in Visual Basic .net. Harlow, England;

New York: Pearson Addison-Wesley.

Monroy-Loperena, R. & Vacahern, M. (2013). A simple, reliable and fast algorithm for the
simulation of multicomponent distillation columns. Chemical Engineering Research and
Design, 91(3), 389 – 395.

Naphtali, L. M. & Sandholm, D. P. (1971). Multicomponent separation calculations by

linearization. AIChE Journal, 17, 148–153.

Pernalete, C., Torres, B., & Moreno, A. (2012). Reactores de la tecnología hdhplus® como
componentes de simulación interoperables. Ciencia e Ingeniería.

Perry, R. H. & Green, D. W. (2008). Perry’s chemical engineers’ handbook. New York:
McGraw-Hill, 7 edition.

Pons, M. (2005). What is the cape-open laboratories network (co-lan).

Russell, R. A. (1983). A flexible and reliable method solves single-tower and crude
distillation-column problems. Chemical Engineering, 90(1), 53–59.

Seader, J. D., Henley, E. J., & Roper, D. K. (2011). Separation Process Principles : Chemical
and Biochemical Operations. Hoboken, NJ: Wiley.

Sorel, E. (1893). La rectification de l’alcool. In Encyclopedie Scientifique Des Aide-memoire.

Gauthier-Villars et fils.

77
Speight, J. G. (2008). Synthetic fuels handbook properties, process, and performance. New
York: McGraw-Hill.

Tomich, J. F. (1970). A new simulation method for equilibrium stage processes. AIChE
Journal, 16(2), 229–232.

Tonella, P. & Potrich, A. (2005). Reverse Engineering of Object Oriented Code. Monographs
in computer science. Springer Science+Business Media.

Torres, R. & Castro, J. (2002). Análisis y Simulación de Procesos de Refinación del Petróleo.
México: Alfaomega.

Treccani, P. (2008). Encyclopaedia of Hydrocarbons: VOLUME II - REFINING AND PETRO-

CHEMICALS, volume 2. Istituto della Enciclopedia Italiana Iondata da Giovanni Treccani
S.p.A.

Wagner, D. (2006). Dwsim development blog: Notes and discussions about dwsim deve-
lopment.

Wang, J. C. & Henke, G. E. (1966). Tridiagonal matrix for distillation. Hydrocarbon Process,
45, 155–163.

Wayburn, T. L. (1988). A review of continuation methods and their application to separa-

tion problems. Comp. and Sys. Tech. Div. Commun., 11(1), –.

Wilson, I. D., Adlard, E. R., Cooke, M., & Poole, C. F. (2000). Encyclopedia of Separation
Science. San Diego: Academic Press.

Zereshki, S. (2012). Distillation - Advances from Modeling to Applications. InTech.

78
Apéndice A

Métodos Numéricos

A.1. Método de Matríz Tridiagonal

El algoritmo de la matriz Tridiagonal (TDMA), también conocido como el algoritmo de
Thomas, es una forma simplificada de la eliminación gaussiana que puede utilizarse para
resolver un sistema tridiagonal de ecuaciones.

Ak xk−1 + Bk xk + Ck xk+1 = Dk , k = 1, ...n, (A.1)

o, en forma de ecuación matricial M x = D donde A1 = 0 y Cn = 0 (A.2).

B1 C1 ··· ··· ··· ··· 0

     
x1 D1
 A2 B2 C2 ··· ··· ··· 0 
x2   D2 
 · · · A3 ··· ···
  
B3 C3 0 
x3
 
  D3


.. .. ..
     
 ··· ···
 . . . ···  

···   ··· 
... ... ... × =  (A.2)
··· ···

 ··· ··· 
   
    
xn−2 Dn−2

 0 ··· ··· 0 An−2 Bn−2 Cn−2 ··· 
   
    
xn−1 Dn−1

 0 ··· ··· 0 0 An−1 Bn−1 Cn−1 
   
0 ··· ··· 0 0 An Bn xn Dn

La Matriz principal es una matriz cuyos únicos elementos distintos de cero se encuen-
tran en la diagonal principal y en las diagonales adyacentes por arriba y por debajo de
esta.
El TDMA constan de dos partes: una fase de eliminación hacia delante y una fase de
sustitución hacia atrás, con la finalidad de resolver o determinar los valores de xk .

1. Fase de Eliminación

79
a) Es esta primera fase la ecuación A.2 se convierte a la forma U x = ρ. Así el primer
paso es dividir la fila 1 por B1 para obtener x1 en función de x2 :

B1 x1 + C1 x2 = D1

C1 D1
x1 + x2 =
B1 B1
Reescribiendo

C1 D1
x1 + γ1 x2 = ρ1 , , γ1 = , , ρ1 =
B1 B1

x1 = ρ1 − γ1 x2 (A.3)

Reemplazando así los coeficientes B1 , C1 y D1

1| γ1 ··· ··· ··· ··· 0

     
x1 ρ1
 A2 B2 C2 ··· ··· ··· 0  
x2   D2 
 · · · A3 ··· ···
  
B3 C3 0  
x3
 
  D3


.. .. ..
     
 ··· ···
 . . . ···  

···   ··· 
... ... ... × = 
··· ···

 ··· ··· 
   
    
xn−2 Dn−2

 0 ··· ··· 0 An−2 Bn−2 Cn−2 ··· 
   
    
xn−1 Dn−1

 0 ··· ··· 0 0 An−1 Bn−1 Cn−1 
   
0 ··· ··· 0 0 An Bn xn Dn
(A.4)

b) Luego la ecuación A.1 se combina con A.3 para despejar x2 resultando en:

D2 − A2 ρ1
 
C2
x2 = − x3
B2 − A2 γ1 B2 − A2 γ1
reescribiendo

D2 − A2 ρ1 C2
ρ2 = γ2 = ,
B2 − A2 γ1 B2 − A2 γ1
quedando:

x2 = ρ2 − γ2 x3 (A.5)

80
 Así, se reemplazan los valores de los coeficientes A2 , B2 ,C2 y D2

1| γ1 ··· ··· ··· ··· 0

     
x1 ρ1
 0 1 γ2 ··· ··· ··· 0  
x2   ρ2 
 · · · A3 ··· ···
  
B3 C3 0  
x3
 
  D3


.. .. ..
     
 ··· ···
 . . . ···  

···   ··· 
... ... ... × = 
··· ···

 ··· ··· 
   
    
xn−2 Dn−2

 0 ··· ··· 0 An−2 Bn−2 Cn−2 ··· 
   
    
xn−1 Dn−1

 0 ··· ··· 0 0 An−1 Bn−1 Cn−1 
   
0 ··· ··· 0 0 An Bn xn Dn
(A.6)

c) Siguiendo esta secuencia, en general se puede decir:

Ck
γk = (A.7)
Bk − Ak γk−1

Dk − Ak ρk−1
ρk = (A.8)
Bk − Ak γk−1

xk = γk − ρk xk+1 (A.9)

En este punto, con los valores sustituidos Ak ← 0, Bk ← 1,Ck ← γk y Dk ← ρk la

matriz se ha reducido una forma diagonal superior, por lo que las ecuaciones quedan
en la forma U x = ρ (A.10)

1| γ1 ··· ··· ··· ··· 0

     
x1 ρ1
 0 1 γ2 ··· ··· ··· 0 
x2   ρ2 
 ··· 0 ··· ···
  
1 γ3 0 
x3
 
  ρ3


.. .. ..
     
 ··· ···
 . . . ···  

···   ··· 
... ... ... × =  (A.10)
··· ···

 ··· ··· 
   
    
xn−2 ρn−2

 0 ··· ··· 0 0 1 γn−2 ··· 
   
    
xn−1 ρn−1

 0 ··· ··· 0 0 0 1 γn−1 
   
0 ··· ··· 0 0 0 1 xn ρn

2. Fase de Sustitución Hacia atrás

a) A partir de A.10 para la fila n , (A.9) queda:

xn = ρn (A.11)

81
 b) Los valores sucesivos de xk se calculan recursivamente mediante sustitución haca
atrás a partir de (A.9), desde la fila n − 1 hasta 1, así para la fila n − 1:

xn−1 = γn−1 − ρn−1 xn (A.12)

El algoritmo de Thomas evita la acumulación de errores de truncamiento porque ninguno

de los pasos que implica la sustracción de cantidades casi iguales. Además, los valores cal-
culados de xk son casi siempre positivos. El algoritmo es superior a las rutinas alternativas
de inversión de matrices. Aunque es raro, el algoritmo puede ser inestable si el término
Bk − Ak γk−1 es cero o numéricamente cero para cualquier k. Esto ocurrirá si la matriz
tridiagonal es singular, pero en casos muy específicos puede ocurrir si es no singular. La
condición para el algoritmo sea estable es que la matriz sea diagonalmente dominante,
esto es:

kBk k = kAk k + kCk k (A.13)

A.2. Método de Newton-Raphson

En análisis numérico, el método de Newton-Raphson es un algoritmo eficiente para
encontrar aproximaciones de las raíces de una función real. Se puede utilizar el método de
Newton para resolver sistemas de n ecuaciones no lineales, lo que equivale a la búsqueda
de los ceros de funciones continuamente diferenciables.
Este tipo de sistemas se pueden representar como F (X) = 0 donde 0 es el vector nulo de
n componentes, X es un vector de R y F es la función vectorial dependiente de n variables
reales dada por:

F : Rn → Rn

 

 f1 (x1 , x2 , ...., xn ) = 0 

f2 (x1 , x2 , ...., xn ) = 0

 

 
X = (x1, x2 , . . . , xn )T → F (X) = ··························· (A.14)
···························

 


 

fn (x1 , x2 , ...., xn ) = 0
 

La iteración de Newton-Raphson se lleva a cabo mediante la resolución de correcciones

de la ecuación matricial para el valor ∆X de las variables de salida de la forma :

82
  
∂F
· ∆X (k) = −F (k) (A.15)
∂X
∂F
donde es el siguiente Jacobiano (n × n):
∂X
 ∂f1 ∂f1 ∂f1
···

∂x1 ∂x2 ∂xn
∂f2 ∂f2 ∂f2
∂F 
∂x1 ∂x2
··· ∂xn

= JF =  . (A.16)
 
∂X  .. .. .. .. 
. . . 
∂fn ∂fn ∂fn
∂x1 ∂x2
··· ∂xn
" −1 #(k)
(k) ∂F
∆X =− F (k) (A.17)
∂X
Las correcciones ∆X se utilizan para calcular la siguiente aproximación para el conjunto
de variables de salida a partir de:

X (k+1) = X (k) + ∆X (k) (A.18)

En este sentido el conjunto de funciones F (X) se resuelven simultáneamente de forma

iterativa mediante el calculo de un conjunto de valores X sucesivos hasta que los valores de
F (X) se dirigan hacia un criterio de convergencia o valores cero. Durante las iteraciones,
los valores distintos de cero de las funciones se denominan discrepancias o errores.
El procedimiento de Newton–Raphson requiere estimaciones iniciales para los valores
de las variables de iteración. Basados en estos valores iniciales, se compara la suma de los
cuadrados de las discrepancias o errores de las funciones con el criterio de convergencia τ
para una tolerancia :
n
X
τ= (Fi )2 ≤  (A.19)
i=1

n
!
X 2
=n (Fi ) 10−10 (A.20)
i=1

Alternativamente, es posible emplear un factor escalar no negativo t denominado factor

de amortiguamiento, que se puede aplicar a los valores de las variables en cada iteración.

X (k+1) = X (k) + t∆X (k) (A.21)

Haciendo que t varíe entre valores ligeramente mayores a 0 hasta 2, se puede amorti-
guar o acelerar la convergencia, según se requiera para cada iteración. Lo que se requiere
es un valor de t que minimice la suma de los cuadrados dado por (A.19). Para encontrar t

83
en cada iteración se emplea un procedimiento de optimización como Busqueda de Fibon-
nacci o Minimización de Brent. De no existir un valor optimo de t, este puede tomar un
valor de 1

84
Apéndice B

Diagramas de Actividades del Método

Inside-Out Russell (1983)

85
B.1. Diagramas de Actividades Capa-A

86
 Procedimiento de Inicialización Capa-B-inicializacionRI-O

ic = 0

ec = 0
Capa-C-estimacionVarIt

Determinar los valores de variables de Iteración Determinar nuevos Valores de Sbj, Rlj y Rvj ic = 0

Capa-B-ActualVarIte

Calcular Funciones de Discrepancia

Capa-B-FuncionValor

¿Emplear Método de Newton-Raphson?

¿Es ic = 0?
V F V
Calcular el Jacobiano Calcular el Jacobiano

Determinar Correción por Newton Determinar corrección por Broyden

¿Emplear factor de amortiguamiento t?

V
Determinar t optimo por Minimizacion de Brent

Aplicar Damping Factor a las variables de iteración

ic+=1 ec +=1

Capa-B-FuncionValor Calcular nuevos valores de las Funciones de Discrepancia

Calcular sumatoria de los cuadrados de Funciones de Discrepancia (ErrorBI)

¿Es ErrorBi< toleranciaBI?

Calcular parametros K y h a partir de modelos termodinámicos rigurosos

Calcular los valores de las volatilidades relativas alphai,j por modelos termodinámicos rigurosos

Calcular el cuadrado del error relativo entre alphai,j del método riguroso respecto al del método aproximado (ErrorBE)

¿Es ErrorBE < toleranciaBE?

Devolver Resultados

APENDICE B.1

Diagrama Capa-A-Russell
B.2. Diagramas de Actividades Capa-B

88
 Se debe Establecer el Número de Etapas,
número de componentes, Perfil de Presión,
Flujos de alimentación y Productos, Calores de
intercambiadores interetapas , las Especificaciones de la Columna y Tipo de Condensador.
Especificar ns, nc, Pj, Fj, zi, Uj, Wj, Lns, U1, Specs, Qj

Capa-C-EstimadoFlujos
¿Se tienen estimaciones de Flujos de Vapor y Liquido?
F
Estimar flujos de productos y valores de V a artir de valores de Lj constantes por Ecuacion de Balance Total
V

Capa-C-perfilTempini Estimar Pefil de Temperaura Inicial

Calcular Flash Isotermico a Alimentacion Combinada Capa-C-FlashlAlimencomb

Calcular parametros K y h a partir de modelos aproximados Capa-C-calcparamKyh

Determinar valores iniciales de variables de iteracion Sbj, Rlj, Rvj Capa-C-estimacionVarlt

APENDICE B.2

Diagrama Capa-B-inicializacionRI-O
 i=0

¿ i < ns-1? ¿Es i=0 y Condensador Total?

F V V
xvar[i]= lnRlj[i]

xvar[i]=lnSbj[i]
m1, m2=0

i +=1

¿es vcnt > 0?

V
i=ns-1
¿Es i < vcnt + (ns-1)?
F F V
j=m1

i+=1
¿Es j < ns-1? ¿Es Rvj[j] != 1?

F V V
xvar[i]=lnRvj[i] m1=j+1

j+=1

¿Es lcnt >0?

V

i=vcnt+ns+1
F
¿Es i < vcnt + lcnt + (ns-1)?
F V
j=m2+1

i+=1
¿Es j < ns-1? ¿Es Rij[j] !=1?
F V V
xvar[i]=lnRlj[m2-1] m2=j+1

j+=1

APENDICE B.2

Diagrama Capa-B-ActualVarIte
 Obtener Especificaciones de Columna

i=0

¿i < ns-1?
¿ i=0 y Condensador es Total?
F V V
_RIj[i] = math.Exp(xvar[i])

j=0
m1, m2=0
¿ j < nc-1?
F
i+=1 V
_S[i,j]=Exp(x[i])* _alpha[i,j]* _Sb

¿ Es vcnt > 0?
j += 1
V
i=ns-1

F
¿ Es i < vcnt + (ns+1)?

F V
j=m1

i+=1

¿ Es j < ns-1? ¿ Es Rvj[j] !=1?

F V V
Rvj[m1-1]=math.Exp(xvar[i]) m1 = j+1

j+=1

¿ Es lcnt > 0?

V
i=vcnt + ns -1

¿ Es i <vcnt + lcnt + (ns - 1)?

F V
j = m2 + 1
Capa-C-metodothomas

Calcular flujos de Liquidacion por Metodo de Thomas

Capa-C-calculofraccionesmol
i+=1

Determinar nuevas fracciones de liquido, flujos de Liquido y vapor

¿ Es j < ns-1? ¿ Es Rlj[j] !=1 ?

Capa-C-calculoNretiros

Determinar Nuevos flujos laterales y factores de retiros F V

V m2 = j + 1
Rlj[m2-1] = math.Exp(xvar[i]
Capa-C-calcNuevasTemp

Calcular Nuevas temperaturas a partir de las relaciones Kb-Temperatura

F

j +=1
Calcular las Entalpias de flujos Capa-C-calcEntalFL

Capa-C-calcDuty Calcular Q de Condensador y Rehervidor

Manejo de Especificaciones de Columna

Balance Entalpicos en Columna

Sustituir Especificaciones en balances entalpicos de Columna

Errores[i] = entalp[i]

Devolver valores de errores

APENDICE B.2

Diagrama Capa-B-FuncionValor
B.3. Diagramas de Actividades Capa-C

92
 i=0

¿Es i < ns-1?

F V
Sb[i]=Kb[i]*V[i]/L[i] j=0

¿Es j < nc-1?

i+=1 alpha[i][j]=Kij[i]j]/Kb[i]
F V
i=0
j+=1

NSs = ns

¿Es i < ns-1?

F V
PSbj = 1
¿Es i = 0 y Condensador Total?
V

i+=1 PSbj = 1 NSs-=1

PSbj*=Sb[i]

Sb = PSbj^(1 /(Nss)) i=0

¿i < ns-1? ¿Es Sb[i]=0?

F V
V
Sbj[i]=1E-20

lnSbj[i]=math.Log(Sbj[i])

¿Es V[i]!=0? V
Rvj[i]=1+W[i]/V[i]

Rvj[i]=1

lnRvj[i]=math.Log(Rvj[i])

V ¿Es L[i]!=0?
Rlj[i]=1 + U[i]/L[i]

Rlj[i]=1

i +=1
lnRlj[i]=math.Log(Rlj[i])

j=0

¿Es j < nc-1?

V
S[i][j]=Sbj[i]*alpha[i][j]*Sb

j+=1

Contador para retiros laterales:

i=0 vcnt = 0
La finalidad de esta parte es determinar la existencia de
retiros laterales de vapor y liquido, de manera que mas adelante
se puedan incluir los factores de retiro como variables de iteracion.
lcnt = 0
¿lnRvj[i]!=0 y lnRvj[i]!=Infinito?
¿ i < ns-1?
F V V
vcnt +=1

¿lnRlj[i]!=0 y lnRlj[i]=Infinito?
¿i > 1?
V V
lcnt +=1

F F
i +=1

APENDICE B.3

Diagrama Capa-C-estimacionVarIt
 Balance Etapa a Etapa para estimación inicial de
Trafico de Vapor y Liquido en la Columna de

i=0

¿ i < ns-1?
F V
sumEtapa[i]=0

i +=1 j=0

¿ j < i?
sumFG+=F[i] F V
sumEtapa[i]+=F[j] - U[j] - W[j]

Sumatoria de Corrientes
de Alimentacion
j +=1

sumCoLate +=U[i] + W[i] Sumatoria de Corrientes Laterales por Etapa

¿Se tiene relación de Reflujo rr?

V
rr = 2.5

¿Se tiene flujo de productos de Fondo L[ns-1]? ¿Condensador Parcial Reflujo Total?
V V
vaprate=sumFG-L[ns-1]-sumCoLate

F
F

distrate=0.0

¿Condensador Parcial Reflujo Total? ¿Condensador Parcial?

V
V vaprate=sumFG / 2 - sumCoLate distrate=sumFG-L[ns-1]-sumCoLate-V[0]
F F

distrate=sumFG-L[ns-1]-sumCoLate
distrate=sumFG-L[ns-1]-sumCoLate

vaprate=0

U[0]=distrate

i=0
F ¿i <ns-1?
V
sumEtapa[i]+=F[j]-U[j]-W[j]

i=0 i+=1

¿ i<ns-1? ¿ i=0 ? ¿Condensador Parcial Reflujo Total?

F V V
F V[i]=[rr+1]*distrate-F[0]

V F

¿Condensador Parcial Reflujo Total?

V
i+=1 V[i]=vaprate L[i]=vaprate*rr

F ¿Condensador Parcial?
V
¿Condensador Parcial? V[i]=[rr+1]*V[0]-F[0]

V V[i]=vaprate L[i]=distrate*rr
F

¿i <ns-1?
V[i]=0.0005 V
V[i]=[rr+1]*distrate-F[0]+V[0] L[i]=V[i]+sumEtapa[i]-V[0]

L[i]=sumEtapa[i]-V[0]
L[i]=distrate*rr

APENDICE B.3

Diagrama Capa-C-EstimadoFlujos
 Capa-C-perfilTempini

Combinar Fj de la columna Capa-D-combF

Calcular presion promedio

Capa-D-presionprom

Calcular temperatura de Rocio y Burbuja con nuevas composiciones de alimentacion y presion prom de la columna Capa-D-TempRocioyBurb

Establecer T[0]=TBurbuja y T[ns-1]=TRocio

Temperaturas de etapas intermedias por medio de interpolacion lineal entre T1 y TN Capa-D-interpolT1Tn

Devolver perfil de temperatura de columna, Tj

Capa-C-FlashIAlimcomb

j=0

¿j < ns-1?

F V
Se emplea el Paquete Termodinámico de DWSIM
Calcular Equilibrio (presionProm,tempProm,zicomb)

Obtener Xi, Yi

j+=1 xi[j]=Xi,yi[j]=Yi

Capa-C-metodothomas

Calcular parametros de matriz tridiagonal

Capa-D-resolverMTD

Resolver matriz tridiagonal Capa-E-TDMASolver

Devolver valores de flujos de liquido por componente

DIAGRAMAS
APENDICE B.3 Capa-C-perfilTempini
Capa-C-FlashIAlimcomb
Capa-C-metodothomas
 Tj1=T

i=0

¿Es i < ns-1?

F V
Tj2[i]=T[i]+1

Tjref[i]=T[i]-1

KbjT1[i]=calcKbj(x[i],y[i],P[i],Tj1[i] Capa-D-calcKbjs

i +=1 KbjT2[i]=calcKb(x[i],y[i],P[i],Tj1[i]

Hv1[i]=CalcEnthalpyD(y[i],Tj1[i],P[i],Vapor)

Hv2[i]=CalcEnthalpyD(y[i],Tj2[i],P[i],Vapor

Hl1[i]=CalcEnthalpyD(x[i],Tj1[i],P[i],Liquido)

Hl2[i]=CalcEnthalpyD(x[i],Th2[i],P[i], Liquido)
i=0

¿Es i < ns-1?

F V

Bj[i]=math.log(Kbj1[i]/Kbj2[i])/(1/Tj2[i]-1/Tj1[i])

Aj[i]=math.log(Kbj1[i])+Bj[i]*(1/Tj1[i])

i +=1 Dj[i]=(Hv1[i]-Hv2[i])/(Tj1[i]-Tj2[i])

Cj[i]=Hv1[i]-Dj[i]*(Tj1[i]-T_[i])

Ffj[i]=(Hl1[i]-Hl2[i])/(Tj1[i]-Tj2[i])

Ej[i]=Hl1[i]-Ffj[i]*(Tj1[i]-Tjref[i])

APENDICE B.3

Diagrama Capa-C-calcparamKyh
 i =0

¿Es i < ns-1?

F V

j=0

i+=1

Lj[i]=sum(lcj[i]) ¿Es j<nc-1?

F V

Vj[i]=sum(vcj[i]) lcj[i][j]=lc[j][i]

vcj[i][j]=lcj[i][j]*S[i][j]

j+=1

i=0

¿Es i < ns-1?

F V
j=0

¿Es j < nc-1? ¿Lj[j]!=0?

F V
i+=1 V xc[i][j]=lc[i][j]/Lj[i]

xc[i][j]=lcj[i][j]

j+=1

APENDICE B.3

Diagrama Capa-C-calculofraccionesmol
 i=0

¿Es i <ns-1? ¿Es i > 0?

F V V
sumU+=Uj[i]

i+=1 sumW +=Wj[i]

¿Condensador Total?

V
Uj[0]=sumF = sumU -sumW-Lj[ns-1]

¿Condensador Parcial?

V
Uj[0]=sumF-sumU-sumW-Lj[ns-1]-Vj[0]
F

¿Es Lj[0] !=0 ó No es Infinito ó Nan?

V
Rlj[0]=1 + Uj[0] / Lj[0]

Rlj[0]=1

Es i < ns-1?
F V F V Es 1> 0? Uj[i]=(Rlj[i]-1)*Lj[i]

i=0 i+=1 Wj[i]=(Rvj[i]-1)*Vj[i]

¿Es i <ns-1?
F V
j=0

Es j < i?
F V
i+=1 sum1[i] +=F[j]-Uj(j)-Wj[j]

i=0 j+=1

Es i < ns-1?
Es 1 < ns-1?
F V V
Lj[i]=Vj[i+1]+sum1[i]-Vj[0]

i +=1 Lj[i]=sum1[i]-Vj[0]

Es Lj[i]<0?

V
Lj[i]=1E-8

i=0

F V i<ns?
j=0

F V j<nc-1?
i+=1

Vj[j]!=0?
V
yc[i][j]=vc[i][j]/Vi[i]

yc[i][j]=vc[i][j]

j+=1

zc[i][j]=lc[i][j]+vcj[i][j]/(Lj[i]+vj[i])

APENDICE B.3

Diagrama Capa-C-calculoNretiros
 Capa-C-calcNuevasTemp
i=0

¿ i < ns-1?

F V
j=0

¿j < nc-1?
F V
sumaxi[i]+=alpha[i][j]*xc[i][j]
i += 1

j += 1

i=0

¿ i < ns-1?

F V
Kbj[i]= 1/sumaxi[i]

Tj_ant[i] = Tj[i]

i+ = 1 Tj[i] = Bj[i]/ Aj[i]-math.Log(_Kbj[i]))

Capa-C-calcEntalFL
i=0

¿i < ns-1?
F V
Hidv[i]=pp.entalldealv(298.15, Tj[i], yc[i])

Hidl[i]=pp.entalldeall(298.15, Tj[i], xc[i])

i+=1

DHv[i]=Cj[i] + Dj[i]*(Tj[i] - T[i])

DHl[i] = Ej[i]+ Fj[i]* (Tj[i] - T[i])

Hl[i] = (Hidl[i]+ DHl[i])

Hv[i] = (Hidv[i] + DHv[i])

Capa-C-calcDuty
¿No se estableció Q como especificación del condensador?

V Q[0]= HI[0]*Rlj[0]*Lj[0]+Hv[0]*Rvj[0]*Vj[0]-Hv(1)*Vj(1)-Hf[0]*F[0]

Q[0]= -Q[0]

¿No se estableció Q como especificación del rehervidor?

V Q[ns-1]= Hl[ns-1]*Rlj[ns-1]*Lj[ns-1]+Hv[ns-1]*Rvj[ns-1]*Vj[ns-1]-Hi[ns-1]*Lj[ns-1]-HF[ns-1]*F[ns-1]

Q[ns-1]= -Q[ns-1]

DIAGRAMAS
APENDICE B.3 Capa-C-calcNuevasTemp
Capa-C-calcEntalFL
Capa-C-calcDuty
B.4. Diagramas de Actividades Capa-D

100
 Kbj=[0 for i in xrange(ns)]

Kw1=[[0.0 for i in xrange(nc) for j in range(ns)]

Kw2=[[0.0 for i in xrange(nc)] fo j in xrange(ns)]

¿Es i <ns-1?
i=0

F V
Kw1[i]=CalcKvalue(x[i],y[i],P[i],T[i])

i=0 i+=1 Kw2[i]=CalcKvalue(x[i],y[i],P[i],T[i]+0.1)

sumdKijT=0

¿Es i <ns-1?

F V
j=0

F V ¿Es i < nc-1?

i=0 dKijT=y[i][j]*(math.log(Kw2[i][j])-math.log(Kw1[i][j] / (1 / T[i]+0.1)-1/T[i])
i+=1

j+=1 sumdKijT+=abs(dKijT)

¿Es i <ns-1?
F V
j=0

¿Es j <nc-1? Riesgo de Division por cero

F V
i=0
i+=1
Wij[i][j]=abs(dKijT[i][j])/sumdKijT[i]

j+=1

¿Es i <ns-1?
F V

j=0

¿Es j < nc-1?

F V
i+=1 Kbj[i]+=wij[i][j]*abs(math.log(kij[i][j])

j+=1

Devolver ValorescKbj

APENDICE B.4

Diagrama Capa-D-calcKbjs
 Capa-D-combFj

i=0 z[j][i]=fracciones molares de alimentacion zi,j

F[j]= Flujos totales de alimentacion
¿Es i < ns-1?
V F j=0

¿Es j <nc-1?
F V
i+=1 f[i][j]=F[i]*z[i][j]

i=0
j+=1

F V
combFj+=F[i] j=0
¿Es i <ns-1?

F V
i+=1 combfij[j]+=fij[i][j]
¿Es j <nc-1?

j+=1
i=0

¿Es i <nc-1?
F V
zicomb[i]=combfij/combFj

devolver combFj y zicomb i+=1

Capa-D-interpolT1Tn

T[0]=T1

T[ns-1]=TN

PendTj=(T[ns-1]-T[0])/(ns-1)

i=0

¿i < ns-1?
F V
Tj[i]=T[0]+PendTj*(i)

i+=1

temptempProm=sum(Tj)/len(Tj)

DIAGRAMAS
APENDICE B.4
Capa-D-combFj
Capa-D-interpolT1Tn
 Capa-D-presionProm

¿Se tiene el pefil de presiones? V

presionProm=sum(Pj)/len(Pj)
F

¿Se tiene la presion de Tope y fondo?

V
P[0]=Presion Tope
F

P[ns-1]=Presion fondo

presionProm=(P[ns-1]+P[0])/(2)

Capa-D-resolverMTD

i=0

¿Es i <(nc-1)?

F V j=0

F V ¿Es j < (ns-1)?

i+=1
dc[i][j]=-zij[i][j]*F[j]

i=0

bc[i][j]=-(RL[j]+RV[j]*S[i][j]

Capa-E-TDMASolver
¿Es i<nc-1? ¿j >0?
lc[i]=TDMAsolve(ac[i],bc[i],cc[i],dc[i]
F V
ac[i][j]=0 ac[i][j]=1

i+=1
¿j > (ns-1)? V
cc[i][j]=S[i+1[j]

cc[i][j]=1

j+=1

Aqui se emplean las funciones del Paquete Termodinámico de DWSIM

TBurbuja=CalcBucT(zicomb, presionProm)

TRocio=CalcDewT(zicomb,presionProm

Capa-D-tempRocioyBurb

DIAGRAMAS
APENDICE B.4 Capa-D-presionProm
Capa-D-resolverMTD
Capa-D-tempRocioyBurb
B.5. Diagramas de Actividades Capa-E

104
 ai=ac

bi=bc

ci=cc

di=fc

ci[0]/=bi[0]

Riesgo de Division por 0

di[0]/=bi[0]

i=1

¿Es j<(ns-1)?
F V
temp=bi[1]-ai[i]*ci[i-1])

ci[i]/=temp

i=0

i+=1 di[i]=(di[i]-ai[i]*di[i-1])/temp

¿Es i <ns-1?

F V

lc[i]=0.0

i+=1

l[-1]=di[-1]

i=-2

F V ¿i >(ns-1)?

l[i]=di[i]-ci[i]*x[i+1]

Devolver valor lc
i-=1

DIAGRAMAS
APENDICE B.5
Capa-E-TDMASolver
 Apéndice C

Archivos de Simulaciones

106

View publication stats