Diseño Simultáneo de Proceso y Control de una Torre Sulfitadora de Jugo de Caña de Azúcar

• Autores: Rosalba Lamanna, Pastora Isabel Vega Cruz, Silvana Revollar, Hernán Darío Álvarez Zapata
• Localización: Revista iberoamericana de automática e informática industrial ( RIAI ), ISSN-e 1697-7920, Vol. 6, Nº. 3, 2009, págs. 32-43
• Idioma: español
• Títulos paralelos:
  • Simultaneous Design and Control of a Sugar Cane Sulfitation Tower
• Enlaces
  • Texto completo
• Resumen
  • español

    Este trabajo se aborda el problema de diseño y control de una planta perteneciente a una etapa clave del proceso de obtención del azúcar de caña como es la clarificación. Se presenta una aproximación novedosa al problema de diseño y control simultáneo del proceso considerando tanto la controlabilidad de estado (basada en métricas de controlabilidad práctica) como la controlabilidad de salida (basada en índices dinámicos de control), tomando como ejemplo el caso de la torre sulfitadora. Esta propuesta se traduce en un problema de optimización no lineal donde se imponen restricciones sobre las condiciones de operación de la planta, las medidas de controlabilidad de estado y algunos índices de desempeño a lazo cerrado, mientras se minimizan los costos de inversión, operación y control. El problema de optimización se resolvió satisfactoriamente empleando algoritmos genéticos.

  • English

    This work focuses in the design and control of a plant used in the clarification stage of the sugar cane juice refining process. An innovative approach to the simultaneous design and control problem is presented, which considers the state controllability (based on practical controllability metrics) and the output controllability (based on dynamical performance indices) using as example the sulphitation tower. This statement translates into a non linear optimization problem where constraints are imposed over the plant operating conditions, the state controllability metrics and some closed loop performance indices while the investment, operating and control costs are minimized. The optimization problem was solved successfully using genetic algorithms.