Methodology for predicting oily mixture properties in the mathematical modeling of molecular distillation

• Autores: M.F. Gayol, M. C. Pramparo, S. M. Miró Erdmann
• Localización: Grasas y aceites, ISSN-e 1988-4214, ISSN 0017-3495, Vol. 68, Nº. 2 (April–June 2017), 2017
• Idioma: inglés
• Títulos paralelos:
  • Metodología para la predicción de propiedades de mezclas oleosas en el modelado matemático de la destilación molecular
• Enlaces
  • Texto completo
• Resumen
  • español

    Se presenta una metodología para la predicción de las propiedades termodinámicas y de transporte de mezclas oleosas multicomponentes, en la cual se agrupan los diferentes componentes de la mezcla en un número reducido de pseudocomponentes. Esta predicción de propiedades se utiliza en el modelado matemático de la destilación molecular que consta de un sistema de ecuaciones diferenciales en derivadas parciales, según los principios de los fenómenos de transporte y se resuelve mediante un método implícito de diferencias finitas mediante un código computacional. El modelo matemático fue validado con datos experimentales, específicamente de la destilación molecular de un destilado de desodorización (DD) de aceite de girasol. Los resultados obtenidos fueron satisfactorios, con un error menor al 10% en un rango de temperaturas.

  • English

    A methodology for predicting the thermodynamic and transport properties of a multi-component oily mixture, in which the different mixture components are grouped into a small number of pseudo components is shown. This prediction of properties is used in the mathematical modeling of molecular distillation, which consists of a system of differential equations in partial derivatives, according to the principles of the Transport Phenomena and is solved by an implicit finite difference method using a computer code. The mathematical model was validated with experimental data, specifically the molecular distillation of a deodorizer distillate (DD) of sunflower oil. The results obtained were satisfactory, with errors less than 10% with respect to the experimental data in a temperature range in which it is possible to apply the proposed method.