Interciencia
ISSN: 0378-1844
interciencia@ivic.ve
Asociación Interciencia
Venezuela
Ceballos, Jesús; Segura García, Carlos E.; Peraza S., Alexander R.
DISEÑO DE COLUMNAS DE DESTILACIÓN PARA SISTEMAS BINARIOS. ENFOQUES
TRADICIONAL E INTEGRADO
Interciencia, vol. 39, núm. 8, agosto, 2014, pp. 547-553
Asociación Interciencia
Caracas, Venezuela
Disponible en: http://www.redalyc.org/articulo.oa?id=33931820003
Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org
Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
DISEÑO DE COLUMNAS DE DESTILACIÓN
PARA SISTEMAS BINARIOS.
ENFOQUES TRADICIONAL E INTEGRADO
JESÚS E. CEBALLOS J., CARLOS E. SEGURA G.
y ALEXANDER R. PERAZA S.
RESUMEN
Se explora un método para efectuar el Diseño Integrado de
procesos de una columna de destilación binaria, el cual considera la dinámica del proceso y su control conjuntamente,
desde la fase de diseño, garantizando que el sistema responda
adecuadamente frente a posibles perturbaciones. Primero se establece el algoritmo para la solución de problemas de programación no lineal con ecuaciones algebraica diferenciales (NLPDAE), y después se plantean todos los aspectos técnicos necesarios que describen el sistema, tales como criterios para el
diseño de control, basados en la respuesta completa del sistema
(error cuadrático integral) en conjunto con algunos aspectos de
la respuesta (índice de disminución y sobremodulación). Para
el diseño de procesos se determinan las dimensiones físicas de
a integración entre diseño y controlabilidad ha
tomado relevancia en el
diseño de procesos reactivos, debido a la
necesidad de evaluar las características
de operación dinámica de los procesos
durante las fases de diseño en cuanto a
sus aproximaciones cuantitativas. En las
últimas cinco décadas se ha venido realizando un esfuerzo significativo dirigido a
los estudios algorítmicos y teorías de
aplicaciones que surgen del problema de
diseño de procesos y control. Los trabajos de Nishida (1974, 1974) y Nishida e
las unidades, condiciones de operación y parámetros de entonación del control que optimicen tanto los criterios económicos
como la controlabilidad del proceso y a la vez garanticen una
operación factible. Se desarrolla e implementa el algoritmo de
cálculo y se valida la metodología propuesta para el diseño de
torres de destilación binaria comparando la simulación dinámica del sistema con y sin control diseñado con los enfoques
del Diseño Tradicional y del Diseño Integrado. Se sometió el
sistema a una perturbación de 10% y se observa cómo es la
respuesta dinámica. Se demuestra en todos los casos que el Diseño Integrado presenta mejor desempeño que el Diseño Tradicional; su respuesta es mejor con un tiempo de asentamiento
más rápido y un sobreimpulso menor.
Ichikawa (1975) fueron entre los primeros en que se estudió sistemáticamente la
inclusión de consideraciones dinámicas y
de control dentro del problema de síntesis de procesos que contienen incertidumbres en los parámetros. Morari
(1983), Skogestad y Morari (1987a, b),
Morari y Zafiriou (1989), Skogestad
(1991) y Skogestad y Wolff (1992) han
realizado contribuciones significativas en
el análisis de la controlabilidad y en el
estudio de la capacidad de adaptación dinámica de los sistemas. Estos autores
han introducido y analizado magnitudes
de controlabilidad para la interacción de
las variables y el rechazo de perturbaciones. También han investigado las características inherentes a un proceso que limitan su controlabilidad y han propuesto un
procedimiento de síntesis de reguladores
que consideran una estabilidad robusta en
presencia de incertidumbres en los modelos y acciones en las perturbaciones.
Sheffield (1992) proporcionó una perspectiva industrial sobre la necesidad de
integrar el diseño y el control de sistemas. Morari (1992) realizó una recopilación de algunos de los resultados
PALABRAS CLAVES / Diseño Integrado / Diseño Tradicional / Optimización / Perturbaciones /
Recibido: 22/11/2013. Modificado: 08/07/2014. Aceptado: 15/07/2014.
Jesús Ceballos. Ingeniero Químico y M.Sc. en Ingeniería de Procesos, Universidad de Carabobo
(UC), Venezuela. Gerente de Planificación y Nuevos Desarrollos, Petroquímica de Venezuela S.A. Dirección: Urbanización Las
Antillas B, Naguanagua, Estado Carabobo, Venezuela. e-mail: ceballos.jesus@gmail.com.
Carlos Eduardo Segura García. Ingeniero Químico y M.Sc. en Ingeniería de Control de
Procesos, Universidad Nacional Experimental Politécnica Antonio José de Sucre (UNEXPO), Venezuela. Asistente de Producción,
Petroquímica de Venezuela S.A. e-mail: seguracar@gmail.com.
Alexander R. Peraza S. Ingeniero Químico, UNEXPO, Venezuela. M.Sc. en Física/Matemáticas,
Universidad Centroccidental Lisandro Alvarado (UCLA), Venezuela. Personal Asociado a la Investigación, Instituto Venezolano de
Investigaciones Cientificas (IVIC). e-mail: aperaza@ivic.gob.ve
AUGUST 2014, VOL. 39 Nº 8
0378-1844/14/07/468-08 $ 3.00/0
547
importantes y esfuerzos previos concernientes a la interacción entre el diseño y
el control. Bansal et al. (2000) y Salkizli
et al. (2004) centraron esfuerzos en el
estudio y aplicación del Diseño Integrado
y control de sistemas de destilación, utilizando programación dinámica bajo incertidumbres. Para el problema específico
de Diseño Integrado de procesos, el sistema descrito por Schweiger y Floudas
(1997) fue resuelto mediante métodos de
optimización local.
Los algoritmos desarrollados y la simulación implementada arrojan resultados que ponen de manifiesto las
ventajas del enfoque de diseño simultáneo
sobre el enfoque secuencial. Surge así el
enfoque sobre el cual se basa el presente
trabajo, el Diseño Integrado, denominado
así por Gutiérrez y Prada (2003). El
Diseño Integrado es la técnica de diseño
de procesos mediante la cual se obtienen
los parámetros físicos de la planta que
minimicen el coste de operación y construcción, al mismo tiempo que cumplen
con las características de controlabilidad
que se imponen al proceso, obteniendo de
ésta manera diseños de planta flexibles
capaces de mantener sus condiciones de
controlabilidad frente a futuras perturbaciones que se puedan presentar.
Se espera que en un futuro, al ser determinados los mejores métodos aplicados a sistemas industriales específicos, el Diseño Integrado sea la base
al momento de diseñar nuevos procesos
productivos. El presente trabajo es una
contribución en el marco del diseño de
columnas de destilación binaria, y tiene
como objetivo realizar el Diseño Integrado
de tales columnas mediante el uso de métodos de optimización híbridos (métodos
heurísticos y metaheurísticas más métodos
clásicos). Existe una bibliografía extensa
sobre los diferentes algoritmos de optimización convencionales existentes para
afrontar la optimización de funciones; sin
embargo, los métodos convencionales de
optimización, entre los cuales destacan
aquellos basados en la búsqueda del gradiente, se dirigen hacia la solución más
próxima siguiendo la dirección en la que
el gradiente disminuye o aumenta, sin capacidad para discernir entre solución local
y global. Como alternativa, durante las
dos últimas décadas se ha desarrollado
nuevos métodos heurísticos, entre los cuales destacan el recocido simulado (RS),
los algoritmos genéticos (GA) y más recientemente la optimización con enjambre
de partículas (PSO, de particle swarm
optimization).
Entre las metaheurísticas está la búsqueda Tabú (Tabu
search), la cual es empleada en el presente trabajo para el problema de
548
Diseño Integrado de columnas de destilación binarias. Otros autores (Pérez y
Basterrechea, 2005) encuentran que la
búsqueda Tabú puede pertenecer a métodos heurísticos deterministas.
Existen ejemplos exitosos, como el caso de Petcu y Faltings
(2007), quienes desarrollaron un algoritmo
para optimización combinatoria basado en
métodos de búsqueda locales (solo toman
decisiones basados en información local)
y métodos completamente inferenciales.
Elhossini et al. (2010) presentaron una
eficiente estrategia basada en PSO y sobre
el ‘frente de Pareto’ que generalmente se
ve en algoritmos evolutivos, para resolver
problemas de optimización multiobjetivo.
Martinez y Behar (2011) utilizaron una
estrategia híbrida basada en GA y en el
método simplex para la identificación experimental de sistemas de lazo abierto, logrando resultados muy superiores a los
obtenidos por métodos convencionales,
una estrategia muy similar llamada algoritmo simplex génetico realizada por
Hongfeng (2009). Los algoritmos híbridos
han sido utilizados además para la reconstrucción de imágenes, de acuerdo con Liu
et al. (2009), y para el clásico problema
del comerciante viajero de Zhou, Q. y
otros. (2009).
Se establece el enfoque
en la tarea de diseño de procesos químicos de dos formas: el enfoque tradicional
(enfoque secuencial) el cual ha sido llevado a cabo tradicionalmente de manera manual e intuitiva. Una vez que se proponen
diferentes esquemas de diagramas de flujo, los ingenieros se centran en elegir el
esquema de la planta económicamente óptimo desde el punto de vista de ingeniería
civil, pero sin tener en cuenta la secuencia
e interconexión óptima entre las unidades
que lo componen, y sin considerar las características de controlabilidad en lazo
abierto o cerrado que tendría la planta una
vez diseñada. Esta estrategia implica evolucionar hacia la solución a través de sucesivos refinamientos de una solución inicial aproximada. Se propone una estrategia de diseño desarrollando, en principio,
soluciones muy simples para luego agregar capas sucesivas de detalles.
Por su parte, el Diseño
Integrado (enfoque simultáneo), es “la
técnica de diseño de procesos mediante
la cual se obtienen los parámetros físicos de la planta que minimicen el coste
de operación y construcción, al mismo
tiempo que cumplen con las características de controlabilidad que se imponen
al proceso” (Gutiérrez y de Prada, 2003).
La interacción entre el diseño de procesos y el control de procesos surge porque el diseño de procesos químicos determina de un modo inherente su
controlabilidad, que cualitativamente
significa lo bien que un proceso es capaz de rechazar perturbaciones, cuán severamente interactúan las múltiples variables y cuán fácilmente el sistema se
mueve de un punto de operación a otro.
Modelo Matemático del Sistema
El enfoque del modelo
está propuesto para el diseño de una columna de destilación binaria. El objetivo
es diseñar un proceso que separa una alimentación de líquido saturado en productos de fondos y destilados. Se calcula el
número de platos, la ubicación de la alimentación, diámetro de la columna, caudales y composiciones.
Para el desarrollo del
modelo se asume una constante de volatilidad relativa (α), un calderín parcial y un
condensador total. Las variables binarias
pi y qi representan la residencia de la alimentación y el reflujo, respectivamente,
para cada plato i.
Las variables de tiempo
continuo invariante en el modelo son M:
acumulación de líquido en el plato, β:
constante de tiempo hidráulica en el plato,
Rss: relación de reflujo en estado estacionario, Vss: vapor en el calderín en estado
estacionario, Dc: diámetro de la columna,
y Kv, KR, τv y τR: ganancias del controlador y constantes de tiempo.
Las variables dinámicas
en el modelo son xi: composiciones líquidas, yi: composiciones de vapor, Li: caudal de liquido por cada plato, B y D: flujo de fondo y destilado, V: vapor del calderin, y R: reflujo.
El objetivo del Diseño
Integrado para este proceso es determinar
las dimensiones físicas de la unidad, condiciones de operación y parámetros de
entonación del control que optimicen tanto los criterios económicos como la controlabilidad del proceso y a la vez garantice una operación factible. La Figura 1,
representa un diagrama del sistema en
estudio.
El modelo completo de
la columna de destilación binaria se describe a continuación:
Balance por componentes en el calderín
MR
d XB
dt
= L1 ( x1 -x B ) +V ( x B -y B ) (1)
Balance por componente en el plato
MR
d Xi
= L i+1 ( x i+1 -x i ) +V ( yi-1 -yi )
dt
(2)
+pi ( z-x i ) +q i r ( x D -x i )
AUGUST 2014, VOL. 39 Nº 8
D
xN+1
0,5
N+1
xD
xN
LN
R
qN
V
xN-1
LN-1
qN-1
V
xi+1
Li+1
qi+1
pN
yN
V
pN-1
yN-1
pi+1
yi+1
N
cost= β tax cost util +cost cap /β pay
cost = 7756 V + 3,075
SS
2
615+324D +486 (6+0,76N t ) D +
C
C
2
61,25N t 0,7 + 1,5D
C
(
i
yi
V
xi
Li
qi
pi-1
yi-1
V
xi-1
Li-1
qi-1
p2
y2
V
x2
L2
q2
y1
V
y0
V
x1
L1
(14)
Las siguientes expresiones se tomaron de Schweiger y Floudas
(1997). Las restricciones para el proceso
establecido, primero la función objetivo se
relaciona con los costos de diseño y utilidades a través de la expresión
N-1
)
(
F
(15)
(16)
)
y la expresión de la función objetivo que
relaciona la controlabilidad del sistema es
2
p1
1
2
2
d
= t x D -x*D + t x B -x*B (17)
dt
(
q1
0
xB
Figura 1: Diagrama del proceso (superestructura).
Balance por componente en el condensador
MC
d XD
dt
= V ( y N -x D )
(3)
dB
= L1 -V-B
dt
αx i
(8)
( )
1+x i α -1
Para los controladores PI, las expresiones
matemáticas son:
Balance total en el calderín
β
Equilibrio por plato
yi =
(4)
dI B
dt
= x B,m -x *B
(9)
= x D,m -x *D
(10)
Balance total por plato
dL i
dt
dI D
= L i+1 -L i +pi F+q i R
(5)
dD
= V-R-D
dt
(6)
Equilibrio en el calderín
yB =
αx B
1+x B ( α -1)
AUGUST 2014, VOL. 39 Nº 8
(
)
KV
(
)
KR
VC = VSS +K V x B,m -x *B -
Balance total en el condensador
β
dt
R C = R SS +K R x D,m -x *D -
τV
τR
I B (11)
I D (12)
El control final queda como
(7)
0,9
dV
= VC -V
dt
) (
)
Resolución del Diseño Integrado de la
columna de destilación binaria mediante
el método determinístico
B
β
dR
= R C -R
dt
(13)
Para lograr obtener las
condiciones iniciales del problema matemático del Diseño Integrado se optimiza
en estado estacionario primeramente las
variables enteras, mediante la búsqueda
Tabú.
Se plantea la programación de ‘BUSQUEDA TABÚ-VARIABLES’ dentro del programa principal,
como se expone en la sección precedente.
Se procede a la Configuración inicial de
la búsqueda definiendo los parámetros del
modelo, que son: paso final de la búsqueda Tabú (p.Step), valor inicial de las variables (p.y0), número máximo de iteraciones (p.Iter), tamaño de la lista Tabú
(memoria; p.N) y valores iniciales variables continuas (p.x0). Cuando se especifica el caso de optimización (p.case) se establece el valor de 0 o 1, según sea optimizacion en estado estacionario (SS) o
transitorio, respectivamente. Al correr el
programa se da como terminado cuando
se alcanza el tamaño de paso máximo, el
programa reporta el valor óptimo de la
función objetivo en el estado estacionario
y los valores óptimos para las variables
binarias. Luego se optimizan las variables
continuas de diseño de la columna de destilación, es decir, aquellas que influyen en
el costo capital. Y segundo, se optimizan
también en el estado estacionario las variables de control que se relacionan con
los parámetros de los controladores.
La programación se define como ‘Optimizador Deterministico.
549
Error Cuadrado Integral
1400
1.005
1200
1
1000
0.995
800
600
XD
µ(min2)
Variables Continuas Estado Estacionario’. Se incluyen dentro de este programa las funciones fmincon para la optimización no lineal y lsqnolin para resolver
el problema algebraico no lineal; el resultado dará el punto de partida y condiciones iniciales de las variables a ser utilizadas en el sistema de ecuaciones algebraicas diferenciales.
El Diseño Tradicional es
efectuado a través del método del gradiente (función fmincon), correspondiente al
diseño de las variables de diseño en estacionario y al posterior diseño del control,
de forma separada.
0.99
400
0.985
200
0.98
0
0
50
100 150 200
Tiempo (min)
250 300
0.975
0.97
Figura 3: Respuesta dinámica del error cuadrático integral (μ) sin control.
0
50
100 150 200
Tiempo (min)
250 300
0
50
100 150 200
Tiempo (min)
250 300
Resultados
1
0.99
XD
0.98
0.97
0.96
0.95
0.94
0
50
100 150 200
Tiempo (min)
250 300
0.16
0.14
XB
0.1
0.08
0.06
0.04
0.02
50
100
150
200 250 300
Tiempo (min)
Figura 2: Respuesta dinámica de la composición del destilado y residuo o fondo. Diseño
Tradicional.
550
Método tradicional
En el sistema que se estudia, se establece desde el inicio que la
fracción molar de destilado debe ser
≥0,98 y la del residuo ≤0,02. El comportamiento dinámico de las variables controladas se puede observar en la Figura 4 (a
y b), y el error cuadrático integral con
control se muestra en la Figura 5.
La Figura 4a muestra a
lo largo del período de simulación de ~5h
cómo se va estabilizando la composición
del destilado cuando el sistema es sometido a una perturbación tanto del flujo como
de la composición de la alimentación. El
valor máximo de desviación de la restricción de la pureza de destilado se observa
0.1
0.08
XD
En la Figura 2 se representan el comportamiento de la composición en el destilado y del residuo o fondo,
y la Figura 3 representa el error cuadrático integral, a una perturbación en el sistema de 10%.
La estabilidad del sistema frente a posibles perturbaciones es
más pobre usando el Diseño Tradicional
(Figura 2). El sobreimpulso en la curva
del comportamiento dinámico de las variables controladas (fracciones molares de
los productos) es de mayor magnitud, por
lo que las fracciones molares salen fuera
del intervalo de control. Para el caso de la
composición del destilado desciende a
menos de 0,95 y para el residuo se eleva
por encima de 0,14. Esto implica productos fuera de las especificaciones de
calidad.
Con el Diseño Tradicional se tarda más de 4h para alcanzar la
estabilidad del sistema, mientras que con
el Diseño Integrado el sistema tarda entre
1,8 y 2,5h para estabilizarse. Esto influye
en la cantidad de productos defectuosos.
Diseño Integrado (determinístico)
0.12
0
0
0,12
0.06
0.04
0.02
0
Figura 4: Respuesta dinámica de la composición en el destilado y residuo o fondo. Diseño
Integrado mediante método determinístico.
14
Error Cuadrado Integral
12
10
8
XD
Los parámetros iníciales
para la destilación binaria son: volatilidad
relativa α= 2,5; flujo de alimentación
F= 1 kmol·min–1; periodo de recuperación
βpay= 4 años; e impuesto βtax= 0,4
6
4
2
0
0
50
100 150 200 250
Tiempo (min)
300
Figura 5: Respuesta dinámica del error cuadrático integral (μ).
que alcanza un sobreimpulso a un valor de
0,97. Sin embargo, el control basado en la
respuesta total del sistema indica que luego
de 1,8h la composición se eleva a 0,98 y
de allí en adelante tiende a estabilizarse a
AUGUST 2014, VOL. 39 Nº 8
AUGUST 2014, VOL. 39 Nº 8
Costo Vs Controlabilidad
14
12
10
Controlabilidad
una fracción molar >0,99. Similarmente
ocurre en la curva de fracción molar de
destilado mostrada en la Figura 4b. El período de asentamiento se alcanza a ~2,5h
de operación, que es cuando la composición del residuo se mantiene <0,02.
Todo esto indica que
efectivamente el Diseño Integrado para la
columna de destilación planteada, efectúa
una separación idónea de los componentes
y simultáneamente ejerce un control adecuado sobre la composición de los productos, manteniendo la estabilidad y controlabilidad del sistema.
En la Figura 5 se observa que la variación de la controlabilidad a
lo largo del periodo de estudio ocurre en
el intervalo que va de 0,0001 a 13,555,
los cuales representan los valores donde la
controlabilidad tiene un impacto apreciable sobre los costos al momento de realizar el Diseño Integrado.
En la Figura 6 se muestra que el costo total se mantiene sin muchas variaciones desde el valor superior
evaluado ε= 13,555, pero comienza a elevarse
considerablemente
cuando
ε= 5,9808, siendo ε= 5,9473 el valor óptimo. De esta forma se obtiene que el valor
que proporciona un equilibrio tanto en los
objetivos económicos como en los objetivos de control es ε= 5,9473. Es obvio que
a menor error cuadrático integral el costo
total del diseño se incrementa, porque
ejercer un mejor control sobre el sistema
involucra aumento en los costos de utilidad que lógicamente repercuten en el costo total. En este punto, el problema multiobjetivo se convierte en un problema de
programación entero mixto no lineal con
ecuaciones algebraico diferenciales, en el
que se convierte uno de los objetivos en
restricción (μ≤ε), es decir, el error cuadrático integral pasa a formar parte de las
restricciones no lineales del problema.
En la Tabla I se muestra
las ventajas y desventajas de la utilización
del Diseño Tradicional con respecto al
Diseño Integrado (determinístico) en columnas de destilación binaria.
A manera de comparación, en la Tabla II se lista un resumen de
los resultados generado por los programas
OptControl.m para el valor de ε= 5,9473
(Diseño Integrado) y OnlyControl.m
(Diseño Tradicional). Se puede apreciar
que el resultados más resaltantes es el siguiente: usando el Diseño Tradicional se
obtiene una columna con 15 bandejas por
debajo del número obtenido con el Diseño
Integrado, lo que se traduce en una columna más corta. Esto repercute en el costo de
inversión inicial, que implica un ahorro de
USD 12.305,12 como costo capital y de
USD 11.314,3271 en el costo total. Por
otra parte, los flujos de destilado y de
8
6
4
2
0
0
50000
100000
150000
200000
250000
300000
350000
400000
Costo Total ($)
Figura 6: Costo total de diseño vs controlabilidad.
TABLA I
RESUMEN CUALITATIVO. DISEÑO TRADICIONAL VS DISEÑO
INTEGRADO DE UNA COLUMNA DE DESTILACIÓN BINARIA
Diseño
Integrado
Diseño
Tradicional
Ventajas
Control óptimo de la pureza de
los productos.
Tiempos de asentamiento más
cortos, menor cantidad de
productos defectuosos.
Costo capital menor.
Desventajas
Costo capital más elevado.
Control deficiente de la pureza de
los productos.
Tiempos de asentamiento más
largos, mayor cantidad de
productos defectuosos.
vapor son menores en el caso de Diseño
Integrado en el orden de 0,12 kmol·min–1.
Pero el problema se extiende o se prorratea hacia aquellos que
quedan a cargo de la operación de la planta, desde los operadores de las unidades de
proceso hasta el nivel gerencial y administrativo. Esto porque si bien al inicio, para
el diseñador se gana un diseño económico,
para el usuario se posponen elevados costos de operación que surgen al intentar
mantener la estabilidad del sistema y de
desechar o recircular productos fuera de especificación, sin hablar de los costos de
oportunidad por no posicionar productos en
el mercado en el momento adecuado y los
costos por penalización desde el punto de
vista de leyes ambientalistas.
De ésta manera, el
Diseño Integrado optimiza tanto los costos
de inversión inicial, los costos de operación, la estabilidad del sistema en el tiempo e intervalos de control, así como productos de excelente calidad en el momento oportuno y en sintonía con la preservación del ambiente.
Conclusiones
1. La estabilidad del sistema de columnas de destilación frente a posibles perturbaciones es más pobre usando el enfoque secuencial o tradicional de diseño de
procesos. El sobreimpulso en la curva
del comportamiento dinámico de las variables controladas (fracciones molares de
los productos) es de mayor magnitud,
por lo que las fracciones molares salen
fuera del intervalo de control. Para el
caso de la composición del destilado desciende a menos de 0,95 y para el residuo
se eleva por encima de 0,14. Esto implica productos fuera de las especificaciones de calidad.
2. Usando la metodología de Diseño
Tradicional de procesos para el sistema,
se tardan más de 4h para alcanzar la estabilidad del mismo, mientras que con el
Diseño Integrado el sistema tarda entre
1,8 y 2,5h para estabilizarse. Se obtiene
en el primer caso, mayor cantidad de productos defectuosos mientras se espera que
el sistema alcance el estado estable.
551
TABLA II
RESULTADOS DISEÑO TRADICIONAL
Y DISEÑO INTEGRADO (DETERMINÍSTICO)
Diseño Integrado
(deterministico)
Parámetros de diseño
16
31
8
10
0,7535
0,7142
0,80971
0,68401
1,2576
1,1299
Costos del sistema
24426,6419
36731,7645
9754,1488
8763,3532
34180,7906
45495,1177
Simulación en estado estacionario
0,44792
0,44587
0,55208
0,55413
0,98
0,99054
0,02
0,015056
Simulación dinámica (t = 300min)
0,55193
0,54643
0,44807
0,45354
0,98005
0,9931
0,019967
0,015386
13,555
5,9473
1,7872
1,3760
-1,4742
-0,39569
Controlador de reflujo de vapor
-2,98E-005
-0,0002163
0,00060221
0,0031379
Controlador de reflujo de destilado
-0,15737
-0,19109
14,8966
14,5211
Diseño Tradicional
Número de platos
Plato de alimentación
Diámetro de la columna (m)
Reflujo destilado (kmol·min-1)
Reflujo vapor (kmol·min–1)
Costos de capital (USD)
Costos de utilidad (USD)
Costos totales (USD)
Flujo de Destilado (kmol·min-1)
Flujo de Residuo (kmol·min-1)
Fracción de “A” Destilado (liquído)
Fracción de “A” Fondo (liquído)
Flujo de destilado (kmol·min-1)
Flujo de residuo (kmol·min-1)
Fracción de “A” destilado (liquído)
Fracción de “A” fondo (liquído)
ISE (min2)
Término integral controlador residuo
Término integral controlador destilado
Ganancia
Contante de tiempo
Ganancia
Contante de tiempo
3. El Diseño Integrado para el sistema estudiado presenta mejor estabilidad frente a
las perturbaciones.
4. Usando el Diseño Tradicional de procesos para el sistema estudiado se obtiene
una columna con 15 bandejas por debajo
del número obtenido con el Diseño
Integrado, lo que se traduce en una columna más corta. Esto repercute en el
costo de inversión inicial, que implica un
ahorro de $12.305,12 como costo capital
y de $11.314,3271 en el costo total.
Inicialmente para el diseñador se gana un
diseño económico, pero para el usuario se
posponen elevados costos de operación
que surgen al intentar mantener la estabilidad del sistema y de desechar o recircular productos fuera de especificación, sin
hablar de los costos de oportunidad por
no posicionar productos en el mercado en
el momento adecuado y los costos por penalización desde el punto de vista de leyes ambientalistas.
5. El Diseño Integrado optimiza tanto los
costos de inversión inicial, los costos de
operación, la estabilidad del sistema en el
tiempo e intervalos de control, así como
productos de excelente calidad en el
552
momento oportuno y en sintonía con la
preservación del ambiente.
6. Para la estrategia metodológica más factible económicamente el comportamiento
dinámico del error cuadrático integral (ISE)
presentó una variación de la controlabilidad
a lo largo del periodo de estudio en el intervalo de 0,77406 a 13,555. El valor óptimo de controlabilidad ε, que proporciona
un equilibrio tanto en los objetivos económicos como en los objetivos de control, es
ε= 3,0624.
REFERENCIAS
Bansal V, Perkins JD, Pistikopoulos EN, Ross R,
van Schijndel JMG (2000) Simultaneous design and control optimisation under uncertainty. Comput. Chem. Eng. 24: 261-266.
Brengel DD, Sieder WD (1992) Coordinated design and control optimizatiom of nonlinear
processes. Comput. Chem. Eng. 16: 861-886.
Elhossini A, Areibi S, Dony R. (2010) Strength
Pareto particle swarm optimization and hybrid EA-PSO for multi-objective optimization. EVol. Comput. 18: 127-156.
Elliot TR, Luyben WL (1995) Capacity-based approach for the quantitative assessment of process controllability during the conceptual design
stage. Indust. Eng. Chem. Res. 34: 3907-3915.
Figueroa JL, Bahri PA, Bandoni JA, Romagnoli
JA (1996) Eonomic impact of disturbances
and uncertain parameters in chemical processes-a dynamic back-off analysis. Comput.
Chem. Eng. 20: 453-461.
Gutiérrez G, De Prada C (2003) Diseño Integrado
y Síntesis de Procesos Químicos. Universidad
de Valladolid. España. pp. 1-6.
Hongfeng X, Guanzheng T, Jingui H (2009) Large
scale function optimization or high-dimension
function optimization in large using simplexbased genetic algorithm. Proc. GEC Summit
2009: 209-216.
Kirkpatrick S, Gelatt CDJr1, M. P. Vecchi MP
(1983) Optimization by simulated annealing.
Science 220: 671-680.
Liu C, Wan W, Wu Y (2009) Liu C. Image based
reconstruction using hybrid optimization of
simulated annealing and genetic algorithm.
Proc. GEC Summit 2009: 875-878.
Luyben ML, Floudas CA (1994) Analyzing the interaction of design and control. Comput.
Chem. Eng. 18: 933-969.
Martinez T, Behar A (2011) Estrategia Híbrida
AG-SIMPLEX
para
la
Identificación
Experimental de Sistemas. Instituto de
Cibernética, Matemática y Física. México.
240-244 pp.
Mohideen MJ, Perkins JD, Pistikopoulos EN
(1996) Optimal design of dynamic systems
under uncertainty. AIChE J. 42: 2251-2272.
Morari M (1983) Design of resilient processing
plants III, A general framework for the assessment of dynamic resilience. Indust. Chem.
Eng. Sci. 38: 1881-1891.
Morari M. (1992) Effect of design on the controllability of chemical plants. In Perkins JD
(Ed.) Workshop Interactions Between Process
Design and Process Control. Preprints IFAC.
Pergamon. Oxford, RU. pp. 3-16.
Morari M, Zafiriou E (1989) Robust Process
Control. Prentice-hall. Englewood Cliffs, NJ.
488 pp.
Naraway LT, Perkins JD (1993) Selection of control structure based on economics. Comput.
Chem. Eng. 18: 511-515.
Naraway LT, Perkins JD, Barton GW (1991)
Interaction between process design and process control: economic analysis of process
dynamics. J. Proc. Cont. 1: 243-250.
Nishida N, Ichikawa A (1975) Synthesis of optimal
dynamic process systems by a gradient
method. Indust. Eng. Chem. Proc. 13:
236-242.
Nishida N, Ichikawa A, Tazoki E (1974) Synthesis
of optimal process systems with uncertainty.
Indust. Eng. Chem. Proc. 13: 209-2014.
Nishida N, Liu Y, Ichikawa A (1976) Studies in
chemical process design and síntesis II. optimal synthesis of dynamic process systems
with uncertainty. AIChE J. 22: 539-549.
Pérez J, Basterrechea J (2005) Contribución a los
Métodos de Optimización Basados en
Procesos Naturales y su Aplicación a la
Medida de Antenas en Campo Próximo.
Tesis. Universidad de Cantabria. España.
Petcu A, Faltings B (2007) LS-DROP. A Hybrid
of Inference and Local Search for
Distributed Combinatorial Optimization. Int.
Conf on Intelligent Agent Technology.
Fremont, CA, EEUU.
Quintana F (2003) Síntesis de Procesos
(Optimización del Diseño de Plantas
Químicas). Universidad Politécnica de
Madrid. España. 184 pp.
AUGUST 2014, VOL. 39 Nº 8
Sakizlis V, Perkins JD, Pistikopoulos EN (2004)
Recent advances in optimization-based simultaneous process and control design. Comput.
Chem. Eng. 28: 2069-2086.
Scenna NJ (1999) Modelado, Simulación y
Optimización de Procesos Químicos. Univeridad
Tecnológica Nacional. Argentina. 840 pp.
Sheffield R (1992) Integrate process and control
system design. Indust. Chem. Eng. Prog. 88:
30-35.
Schweiger C, Floudas C (1997) Interaction of
desing and control. Optimization with dynamic models. En hager WW, Pardalos PM
(Eds.) Optimal Control Theory, Algorithms
and Applications. Kluwer. Princeton, NJ,
EEUU. pp. 1-2.
Skogestad S (1991) Consistency of steady-state
models using insight about extensive variables.
Indust. Eng. Chem. Res. 30: 654-661.
Skogestad S, Morari M (1987a) Control conFigurations for distillation columns. AIChEJ. 33:
1620-1635.
Skogestad S, Morari M (1987b) Design of resilient processing plants-IX. Effect of model
uncertainty on dynamic resilience. Chem.
Eng. Sci. 42: 1765-1780.
Skogestad S, Wolff E (1992) Controllability measures for disturbance rejection. In Perkins
JD (Ed.) Workshop Interactions Between
Process Design and Process Control.
Preprints IFAC. Pergamon. Oxford, RU.
pp. 127-132.
Walsh S, Perkins JD (1996) Operability and control and process synthesis and design. Adv.
Chem. Eng. 23: 301-402.
Zhou Q. y otros (2009) A hybrid optimization algorithm for the job-shop scheduling problem.
Department of Computer Science and
Technology. Chuzhou University. China.
DESIGN OF DISTILLATION COLUMNS FOR BINARY SYSTEMS. TRADITIONAL AND INTEGRATED APPROACHES
Jesús E. Ceballos J., Carlos E. Segura G. and Alexander R. Peraza S.
SUMMARY
A method is explored to carry out the Integrated Design
process of a binary distillation column, which considers together the dynamics of the process and its control, from the
design phase, ensuring that the system responds appropriately to disturbances. First, the algorithm for solving nonlinear programming problems is established with differential
algebraic equations (NLP-DAE), and thereafter all technical
aspects necessary to describe the system are set out, such as
criteria for control design based on the full response of the
system (integral squared error) together with some aspects of
the response (decline rate and overshoot). For process design
the physical dimensions of the units, operating conditions,
and control and tuning parameters to optimize both economic criteria and process control, while ensuring a feasible
operation, are determined. and implements An algorithm for
calculation is developed and the proposed methodology validated for the design of binary distillation towers, comparing
the dynamic simulation of the system with and without control designed with both traditional and integrated approaches. The system was subjected to a disturbance of 10% and
the dynamic response observed. It is shown that in all cases
the integrated designhas a better performance than the traditional design; its response is better, with a faster settling
time and less overshoot.
DESENHO DE COLUNAS DE DESTILAÇÃO PARA SISTEMAS BINÁRIOS. ENFOQUES TRADICIONAL E INTEGRADO
Jesús E. Ceballos J., Carlos E. Segura G. e Alexander R. Peraza S.
RESUMO
Explora-se um método para efetuar o Desenho Integrado de
processos de uma coluna de destilação binária, o qual considera a dinâmica do processo e seu controle conjuntamente desde
a fase de desenho, garantindo que o sistema responda adequadamente diante de possíveis perturbações. Primeiro se estabelece o algoritmo para a solução de problemas de programação
não linear com equações algébrico- diferenciais (NLP-DAE), e
depois se sugerem todos os aspectos técnicos necessários que
descrevem o sistema, tais como critérios para o desenho de
controle, baseados na resposta completa do sistema (erro quadrático integral) em conjunto com alguns aspectos da resposta (índice de diminuição e sobre modulação). Para o desenho
de processos se determinam as dimensões físicas das unidades,
AUGUST 2014, VOL. 39 Nº 8
condições de operação e parâmetros de entonação do controle
que aperfeiçoem tanto os critérios econômicos como a controlabilidade do processo e por sua vez garantirem uma operação
factível. É desenvolvido e implementado o algoritmo de cálculo
e validada a metodologia proposta para o desenho de torres de
destilação binária comparando a simulação dinâmica do sistema com e sem controle desenhado com os enfoques do Desenho
Tradicional e do Desenho Integrado. Submeteu-se o sistema a
uma perturbação de 10% e se observa como é a resposta dinâmica. Demonstra-se em todos os casos que o Desenho Integrado apresenta melhor desempenho que o Desenho Tradicional;
sua resposta é melhor com um tempo de assentamento mais rápido e um sobre impulso menor.
553