Este documento presenta la simulación de procesos como una herramienta útil para el análisis, diseño y optimización de procesos químicos. Describe los diferentes tipos de simuladores de procesos y sus metodologías, y analiza las ventajas y desventajas de la simulación. Concluye que la simulación facilita el diseño moderno de procesos de manera rentable y efectiva.
Introducción a la investigación de operacionesManuel Bedoya D
El documento presenta una introducción a la investigación de operaciones. Explica los antecedentes históricos de la materia con los pioneros George Dantzig y Rusell Ackoff. Describe la metodología de la IO como un enfoque científico interdisciplinario para la toma de decisiones en problemas complejos. Incluye aplicaciones comunes de la IO y una bibliografía referencial. Además, contiene un índice con los diferentes capítulos que componen el material de estudio.
Este documento presenta una introducción a la Investigación de Operaciones (I de O). Explica que la I de O aplica el método científico para resolver problemas relacionados con el control de organizaciones. También describe la metodología de la I de O, que incluye definir el problema, construir un modelo matemático, obtener una solución al modelo y validarla. Finalmente, menciona algunos tipos de modelos usados en la I de O.
Uso de un similudaor de procesos en solucion de problemas de ingenieria quimicaYazmin Mendoza
El documento describe un procedimiento de 7 pasos para resolver problemas usando simuladores de procesos. Estos pasos incluyen definir claramente el problema, investigar, planear soluciones, introducir la información al simulador, analizar los resultados, hacer cambios e iterar, y verificar la solución. El documento también presenta un ejemplo de problema que involucra determinar la composición y flujo de vapor de un evaporador y cómo es afectado por la fracción de líquido recirculado.
Teoría básica de investigaciones de operacionesElvis Marin
Este documento describe el origen y desarrollo de la investigación de operaciones. Comenzó formalmente en Inglaterra durante la Segunda Guerra Mundial para mejorar la toma de decisiones militares. Luego se adaptó para mejorar la eficiencia industrial. Una de sus áreas clave es la optimización matemática. Hoy en día, los modelos de optimización se usan cada vez más en la toma de decisiones debido a un mejor entendimiento de los métodos, la complejidad de los problemas y el desarrollo de software.
La Metodología de sistemas blandos (SSM) fue desarrollada por Peter Checkland para aplicar un enfoque sistemático a problemas organizacionales complejos que tienen un alto componente social, político y humano. El SSM utiliza gráficas enriquecidas y definiciones de fondo de sistemas para comprender mejor la situación problemática y luego genera modelos conceptuales para comparar y guiar cambios deseables. A diferencia de otros métodos centrados en la tecnología, el SSM se enfoca en la naturaleza humana de los problemas organizacionales
Este documento discute la aplicabilidad potencial de la ingeniería de sistemas para el desarrollo socioeconómico en México. Brevemente define conceptos clave como sistemas, sistemas productivos e ingeniería de sistemas. Argumenta que a pesar del potencial de la ingeniería de sistemas, los resultados socioeconómicos en México siguen siendo deficientes debido a que los especialistas no han enfocado suficientemente esfuerzos en su solución y porque la población mexicana está "diseñada por el enemigo",
Este documento introduce el tema de la investigación de operaciones. Explica que la IO se aplica a problemas relacionados con el control y coordinación de operaciones dentro de una organización buscando encontrar la mejor solución posible. También describe que la IO utiliza grupos interdisciplinarios y el método científico para modelar problemas a través de modelos matemáticos y así encontrar soluciones óptimas considerando los objetivos de la organización. Finalmente, resume los pasos básicos de la metodología de la IO como la definición del problema, formulación del modelo,
El documento describe la historia y naturaleza de la investigación de operaciones. Sus orígenes se remontan a décadas atrás, pero su desarrollo se aceleró durante la Segunda Guerra Mundial cuando científicos aplicaron métodos cuantitativos a problemas militares. Tras la guerra, estas técnicas se expandieron a otros campos. La investigación de operaciones usa enfoques interdisciplinarios y cuantitativos para resolver problemas relacionados con la administración y coordinación de organizaciones, buscando soluciones óptimas.
Introducción a la investigación de operacionesManuel Bedoya D
El documento presenta una introducción a la investigación de operaciones. Explica los antecedentes históricos de la materia con los pioneros George Dantzig y Rusell Ackoff. Describe la metodología de la IO como un enfoque científico interdisciplinario para la toma de decisiones en problemas complejos. Incluye aplicaciones comunes de la IO y una bibliografía referencial. Además, contiene un índice con los diferentes capítulos que componen el material de estudio.
Este documento presenta una introducción a la Investigación de Operaciones (I de O). Explica que la I de O aplica el método científico para resolver problemas relacionados con el control de organizaciones. También describe la metodología de la I de O, que incluye definir el problema, construir un modelo matemático, obtener una solución al modelo y validarla. Finalmente, menciona algunos tipos de modelos usados en la I de O.
Uso de un similudaor de procesos en solucion de problemas de ingenieria quimicaYazmin Mendoza
El documento describe un procedimiento de 7 pasos para resolver problemas usando simuladores de procesos. Estos pasos incluyen definir claramente el problema, investigar, planear soluciones, introducir la información al simulador, analizar los resultados, hacer cambios e iterar, y verificar la solución. El documento también presenta un ejemplo de problema que involucra determinar la composición y flujo de vapor de un evaporador y cómo es afectado por la fracción de líquido recirculado.
Teoría básica de investigaciones de operacionesElvis Marin
Este documento describe el origen y desarrollo de la investigación de operaciones. Comenzó formalmente en Inglaterra durante la Segunda Guerra Mundial para mejorar la toma de decisiones militares. Luego se adaptó para mejorar la eficiencia industrial. Una de sus áreas clave es la optimización matemática. Hoy en día, los modelos de optimización se usan cada vez más en la toma de decisiones debido a un mejor entendimiento de los métodos, la complejidad de los problemas y el desarrollo de software.
La Metodología de sistemas blandos (SSM) fue desarrollada por Peter Checkland para aplicar un enfoque sistemático a problemas organizacionales complejos que tienen un alto componente social, político y humano. El SSM utiliza gráficas enriquecidas y definiciones de fondo de sistemas para comprender mejor la situación problemática y luego genera modelos conceptuales para comparar y guiar cambios deseables. A diferencia de otros métodos centrados en la tecnología, el SSM se enfoca en la naturaleza humana de los problemas organizacionales
Este documento discute la aplicabilidad potencial de la ingeniería de sistemas para el desarrollo socioeconómico en México. Brevemente define conceptos clave como sistemas, sistemas productivos e ingeniería de sistemas. Argumenta que a pesar del potencial de la ingeniería de sistemas, los resultados socioeconómicos en México siguen siendo deficientes debido a que los especialistas no han enfocado suficientemente esfuerzos en su solución y porque la población mexicana está "diseñada por el enemigo",
Este documento introduce el tema de la investigación de operaciones. Explica que la IO se aplica a problemas relacionados con el control y coordinación de operaciones dentro de una organización buscando encontrar la mejor solución posible. También describe que la IO utiliza grupos interdisciplinarios y el método científico para modelar problemas a través de modelos matemáticos y así encontrar soluciones óptimas considerando los objetivos de la organización. Finalmente, resume los pasos básicos de la metodología de la IO como la definición del problema, formulación del modelo,
El documento describe la historia y naturaleza de la investigación de operaciones. Sus orígenes se remontan a décadas atrás, pero su desarrollo se aceleró durante la Segunda Guerra Mundial cuando científicos aplicaron métodos cuantitativos a problemas militares. Tras la guerra, estas técnicas se expandieron a otros campos. La investigación de operaciones usa enfoques interdisciplinarios y cuantitativos para resolver problemas relacionados con la administración y coordinación de organizaciones, buscando soluciones óptimas.
El documento introduce la Investigación de Operaciones como la aplicación del método científico para tomar decisiones en organizaciones. Explica que involucra áreas como manufactura, transporte y más. También describe que la toma de decisiones puede ser cualitativa o cuantitativa, y que surgió para asignar recursos durante la Segunda Guerra Mundial. Finalmente, define un problema de maximizar el área de un rectángulo con alambre limitado para ilustrar los componentes de un problema de IO: alternativas, restricciones y criterio objetivo.
La investigación de operaciones se aplica a problemas relacionados con la conducción y coordinación de operaciones dentro de una organización. Utiliza métodos matemáticos y de modelado para mejorar la eficiencia y productividad de organizaciones. Algunas características clave son el enfoque de sistemas, el modelado matemático y el trabajo en equipo. La investigación de operaciones ha tenido un gran impacto en mejorar la eficiencia de organizaciones en todo el mundo.
La aplicacion de la metodologia de sist durosTeacher
Los sistemas duros se identifican como aquellos en los que interactúan hombres y máquinas, dándole mayor importancia a lo tecnológico sobre lo social. Checkland realizó un análisis crítico de estos esquemas. Los sistemas duros se basan en hechos concretos y términos matemáticos para satisfacer necesidades humanas de forma innovadora.
La IO se originó en los años 1750 aplicando modelos matemáticos a problemas económicos y se desarrolló en el siglo XX para resolver problemas militares y logísticos. La IO usa métodos científicos como modelado matemático, estadística y algoritmos para tomar decisiones óptimas que maximicen los objetivos de una organización.
El documento describe la historia y métodos de la investigación operativa. Comenzó en Inglaterra a finales de 1939 para maximizar la eficiencia militar durante la Segunda Guerra Mundial. Involucra el uso de modelos matemáticos, estadística y teoría de probabilidades para resolver problemas complejos. Algunos métodos incluyen programación lineal, teoría de juegos, simulación por eventos discretos y algoritmos genéticos.
Este documento presenta una introducción a los métodos probabilísticos. Explica que la investigación de operaciones utiliza modelos matemáticos para representar sistemas reales de manera simplificada. Incluye una clasificación de los diferentes tipos de modelos como determinísticos, probabilísticos, híbridos y heurísticos. También describe los pasos del método científico aplicado a la investigación de operaciones.
Este documento presenta un manual para la asignatura de Investigación de Operaciones de la Universidad Continental de Ciencias e Ingeniería. Incluye la misión y visión de la universidad, una introducción al curso y un índice de los siete temas que serán cubiertos, incluyendo programación lineal, teoría de colas, teoría de decisiones y cadenas de Markov. El objetivo del curso es enseñar técnicas cuantitativas para la toma de decisiones en sistemas empresariales basadas en el método cientí
El documento presenta los pasos para realizar un estudio de factibilidad de un sistema de información. Explica que un estudio de factibilidad resume el proceso de análisis y diseño e identifica tres tipos de factibilidad a considerar: técnica, económica y operacional. Luego detalla los pasos típicos de un estudio de factibilidad, incluyendo definir los objetivos, analizar el sistema existente, desarrollar un modelo lógico propuesto y alternativas de solución.
La investigación operativa es una disciplina científica moderna que aplica teoría, métodos y técnicas especiales para resolver problemas de administración y control en sistemas naturales y creados por humanos. Requiere amplios conocimientos matemáticos y definir un modelo que guíe las decisiones. Se originó en Inglaterra durante la Segunda Guerra Mundial para apoyar la toma de decisiones militares y luego se adaptó a mejorar la eficiencia industrial y de producción civil.
Este documento trata sobre la investigación de operaciones. Explica que la investigación de operaciones aplica el método científico para resolver problemas complejos, desarrollando modelos matemáticos y buscando soluciones óptimas. También describe los tipos de modelos, las etapas para formular un problema, y algunas técnicas como la programación lineal.
Este documento presenta los conceptos básicos de la simulación de procesos químicos utilizando simuladores modulares. Introduce los fundamentos de la simulación de procesos, describiendo brevemente la evolución histórica de los métodos de cálculo y diseño en ingeniería química. Explica el funcionamiento básico del simulador UniSim Design y guía al lector en la configuración del esquema de simulación, selección de modelos termodinámicos, tratamiento de compuestos hipotéticos y
El documento describe el uso de simulaciones en ingeniería. Las simulaciones se utilizan ampliamente para probar diseños de productos sin necesidad de costosos prototipos físicos. Actualmente, las simulaciones multifísicas son cruciales para predecir el rendimiento de los productos bajo diferentes condiciones, lo que ayuda a los ingenieros a optimizar diseños y eliminar posibles fallos. El futuro de la simulación en ingeniería implica el uso generalizado de simulaciones multifísicas para abordar los desafíos de la creciente complej
1) El documento presenta información sobre la simulación de procesos de alimentos, incluyendo las etapas de la simulación, los tipos de modelos matemáticos y mecanismos de transferencia de calor. 2) Describe los tipos de modelos como físicos, analógicos y simbólicos, así como los elementos básicos de un modelo de simulación como variables, estados y parámetros. 3) Explica que la simulación permite predecir el comportamiento de un sistema real bajo diferentes condiciones a través de un modelo matem
Este documento presenta tres problemas relacionados con líneas de espera, inventarios y proyectos de inversión donde los modelos matemáticos tradicionales no se ajustan a las distribuciones de probabilidad involucradas. Explica que en estos casos la simulación es una técnica útil para resolverlos, imitando el comportamiento del sistema a través de un modelo y variando parámetros. También introduce conceptos básicos de simulación como su definición, historia, aplicaciones comunes y ventajas del uso de esta técnica.
1. El documento presenta información sobre simulación de procesos químicos, incluyendo diferentes estrategias de simulación como secuencial, simultánea e híbrida.
2. También discute las aplicaciones de la simulación en diseño de procesos, optimización, resolución de problemas de operación y enseñanza.
3. Finalmente, menciona algunos de los simuladores de procesos más utilizados como Aspen, PRO II, ChemCad y otros.
Este documento describe los modelos de programación lineal y sus aplicaciones en las ciencias agropecuarias. Explica que los modelos matemáticos permiten optimizar los recursos y procesos agrícolas para satisfacer las demandas del mercado de manera competitiva y sostenible. También describe que la programación lineal brinda herramientas para interpretar mejor la actividad agrícola y tomar decisiones a largo plazo. Finalmente, el documento explica que presentará ejemplos reales de cómo usar herramientas matemáticas como GeoGebra y Sol
Los métodos cualitativos tradicionales de toma de decisiones se han vuelto inoperantes, quizá validos únicamente para pequeños proyectos. En proyectos grandes se hace necesario que el profesional agropecuario tenga un conocimiento básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar con ellos y aplicarlos para optimizar las distintas tareas productivas, como son producción, producción, finanzas, ventas, mezclas de productos, formulación de fertilizantes naturales, distribución de tierras…entre otros, con miras a obtener los máximos beneficios en el campo agropecuario.
El documento presenta los conceptos básicos y la historia de la Investigación de Operaciones. Explica que la IO es un enfoque científico para la toma de decisiones que involucra modelar situaciones complejas, desarrollar técnicas de solución y comunicar resultados de manera efectiva. También describe las fases del proceso de IO, incluyendo la formulación del problema, construcción del modelo, obtención de soluciones y validación de resultados.
Este documento describe los diferentes tipos de modelos, incluyendo modelos físicos, abstractos y matemáticos. Explica que los modelos de simulación se pueden clasificar como determinísticos, estocásticos, estáticos o dinámicos. También discute cuándo es necesario utilizar la simulación versus cuando no lo es, y proporciona criterios para que un modelo de simulación sea efectivo, como ser fácil de entender y adaptable.
Este documento presenta un modelo metaheurístico de optimización basado en el recocido simulado para analizar cadenas de suministro. El autor propone aplicar conceptos de mecánica estadística sobre deformaciones materiales a los procesos de la cadena de suministro para identificar posibles áreas débiles. El modelo busca determinar qué partes de la cadena, representadas por constantes como la elasticidad y geometría, absorben mejor fuerzas externas para programar mejoras a la producción, planificación y costos.
Este documento presenta una introducción a la Investigación de Operaciones (IO). Explica que la IO aplica el método científico a problemas relacionados con el control y coordinación de operaciones dentro de una organización con el objetivo de encontrar la mejor solución. También describe que la IO involucra grupos interdisciplinarios y que su enfoque incluye definir un problema, formular un modelo matemático, obtener una solución al modelo y validarla.
El documento introduce la Investigación de Operaciones como la aplicación del método científico para tomar decisiones en organizaciones. Explica que involucra áreas como manufactura, transporte y más. También describe que la toma de decisiones puede ser cualitativa o cuantitativa, y que surgió para asignar recursos durante la Segunda Guerra Mundial. Finalmente, define un problema de maximizar el área de un rectángulo con alambre limitado para ilustrar los componentes de un problema de IO: alternativas, restricciones y criterio objetivo.
La investigación de operaciones se aplica a problemas relacionados con la conducción y coordinación de operaciones dentro de una organización. Utiliza métodos matemáticos y de modelado para mejorar la eficiencia y productividad de organizaciones. Algunas características clave son el enfoque de sistemas, el modelado matemático y el trabajo en equipo. La investigación de operaciones ha tenido un gran impacto en mejorar la eficiencia de organizaciones en todo el mundo.
La aplicacion de la metodologia de sist durosTeacher
Los sistemas duros se identifican como aquellos en los que interactúan hombres y máquinas, dándole mayor importancia a lo tecnológico sobre lo social. Checkland realizó un análisis crítico de estos esquemas. Los sistemas duros se basan en hechos concretos y términos matemáticos para satisfacer necesidades humanas de forma innovadora.
La IO se originó en los años 1750 aplicando modelos matemáticos a problemas económicos y se desarrolló en el siglo XX para resolver problemas militares y logísticos. La IO usa métodos científicos como modelado matemático, estadística y algoritmos para tomar decisiones óptimas que maximicen los objetivos de una organización.
El documento describe la historia y métodos de la investigación operativa. Comenzó en Inglaterra a finales de 1939 para maximizar la eficiencia militar durante la Segunda Guerra Mundial. Involucra el uso de modelos matemáticos, estadística y teoría de probabilidades para resolver problemas complejos. Algunos métodos incluyen programación lineal, teoría de juegos, simulación por eventos discretos y algoritmos genéticos.
Este documento presenta una introducción a los métodos probabilísticos. Explica que la investigación de operaciones utiliza modelos matemáticos para representar sistemas reales de manera simplificada. Incluye una clasificación de los diferentes tipos de modelos como determinísticos, probabilísticos, híbridos y heurísticos. También describe los pasos del método científico aplicado a la investigación de operaciones.
Este documento presenta un manual para la asignatura de Investigación de Operaciones de la Universidad Continental de Ciencias e Ingeniería. Incluye la misión y visión de la universidad, una introducción al curso y un índice de los siete temas que serán cubiertos, incluyendo programación lineal, teoría de colas, teoría de decisiones y cadenas de Markov. El objetivo del curso es enseñar técnicas cuantitativas para la toma de decisiones en sistemas empresariales basadas en el método cientí
El documento presenta los pasos para realizar un estudio de factibilidad de un sistema de información. Explica que un estudio de factibilidad resume el proceso de análisis y diseño e identifica tres tipos de factibilidad a considerar: técnica, económica y operacional. Luego detalla los pasos típicos de un estudio de factibilidad, incluyendo definir los objetivos, analizar el sistema existente, desarrollar un modelo lógico propuesto y alternativas de solución.
La investigación operativa es una disciplina científica moderna que aplica teoría, métodos y técnicas especiales para resolver problemas de administración y control en sistemas naturales y creados por humanos. Requiere amplios conocimientos matemáticos y definir un modelo que guíe las decisiones. Se originó en Inglaterra durante la Segunda Guerra Mundial para apoyar la toma de decisiones militares y luego se adaptó a mejorar la eficiencia industrial y de producción civil.
Este documento trata sobre la investigación de operaciones. Explica que la investigación de operaciones aplica el método científico para resolver problemas complejos, desarrollando modelos matemáticos y buscando soluciones óptimas. También describe los tipos de modelos, las etapas para formular un problema, y algunas técnicas como la programación lineal.
Este documento presenta los conceptos básicos de la simulación de procesos químicos utilizando simuladores modulares. Introduce los fundamentos de la simulación de procesos, describiendo brevemente la evolución histórica de los métodos de cálculo y diseño en ingeniería química. Explica el funcionamiento básico del simulador UniSim Design y guía al lector en la configuración del esquema de simulación, selección de modelos termodinámicos, tratamiento de compuestos hipotéticos y
El documento describe el uso de simulaciones en ingeniería. Las simulaciones se utilizan ampliamente para probar diseños de productos sin necesidad de costosos prototipos físicos. Actualmente, las simulaciones multifísicas son cruciales para predecir el rendimiento de los productos bajo diferentes condiciones, lo que ayuda a los ingenieros a optimizar diseños y eliminar posibles fallos. El futuro de la simulación en ingeniería implica el uso generalizado de simulaciones multifísicas para abordar los desafíos de la creciente complej
1) El documento presenta información sobre la simulación de procesos de alimentos, incluyendo las etapas de la simulación, los tipos de modelos matemáticos y mecanismos de transferencia de calor. 2) Describe los tipos de modelos como físicos, analógicos y simbólicos, así como los elementos básicos de un modelo de simulación como variables, estados y parámetros. 3) Explica que la simulación permite predecir el comportamiento de un sistema real bajo diferentes condiciones a través de un modelo matem
Este documento presenta tres problemas relacionados con líneas de espera, inventarios y proyectos de inversión donde los modelos matemáticos tradicionales no se ajustan a las distribuciones de probabilidad involucradas. Explica que en estos casos la simulación es una técnica útil para resolverlos, imitando el comportamiento del sistema a través de un modelo y variando parámetros. También introduce conceptos básicos de simulación como su definición, historia, aplicaciones comunes y ventajas del uso de esta técnica.
1. El documento presenta información sobre simulación de procesos químicos, incluyendo diferentes estrategias de simulación como secuencial, simultánea e híbrida.
2. También discute las aplicaciones de la simulación en diseño de procesos, optimización, resolución de problemas de operación y enseñanza.
3. Finalmente, menciona algunos de los simuladores de procesos más utilizados como Aspen, PRO II, ChemCad y otros.
Este documento describe los modelos de programación lineal y sus aplicaciones en las ciencias agropecuarias. Explica que los modelos matemáticos permiten optimizar los recursos y procesos agrícolas para satisfacer las demandas del mercado de manera competitiva y sostenible. También describe que la programación lineal brinda herramientas para interpretar mejor la actividad agrícola y tomar decisiones a largo plazo. Finalmente, el documento explica que presentará ejemplos reales de cómo usar herramientas matemáticas como GeoGebra y Sol
Los métodos cualitativos tradicionales de toma de decisiones se han vuelto inoperantes, quizá validos únicamente para pequeños proyectos. En proyectos grandes se hace necesario que el profesional agropecuario tenga un conocimiento básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar con ellos y aplicarlos para optimizar las distintas tareas productivas, como son producción, producción, finanzas, ventas, mezclas de productos, formulación de fertilizantes naturales, distribución de tierras…entre otros, con miras a obtener los máximos beneficios en el campo agropecuario.
El documento presenta los conceptos básicos y la historia de la Investigación de Operaciones. Explica que la IO es un enfoque científico para la toma de decisiones que involucra modelar situaciones complejas, desarrollar técnicas de solución y comunicar resultados de manera efectiva. También describe las fases del proceso de IO, incluyendo la formulación del problema, construcción del modelo, obtención de soluciones y validación de resultados.
Este documento describe los diferentes tipos de modelos, incluyendo modelos físicos, abstractos y matemáticos. Explica que los modelos de simulación se pueden clasificar como determinísticos, estocásticos, estáticos o dinámicos. También discute cuándo es necesario utilizar la simulación versus cuando no lo es, y proporciona criterios para que un modelo de simulación sea efectivo, como ser fácil de entender y adaptable.
Este documento presenta un modelo metaheurístico de optimización basado en el recocido simulado para analizar cadenas de suministro. El autor propone aplicar conceptos de mecánica estadística sobre deformaciones materiales a los procesos de la cadena de suministro para identificar posibles áreas débiles. El modelo busca determinar qué partes de la cadena, representadas por constantes como la elasticidad y geometría, absorben mejor fuerzas externas para programar mejoras a la producción, planificación y costos.
Este documento presenta una introducción a la Investigación de Operaciones (IO). Explica que la IO aplica el método científico a problemas relacionados con el control y coordinación de operaciones dentro de una organización con el objetivo de encontrar la mejor solución. También describe que la IO involucra grupos interdisciplinarios y que su enfoque incluye definir un problema, formular un modelo matemático, obtener una solución al modelo y validarla.
Este documento presenta una revisión sobre los programas más utilizados para la simulación, diseño y
control de plantas de tratamiento de agua residual. Se plantea la posibilidad de utilizar este tipo de herramientas
para investigación, ambientes profesionales y de docencia. Este documento recopila el software
más utilizado, teniendo en cuenta que estas herramientas permiten mejorar el rendimiento, control y la
optimización de las plantas de tratamiento de agua residual
Este documento describe los fundamentos, metodologías y aplicaciones de los sistemas expertos. Introduce el origen de los sistemas expertos y sus características principales como la estructura, tipos y representación del conocimiento. También menciona algunos sistemas expertos pioneros como DENDRAL, MYCIN y XCON.
Este capítulo introduce los conceptos fundamentales de la simulación de sistemas. Explica que un sistema es cualquier conjunto de elementos que interactúan entre sí, y que un modelo es una representación simplificada de un sistema que se utiliza para estudiarlo y comprenderlo mejor. Describe el proceso de construcción de modelos matemáticos y distingue entre simulación de sistemas continuos y sistemas discretos. Finalmente, introduce la simulación como un proceso experimental basado en la construcción y ejecución de modelos dinámicos de sistemas.
Este documento describe los conceptos y componentes básicos de un sistema de simulación. Explica que la simulación permite imitar el comportamiento de sistemas reales en una computadora para analizar cómo funcionan y predecir su desempeño. También describe algunos tipos comunes de sistemas que se pueden modelar con simulación, como sistemas de producción, servicios, transporte e inventarios.
Este documento presenta una introducción al curso de Modelamiento en Diseño de Procesos. El curso cubre temas como modelamiento de procesos, datos, sistemas pequeños y grandes, y desarrollo de prototipos. Se espera que los estudiantes desarrollen habilidades como análisis, diseño lógico y participación en clases a través de casos y controles de lectura.
Este documento presenta una introducción a la investigación operativa. Explica que la investigación operativa ayuda a mejorar la toma de decisiones gerenciales mediante el uso de modelos matemáticos. Describe los cinco pasos clave de la investigación operativa: 1) definir un problema, 2) construir un modelo, 3) resolver el modelo, 4) implementar, 5) verificar. También resume brevemente el origen y evolución de la investigación operativa, así como los métodos cuantitativos y campos de aplicación.
Este documento presenta una metodología de ayuda a la decisión para la planificación de la producción en sistemas de fabricación flexible. La metodología combina simulación, redes neuronales y algoritmos genéticos multicriterio. Se desarrolla un modelo de simulación de una fábrica de componentes electrónicos y se generan datos para entrenar redes neuronales, las cuales aprenden el comportamiento del sistema. Luego, un algoritmo genético multicriterio utiliza las redes neuronales para optimizar varios criterios como el tiempo de espera y la
Este documento presenta una introducción a la investigación de operaciones. Explica que la IO aplica el método científico para resolver problemas relacionados con el control y coordinación de operaciones dentro de una organización. Además, describe que la IO intenta encontrar la mejor solución óptima para un problema considerando múltiples disciplinas. Finalmente, detalla los pasos básicos de la metodología de la IO como definir el problema, formular un modelo matemático, obtener y validar una solución, e implementarla.
1. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
La simulación de procesos en ingeniería química
García González Juan Manuel
Ibarra Castro Pablo
Félix Flores Ma. Guadalupe
Ríos Moreno Gustavo
Unidad Académica de Ciencias Químicas
Universidad Autónoma de Zacatecas
jmgarcia@uaz.edu.mx
Introducción
La necesidad de nuevos productos, así como, una nueva cultura del cuidado
del medio ambiente, del ahorro y optimización de energía, el uso racionalizado
de combustibles, etcétera hace necesario que la ingeniería química busque
alternativas económicas y factibles para la solución de estos nuevos retos. La
simulación de procesos son una herramienta eficaz y efectiva para el análisis, la
síntesis y la optimización de proceso, lo que ayuda proponer las diferentes
alternativas para resolver estos retos modernos.
El desarrollo de simuladores de procesos a nivel mundial se ha desenvuelto a
pasos agigantados. Principalmente debido a tres aspectos; a) Computadoras
con procesadores de mayor velocidad,
interfaces gráficas que facilitan el
manejo de gráficos, almacenamiento de gran cantidad de datos. b) Lenguajes
de programación estructurados que facilitan que con pocas sentencias se
realicen de forma más eficiente la solución de sistemas de ecuaciones y la
misma simulación. c) El cálculo de propiedades de mezclas y componentes con
menor desviación de los datos obtenidos experimentalmente.
La ventaja que presenta la simulación de procesos es debido a que a partir
de datos reales (los que se utilizaran para obtener un modelo matemático si no
existe y/o validar los resultados obtenidos al resolver el modelo o la simulación en
si) se pueden obtener información que permitirán el análisis, la síntesis y la
optimización, además no se requiere una gran cantidad de experimentos (lo
1
2. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
que incrementa el costo y desestabiliza la operación de cualquier planta de
proceso) ya que si el modelo utilizado es el adecuado, la reproducibilidad de
resultados es excelente.
Palabras clave: Simulación, Ingeniería Química, Procesos.
Objetivo
El principal objetivo de este trabajo es el de presentar la simulación como una
herramienta importante para la ayuda de toma de decisiones en el diseño,
operación y optimización de procesos químicos.
Antecedentes
La simulación desde el punto de vista de la ingeniería química es la solución de
las ecuaciones de balance de materia y energía para procesos químicos en
estado estacionario o dinámico. Así como del dimensionamiento y la obtención
de costos de los equipos involucrados en un proceso. Por último el efectuar la
evaluación preliminar del proceso1.
Es sabido que en la simulación convergen diversas corrientes del saber,
como es el análisis de los métodos numéricos para la solución de ecuaciones
tanto algebraicas como diferenciales, el modelado de procesos, operaciones
unitarias y fenómenos de transporte, estimación de propiedades fisicoquímicas,
etcétera.2
Los simuladores se pueden clasificar en; a) Simuladores en estado
estacionario (las propiedades de reactivos, productos o mezclas no varían con el
tiempo)
o Simuladores en estado dinámico (las propiedades varían con el
tiempo); b) Simuladores de uso específico (los elaborados para una operación
unitaria específica y un determinado rango de operación, ejemplo Madsed,
Reformación, FCC, etc.) o
Simuladores de uso general (contienen en su
2
3. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
estructura varias operaciones unitarias las cuales pueden ser interrelacionados
entre sí para simular un proceso, ejemplo Aspen, Hysys, Chemcad, PRO II, etc.).
El reto del desarrollo tecnológico para el desarrollo de nuevos procesos y
mejora de los existentes fue la principal motivación para el desarrollo de la
simulación de procesos. El comienzo fue lento y de dio en forma conceptual,
experimental y académica en algunas compañías y universidades de Estados
Unidos, Canadá y Europa. Entre los años 1966 y 1968, aparecieron los primeros
paquetes de simulación de procesos, encaminados a la realización de
balances de materia
y de energía para redes de procesos en estado
estacionario. Los primeros paquetes medianamente difundidos fueron el PACER
y el CHESS (desarrollados en
universidades norteamericanas) y el FLOWTRAN
(desarrollado por Monsanto).
Durante la década de los años setentas se presentó
importante para alcanzar mayor
versatilidad;
una evolución
estabilidad, sofisticación de cálculos y
se refinaron los modelos de estimación de
propiedades
fisicoquímicas, se incluyeron criterios de rasgado y convergencia en corrientes
de recirculación, se aumentaron las unidades de proceso, se flexibilizó la síntesis
de variadas redes
de proceso y se incluyeron criterios de
optimización. El
producto del anterior desarrollo quedó plasmado en los paquetes CONCEPT y
SYMBOL (de la firma CADC), CHEMSHARE, CHEMTRAN y FLOWTRAN (de Monsanto),
PROCESS (de Simulation Science), PROSPRO (del Instituto INTEC) y además otros
como GEMCS, GEPOS, PDA y FLOWPACK.
En los 80´s surgieron las compañías elaboradoras de software, que
desarrollaban paquetes de simulación para su comercialización, pero con la
desventaja de que la entrada y la salida de la información eran rígidas y se
presentaban en forma de listado de difícil interpretación. A finales de los 80´s se
inició el desarrollo de paquetes de simulación interactivos (Chemad, Microchess,
Hysys, Aspen, etc. ) y su comercialización marcó el comienzo de un uso más
intensivo y generalizado en la industria y en la universidades. A partir de 1991 se
3
4. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
inicia la comercialización de paquetes de simulación dinámica y de integración
de energía.
Metodología
Los simuladores de procesos pueden dividirse según la filosofía bajo la cual se
plantea el modelo matemático que representa el proceso a simular; a)
Simuladores globales u orientados a ecuaciones. b) Simuladores secuenciales
modulares. c) Simuladores híbridos o modular secuencial-simultaneo. Bajo el
enfoque de la simulación global u orientada a ecuaciones, se plantea el
modelo matemático que representa al proceso construyendo un gran sistema
de ecuaciones algebraicas que representa a todo el conjunto o planta a
simular. De esta forma el problema se traduce en resolver un gran sistema de
ecuaciones algebraicas, por lo general altamente no lineales.
El principal problema asociado a la filosofía de resolución global u orientada
a ecuaciones es la convergencia del sistema y la consistencia de las soluciones
que se encuentran. Ya que pueden producir múltiples soluciones.
Las principales características de los simuladores globales u orientados a
ecuaciones son:
-
Cada equipo se representa por las ecuaciones que lo modelan. El modelo es
la integración de todos los subsistemas.
-
Desaparece la distinción entre variables de proceso y parámetros operativos,
por lo tanto se simplifican los problemas de diseño.
-
Resolución simultánea del sistema de ecuaciones algebraicas (no lineares)
resultante.
-
Mayor velocidad de convergencia.
-
Necesita una mejor inicialización (mejor cuanto mayor sea el problema a
resolver).
4
5. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
-
A mayor complejidad, menor confiabilidad en los resultados y más
problemas de convergencia (soluciones sin sentido físico).
-
Más difícil de usar por "no especialistas".
Los simuladores modulares secuenciales se basan, en módulos de simulación
independientes que siguen aproximadamente la misma filosofía que las
operaciones unitarias, es decir, cada equipo: bomba, válvula, intercambiadores,
etc.; son modelados a través de modelos específicos para los mismos y
además, el sentido de la información coincide con el “flujo físico” en la planta.
En esta filosofía se tiene como ventaja el hecho que cada sistema de
ecuaciones es resuelto con una metodología que resulta adecuada para el
mismo, ya que es posible analizar bajo todas las circunstancias posibles, el
comportamiento del método de resolución propuesto, esto es sistemas ideales,
no ideales, topología diversas del equipo, distintas variantes, etc.
Las principales características son:
-
Biblioteca de módulos
-
Flowsheet: Equivale a un grafo orientado o digrafo
-
Orden de resolución fijo
-
Tres niveles de iteración
1. Cálculos fisicoquímicos.
2. Módulos en sí (ej. flash, columna, etc).
3. Variables de iteración (reciclos).
4. Optimización
-
Modelos individuales resueltos eficientemente.
-
Fácilmente comprendido por ingenieros "no especialistas en simulación".
-
Métodos de convergencia robustos
-
La información ingresada por el usuario resulta fácilmente accesible e
interpretable.
-
Los problemas de diseño son más difíciles de resolver.
5
6. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
-
Se incrementa la dificultad cuando se plantea un problema de optimización
ya que funcionan como cajas negras.
-
Poco versátiles, pero muy flexibles, muy confiables y bastante robustos.
Los simuladores híbridos son aquellos que se forman de combinar la estrategia
modular y la orientada a ecuaciones de forma tal de aprovechar los aspectos
positivos de ambas metodologías lo máximo posible. Para ello se selecciona un
grupo de variables sobre las cuales se procederá según la filosofía global, esto
es, se las resolverá simultáneamente, mientras que para el resto se mantiene la
filosofía modular, es decir, se trata de encontrar una secuencia acíclica, que
provea por su cálculo, en cada iteración, los valores de las variables a resolverse
simultáneamente. Es por ello que a esta filosofía también se la conoce como
two-tear o de dos niveles jerárquicos, ya que se trabaja en uno con las variables
tratadas simultáneamente, y en el otro secuencialmente. Otro nombre con el
que se conoce este enfoque es modular secuencial-simultáneo.
Resultados
Aplicación de la simulación de procesos
La simulación de procesos químicos es una herramienta que se ha hecho
indispensable para la solución adecuada de los problemas de procesos. Permite
efectuar el análisis de plantas químicas en operación, de igual forma, se
emplea para el diseño de nuevas plantas o equipos. El uso de los simuladores se
realiza en el área ambiental, con los ingenieros de planta, en el área de
alimentos, polímeros, etc.
En el desarrollo de un proyecto se emplea para
probar la factibilidad técnica y económica de este. En la toma crítica de
desiciones se prueban diferentes alternativas de procesos
y condiciones de
operación. La simulación proporciona todos los datos de proceso requeridos
para el diseño detallado de los diferentes equipos y para la construcción de
plantas a nivel banco, piloto o industrial, que después de construirlas y operarlas
6
7. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
servirán para retroalimentar el modelo utilizado o para validarlo. De acuerdo a
Martínez et al (2000) Hay tres tipos de modelos que pueden resolverse por medio
de la simulación:
1. Análisis de un proceso
2. Diseño del proceso
3. Optimización del proceso
Ventajas y Desventajas de la Simulación
Ventajas
1. Es un proceso relativamente eficiente y flexible.
2. Puede ser usada para analizar y sintetizar una compleja y extensa situación
real, pero no puede ser empleada para solucionar un modelo de análisis
cuantitativo convencional.
3. En algunos casos la simulación es el único método disponible.
4. Los modelos de simulación se estructuran y nos resuelve en general
problemas trascendentes.
5. Los directivos requieren conocer como se avanza y que opciones son
atractivas; el directivo con la ayuda del computador puede obtener varias
opciones de decisión.
6. La simulación no interfiere en sistemas del mundo real.
7. La simulación permite estudiar los efectos interactivos de los componentes
individuales o variables para determinar las más importantes.
8. La simulación permite la inclusión de complicaciones del mundo real.
Desventajas
1. Un buen modelo de simulación puede resultar bastante costoso; a menudo
el proceso de desarrollar un modelo es largo y complicado.
7
8. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
2. La simulación no genera soluciones óptimas a problemas de análisis
cuantitativos,
en
técnicas
como
cantidad
económica
de
pedido,
programación lineal. Por ensayo y error se producen diferentes resultados en
repetidas corridas en el computador.
3. Los directivos generan todas las condiciones y restricciones para analizar las
soluciones. El modelo de simulación no produce respuestas por si mismo.
4. Cada modelo de simulación es único. Las soluciones e inferencias no son
usualmente transferibles a otros problemas.
5. Siempre quedarán variables por fuera y esas variables (si hay mala suerte)
pueden cambiar completamente los resultados en la vida real que la
simulación no previó... en ingeniería se "minimizan riesgos, no se evitan".
Conclusiones
La simulación facilita los objetivos del diseño moderno: A) Diseñar para
conseguir una fabricación a costo competitivo. B) Diseñar en orden la
utilización real en servicio. C) Diseñar bien al primer intento.
La simulación ahorra tiempo y dinero, tanto en el diseño de nuevas plantas
cómo, en la optimización de las existentes.
El costo inicial de la simulación es alto (software y equipo de computo)
pero a la larga es rentable y recuperable la inversión.
Se requieren conocimientos en fenómenos de transporte, termodinámica y
operaciones unitarias para que la persona que utiliza el simulador pueda
interpretar los resultados.
Los simuladores facilitan el aprendizaje de los alumnos y sus tareas.
8
9. XII JORNADAS DE INVESTIGACIÓN
Revista Investigación Científica, Vol. 4, No. 2, Nueva época. Mayo - Agosto 2008
ISSN 1870-8196
Bibliografía
Martínez V. H. et al. “Simulación de procesos en ingeniería Química”, Ed. Plaza y
Valdéz, 1era ed., Cap. 2, 2000. ISBN 968-856-755-8
Scenna N. J. et al.” Modelado, Simulación y Optimización de Procesos
Químicos”, Capitulo 5 y 6. 1999
Law A. M. y Kelton W. D.., “Simulation modeling and analysis”, Ed. Mc. Graw Hill,
3era. Ed., Cap 1. 1999
García G. J. M. et. al. “Antología del Curso de Ingeniería de Procesos II”, PAIQ de
la UACQ de la UAZ., Capítulos del 3 – 7, 2008
Chung C. A. “Simulation Modeling Hadbook; A Practical Approach” , CRC Press,
1era. Ed., 2003 ISBN 0-8493-1241-8
Luyben
W.L.,
“Process
Modeling,
Simulation
and
Control
for
Chemical
Engineering”, Ed. Mc Graw Hill, 2da. Ed., Capítulos 4 y 5. 1999 ISBN 0-07039159-9.
9