Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EVALUACIÓN DE ALTERNATIVAS DE SIMULACIÓN PARA LA PRODUCCIÓN DE BIOGÁS, PECTINA Y ACEITE A PARTIR DE RESIDUOS DE MANGO MEDIANTE EL SOFTWARE ASPEN PLUS V10 Proyecto de grado por ISABELLA ISAZA IBARRA Presentado a la Facultad de Ingeniería de la Universidad de los Andes En el cumplimiento parcial de los requisitos para el grado de INGENIERO QUÍMICO Diciembre de 2019 Departamento de Ingeniería Química 2 Evaluación de alternativas de simulación para la producción de Biogás, Pectina y Aceite a partir de residuos de mango mediante el Software Aspen Plus V10. Copyright © 2019 Isabella Isaza Ibarra 3 EVALUACIÓN DE ALTERNATIVAS DE SIMULACIÓN PARA LA PRODUCCIÓN DE BIOGÁS, PECTINA Y ACEITE A PARTIR DE RESIDUOS DE MANGO MEDIANTE EL SOFTWARE ASPEN PLUS V10 Proyecto de grado por ISABELLA ISAZA IBARRA Presentado a la Facultad de Ingeniería de la Universidad de los Andes En el cumplimiento parcial de los requisitos para el grado de INGENIERO QUÍMICO Asesor, Rocio Sierra Ramírez, PhD. Coasesor, Daniel David Durán Aranguren, M.Eng. Director del Departamento, Andrés Gonzáles Barrios, PhD. Noviembre de 2019 Departamento de Ingeniería Química 4 EVALUACIÓN DE ALTERNATIVAS DE SIMULACIÓN PARA LA PRODUCCIÓN DE BIOGÁS, PECTINA Y ACEITE A PARTIR DE RESIDUOS DE MANGO MEDIANTE EL SOFTWARE ASPEN PLUS V10 Isabella Isaza Ibarra Departamento de Ingeniería Química, Universidad de los Andes, Bogotá, Colombia RESUMEN Las biorrefinerías a nivel industrial se han convertido en una atractiva oportunidad para la producción de energía y biomateriales a través de un modelo económico sostenible. Este concepto se basa en una economía circular, en donde se utilizan diferentes residuos orgánicos como materia prima. Actualmente en Colombia la producción de mango llega a las 260.000 toneladas/año, dejando entre 25% a 40% de residuos. Así bien, se plantea una biorrefinería a partir de tres residuos de mango: Cáscara, cascarilla y semilla para la producción 3 subproductos. El siguiente proyecto busca contribuir a través de la investigación de diferentes alternativas, el desarrollo de simulaciones en Aspen Plus para la producción de biogás, pectina y aceite desde los resultados experimentales obtenidos en trabajos anteriores. Los resultados obtenidos muestran la aplicabilidad de cada alternativa de simulación y su correcta implementación. Palabras clave: biorrefinerías, energía, mango, digestión anaeróbica, simulación. OBJETIVO GENERAL Evaluar de alternativas de simulación para la producción de biogás, pectina y aceite a partir de residuos de mango mediante el software Aspen Plus V10 OBJETIVOS ESPECÍFICOS • Comparar los resultados de simulaciones hechas en Aspen Plus con resultados experimentales obtenidos en trabajos anteriores para la producción de BIOGÁS. • Comparar los resultados de simulaciones hechas en Aspen Plus con resultados experimentales obtenidos en trabajos anteriores para la producción de ACEITE. • Comparar los resultados de simulaciones hechas en Aspen Plus con resultados experimentales obtenidos en trabajos anteriores para la producción de PECTINA. 5 INDEX 1. Introducción 1.1. Panorama General 1.2. Métodos propuestos para la simulación de Biogás 1.2.1. Modelo de Digestión Anaeróbica (ADM1) 1.2.2. Simulación en Aspen Plus a través de una cinética conocida 1.3. Métodos propuestos para la simulación de biogás, pectina y aceite 1.3.1. Modelamiento de sólidos no convencionales usando Aspen Plus 2. Metodología 2.1 Modelo de Digestión Anaeróbica (ADM1) 2.2. Simulación en Aspen Plus para la producción de biogás a través de una cinética conocida 2.3. PSM (Process Simulation Model) 3. Resultados y Discusión 3.1. ADM1 3.2. PSM 3.3. Modelamiento de sólidos no convencionales usando Aspen Plus 4. Conclusiones y trabajo futuro 6 1. INTRODUCCIÓN 1.1 Panorama General Colombia, junto con otros países de América, Asia y África, es uno de los mayores productores de mango a nivel mundial. Sin embargo, actualmente en Colombia, los residuos de mango producen un problema de contaminación ambiental, causado por la falta de una disposición final para estos residuos (Mejía, 2007). Este indebido manejo de los residuos de mango genera un problema social, ambiental y económico en Colombia, especialmente en Antioquia, donde los residuos de mango representan el 7% de todo el desperdicio de alimentos generados. (Martínez, 2017). Aproximadamente, 351.5 toneladas/semana de mango son procesadas en el departamento del Valle del Cauca por la industria agroindustrial de Pulpa y Jugo. Esta industria produce 40-55% de los residuos de mango (alrededor de 193.32 toneladas/semana), generando gases de efecto invernadero (Giraldo, 2007). De esta falta de disposición final de productos, surge la necesidad de implementar biorrefinerías en Colombia como una ruta sostenible prometedora para obtener productos bioquímicos y producir la energía suficiente para abastecer el mismo proceso (Pyrgakis, 2018). Colombia con su gran biodiversidad, tiene un potencial importante para generar productos de valor agregado que permitan registrar nuevos ingresos y lograr desarrollos biotecnológicos significativos para el país (Melgarejo, 2003). Por lo tanto, se han llevado a cabo varias investigaciones nacionales sobre el uso y la recuperación de desechos agroindustriales de la industria del mango. Estos desechos, dependiendo de su origen y su composición, pueden reutilizarse para generar productos para el consumo humano, producción de energía renovable, obtención de biocombustibles y algunos productos químicos (Peñaranda, 2017). La digestión anaeróbica (DA) ha sido ampliamente utilizada en las biorrefinerías para poder transformar los desechos orgánicos en biogás, este proceso microbiológico lleva a cabo varias reacciones en donde el material orgánico (En ausencia de oxígeno) se transforma en biogás. El biogás es un gas inflamable que se compone esencialmente de metano y de dióxido de carbono. (Bastidas, 2019). La composición del biogás puede variar mucho dependiendo la biomasa que haya sido fermentada para su producción, sin embargo, el porcentaje de metano en volumen debe encontrarse entre un 55%-70% del volumen de biogás. De esta forma, surge la necesidad de investigar y desarrollar métodos de simulación que permitan un mejor conocimiento del proceso y una posible predicción de resultados de los productos deseados por la biorrefinería. 1.2. Métodos propuestos para la simulación de biogás 1.2.1. Modelo de Digestión Anaeróbica (ADM1) El ADM1 es un modelo que describe rigurosamente los procesos bioquímicos y fisicoquímicos de la DA, en donde produce la degradación de numerosos compuestos orgánicos. Este modelo integra una plataforma para el desarrollo de simulaciones que permiten operar y optimizar el proceso de digestión anaeróbica (Rivera-Salvador, 2009). El ADM1 especifica con detalle sustratos complejos mediante sus componentes principales como: carbohidratos, proteínas, lípidos, azúcares, aminoácidos, ácidos grasos, aniones y cationes). 7 Este modelo cuenta con 5 pasos fundamentales: desintegración, hidrólisis, acidogénesis, acetogénesis, y metanogénesis. En la desintegración, sucede un paso no biológico en el cual la materia orgánica o inorgánica es convertida en un material inerte, carbohidratos, proteínas y lípidos. En el segundo paso se lleva a cabo una hidrólisis enzimática en donde los carbohidratos, proteínas y lípidos se convierten en monosacáridos, aminoácidos,y ácidos grasos de cadena larga. Luego, un conjunto de bacterias realiza la degradación de los monosacáridos y los aminoácidos en una mezcla de ácidos orgánicos, hidrógeno y dióxido de carbono. Posteriormente, los ácidos orgánicos se convierten acetato, hidrógeno y dióxido de carbono mediante bacterias acetogénicas (Hpr, HBu, Hva). Finalmente, en la metanogénesis, el hidrógeno y el acetato se convierten en biogás: una mezcla compuesta de metano y dióxido de carbono. (Figura 1) (Hernández, 2011) Figura 1. Proceso de digestión anaeróbica utilizado en el modelo ADM1. 1.2.2. Simulación en Aspen Plus a través de una cinética conocida Con el objetivo de simular cinéticas de reacciones químicas Aspen Plus necesita, además de un modelo termodinámico que calcule la dirección de la reacción, un modelo cinético que calcule la tasa en la cual esta sucede. Aspen acepta diferentes modelos cinéticos dentro de los cuales se encuentran modelos como Power Law. El modelo de Power Law ajusta la tasa de reacción a una función de crecimiento aleatorio proporcional que depende de dos variables; en donde el cambio de una variable resulta en el cambio relativo proporcional en la otra (Gabaix, 2008). La relación general de este modelo es de tipo: 𝑌 = 𝑘𝑋𝑎 𝐸𝑐. 1 Donde Y, X son variables de interés, k es una constante y α es el exponente de Power Law. Puntualmente para calcular cinéticas la ecuación de Power Law puede ser expresada como se muestra a continuación: 𝑌 = 𝑘 ∏ [𝑋𝑖 ] 𝑖 𝑖 𝐸𝑐. 2 Donde X es la concentración de la especie Y es la tasa de reacción y i es el número de especies que son relevantes en la reacción. Este tipo de cinéticas son buenas modelando el comportamiento de reacciones que suceden en fase homogénea, es decir que todos los reactivos se encuentran en una única fase. 8 1.3. Métodos propuestos para la simulación de biogás, pectina y aceite 1.3.1. Modelamiento de sólidos no convencionales usando Aspen Plus El software Aspen Plus permite el modelamiento de procesos que incluyen sólidos. Algunas de las aplicaciones con mayor procesamiento de sólidos incorporan ejemplos para simular: Hornos de cemento, gasificación del carbón, la incineración de residuos, la fundición y el tostado de zinc, entre otros. Para la realización de este método se tienen en cuenta los siguientes pasos: • Definición del compuesto como un sólido no convencional en la lista de componentes de Aspen Plus. • Realizando el cambio en el Stream Class de la simulación. • Definición de las propiedades físicas para los componentes sólidos. • Definición de los atributos de los componentes sólidos. • Definición de una distribución de tamaño de partícula (PSD). • Modificación del PSD predeterminado. • Utilización de modelos de operación de unidades de sólidos. 2. METODOLOGÍA 1. Modelo de Digestión Anaeróbica (ADM1) El ADM1 es el modelo más completo en términos de reacciones y cálculos cinéticos. Este modelo y sus datos cinéticos se encuentran publicados en “The IWA anaerobic digestion model no 1 (ADM1)” propuesto por Bastone et al. en el 2002. Se estudió el modelo para presentar la simulación de producción de biogás en el software Aspen Plus V10 de acuerdo con la guía Biogas Process Simulation Using Aspen Plus (Serrano, 2010). Se encontró que este la implementación de este modelo requiere el conocimiento avanzado de un lenguaje de programación que se lleva a cabo a través de subrutinas de Foltran. Las subrutinas de Fortran son modelos escritos por el usuario que permiten ser incorporados en el programa de Aspen Plus. Es posible realizar subrutinas creadas por el usuario en 6 diferentes casos, entre los cuales se encuentran modelos para evaluar costos y dimensionamiento de equipos, modelos de operaciones unitarias y modelos para calcular propiedades fisicoquímicas de la materia. Fortran es un lenguaje de programación comparativo de compilación, por lo que funciona al compilar una serie de comandos que cambian el estado del programa a un lenguaje numérico (Aspen User Model). La implementación del modelo ADM1 que lograra predecir los resultados experimentales mediante una simulación en el software Aspen Plus se estudió con el fin de poder predecir la producción de biogás a partir de los resultados experimentales de Mango Fruit Waste: An amazing biorefinery opportunity. Sin embargo, debido a la complejidad y rigurosidad del modelo, no se desarrolló una simulación que lograra predecir la producción de biogás a nivel industrial. Por este motivo, no se siguió desarrollando la ADM1 en este documento, debido a que requiere un manejo avanzado de las subrutinas de Foltran, que no han sido establecidas como un objetivo para este proyecto. Figura 2. 9 Figura 2. Representación conceptual del acoplamiento de Aspen Plus con los módulos externos de Fortran. Tomado de (Tripodi, 2017) 2. Simulación en Aspen Plus para la producción de biogás a través de una cinética conocida La implementación de modelos cinéticos en diferentes tipos de simuladores es un campo científico e industrial que se sigue desarrollando y se encuentra en constante investigación y crecimiento. Cuando se introduce un reactor de tipo estequiométrico, estos requieren la definición de las reacciones que se llevan a cabo y el rendimiento de sus diferentes productos. Es decir, es necesario tener conocimiento de las reacciones, las cinéticas y las constantes de los datos experimentales. Esto se aplica fácilmente al resultado experimental, pero no permite ajustar de forma libre la variable del proceso, debido a que haría falta su influencia en el rendimiento del reactor. Por otro lado, los reactores de tanque continuamente agitado CSTR, permiten una descripción más detallada del proceso en términos de condiciones de variables y dimensionamiento del reactor. Este reactor requiere definir un conjunto de reacciones junto con su modelo cinético. La función más sencilla disponible en Aspen Plus es la de Power Law. El modelo matemático que mejor ajusta los datos experimentales de producción de biogás es el modelo de Gompetz, que es una derivación de Power Law y sigue la siguiente ecuación: 𝑃 = 𝛾 ∗ exp(− exp( 𝐾(λ − 𝑡)𝑒1 𝛾 + 1)) 𝑃 = 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑚𝑒𝑡𝑎𝑛𝑜 𝛾 = 𝑉𝑜𝑙𝑢𝑚𝑒𝑛 𝑚𝑎𝑥𝑖𝑚𝑜 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑜 [𝑚𝑙 𝐶𝐻4/𝑔𝑉𝑆] 𝑡 = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑑𝑖𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑖𝑛𝑓𝑖𝑛𝑖𝑡𝑜 𝐾 = 𝑇𝑎𝑠𝑎 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 [𝑚𝑙 𝐶𝐻4/𝑔𝑉𝑆/ ℎ] λ = 𝑇𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑓𝑎𝑠𝑒 𝑑𝑒 𝑟𝑒𝑡𝑟𝑎𝑠𝑜 Para el desarrollo de Power Law en Aspen Plus se requiere ingresar la información experimental solicitada por el software en la Figura 3. Las variables para ingresar son: K: Factor pre-exponencial E: Energía de activación (Es posible expresar una dependencia A la temperatura a través del exponente n) 10 Figura 3. Datos cinéticos solicitados por Aspen Plus 3. PSM (Process Simulation Model) Se utilizó un modelo de Aspen Plus tomado de literatura para la evaluación de la escalabilidad de la producción de biogás. Este modelo predice la producción de biogás a partir de cualquier sustrato en cualquier condición de proceso. La simulación tiene en total de 46 reacciones que incluyen: inhibiciones, cinéticas, pH, volumen, velocidad de carga y tiempo de retención. En esta simulación las reacciones de hidrolisis se realizaron mediante el uso de un reactor estequiométrico con fracciones de conversión, y luego, las reacciones de acidogénesis, acetogénesis y metanogénesis se basaron en cinéticas de Power Law. Se uso la simulación de PSM a forma de poder hacer predicciones de los resultados obtenidos en Mango fruit waste: an amazing biorefinery opportunity. Para esta simulación se utilizó el análisis composicional de la cascarilla de mango (MH) y se cambiaron los parámetros los valores normalizadosen la Tabla 1. Tabla 1. Input de los parámetros modificados en el modelo PSM. Aspen Mango Husk Normalized Water 37.88 0.46 Protein 1.54 0.02 Cellulose 26.18 0.31 Hemicellulose 15.19 0.18 Inert/Ash 2.35 0.03 4. Simulación en Aspen Plus a partir de la definición de solidos no convencionales De acuerdo con el trabajo previo realizado en MFW, se plantea la posibilidad de realizar simulaciones que permitan caracterizar la biomasa que entra al proceso y posteriormente junto con las condiciones termodinámicas requeridas, lograr predecir la salida de los productos de interés. Con respecto a la guía “Getting started with solids using Aspen Plus” la caracteriza la entrada de biomasa a través de un método para caracterizar de solidos no convencionales mediante un análisis proxanal, ultanal y sulfanal. Para el análisis proxanal se determinó la cantidad de humedad, carbono fijo, solidos volátiles y cenizas de la biomasa. Posteriormente el análisis ultanal debe llevar el detalle de la composición elemental de la biomasa (Carbono, Hidrógeno, Nitrogeno, Cloro, Azufre y Oxigeno) y finalmente el análisis sulfanal que describe cuanto del azufre es piritico, sulfatico y orgánico. 11 4.1. Biogás Para la simulación de Biogás se plantea un reactor RYIELD. Este reactor permite especificar los rendimientos de cada componente, para la producción de metano y de dióxido de carbono. Estos cálculos de rendimientos de cada componente se realizan mediante la programación de una subrutina de Foltran que permite a las reacciones de equilibrio lograr una composición detallada de la composición del gas, obtenida experimentalmente. Lo más importante para llevar a cabo el desarrollo de esta simulación es: • Manejo adecuado de la programación con una subrutina de Foltran. • Correcta definición de los componentes de la biomasa, que es definida como un sólido no convencional. (Figura 4) Figura 4. Determinación de biomasa como un solido no convencional en Aspen Plus Limitaciones: Este modelo no permite predecir. Está basado en rendimientos que deben ser obtenidos experimentalmente o por literatura. Producción de Aceite y Pectina Con respecto a la información experimental, se realizó una simulación en Aspen Plus para la caracterización de solidos no convencionales. El flowsheet propuesto para la producción de Pectina y Aceite se desarrolló de acuerdo con la Figura 5 y Figura 6. Figura 5. Flowsheet propuesto para la simulación de Pectina. 12 Figura 6. Flowsheet propuesto para la simulación de Aceite 3. RESULTADOS Y DISCUSIÓN PSM (Process Model Simulation) El porcentaje V/V de metano de la simulación de Aspen reportada en (Rajedran, 2014) y adaptada a los resultados experimentales se reporta en la Tabla 2. Tabla 2. Porcentaje de metano V/V. De esta forma se puede utilizar el modelo propuesto en PSM como esqueleto para hacer futuras simulaciones, sin embargo, de acuerdo con la información experimental obtenida, se presenta un alto porcentaje de error en esta simulación, el cual debe ser tomado en cuenta para futuras implementaciones. (Tabla 3). Tabla 3. Porcentaje de error según la composición teórica del metano. Porcentaje de error Ecuación de Buswell PSM Metano al 70% 28.6% 50.0% Modelamiento de sólidos no convencionales usando Aspen Plus El modelamiento de solidos no convencionales en Aspen Plus, muestra resultados que se asemejan a los datos experimentales. Para realizar este tipo de simulaciones hay que determinar varios parámetros importantes que no lleva a cabo la simulación, sino que son introducidos por el usuario. Se presentan estas simulaciones como esqueleto para el modelamiento de procesos más rigurosos, en donde las fracciones que se determinen en los equipos como los filtros y separadores se conozcan previamente para poder tener una proceso escalable y predecible. % Metano PSM Ecuación de Buswell Literatura (V/V) 35% 50% 55%-70% 13 Los diagrama de flujo para la producción de Pectina y Aceite se presentan a continuación: Figura 7. Diagrama de flujo para la producción de Pectina. 14 Figura 8. Diagrama de flujo para la producción de Aceite. 15 4. CONCLUSIONES Y TRABAJO FUTURO Se llevó a cabo una investigación detallada de varias alternativas de simulación y sus condiciones para la producción de tres compuestos diferentes: biogás, pectina y aceite. Se describió el proceso detallado para la producción de cada uno de estos tres compuestos. Al desarrollar las alternativas de simulación propuestas para la producción de biogás, pectina y aceite, se recomienda como un trabajo a futuro el desarrollo de los siguientes métodos: ADM1 con la implementación de bloques de Foltran o una Simulación en Aspen Plus a través de una cinética conocida. Dado a que Aspen Plus no tiene un modelo predefinido para simular una DA, se propone un modelamiento cinético implementado en archivos externos, elaborados preferiblemente en el Software Matlab o fuertes herramientas programación científica, y de esta forma aprovechar la herramienta que tiene Aspen Plus para traer bloques de Fortran. Los bloques de Foltran llevan a cabo la combinación de modelos complejos de reactores y herramientas prestadas por Aspen Plus para que el modelamiento del reactor se pueda realizar mediante correlaciones empíricas (En este caso: El rendimiento de la producción de metano), cinética química, y cálculos rigurosos del reactor. En este modelo propuesto, las condiciones del reactor modelado por Aspen Plus (Flujos masicos, Entalpia, Temperatura y Presión) se transfieren a los módulos de Fortran para el respectivo calculo y posteriormente se transfieren nuevamente a Aspen Plus. 16 5. REFERENCIAS Bastidas-Oyanedel, J. R. (2019). Biorefinery: Integrated Sustainable Processes for Biomass Conversion to Biomaterials, Biofuels, and Fertilizers. Springer. Batstone, D. J., Keller, J., Angelidaki, I., Kalyuzhnyi, S. V., Pavlostathis, S. G., Rozzi, A., ... & Vavilin, V. A. (2002). The IWA anaerobic digestion model no 1 (ADM1). Water Science and technology, 45(10), 65-73. Doran, P. M. (2013). Bioprocess engineering principles. Elsevier. Chapter 13 Duran, D., Barreda, D., Carreno, L.,Rios, J., saaverdra, D,. Morantes, G., Sierra, R. (2019). Mango fruit waste: an amazing biorefinery opportunity. Batstone, D. J., Keller, J., Angelidaki, I., Kalyuzhnyi, S. V., Pavlostathis, S. G., Rozzi, A., ... & Vavilin, V. A. (2002). The IWA anaerobic digestion model no 1 (ADM1). Water Science and technology, 45(10), 65-73. Giraldo, L. M., Correa, H. M., Gutiérrez, J. B., & Castaño, C. C. (2007). Usage of the common mango agroindustrial waste (Mangifera indica L.) in the distraction of fermentables sugars. Ingeniería y Ciencia, 3(6), 41-62. Gabaix, X. (2008). Power laws. The New Palgrave Dictionary of Economics: Volume 1–8, 5082-5085. Hernández, M. S., & Delgadillo, L. R. M. (2011). Aplicación del modelo ADM1 en la digestión anaerobia de aguas residuales y desechos sólidos. Tumbaga, 1(6), 29-42. Peñaranda, G., Montenegro, G., & Giraldo, A. (2017). Exploitation of agroindustrial waste in Colombia. Revista de Investigación Agraria y Ambiental, 8(2), 141-150 Pyrgakis, K. A., & Kokossis, A. C. (2018). An Engineering Tool to Screen and Integrate Biomass Valorization Paths in Multiple-Feedstock Biorefineries. In Computer Aided Chemical Engineering (Vol. 43, pp. 573-578). Elsevier. Martínez Anaya, M. M., Pechene, Q., & Cáterin, J. (2017). Estado actual de los desperdicios de frutas y verduras en Colombia. Melgarejo, L. M. (2003). Bioprospección: Plan nacional yaproximación al estado actual en Colombia. Acta Biológica Colombiana, 8(2), 73-86. Morantes, G. (2019). Design an evaluation of a biogas production plant in Colombia, using mango (Mangifera Indica L) peels and pig manure as principal raw materials. 17 Rajendran, K., Kankanala, H. R., Lundin, M., & Taherzadeh, M. J. (2014). A novel process simulation model (PSM) for anaerobic digestion using Aspen Plus. Bioresource technology, 168, 7-13. Rivera-Salvador, V., Aranda-Barradas, J. S., Espinosa-Solares, T., Robles-Martínez, F., & Toledo, J. U. (2009). El Modelo de Digestión Anaeróbica IWA-ADM1: una revisión de su evolución. Ingeniería Agrícola y Biosistemas, 1(2), 109-118. Serrano, R. P. (2010). Biogas process simulation using Aspen Plus (Doctoral dissertation, Universitat Politècnica de Catalunya. Escola Tècnica Superior d'Enginyeria Industrial de Barcelona. Escola Tècnica Superior d'Enginyeria Industrial de Barcelona. Mobilitat, 2010 (Enginyeria Química)). Tripodi, A., Compagnoni, M., Martinazzo, R., Ramis, G., & Rossetti, I. (2017). Kinetic Modelling at the Basis of Process Simulation for Heterogeneous Catalytic Process Design.
Compartir