Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
Esta apostila explora os conceitos fundamentais para a elaboração de um modelo de
simulação. Em princípio não se exige nenhum conhecimento prévio. Pretende-se que ao final
o leitor seja capaz de entender como um modelo é construído e realizar as melhores
escolhas da ferramenta bem como as estratégias implementadas no modelo de simulação.
1
1.2 Desenvolvimento Sustentável
Atualmente, a maioria dos processos de fabricação é baseada na exploração de recursos fósseis.
O ambiente natural está sob uma ameaça tripla:
Exaustão de recursos;
A sustentabilidade ecológica exige defender as bases da vida natural e não exceder os limites de
estresse do ambiente. Sustentabilidade econômica significa eficiência utilização de recursos
naturais, uso de materiais renováveis e energias alternativas, e reciclagem de resíduos. A
sustentabilidade social reconhece as prerrogativas do mercado livre economia baseada na justiça
social e nos direitos dos indivíduos.
Indústrias de Processos Químicos são vitais para a sociedade moderna. No entanto, muitas vezes
estes são percebidos como principais fontes de risco e poluição. As tecnologias de modem devem
enfrentar o desafio de mudar esta imagem negativa em um olhar seguro e ambiental amigável.
Além disso, os processos químicos devem ser mais intensivos. As plantas modernas devem ocupar
muito modesto lugar na paisagem em comparação com os antigos gigantes industriais, e oferecer
segurança absoluta em operação.
Uma utilização eficiente de recursos escassos por tecnologias não poluentes só é possível por um
grande esforço de inovação na pesquisa, desenvolvimento e design de processos.
2
A sustentabilidade deve ser integrada na prática do design, principalmente pela minimização e
Reciclagem dos resíduos produzidos no processo, e não apenas pelas correções de final de linha.
Neste sentido, uma abordagem sistêmica de toda a cadeia de suprimentos permite ao projetista
identificar as etapas de uso ineficiente de matérias-primas e energia, bem como as fontes de
materiais tóxicos e poluição. Desenvolver processos sustentáveis implica a disponibilidade de
medidas consistentes de sustentabilidade.
Projeto conceitual designa a parte do projeto de design que lida com os elementos que definem
um processo: fluxograma, balanço material e de energia, especificações e desempenho do
equipamento, consumo de utilidades, segurança e questões ambientais, como eficiência
econômica. Portanto, no projeto conceitual, a ênfase está no comportamento do processo como
um sistema e não no dimensionamento dos itens do equipamento.
É importante notar que o projeto conceitual é responsável pela maior parte dos custos de
investimento em uma planta de processo, mesmo que sua fração nas taxas do projeto seja muito
limitada. Uma decisão errônea no nível conceitual se propagará por toda a cadeia do projeto
detalhado e aquisição de equipamentos. Modificações tardias, com o processo já em operação,
para corrigir equívocos no projeto básico, gerarão custos muito maiores.
A Figura 1.2 ilustra os custos de um projeto de unidade, a partir da etapa conceitual, passando
pela construção até o comissionamento (Pingen, 2001). A etapa conceitual leva apenas 2% do
custo total do projeto, mas pode reduzir em mais de 30% dos custos explorando oportunidades.
Na etapa de detalhamento do projeto, o custo da engenharia aumenta acentuadamente para 12%,
mas as oportunidades de permitem gerar uma economia de apenas 15%. Por outro lado, o custo
de aquisição e construção são mais de 80% do custo total, mas as economias estão abaixo de 10%.
Na etapa de comissionamento, o custo total do projeto estará definido.
3
O longo caminho de uma ideia para se tornar um processo real pode ser gerenciado hoje em dia
por meio de uma abordagem sistêmica. Isso envolve metodologias sistemáticas para projetar todo
o processo e seus subsistemas, como reação, separações, rede de trocadores de calor e utilidades.
Uma metodologia consiste em uma combinação de etapas de análise e síntese. Nesse contexto,
entendemos por atividades de Análise aquelas dedicadas ao conhecimento do sistema de
elementos, como a investigação de propriedades físicas de componentes e misturas,
características de desempenho de reatores e operações unitárias, ou a avaliação de rentabilidade.
Por sua vez a Síntese lida com atividades que visam determinar a arquitetura do sistema, bem
como a seleção dos componentes adequados.
No passado, o desenvolvimento de um novo processo foi descrito frequentemente como uma
espécie de “arte”. A estratégia, chamada às vezes de método de engenharia, consistia em esboçar
um fluxograma simples, mas inspirado, e aprimorando-o por sucessivas camadas de refinamentos,
até a otimização final. A experiência do projetista, a experiência da empresa e a disponibilidade
de dados da planta piloto eram cruciais.
Atualmente, o projeto conceitual dos processos está se tornando cada vez mais uma área de
conhecimento da engenharia química. Engenheiros com sólida formação científica e com as
ferramentas de projeto auxiliado por computador são capazes de encontrar ideias inovadoras
muito mais rápidas.
A inspiração e expertise ainda desempenham um papel importante, bem como a disponibilidade
de dados práticos. Na verdade, a combinação de ciência e da arte da engenharia faz com que o
processo conceitual de projetar um desafio fascinante!
Um problema de projeto é sempre um problema sub-especificado, seja pela falta de dados, seja
pelo tempo e/ou recursos escassos. Além disso, um problema de projeto é sempre aberto. Nunca
há uma solução única. A solução depende em grande parte das decisões de projeto que um
projetista toma em diferentes etapas do desenvolvimento do projeto para atender restrições
técnicas ou econômicas, ou simplesmente para evitar problemas de licença.
A geração sistemática de alternativas é a característica mais importante do projeto conceitual
moderno. A melhor solução é identificada como a melhor solução no contexto de restrições
usando avaliação consistente e classificação de alternativas.
1.3.2 Tendências no design de processos
Intensificação de Processos
Intensificação de processos designa o desenvolvimento de técnicas e novos equipamentos que
podem alcançar uma melhoria significativa na produtividade, bem como na eficiência energética
e compatibilidade ambiental dos processos. O desenvolvimento neste campo pode ser classificado
em duas áreas (Stankiewicz e Moulijn, 2000):
4
poderia trazer a fabricação de produtos químicos perigosos mais perto do usuário final,
eliminando armazenamento e transporte caros. A intensificação de processos também é necessária
para o desenvolvimento equipamentos para tecnologias emergentes, particularmente em
engenharia bioquímica.
Nesta perspectiva, a sobrevivência das operações unitárias clássicas pode ser vista crítico. É
razoável esperar que as operações unitárias, como destilação, absorção e extração, continuarão a
serem usadas, particularmente no campo de commodities de grande escala.
No entanto, novos designs oferecerão uma produtividade muito maior como hoje.
Engenharia de Processos
O aumento da globalização, bem como restrições de segurança e ambientais mais rigorosas trarão
grandes mudanças nos métodos e ferramentas de engenharia de processo. Por causa natureza das
indústrias de processo ser de capital intensivo, os principais itens de equipamentos com longa
vida útil, existe uma resistência importante na implementação de novas tecnologias. No entanto,
a longo prazo a mudança é inevitável. A Figura 1.3 descreve algumas direções principais de
progresso de Engenharia de no Processo (Keller e Bryan, 2000):
1. Redução de custo de matéria-prima. A elevada valorização das matérias-primas é o fator
com o impacto mais forte na eficiência do processo. A este respeito, o elemento inovador
é a química. Aqui entendemos também o desenvolvimento de atividades mais ativas e
seletivas catalisadores. Melhorar a seletividade das reações pode eliminar o material e a
energia recicla e contribui significativamente para a enorme redução de custos. A
combinação de etapas de reação e separação em dispositivos mais compactos eliminam
Separações caras, como no caso de novos processos baseados em destilação reativa ou
reatores multifuncionais.
2. Redução do investimento de capital. Como mencionado, a intensificação do processo leva
a redução significativa no tamanho do equipamento e custos de capital. No entanto,
reduzir o número de unidades pelo melhor projeto do fluxograma pode ter um impacto
maior.
3. Redução do uso de energia. Implementação de amplo alcance de análise de pich e
Integração total das instalações são os fatores mais importantes na economia de energia.
4. Maior flexibilidade de processos e redução de estoques. Sistemas Integrado de Produção
designam a integração da operação da planta com os negócios atividades. A integração
deve considerar não apenas ferramentas de planejamento e contabilidade, mas também
tecnologia de modelagem rigorosa. A flexibilidade do processo deve ser vista não apenas
em termos de taxa de produção variável, mas também em termos de composição da
matéria-prima. O inventário reduzido pede a supressão de instalações de armazenamento
intermediárias caras.
5. Ênfase na segurança do processo. Inerentemente, a segurança pode ser alcançada pela
incorporação de mais análise não linear na dinâmica e controle do processo.
6. Maior atenção à qualidade. Redução de impurezas e subprodutos, e a implementação de
sistemas de controle avançados pode garantir a qualidade constante do produto.
7. Melhor desempenho ambiental. Projeto moderno de processos deve ter como objetivo
aero resíduos por meio da minimização das emissões gasosas e dos resíduos do processo,
incluindo águas residuais.
5
Figura 1-3 – Principais tendências na Engenharia de Processos.
Os desafios levantados pelos temas acima mencionados fazem surgir um novo paradigma na
engenharia de processos: a integração do Projeto de Processo com a Pesquisa e Desenvolvimento.
Por exemplo, a simulação de fluxogramas alternativos virtuais deve começar no estágio de
descoberta em laboratório. A simulação irá destacar as principais variáveis no projeto e, como
resultado, a pesquisa experimental será realizada no intervalo de temperaturas, pressões e
concentrações realmente necessárias posteriormente no projeto. Alguns dados precisam apenas
de experiências de laboratório; alguns dados tornam necessários ao desenvolvimento de plantas
pilotos. Observe que as plantas em execução são fontes valiosas de dados experimentais. Por
exemplo, as medições de VLE em colunas de destilação industrial oferecem boas oportunidades
para a calibração de modelos termodinâmicos.
Modelagem, na qual cada elemento dos sistemas é descrito e os critérios para medir o
desempenho são atribuídos;
6
Otimização, na qual os parâmetros ajustáveis são definidos de uma maneira que ofereça
o melhor desempenho de todo o sistema.
A modelagem matemática faz uso da simulação computacional como principal ferramenta de
investigação. Um projeto sistêmico lida principalmente com a identificação de partes
(subsistemas, componentes) e sua conexão, bem como com alvos ótimos para peças.
1.4.2 Modelagem de ciclo de vida
O ciclo de vida é um conceito de engenharia de sistemas baseado no pressuposto de que cada
produto tem uma existência finita, compartimentada em três grandes eventos: iniciação
(concepção), instalação (nascimento) e término. No meio, existem dois períodos principais,
chamados aqui de 'desenvolvimento inicial' e 'operação'. Os últimos podem ser divididos
aproximadamente em "imaturidade", "maturidade" e "decadência". O ciclo de vida de um produto
descreve a evolução de seu potencial desde a concepção até a terminação (Figura 1-4). O potencial
cresce continuamente até um máximo, após o qual o declínio é inevitável.
As formas de ciclo de vida são estruturas genéricas usadas na engenharia de sistemas para
gerenciar desenvolvimento e manutenção de sistemas complexos. Esse modelo foi desenvolvido
para as necessidades da engenharia de software, mas podem ser aplicados a outras atividades
complexas, como, por exemplo, a produção de automóveis ou obras arquitetônicas. As formas de
ciclo de vida também são adequadas para capturar o formalismo de organizar um trabalho em
equipe dedicado a alcançar um objetivo em curto tempo com alto grau de confiabilidade.
Vamos descrever aqui três formas básicas de ciclo de vida: Cascata, modelo V e modelo espiral.
Essas formas são adequadas para o projeto de sistemas baseados em computador, mas podem ter
maior aplicabilidade, particularmente no campo da engenharia de processos. A teoria geral é
apresentada em Thomé (1993). Modelos de ciclo de vida podem ser usados para gerenciar a
elaboração de um projeto de design ou o desenvolvimento de um sofisticado sistema de simulação
para projeto, operação ou manufatura integrada por computador.
7
Figura 1-5 – Modelo em cascata do ciclo de vida de projeto.
8
Figura 1-6 – Ciclo de vida de um projeto integrado.
O lado esquerdo do ciclo representa o refinamento do projeto, enquanto o lado direito descreve
as tarefas de montagem. A parte inferior do V lida com projeto detalhado e teste de unidades.
Observe que, em um ciclo V, o gerenciamento de projetos e a garantia de qualidade são
executados juntos. Cada etapa de projeto é verificada antes de prosseguir para a próxima, e cada
tarefa de produção é validada na tarefa de especificação correspondente. Aqui, verificação
significa que o produto atende às características de qualidade, como consistência, integridade e
correção, enquanto a validação significa que o produto satisfaz as especificações. Os problemas
9
imprevistos podem ser gerenciados por meio de procedimentos de teste de implementação de
especificação.
O modelo de ciclo V pode ser usado como uma estrutura genérica para gerenciar projetos de
engenharia. Também é um conceito poderoso na supervisão do desenvolvimento de qualquer
sistema complexo, como o desenvolvimento de um Modelo de Simulação de Planta. Trata-se de
uma ferramenta de software baseada em modelagem rigorosa que pode ser utilizada
primeiramente no diagnóstico de problemas de operação e, posteriormente, em projetos de
revitalização, desgargalamento e retrofit.
1.4.5 Modelo de espiral
O modelo de ciclo de vida espiral é uma forma de cascata repetida em níveis sucessivos de detalhe.
Além disso, pode acomodar eventos imprevistos por meio de uma abordagem orientada para o
risco. Tarefas semelhantes, mas com objetivos diferentes, são executadas durante cada iteração
do ciclo. Os ciclos internos realizam mais tarefas de avaliação e prototipagem, enquanto os ciclos
externos lidam com o projeto final. O custo cumulativo versus tempo é medido em cada nível.
Essas características tornam esse ciclo de vida uma chama genérica, tanto em estudos de
viabilidade e propostas técnicas, quanto em projetos de engenharia de contratados.
Em conclusão, as formas de ciclo de vida acima são estruturas conceituais para organizar um
projeto, mas não substitutos para ferramentas de planejamento. É importante ter em mente que a
arquitetura do sistema é o objetivo, e deve preceder sempre o projeto detalhado dos componentes.
Simulação pode ser considerada uma imitação da operação de um processo do mundo real de
forma estática ou dinâmica, ou seja, processos que levam em conta o tempo ou não. Consiste em
empregar uma modelagem matemática que represente a fenomenologia do processo que ocorre
em unidades operacionais. Desta forma, para ser realizada uma simulação, é necessário construir
um modelo computacional que corresponda à situação real que se deseja simular.
A simulação implica modelagem, bem como o ajuste de modelos em dados experimentais. Um
modelo de simulação serve para realizar "experiências virtuais". Quase invisível na maioria dos
casos, sendo incorporado na tecnologia do software, a modelagem é a característica principal de
cada simulação. É importante ter em mente que a simulação é apenas uma representação
aproximada da realidade, com um certo nível de precisão e não a própria realidade. É por
isso que o usuário deve sempre poder avaliar a confiabilidade dos resultados fornecidos por um
simulador.
A Simulação em Engenharia de Processos requer conhecimentos científicos específicos. Podemos
citar uma descrição precisa das propriedades físicas de componentes puros e misturas complexas,
10
modelos para uma grande variedade de reatores e operações unitárias, bem como técnicas
numéricas para a resolução de grandes sistemas de equações algébricas e diferenciais.
A atividade científica e de engenharia que faz uso da modelagem e simulação profissional para
Indústrias de Processo Químico (GPI) é designada por Engenharia de Processo Assistido por
Computação (CAPE). Desde 1991, a Federação Europeia de Engenharia Química organiza
anualmente um congresso científico da comunidade mundial CAPE sob o rótulo ESCAPE.
A principal atividade de simulação em engenharia de processo é a construção do fluxograma
(flowsheeting). Westerberg e outros[referencia] definem a construção de fluxograma com o uso
de auxílios de informática para realizar cálculos de balanço material e de energia em regime
estacionário, dimensionamento e custo para um processo químico.
Esta interpretação reflete o fato de que a construção do fluxograma tem raízes profundas no
processo de design. O impressionante progresso nos últimos trinta anos, tanto na modelagem
como na tecnologia de simulação, enriqueceu essa definição. Hoje em dia, a construção do
fluxograma está envolvida não só no projeto de novos processos, mas também na melhoria
contínua das tecnologias existentes, pela renovação e desengargalamento (debottlenecking), na
gestão do processo de operação e controle, bem como na pesquisa e desenvolvimento (Dimian,
1994).
Em uma planta complexa, as unidades formam um sistema que pode ser entendido melhor por
meio de simulação. Tendo em conta a evolução nas últimas décadas, podemos formular uma
definição mais ampla:
A construção do fluxograma é uma descrição sistêmica dos fluxos de matéria e de energia em
uma planta de processo por meio de simulação por computador com o escopo de projetar uma
nova planta ou melhorar o desempenho de uma planta existente. A construção do fluxograma
auxilia a implementar uma estratégia de controle em toda a planta, bem como gerenciar a
operação da planta.
De acordo com a definição acima, nos fluxogramas, o comportamento do sistema tem a maior
prioridade. A modelagem das unidades individuais deve ser subordinada aos objetivos do sistema.
Construir fluxogramas tem propósitos diferentes em Projeto e Operação, mas estes convergem
quando o conhecimento adquirido na operação de uma instalação existente serve como base para
melhorar seu projeto ou para desenvolver um novo processo.
No projeto, o primeiro objetivo do fluxograma é uma investigação sistemática de diferentes
alternativas que podem ser desenvolvidas para um determinado problema de projeto. O Projeto
moderno baseia-se em métodos sistemáticos cujo mérito principal é poder definir metas ótimas
bem antes dos detalhes do dimensionamento. De várias alternativas não otimizadas, um caso-base
é selecionado e submetido à integração, dimensionamento e otimização. Além disso, a
combinação da simulação estática e dinâmica pode ajudar a compreender a dinâmica do processo
e, dessa forma, apoiar a implementação de uma estratégia de controle em toda a planta.
Dominar as restrições da modelagem do fluxograma pode ajudar grandemente ao projetista a
fornecer um projeto confiável apesar da falta de dados ou de um cronograma apertado.
Na operação, exige-se mais do fluxograma porque ele tem que refletir o comportamento de uma
planta existente submetida a vários distúrbios. Os dados da planta devem ser reconciliados com
modelos matemáticos incorporados no simulador. Novamente, a modelagem e a precisão devem
ser subordinadas aos objetivos, como o monitoramento do desempenho, manutenção, renovação
ou suporte da unidade em atividades de controle de processo.
11
Pode-se concluir que, hoje em dia, simulação de processo está fortemente envolvida tanto no
Projeto como na Operação. A simulação estática estável é uma atividade diária em empresas de
engenharia e serviços técnicos de plantas de processo. A simulação dinâmica está envolvida cada
vez mais em atividades de engenharia avançadas, como, por exemplo, na concepção de sistemas
de controle de processos, ou em Otimização em tempo real e Produção Integrada por computador.
Os balanços material e de energia continuam sendo os resultados mais importantes em
fluxograma. O relatório de fluxo mostra a forma como as matérias-primas são transformadas em
produtos para desempenhos de unidades. Além disso, a simulação dinâmica pode refletir a
variação do tempo do inventário de componentes em diferentes locais, bem como a dinâmica dos
fluxos de energia.
A análise econômica, ou seja, a rentabilidade, é o momento da verdade de cada projeto. Simulação
é a única maneira de resolver com precisão esse problema, porque ele pode explicar com precisão
a disseminação de todos os custos materiais e energéticos em um fluxograma.
Figura 2-1 - O novo paradigma de Engenharia de Processos: Simulação como atividade principal em Pesquisa e
Desenvolvimento, Projeto e Operação.
Observe que, em maior medida, a simulação do processo deve incluir outras atividades baseadas
em computador, como Simulação Molecular e Fluidodinâmica Computacional (CFD). No
entanto, limitaremos a apresentação aos recursos oferecidos apenas pelo software comumente
chamado de simuladores de processo.
12
2.1.3 Pesquisa e Desenvolvimento
A simulação do processo pode orientar e minimizar a pesquisa experimental, mas não eliminá-la.
Na verdade, a calibração de modelos exige dados experimentais precisos. É o experimento que
prova o modelo, e não o oposto! O planejamento estatístico das experiências é hoje em dia
obsoleto. Em vez disso, a pesquisa experimental deve tirar proveito do poder de modelos
rigorosos incorporados em pacotes de simulação, particularmente no campo da termodinâmica.
Por exemplo, experimentos simples de equilíbrio de vapor (VLE) em laboratório podem ser
usados para aumentar a confiabilidade de um estudo de viabilidade em processos inovadores. Por
outro lado, as medidas VLE industriais podem ser usadas para calibrar os modelos
termodinâmicos incorporados em um simulador quando a informação experimental não estiver
disponível.
A inovação dos processos sustentáveis começa na escala laboratorial. A investigação do espaço
de projeto viável por simulação pode reduzir tremendamente o esforço experimental. Podemos
falar de pesquisa experimental assistida por computador.
A modelagem e a simulação podem servir também como base para a ampliação computadorizada.
Alguns modelos podem passar inalterados do laboratório para a escala da planta, enquanto outros
devem ser modificados para incorporar elementos específicos a cada nível.
A simulação pode explorar soluções inovadoras difíceis de investigar experimentalmente. Por
exemplo, a integração da simulação de processos com o Fluidodinâmica Computacional (CFD)
pode substituir protótipos dispendiosos. O fluxo de plantas virtuais que envolvem modelagem
hidráulica rigorosa de unidades é muito provável nos próximos anos.
2.1.4 Projeto de Processo
A globalização e o desenvolvimento sustentável estabelecem desafios para o Projeto de Processo,
como alta eficiência de matérias-primas e energia, flexibilidade e capacidade de resposta à
dinâmica do mercado, fabricação segura e limpa. Claramente, essas características devem ser
intrínsecas no próprio projeto conceitual e não adicionadas posteriormente por modificações
onerosas. Nesse sentido, a simulação do processo pode trazer contribuições significativas, como:
13
Resumindo, a simulação de processo é um fator chave para garantir a excelência em pesquisa,
desenvolvimento, design e fabricação. A Tabela 2-1 ilustra a ampla gama de aplicações da
tecnologia de modelagem nas plantas de processos químicos.
Tabela 2-1 – Aplicações de simulação de processos na indústria de processos químicos.
1
Precursor do PRO II
2
Continuou como DESING II e WINSIM
3
Continuou como ASPEN PLUS
14
softwares de fluxo de estado estável para todos os propósitos foram disponibilizados em
mainframes e distribuídos e compartilhados em redes internacionais. As redes de computadores
de compartilhamento on-line em todo o mundo entre 1980 e 1990 foram os precursores da Internet
atual.
O computador pessoal chegou em 1982. Embora o poder dos PCs fosse fraco para a exibição de
fluxos, a ideia de uma ferramenta “pessoal” era forte o suficiente para incitar os entusiastas. O
desafio de deixar o ambiente elitista dos mainframes foi lançado. A chegada das estações de
trabalho (1985) e de um novo sistema operacional multitarefa, o UNIX, está na origem de uma
revolução na computação científica que continua até hoje. Poucas empresas de software científico
sobreviveram a essas mudanças dramáticas. A reutilização de antigas rotinas FORTRAN
comprovadas em um novo ambiente de 'programação orientada a objeto' eram críticas. No início
dos anos 90, o domínio dos produtos para PC era um fato. A relativa estabilização dos sistemas
operacionais, dominada atualmente pelo UNIX e Windows, possibilitou o desenvolvimento de
uma nova geração de softwares de simulação. A interface gráfica para usuário tornou-se uma
parte central no desenvolvimento de software. O poder do antigo Supercomputadores estavam
disponíveis em desktops.
Atualmente a simulação de processo está concentrada em um número surpreendentemente baixo
de sistemas. Por outro lado, as necessidades de modelagem de usuários industriais são muito
maiores que aqueles fornecidos por capacidades genéricas de software. A solução para essa
contradição envolve uma grande cooperação entre firmas de software especializadas e a
comunidade de usuários.
Sequencial-Modular.
Simultâneo-Modular.
Na arquitetura Sequencial-Modular (SM), o cálculo ocorre unidade por unidade seguindo uma
sequência de cálculo. Um processo com retroalimentação deve ser decomposto em uma ou várias
sequências de cálculo. Cada uma delas começa em um determinado lugar, na qual as correntes de
entrada devem ser conhecidas como entradas ou inicializadas como correntes de abertura. A
sequência de computação das unidades envolvidas em uma reciclagem define um ciclo de
convergência. Quando correntes de abertura estão presentes, a solução final do estado estacionário
é obtida por cálculos iterativos. As correntes de aberturas são calculadas (e aceleradas) após
iterações sucessivas, aplicando um algoritmo de convergência apropriado. O cálculo para quando
ambas as correntes: estimada e calculadas satisfazem alguns critérios de convergência, geralmente
o fechamento do material e o balanço de energia. A arquitetura SM foi a primeira a ser usada na
modelagem de unidades, mas ainda domina a tecnologia de simulação em estado estacionário.
15
Entre as vantagens da arquitetura SM podemos citar:
Fácil controle de convergência, tanto no nível dos módulos quanto em nível da simulação
como um todo.
Existem também desvantagens, como por exemplo:
Ambiente flexível para especificações, que podem ser entradas, saídas ou internas.
16
simulação dinâmica e otimização em tempo real. A solução para as gerações futuras de software
de simulação parece ser uma fusão dessas estratégias.
2.3.2 Abordagem sequencial-modular
A abordagem Seqüencial-Modular é usada principalmente na apresentação de fluxos em estado
estacionário, entre os quais podemos citar como principais produtos Aspen Plus, ChemCad,
Hysys, ProII, Prosim e Winsim (veja a Tabela 2 para informações). No entanto, existem alguns
simuladores dinâmicos construídos sobre essa arquitetura, sendo o mais popular o Hysys.
O elemento básico em um simulador modular é o modelo de operação da unidade. Um modelo
de simulação é obtido por meio de equações de conservação para massa, energia e momento.
Estes levam finalmente a um sistema de equações algébricas não lineares como:
𝑓(𝑢, 𝑥, 𝑑, 𝑝) = 0
Aqui as notações significam:
u, variáveis de conectividade formalmente classificadas em variáveis de entrada e saída;
x, variáveis internas (estado), como temperaturas, pressões, concentrações;
d, variáveis definindo a geometria, como volume, área de troca térmica, etc;
p, variáveis que definem propriedades físicas, como entalpias específicas, fatores K, etc.
Note que o sistema de equações tem um forte caráter não linear, particularmente devido à
interdependência entre propriedades físicas e variáveis de estado. É importante ter em mente que
as propriedades físicas podem consumir até 90% do tempo de cálculo. O sistema acima deve ser
visto como completo com equações para restrições.
A diferença entre o número total de variáveis não redundantes no sistema e o número de equações
algébricas independentes fornece os graus de liberdade. Normalmente, essas são especificações
que um usuário deve fornecer para executar uma simulação. Na abordagem SM, cada unidade de
simulação (bloco) é tratada pela regra:
Variáveis de saída = função {variáveis de entrada, internas e parâmetros}
A relação funcional é específica para cada unidade, como flash, bomba, reator, coluna de
destilação etc. Por causa de uma grande variedade de situações físicas, é racional incorporar uma
parte do algoritmo na rotina que resolve a unidade. Do ponto de vista da programação, diz-se que
a abordagem é processual.
Note que o modo de especificação de uma operação unitária é importante para a convergência.
Esse aspecto, relacionado à análise do grau de liberdade, será discutido posteriormente.
17
A arquitetura do software é uma questão de ciência da computação. No entanto, como em todo
sistema complexo, o usuário deve estar ciente dos principais elementos. A Figura 2-3 apresenta
uma arquitetura genérica de um simulador sequencial-modular. O coração do sistema é o
programa executivo. Sua função é gerenciar tarefas de computação e troca de dados, como por
exemplo, sequência de cálculo, recuperação de parâmetros para propriedades físicas, rotinas para
operações unitárias, acompanhamento de convergência e gerenciamento do sistema de arquivos
de dados. Outros componentes essenciais são:
A partir da descrição acima, podemos concluir que o software de simulação é um sistema baseado
em computador muito sofisticado, e não uma coleção de algoritmos para resolver diferentes
operações unitárias. Um simulador de processo deve ser projetado com ferramentas de
desenvolvimento e gerenciamento de ciência da computação. É interessante notar que no custo
total a manutenção de software (tipicamente mais de 70%) é de longe mais importante que o custo
de programação (normalmente abaixo de 10%).
18
especificação de variáveis é mais flexível. Qualquer variável do fluxograma pode ser definida
como, independentemente de se tratar de fluxos de entrada ou saída, ou de variáveis internas da
unidade. A arquitetura de software construída com uma abordagem de EO é apresentada na Figura
2-4. A entrada do problema de simulação pode ser formulada por meio de uma meta-linguagem
ou ser suportada por uma GUI inteligente. Na Aspen Dynamics, a definição do problema começa
em estado estacionário no Aspen Plus em um ambiente SM. Ao se adicionar termos de
acumulação às equações de unidades, gera-se o sistema DAE.
Em um simulador de EO, o tratamento algorítmico inclui não apenas a solução matemática, mas
também a depuração de problemas, a compilação /vinculação, bem como a correção e adição de
equações. Uma característica importante é o pós-processamento de resultados, como registro e
gráficos de diferentes variáveis.
19
2. Análise da Ciência da Computação
a. Hardware: plataformas e sistemas operacionais.
b. Recursos: espaço no disco rígido, espaço típico do usuário, memória.
c. Análise de software: arquitetura, estrutura de arquivos, linguagens de
programação.
d. Interface gráfica do usuário: funções, portabilidade.
e. Uso de padrões: gráficos, comunicação, portabilidade.
f. Ferramentas de desenvolvimento de software e controle de qualidade.
g. Interface com software científico ou para todos os fins.
h. Customização.
3. Análise Comercial
a. Razão social, acionistas, relatório financeiro.
b. Política comercial: mercado, clientes, preços.
c. Treinamento e suporte ao usuário.
d. Manutenção e atualizações.
e. Política de comunicação: reuniões de grupos de usuários, boletim informativo.
f. Contatos acadêmicos e científicos, publicações.
Cada questão é citada por uma marca e ponderada por um fator. Consequentemente, este
procedimento produzirá uma lista de dois ou três bons candidatos. A escolha final implicará uma
avaliação mais precisa dos aspectos acima. Mais informações podem ser feitas por especialistas,
como benchmarks, demonstrações personalizadas, amostras de programação, documentos de
garantia de qualidade, etc. A este respeito, é importante testar o produto em problemas próximos
à área de aplicação do usuário.
Apesar das funcionalidades semelhantes entre os fornecedores generalistas, todos os sistemas
possuem recursos nos quais eles funcionam melhor que outros. Isso poderia ter razões históricas
ou poderia vir do perfil dos clientes. A confiabilidade das propriedades físicas e dos parâmetros
nos modelos termodinâmicos é uma característica essencial no design. É por isso que a qualidade
da termodinâmica é uma característica peculiar na seleção de um sistema de simulação para fins
de projeto de processos. Outras características importantes são a personalização de unidades,
capacidades de programação, transmissão de informações e estruturas de controle, bem como a
depuração de problemas de convergência com reciclagens. Um sistema no qual o usuário tem
controle sobre todos os aspectos do plano de fundo de modelagem deve ser o preferido.
Como mencionado, o mercado de simulação de processos conheceu transformações severas na
década de 1985-1995. Relativamente poucos sistemas sobreviveram.
20
estado estacionário, de maneira independente de um pacote de simulação comercial. O usuário
deve poder usar eficientemente qualquer simulador depois de se familiarizar com alguns
elementos técnicos específicos.
O primeiro tópico é a abordagem na solução de um problema de construção do fluxograma
explicado por meio de um exemplo, a planta desalquilação. A próxima seção descreve os recursos
genéricos dos sistemas de construção de fluxograma. Em seguida, um grande subcapítulo trata da
análise de graus de liberdade, um tópico importante para garantir as especificações adequadas,
tanto para as unidades de simulação quanto para todo o fluxograma. Uma seção sobre metodologia
descreverá como resolver problemas de convergência e como usar estruturas de controle para
aproximar a simulação da realidade industrial. Um subcapítulo final lida com ferramentas de
análise de fluxo de dados, como sensibilidade, estudos de caso e otimização.
3.1.1 Abordagem genérica
As questões fundamentais na construção de fluxograma de fluxos serão ilustradas por meio do
processo desalquilação. O processo refere-se à hidrodialquilação de alquilbenzenos e
alquilnaftalenos nos seus anéis aromáticos correspondentes, como benzeno ou naftaleno. O
processo tem sido usado intensivamente tanto em educação quanto em pesquisa para ilustrar
questões fundamentais na Engenharia de Processos de Sistemas.
21
Figura 3-1 – Processo THDA da UOP para produção de benzeno.
Fluxos de entrada/saída,
Sistema reacional reator,
Integração térmica,
Sistema de separação,
Controle das especificações do fluxograma,
Transformação de unidades reais em unidades de simulação,
Análise de graus de liberdade,
Questões termodinâmicas,
Corrente de abertura e abordagem de cálculo.
Estes elementos serão examinados em detalhe a seguir.
3.1.1.3 Fluxos de entrada/saída
As correntes de entrada são tolueno com 100% de pureza e hidrogênio com 5% de CH4. A análise
de entrada/saída deve garantir que o saldo do material seja consistente. Uma regra de ouro no
estado estacionário diz que qualquer material entrando ou sendo criado por reações químicas deve
deixar o processo, de tal forma que não ocorra acúmulo. Através da inspeção da Figura 3-2,
encontramos as seguintes saídas: produto benzeno, gases leves da coluna de estabilização e
pesados da coluna de destilação. O fluxo secundário de tolueno é uma reciclagem e não é contado.
22
No entanto, algo está faltando! Um balanço de material qualitativo simples detecta que não há
saída para o metano formado pela reação, mas também entrada de impureza com hidrogênio.
Portanto, devemos considerar um fluxo de purga gasoso. Finalmente, a estrutura de entrada/saída
do processo é apresentada na Figura 3-3. Note que existem duas entradas, fontes de hidrogênio e
tolueno, e quatro saídas, purga, benzeno, luzes e pesados.
Se dados cinéticos precisos estiverem disponíveis, e se houver uma interação significativa entre
o sistema de reação e o restante do fluxograma, um modelo cinético pode ser considerado. O tipo
de reator, como CSTR ou PFR, precisa ser especificado. No entanto, os reatores industriais são
muito mais complexos que os modelos ideais. Por essa razão, não aconselhamos o uso de modelos
cinéticos na construção de fluxogramas em estado estacionário, pelo menos em estágios iniciais,
exceto para fins mais avançados, como para operação ou controle em toda a planta. Nestes casos,
a combinação de modelos cinéticos e estequiométricos é apropriada. O modelo cinético pode
explicar a produção determinada pela taxa de reação principal, que depende do volume do reator
e da taxa e composição dos reciclos. O modelo estequiométrico pode descrever a formação de
subprodutos e impurezas necessários para a simulação precisa de separadores.
23
3.1.1.5 Sistema de integração energética
A simulação de um fluxograma complexo deve começar pela identificação das estruturas básicas.
Essa estrutura é o sistema de integração energética, conforme ilustrado na Figura 3-3 para o
processo. Os reagentes frescos e reciclados entram em uma unidade misturadora Mix. Observe
que o lado frio do permutador de calor e do forno pode ser agrupado em uma única unidade de
troca de calor chamada HX1. Da mesma forma, o lado quente do permutador de calor, o gerador
de vapor e o refrigerador podem ser agrupados em uma unidade de troca de calor de unidade única
HX2. Desta forma, o esforço pode se concentrar no comportamento do reator, e não na
convergência do circuito de integração térmica com reator.
O Flash é o lugar onde as fases de gás e líquido se separam. Um modelo de equilíbrio de vapor /
líquido pode simular esta operação. Para simular a purga, colocamos uma unidade de Split
modelada por Stream Splitter. Então o gás é reciclado através de um compressor simulado por
uma unidade compressora.
A simulação do sistema de separação de líquidos é mais complicada. A abordagem mais simples
é agrupar todos os itens em uma caixa preta denominada Separação, simulada por um módulo
Separador. Isso é especificado em termos de recuperação desejada de componentes. Desta forma,
podemos concentrar a atenção na influência dos reciclos no sistema de reação, e não na simulação
de separadores.
3.1.1.6 Sistema de separação
A análise do sistema de separação deve determinar os modelos de simulação apropriados. A
simulação das colunas de destilação pode ser estudada em um fluxograma separado (Figura 3-4).
Após a redução da pressão através da válvula V1, a mistura líquida entra no estabilizador (Stab)
onde os gases dissolvidos são removidos. Um modelo apropriado é destilação rigorosa com
destilado a vapor. Após uma segunda redução de pressão através da válvula V2, a separação de
benzeno, tolueno e pesados ocorre em uma segunda coluna (Dist), para a qual o mesmo modelo
rigoroso de destilação é utilizado.
24
seguida, a variável manipulada é selecionada e os limites de variações e tolerâncias são
especificados.
Pode ser visto que a descrição acima simula o comportamento em estado estacionário de um
controlador de feedback SISO (single input single output). Note que o uso de controladores
dificulta a abordagem de cálculo, podendo gerar problemas de convergência.
25
equações que descrevem o modelo. Portanto, o usuário deve ter pelo menos uma ideia sobre o
tipo de equações e algoritmos associados a diferentes unidades de modelagem. Às vezes, o usuário
tem que decidir entre modelos alternativos, com propriedades de especificação e convergência
bastante diferentes.
Neste processo, podemos encontrar alguns problemas na simulação rigorosa das colunas de
destilação, porque elas estão envolvidas em um reciclo. A imposição de valores exatos para
produtos pode levar a falhas de cálculos, devido à inconsistência no balanço material. A
especificação da recuperação de componentes, como a razão entre a taxa de fluxo do componente
no produto e a alimentação, fornece sempre convergência.
3.1.1.10 Problemas termodinâmicos
A seleção apropriada de modelos termodinâmicos é provavelmente o aspecto mais importante de
um trabalho de simulação. Às vezes, o trabalho preliminar é necessário para estimar as
propriedades físicas dos componentes que não pertencem à biblioteca, ou para identificar os
parâmetros dos modelos termodinâmicos a partir de dados experimentais. Um modelo
termodinâmico pode ser válido para todo o fluxograma, ou apenas para algumas unidades. Opções
termodinâmicas específicas no nível da unidade aumentarão a confiabilidade dos resultados. Para
este processo, temos as seguintes possibilidades:
26
Figura 3-6 – Diagrama final de simulação de processo (PSD).
27
Recomenda-se a análise da abordagem de cálculo, mesmo que esta seja encontrada
automaticamente, selecionando correntes de abertura antes de unidades chave, como reatores e
separadores. Evite acelerar a convergência do fluxograma sem necessidade.
A inicialização das correntes de abertura não é normalmente necessária, mas melhora a chance de
convergência. Alta sensibilidade à inicialização da corrente de abertura pode esconder problemas
de modelagem, problema de projeto ou especificações inconsistentes.
Alguns softwares executam uma análise de graus de liberdade e oferecem uma seleção de
especificações. Note que o modo de especificação de unidades individuais deve ser consistente
com a convergência global do fluxograma, como será explicado mais adiante.
Após a convergência, o histórico é importante em ambas as unidades e no nível do fluxograma.
A simulação de um fluxograma complexo geralmente é difícil e requer um conhecimento mais
profundo das técnicas de construção de fluxogramas.
O resultado crucial na exibição de fluxos é o relatório. Acompanhar o desempenho de unidades
individuais também é necessário, especialmente a composição das misturas de reação e os perfis
de variáveis internas nas unidades de separação.
Um recurso mais avançado na exibição de fluxograma é o uso de ferramentas de análise para
design ou operação. Por exemplo, uma análise de sensibilidade pode capturar inter-relações entre
diferentes variáveis no problema de simulação. Uma pesquisa mais elaborada pode envolver
estudos de caso. A capacidade da simulação de imaginar experimentos virtuais é um benefício
real do qual o usuário deve saber para obter lucro total.
O exemplo demonstra que é necessária uma análise cuidadosa do problema de simulação antes
de executá-lo. Além disso, uma solução não é suficiente. Resultados confiáveis exigem um
trabalho de validação sistemática, bem como um bom conhecimento da base de modelagem. Esses
aspectos fundamentais serão desenvolvidos nos capítulos a seguir.
28
trabalho pode ser considerado, mas não em combinação com fluxos de materiais. O cálculo de
flash é realizado para a corrente de saída.
A água merece um tratamento especial: (1) incluído na mistura, (2) decantado como fase
imiscível, ou (3) tratado pelo equilíbrio VLL. O divisor separa a corrente de entrada em mais
fluxos da mesma composição e estado.
Nesta categoria, podemos incluir a separação da caixa preta (Figura 3-8). Esta unidade é muito
útil para o cálculo preliminar de balanços de materiais e energia. Nós mencionamos apenas dois
tipos:
a. Separadores de caixa preta gerais, com m entradas e n saídas. A separação é definida em
termos de recuperação de componentes e/ou taxas de fluxo de massa ou volume.
b. A coluna de separação de dois produtos é usada para modelar colunas simples de
destilação e absorção, mas permite especificações mais amplas, como por exemplo
purezas.
29
3.1.2.3 Trocadores de Calor
A seguir descrevemos os modelos básicos. Projeto detalhado e dimensionamento estão
disponíveis através de pacotes especializados que normalmente são conectados com o simulador
de processo.
a. Modificação de carga térmica
Uma unidade simples de aquecedor / resfriador é usada para modelar operações onde somente a
mudança de variáveis de estado de um fluxo é relevante (temperatura, pressão), e não o projeto
térmico do trocador de calor (Figura 3-10 à esquerda).
30
convergência dos reciclos, porque as especificações serão sempre cumpridas, mesmo que o
dimensionamento da coluna seja questionável.
31
Figura 3-13 – Coluna de separação multi-propósito.
O tamanho da coluna pode incluir vários tipos de bandejas, como perfuradas ou válvulas,
bem como vários tipos de embalagens, descartadas ou estruturadas.
32
retificadoras laterais (Figura 3-14). Entre as aplicações, podemos citar a torre pré-flash, a
destilação atmosférica de petróleo ou a fracionadora principal do FCC (Fluid Catalytic Cracking).
33
3.1.2.7 Extração
Unidade de extração líquido-líquido (Figura 3-16) simula um dispositivo de extração em
contracorrente que consiste em estágios de equilíbrio. Várias cargas, produtos secundários e
aquecedores / resfriadores podem ser considerados. A modelagem precisa do equilíbrio líquido-
líquido é essencial, especialmente quando a unidade está envolvida em um reciclo. Se a
termodinâmica não for confiável, recomenda-se uma unidade de caixa preta simples para fechar
as reciclos. A análise e o design de um tipo de equipamento selecionado podem ser feitos como
unidade independente usando modelos rigorosos.
3.1.2.8 Reatores
Como principal responsável pelas mudanças no balanço material, o reator químico deve ser
modelado com precisão a partir desse ponto de vista. Os principais modelos de reatores são o de
fluxo (PFR) e o reator contínuo de tanque agitado (CSTR), como mostrado na Figura 3-17. Os
modelos ideais não são suficientes para descrever a complexidade dos reatores industriais. Uma
alternativa prática é a combinação de modelos de fluxo ideal com reatores estequiométricos, ou
com alguma programação do usuário. Desta forma, os reatores de fluxo podem levar em conta a
influência do reciclo na conversão, enquanto os tipos estequiométricos podem servir para
descrever efeitos de seletividade realistas, ou seja, a formação de impurezas, importantes para as
separações. Alguns modelos padrão são descritos abaixo.
Reator estequiométrico
O modelo estequiométrico descreve o balanço material da reação por meio de equações
estequiométricas, utilizando conversão ou extensão da reação como variável de reação. Nessa
abordagem, o equilíbrio atômico é conservado. No caso do modelo chamado reator de
rendimento, a distribuição dos produtos é dada por correlações algébricas. Essa abordagem
conserva o balanço geral de massa, mas pode não respeitar o equilíbrio atômico. Em
consequência, quando se utiliza um reator de rendimento, pode ocorrer inconsistência no
equilíbrio dos componentes, embora a convergência dos reciclos possa ser alcançada.
34
Reator de equilíbrio
No caso de reações químicas rápidas, como em altas temperaturas ou aceleradas por catalisadores,
a hipótese de equilíbrio químico pode dar uma ideia realista sobre o desempenho máximo
alcançável. Desvios de temperatura ou conversão em relação ao verdadeiro equilíbrio podem ser
especificados. O equilíbrio químico monofásico, ou equilíbrio químico e multifásico simultâneo
pode ser tratado. Grande atenção deve ser dada à precisão de calcular as funções de energia livre
e entalpia da Gibbs. Dois modelos estão geralmente disponíveis:
35
Tabela 3-1 – Classificação de métodos termodinâmicos na separação.
Hidrocarbonetos +
EOS EOS EOS
supercríticos
V – Coeficientes Henry
Não-ideais + supercríticos EOS modificada EOS modificada
L – LACT
EOS – Equação de estado, LACT – Modelo de atividades.
As opções termodinâmicas padrão são geralmente baseadas em equações cúbicas de estado
(EOS). A razão é que eles podem abranger uma ampla gama de aplicações, particularmente em
processos envolvendo hidrocarbonetos, oferecendo cálculos consistentes tanto para o equilíbrio
de fases quanto para cálculos baseados em energia e entropia. Normalmente, todo simulador
possui um banco de dados interno com parâmetros de interação para diferentes modelos. Quando
empregados de maneira transparente, esses parâmetros podem produzir bons ou maus resultados.
Quando a precisão é importante, o usuário precisa verificar cuidadosamente a disponibilidade, a
origem dos dados originais e os erros de modelagem. Por exemplo, no Aspen Plus, o usuário deve
validar explicitamente os parâmetros de interação propostos pelo software.
A Tabela 3-2 apresenta uma seleção das opções termodinâmicas mais utilizadas para o equilíbrio
de fases com métodos adequados de entalpia e entropia. A precisão do cálculo de equilíbrio de
fase e entalpia / entropia deve ser examinada ao usar modelos EOS. Por exemplo, muitas vezes
uma EOS subestima a entalpia de vaporização. Neste caso, outros métodos são mais precisos,
como aqueles baseados na lei de três estados correspondentes (Lee-Kesler, Curl-Pitzer, etc.).
Misturas ricas em componentes com comportamento particular, como H2 ou CH4, necessitam de
métodos especiais para simulação precisa. Quando parâmetros de interação binários para modelos
de atividade líquida estão ausentes, o método preditivo UNIFAC pode ser empregado. Vale a
pena notar que o UNIFAC é adequado apenas para fins exploratórios, mas não para o projeto
final. Quando altas misturas não ideais estão envolvidas em altas pressões, recomenda-se a
combinação de EOS com modelos de atividade líquida.
36
5. Sistemas eletrólitos: parâmetros iônicos para diferentes espécies, constantes de equilíbrio
para diferentes reações, bem como parâmetros de interação em modelos de atividade
líquida.
6. Parâmetros de interação para equações de estado aplicadas a soluções poliméricas.
Tabela 3-2 – Métodos de cálculo de equilíbrio, entalpia e entropia no processo de simulação.
Refino Curl-Pitzer
Grayson-Streed -20 a 450ºC Hidrocarboneto + H2
Destilação Lee-Kessler
Processamento de gás
Hidrocarboneto + H2 Curl-Pitzer
Chao-Seader Depropanizadora
(max. 20%) Lee-Kessler
Debutanizadora
Destilação atmosférica
Nafta
40 a 500ºC e a vácuo Lee-Kessler
BK10 C1 a C7
0,1 a 7 bar Separação BTX Rice
BTX
37
5. Sistemas eletrólitos: parâmetros iônicos para diferentes espécies, constantes de equilíbrio
para diferentes reações, bem como parâmetros de interação em modelos de atividade
líquida.
6. Parâmetros de interação para equações de estado aplicadas a soluções poliméricas.
Se a precisão for crítica e houver dados experimentais disponíveis, recomendamos a regressão de
dados sobre o intervalo de variações necessário na aplicação.
3.1.4 Estruturas de controle
O uso de estruturas de controle é um recurso avançado dos fluxogramas. Os controladores são
particularmente úteis na operação da planta. Uma aplicação importante é a simulação do
comportamento em estado estacionário dos controladores SISO. Com relação à ação de controle,
podemos distinguir entre dois tipos básicos, retroalimentação e antecipativo.
Um loop de controle com retroalimentação (Figura 3-18) consiste em manipular a variável y para
alcançar o ponto de ajuste em x no limite de uma tolerância especificada.
38
Figura 3-19 – Especificação de variáveis como uma estrutura de controle de retroalimentação.
39
cada elemento com o intuito de saber quantas variáveis ainda é necessário especificar. Os
elementos de informação são:
Equações de projeto N
Variáveis pertinentes M
Variáveis especificadas E
G<0 inconsistência
Uma vez esclarecido o que é grau de liberdade de um elemento ou processo pode-se definir
dimensionamento e simulação.
Define-se dimensionamento como sendo a situação em que se pretendem calcular as dimensões
principais dos equipamentos e as vazões das correntes de serviço, compatíveis com as
especificações. Podem ocorrer dois tipos de acordo com o balanço de informação:
G = 0 - solução única
G > 0 - infinitas soluções
São raros os casos em que a solução é única, ou seja, em que número de variáveis é igual ao
número de equações. Normalmente, há um número maior e nesse caso o dimensionamento
compreende:
a) escolha das variáveis de projeto
b) escolha de um índice de mérito (custo ou lucro)
c) escolha de um método de otimização
A simulação é caso em que se pretende, para um processo já previamente dimensionado, existente
ou em fase de projeto, prever as condições de saída compatíveis com condições de entrada
diferentes daquelas utilizadas no seu dimensionamento. Nesse caso, tem-se necessariamente
G = 0. A Tabela 3-3 resume as diferenças entre dimensionamento e simulação.
É claro que na vida real podem existir casos em que um projeto exija uma mistura das técnicas de
dimensionamento e simulação. É o caso de ampliação das unidades existentes nas quais alguns
equipamentos serão mantidos (simulação) enquanto que outros podem sofrer atualizações ou
substituições (dimensionamento) visando desobstruir limitações do processo.
40
Tabela 3-3 – Características do dimensionamento e simulação
Problema
Variáveis de projeto
Dimensionamento Simulação
vazões da corrente de
conhecidas conhecidas
processo (Q1)
dimensões do equipamento
Incógnitas conhecidas
(d)
conhecidas
vazões e condições das
incógnitas
correntes de saída (Q3, C3) parcialmente
As hipóteses são:
Composição: (C-1) F
Pressão e temperatura: 2
Uma vez que as fases estão em equilíbrio, ocorre a igualdade dos potenciais químicos. Para um
componente i qualquer se tem:
41
onde Nie é o grau de liberdade o elemento de processo e Nve é o número de variáveis do elemento
e NEe é o número de equações.
As variáveis pertinentes aos processos químicos são:
inerentes
balanço de massa
balanço de energia
regras de distribuição
equilíbrio químico
As restrições inerentes são normalmente o resultado de definições e consideradas como
identidades. Por exemplo, o conceito de estágio de equilíbrio envolve as restrições inerentes tais
como TV = TL e PV = PL nas quais os sobrescritos V e L se referem às correntes de equilíbrio na
saída do estágio.
As restrições de balanço de massa são os C balanços escritos para os C componentes presentes
no sistema (desde que só se lide com sistemas não reativos, cada composto químico presente é
um componente da regra das fases). Uma alternativa é escrever (C - 1) balanços de massa por
componente e um balanço global.
As restrições de distribuição de fase refletem a exigência que fiV = fiL a equilíbrio onde fi é a
fugacidade do componente i. Em sistemas líquido-vapor, deve-se saber que sempre todos os
componentes estarão presentes de alguma forma em ambas as fases, sendo esta uma restrição para
cada um dos componentes do sistema. Em sistemas líquido-líquido-vapor, cada componente terá
três destas restrições, mas somente duas serão independentes. Em geral, quando todos os
componentes existem em todas as fases, o número de equações de restrição devido ao fenômeno
de distribuição será C(F - 1), onde F é o número de fases presentes.
42
3.4 Análise dos Elementos
3.4.1 Fluxo homogêneo
O fluxo homogêneo é uma corrente simples de processo, caracteriza-se por apresentar apenas uma
fase. Para C componentes pode relacionar:
Temperatura – 1
Pressão – 1
Vazão – 1
Composição – C-1
Nve = C+2
O fluxo homogêneo, dessa forma, para ser determinado necessita informar a pressão, a
temperatura, a composição e a vazão se houver uma fase apenas. A maioria dos simuladores,
atualmente, lida com fluxos não homogêneos, com mais de uma fase. Nesses casos, os
simuladores realizam um flash adiabático sem perda de cargo, para esse equipamento o grau de
liberdade é exatamente igual ao do fluxo homogêneo (C+2). Isto é para especificar um fluxo
homogêneo é necessário fornecer a vazão e a composição e duas variáveis entre pressão,
temperatura e fração vaporizada. Dessa forma pode-se calcular a temperatura ou pressão nos
pontos de bolha e orvalho atribuindo 0 ou 1 à fração vaporizada respectivamente.
43
3.4.3 Misturador
O misturador, na verdade, é um “T” onde são misturados dois fluxos homogêneos com troca de
calor com a vizinhança e perda de carga.
Variáveis:
Fluxos (A, B, C) (3 fluxos homogêneos) – 3C + 6
Calor (q) – 1 A
Nve = 3C + 7
Restrições: B C
Balanço material por componentes – C
Balanço energético – 1 q
NEe = C+1
Nie = 3C + 7 – (C + 1) = 2C + 6
Especificações:
Dois fluxos (A e B) – 2C + 4
Perda de carga do misturador – 1
ou pressão de C
Calor trocado no divisor (q) – 1
Total =C+6
Nve = 2C + 5 A B
Restrições:
Igualdade das composições (xA = xB) – C-1
W
Balanço material (QA = QB + QC) – 1
Balanço energético – 1
B
NEe = C+1 A
Nie = 2C + 5 – (C + 1) = C + 4
Especificações:
Uma corrente (A ou B) – C+2
Calor trocado (q) ou trabalho (w) ou
eficiência da bomba – 1
Perda de carga ou mais uma pressão – 1
Total = C+4
44
3.4.5 Condensador Total
Os condensadores são equipamentos que retiram carga térmica de uma corrente gasosa obtendo
um líquido saturado.
Variáveis: q
Fluxo A – C+2 A
Fluxo B – C+2
Calor (q) – 1
Nve = 2C + 5 B
Restrições:
Balanço material – C
Balanço energético – 1
NEe = C+1
Nie = 2C + 5 – (C + 1) = C + 4
Especificações:
Uma corrente (A ou B) – C+2
Calor trocado (q) ou fração vaporizada – 1
Perda de carga ou mais uma pressão – 1
Total = C+4
Nve = 3C + 7
Restrições:
Balanço material – C L
Balanço energético – 1
Igualdade das temperaturas (TV = TL) – 1
Igualdade das pressões (PV = PL) – 1
Equilíbrios termodinâmicos – C
NEe = 2C + 3
Nie = 3C + 7 – (2C + 3) = C + 4
Especificações:
Uma corrente (A) – C+2
Calor trocado (q) ou fração vaporizada – 1
Perda de carga ou mais uma pressão – 1
Total = C+4
45
3.4.7 Condensador Trifásico
Os condensadores são equipamentos que retiram carga térmica de uma corrente gasosa
condensando parcialmente. O líquido é composto por fases imiscíveis que são separados no vaso
seguinte bem como o vapor formado.
Variáveis: q
V
Fluxos A, V, L1 e L2 – 4C + 8 A
Calor (q) – 1
Nve = 4C + 9
L1
Restrições: L2
Balanço material – C
Balanço energético – 1
Igualdade das temperaturas (TV = TL1 = TL2) – 2
Igualdade das pressões (PV = PL1 = PL2) – 2
Equilíbrios termodinâmicos – 2C
NEe = 3C + 5
Nie = 4C + 9 – (3C + 5) = C + 4
Especificações:
Uma corrente (A) – C+2
Calor trocado (q) ou fração vaporizada – 1
Perda de carga ou mais uma pressão – 1
Total = C+4
Restrições:
Balanço material – C
Balanço energético – 1 LOUT VIN
Igualdade das temperaturas (TLOUT = TVOUT) – 1
Igualdade das pressões (PLOUT = PVOUT) – 1
Equilíbrios termodinâmicos – C
NEe = 2C + 3
Nie = 4C + 8 – (2C + 3) = 2C + 5
Especificações:
Correntes (LIN e VIN) – 2C + 4
Perda de carga ou mais uma pressão – 1
Total = 2C + 5
46
3.4.9 Prato de Carga
O prato de carga é um estágio de equilíbrio o qual recebe um fluxo da vizinhança. É admitido que
os fluxos que deixam o equipamento estejam em equilíbrio.
Variáveis:
Fluxos VIN, VOUT, LIN, LOUT, F – 5C + 10
Nve = 5C + 10
Restrições:
LIN
Balanço material – C VOUT
Balanço energético – 1 F
Nie = 5C + 10 – (2C + 3) = 3C + 7
Especificações:
Correntes (LIN, VIN, F) – 3C + 6
Perda de carga ou mais uma pressão – 1
Total = 3C + 7
Como exercício deixa-se para leitor a demonstração das seguintes hipóteses: do prato de retirada
e dos mesmos demonstrados anteriormente com adição ou retirada de calor da vizinhança.
Nve = 4C + 9
A B
Restrições:
q
Balanço material (dois fluxos) – 2C D
Balanço energético (dois fluxos) – 2
NEe = 2C + 2
Nie = 4C + 9 – (2C + 2) = 2C + 7
Especificações:
Correntes (A, B) – 2C + 4
Perda de carga (dois fluxos) – 2
Calor trocado – 1
Total = 2C + 7
47
3.5 Análise de Unidades Operacionais
Uma vez determinado o balanço de variáveis, equações e especificações para cada um dos
elementos de processos, pode-se analisar a conexão desses vários elementos em um processo. Na
verdade, as variáveis a especificar para um determinado processo não é simplesmente a soma das
variáveis especificadas para cada elemento. Algumas variáveis são suprimidas devido à conexão
dos fluxos entre os elementos e outras surgem decorrente da associação.
Dessa forma, o número de variáveis da unidade de processo (NvU) é dado por:
NvU = Nie + NR
Onde NR é número de novas variáveis de restrições que surgem decorrente da associação.
Assim, o grau de liberdade da unidade de processo (NiU) é dado por:
NiU = NvU - NRU
Onde NRU é número de restrições de variáveis que não é necessário especificar em virtude dos
fluxos que fazem a interconexão entre os elementos.
3.5.1 Torre de absorvedora
A torre absorvedora é composta por N estágios de equilíbrio interconectados. É L0 VN
admitido que os estágios de podem trocar calor com a vizinhança e dessa forma, o
grau de liberdade de cada um deles é: 2C + 6.
NvU = N (2C + 6) + 1 (número de estágios)
NRU = 2 (N-1) (C+2) (fluxos conectados)
NiU = 2N + 2C + 5
Especificações:
Fluxos (L0, V0) – 2 (C + 2)
Pressão dos estágios – N
Calor trocado nos estágios – N
Número de estágios – 1 LN
V0
Total = 2N + 2C + 5
3.5.2 Torre de destilação convencional
A torre destilação convencional é uma unidade de operação composta por vários equipamentos
descritos anteriormente. Em uma possível configuração tem-se o condensador de topo, um divisor
de corrente, duas seções de estágios de equilíbrio correspondente às seções de retificação e
esgotamento, um prato de carga e um condensador parcial representando o refervedor.
48
Equipamentos:
Condensador total – C+4
Divisor de corrente – C+5
Seção de absorção (n estágios) – 2n + 2C + 5
Estágio de carga – 3C + 8
Seção de esgotamento
(m estágios) – 2m + 2C + 5
Refervedor – C+4
NvU = 2(n+m) + 10C + 31
NRU (9 correntes conectadas) – 9 (C + 2)
NiU = 2(n+m) + 10C + 31 – (9C + 18) = 2(n+m) + C + 13
Fazendo N = n+m+1, número total de estágios:
NiU = 2N + C + 11
3.5.3 Diagramas
Como a especificação de fluxos de interconexão entre unidades se torna redundante, o grau
de liberdade total de um fluxograma podem ser calculados com a fórmula:
𝑈
𝑈
𝑁 = ∑ 𝑑𝑖 − 𝑘(𝑁𝑐 − 2)
𝑖=1
O procedimento é ilustrado pelo fluxograma mostrado na Figura 3-21. A Tabela 3.8 contém os
detalhes. A coluna denominada “Especificação” fornece as variáveis a serem especificadas
para cada unidade, excluindo as correntes de entrada. O grau de liberdade para o fluxograma
inteiro são 12(Nc + 2) + Ns + 19, dos quais subtraímos 10(Nc + 2) valores correspondentes aos
49
fluxos de conexão. Isto dá 2(Nc + 2) + Ns + 19 variáveis, das quais 2(Nc + 2) pertencem às
correntes de entradas. Permanece (Ns + 19) graus de liberdade. Este é exatamente o valor
encontrado contando as variáveis na coluna “especificação”!
O resultado acima nos leva a concluir a seguinte regra: O grau de liberdade do diagrama pode ser
obtido contando as especificações das correntes de entrada, incluindo as correntes de abertura,
mais os parâmetros independentes mínimos para cada operação unitária.
Tabela 3-4 – Análise de grau de liberdade para o diagrama da Figura 3-21
4
Número de estágio e localização do prato de carga estão incluídos; pressão do refluxo de topo é igual
ao do primeiro estágio
50
3.5.4 Especificações Inviáveis
A análise de grau de liberdade é necessária, mas insuficiente para convergir uma simulação. É
óbvio que o número de especificações deve corresponder ao do DOF disponível. Normalmente,
a análise do DOF é feita automaticamente. No entanto, as especificações devem ser viáveis não
apenas no nível da unidade, mas também no fluxograma como um todo. Deste ponto de vista,
alguns erros comuns podem ser identificados como: (1) especificações inconsistentes ou (2)
especificações interdependentes.
Especificações inconsistentes típicas são aquelas que violam o equilíbrio do material. A Figura
3-22 exibe um fluxograma muito simples que contém apenas um misturador e um separador com
uma corrente de reciclo. Esse esquema simplificado pode ser considerado irreal, mas na verdade
pode explicar uma fonte básica de não-convergência em fluxogramas mais complexos, no qual a
presença de grande número de unidades e de reciclos poderia ocultar uma situação tão simples.
Várias especificações do separador podem ser consideradas, como segue:
51
Entretanto, diagramas que contém reciclos de matéria tornam-se um desafio para essa abordagem.
Na abordagem Sequencial-Modular, existem quatro questões metodológicas:
Portanto, a sequência de cálculo na (Figura 3-23a pode ser formulada da seguinte forma: ciclo_l
(unidade de convergência (corrente de abertura 5-a-b-c-d) – e). É fácil observar que a escolha das
correntes de abertura não é única. Teríamos como alternativas os fluxos 2, 3 ou 4, que iria produzir
apenas uma simples permutação de unidades. No entanto, esse recurso permite a seleção de
corrente de abertura mais convenientes, principalmente antes das unidades que precisam de uma
inicialização cuidadosa.
Podemos prosseguir com um fluxograma um pouco complicado. Suponha que um corrente de
saída da unidade e seja enviado de volta para a unidade b (Figura 3-23c). Um novo loop é criado,
incluindo as unidades b, c, d, e, aninhadas com o loop anterior a, b, c, d. Se o corrente 7 for
selecionado como corrente de abertura, a simulação do fluxograma pode ser feita em uma única
sequência de cálculo, como segue: loop_l (unidade de convergência (corrente de abertura 5, 7) -
a-b-c-d-e).
52
Outras combinações de correntes de abertura são possíveis, como (2,6) ou (2,7). No entanto, a
unidade de convergência deve convergir duas correntes de abertura simultaneamente.
Podemos continuar um passo adiante, observando que o número de correntes de abertura pode ser
reduzido a uma, se selecionarmos as correntes 3 ou 4. No último caso, ambas os reciclos podem
ser quebradas para formar uma única sequência de cálculo, como segue: (unidade de convergência
(corrente de abertura 4) –d-e-a-b-c). Essa situação é possível porque a corrente 4 é comum aos
dois ciclos.
Em conclusão, uma estrutura de reciclagem pode ser transformada numa sequência de cálculo
sequencial por meio de correntes de abertura. Os ramos das correntes de abertura são entrada e
saída de uma unidade de convergência. O algoritmo de convergência fornece atualizações valores
para as correntes de abertura. Há um número mínimo de correntes de abertura, mas o conjunto
das correntes de aberturas, bem como a sequência de cálculo das unidades não são exclusivos.
A extensão do exercício acima em fluxogramas mais complexos pode ser feita por meio de uma
análise topológica. O livro de Mah (1990) é recomendado para uma apresentação detalhada sobre
esse assunto. Atualmente, a maior parte do software realiza uma identificação automática da
sequência computacional. No entanto, a sequência proposta pode não ser sempre a mais
conveniente para uma convergência robusta. É por isso que ainda é importante saber como a
análise topológica funciona.
Um fluxograma pode ser representado por um gráfico direcional (grafo), como ilustrado na Figura
3-24, que é equivalente ao da Figura 3-23b. Os vértices representam as unidades, enquanto os
segmentos direcionados por setas representam as correntes. As correntes de entrada e saída podem
ser atribuídas à unidade de ambiente (E).
A representação matricial do grafo é mais conveniente para determinar a sequência
computacional. A Figura 3-24 também apresenta uma planilha usada frequentemente para
representar o fluxograma conhecida como matriz de processo. Observe que as correntes de
entrada são positivas, enquanto as de saída são negativas. A mesma informação pode ser
codificada como matriz de incidência, ou matriz e ciclo (ciclo incidência de loop), e usada em
algoritmos para identificar a corrente de abertura. Aqui, o passo mais importante é encontrar as
partições. Isso consiste em agrupar unidades em subfluxos de corrente que possuem fluxos de
entrada/saída independentes e não podem ser mais reduzidos. Dessa forma, a simulação do
fluxograma é transformada na solução de um número de subfluxos sequenciados pela ordem de
precedência (ordem de cálculo) das partições.
53
Agora podemos formular a abordagem geral de encontrar a sequência de cálculo:
1. Decomponha o fluxograma nas partições.
2. Determine a ordem de precedência das partições.
3. Encontre as correntes de abertura para cada partição.
4. Determine a ordem de precedência das unidades nas partições.
A Figura 3-25 ilustra a simplificação de um problema de fluxogramas pelo efeito do
particionamento (Mah, 1990). O problema original envolve 12 unidades e 5 reciclos.
O fluxograma pode ser decomposto em seis partições, a maior tendo apenas 4 unidades e 3
reciclos. A abertura de cada partição é agora muito fácil. Para a partição III, temos que quebrar
apenas um loop. A partição II contém três laços, que podem ser quebrados no máximo em três e
no mínimo em duas correntes de abertura. O leitor pode verificar por si mesmo que encontrar a
abertura depois da partição é uma tarefa fácil.
Vimos que dentro de uma partição existem várias possibilidades de abertura. Consequentemente,
a identificação e a seleção das correntes de abertura podem ser objeto de um procedimento de
otimização. Pesquisas identificaram quatro critérios:
1. Minimizar as iterações.
2. Minimizar as variáveis que participam do reciclo.
3. Custo mínimo de fluxos usando fatores de ponderação.
4. Minimizar as correntes de aberturas.
Eles podem ser expressos por uma formulação matemática única:
𝑚𝑖𝑛 ∑𝑛𝑗=1 𝑤𝑗 𝑥𝑗 j=1, 2, ..., n correntes, sujeita ∑𝑚
𝑗=1 𝑎𝑖,𝑗 𝑥𝑗 ≥ 1 i=1, 2, ..., m ciclos
54
matriz do ciclo . Como resultado, o procedimento de abertura pode ser formulado como um
problema de programação linear. Na maioria dos casos, os algoritmos automáticos minimizam o
tempo máximo que um determinado loop é aberto.
EXEMPLO Ciclos com Reciclos Aninhados
O fluxograma na Figura 3-25 consiste em três ciclos aninhados de misturadores e flashes, é um
problema de fluxograma padrão conhecido como o problema de Cavett (Rosen, 1980). A Tabela
3-5 fornece a matriz de ciclos, em que 1 marca cada corrente incluída nos ciclos. Por exemplo, o
fluxo Z1 aparece nos ciclos 1 e 3, enquanto o fluxo S2 somente no loop 3. A última coluna mostra
o número de ciclos divididos por cada corrente e pode ser usada para avaliar a ação de abertura.
Uma escolha óbvia seria considerar três correntes de aberturas para os três ciclos, como por
exemplo R1, R2, R3, que são as próprias corrente de retorno.
Outra escolha seria R1, S2 e R3, onde S2 substituiria R2. No entanto, é possível resolver o
fluxograma apenas com duas correntes de aberturas, como Z1 e Z2, agora cada um quebrando dois
ciclos. Z2 também pode ser substituído por R3 ou S3. Assim, vários conjuntos de correntes de
aberturas são viáveis, mas eles se comportam de maneira diferente na simulação. Pode ser
demonstrado que quando o método de substituição direta é usado, o conjunto R1, R2, R3 (abertura
mínima do loop) converge mais rápido que o conjunto Z1, Z2 (mínimo em corrente de abertura).
Tabela 3-5 – Matriz de ciclos para o problema de Cavett.
Ciclos
Corrente Soma dos Ciclos
1 2 3
Z1 1 0 1 2
S2 0 0 1 1
S1 1 0 0 1
Z2 0 1 1 2
S3 0 1 0 1
R1 1 0 0 1
R2 0 1 0 1
R3 0 0 1 1
55
corrente. Uma especificação de projeto cria um novo loop de convergência, entre a unidade cuja
variável especificada é amostrada e a unidade cuja variável é manipulada.
Esse novo loop irá interagir com os reciclos de fluxogramas existentes, com consequência na
estratégia de cálculos. Desse ponto de vista, um loop de especificação de projeto pode ser
colocado dentro ou fora de um loop de convergência do fluxograma, ou convergido
simultaneamente com as correntes de abertura.
O usuário deve prestar atenção às propriedades de convergência do loop de especificação de
design. A variação deve ser sensível, contínua, monótona e dentro dos limites especificados da
variável manipulada. Cada situação deve ser avaliada a partir da perspectiva física e
computacional.
3.6.3 Tratamento da convergência
A simulação está convergida se todas as unidades, correntes e o balanço global de matéria tiverem
convergidos. A convergência do balanço de energia global é opcional. O cálculo da convergência
pode ser expresso matematicamente como a minimização dos resíduos entre X, os valores
estimados no início de uma iteração, e X*, os valores calculados após uma passagem pela
sequência computacional:
𝑅(𝑋) = 𝑋 − 𝑋 ∗
56
4. Broyden. Esse método resolve diretamente a 𝑅(𝑋) = 𝑋 − 𝑋 ∗ . Vale ressaltar que a atualização
do Jacobiano se dá por meio de cálculos algébricos em elementos da matriz e não por inversão
de matrizes. Ele pode ser usado para a convergência de várias correntes de abertura,
especificações de projeto ou correntes de aberturas mistas e especificações de projeto.
5. Newton. Esse algoritmo é uma implementação do método de Newton-Raphson para a solução
simultânea de equações não lineares. Pode ser mais robusto que o Broyden, mas é limitado a
um pequeno número de variáveis.
6. Método SQP. Esse poderoso método de otimização é usado para convergir correntes de
abertura e especificações de projeto simultaneamente. Dois algoritmos são possíveis:
- Caminho viável: convergência de correntes de abertura em cada iteração de restrições.
- Caminho inviável: correntes de abertura e restrições são convergidas simultaneamente.
Dicas sobre problemas de convergência
A seguir, reunimos alguns conselhos que poderiam ajudar o usuário a evitar a frustração na falha
de convergência:
1. Examine em primeiro lugar a estrutura de entrada-saída. A entrada de materiais também
deve sair do processo! Certifique-se de que o balanceamento de material não seja válido
apenas para os componentes principais, mas também para componentes inertes e
componentes com composição muito pequena.
2. Examine cuidadosamente o cálculo das propriedades físicas e a precisão da modelagem
termodinâmica. Use um modelo que seja suficientemente preciso para o seu problema.
Não confie cegamente nas opções padrão. Altere o modelo no nível da unidade, se
necessário. Verifique a confiabilidade dos parâmetros do modelo (fonte, intervalo) e
verifique sua precisão. Não hesite em realizar a identificação de parâmetros
termodinâmicos a partir de dados experimentais, se a precisão for crítica.
3. Verifique o comportamento do reator, como reações, estequiometria, conversão, etc. Não
se esqueça que a mudança mais significativa no balanço de material ocorre aqui.
4. Decomponha um fluxograma grande em vários subfluxogramas. Evite grandes reciclos.
5. Verifique a identificação automática das correntes de abertura. Verifique a viabilidade da
sequência de cálculos, a interação entre os ciclos de reciclagem, particularmente entre as
especificações do projeto e os reciclos do processo. Se necessário, defina sua própria
sequência.
6. Minimize o número de ciclos usando a transmissão de informações.
7. Comece sempre com especificações simples, que podem dar um bom ponto de partida
para o balanço de materiais. Evite controladores (especificações de projeto) em um
estágio inicial.
8. A destilação é sempre um gargalo! Comece no modo de balanço de material,
normalmente especificando produtos e taxas de refluxo. Examine os perfis internos:
temperatura, composições e tráfego líquido/vapor. Considere especificações complexas
mais tarde, depois de ter convergido o balanço de material com reciclos.
9. Extraia as unidades difíceis e converta-as separadamente. Geralmente, isolar os
problemas de convergência e tratá-los fora do fluxograma.
57
10. Siga a convergência dos principais componentes em correntes de abertura. Verifique se
não há acúmulo sistemático de algumas espécies. Estudar o comportamento matemático
do método de convergência. Não aumente as iterações antes de identificar a origem dos
problemas de convergência. Não hesite em executar o fluxograma passo a passo.
3.7 Otimização
A otimização é um recurso avançado na simulação. O primeiro passo é a formulação de uma
função objetivo, que pode ser de natureza técnica ou econômica. Na primeira categoria podemos
citar o rendimento de transformação de matérias-primas em produtos, a energia consumida ou
economizada em um processo, a quantidade de emissões ou impurezas, etc. Uma função
econômica pode ser o custo total da operação, o lucro, ou uma medida da rentabilidade, como a
taxa de retorno do investimento.
A otimização na simulação implica, por princípio, várias variáveis, porque uma otimização mono
variável pode ser facilmente resolvida por um estudo de sensibilidade. Um problema de
otimização é sempre um problema sujeita a restrição. Em primeiro lugar, existem restrições de
igualdade, como por exemplo os balanços material e de energia, mas também as condições de
equilíbrio de fases, como a igualdade das fugacidades dos componentes. Em segundo lugar,
existem restrições de desigualdade. Geralmente, estes consistem em limites de temperaturas,
pressões, vazões e concentrações, mas também podem expressar limites de desempenho, como
razão mínima de refluxo, aproximação de temperatura em trocadores de calor, etc.
Uma otimização na simulação é um problema de programação não linear (NLP) quando o
fluxograma ou estrutura de operação da unidade permanece inalterada. Quando as variações
estruturais são levadas em consideração, o problema de otimização pode ser formulado de
maneira mais geral como uma Programação Não Linear Inteira Mista (M1NLP). Por exemplo, as
variáveis inteiras podem descrever o número de estágios em uma coluna de destilação, prato de
carga ou a conexão entre as unidades.
Um problema de otimização NLP pode ser visto com uma minimização da função objetivo F(d, x)
no espaço de projeto d sujeito as restrições de igualdade c(x) e de desigualdade g(x).
Matematicamente a formulação torna-se:
Minimizar F(d,x)
Sujeita a c(x) = 0, g(x) ≤ 0
Com xL ≤ x ≤ xU
Onde:
x é o vetor das variáveis de processos que pode variar entre os limites inferior xL e
superior xU
58
Com xL ≤ x ≤ xU
Novas equações h(d, t, x) = t - (d, t, x) foram adicionadas ao problema NLP para levar em conta
a convergência das variáveis das correntes de abertura t. A função de atualização (d, t, x)
descreve a ação das operações unitárias nas variáveis de abertura.
A Figura 3-27 ilustra a otimização de um problema de uma simulação um espaço bidimensional.
Os contornos da função objetivo F são plotados, no qual as duas variáveis x1 e x2 são limitadas
por valores superiores e inferiores. O balanço global de energia e material expresso pela função
h (d, t, x) = 0 define uma restrição suplementar. O tratamento da convergência do fluxograma e
do próprio problema de otimização pode ser feito de duas maneiras. Em uma abordagem chamada
via factível, a solução do problema satisfaz a restrição das correntes de abertura em cada avaliação
da função objetivo. Na abordagem do caminho inviável, as restrições do balanço total do material
são satisfeitas apenas na execução final. Obviamente, uma combinação das duas abordagens pode
ser usada.
A descrição das técnicas de otimização está fora do escopo deste trabalho. Um excelente tutorial
introdutório pode ser encontrado no livro de Biegler, Grossmann e Westerberg (1997). Como
referência geral, recomendamos o trabalho de Himmelblau e Edgar (1988). Aqui apenas
mencionamos que o algoritmo mais eficiente na otimização do fluxograma é baseado em
Successive Quadratic Programming (SQP).
Um trabalho de otimização deve ser cuidadosamente preparado. Isso começa pela seleção
criteriosa das variáveis de otimização e pela definição da função objetivo. É importante garantir
que a função objetivo seja sensível e contínua no intervalo de variações assumidas.
Um problema mais fundamental é o tratamento de malhas de controle (especificações de projeto)
em um trabalho de otimização. A convergência de uma malha de controle pode ser resolvida fora,
dentro ou simultaneamente com as correntes de abertura. A solução simultânea de correntes de
abertura e especificações usando o método do Broyden funciona bem em muitos casos. No
entanto, a inserção de malhas de controle no algoritmo de abertura é um fardo para o cálculo.
Uma melhoria na solução matemática pode ser obtida pela transformação das estruturas de
controle em restrições de igualdade. Isso consiste em reformular a especificação do projeto como
expressão algébrica e incluir a variável manipulada na lista de variáveis de otimização. Como
ilustração, o convidamos a examinar o Estudo de Caso 1 que trata da otimização do processo de
HDA.
59
Concluímos esta seção com algumas observações sobre a otimização de um problema de
simulação:
1. As variáveis de otimização são sempre limitadas por motivos físicos. Por exemplo, a
temperatura em um reator não pode exceder um limite de segurança para operação ou
integridade do catalisador. Ou temperatura muito baixa pode congelar uma mistura de
processo, etc.
2. Existem sempre restrições no desempenho das unidades, como conversão alcançável,
índices de separação, etc.
3. A função objetivo mostra em grande número de casos uma forma quase plana em torno
do ótimo global.
Consequentemente, a maioria das variáveis e otimização tem a tendência de migrar para os
limites, e apenas um número limitado de variáveis está livre para se mover dentro do espaço de
variações. Muitas vezes, as restrições são expressas como um ótimo desempenho, de modo que o
procedimento de otimização tentará satisfazê-las como restrições ativas (vinculação).
Exemplo Otimização de uma planta de gás
A Figura 3-28 apresenta um processamento simples de gás natural de um gás natural.
Inicialmente, o gás está a uma pressão de 75 bar, sendo os vazões parciais (kmol/h) N2 150, C1
6000, C2 500, C3 300, C4+ 200. O problema de otimização consiste em maximizar o trabalho
produzido pela expansão, as variáveis de otimização são a temperatura de resfriamento na unidade
de flash e a pressão final após a expansão. Para isso, podemos adicionar como restrição a
recuperação de C2 no produto inferior da coluna (COL) em pelo menos 70% da quantidade inicial
na alimentação da planta. A temperatura é limitada entre 220 e 240 K, enquanto a pressão é
limitada entre 25 e 40 bar.
Solução.
Após o resfriamento a uma temperatura adequada, a mistura é separada em vapor e líquido, ambas
as operações simuladas por uma única unidade flash (FLASH). A fase gasosa contém a maior
parte do metano, com uma quantidade significativa de C2 e um pouco de C3+. A fase líquida
contém a maior parte do etano e C3+. O vapor é submetido a expansão na unidade (EXP), a fim
de obter baixa temperatura e, eventualmente, a condensação dos componentes C2 e C3+. O
líquido do flash é despressurizado por meio de uma válvula e enviado para separação em uma
unidade de absorção com refervedor (COL), juntamente com a corrente de saída do expansor. O
principal produto é gás metano, enquanto o produto de fundo contém etano e componentes mais
60
pesados. Observe que a unidade (COL) tem 8 bandejas, com as alimentações no topo e acima do
terceiro estágio. A pressão da coluna é de 22,5 bar. Finalmente, o produto gasoso de topo é
comprimido pela unidade (COMP) e enviado ao consumidor.
O problema de otimização foi resolvido no Aspen Plus TM versão 10.2. Pode ser visto que o
expansor aciona o compressor (COMP). Os resultados da otimização encontrados por um
algoritmo SQP são apresentados abaixo:
4 Simulação Dinâmica
A simulação dinâmica é uma atividade avançada de simulação de processo, integrando no mesmo
ambiente de simulação, o projeto, operação e controle. Comparado com a simulação de estado
estacionário, a modelagem e a tecnologia de software são muito mais exigentes. Isso também é
válido para os usuários, porque simulações preparadas são insuficientes e podem falhar facilmente
ou produzir resultados não confiáveis. É importante observar que agora são necessários alguns
elementos opcionais em estado estacionário, como características de dimensionamento e relação
pressão / fluxo. Por exemplo, um simples flash não pode ser visto apenas como um vaso de
equilíbrio multifásico 'genérico', mas precisa da especificação do tipo e da geometria do vaso,
bem como da relação entre vazão e perda de carga nas linhas de entrada e saída. Além disso, as
principais variáveis operacionais, como níveis, temperaturas ou pressões, devem ser mantidas nos
valores desejados por meio de controladores.
Portanto, a simulação dinâmica sem implementação de controle de processo tem pouco sentido
prático. O capítulo começa com a análise da transição do estado estacionário para a simulação
dinâmica, enfatizando a introdução dos termos de acumulação nas equações de modelagem. Em
seguida, discutiremos a integração de sistemas de equações algébricas diferenciais, o que permite
entender o mecanismo matemático na simulação dinâmica. Com relação ao difícil tópico da
modelagem dinâmica, apresentaremos apenas algumas operações básicas da unidade, como vasos
de flash, colunas de destilação e reatores químicos. Essas unidades possuem inventários
importantes que podem afetar a dinâmica de todo o processo. Por fim, apresentaremos a
implementação de controladores PID, ainda os mais encontrados nas indústrias de processo.
61
expressa por meio de um termo de holdup como o produto de uma propriedade intensiva, como
densidade, concentração ou entalpia volumétrica, pelo volume de controle:
holdup = (propriedade intensiva) x volume
O material acumulado é designado geralmente em estudos de controle de processo como
“inventário”. A equação acima indica que, diferentemente da simulação estática, na simulação
dinâmicas características geométricas do sistema são sempre necessárias. As variáveis intensivas
inseridas no termo de acumulação são designadas por variáveis de estado, como por exemplo,
concentração implícitas no balanço material por componente, mas também pressão e temperatura.
As equações de equilíbrio de estado transiente devem ser concluídas com equações constitutivas,
que são relações entre algumas variáveis de estado, geralmente expressando leis naturais ou a
cinética dos fenômenos de transporte. Exemplos são relações PVT, como equações de estado ou
expressões cinéticas, fatores de equilíbrio de fases, etc. A especificação das condições inicial e de
contorno completa a formulação do problema.
A complexidade matemática aumenta consideravelmente do estado estacionário para a simulação
dinâmica, passando de equações algébricas para diferenciais ordinárias. Do ponto de vista
matemático, podemos distinguir entre duas categorias de modelos:
Parâmetros Agrupados: propriedades uniformes por mistura perfeita e, portanto, sem gradiente
no espaço interno dos equipamentos. O sistema é descrito por equações diferenciais ordinárias
(ODE), nas quais apenas derivadas de tempo aparecem.
Parâmetros distribuídos: mistura imperfeita, algumas derivadas espaciais são diferentes de zero.
O sistema é descrito por equações diferenciais parciais de estado transiente (PDE).
Escrever modelos dinâmicos rigorosos é difícil. Este tópico não é abordado aqui. Outras
informações podem ser obtidas na literatura. No entanto, recursos dinâmicos essenciais de um
processo podem ser detectados examinando modelos simplificados, conforme ilustrado no
próximo exemplo.
Seqüencial-Modular (SM),
62
de um estado em que as unidades tenham algum inventário, sendo o estado estacionário alcançado
pela integração numérica. No modo EO, o estado estacionário é encontrado definindo todas as
derivadas como zero e resolvendo o sistema de equações algébricas não lineares. A diferença
entre o número de variáveis e o número de equações fornece as variáveis a serem fornecidas como
valores iniciais. A maioria deles são variáveis de estado, mas também existem parâmetros de
tamanho. Essa tarefa é tediosa se não for realizada automaticamente. Uma solução eficiente é
inicializar uma execução dinâmica a partir da simulação em estado estacionário, tendo o cuidado
de tornar os modelos compatíveis. Essa é a maneira de trabalhar do ASPEN Plus e do ASPEN
Dynamics.
Apesar do progresso na tecnologia de software nos últimos anos, resolver um problema de
simulação dinâmica não é fácil. Um procedimento de trabalho pode ser formalizado como abaixo.
1. Análise do Problema
63
Uma questão importante no procedimento acima é a análise de graus de liberdade (DOF) na
simulação dinâmica. Lembramos que o projeto de DOF é o número de variáveis que devem ser
especificadas para definir o processo. Em princípio, os graus de liberdade podem ser determinados
pela regra "variáveis menos equações", examinando o modelo de estado estacionário. Este
procedimento é prático para unidades simples, mas menos conveniente para unidades complexas.
No entanto, eles podem ser resolvidos como montagem de dispositivos mais simples ou
fluxogramas menores.
Após a análise em estado estacionário, temos que examinar os graus de controle da liberdade.
Essa análise corresponde, na verdade, à seleção de variáveis controladas e manipuladas. Variáveis
controladas estão relacionadas a objetivos de controle, geralmente níveis, temperaturas, pressões
e composições. Manipulações são variáveis que podem ser ajustadas independentemente, têm
poder suficiente sobre variáveis controladas, mas não afetam o desempenho da planta. Como
demonstrado por Luyben (1994), em um grande número de casos, o DOF de controle e o DOF de
projeto são iguais, embora com parâmetros diferentes. Por exemplo, especificar a vazão de
retirada da destilação e a vazão de refluxo permite calcular o número de estágios da coluna. Por
outro lado, em número fixo de estágios, a manipulação da razão de refluxo e de retirada do
destilado pode ser usada para ajustar a separação. Como resultado, um método prático para
determinar o controle de DOF consiste em "contar as válvulas" disponíveis nas correntes de
processo, mais as tarefas de aquecimento de aquecedores / resfriadores, bem como a potência
mecânica de compressores e bombas.
64
𝑦̇1 = 𝑥1 + 𝑥2 − 𝑦 (4)
Este sistema de equações (1), (2) e (4) pode ser inicializado consistentemente. O índice desse
sistema é 1 (um) porque foi necessária somente uma diferenciação:
Agora considere que a equação (3) pode ser reescrita em:
0 = 𝑥1 + 𝑥2 (5)
Como qualquer valor pode ser atribuído para y, a inicialização se torna indeterminada.
A diferenciação da relação (5) fornece:
0 = 𝑥̇ 1 + 𝑥̇ 2 (6)
Combinando com (1) e (2) leva a:
0 = 𝑥1 + 𝑥2+ + 𝑦 (7)
Diferenciando uma segunda vez e substituindo as derivadas por x1 e x2 resulta uma equação
diferencial para y, da seguinte maneira:
𝑦̇1 = −𝑥1 − 𝑥2 − 𝑦 (8)
Portanto, o índice do segundo problema é dois. A inicialização se torna consistente ao transformar
o sistema DAE em ODEs.
No entanto, no contexto de uma simulação prática com um grande número de variáveis, o
diagnóstico matemático de um problema de índice não é trivial. O usuário pode evitar esses
problemas examinando cuidadosamente o problema, particularmente a definição de
especificações, que podem ser diferentes das encontradas na simulação em estado estacionário.
Por exemplo, na configuração de simulação em estado estacionário, a pureza do produto de uma
coluna de destilação é comum, mas no modo dinâmico essa especificação pode levar a um
problema de índice maior que um. O motivo físico é que um conflito pode ocorrer na inicialização
devido ao saldo do material de entrada e saída. Uma solução melhor é deixar a pureza livre do
produto e definir outras variáveis que possam influenciar, como por exemplo o refluxo. Se uma
certa pureza deve ser alcançada, a melhor maneira é implementar um controlador que possa
manipular o refluxo ou a taxa de destilação.
4.3.2 Cálculo de propriedades físicas (modelos locais)
A maior parte do tempo de computação em uma execução de simulação é gasta na avaliação de
propriedades físicas. Modelos termodinâmicos fortemente não-lineares precisam de muitos
cálculos iterativos em cada etapa do procedimento de integração. Portanto, o uso de modelos não
iterativos mais simples pode reduzir consideravelmente o tempo de computação e aumentar
simultaneamente a robustez da simulação. Isso é obtido por meio de modelos locais para
propriedades físicas. Por exemplo, a seguinte relação linear pode estimar a variação dos fatores
K aproximadamente no cálculo do equilíbrio de fases:
𝐵𝑖
𝑙𝑛𝐾𝑖 = 𝐴𝑖 +
𝑇
As constantes A e B podem ser determinadas a partir do modelo completo por regressão em um
intervalo limitado de temperatura, pressão e composição, mas usadas “localmente” dentro ciclos.
Em seguida, os parâmetros do modelo local são atualizados novamente no nível externo.
65
4.4 Ferramentas de Controle Dinâmicos
4.4.1 Implementação de controles
A maioria dos controladores da indústria é baseada em uma entrada, uma saída - Single Input
Single Output (SISO). A implementação desses controladores consiste em uma sucessão de
operações, como a seguir:
Selecione a variável de processo (PV) que deve ser controlada. Pode ser uma variável de
corrente ou unidade, geralmente pressão, temperatura, concentração, massa ou vazões
volumétricas, bem como o nível do líquido. A variação pode ser expressa como uma
porcentagem do intervalo (PVmax - PVmin). Setpoint SP é o valor de PV que deve ser
mantido no valor desejado. Normalmente, o Setpoint é posicionado próximo ao intervalo
médio.
Um controlador PID possui três parâmetros ajustáveis Kc, i d,que definem ações proporcionais
(P), integrais (I) e derivadas (D). O mais importante é o ganho do controlador Kc. Normalmente,
Kc é adimensional e é expresso como a razão da saída escalonada da entrada, %OP/%PV. Um
ganho mais alto fornece uma resposta mais rápida, mas também um comportamento mais
oscilatório. O controlador P sempre apresenta um erro de estado estacionário. O erro é reduzido
pela integração ao longo de um tempo conhecido como tempo de redefinição. O componente
derivado pode ser considerado para uma resposta mais rápida, sendo o parâmetro d conhecido
como tempo de reset. A determinação dos parâmetros acima implica um procedimento de ajuste.
Definir o modo de ação. Em ação direta, quando a variável de processo PV está acima do ponto
de ajuste (erro negativo), a variável manipulada (OP) é aumentada (ganho negativo) e vice-versa.
Por exemplo, considere o controle de nível pelo fluxo de saída. Quando o nível ultrapassa o ponto
de ajuste, o fluxo de saída também deve aumentar. Na ação inversa, quando o PV aumenta acima
de SP (erro negativo), a variável manipulada diminui. Aqui podemos dar como exemplo o
controle de qualidade pelo refluxo. Quando a pureza do produto aumenta acima do ponto de
ajuste, a vazão de refluxo deve diminuir.
Preparar a visualização do controlador e as configurações do historiador.
4.4.2 Sintonizar os controladores PI
PI é o controlador mais usado. A sintonia consiste em um controlador de Pl que busca as
características dinâmicas chamadas “ganho final” (Ku) e “período final” (Pu). Uma perturbação
degrau é introduzida e o ganho do controlador no modo P é aumentado lentamente. O valor no
66
qual a oscilação é permanente designam o ganho final Ku. O período final Pu pode ser medido
diretamente.
Em outro método, chamado ATV (variação de autoajuste), o controlador é substituído por um relé
de amplitude h%. O período é dividido em cada ciclo por dois até a ocorrência de oscilações. Se
é a amplitude das oscilações, o ganho final pode ser calculado como:
Ku = 4h /
Ao conhecer Ku e Pu, os parâmetros de um controlador PI podem ser calculados com relações
simples, conforme apresentado na, de acordo com Ziegler-Nichols (ZN) ou Luyben-Tyreus (LT).
Considera-se que o ajuste do ZN é um pouco agressivo, enquanto o LT é bastante suave. Observe
que os valores dos parâmetros de ajuste determinados como acima devem ser vistos apenas como
valores iniciais. A sintonia deve continuar até o ponto em que o desempenho do controlador é
satisfatório.
Tabela 4-1 – Regras de sintonia para controladores PI
Outro problema é o uso dos parâmetros de ajuste para controladores SISO em um ambiente
MIMO (Multi-Input Multi-Output). A influência das interações entre os controladores pode ser
descartada em alguns casos apenas “dessintonizando” parâmetros, geralmente diminuindo os
ganhos e aumentando os tempos de reset.
67