Reč model potiče od latinske reči modus, što znači mera.

MODELOVANJE – metoda prouĉavanje objekta (fiziĉkog, fiziĉko-hemijskog) gde se

umesto na“originalu” prouĉavanje vrši na modelu, a rezultati se kasnije proširuju na
“original”
“Matematički ili fizički sistem koji podleže specifičnim pravilima, a koristi se za
razumevanje fizičkih, bioloških i društvenih sistema sa kojima je u određenoj
analogiji” (McGraw-Hill Dictionary of Scientific and Technical Terms)
*Metode modelovanja:
1. Matematičke
2. Fizičke
3. Modelovanje metodom prenosa dimenzija
*Vrste pristupa:
1. Empirijski
2. Fundamentalni
3. Stohastički
4. Populacioni

Empirijski
-Zasnovani na eksperimentalnoj analizi
– Najčešće nisu teorijski zasnovani,
– Dosta pouzdani u ispitivanom intervalu,
– Nepouzdani za ekstrapolacije,
– Oblik: empirijske korelacije dobijene regresijom eksperimentalnih podataka.

Empirijski pristup je zasnovan na analizi eksperimentalnih rezultata.

U eksperimentima najčešće variraju odabrani parametri a mere se željene veličine.
Empirijski model često nije u potpunosti zasnovan na teorijskoj analizi.
Prednosti:
Složeni sistemi (više faza, više komponenti i reakcija, više operacija, složena
struktura) se često ne mogu opisati teorijski, ili se fundamentalni modeli ne mogu
rešiti, pa empirijski pristup omogućava da se predvidi ponašanje tih sistema.
Empirijski modeli se mogu koristiti sa relativno velikom pouzdanošću ako se
pretskazuje ponašanje istog ili sličnog sistema u opsegu vrednosti parametara za
koje je predhodno izvršena analiza i razvoj modela.
Najčešće su jednostavni za upotrebu.
Nedostaci:
Pošto empirijski modeli često nisu teorijski zasnovani, oni ne mogu da doprinesu
boljem razumevanju fizičkih i hemijskih pojava u posmatranom sistemu.
Pošto nema teorisjske zasnovanosti, postoji mogućnost da se neki od značajnih
parametara ne uključe u analizu.
Primena je ograničena samo na slične sisteme i na opseg parametara korišćen pri
postavljanju modela to znači da ekstrapolacija pri primeni empirijskog modela nije
dozvoljena.
*Primeri upotrebe empirijskih formula
Predviđanje fizičkih, hemijskih, termodinamičkih veličina za jedinjenja ili smeše na
određenim uslovima, npr: konstante brzine hemijske reakcije, koeficijenta prenosa
toplote i mase, koeficijenta aktivnosti, napona pare, toplotnog kapaciteta…
Predviđanja ponašanja sistema pod različitim uslovima: dinamika sistema i procesa,
način strujanja i kontakta faza,...
Kalibracija instrumenata, uređaja za merenje, analizu, monitoring i dr...
Ranije se empiriski pristup koristio više, ali sa napretkom teorijskih istraživanja i
brzim razvojem računara, se sve manje upotrebljava.

2. Fundamentalni
– Zasnovani na fizičkim i hemijskim principima,
– Teorijski opisuju sistem,
– Predviđaju ponašanje sistema za različite uslove,
– Oblik: diferencijalne ili algebarske jednačine dobijene na osnovu bilansa i brzine
procesa.

• Zasnovan na osnovnim zakonima fizike i hemije.

• Osnova
a) bilansi: materije, energije, količine kretanja i
b) izrazi: za brzinu hemijske reakcije, brzinu prenosa mase i toplote i za fizičku
i hemijsku ravnotežu.
• Bilansi se postavljanju na različitim dimenzionim skalama, u zavisnosti od veličine
sistema i/ili željenog nivoa detaljnosti opisa.
• Matematički oblik: diferencijalne (obične i parcijalne) i algebarske jednačine.
PREDNOSTI
• Teorijski opisuju sistem, rezultati modela mogu da doprinesu boljem razumevanju
fizičkih i hemijskih pojava i fenomena.
• Pomoću modela je moguće predvideti ponašanje sistema pod različitim uslovima.
• Koriste se za projektovanje uređaja i upravljanje procesima.
• Njihovom primenom se smanjuje ili eliminiše potreba za izgradnjom pilot uređaja.
• Mogu da pomognu u planiranju eksperimenata i smanjivanju broja eksperimenata.
NEDOSTACI
• Sistem koji se modeluje se mora vrlo dobro poznavati pre postavljanja modela –
zahtevaju se raznovrsna i specifična znanja i veštine inženjera / istraživača.
• Ponekada su postavljeni modeli vrlo složeni pa se ili ne mogu rešiti postojećim
metodama ili je potrebno mnogo (računarskog) vremena i resursa.
Napomena: modele, čak iako su vrlo detaljni / precizni, je neophodno verifikovati
poređenjem sa eksperimentima; pre verifikacije se modeli ne mogu upotrebljavati sa
pouzdanošću.

*Nivo opisa

1. Mikroskopski
Koristi molekulski opis, što znači da je kontrolna zapremina na nivou grupe
molekula – hemijska kinetika. Hemijska kinetika definiše brzinu hemijske
reakcije kao funkciju karakteristika sistema (c,T,p).
Služi za pojednostavljnje ukupnih izraza za brzinu po postavljenim teorijskim,
konzistentnim mehanizmima složenih reakcija.
2. Mezoskopski
Daje detaljan opis na mezo-skali. Koriste se diferencijalni bilansi u
višedimenzionom prostornom sistemu;
Služi za opis strujanja na nivou vrtloga (turbulencija), izračunavanje prenosa
mase i toplote na nivou čestice.
3. Makroskopski
Manje detaljan opis sistema po pitanju unutra- šnjih karakteristika;
Modeli se dobijaju redukcijom (pojednostavljenjem) osnovnih bilansnih
jednačina transporta
Koeficijenti koji figurišu u difer. jednačinama su modifikovani, vremenski i
(prostorno) usrednjeni
Makroskopski modeli se često koriste u inženjerskoj praksi pri projektovanju i
analizi, ali se u današnje vreme sve češće koriste detaljnjiji mezoskopski
modeli
4. Megaskopski
Nivo opisa je širi od procesa i postrojenja (osim tehničko-tehnoloških,
uključuje društvene aspekte: ekonomske, pravne, zaštitu životne sredine...)
Modeli složeni, sadrže navedene aspekte, pa zavise od razvoja i potreba datog
društva i njihovih normativnih akata (ali nisu detaljni po pitanju fizičkih i
hemijskih pojava).
Primeri upotrebe:
– Planiranje proizvodnje i lanca nabavke za više fabrika,
– Analiza uticaja proizvoda na životnu sredinu tokom njegovog životnog
ciklusa.
– Procena uticaja novih projekata na životnu sredinu
– Predviđanje scenarija zagađenja i disperzije štetnih materija u životnu
sredinu.

3.Stohastički
Koristi se za opisivanje sistema u kome se veličine u sistemu menjaju nepredvidljivo,
odnosno slučajno. To su procesi u kojima se veličine na izlazu i/ili posle određenog
vremena ne mogu jednoznačno odrediti na osnovu stanja sistema na ulazu ili u
predhodnom (početnom) trenutku.
Često sistemi tj procesi imaju složenu unutrašnju strukturu koja se ne može analitički
(deterministički) opisati koriste se stohastički modeli.
Stohastički modeli predviđaju ishod slučajnih procesa, ali sa izvesnom
neodređenošću, koja se opisuje raspodelom verovatnoće. Stohastički modeli su
zasnovani na teoriji i zakonitostima verovatnoće.
– Zasnovani na teoriji verovatnoće,
– Koriste se za sisteme u kojima se veličine menjaju nepredvidljivo, slučajno,
– Izlazne veličine nisu jednoznačno određene ulazom,
– Oblik: funkcije verovatnoće i statistike.

4.Populacioni
– Zasnovani na bilansima populacije,
– U hem. inženjerstvu se koriste za opisivanje realnog strujanja u uređajima,
– Dobijaju se na osnovu teorijske (ali stohastičke) analize i eksperimenata sa
obeleženom supstancom.
– Oblik: funkcije starosne raspodele
– unutrašnja, raspodela zadržavanja i dr.

1. Formulacija problema Definisanje ciljeva i željenih ishoda, detekcija procesnih

zahteva i potencijalnih problema.
2. Analiza problema Prikupljanje podataka i ranijih iskustava, podela sistema u
podsisteme, postavljanje primarnih veza između elementa i promenjivih.
3. Usvajanje pretpostavki modela Odabir i provera pretpostavki, analiza u cilju
postavljanja što je moguće manjeg br. jednač. 1. UVOD - MATEMATIČKI MODELI
MODELOVANJE I SIMULACIJA PROCESA 13 IZGRADNJA / RAZVOJ MODELA – 2
4. Postavljanje jednačina modela Definisanje veza između promenjivih i parametara
u matematičkoj formulaciji, provera određenosti i konzistentnosti modela.
5. Prikupljanje neophodnih podataka Obezbeđenje tačnih vrednosti konstanti.
6. Odabir numeričkih metoda i formiranje algoritma Izbor optimalnog, detaljnog
algoritma sa metodama za rešavanje postavljenog problema IZGRADNJA / RAZVOJ
MODELA – 3
7. Simulacija programa Izvršavanje programa, generisanje rezultata.
8. Analiza i interpretacija rezultata Odabir reprezentativnih rezultata, poređenje sa
eksperimentima, detekcija uzroka greške.
9. Poboljšanje i korekcija modela Ispravke u pretpostavkama ili/i u modelu ili/i u
algoritmu i ponovne simulacije.
10.Primena modela