MODELAMIENTO Y SIMULACION

DE PROCESOS Y OPERACIONES
PARTE - 2
INGENIERIA METALURGICA – UNSA

ROBERTO HUAMANI BERNAL

AREQUIPA-2018

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 1

 CAPITULO I

SIMULACION DE OPERACIONES Y PROCESOS

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 2
 SIMULACION
• En la vida real se presentan situaciones o sucesos que requieren tomar
decisiones para planificar, predecir, invertir, proyectar, etc.
•
• Por ejemplo, la demanda creciente de un producto hace que la fábrica y
los comercios adapten sus producciones y volúmenes de venta para
satisfacerla y obtener mayor rentabilidad. El nivel de calidad de un
servicio en un banco se alcanza cuando se establecen cierta cantidad de
facilidades y atención a los clientes.

• Los procesos de modelización y simulación son iterativos y permiten

comprender mejor el sistema de estudio y ayudan a tomar decisiones,
sin el exclusivo apoyo de la intuición, experiencia o tradición.
•
• En consecuencia es importante determinar el sistema a estudiar según
determinados objetivos, representarlo mediante un modelo y luego
simularlo.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 3
• Al proceso de experimentar con un modelo se denomina simulación. Al
proceso de diseñar el plan de experimentación para adoptar la mejor
decisión se denomina optimización. Si el plan de experimentación se
lleva a cabo con el solo objeto de aprender a conducir el sistema,
entonces se denomina entrenamiento o capacitación.
•
• Si el modelo permite ‘imitar’ la situación real o parte de ella, puede ser
utilizado con fines experimentales en lugar del prototipo. Este método
de ‘imitar’ la realidad se conoce como simulación.
•
• La palabra simulación comenzaron a usarla en 1940 John Von Neuman y
Stanislav Ulam, al desarrollar el método Montecarlo para resolver
problemas de blindaje nuclear ya que eran demasiado costosos para la
experimentación física o demasiado complejos para la solución
analítica.

• Posteriormente las empresas las aplicaron para solucionar problemas

como: mercadotecnia, distribución física de maquinarias, problemas de
manufacturas, control de inventarios, etc.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 4
 Metodología y etapas de la simulación
La simulación es una técnica experimental de resolución de problemas lenta e iterativa.
Utilizada cuando:
– No exista un sistema real, sea caro o peligroso o imposible construir y manipular un
prototipo
– La experimentación con el sistema real sea peligrosa, costosa o pueda causar
incomodidades
– Existe necesidad de estudiar el pasado, presente y futuro de un sistema en tiempo
real, expandido o contraído (control de sistemas en tiempo-real, cámara lenta,
crecimiento de poblaciones, efectos colaterales de fármacos, etc.)
– La modelación matemática del sistema es imposible (meteorología, sismología,
conflictos internacionales, etc.)
– Los modelos matemáticos carecen de soluciones analíticas o numéricas (Ecuaciones
diferenciales No lineales, problemas estocásticos, etc.)
– Cuando sea posible validar los modelos y sus soluciones de forma satisfactoria
– Cuando la precisión esperada por la simulación sea consistente con los requisitos de
un problema concreto (por ejemplo dosis de radiación en tratamiento del cáncer
requiere precisión extrema; predicción de población mundial de tigres es relevante su
exactitud) Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 5
Además la simulación es un herramienta útil para:
• - Evaluar y analizar el desempeño de sistemas
• - Optimizar las variables de un sistema
• - Comparar distintas alternativas y escenarios
• - Responder preguntas del tipo “¿Qué pasa si?”
• - Tomar decisiones en base a evaluaciones objetivas

• Figura. Relación teoría, experimentación y simulación.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 6

• Simulación: es el proceso de diseñar un modelo de un sistema real y
llevar a cabo experiencias con él, con la finalidad de aprender el
comportamiento del sistema o de evaluar diversas estrategias para el
funcionamiento del sistema (Shannon, 1988).

• Figura. Paradigma modelización-simulación.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 7

Un simulador por computadora está compuesto por las partes:
• - Un modelo: Es un modelo simbólico. Puede ser un conjunto de
ecuaciones, reglas lógicas o un modelo estadístico.
• - El evaluador: Es el conjunto de procedimientos que procesarán el
modelo para obtener los resultados de la simulación. Puede
contener rutinas para la resolución de sistemas de ecuaciones,
generadores de números aleatorios, rutinas estadísticas, etc.
• - La interfaz: Es la parte dedicada a interactuar con el usuario,
recibe las acciones del mismo y presenta los resultados de la
simulación en una forma adecuada. Esta unidad puede ser tan
compleja como la cabina utilizada en los simuladores de vuelos
profesionales.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 8

 Metodología y etapas de la simulación
La Simulación consiste en:
• a) Diseñar y construir un modelo computacional de un sistema real.
• b) Experimentar con el modelo.
• – Comprender funcionamiento del sistema real
• – Evaluar nuevas estrategias para el funcionamiento del sistema real

• Sistema Real Modelo Conceptual Modelo Computacional

Figura. Representación: a) Sistema real, b) modelo conceptual, c) modelo
computacional. Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 9
Los pasos para llevar a cabo un experimento de simulación son:
• - Análisis del problema
• - Formulación del modelo
• - Recolección de datos
• - Programación del modelo
• - Validación del modelo
• - Experimentación
• - Interpretación.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 10

Análisis del problema
• Para tener definición exacta del sistema que se va simular, es necesario un
análisis preliminar del mismo, para determinar la interacción del sistema con
otros sistemas, restricciones del sistema, variables dentro del sistema y sus
interrelaciones, objetivos y metas del sistema.
•
Formulación del modelo
• Definidos los resultados que se espera obtener del estudio, el siguiente paso es
definir y construir el modelo. En la formulación del modelo es necesario definir
las variables, relaciones lógicas y diagramas que describen al modelo.
•
Recolección de datos
• Es importante definir con claridad y exactitud datos que el modelo requiere para
producir los resultados deseados. Normalmente, éstos se pueden obtener por
información histórica, opinión de expertos y, si no con la experimentación.
Programación del modelo
• Con el modelo definido, se realiza el programa de simulación para el computador.
En esta etapa se verifica el correcto funcionamiento del modelo programado.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 11
Validación del modelo
• El proceso de valoración del modelo se conoce como validación de la simulación.
•
• Las formas más comunes de validar un modelo son mediante:
• a) La opinión de expertos sobre los resultados de la simulación.
• b) Comparar los resultados del modelo con datos históricos.
• c) Comprobar fallas del modelo de simulación, provocadas por utilizar datos que hacen fallar el
sistema real.
• d) Aceptación y confianza del modelo, de la persona que hará uso de resultados de la simulación.
•
Experimentación
• La experimentación con el modelo se realiza después de haberlo validado. Se planifican
cuidadosamente los experimentos a efectuar con el modelo, para dar luz a la información
requerida en la definición del sistema.
•
Interpretación
• Una vez que se ha planificado el experimento, se lo ejecuta y construye el modelo matemático, si
este es lo suficientemente sencillo, puede ser posible trabajar con sus relaciones y cantidades
para obtener una solución analítica de interpretación de resultados exactos obtenidos.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 12

 Situaciones en que la Simulación es Adecuada
La simulación es conveniente cuando:
• a) Se requiere analizar diferentes cambios de Algunas aplicaciones de Simulación:
información y su efecto.
• b) Se desea experimentar con diferentes diseños o
- Operaciones de mantenimiento
políticas. - Simulación del Tráfico de un sistema
• c) Se desea verificar soluciones analíticas. (Teleproceso, Tráfico aéreo y terrestre,
• d) Un modelo analítico es imposible o difícil de telecomunicaciones, telefonía, etc.).
construir.
• e) Se desea estudiar un sistema real y resulta peligroso
- Cambios en configuración de sistema.
o costoso hacerlo en el sistema real. Además, puede - Simulación económica.
resultar conveniente:
- Estrategias militares.
- Usar la simulación como un instrumento
pedagógico para reforzar metodologías analíticas. - Control de inventarios.
- Determinar cuáles son las variables más - Líneas de producción.
importantes del modelo de un sistema, mediante el
uso de simulación.
- De esta manera se podrá construir un modelo
refinado del sistema real.
- Esto puede ser útil para la construcción de modelos
diferentes a los de simulación.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 13
 Clasificación de modelos de simulación

Los modelos de simulación se clasifican en:

• - Modelos de Simulación Estáticos o Dinámicos
• - Modelos de Simulación Determinísticos o Estocásticos
• - Modelos de Simulación Continuos o Discretos
• - Modelos de simulación basados en Agentes

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 14

Modelos de Simulación Estáticos o Dinámicos:
• Modelo de simulación Estático, representa un sistema en un momento
particular, o una que puede ser usada para representar un sistema en el
que el tiempo simplemente no juega ningún rol. Un modelo de simulación
dinámico representa un sistema que éste evoluciona en el tiempo. El caso
más común de un modelo de simulación estático es el de Montecarlo.

Modelos de Simulación Determinísticos o Estocásticos:

• Cuando no contiene ningún componente probabilístico (por ejemplo
aleatorio), es llamado Determinístico; un sistema de ecuaciones
diferenciales complicado (e intratable analíticamente) describiendo una
reacción química podría ser uno de tales modelos. Muchos sistemas, sin
embargo, deben ser modelados teniendo al menos algún componente de
entrada aleatorio, y éstas dan lugar a modelos de simulación Estocásticos.
Los modelos de simulación estocásticos producen una salida que es
aleatoria en sí misma, y debe ser tratada como una estimación de las
características reales del modelo.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 15

Modelos de Simulación Continuos o Discretos:
• Se debe mencionar que un modelo discreto no es siempre usado para modelar
un sistema discreto y viceversa. La decisión de si usar un modelo discreto o
continuo para un sistema particular depende de objetivos específicos del estudio.
Por ejemplo un modelo de flujo de tráfico sobre una autopista podría ser discreto
si las características y movimiento de autos individuales son importantes.
•
• Alternativamente, si los autos pueden ser tratados “en el agregado” el flujo de
tráfico puede ser descrito por ecuaciones diferenciales en un modelo continuo.
•
Modelos de simulación basados en Agentes:
• Es un modelo en el que los agentes interactúan en repetidas ocasiones. Por
ejemplo, cuando los agentes deben optimizar su comportamiento colectivo a
través de simples intercambios de información, como se hace en la optimización
de una colonia de hormigas o en la optimización de un enjambre de partículas, el
objetivo es alcanzar un estado final deseado, es decir, el sistema optimizado.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 16

 Modos de simulación
Clasificación de acuerdo a los elementos
Existen distintos tipos de simulación de modelos:
• - Simulación Discreta
• - Simulación Continua
• - Simulación Discreta-Continua Combinada
• - Simulación basada en Agentes

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 17

Simulación Discreta
• Tiene que ver con el modelado de un sistema que evoluciona en el tiempo mediante una
representación en la cual las variables de estado cambian instantáneamente, cuando
ocurren eventos.
•
• En la simulación discreta, las variables que explican el estado del sistema cambian,
únicamente durante ciertos instantes de tiempo y, entre estos instantes el estado del
sistema está fijo. Los componentes del sistema actúan entre ellos únicamente en ciertos
puntos discretos del tiempo, el estado del sistema cambia durante esos instantes de
interacción llamados eventos.
•
Simulación Continua
• Se aplica cuando las variables de estado cambian continuamente con respecto al tiempo.
Involucran ecuaciones diferenciales que dan relaciones para las tasas de cambio de las
variables con el tiempo. Si las ecuaciones diferenciales son particularmente simples,
pueden ser resueltas analíticamente para dar valores de las variables de estado para los
valores del tiempo como función de los mismos en el tiempo 0 o inicial.
• En la simulación continua las variables que describen el estado del sistema varían
continuamente con el tiempo y, por consiguiente, los componentes principales del
sistema se describen por sistemas de ecuaciones diferenciales ordinarias o parciales.

18
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018
Simulación Discreta-Continua Combinada
• Resultan de una simulación combinada discreta-continua. Los tres tipos
fundamentales de interacciones que pueden ocurrir entre variables de
estado cambiando continuamente y discretamente son:
• - Un evento discreto puede causar un cambio discreto en el valor de una
variable de estado continua.
• - Un evento discreto puede causar que la relación que gobierna una
variable de estado continua cambie en un momento particular.
• - Una variable de estado continua que alcanza un valor límite o crítico
puede causar que ocurra
• - Se programe un evento discreto.
•
Simulación basada en Agentes
• Es un enfoque computacional desde la interacción de agentes individuales
operando en un dado entorno y bajo reglas limitadas, sólo por la
información y la capacidad de procesamiento de cada uno.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 19
 Modos de simulación
Clasificación según naturaleza del modelo empleado
Identidad
• El modelo es réplica exacta del sistema en estudio. Utilizan empresas automotrices para ensayos de choques de automóviles
utilizando unidades reales.
•
Cuasi-identidad
• Se utiliza versión simplificada del sistema real. Por ejemplo, entrenamientos militares que incluyen movilización de equipos y tropas
pero no se lleva a cabo una batalla real.
•
Laboratorio
• Se utilizan modelos bajo condiciones controladas de un laboratorio. Se pueden distinguir dos tipos de simulaciones:
• a) Juego operacional: Personas compiten entre ellas formando parte del modelo, la otra parte son computadoras, maquinaria, etc. Es
el caso de una simulación de negocios donde las computadoras solo recolectan la información generada por cada participante y la
presenta en forma ordenada a cada uno de ellos.
• b) Hombre-Máquina: Se estudia relación entre personas y máquina. Las personas también forman parte del modelo. La computadora
no se limita a recolectar información, sino que también la genera. Un ejemplo es un simulador de vuelo.
•
Simulación por computadora
• El modelo es simbólico y utiliza lenguaje computacional. Las personas quedan excluidas del modelo. Un ejemplo es el simulador de
redes de comunicación donde la conducta de los usuarios está modelada en forma estadística. Este tipo de simulación puede ser:
• a) Digital: Cuando se utiliza una computadora digital.
• b) Analógica: Cuando se utiliza una computadora analógica. Se pueden incluir las simulaciones que utilizan modelos físicos.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 20

 Posibles ventajas de la simulación
• - La mayoría de los sistemas complejos del mundo real con elementos estocásticos no pueden ser
descriptos precisamente por un modelo matemático que pueda ser evaluado analíticamente.
• - La simulación le permite estimar la performance de un sistema existente bajo proyección de
condiciones operativas.
• - Los diseños de sistemas propuestos alternativos pueden ser comparadas vía simulación para ver cuál
satisface mejor un requerimiento específico.
• - En una simulación podemos mantener mucho mejor control sobre las condiciones experimentales.
• - La simulación nos permite estudiar un sistema con un largo horizonte de tiempo en un tiempo
comprimido, o alternativamente estudiar los funcionamientos detallados de un sistema en un tiempo
expandido.
• - No existe una formulación matemática analíticamente resoluble. Muchos sistemas reales no pueden
ser modelados matemáticamente con las herramientas actualmente disponibles.
• - Existe una formulación matemática, pero es difícil obtener una solución analítica.
• - No existe el sistema real. El diseño del sistema mejorará notablemente si se cuenta con un modelo
adecuado para experimentos.
• - Los experimentos son imposibles debido a impedimentos económicos, de seguridad, de calidad o
éticos. En este caso el sistema real está disponible para realizar experimentos, pero la dificultad de los
mismos hace que se descarte esta opción.
• - El sistema evoluciona muy lentamente o muy rápidamente. Por el contrario, existen fenómenos muy
rápidos que deben ser simulados para poder observarlos en detalles.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 21
 Posibles Desventajas de la simulación
• - Cada ejecución de un modelo de simulación estocástico produce sólo
estimaciones de las características reales de un modelo para un conjunto
particular de parámetros de entrada. Por otro lado, si un modelo analítico es
apropiado, puede fácilmente producir las características reales exactas del
modelo para una variedad de conjuntos de parámetros de entrada.
• - Los modelos de simulación son comúnmente costosos y consumidores de
tiempo para desarrollar.
• - El gran volumen de números producidos por un estudio de simulación o el
impacto persuasivo de una animación realística por lo general crean una
tendencia a tenerle mayor confianza al resultado de un estudio.
• - En algunos estudios, tanto la simulación como los modelos analíticos podrían
ser útiles. En particular, la simulación puede usarse para chequear la validez de
suposiciones necesarias en un modelo analítico.
• - El desarrollo de un modelo puede ser costoso, laborioso y lento.
• - Existe la posibilidad de cometer errores.
• - No se puede conocer el grado de imprecisión de los resultados.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 22

 Posibles Riesgos al momento de realizar una Simulación
• - Fallar en no tener un conjunto de objetivos bien definidos al comienzo del estudio de
simulación.
• - Inapropiado nivel de detalle del modelo.
• - Fallar en no comunicarse regularmente con la administración del estudio de simulación.
• - Tratar un estudio de simulación como si éste fuera un ejercicio complicado de programación.
• - Fallar en no tener personas con entrenamiento en estadística y operaciones-investigación.
• - Usar software de simulación comercial que puede contener errores o cuyas sentencias pueden
no estar bien documentadas y pueden no implementar la lógica de modelado deseada.
• - Confiar en simuladores que hacen la simulación accesible para “cualquiera”.
• - Mal uso de animación.
• - Fallar en no tener en cuenta correctamente los orígenes de la aleatoriedad en el sistema actual.
• - Usar distribuciones arbitrarias (por ejemplo normal o uniforme) como entrada de la simulación.
• - Analizar los datos de salida de una corrida de simulación usando fórmulas estadísticas que
suponen independencia.
• - Realizar una repetición simple de un diseño de sistema particular y tratar las estadísticas de
salida como las “respuestas reales”.
• - Comparar diseños de sistemas alternativos sobre la base de una repetición para cada diseño.
• - Usar medidas de performance equivocadas.
23
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018
 Posibles Limitaciones de la simulación
(Meelamkavil, 1987)
• - No es ciencia ni arte, es una combinación de ambas
• - Es el último cartucho
• - Experimental e iterativa
• - Cara en términos de mano de obra y tiempo de computación
• - Generalmente proporciona soluciones subóptimas
• - Validación compleja
• - La recopilación, análisis e interpretación de resultados requiere
buenos conocimientos de probabilidad y estadística

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 24

 Etapas en el desarrollo de un
Modelo de Simulación

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 25

a) Formulación del problema y planificación del estudio:
• Cada estudio comienza con objetivos globales del estudio y
cuestiones específicas a ser atendidas; sin esta sentencia hay poca
esperanza de éxito. El estudio completo debe ser planeado en
términos del número de personas, costos, y tiempo.
• - Definición del sistema: El sistema a simular debe estar
perfectamente definido. El cliente y el desarrollador deben acordar
dónde estará la frontera del sistema a estudiar y las interacciones con
el medioambiente.
• - Formulación del modelo: Comienza con el desarrollo de un modelo
simple que captura aspectos relevantes del sistema real. Los aspectos
relevantes del sistema real dependen de la formulación del problema.
Este modelo simple se irá enriqueciendo como resultado de varias
iteraciones.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 26
b) Recolección de datos y definición de un modelo:
• La información y datos deben ser tomados sobre el sistema de interés
(si existe) y usado para especificar procedimientos operativos y
distribuciones de probabilidad para las variables aleatorias usadas en
el modelo.
c) Validación primera:
La validación debe hacerse a lo largo de todo el estudio de simulación.
• En la construcción del modelo es útil incorporar personas que estén
familiarizados con operaciones del sistema actual y los que deben
tomar decisiones regularmente. Otro punto para validar es en la
adecuación de las distribuciones de probabilidad especificadas para la
generación de variables aleatorias de entrada, que debe ser testeadas
usando pruebas de ajuste.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 27
d) Construcción o implementación del programa computacional y
verificación:
• El modelador debe decidir si programar el modelo en un lenguaje de
propósito general, o en un lenguaje de simulación diseñado especialmente
o simulador. Un lenguaje de simulación puede reducir el tiempo de
programación requerido significativamente. La verificación de un modelo
programado significa que en las corridas no se produzcan errores.
e) Realización de corridas de prueba:
• Las primeras corridas con el modelo verificado se hacen con propósitos de
validación. Son pruebas de corridas con resultados conocidos para
verificar si el modelo está bien programado y para validar las salidas de
simulación con datos reales.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 28

f) Verificación:
• Se comprueba que no se hayan cometidos errores durante la
implementación del modelo. Para ello, se utilizan las herramientas
provistas por el entorno de programación.
g) Validación segunda:
• Las corridas de prueba pueden ser utilizadas para chequear la
sensibilidad de la salida del modelo a pequeños cambios en un
parámetro de entrada. Si la salida varía mucho, se debe obtener una
mejor estimación del parámetro de entrada. Si existe un sistema similar
al de interés, los datos de salida pueden ser comparadas con aquellas
del sistema existente actual.
h) Diseño de experimentos:
• Consiste en organizar las corridas de simulación con cambios en los
valores de las variables de entrada. Se debe seleccionar el o los
diseño/s de sistema y realizar las corridas.
Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 29
i) Realización de las corridas de producción:
Las corridas de producción se hacen para proveer datos de rendimiento
de los diseños del sistema de interés.
j) Análisis de los datos de salida:
Se utilizan técnicas estadísticas para analizar los datos de salida de las
corridas de producción. Los objetivos son construir un intervalo de
confianza para una medida de performance para un diseño de sistema
particular o decidir cual sistema simulado es el mejor relativo a alguna
medida específica de performance.
k) Documentación, presentación, e implementación de resultados:
Es importante documentar las suposiciones que se hicieron en el
modelo como así también el programa de computadora mismo.
Finalmente, un estudio de simulación cuyos resultados nunca son
implementados es probablemente una falla.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 30

 Modos de simulación
Un modelo es también un sistema y de acuerdo al tipo de variables de salida
del modelo el modo de simulación será de la forma:
• a) Análisis: Es el modo más empleado, en él las variables de salida del
modelo representan a las variables de salida del sistema real. Se utiliza
para estimar la respuesta del sistema real ante entradas especificadas.
Debido a que imita un sistema que realmente funciona, el modelo es
matemáticamente más estable y se asegura la existencia de una solución.
• b) Diseño: En este modo las salidas del modelo representan a los
parámetros del sistema real. Se utiliza en la etapa de diseño de un equipo
donde el problema es determinar los parámetros para los cuales el sistema
producirá las salidas deseadas para entradas especificadas.
• c) Control: Las variables de salida del modelo representan a las variables de
entrada del sistema real. Este modo sirve para determinar los valores que
deberán adoptar las entradas del sistema para producir los resultados
deseados. Se utiliza cuando se desea determinar las condiciones de
operación de un sistema.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 31

• Por lo general, los simuladores se operan en modo diseño dejando al
usuario la tarea de iterar para obtener los resultados provistos por los
otros modos.

Figura Modos de simulación: a) modo análisis, b) modo diseño, c)

modo control

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 32

 APLICACIONES EN LA INVESTIGACION Y
DESARROLLO DEL PROCESO
Las principales aplicaciones son:
• Determinar mecanismo cinético del proceso, es decir el modelo
cinético a través del estudio simulado de varias alternativas cinéticas.
• Estimación de parámetros de los modelos a parir de los datos de
laboratorio o planta piloto.
• Escalamiento que consiste en predecir el rendimiento de un proceso
industrial a partir de datos de planta piloto, así predecir el
rendimiento de una planta piloto a partir de datos de laboratorio.

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 33

 APLICACIONES INDUSTRIALES: MICROSIMULACION
Instrumentos de simulación en el ambiente industrial
• Tres grandes categorías son identificables, esto son: diseño de planta,
puesta en marcha de la planta y operación de planta.
• Examinando los paquetes o instrumentos disponibles, encontramos dos
grandes grupos: paquetes de simulación de propósito general y paquetes
designados para manipular un área específica de la planta o aplicación
dentro de la planta.
Paquetes de simulación de propósito general
• Los paquetes de simulación de proceso, según el propósito han tratado de
reducir la distancia entre la química y la industria de minerales por
concentrarse inicialmente en los aspectos hidrometalúrgicos del mineral y
extracción de metales y luego extendido a las áreas de separación física y
conminución.

Modelamiento y Simulacion de Procesos// Roberto Huamaní

34
Bernal //Aqp2018
Simuladores de áreas especiales del Proceso
• Mientras muchos de los sistemas reportados en estas referencias no han avanzado más allá de la etapa de
prototipos, muchos han tratado de hacer la transición al estado comercial y algunos que fueron comerciales
han decaído en desuso, porque otros paquetes más avanzado han llegado a ser disponibles.
• Las categorías de paquetes específicos, comercialmente disponible ahora son los siguientes:
• a) Revolvedores de diagramas de flujo
• FLEXMET (Richardson 1981 )
• PROBAL
• b) Paquetes de ajuste de datos de balance de materiales
• BILMAT, MATBALL (CANMET 1990)
• BILCO (BRGM 1987)
• JKM Bal ( JK Tech 1988)
• c) Simuladores de circuitos específicos
• CRSHEX (Bilodeau 1990)
• COMPUCRUSH (CEDARAPIDS Inc 1987)
• d) Simuladores específicos de etapas de procesos
• JK Sim MET – CONMINUTION (JK Tech 1987)
• JK Sim Sand – mineral sands ( JK Teach 1990)
• JK Sim Dm – Dense Medium Separatium

Modelamiento y Simulacion de Procesos// Roberto Huamaní Bernal //Aqp2018 35

Modelamiento y Simulacion de Procesos// Roberto Huamaní
36
Bernal //Aqp2018
 GRACIAS

Modelamiento y Simulación de Procesos// Roberto Huamaní Bernal //Aqp2018 37