Ecuación modelo operacional con aplicación de balance de materia en estado no estacionario.// Operational model equation applying material balance in a non-stationary state.
DOI:
https://doi.org/10.29076/issn.2528-7737vol11iss28.2018pp33-40pPalabras clave:
Ecuación modelo, balance de materia, estado no estacionario, simulación de proceso.Resumen
La investigación tuvo como objetivo principal determinar la ecuación modelo operacional aplicando el principio de balance de materia en estado no estacionario. Para la representación del proceso se utilizó un tanque con agua el cual simulada el caudal de entrada al tanque que contenía una solución concentrada de 33° Brix, y de este se desprendía un caudal de salida a un tercer tanque. Las muestras se recolectaron del caudal de salida del segundo tanque en un rango de tiempo de 30 segundos, obteniendo un total de 20 muestras, luego se evaluó su concentración en °Brix analizando en el laboratorio. En la parte operacional se aplica un balance de materia en estado estacionario donde se determinó la ecuación modelo donde al aplicar el tiempo en el cual se recolecto la muestra se determinaba su concentración en °Brix. Se analizó los datos arrojados por análisis de laboratorio y los obtenidos por aplicación de la ecuación modelo en el programa estadístico Statgraphics Centurion XVI.I, el cual determino que no existió diferencia significativa entre cada uno de los datos estudiados. La ecuación modelo establecida para determinación de la concentración de una sustancia resulto útil en al investigación y para su aplicación en futuros estudios.
Abstract
The aim of the present research work was to determine mathematical model of the operational equation applying non-stationary state material balance principle. A tank filled with water was used for the representation of the mechanical process, which simulated an input flow to a tank containing a 33° Brix sucrose concentrated solution, from where an output flow to a third tank was released. The samples were collected from the second tank output flow in time ranges of thirty seconds; a total number of twenty samples were obtained. For each sample, concentration in means of °Brix, was registered in laboratory facilities. In the operational part of the present research, a material balance in non-stationary state was utilized. The model equation for the previously mentioned state, where applying time when a sample was collected and its concentration by means of °Brix, was determined. Obtained data from laboratory analysis and from the model equation application were analyzed with statistical package Statgraphics Centurion XVI.I version XVI 16.1.18. For each data set compared, no significant differences were found. The established model equation for the determination of the concentration of a substance was useful in this investigation and it can be used in further research works.
Descargas
Referencias
Armijo J. (2001). Modelos de estado no estacionario y seudoestacionario en el cálculo de tiempo de escurrimiento, 4, 38–43.
Cancino, B., Ulloa, L., & Astudillo, C. (2009). Presión osmótica de soluciones salinas y azucaradas: su influencia en procesos de osmosis inversa en la industria de alimentos. Información tecnológica, 20(3), 55-64.
Costa, J., Cervera, S., Cunil, F., Esplugas, S., Mans, C., & Mata, J. (2014). Curso de ingenieria. Barcelona : Reverté S.A.
Cuartas-Uribe, B., Alcaina-Miranda, M. I., Soriano-Costa, E., & Bes-Pia, A. (2007). Comparison of the behavior of two nanofiltration membranes for sweet whey demineralization. Journal of dairy science, 90(3), 1094-1101.
Dong, L., & Guang-Hong, Y. (2018). Performance-based data-driven model-free adaptive sliding mode. Journal of Process Control, 186-194.
Gabanes, A. L., Santoyo, A. B., Sáez, J., & Manuel, J. (1985). ideales, XLIV, 57–62.
Giraldó, G., Talens, P., Fito, P., Chiralt, B. (2003). Influence of sucrose solution concentration on kinetics and yield during osmotic dehydration of mango. Journal of Food Engineering 58, 33–43.
Gutierrez, R. A. (2005). La materia no se crea ni se destruye… Matter cannot be created nor destroyed…. ANGIOLOGIA, 33(2).
Guillén, M. L., Dulhoste, J. F., Santos, R., & Besançon, G. (2016). Modeling flow in pipes to detect and locate leaks using a state observer approach. Revista Tecnica-Facultad de Ingenieria Universidad Del Zulia, 39(1), 364-370.
Liu, X., & Cui, J. (2018). Economic model predictive control of boiler-turbine system. Journal of Process Control, 59-67
López, T., & Ignacio, J. (2004). Conceptos básicos de simulación de procesos, 1–6.
Marttinez, G. M., Sánchez, B. I., Osorio-Mirón, A., López, Z. L., Sánchez, B. L., & Hernández, A. E. (2011). Caracterización reológica de soluciones azucaradas para el proceso de evaporación-cristalización. Nexo Revista Científica, 24(1), 61-71.}
Orlov, A. A., Ushakov, A. A., & Sovach, V. P. (2017). Mathematical Model of Nonstationary Separation Processes Proceeding in the Cascade of Gas Centrifuges in the Process of Separation of Multicomponent Isotope Mixtures. Journal of Engineering Physics and Thermophysics, 90(2), 258-265.
Ortiz, M., & Fernández-Pera, M. (2018). Modelo de Ecuaciones Estructurales: Una guía para ciencias médicas y ciencias de la salud. Terapia Psicológica, 36(1), 47-53.
Pletcher, J. L. (2000, January). Improvements to reservoir material balance methods. In SPE Annual Technical Conference and Exhibition. Society of Petroleum Engineers.
Ramírez Avelar, M. C. (2005). Desarrollo de módulos de simulación de procesos en Ingeniería Química (Doctoral dissertation, Universidad de El Salvador).
Salinas-Oñate, N., Ortiz, M. S., Baeza-Rivera, M. J., & Betancourt, H. (2017). Desarrollo de un instrumento culturalmente pertinente para medir creencias en psicoterapia. Terapia psicológica, 35(1), 15-22.
Sulaberidze, G. A., Palkin, V. A., Borisevich, V. D., Borman, V. D., & Tikhomirov, A. V. (2011). Theory of cascades for separation of binary and multicomponent isotope mixtures. M.: MEPhI (in Russian).
Wei, C., Chenb, J., & Song, Z. (2017). Multilevel MVU models with localized construction for monitoring processes with large scale data. Journal of Process Control
Zhiqiang, G. (2017). Distributed predictive modeling framework for prediction and diagnosis of key performance index in plant-wide processes. Journal of Process Control.
Descargas
Publicado
Número
Sección
Licencia
Los autores pueden mantener el copyright, concediendo a la revista el derecho de primera publicación. Alternativamente, los autores pueden transferir el copyright a la revista, la cual permitirá a los autores el uso no-comercial del trabajo, incluyendo el derecho a colocarlo en un archivo de acceso libre.
