Browsing by Author "Bergh Olivares, Luis Guillermo (Profesor Guía)"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Thesis Desarrollo de un sensor virtual de la conversión de un reactor CSTR usando metodología PLS(2023-12) Universidad Técnica Federico Santa María. Departamento de Ingeniería Química y Ambiental; Bergh Olivares, Luis Guillermo (Profesor Guía)En la industria química, los reactores de tanque agitado continuo (CSTR) son comúnmente utilizados cuando la composición de la reacción debe mantenerse constante para que la conversión del reactor sea eficiente. Para controlar este proceso generalmente se utilizan sensores específicos (de cara implementación y mantención) o muestras de laboratorio (limitadas por la frecuencia de muestreo y velocidad de análisis) para controlar la conversión del reactor. Últimamente se ha visto un surgimiento del uso de sensores virtuales, capaces de predecir variables objetivo de un proceso utilizando información de otras variables relacionadas a este, y siendo capaz de controlar un proceso con bajos costos e información en línea. Por esta razón esta memoria de título pretende desarrollar un sensor virtual utilizando la metodología de PLS dinámico que prediga la conversión final de un reactor CSTR. Para poder generar el modelo, se construyó un simulador dinámico a partir de los balances de masa, componentes y energía que describen el comportamiento de un reactor CSTR, en el cual a partir de valores de entrada al reactor (caudal de entrada, concentración de A en el flujo de entrada, temperatura del flujo de entrada, caudal de refrigerante y temperatura del flujo refrigerante) se simula como cambiará en el tiempo las variables relacionadas al reactor (nivel de líquido en el reactor, temperatura en el reactor, temperatura en la chaqueta refrigerante y concentración de B en el flujo de salida). Una vez simulado el reactor se recopila como cambiaron las variables en el tiempo y estas se alimentan al modelo PLS para entrenar su predicción de la conversión del reactor. Se probaron distintas variaciones del modelo PLS, modificando el intervalo de tiempo entre predicciones y la cantidad de información pasada que este retiene para su predicción. De todas las combinaciones consideradas, la que consistentemente obtuvo un menor error de predicción (menor a 1% de error) fue la que considera dos mediciones pasadas, además de la del momento, separadas por 30 segundos entre cada una de ellas. También se obtuvo que variables fueron las que más afectaron la predicción del modelo, siendo la temperatura del reactor y las predicciones pasadas de la molaridad de B las que más afectan la predicción, esto debido a que la correlación entre estas variables y la predicción final es más alta que con las otras variables utilizadas para la predicción. Para validar el modelo se realizaron análisis de residuos, variación de rangos de operación, y propagación de error. Obteniendo que la distribución de los residuos no es normal, pero como el error de predicción promedio es menor al 1% del valor real, el modelo sigue siendo aceptado. Además, el modelo es capaz de adaptarse a cambios en los rango de operación siempre y cuando estos no sean extremos, también se observó que el modelo es suficientemente robusto para que errores puntuales de medición no se propaguen exponencialmente en la predicción del modelo y este se mantenga preciso. Se concluye que el modelo predice la conversión final de un reactor CSTR satisfactoriamente con un error de predicción promedio menor al 1% del valor de la conversión real de B, siendo este capaz de reemplazar a sensores físicos o a muestras de laboratorio, o que incluso pueda ser utilizado como un gemelo digital de un reactor CSTR. Cabe destacar que este trabajo estuvo limitado por el acceso a un reactor CSTR real, por lo que no existió error experimental causado por variables externas o error instrumental. Finalmente se recomienda aplicar la metodología PLS dinámico en un reactor real y que implicaría utilizar este sensor en un lazo de control.Thesis Sensor virtual de calidad de glómero en una planta de hidrometalurgia(2023-12) Universidad Técnica Federico Santa María. Departamento de Ingeniería Química y Ambiental; Bergh Olivares, Luis Guillermo (Profesor Guía); Acuña Pérez, Claudio Abraham (Profesor Correferente)Se presenta el desarrollo de sensores virtuales de humedad y acondicionamiento químico (curado) para la etapa de aglomerado en una planta de lixiviación ubicada en el norte de Chile, esto con el objetivo de poder controlar de manera más robusta la dosificación de agua y ácido sulfúrico. La etapa de aglomerado consiste en tambores rotatorios en los cuales se adiciona mineral chancado y aditivos, como ácido sulfúrico, agua y en algunos casos aglutinantes especiales, y tiene como objetivo preparar física y químicamente el mineral para el proceso de lixiviación. Estos tambores al rotar permiten la aplicación uniforme de los aditivos al mineral, permitiendo mejorar la cinética de la lixiviación y por lo tanto aumentar la recuperación de cobre. Para lograr el desarrollo de los sensores se realizó un estudio fenomenológico del proceso, donde se determinó que las principales variables que afectan el proceso de aglomerado son la mineralogía, el tamaño y distribución de las partículas del mineral, las dosificaciones de los reactivos y otros aspectos operacionales, como velocidad de rotación y tiempo de residencia. A partir de estas variables y sus combinaciones, se construirán modelos, esto por medio de la aplicación de una metodología que considera las etapas de recolección de datos, selección de variables, construcción de los modelos, así como su validación e implementación por medio de metodologías, permitiendo determinar cuáles son aquellos factores que presenten un mayor efecto dentro del proceso y por ende en los modelos. En el caso del modelo de humedad se determinó que ésta se encuentra determinada por el efecto de la dosificación de agua, y la interacción de la dosificación del ácido con las diferentes especies químicas. El modelo resultante presenta un intervalo de confianza y de predicción de ± 0,22 [%] y ± 0,51 [%] respectivamente, y un valor de robustez promedio del 0,78 cumpliendo con todas las metodologías de validación interna, así como el análisis de residuos y las pruebas de hipótesis para los parámetros. El modelo de acondicionamiento por su lado se encuentra determinado por la química del mineral y su interacción con el ácido sulfúrico, y en menor medida con el agua. Este modelo presenta intervalos de confianza y de predicción de ± 2,7 [%] y ± 7,5 [%] respectivamente, y un valor de robustez promedio del 0,64, aparte de cumplir con la mayoría de las metodologías de validación interna, el análisis de residuos y las pruebas de hipótesis para los parámetros. En función de los resultados, se determinó que el modelo de humedad es el único que presenta una capacidad predictiva útil para la planta, ya que el modelo de acondicionamiento presenta un amplio margen por cada predicción. Es así cómo es posible, a través del modelo de humedad seleccionado, determinar un rango apropiado de adición de agua, donde se permita hidratar el glómero para una correcta lixiviación. Por tal razón, se realiza un análisis de las condiciones mínimas requeridas en planta para su correcta aplicación, dando como resultado que los equipos más críticos corresponden a los alimentadores, los aglomeradores y los sistemas de dosificación, mientras que las variables críticas son las toneladas alimentadas, las características mineralógicas y los flujos de ácido sulfúrico y agua. Finalmente, a modo de prueba, se estudia el comportamiento del modelo de humedad en una base de datos nueva, con el objetivo de estudiar sus capacidades predictivas, donde se obtuvo una humedad promedio del 5,85 [%], con un rango Inter cuartil de 0,95 [%].
Política de Privacidad 
