REPÚBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL

“RAFAEL MARÍA BARALT”
DIVISIÓN DE POSTGRADO DE INGENIERIA Y TECNOLOGÍA
POSTGRADO EN INGENIERÍA EN PROCESOS DE GAS NATURAL
ELECTIVA I: SIMULACIÓN DE PROCESOS DEL GAS NATURAL

Maestrante:

ACTIVIDAD UNIDAD I: SIMULACIÓN Y SIMULADORES

1. ¿Cuál es el objetivo de una simulación?

En las ciencias, la simulación es el artificio contextual que hace referencia a
la investigación de una hipótesis o un conjunto de hipótesis de trabajo, utilizando
modelos, un método perfecto para la enseñanza y aprendizaje. Thomas T.
Goldsmith Jr. y Estle Ray Mann la definen así: "Simulación es una técnica
numérica para conducir experimentos en una computadora digital. Estos
experimentos comprenden ciertos tipos de relaciones matemáticas y lógicas, las
cuales son necesarias para describir el comportamiento y la estructura de
sistemas complejos del mundo real a través de largos períodos".
Una definición más práctica es la de Law & Kelton: “simulación es el
proceso de proyectar y crear un modelo en un computador de un sistema real o
propuesto, con el propósito de conducir experimentos numéricos para darnos una
mejor comprensión del comportamiento de un dado sistema, dada una serie de
condiciones.”
Por consiguiente, se pueden resumir los siguientes objetivos:
 En un proceso permite sustituir las situaciones reales por otras creadas
artificialmente, lo que permite identificar los factores, variables y condiciones de
proceso que puedan influir para la resolución de situaciones que afecten al
proceso o al producto, coadyuvar al desarrollo de nuevos productos y/o realizar
mejoras en el proceso o en el producto.
 Representar procesos, fenómenos o sistemas reales mediante modelos
matemáticos capaces de reproducir el comportamiento del proceso real con la
mayor exactitud posible.
 Comprender el comportamiento de un sistema o evaluar nuevas estrategias
dentro de los límites impuestos por un cierto criterio o un conjunto de ellos para
el funcionamiento del sistema.
 Utiliza técnicas matemáticas, empleadas en computadores, las cuales permiten
imitar el funcionamiento de prácticamente cualquier tipo de operación o
proceso del mundo real, es decir, es el estudio del comportamiento de
sistemas reales a través del ejercicio de modelos.
 Proyectar un modelo computacional de un sistema real y conducir
experimentos con este modelo con el propósito de entender su
comportamiento y evaluar estrategias para su operación. Un proceso amplio
que engloba no sólo la construcción de un modelo, sino también todo un
método experimental que se sigue, buscando.
 Describir el comportamiento del sistema.
 Construir teorías e hipótesis considerando las observaciones efectuadas.
 Usar el modelo para prever el comportamiento futuro, es decir, los efectos
producidos por alteraciones en el sistema o por los métodos empleados en su
operación.
 Dispositivo para comprensión de un problema, evaluar problemas y proponer
soluciones
 Un medio de comunicación para describir la operación de un sistema.
 Herramienta de análisis para determinar elementos críticos y estimar medidas
de desempeño.
 Herramienta de entrenamiento.
 Ayudan a las organizaciones a predecir, comparar y optimizar los resultados de
un proceso sin el coste y los riesgos que suponen.
 La simulación anticipa cómo un sistema puede responder a los cambios.
 Mediante un sistema que incorpora interdependencia, la simulación tiene en
cuenta las variaciones, así como la interacción entre los componentes y el
tiempo.
 Permite modelar sistemas completos.
 Permite cuantificar el impacto sobre el tiempo total del proceso de las
actividades que no generan valor añadido.
 La Simulación de Procesos resume toda la teoría relacionada con un proceso
en el cual se sustituyen las situaciones reales por otras creadas artificialmente,
lo que permite identificar los factores, variables y condiciones de proceso que
puedan influir para la resolución de situaciones que afecten al proceso o al
producto, coadyuvar al desarrollo de nuevos productos y/o realizar mejoras en
el proceso o en el producto. En los últimos años, la simulación de procesos ha
llegado a ser una herramienta adecuada y oportuna de apoyo para el
funcionamiento de los procesos industriales.
 Sirve para probar la factibilidad técnica y económica de un proyecto.
 Disminuye los costos asociados con la experimentación en el sistema real y el
riesgo de error en sistemas reales o en papel.
 Permite a quien modela correr la simulación miles de veces más rápido que el
tiempo real y permite correr una multitud de experimentos en un corto periodo
de tiempo.

2. ¿Qué es un modelo?
Un modelo científico es una representación abstracta, conceptual, gráfica o
visual, física de fenómenos, sistemas o procesos a fin de analizar, describir,
explicar, simular (en general, explorar, controlar y predecir) esos fenómenos o
procesos. Un modelo permite determinar un resultado final a partir de unos datos
de entrada. Se considera que la creación de un modelo es una parte esencial de
toda actividad científica.
Aún cuando hay pocos acuerdos generales acerca del uso de modelos, La
ciencia moderna ofrece una colección creciente de métodos, técnicas y teorías
acerca de los diversos tipos de modelos. Las teorías y/o propuestas sobre la
construcción, empleo y validación de modelos se encuentran en disciplinas tales
como la metodología, filosofía de la ciencia, teoría general de los sistemas y en el
campo relativamente nuevo de visualización científica. En la práctica, diferentes
ramas o disciplinas científicas tienen sus propias ideas y normas acerca de tipos
específicos de modelos. Sin embargo, y en general, todos siguen los principios del
modelado.
Debe distinguirse entre un modelo científico y una teoría, aun cuando
ambos se hallan muy estrechamente relacionados, pues el modelo para una teoría
equivale a una interpretación de esta teoría. Una teoría dada puede tener diversos
modelos para poder ser explicada. Para hacer un modelo es necesario plantear
una serie de hipótesis, de manera que lo que se quiere estudiar esté
suficientemente plasmado en la representación, aunque también se busca,
normalmente, que sea lo bastante sencillo como para poder ser manipulado y
estudiado. El proceso consiste en atribuir a lo percibido como real ciertas
propiedades, que frecuentemente, no serán sensibles. Tal es el proceso de
conceptualización y su traducción al lenguaje.
En general los modelos se clasifican en:
 Modelos físicos: Es una representación o copia. generalmente a escala,
ya sea mayor o menor, de algún objeto de interés y que permite su examen
en diferentes circunstancias (maqueta, prototipo). La escala no es
necesariamente la misma en todos los ejes (por ejemplo, en modelados
topográficos a veces se utilizan diferentes escalas verticales y horizontales).
 Modelos matemáticos: Busca representar fenómenos o relaciones entre
ellos a través de una formulación matemática. Una clasificación de estos
modelos los ordena como:
 Modelos deterministas: Aquellos en los cuales se asume que tanto los
datos empleados como el o los fenómeno(s) mismo(s) son
completamente conocidos, por lo menos en principio, y que las fórmulas
empleadas son lo suficientemente exactas como para determinar
precisamente el resultado, dentro de los límites determinados por la
observación. (por ejemplo: las fórmulas de la ley de gravitación universal
de Newton).
 Modelos estocásticos y probabilísticos: En el cual no se asume lo
anterior, lo que implica que el resultado es una probabilidad. Existe por
tanto incertidumbre. Por ejemplo, algunas de las formulaciones de la
relación de indeterminación de Heisenberg y modelo estadístico.
 Modelos numéricos: En los que la realidad física y las condiciones
iniciales se representan mediante un conjunto de números, a partir de
ellos se calculan u obtienen, por algún medio, otros resultados
numéricos que reflejan cierto efecto de las condiciones iniciales. Estos
modelos permiten experimentar a través de simulaciones en un
 computador u ordenador de modelos matemáticos o lógicos. Por
ejemplo: simulación numérica y método de Montecarlo.
 Modelos gráficos: Son la representación de datos, generalmente
numéricos, mediante recursos gráficos (tales como líneas, vectores,
superficies o símbolos), para que la relación entre los diferentes elementos
o factores guardan entre sí se manifiesten visualmente.
 Modelos análogos: Se basan en las analogías que se observan desde el
punto de vista del comportamiento de sistemas físicos diferentes que, sin
embargo, están regidos por formulaciones matemáticas idénticas. Por
ejemplo, hasta los años 1970 el modelaje de sistemas de aguas
subterráneas se realizaba con redes eléctricas de resistencias y
condensadores. Este procedimiento, bastante engorroso y costoso se
sustituyó con el modelaje puramente matemático en la medida en que
aumentó la capacidad de los computadores y se popularizó el uso del
cálculo numérico.
 Modelos conceptuales: Pueden entenderse como un mapa de conceptos
y sus relaciones, incluyendo suposiciones acerca de la naturaleza tanto de
los fenómenos que esos conceptos representan como sus relaciones. Estos
modelos implican un alto nivel de abstracción, concentrándose en aspectos
de categorías semánticas o conceptuales que son considerados
fundamentales para la comprensión de lo representado. Ejemplos incluyen
el modelo atómico de Bohr, el modelo OSI; descripción de referencia para
la definición de arquitecturas de interconexión de sistemas de
comunicaciones, y el modelo cíclico de la evolución del universo. Los
modelos conceptuales se podrían clasificar en modelos que se refieren a
entidades o fenómenos aislados o únicos (el átomo, el universo) y los que
se refieren a entidades específicas por lo menos en principio en relación a
un grupo de tales entidades. Por ejemplo, una estrella y sus características
en relación a otras o una molécula y su energía cinética en relación a la
temperatura de un cuerpo.

3. ¿Qué es una variable de proceso?

Una variable de proceso es una condición física o química del proceso que
es de interés medir y/o controlar ya que puede alterar el proceso de manufactura
de alguna manera. Son aquellas que pueden cambiar las condiciones de un
proceso industrial ya sean, sus aspectos físicos, químicos o ambos según la
composición de la sustancia, que pueden afectar al producto. En todo proceso
existen diversas variables, las cuales pueden afectar la entrada o salida del
proceso. Dichas variables pueden clasificarse en físicas y químicas. Por ejemplo,
en la instrumentación industrial se consideran las siguientes cuatro variables como
las principales: presión, nivel, flujo o caudal y temperatura.
En general se pueden clasificar las variables en dos grupos principales;
físicas y químicas. Ejemplo de las variables físicas tenemos: caudal, caudal
másico, caudal volumétrico, presión, temperatura, nivel, nivel de líquidos y solidos,
velocidad, peso, masa, humedad, punto de rocío, otros. Entre las variables
químicas podemos mencionar: pH, reactividad, conductividad eléctrica, densidad,
concentración de un reactivo, otros.

4. ¿Cual es la importancia de conocer las variables de un proceso?

La medición y el control de procesos son fundamentales para generar, en
definitiva, los mejores resultados posibles en lo que toca a la utilización de
recursos, máquinas, performance, rentabilidad, protección medioambiental y
seguridad, entre otros, en una unidad productiva. Para hacer una comparación, un
médico mide las principales características del cuerpo humano para determinar
que todo va bien o, si hay alguna alteración, empezar a investigar las causas para
que el cuerpo siga con salud y buen funcionamiento. Si el cuerpo pertenece a un
atleta de alto desempeño (como debe ser una industria en un mercado
competitivo), eso es todavía más importante para que pueda mantener la
performance, las ganancias y sin riesgos a la seguridad.
En la vida cotidiana y sobre todo en los procesos industriales cobra
importancia conocer y manejar las variables esenciales. La instrumentación
industrial es el grupo de equipamientos y dispositivos que sirven a los ingenieros o
técnicos, para medir, convertir y registrar variables de un proceso y, luego,
trasmitirlas, evaluarlas y controlarlas con tales fines. Además, hay productos
complementares dedicados a la adquisición de datos y automatización para dejar
los procesos de medición y control cada vez más rápidos y eficientes, a costes
reducidos.
Por lo tanto se puede resumir la relevancia de conocer las variables en los
procesos por las siguientes razones:
 Son necesarias para describir el comportamiento y la estructura de un
sistema, así como su diseño.
 Permite construir modelos para prever el comportamiento futuro, es decir,
los efectos producidos por alteraciones en el sistema o por los métodos
empleados en su operación.
 Permite reconocer problemas en un proceso o sistema y establecer
mecanismos de control y su optimización.
 No se podrían simular eficientemente el proceso.

5. ¿Qué es una variable extraña?

La experiencia de los años dentro del la industria petrolera ha sido muy
provechosa, esto motivado a que dentro de los procesos operacionales se cuenta
con un sin fin de variables que controlar, es la experiencia y las normas técnicas
que nos guían y nos enseña cuando es una variable conocida, una variable
dependiente, como por ejemplo la temperatura de un Diesel saliendo del horno
que depende de la variable dependiente que es el flujo del gas mismo, pero ahí es
cuando nace la pregunta, que pasa si esas variables se vuelven extrañas, ¿como
afecta el proceso, cuando no se puede controlar algo directamente?, ¿que se
debe hacer y como se puede manipular?. Lo mismo sucede cuando el investigador
comienza su camino y se encuentra con variables extrañas que lo confunden y
pueden variar el resultado de la investigación, es necesario conocer cuales son
para poder evitar que su aparición confundan y creen un método de control para
poder llegar a lo que se busca en la investigación.
Desde un punto de vista metodológico, son todas aquellas variables que el
investigador no controla directamente, pero que pueden influir en el resultado de
su investigación. Deben ser controladas, hasta donde sea posible, para asegurar
de que los resultados se deben al manejo que el investigador hace de la variable
independiente, más no a variables extrañas, no controladas. Esto se puede hacer
con más facilidad bajo una investigación experimental, como dentro de un
ambiente controlado, tipo laboratorio. En una investigación cuasi-experimental con
sujetos como personas, se hace un poco más difícil. Algunos métodos para
realizar este control son los siguientes:
 Eliminación: Cuando se sabe que existe una variable extraña que puede
alterar los resultados de la investigación, se puede controlar mediante la
eliminación.
 Constancia de condiciones: Si, por ejemplo, en un estudio experimental
se desea estudiar dos o más grupos de sujetos o muestras, éstos se deben
someter exactamente a las mismas condiciones, tanto físicas como de
lugar, manteniendo, de esta manera, constante las circunstancias bajo las
cuales se investiga.
 Balance: Cuando se sabe que una variable extraña puede influir de manera
definitiva en el estudio y no se puede eliminar, ni igualar las condiciones de
los grupos o muestras, se recurre al balanceo. Este mecanismo distribuye
en forma equitativa la presencia de la variable extraña entre los grupos.
 Contrabalanceo: En algunas investigaciones se pide a los sujetos o la
muestra que respondan varias veces a un mismo estímulo o a varios
estímulos diferentes. Esta serie de respuestas puede provocar en los
mismos dos reacciones: por un lado, fatiga, porque los sujetos se cansan
de estar respondiendo; por otro lado, aprendizaje, ya que después de
presentar 2 o 3 veces el mismo estímulo el sujeto ya sabe cómo responder.
Para evitar estos problemas, los grupos se pueden subdividir en subgrupos
para que los efectos de la fatiga y/o aprendizaje queden anulados.
 Aleatorización: Este método de control es uno de los más sencillos y más
utilizados en ciencias sociales, sobre todo cuando se llevan a cabo estudios
experimentales. Se parte del postulado de que si la selección y distribución
de sujetos en grupos de control fue hecha al azar, se puede inferir que las
variables extrañas, desconocidas por el investigador, se habrán repartido
también al azar en ambos grupos, y así quedarán igualadas. De igual modo
puede pasar en algunos experimentos en las ciencias biológicas.

6. Explique que ocurre cuando no se consideran todas las variables

intervinientes de un proceso.
No se podría medir, controlar, ni optimizar los procesos o sistemas. En
definitiva, no se lograrían los mejores resultados posibles en lo que toca a la
utilización de recursos, máquinas, rentabilidad, protección medioambiental y
seguridad, entre otros, en una unidad productiva. Conocer y considerar todas las
variables que intervienen en un proceso o sistema, es vital para asegurar tener
procesos inteligentes y eficaces con buenos resultados en producción, así como
ahorro en costos.

7. ¿Usted piensa que para simular un proceso es necesario únicamente

un software?
La historia de la simulación de procesos está fuertemente relacionada con
el desarrollo de la informática y del hardware y los lenguajes de programación.
Pero los primeros pasos en el ámbito de la simulación datan mucho antes de la
llegada de la informática y la computación.
En la antigüedad, antes del siglo XVII se indagaba a través de métodos
puramente deductivos de filósofos como Platón, Aristóteles, Euclides y otros. En
1777 nace la simulación con el planteamiento del problema “La aguja de Buffon”.
Es un método matemático para ir aproximando el valor del numero π a partir de
intentos sucesivos. En 1812 Pierre Simon Laplace mejoró la solución de Buffon,
desde entonces como solución Buffon-Laplace. Para 1816 Arthur Gunness
aplicaba sus conocimientos estadísticos en la destilería y en su propia explotación
agrícola. Posteriormente, en 1899, el estadístico William sealy Gosset, abrió las
puertas a la aplicación de la simulación en el campo del proceso de control
industrial. Basado en la experimentación y técnicas de análisis para descubrir
soluciones exactas a problemas clásicos de la industria y la ingeniería. A
mediados de los años 40 dos hechos sentaron las bases para la evolución de la
simulación: los primeros computadores de propósito general como el ENIAC y el
trabajo de Stanislaw Ulam, Jhon Von Neumann para usar el método de Monter
Carlo en computadores modernos. Luego en 1960 Keith Douglas Tocher
desarrollo un programa para simular el funcionamiento de una planta de
producción donde las maquinas ciclaban por estados (Ocupado, esperando, no
disponible y fallo). Entre 1960 y 1961 IBM desarrollo el Sistema de Simulación de
Proposito General (GPSS). El GPSS se diseño para realizar simulaciones de
teleprocesos involucrando por ejemplo: control de trafico urbano, gestión de
llamadas telefónicas, reservas de billeteras de avión entreo otros.
Como podemos observar, luego de esta pequeña reseña histórica de la
simulación, los primeros pasos no involucraban el software, pero fue a partir de la
informática y las primeras computadoras que verdaderamente se desarrolló el
mundo de la simulación. No se puede afirmar de forma ortodoxa que exista una
relación directa entre la simulación y la informática; pero si que a partir de la
segunda, la primera se afianzó y que actualmente utiliza como herramientas de
apoyo algunas de las ciencias que forman parte de la informática actual.
En la actualidad, la difusión del término de simulación y de sus aplicaciones
se ha extendido en un basto número de usuarios que siguen generando nuevos
retos y proyectos para la ciencia. La interrelación de la simulación con otras
técnicas, han permitido desarrollar proyectos más completos que vislumbran
formidables perspectivas de transformación tecnológica. La simulación cada vez
se vuelve un instrumento necesario en cualquier área de trabajo es por eso hemos
enmarcado su importancia en los siguientes:
 Es menos caro y más rápido que construir físicamente el sistema
real.Descubrir errores de diseño en el modelo en lugar de hacerlo en el
sistema real.
  Instrumento de estimación y pronóstico.
 En base a resultados obtenidos de la simulación podemos tomar
decisiones a tiempo.
 Estrategia de planeación.
 La simulación proporciona un control sobre el tiempo, debido a que es
un fenómeno que se puede acelerar o retardar según se desee.
Desde cualquier punto de vista, el incluir métodos y técnicas de simulación
en un proceso, sistema o procedimiento, asegura un análisis mucho más
conveniente tanto en consumo de recursos físicos como de logística; además de
que se consiguen resultados confiables con un margen de error mínimo y evitando
pérdidas producto de una planificación sin bases de conocimiento.