Traduccin al castellano de Dynamics of Environmental Bioprocess Autores: J.B. Snape, I. J. Dunn, J. Ingham & J.E.

Prenosil Editorial: VCH

Principios de la modelizacin
1.1 El Papel de Modelar en la Tecnologa Ambiental La comprensin del medio en el que vivimos, la interaccin del hombre con el ambiente protegindolo del dao y la rectificacin del dao ya ocasionado son esenciales para la supervivencia a largo plazo del planeta. La gama de problemas ambientales es inmensa en las portadas diarias de todos los aspectos de nuestras vidas, y su estudio abraza muchas reas tradicionales del tema, en las que el ingeniero ambiental juega un papel muy positivo. En este captulo, la modelizacin de ingeniera bsica introduce conceptos pertinentes a puntos ambientales, as como sus aplicaciones que se ilustran por medio del uso de casos con ejemplos simplificados. Los ingenieros han tenido una influencia directa sobre muchos de los problemas ambientales que nosotros encaramos hoy; por ejemplo, la contaminacin ocasionada por industrias qumicas, los vahos de descarga del automvil, minando y reduciendo el dao ecolgico ocasionado por la construccin de depsitos y caminos. El ingeniero tiene que jugar un papel importante en el diseo de procesos que ayuden en la mejorara del medio ambiente - por ejemplo, mejor tratamiento en las plantas de aguas residuales, filtracin de gases, la produccin de productos biodegradables o reutilizables y en minimizar el impacto ambiental en cualquier nuevo proyecto. El concepto moderno de minimizacin de residuos en el diseo

de procesos es una herramienta importante en esta rea. Los principios de la ingeniera se pueden tambin aplicar al estudio de procesos naturales tales como corrientes de agua en ros y lagos, el transporte de solutos por el suelo y la mezcla de contaminantes en el agua por el viento, etc. Los bioprocesos ambientales consisten en interacciones complejas entre procesos fsicos, qumicos y biolgicos. Los ms importantes de estos, se pueden expresar en los trminos de ingeniera que usan los cientficos: tcnicas de diseo con balances de masa y energa, equilibrios, cinticas microbiolgicas y de poblaciones, termodinmica, procesos de transporte, reacciones qumicas y bioqumicas, transferencia de masa y calor y estequiometria. Estos aspectos bsicos del proceso de modelado constituyen parte importante de este captulo. Adems otros muchos factores pueden influir en el proceso tales como el clima, la intervencin humana, la geografa, desastres naturales, etc. Es difcil sintetizar

mentalmente este gran volumen de material y casi imposible predecir como se comportar el proceso ms simple bajo condiciones diferentes. Los modelos matemticos pueden usarse para unificar este material en un paquete ms unificado y comprensible, que puede usarse para los propsitos de pronstico, procesado, control, diseo, educacin y gestin. Un buen modelo matemtico es un compromiso entre la exactitud, la pertinencia y la claridad. Es frecuentemente deseable que sea capaz de predecir los sucesos futuros con un alto grado de exactitud que consiguientemente requiere un modelo ms bien complejo. Sin embargo, la mayor complejidad del modelo ser la dificultad de determinar los valores apropiados a los parmetros del modelo y la menor generalmente ser la aplicacin del modelo. Por ejemplo, un modelo puede desarrollarse para predecir la influencia de la descarga de un efluente industrial sobre las concentraciones de oxgeno disuelto de un ro. Un pronstico preciso puede

ser obtenido por un modelo particular para el ro en cuestin, pero esto podra dar los resultados poco satisfactorios cuando se aplicara a otro ro bajo condiciones diferentes. Un modelo alternativo ms general, podra dar resultados ms capaces pero al costo de una prdida de exactitud. Adems, un aumento en la complejidad puede conducir una reduccin en la comprensibilidad. Si el modelo va a ser usado por otros, entonces necesita estar expresado de una manera clara y comprensible, sino es para resolver una curiosidad matemtica. Cuando se va a desarrollar un modelo es, por lo tanto, necesario que se entienda claramente el uso propuesto del modelo y se mantenga esta idea durante el desarrollo de dicho modelo. final: el modelado matemtico no poder reemplazar las Un punto tcnicas

experimentales y los datos, pero puede resultar una manera ptima de presentar ideas complejas en una forma eficiente. El enfoque en este libro est concentrado en un tratamiento simplificado del modelado dinmico y de la simulacin de aplicaciones ambientales de ingeniera. No obstante, bastantes fenmenos realistas de proceso pueden frecuentemente ser descritos por modelos relativamente simples, como los ejemplificados por este texto. Frecuentemente un

enfoque simplificado puede ser muy til para aclarar ideas preliminares, antes de abordar el verdadero problema de la vida en toda su complejidad. Ninguno intento se ha hecho aqu para tratar problemas ambientales a gran escala, tales como efectos climatolgicos, meteorolgicos o geogrficos. El software complejo de modelacin que se usa para resolver problemas a gran escala, tales como precipitacin qumica en ros, estuarios o al mar, las descargas gaseosas desde pilas, los efectos de las emisiones del automvil, son del inters de agencias de especialistas y no son generalmente apropiados para ensear, propsito principal de este libro.

Los cuatro principios bsicos del modelado matemtico, que se muestran en la Fig. 1.1, son materia de sentido comn (Kapur 1988) y puede resumirse como se indica a continuacin: 1. El modelo matemtico nicamente puede ser un acercamiento a los

procesos reales de la vida que son frecuentemente sumamente complejos y parcialmente entendidos. As los modelos son en s mismos ni buenos ni malos pero deberan satisfacer bien el fin para el que anteriormente se definieron. 2. La Modelizacin es un proceso de desarrollo continuo que es

generalmente aconsejable partir de la representacin conceptual ms simple del proceso y construir ms y ms complejidades mientras se desarrolla el modelo. Frecuentemente, partir del proceso en su forma ms compleja conduce a la turbacin. 3. La Modelazacin es un arte pero tambin un proceso de aprendizaje

muy importante de la teora pertinente y un considerable conocimiento del funcionamiento real que el proceso requiere. Uno de los factores ms importantes de la modelizacin est en la comprensin bsica de la sucesin de los efectos y causas de los procesos individuales. 4. Los modelos deben ser realistas y robustos. Un modelo que predice

efectos que son bastantes contrarios al sentido comn o a la experiencia normal es inverosmil que se reciba con confianza.

1.2 Aspectos Generales del Enfoque de la modelizacin. Una etapa esencial en el desarrollo de cualquier modelo es la formulacin apropiada de las ecuaciones de balance de energa y masa. A estas pueden agregarse relaciones adicionales como: las velocidades de reaccin qumica, la transferencia de masa y de calor, los cambios en las propiedades de sistema, los equilibrios de fases y control. La combinacin de todas estas relaciones es la base para la descripcin cuantitativa del proceso y comprende el modelo matemtico bsico. El modelo resultante puede oscilar desde un caso simple con relativamente pocas ecuaciones a modelos de grande complejidad. Sin embargo la mayor complejidad del modelo, es la dificultad en identificar el aumento del nmero de parmetros que valora. Una de las habilidades de modelar es buscar el modelo ms simple posible, capaz de dar una representacin realista del proceso.

La aplicacin del modelado combinado y la aproximacin de la simulacin conduce a las ventajas siguientes: 1. 2. 3. 4. 5. El modelado mejora la comprensin del proceso. Los modelos ayudan en el diseo experimental. Los modelos pueden usarse par predecir acciones futuras. Los modelos pueden usarse en entrenar y ensear a tcnicos. Los modelos pueden usarse para mejorar procesos.

1.3

Clasificacin de los modelos.

Muchos enfoques diferentes se han adoptado para la clasificacin de los modelos de los procesos ambientales. Una distincin puede ser entre modelos deterministicos y modelos estocsticos, y entre modelos

dinmicos y modelos estticos.

1.3.1 Modelos Deterministicos Los modelos en que todos los parmetros tienen definidos los valores se llaman deterministicos. La mayora de modelos presentada en este curso son deterministicos en ellos no son tomadas en cuenta fluctuaciones

ambientales aleatorias y asignan valores constantes a los parmetros de modelo tal como velocidades de crecimiento, velocidades de corrientes, volmenes, concentraciones y temperaturas. En muchos procesos esta es

una suposicin razonable y frecuentemente los modelos deterministicos pueden dar buenas predicciones, pero la introduccin de una complejidad

extra por la asignacin de variables estadsticas a los valores de los parmetros es a menudo no til. Esto se aplica especialmente a las aplicaciones del modelizado de los procesos de tratamiento de aguas residuales donde los parmetros de operacin comnmente se mantienen constantes.

1.3.2 Modelos Estocsticos Los modelos estocsticos pueden usarse para representar fluctuaciones ambientales aleatorias en parmetros tales como temperatura, aguas de lluvia, velocidad de flujo del los afluentes y su concentracin.

Frecuentemente un significado, o valor esperado se asigna al parmetro (esto puede ser dependiente-tiempo) y una variacin dependiente-tiempo superpone a este valor. Algunos parmetros no tienen un valor fijo pero muestran una distribucin de valores que puede entonces ser representada por un modelo estocstico. Ejemplos de tales parmetros incluyen las

distribuciones en la edad de una poblacin, la velocidad y tamao de una burbuja en un reactor ventilado, la frecuencia de contacto sexual entre la poblacin de diferentes grupos y distribuciones en el tamao de partcula de suelo. Las distribuciones estadsticas, tal como Gaussianas, Poisson, binomiales, logartmicas etc. pueden usarse para describir los datos experimentales. Bajo tales condiciones, el modelo puede ser recorrido repetidamente por valores de los parmetros escogidos al azar desde estas distribuciones para generar una distribucin de posibles resultados en la llamada simulacin MonteCarlo. La ventaja de modelos estocsticos es que mediante ellos se pueden predecir sucesos de baja frecuencia que puede tener implicaciones crticas para el proceso y que no son predecidas por un modelo deterministicos.

La principal desventaja es que mientras que frecuentemente el significado del valor del parmetro puede conocerse con un grado razonable de exactitud, comnmente la distribucin de los valores no es conocida con el mismo grado de exactitud, y esto puede conducir a inexactitudes. Se recomienda al lector los autores Hahn y Shapiro (1967) para una discusin ms detallada sobre la aplicacin de modelos estocsticos.

1.3.3 Modelos Estticos Los modelos tambin pueden clasificarse en estado dinmico o esttico, dependiendo si sus condiciones cambian con el tiempo. Los modelos estticos tienen la ventaja que son matemticamente ms simples que los modelos dinmicos equivalentes y los conjuntos de ecuaciones algebraicas resultantes que representan el modelo pueden frecuentemente se resolverse analticamente para derivar relativamente en un diseo y relaciones operacionales ms simple. Por ejemplo, muchos de los procesos de tratamiento de aguas residuales, frecuentemente recurren a modelos estticos que se usan usualmente para su diseo, operacin y gestin.

1.3.4 Modelos Dinmicos Todos los procesos naturales ambientales son dinmicos y aunque las condiciones se puedan frecuentemente acercar al estado esttico, la comprensin de la dinmica es esencial, si la influencia de los cambios en las condiciones quiere ser predecida. Incluso en las plantas de tratamiento de aguas residuales diseadas para operar en estado esttico, un modelo dinmico es frecuentemente necesario para ser capaz de comenzar a

modelar y conocer la influencia de las perturbaciones sobre el sistema. Los modelos dinmicos son frecuentemente muy complejos, ya que ellos se componen de conjuntos de ambas ecuaciones algebraicas y diferenciales, que hasta que el nacimiento de la computadora moderna, las tcnicas numricas basadas en la integracin eran sumamente difcil resolver. La mayora de los procesos ambientales son descritos por conjuntos de

ecuaciones no lineales de modelo dinmico y son consiguientemente muy difciles o imposibles para resolver analticamente. Como muestra este texto, el nacimiento de los idiomas digitales de simulacin tienen, en gran medida, superado este problema.

l.4

El Procedimiento General de Modelazacin.

Uno de los aspectos ms importantes de modelar es la necesidad frecuente de reevaluar la teora bsica y las ecuaciones matemticas a fin de logran un resultado realista. Las etapas siguientes pueden identificarse en el procedimiento de modelar: Lo primero involucra la definicin apropiada del problema. disponible debe entonces formularse en trminos

La teora matemticos. -

Habiendo desarrollado un modelo, las ecuaciones deben resolverse.

El pronstico de computadora debe verificarse y si es necesario enmendar el modelo Como hemos mencionado anteriormente los modelos ambientales son comnmente complejos y los mtodos numricos de solucin deben por lo tanto ser empleados. El mtodo preferido en este texto es el de la simulacin digital.