1. INTRODUCTION Virtually a1] systems encountered in extractive metalluray are hetemor Beneous in nature ( svolvinasmorerthansonemphase). Aefubi=Akcofethese systenssinvolve%nanticulates (sotidvvarticles, kiquidedroslets, tas~bubbles, etc.). This course deals with the quantitativecrepresentation (mathematical snodeting) of the kinetics*0F*hvsicatmand=chemicalschandemin.narticulate systems. The objectivewis=tordevelon mathematicalrabstractionse(models) of qealsprocesses) whichvarevuseful—for-understandina=the=subtleties.of-comlex Drocesses and which: arovide~the basis” for-accurate”orocessmdesian=~optinization and effectiverbroces:iscontrol . Sa Soe wees General remarks abolt modeling: Mathematica niodeTing™involves*the™application*of*thescientific method ‘in one of its purest forms. As shown in Figure 1.1 below the model building process*involves»ma’:ingya hypothesis concerning -the- system of “interest (i.e. postulating»a:form-of-the model), testing’this=hypothesis. with~experimental data, naking-anvappropriate’reviston™in’the*model and wepeating the cycle untilwthe-hypothesis (the model) provides’an™™adequate’ representation" of realitys(the-real process). Rivest posits eciees Corsets scion sata eet Figure 1.1. General model building strategyMet. 655 . Page 2 The term "adeqvatetrepresentation” can only-be.defined.relativertowthe applicationsfor-which*the”arialyst-hasintended=thesmodelwtomberused. In-some ‘instances*modelsewhich* provide predictions-ofrtrue~process=behaviorwhich-are accurateswithinan order-of magnitude*may*beral wthatris*required. In other Caseseasprediction-errorless*than"It*mayrbevnecessary. It-is-generally accepted,.tiat-a-good model~ofa~processtis~one-which~contains~enough»det: butandimonesdetai], thenisonecessary-to-meet~therobjectivesofta~particu’ application. In this course we shall develop a general model framework for particulate systems, identify and discuss certain classes of modeling problems, . and carry out the reduction of these models to their “simplest form" for several specific applications. General remarks about particulate processe: 1) Invariably dealing with a countable number of entities which possess a distribution of physical and chemical properties (size, mineralogical, porosity, surface prop.) that determine the process behavior - the most~importantsinglevcharacteristic ofvasparticulate”assembly"isifrequently*its»sizerdistribution. 2) Analysis of a particulate process system in general entails that we can describe the evolution of the-size*distribution (and occasionally other property distributions) in both ‘seme and Space. 3) Typically. these processes are too complex to permit the development of a first principles, stochastic model, which is useful for process analysis. Instead phenomenological models Which provide & description of the averade Gelaviar’ of particles in a propercy class are most suitable for process analysis. 4) Oae,or-tuo parameter representations of-the-state ofa systemare seldom adequate. Whenvsuch a description-is adequate--tho»nost appropriate.single-parameter-representations (e.g. «asmeaneparticle’size) canvonly be~identified”by*consider- ing the entire-distribution”of’ particle”properties: (e.g. sizerdistrisution)._Modelacién Matematica _ Un modelo es una representaci6n de un modelo real con un objetivo definido El modelo puede ser: e Verbal e Esquematico e Escalamiento « Econémico e Matematico_ Modelacion Matematica CONDICIONES DE PROCESO INPUTS | PROCESO | OUTPUTS a + | TRANSPORTE/CINETICA | —-——— REPRESENTACION VARIABLES = > $$ VARIABLES DEENTRADA | PROCESO | DE SALIDA =| TRANSPORTE/CINETICA > : j oe VARIABLES VARIABLES PARAMETROS DEESTADO DEPROCESO DE PROCESOVariables asociadas a un Perturbaciones PROCESO | Variables ————»} | Variables manipuladas Parametros |.» medibles 0 Variables de estado | controjadas Variables de estado: Aquelias variables que permiten caracterizar en forma total la condicién en que se encuentra un procesos; no siempre sor. medibles directamente Variables manipuladas (controles): Aquellas variables que pueden ser modificadas a voluntad. Ejercen accién directa sobre las varlables de estado de unsistema. Perturbaciones: ‘Aquellas variables que, si bien ejercen acci6n’ sobre las variables de estado, no son posibles de manejar a voluntad y es comtin que no puedan ser detectadas o medidas. Variables medibles (respuesta): Aquellas variables que permiten conocer la evolucién de un proceso, determinar el deterioro de que las perturbaciones provocan y el efecto’ de las variables manipuladas. Pueden utilizarse para control de procesos. Parametros: Son las propiedades del medio y permiten condicionar las relaciones entre las variables y, por lo tanto, sus caracteristicas y formas de evolucionar. Normaimente se consideran constantes 0 de lenta evolucién.4 seats Variables asociadas a un proceso Wp, Pitlipa Planteamiento: Sea un pezo que réecibe pulpa de un molino con agua da a voluntad y, 2 su vez, la pulpa resultante es par ura bomba. Clasifique las variates deates a 7 oy : ] Etapas en la construccion _deunmodelo Definicién o Conocimiento del sistema o Séleccién de variables fundamentales o Proposicién de mecanismos o Derivaci6n de modelos mecanisticos e Validacion o Selecclén del modelo o Analisis de datos e Mejoras del modelo e Modificacién del modelo e Aplicacién| Metodologia de modelacién Definicion ° propésito, alcance, bosquejo e Busqueda de Informaci6én © revisién de literatura © experiencia pasada © discusiones personales e Disefio y desarrollo o escritura y resolucién de ecuaciones del modelo e Evaluacion © experimentacion con modelos a escala o prototipos © estimacién de parametros © validacién de predicciones del modelo ¢ Aplicacion © escalamiento, disefio, operacién, control, optimizacion del proceso._Problemas de Modelacion | e Extrapolacién mas alla del rango de validacién ¢ Disponibilidad de datos e informacion e Ecuaciones diferenciales que no pueden ser resueltas en forma exacta e Limitaci6n a suposicionesresultados de las mediciones. &s importante comprender y a menos que las mediciones son propiamente interpretadas y estas interpretaciones conduzcan a una apropiada conclusién, todo el esfuerzo puede ser inutil. Por esta razén es casi siempre deseable hacer algunos calculos (modelar) primero, y luego usar esto como una base ambos para el planeamiento de las medidas e interpretacion de los datos a ser obtenidos. Es importante enfatizar que los calculos y las mediciones no son alternativos, pero muy a menudo deben ser persequidas en una forma complementaria como se ilustra en la figura 2.1.2 indicando que los modelos matematicos, los modelos fisicos y las actuales (escala de planta) mediciones pueden ser ingredientes de un programa exitoso. €—n muchas instancias pueden requerirse muchas iteraciones entre los modelos matematicos y las mediciones fisicas antes de que el nivel deseado de entendimiento finalmente emerja. 2COMO SE CONSTRUYEN LOS MODELOS mATEMATICOS? La figura 2.1.3 muestra un flujo esquematico del desarrollo del modelo matematico. Se observa que la primera (y generalmente la mas dificil) etapa es la identificacion del problema; los problemas de procesamiento dificilmente se presentan al investigador en una forma nitida definida. Muy @ menudo, uno tiene que “escudrifiar profundamente”, formar una imagen mental de los parametros claves que afectan al sistema; y entonces expresar esta imagen fisico-quimica en una forma matematica. Una vez que el problema es formulada, la siguiente etapa es el __ escalamiento, determinacion del alcance y analisis del orden de magnitud. Esta técnica, que ha sido usado frecuentemente por matematicos practicos, es muy poderoso, proveyendo una vision Util en la conducta del sistema. A través del andlisis del orden de magnitud, podemos definir la escala del tiempo del problema, esto es el tiempo requerido para alcanzar el equilibrio térmico o quimico y la escala de velocidad, esto es los valores tipicos de las velocidad del fluido y similares. Ademas este analisis preliminar del alcance es extremadamente Util en definir el rango de los parametros que deben ser cubiertos en el subsiguiente trabajo computacional .Modelamiento Matematico Modelo Fisico 6 Datos de Planta Disposicién material del proceso Fig. 2.4.2 E1 balance entre el modelo watemitico, modelo fisico y experimentacién a escala de planta. Identificacion | del problema lL Formulacién del Problema Lee ee Alcance y escalamiento | |de soluciones asintoticas Soluciones Experimentos i | numéricas Sintesis | Implementacién J Fig. 2.1.5 Hetodologia General dei Desarrollo de los modelos matemiticos.Como se ve en ia figura, las siguientes dos etapas paralelos son: computacién y trabajo experimental. £1 calculo en computadora, es a menudo necesario porque puramente resultados analiticos 0 estimados de orden de magnitud no proveera detalles adecuados. El trabajo experimental sera necesario, tanto para probar las predicciones teoricas, asi como para proveer valores apropiados (viscosidad, conductividad térmica y eléctrica, constante de la velocidad de reaccién y similares), estos valores no son disponibles del trabajo primario teérico. La siguiente etapa es la sintesis, que es el desarrollo de un entendimiento cuantitativo del sistema, sobre el cual, puede basarse la subsiguiente implementacién. Esta implementacion puede envolver una decision, sea para proceder con un desarrollo del proyecto, una modificacion importante de una operacién existente, la instalacién de un nuevo sistema de control y/o similares. £1 punto clave que uno debe reenfatizar, con respecto a este flujograma es que, una vez que un problema ha sido identificado, cualquier investigacion debe empezar primero con célculos simples, y entonces usar esto, como un marco para planificacion experimental y programas computacionales a ser llevados a cabo en una manera iterativa. En los comienzos del modelamiento, la mayoria de los modelos eran personales, a menudo empezaban desde los primeros principios y la consideracion de volimenes de control elementales. Hoy dia. el modelador esta en mejor situacion,porque el 6 ella puede valerse d. 4) Muchas situaciones andlogas b) Disponibilidad de Hardware barato c) Un amplio espectro de paquetes de software. Hoy en dia, el camino en el desarrollo de modelos matem4ticos se basa en dos componentes claves: i.- El actual block de construccién de modelos, los cuales son las leyes basicas de fisica y quimica. ii.- Comparacion con trabajos previos andlogos, a través de la consideraci6n de situaciones fisicas basicas. RAZONES POR LAS QUE SE UTILIZAN CON FRECUENCIA ECUACIONES DIFERENCIALES EN LA CONSTRUCCION DE MODELOS, Hemos mencionado varias veces que las ecuaciones que constituyen el funcionamiento de un modelo matematico son generalmente ecuaciones diferenciales, especialmente si sePrey modelos cinéticos de procesos y modelan directamente os procesos batch, ademas cuando se le incorpora a la 6n general de conservacién o se le incorpora la 6n de distribucion de tiempo de residencia, modelan a los procesos continues MODELOS FENOMENOLOGICOS 2.2.1 Formulacién de Modelos Fenomenolégicos @. Principios Basicos El intento de los hombres para encontrar una explicacion unificada de los fenémenos naturales es, sin duda, muy antigua. Los jonicos trataron de explicar totalmente tales fenémenos en funcién de la modificacién del comportamiento de una substancia basica, tal como agua o aire. Consideremos 10 que habitualmente denominamos Propiedades de la materia, por ejemplo, los conceptos de calor especifico, conductividad calorifica, viscosidad, coaficiente de difusidn, resistencia, presién y temperatura. una de las principales diferencias entre la actitud de un fisico y un ingeniero frente a estar propiedades reside en la forma en la que tratan estos coneeptos. Un fisico no esta satisfecho debido a que estos conceptos no son suficientemente elementales. Su actividad esta dirigida hacia el intento de explicar estos conceptos por medio de un numero reducido de otro conceptos mas elementales tales como ntcleos, atomos y electrones. Tampoco el ingeniero se encuentra satisfecho, pero por razones totalmente diferentes. Para la mayor parte de los problemas ingenieriles estos conceptos de propiedades son demasiado elementales. En vez de tratar de encontrar Subelementos mas pequefios, como le ocurre al fisico, el ingeniero desearia integrarlos en conceptes més elaborados. Aunque estos conceptos pueden parecer sencillos, en la practica no ocurrira asi puesto que el ingeniero los utilizara en una uy otra forma segin resulten mas convenientes. £1 problema basico del ingeniero eonsistird en considerar aspectos particulares que describan de una forma precisa y conveniente el comportamiento de los procesos macroscépicos. Esto no quiere decir que el ingeniero deba apartarse de las ciencias fundamentales, puesto que constituyen el fundamento de su trabajo, y., en muchos casos, deber4 utilizar conocimientos directamente obtenidos por fisicos y quimicos. PorNo) mie ejemplo, a temperaturas elevadas 1a capacidad calorifica de gases se puede predecir a partir de consideraciones de mecanica estadistica, en Circunstancias en las que seria mas dificil obtener datos empiricos. Pero los ingenieros tratan mas frecuentemente con conceptos y Propiedades de tipo compuesto, asi como también con variables, que son las variables de manipulacion, aunque pueden no ser las variables verdaderas de un proceso. £1 ingeniero realiza el mismo tipo de analisis que el fisico: toma un conjunto de datos, los analiza y elabora reglas, pero s@ mueve en una escala diferente dentro del mundo real. El objetivo de esta seccién es presentar brevemente los modelos que se obtienen a partir de los principios fisicoquimicos (principios de los fenémenos de transporte). siendo los principales, los resumidos en 1a siguiente Tabla: Tabla 2.2.1 Bases de 1a Construccién de los Modelos Matematicos [ conPONENTE ‘APLICACTON COHENTARTOS Ecuaciones de Navier-Stokes Flujo de Fluidos Hanipulacién de complejas ecuaciones vectoriales y tensoriales [Ley de Conduccion de Relativamente simple, nas Fourier calor conplejo si es incluido cambios de fase. Ley de Fick | bifusion Simple para un componente muy conplejo para sistemas de varios componentes. Transporte | Transferencia de | Conbina flujo de fluios, convectivo _|masa y calor transferencia de masa y calor. Ecuaciones de Haxwel1 Electrodinamica HHO Problemas muy complejos como: plasmas, hornos de induccion, etc. Termodinamica Diagramas de Equilibrios de fases A menudo calculos rutinarios Cinética Predicciones de | Requiere datos experimentales velocidad Los principios basicos correspondientes a los modelos no son m&s que los conceptos de balance de materia, cantidad de movimiento y energia. Cada balance puede expresarse en esta form.sa Acumulacion neta Transporte neto Transporte neto en el volumen | = {de entrada a través} ~ jde salida a traves del sistena de la superficie de la superficie del sistema L del sistema Generacién neta [ consumo neto 4 {enel volunen }~-{ en el volunen del sistema { del sistema £1 objetivo general de la construccién del modelo es reemplazar estas palabras por expresiones matematicas que sean tan rigurosas y a la vez contengan tan pocos parémetros desconocidos como sea posible. Para formar modelo completo es necesario disponer de dos condicionamientos matematicos: a) Las ecuaciones algebraicas o diferenciales que lo rigen b) Las adecuadas condiciones iniciales y limite. Términos Cinéticos En todos los balances de materia utilizados en los distintos niveles de descripcion matemAtica hemos supuesto siempre que los terminos cinéticos eran conocidos. Por supuesto que estos términos deberan predecirse teéricamente 0 bien _medirse experimentalmente para los distintos tipos de reacciones que se pueden encontrar. Una evaluacién tedrica implicaria realizar calculos muy detallados acerca de las interacciones y reordenaciones moleculares que tienen lugar en las colisiones, para, a partir de estos calculos, establecer los adecuados términos cineticos. Hasta ahora no es posible realizar esto en la praéctica, de forma que la prediccién estrictamente tedrica de velocidades de reaccién esta fuera del alcance del ingeniero, y es preciso recurrir a la experimentaci6n. Aun asi, es dificil medir exactamente lo que ocurre en un proceso real. Si el ingeniero hubiese de formular @l mecanismo exacto de una reaccion tendria que determinar todas las especies posibles, incluyendo reaccionantes, asi como productos intermedios y de reaccién que se forman o desaparecen en la mezcla reaccionante. Generalmente se pueden medir los principales reaccionantes y productos, pero muchas de las sustancias intermedias existen solamente durante periodos de tiempo de microsegundos y, por