Modelado y diseño de estrategias de control predictivo y multivariable para un proceso de isomerización virtual

dc.contributorRamos Sandoval, Olga Lucia
dc.contributorAmaya Hurtado, Dario
dc.creatorBarbosa Valenzuela, Andres Felipe
dc.date.accessioned2019-04-09T21:41:11Z
dc.date.accessioned2019-12-26T22:10:54Z
dc.date.accessioned2022-09-28T20:52:54Z
dc.date.available2019-04-09T21:41:11Z
dc.date.available2019-12-26T22:10:54Z
dc.date.available2022-09-28T20:52:54Z
dc.date.created2019-04-09T21:41:11Z
dc.date.created2019-12-26T22:10:54Z
dc.date.issued2018-12-28
dc.identifierhttp://hdl.handle.net/10654/20971
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3736536
dc.description.abstractLos laboratorios virtuales son una herramienta de software que se emplea para poder hacer pruebas sobre sistemas simulados de manera segura, sea del control de sus procesos o el ajuste de sus secuencias. Con esta herramienta se busca soportar el desarrollo de prácticas que ayudan al estudiante a una mejor comprensión de los desarrollos teóricos. Este tipo de recurso, es cada vez más utilizado en las instituciones de educación, pues reduce los costos de tener equipos reales en espacios físicos, a cambio de tener servidores a los cuales pueden acceder los estudiantes, sin tener que realizar desplazamientos y sin tener restricción temporal para hacer sus prácticas. Basado en esto, en este trabajo se presenta una propuesta para realizar el control de un proceso virtual de isomerización, que hace parte de la destilación de crudo, utilizando técnicas de control predictivo y de control multivariable, esto con el propósito de evaluar el desempeño de este tipo de estrategia en procesos industriales. Se analizará el modelo y su comportamiento, se procederá a aplicar las técnicas de control antes mencionadas, luego se compararán para encontrar cuál se ajusta mejor a las necesidades del sistema. Esto permitirá tener el proceso completamente simulado y controlado en el laboratorio virtual, para que se hagan las pruebas deseadas con los estudiantes y se pueda ver la diferencia en la respuesta a modificaciones posteriores.
dc.languagespa
dc.publisherFacultad de Ingenieríad
dc.publisherIngeniería en Mecatrónica
dc.publisherIngeniería - Ingeniería en Mecatrónica
dc.publisherUniversidad Militar Nueva Granada
dc.relationA. K. Azad, M. G. (2016). Chapter 10 - Modeling and Simulation of Heat and Mass Flow by ASPEN HYSYS for Petroleum Refining Process in Field Application. En Thermofluid Modeling for Energy Efficiency Applications (págs. 227-257). Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/B9780128023976000105
dc.relationAhmed M. Ahmed, A. T. (2018). Modeling of an industrial naphtha isomerization reactor and development and assessment of a new isomerization process. Chemical Engineering Research and Design, 33-46. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0263876218303289
dc.relationAlarcón., M. A. (2009). Diseño De Un Sistema de Control Multivariable Para Un Circuito de Molienda en Húmedo. Obtenido de http://www.bdigital.unal.edu.co/850/1/71265598_2009.pdf
dc.relationAlberto Leva, F. M. (2017). Sporadic Model Predictive Control. IFAC - PapersOnLine, 4887-4892. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S2405896317311874
dc.relationAlejandra Velasco Pérez, J. J. (2013). Laboratorios virtuales: alternativa en la educación. Revista de Divulgación Científica Y Tecnologíca de la Universidad Veracruzana. Obtenido de https://www.uv.mx/cienciahombre/revistae/vol26num2/articulos/laboratorios.html
dc.relationAlejandra Velasco Pérez, J. J. (2013). Laboratorios virtuales: alternativa en la educación. La Ciencia y el Hombre.
dc.relationAlessandro Beghi, F. M. (2016). A Virtual Laboratory for the Prototyping of Cyber-Physical Systems. IFAC- PapersOnLine, 63-68. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S2405896316303597
dc.relationAlvarado., V. J. (2005). Puesta en Marcha de Controlador DMC en una Planta de Laboratorio. Obtenido de http://bibing.us.es/proyectos/abreproy/3886/fichero/Cap%C3%ADtulos%252FPortada+2.pdf
dc.relationAndrew M. Thomasa, V. C. (2013). Parametric virtual laboratory development: A hydropower case study with student perspectives. Advances in Engineering Software, 62-70. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0965997813000392
dc.relationBabatunde A., O. W. (19941). Process Donamycs, Modelling and Control. New York: Oxford University Press.
dc.relationBordons, E. F. (2014). Conreol Predictivo: Pasado, Presente Y Futuro.
dc.relationC., J. R. (2018). Apuntes Control Multivariable. Universidad de Concepción. Obtenido de http://www2.udec.cl/jose.espinoza/CMV/543760_CMV_Apuntes.pdf
dc.relationClews, R. J. (2016). Chapter 7 - Petroleum Refining. En Project Finance for the International Petroleum Industry (págs. 119-136). Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/B9780128001585000074
dc.relationDiana IbetRoman-Sancheza, T.-A. y.-C. (s.f.). An interactive virtual laboratory for process engineering education. En computer aided chemical engineering. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/B9780444642356502989
dc.relationDr. Meena Marafi, D. A. (2017). Chapter 2 - Developments in Petroleum Refining. En Handbook of Spent Hydroprocessing Catalysts (Second Edition) (págs. 7-25). Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/B9780444638816000020
dc.relationEmmanouil Papadakis, S. P. (2018). Model-based design and analysis of glucose isomerization process operation. Computers & Chemical Engineering, 128-142. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0098135416304215
dc.relationFernando., S. D. (2012). ¿Qué es el Control Predictivo y Hacia Dónde se Proyecta?. Obtenido de http://oaji.net/articles/2017/5082-1501183303.pdf
dc.relationFlaminio Vera Méndez, A. I. (2017). Modelización Y Control de un Sistema Neumático Usando Control Iinteligente. Obtenido de http://www.redalyc.org/revista.oa?id=849
dc.relationGarcía, H. G. (2016). Uso de los laboratorios virtuales. Obtenido de http://bdigital.unal.edu.co/56591/1/10130019.2016.pdf
dc.relationICCT. (2011). Introducción a la Refinación del Petróleo y Producción de Gasolina y Diesel Con Contenido Ultra Bajo de Azufre. Obtenido de https://www.theicct.org/sites/default/files/ICCT_RefiningTutorial_Spanish.pdf
dc.relationJann Haider Ramos, G. B. (2017). Modelo Matemático y Caracterización de Sistema Neumático Compuesto por Motor de Aletas y Válvula Reguladora de Flujo.
dc.relationJann Haider Ramos, G. B. (2018). Modelo Matemático y Caracterización de Sistema Neumático Compuesto por Motor de Aletas y Válvula Reguladora de Flujo. Obtenido de https://www.researchgate.net/publication/319065631
dc.relationJavier Población, G. (2016). Is the refining margin stationary? International Review of Economics and Finance, 169-186. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S1059056016300247
dc.relationKraus., R. S. (2010). Petroleo y Gas Natural. Obtenido de http://www.insht.es/InshtWeb/Contenidos/Documentacion/TextosOnline/EnciclopediaOIT/tomo3/78.pdf
dc.relationMartinezPrata, L. d. (2018). Dynamic optimization of a continuous gas lift process using a mesh refining sequential method. Journal of Petroleum Science and Engineering, 161-170. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0920410518301268
dc.relationMedina-Borja, O.-R. y. (2018). Virtual organizational design laboratory: Agent-based modeling of the co-evolution of social service delivery networks with population dynamics. Expert Systems with Applications, 189-204.
dc.relationMehmet Bilgehan Erdem, A. K. (2016). A conceptual framework for cloud-based integration of Virtual laboratories as a multi-agent system approach. Computers & Industrial Engineering., 452-457.
dc.relationMurphy, M. D. (2016). ScienceDirect. Obtenido de A modular virtual laboratory for quadrotor control simulation: https://ac-els-cdn-com.ezproxy.umng.edu.co/S2405896316303640/1-s2.0-S2405896316303640-main.pdf?_tid=b40593d9-0ea7-4ce3-9896-c9aa63f826d9&acdnat=1542043809_d9620f5614021cdeb7ba7d78317b09f4
dc.relationPedro Camilo Checa C, M. A. (2015). Beneficios del uso del Laboratorio Virtual ChemLab en la Enseñanza y Aprendizaje de la Química. Obtenido de http://www.laccei.org/LACCEI2015-SantoDomingo/ExtendedAbstracts/EA027.pdf
dc.relationPrashun Goraia, D. G. (2016). TE Design Lab: A virtual laboratory for thermoelectric material design. Computational Materials Science, 368-376. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0927025615007132
dc.relationRamo, M. (19 de Abril de 2012). SlideShare. Obtenido de https://es.slideshare.net/Rmo_MiGuel/isomerizacin-de-nc5-y-nc6
dc.relationRuben Heradio, L. l.-V. (2016). Virtual and remote labs in education: A bibliometric analysis. Computer & Education, 14-38. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0360131516300677
dc.relationS.Singh, M. K. (2016). Comparison of non-linear, linearized 2nd order and reduced to FOPDT models of CSTR using different tuning methods. Resource- Efficient Technologies, S71-S75. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S2405653716300719
dc.relationSainio, J. N. (2018). Supporting student learning of chemical reaction engineering using a socially scaffolded virtual laboratory concept. En Education for Chemical Engineers. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S1749772817300921
dc.relationShahryarJafarinejad. (2017). 1 - Introduction to the Petroleum Industry. Petroleum Waste Treatment and Pollution Control, 1-17. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/B9780128092439000018
dc.relationShyam Panjwani, M. (2016). Ensuring integral controllability for robust multivariable control. Computers & Chemical Engineering, 172-179. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0098135416301521
dc.relationStanislav, V. B. (2015). Experience from Various Technological Concepts Applied in Virtual Control Laboratory. IFAC - PapersOnLine, 277-282. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S2405896315025069
dc.relationTor Aksel N.Heirung, J. A. (2018). Stochastic model predictive control — how does it work? Computers & Chemical Engineering, 158-170. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0098135417303812
dc.relationTrigo, P. J. (2016). Diseño de Estrategias de Control Predictivo Multi-Objetivo. Obtenido de https://www.cec.uchile.cl/~dsaez/wp-content/uploads/2016/07/tesis_Patricio_Santis.pdf
dc.relationTrigueros García, A. (2015). Planta Piloto de Secado de Sólidos: Calibrado de Sensores NIR, Ssupervisón y Modelado. Obtenido de http://bibing.us.es/proyectos/abreproy/50034/fichero/volumen+1%252F9+-+Cap%C3%ADtulo+7+-+Control+Multivariable.pdf
dc.relationVera Maria Treis Trindade, G. Z. (2013). Virtual Laboratory Activities in Basic Biochemistry. Procedia - Social and Behavioral Sciences, 3329-3334. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S1877042813050088
dc.relationWang, L. (2008). Model Predictive Control System Design and Implementation Using Matlab(R). Melbourne: Springer.
dc.relationWannasawadeb, U. K. (2016). Development of Blended Learning Model with Virtual Science Laboratory for Secondary Students. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S1877042816001518
dc.relationM. D. Redel-Macías, S. M.-J. (2016). Virtual laboratory on biomass for energy generation. Journal of Cleaner Production, 3842-3851.
dc.relationPaul. (2012). Sistemas Lineales P. G. F. Obtenido de http://sistemaslinealesprofepaul.blogspot.com/p/linealizacion.html
dc.relationQingchun Yang, Y. Q. (2016). Conceptual design and techno-economic evaluation of efficient oil shale refinery processes ingratiated with oil and gas products upgradation. Energy Conversion and Management, 898-908.
dc.relationUğu rYüzgeç, A. P. (2010). Refinery scheduling of crude oil unloading, storage and processing using a model predictive control strategy. Computers & Chemical Engineering, 1671-1686. Obtenido de https://www-sciencedirect-com.ezproxy.umng.edu.co/science/article/pii/S0098135410000220
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas
dc.rightsDerechos Reservados - Universidad Militar Nueva Granada, 2018
dc.titleModelado y diseño de estrategias de control predictivo y multivariable para un proceso de isomerización virtual
dc.typeinfo:eu-repo/semantics/bachelorThesis


Este ítem pertenece a la siguiente institución