Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Reacciones de los Procesos ante Variaciones de Carga y manejo del Software Control Station Apaza Aquino, Anna Lucía; Chiqui Condori, Katherine Milagros ; Gonzales Loaiza, Grecia Shirley; Gonzales; Vergara, José Enrique; Mendoza Gonzales, Izzabo Monserrath; Salas Chavez, Joaquin Aleph Escuela profesional de Ingeniería Biotecnológica, Facultad de Ciencias Farmacéuticas, Bioquímicas y Biotecnológicas, Control de Bioprocesos, Universidad Católica de Santa María, Arequipa – Perú, 2023. __________________________________________________________________________________ INTRODUCCIÓN Las Reacciones de los Procesos ante Variaciones de Carga son un tema importante en la industria, ya que cualquier cambio en la carga que se está procesando puede afectar la eficiencia y la calidad de los productos. Es por eso que es fundamental contar con un sistema de control y monitoreo adecuado para detectar y responder a estas variaciones. El software Control Station es una herramienta útil para el control de procesos industriales. Este software proporciona información en tiempo real sobre el rendimiento de los procesos, lo que permite a los operadores monitorear y ajustar los parámetros para mantener la eficiencia y la calidad de los productos. También se encarga del monitoreo y control de estos procesos. Los operadores pueden configurar el software para alertarnos cuando se produzcan variaciones en los parámetros de procesamiento, lo que les permite tomar medidas inmediatas para mantener el rendimiento y la calidad del producto. En términos generales, las Reacciones de los Procesos ante Variaciones de Carga se refieren a cómo el sistema de procesamiento de una planta reacciona a cambios en la carga. Estos cambios pueden ser debidos a factores externos, como fluctuaciones en la demanda del mercado, o internos, como cambios en la materia prima o en la configuración de la maquinaria. En cualquier caso, es esencial que el sistema de procesamiento pueda ajustarse a estas variaciones para garantizar una producción eficiente y de alta calidad. En resumen, las Reacciones de los Procesos ante Variaciones de Carga son un tema importante en la industria, y el software Control Station es una herramienta valiosa para el monitoreo y control de estos procesos. Al utilizar esta herramienta, los operadores pueden garantizar una producción eficiente y de alta calidad, incluso en condiciones de carga variable.(1) FUNDAMENTO TEÓRICO Los biorreactores se pueden definir como un sistema que proporciona un entorno controlado que permite un crecimiento celular efectivo y la formación de un producto, que debe tener los niveles de temperatura, pH, sustrato, sal y oxígeno óptimos, para convertir el material principal específicamente en productos atractivos. El reactor es el corazón de las plantas químicas y su comportamiento puede condicionar la selectividad y el rendimiento y, por lo tanto, la calidad y la economía de los productos obtenidos. Sin embargo, es importante diseñar un sistema de control que garantice operaciones estables, como se verá más adelante, la estabilidad puede depender más del diseño del reactor en sí que el sistema de control. El modelado de bioprocesos es una tarea compleja porque las reacciones biológicas están influenciadas por un entorno químico (como el nivel de concentración nutricional y producto) y por la condición física del proceso. El metabolismo y los mecanismos reguladores de muchos sistemas biológicos aún no se entienden, por lo que la descripción de las matemáticas debe simplificarse sin perder información que permita el desarrollo de modelos adecuados para la simulación, diseño y optimización de bioprocesos. Se conoce el uso de modelos matemáticos en ingeniería química, pero el uso de modelos dinámicos, que son contrarios a las condiciones tradicionales para las fábricas químicas, son mucho más nuevos. Esto se demuestra en el desarrollo de sólidos paquetes de software comercial para simulaciones dinámicas, que surgen debido a la necesidad de usar estas herramientas para la validación de diseño y las condiciones de funcionamiento. La posibilidad de simulación dinámica será una condición indispensable para los estudios de seguridad de las plantas, porque es fácil permitir estudios de situaciones anormales. Las simulaciones dinámicas tienen el mismo interés en los procesos continuos, como en una operación que es una dinámica inherente, como discontinua o semicontinua. Por otro lado, es muy interesante en el mejor conocimiento del rendimiento del proceso y es una herramienta poderosa para la optimización de las plantas. MAPAN puede considerarse como el resultado final del proceso dinámico donde la velocidad del cambio ha alcanzado el valor cero. La reacción del proceso para contener variaciones es un problema importante en la industria, porque cada cambio en la carga procesada puede afectar la eficiencia y la calidad del producto. Es por eso que es muy importante tener un sistema de control y monitoreo adecuado para detectar y responder a esta variación. Para su realización, utilizaremos el software de control, que es una herramienta útil porque nos brinda información en tiempo real y nos permite monitorear y cambiar los parámetros que necesitamos. Los estudios de casos nos permiten controlar el nivel del tanque, la temperatura y la concentración del reactor. Los controladores básicos disponibles incluyen PI-solo, PI, PD y controlador PID. Las estrategias avanzadas incluyen cascadas, caras, desacoplamiento multivariable, modelos predictivos (Predictor Smith), control dinámico de matriz y control de datos de muestra discreto. En un proceso especial hay un entorno orientado al bloque que le permite crear procesos de control y arquitectura de acuerdo con sus propias especificaciones para varios análisis de control especial. Esto puede investigar los beneficios y la incomodidad de la arquitectura de control diferente, la sensibilidad al ajuste, las capacidades de rendimiento del bucle y una serie de otros temas importantes para los profesionales. Las herramientas desing se utilizan para ajustar modelos dinámicos lineales para procesar datos y calcular los valores de ajuste del controlador PID. Los modelos de herramientas desing también se pueden utilizar para construir estrategias de control sofisticadas que utilizan modelos de proceso internos para controlar la arquitectura. Debido a que los datos se pueden importar de procesos operativos reales, las herramientas desing pueden resolver sus problemas desafiantes para el diseño, el análisis y el ajuste del controlador. El software nos brinda una variedad de opciones, pero en la práctica realizada solo se tomó en cuenta el módulo de Case Studies el cual está desarrollado para la formación de métodos y prácticas modernas de control de procesos. Nos brinda varios simuladores como: - Gravity drained tanks (Tanques drenados por gravedad) - Pumped tank (Tanque bombeado) - Heat exchanger (Intercambiador de calor) - Jacketed stirred Reactor (Horno de reactor agitado) - Furnace - Multi-tank process (Proceso multitanque) - Distillation column (Columna de destilación) En cada proceso, puede manipular variables para obtener los datos que necesitamos. El proceso del proceso se puede registrar en forma de una impresora o impresora de disco o procesamiento de archivos y procesos de investigación correctiva. Los módulos permiten el reconocimiento y el estudio de conceptos más y más complejos de una manera ordenada. Los primeros conceptos incluyen el estudio del comportamiento dinámico básico, como un aumento en el proceso, el tiempo constante y el tiempo muerto. Los conceptos intermedios incluyen las capacidades de ajuste y rendimiento de la gama completa de controladores PID. Los conceptos avanzados incluyen una serie de algoritmos avanzados tradicionales basados en modelos. Después de este simulador, si necesitamos hacer un cronograma de nuestro diseño, pasaremos al diseño "Herramientas de diseño", que es una herramienta para el diseño y el análisis del controlador.Establece automáticamente el modelo para el procesamiento de datos. El modelo de datos se ajusta utilizando una búsqueda sistemática de parámetros del modelo que minimizan la cantidad de errores cuadráticos (SSE) entre la respuesta contenida en los datos medidos y el modelo de respuesta predicho en el archivo. Modelo de primer pedido más tiempo muerto (FOPDT) Un modelo de primer orden de tiempo muerto (FOPDT) es un enfoque simple para la respuesta dinámica (la transitoria o el tiempo anti -eco) de una variable de proceso una influencia. También se conoce como el "retraso de primer orden". Más tiempo (folpdt) o "tiempo muerto" puede ser reemplazado por "retraso", que cambia el acrónimo de FOLPDT. El modelo FOPDT suele ser un enfoque razonable para el comportamiento del proceso y tiene su utilidad para las reglas del ajuste del controlador, estructurando los decouplers y para los algoritmos de control de progreso, para los atributos esenciales de comunicación del proceso y como un modelo de reemplazo matemáticamente simple en simulaciones en simulaciones Para simulaciones para el entrenamiento y la optimización mostrados. No se dice que el modelo FOPDT es una representación real. El proceso es probablemente más alto y no lineal. Sin embargo, un modelo FOPDT es una representación práctica que compensa varios aspectos del uso. (2) En el caso del modelo FOPDT, generalmente creemos que la influencia en el pasado reciente se ha mantenido constante y que la variable del proceso (PV) ha alcanzado un valor constante. Luego creemos que la influencia da un paso y mantiene este nuevo valor y reclamos hasta que el PV alcanza su nuevo estado de hospitalización. El tiempo muerto representa el período después de las influencias en las que el PV no cambia. Es como un retraso de transporte en una tubería con un flujo de pistón o un período de análisis de laboratorio. Después de una comprensión intuitiva de cómo los parámetros influyen en el SchrittantWort, es importante comprender la ecuación matemática de FOPDT. ➢ τpdy(t)dt=−y(t)+Kpu(t−θp) 𝝉𝒑𝒅𝒚(𝒕)𝒅𝒕=−𝒚𝒕+𝑲𝒑𝒖𝒕−𝜽𝒑 ➢ Kp=Ganancia de proceso𝐊𝐩=Ganancia de proceso ➢ 𝛕p=Constante de tiempo de proceso𝛕𝐩=Constante de tiempo de proceso ➢ 𝛉p=Tiempo muerto del proceso𝛉𝐩=Tiempo muerto del proceso La ganancia del modelo es el multiplicador del cambio de influencia, que está determinado por el nuevo valor de estado estable para el PV. El modelo FOPDT tiene la intención de que el PV siga el estado estacionario final de un primer orden exponencial después del estado de hospitalización final después de la duración de la carga "M". La constante de tiempo del fopdt "M" es un indicador de qué tan rápido se mueve el PV al nuevo valor. En contraste con algunos congresos, utilicé el índice "M" para "modelo", no para el "P" -andal para el "proceso" para reconocer que el modelo no es el proceso. La respuesta y el tiempo son una desviación de las condiciones estables iniciales, así como el tiempo para la influencia del paso y la espera. (3) MATERIALES En esta práctica se utilizó el Software Control Station,el cual nos permite obtener conocimientos sobre la Dinámica de Control de Procesos. Figura N° 1. Pantalla de inicio del Software Control Station. RESULTADOS Y DISCUSIÓN - Modelo FOPDT (Entrada 1) Gráfica 1: Modelo FOPDT del gravity drained tank con cambio de valores del controller output de 70-80%, 80-85%, 85-60% y de 60-70% (Mendoza Gonzales, Izzabo Monserrath) En el gravity drained tank inicia con un controller output del 70%, al cambiar el valor a un 80% se pudo observar que el volumen del tanque 1 y 2 aumenta en un tiempo de 0.15 segundos, y finalmente permanece en estado estacionario. En el segundo cambio, 80%-85%, el volumen de tanque demora en aumentar 0.15 segundos, igual que el primer cambio, de igual forma pasó con el tercer y cuarto cambio, 85%-60% y de 60%-70%, el volumen cambia en 0,15 segundos y luego regresa a su estado estacionario. - Modelo FOPDT (Entrada 2) Gráfica 2: Modelo FOPDT gravity drained tank, con valores del controller: 70-85, 85-75, 75-80 (Gonzales Vergara Jose Enrique) En el Gravity drained iniciamos con el controller output del 70%, luego hicimos un aumento al 85% en dónde claramente hubo un aumento significativo en el tanque 1 y el tanque 2 en un tiempo de 3 segundos de espera, en la que permanece en un estado estacionario. Seguido a este, realizamos un cambio más del 85% a 75% en dónde hubo una ligera depresión que se puede visualizar en la gráfica. Como tercer y último cambio del 75% al 80% podemos indicar que el volumen aumentó y cambio en aproximadamente 2 segundos, en dónde finalmente volvió a su estado estacionario. - Modelo FOPDT (Salida 1) Gráfica 3: Modelo FOPDT gravity drained tank, con cambio de valores de Pumped flow 2 - 6%, 6 - 3%, 3 - 7% (Gonzales Loaiza, Grecia Shirley) En el gravity drained tank iniciamos con un Pumped flow de 2%, a los 4 min. cambiamos a un valor de 6% observando a simple vista como desciende progresivamente y mantiene un estado estacionario en aproximadamente 9 min. Seguidamente a los 13 min cambiamos a un valor de 3% habiendo un ascenso rápidamente y al minuto 16 mantiene su estado estacionario aproximadamente 6 min. Finalmente a los 25 min cambiamos por última vez el Pumped flow a 7% observando por última vez un descenso y poco a poco manteniendo su estado estacionario hasta el minuto 36. Esto quiere decir que al haber cambios a diferentes tiempos de la variable Pumped Flow pues en la gráfica se observa como baja y sube progresivamente pero también poco a poco mantiene su estado estacionario manteniéndose constante. - Modelo FOPDT (Salida 2) Gráfico 4: Modelo FOPDT gravity drained tank, con cambio de valores de controller output 2 - 5%, 5 - 3% (Apaza Aquino, Anna Lucía) En el Gravity Drained Tank iniciamos con un Pumped flow de 2%, después de un intervalo de tiempo cambiamos al valor de 5% observando así como desciende progresivamente y mantiene un estado estacionario. Así mismo cambiamos nuevamente el valor a 3% dándonos como resultado un ascenso de manera rápida posteriormente manteniendo su estado estacionario. Podemos comentar que al realizar cambios a en diferentes tiempos de la variable responsable del Pumped Flow observamos como baja y sube progresivamente pero también cómo puede mantener su estado estacionario permaneciendo constante. - Modelo FOPDT (Entrada - Salida 1) Gráfico 5: Modelo FOPDT gravity drained tank, con cambio de valores de controller output y Pumped flow 70-82%, 82-65%, 65%-70% y 2- 1.5, 1.5- 4, 4-2 respectivamente. (Chiqui Condori, Katherine) En el Gravity drained iniciamos con el controller output al 70% y Pumped flow a 2 L/min, después de un intervalo de tiempo se cambió estos valores simultáneamente, en el controller output al 82% y en el Pumped flow a 1.5 L/min, por lo que se observó que la gráfica tiende a subir, debido a la fuerza natural de la gravedad, y que luego regresa a un estado estacionario. Luego de tiempo se cambió los valores, al igual que el otro simultáneamente, en el controller output al 65% y en el Pumped flow a 5 L/min, y logramos observar que se disminuyeron así que por lo que la gráfica tiende a descender, y luego busca estabilidad (estado estacionario). Y por último se modificó el controller output al 75% y en el Pumped flow a 2 L/min, este cambio se realizó para observar los cambios dados anteriormente ya que este último es similar a los valores de inicio. - Modelo FOPDT (Entrada - Salida 2) Gráfico 6: Modelo FOPDT gravity drained tank, con cambio de valores de controller output y Pumped flow 70-80%, 80-65% y 2-4%, 4-3% respectivamente. (Salas Chavez, Joaquin) En el Gravity drained iniciamos con el controller output al 70% y con un Pumped flow al 2%, después de un intervalo de tiempo cambiamos estos valores, al mismo tiempo, en el controller output al 80% y en el Pumped flow al 4%, pudiendo observar que la gráfica tiende a subir, sin embargo, hay un pequeño deceso ya que, al abrir aumentar ambos valores esmás fácil que se pierda volumen, debido a la fuerza natural de la gravedad, y que luego este vuelva a buscar la nivelación. Luego de otro intervalo de tiempo volvimos a cambiar los valores, al mismo tiempo, en el controller output al 65% y en el Pumped flow al 3%, y logramos observar que en este caso a diferencia del otro no hay un deceso ya que ambos porcentajes se disminuyeron así que por ende la gráfica tiende a descender de manera pseudo uniforme, para luego buscar otra vez una nivelación. CONCLUSIONES 1. En cada proceso se pueden manipular las variables para obtener los datos que requerimos. Los datos del proceso se pueden registrar como gráficos de impresora o archivos de disco para el modelado de procesos y estudios de ajuste del controlador. 2. Para aprender a controlar bien el software Control Station, debemos tener en claro y conocer cada componente o elemento que contiene, qué función cumple cada uno y en qué afectan los cambios de valores que realizamos a nuestros procesos. 3. Cuando se realiza un cambio de valor del controller output, del primer tanque, no afecta el volumen del segundo tanque, encuentra un equilibrio y permanece en estado estacionario. 4. Con el software Control Station podemos consolidar los conocimientos básicos en el estudio de un procesos de descarga de tanques por gravedad y así mismo generar una mayor habilidad en el modelado de diversos procesos. 5. El programa Control Station nos permite realizar y observar cambios a un proceso, como por ejemplo en la gráfica N°5 el cual se dio en las entradas y salidas. Además de observar errores y realizar mejoras en este. 6. En conclusión, las reacciones de los procesos ante variaciones de carga son gestionadas eficazmente a través del software Control Station. Este software proporciona las herramientas necesarias para supervisar, ajustar y optimizar los parámetros del proceso en tiempo real, lo que permite mantener un control preciso y una respuesta rápida ante cualquier cambio en la carga. Esto garantiza un rendimiento óptimo del proceso, minimizando los tiempos de inactividad y maximizando la eficiencia operativa. BIBLIOGRAFÍA 1. Instrumentación y control de procesos [Internet]. Edu.ar:8443. [citado el 7 de mayo de 2023]. Disponible en: https://bibliotecavirtual.unl.edu.ar:8443/bitstream/handle/11185/5542/instrumentacion procesos.pdf?sequence=1 2. Russell Rhinehart R. Testing a First-Order Plus Deadtime model [Internet]. Controlglobal.com. 2016 [cited 2023 May 9]. Available from: https://www.controlglobal.com/control/loop-control/article/11316561/testing-a-first-o rder-plus-deadtime-model 3. First order plus dead time (FOPDT) [Internet]. Apmonitor.com. [cited 2023 May 9].Availablefrom: https://apmonitor.com/pdc/index.php/Main/FirstOrderSystems https://bibliotecavirtual.unl.edu.ar:8443/bitstream/handle/11185/5542/instrumentacionprocesos.pdf?sequence=1 https://bibliotecavirtual.unl.edu.ar:8443/bitstream/handle/11185/5542/instrumentacionprocesos.pdf?sequence=1 https://www.controlglobal.com/control/loop-control/article/11316561/testing-a-first-order-plus-deadtime-model https://www.controlglobal.com/control/loop-control/article/11316561/testing-a-first-order-plus-deadtime-model https://www.controlglobal.com/control/loop-control/article/11316561/testing-a-first-order-plus-deadtime-model https://apmonitor.com/pdc/index.php/Main/FirstOrderSystems
Compartir