Practica 1

Practica 1 from Martha Vara G

PREGUNTAS DE LA UNIDAD 4

Unidad 4 Preguntas

1.- ¿En cuántos paneles se divide el entorno de arena?

· Panel Basic Process

· Panel Advanced Process

 · Panel Blocks

· Panel de Advanced Transfer

 · Panel Elements

2.- ¿Qué elementos componen la barra de proyectos?

 · Basic Process

· Reports

· Navigate

 3.- ¿El módulo créate que función tiene?

Crea las entidades. Se le asigna un nombre, tasa de llegada, número de entidades por llegada y capacidad máxima del sistema.

 4.- Los módulos de diagrama de flujos describe cada uno

ü  Módulo Dispose: Este módulo representa el punto final de entidades en un modelo de simulación.

ü  Módulo Process: Este módulo corresponde a la principal forma de procesamiento en simulación.

ü  Módulo Decide: Este módulo permite a los procesos tomar decisiones en el sistema.

ü  Módulo Assign: Este módulo se emplea para asignar valores nuevos a las variables, a los atributos de las entidades, tipos de entidades, figuras de las entidades, u otras variables del sistema.

ü  Módulo Batch: Este módulo funciona como un mecanismo de agrupamiento dentro del modelo de simulación.

ü  Módulo Separate: Este módulo se puede usar para replicar la entidad entrante en múltiples entidades o para dividir una entidad previamente agrupada.

ü  Módulo Record: Este módulo representa el final de entidades en un modelo de simulación

ü  Módulo Entity: Este módulo de datos define los diversos tipos de entidades y su valor de imagen inicial en la simulación.

ü  Módulo Queue: Este módulo de datos se puede usar para cambiar la regla para una determinada cola.

ü  Módulo Resource: Este módulo de datos define los recursos en un sistema de simulación, incluyendo información de costes y disponibilidad del recurso.

ü  Módulo Schedule: Este módulo de datos se puede usar en conjunción con el módulo Resource para definir una operación de planificación para un recurso o con el módulo Create para definir una planificación de llegada.

ü  Módulo Set: Este módulo de datos define varios tipos de conjuntos, incluyendo recursos, contadores, cuentas, tipos de entidad, y figuras de entidad.

ü  Módulo Variable: Este módulo de datos se utiliza para definir una dimensión de la variable y su valor(es) inicial(es).

ü  Módulo Hold: Este módulo frenará una entidad en una cola para esperar a una señal, esperar una condición llegue a ser verdadera (scan) o sea detenida infinitamente, para que sea removida después con el módulo Remove.

ü  Módulo Failure: El módulo Failure se diseña para utilizarlo con recursos.

 5.- ¿Cuantos tipos de reportes se pueden generar en una simulación

11 tipos de reportes

6.- ¿Qué son los submodelos y los procesos interactivos?

Organizador utilizado en el software ARENA para agrupar cualquier objeto que este dentro del modelo a simular. El uso de esta herramienta no sólo incrementa la cantidad de espacio en el modelo, sino que también permite mantener organizado el diagrama de flujo.

 7.-  ¿Cuáles son los campos básicos del módulo de procesos?

•  Módulos de Flujo de Datos.
•  Módulo Create.
•  Módulo Process
•  Módulo Decide
•  Módulo Assign
• Módulo Batch.
• Módulo Separate.
• Módulo Record.
•  Módulo Dispose.
• Módulos de Datos.
•  Módulo Entity.
• Módulo Queue.
• Módulo Resource.
•  Módulo Schedule
• Módulo Set.
• Módulo Variable

8.- ¿Para agregar o quitar panales cual es el menú que tiene que configuración?

Attach o detach

 9.- ¿Describe cada uno de los tipos de reportes?

• Activity Areas
• Category Overview
• Category by Replication
• Entities
• Frequencies
• Processes
• Queues
• Resources
• Transfers
• User Specified
• Tanks

10.- ¿Cuáles son los elementos del menú de ejecución o Run menú? 

Metodología

TABLA DE LA METODOLOGÍA

Documentar la situación

El proceso de crear un modelo de simulación requiere comprender y documentar en forma detallada la actividad que se simula. Por ejemplo, a primera vista el flujo de información que se presente en un almacén suele parecer muy simple. No obstante, una vez que se desarrolla una simulación de este flujo de información, se identifican muchas excepciones y flujos de información alternos.

Problema formal

Consiste en estudiar el contexto del problema, identificar los objetivos del proyecto, especificar los índices de medición de la efectividad del sistema, especificar los objetivos específicos del modelamiento y definir el sistema que se va a modelar. Esta actividad requiere de la conversación con los mandantes y con las personas que participan de las actividades que se están analizando mediante el modelo. Al término de esta etapa se entrega el Informe de Avance Nº1.

Sistema

Un sistema es una colección de objetos o cosas (ideas, hechos, principios) de un sector específico de la realidad que es objeto de estudio o interés. Las cosas u objetos se encuentran relacionados lógicamente entre sí para realizar una función o alcanzar un objetivo mediante la ejecución de un proceso.

Objetivos

Establecimiento de condiciones experimentales para el uso del modelo  preparándolo para su procesamiento y donde haya una correspondencia entre el modelo y la realidad con fines de usar resultados para toma de decisiones y documentar el funcionamiento y uso del modelo

Medidas de desempeño

En un modelo de simulación de eventos discretos existen dos tipos de datos numéricos: los datos de entrada y los datos de salida del modelo. Los datos de entrada son todos aquellos parámetros que el modelo requiere para iniciar el proceso de la simulación, después de esto comienza el proceso de evaluación numérica del modelo hasta que este termina según el criterio de parada establecido. Una vez que la simulación termina es cuando se muestran los datos de salida del modelo, los cuales son conocidos como medidas de desempeño del modelo de simulación. Modelo de simulación 53 Según [8] las medidas de desempeño de un modelo de simulación de eventos discretos son datos de salida relevantes para el entendimiento del sistema que se está evaluando, las cuales son definidas por el administrador.

Grupo de decisiones

La técnica de simulación es muy útil para la solución de problemas con riesgo y bajo incertidumbre. Muchas de estas técnicas se han estado utilizando en técnicas de juegos. estas técnicas de juegos se utilizan cuando en el sistema considerado existen varios grupos de decisión que interaccionan

Investiga de manera general las líneas de investigación que se realizan sobre el área de Simulación.

LÍNEAS DE INVESTIGACIÓN

1.- Process System Engineering

El campo de la Ingeniería de Sistemas de Proceso trata de utilizar un enfoque sistémico, y con toma de decisiones basadas en modelos y herramientas matemáticas, en problemas de modelado, diseño, control y optimización en la industria de procesos. Dentro del mismo, el grupo de investigación trabaja en los siguientes temas, muchos de los cuales están interrelacionados.

Simulación dinámica de procesos.

 El objetivo de estas actividades es la construcción de modelos, entornos de simulación y simuladores que permitan disponer de un entorno realista de emulación de diferentes procesos para su uso en diversos ámbitos. Estos comprenden simuladores de sala de control para entrenamiento de personal, en particular de factorías azucareras completas, simuladores de procesos petroquímicos para predicción y soporte de sistemas de control y optimización y para enseñanza, simuladores de plantas desaladoras, sistemas eléctricos con fuentes de energía renovables, etc. Los modelos están basados fundamentalmente en leyes físico-químicas y los estudios involucran también problemas multi-escala, métodos de identificación de parámetros y validación de dichos modelos, así como el desarrollo de librerías en el entorno del lenguaje EcosimPro.

Monitorización de procesos.

 En este punto, se trata de estimar el estado de un proceso a partir de medidas parciales o imprecisas del mismo en funcionamiento normal, utilizando una combinación de valores medidos, modelos, indicadores y algoritmos de cálculo. Ejemplos típicos están ligados al estudio y aplicación de métodos de reconciliación de datos y estimación de variables no medidas en sistemas de gran escala como fábricas azucareras o redes de distribución de hidrógeno en refinerías de petróleo. Otro campo de estudio comprende los métodos de supervisión automática de controladores para seleccionar aquellos que necesitan resintonía.

Diseño Integrado del proceso y su sistema de control.

 Esta línea de trabajo va orientada al desarrollo de métodos para el diseño conjunto de un proceso y su sistema de control garantizando simultáneamente el cumplimiento de sus especificaciones de operación y unas determinadas características dinámicas minimizando un cierto índice de coste económico. Los estudios consideran los casos de uso de superestructuras e incertidumbre en la operación, así como el desarrollo de entornos de cálculo.

Sistemas complejos de gran escala.

 Esta línea de trabajo comprende actividades de control y optimización de procesos complejos, tanto por su dimensión como por la incertidumbre asociada a su operación. Normalmente se usa un enfoque jerárquico y se busca plantear un problema integrado de optimización económica en un marco de control predictivo del proceso con consideración explícita de la incertidumbre en la toma de decisiones. Campos de aplicación incluyen la gestión óptima del vapor en factorías azucareras, la gestión optima de la energía en sistemas combinados de producción de agua potable y electricidad con energías renovables y plantas desaladoras, la gestión óptima de las redes de hidrógeno o de plantas HDS en refinerías de petróleo y el control multivariable de una red de distribución de oxígeno.

Control predictivo e híbrido.

 El control predictivo utiliza un modelo interno del proceso para predecir su comportamiento futuro y permitir la selección de las acciones que optimizan dicho comportamiento. Junto a la consideración de no-linealidades, restricciones, factibilidad, estabilidad, etc., en este contexto, esta línea de trabajo incorpora el control de sistemas híbridos. Muchos procesos reales involucran no solo variables o sistemas que evolucionan continuamente en el tiempo, si no también decisiones discretas, restricciones lógicas, operaciones por lotes, etc., que dan un carácter híbrido a los sistemas de proceso. En este punto se han formulado soluciones al control y optimización de dichos procesos y se pretende desarrollar métodos eficientes que permitan resolver estos problemas en tiempo real en el contexto de control predictivo. En particular, se estudian soluciones para transformar los problemas MIDO en NLP y se aplican a una amplia gama de procesos, entre los que se encuentran sistemas mixtos continuos y batch, o el control de temperatura criogénica del LHC en el CERN.

Optimización dinámica.

 Esta línea de trabajo está asociada al desarrollo de herramientas para optimización dinámica de procesos, asociadas al entorno de simulación EcosimPro. Se busca la integración eficiente de métodos de optimización en EcosimPro, en particular mixta-entera, que permitan abordar la resolución de problemas de control y optimización y la generación de código para la implementación en tiempo real de las soluciones obtenidas en el marco de sistemas SCADA.

Control, planificación de experimentos y optimización de procesos biotecnológicos.

 Esta línea de actividad se relaciona con el desarrollo de algoritmos para optimización y control de reactores biológicos usando modelos eficientes. Combina aspectos de desarrollo de modelos con el nivel de detalle apropiado para el uso esperado (control u optimización), con enfoques específicos para el tratamiento de la incertidumbre asociada y diseño óptimo de experimentos. Se evalúan los modelos realizando un análisis de su sensibilidad. El objetivo de este análisis es determinar el grado de respuesta (sensibilidad) del comportamiento del modelo a cambios en algunos de sus componentes. Para cuantificar la importancia de los parámetros y sus interacciones con la salida del modelo se quieren utilizar y comparar distintos métodos de análisis de sensibilidad global que servirá como paso previo al diseño de experimentos óptimos. Para la optimización dinámica usando modelos se aborda la problemática de una optimización iterativa de la política de operación a partir de una secuencia de experimentos que permiten una reducción sistemática de la incertidumbre de los modelos empleados por medio de un programa óptimo de muestreos en cada experimento y discriminación de modelos alternativos. También se investiga una adecuada integración de modelos cibernéticos de reactores biológicos en el control predictivo y la optimización dinámica para el desarrollo de nuevas metodologías de operación de biorreactores.

Sistemas de parámetros distribuidos.

 Muchos sistemas reales están descritos por ecuaciones en derivadas parciales, tanto por su distribución espacial como por involucrar balances de población y su control presenta retos especiales por la dimensionalidad de los mismos. En este campo se estudian problemas que abarcan desde el modelado, y en particular la reducción de modelos con técnicas como POD, hasta el control y optimización en sistemas de cristalización, de filtrado con membranas, de reactores de placas, o fabricación de helados.

2.- Ingeniería de Procesos.

En el Área de Procesos de aplicación industrial se incardinan trabajos orientados al diseño de producto, fundamentalmente en industria agroalimentaria, a la optimización de etapas de proceso (reacción y separación) o al análisis de viabilidad tecnológica, con un claro referente en las industrias azucareras y de cereal. Dentro de este campo, adquiere especial relevancia el estudio de alternativas que permitan la valorización y aprovechamiento de subproductos/residuos. Por un lado, se trabaja en la transformación de subproductos en productos de alto valor, pudiendo reseñarse la obtención de bioproductos (concepto de biorefinería), o el incremento en el valor nutricional de co-productos procedentes de la industria alimentaria. Por otra parte, se estudian tratamientos específicos de residuos y efluentes industriales que permitan la reutilización de estas corrientes en  proceso.

Pueden significarse dentro de esta Área la transformación de co-productos de industrias de cereales en componentes con mayor contenido proteico o en carbohidratos de fácil metabolización o el diseño de plantas para recuperación de disolventes o procesos de tratamiento con tecnologías de oxidación avanzada o tratamientos específicos que permitan la reutilización de aguas de proceso.

3.- Automatización Industrial y Robótica

En este campo se trata de estudiar los sistemas de automatización industrial con todos los elementos que conllevan, como pueden ser PLCs (controladores lógicos programables), autómatas finitos, robots, etc. Se pretende trabajar desde el punto de vista teórico, como son los lenguajes formales para describir los sistemas de fabricación desde el punto de vista de un autómata finito, con estados y acciones. O desde un punto de vista más práctico, estudiando problemas de la robótica, como generación de trayectorias para evitar obstáculos, estudio del trabajo con sistemas multirrobot, robótica móvil, sistemas de control de robots abiertos, etc.

4. – Procesos de alta presión.

Desarrollo del proceso de oxidación en agua supercrítica para el tratamiento de aguas residuales industriales.

 El proceso de oxidación en agua supercrítica se basa en la reacción homogénea entre los compuestos orgánicos no polares y el oxigeno, realizada a temperatura y presión superiores al punto crítico del agua, (374ºC, 22MPa). Es un proceso que no presenta limitaciones medio ambientales. El objetivo del esta línea es aportar solucione técnicas al desarrollo de reactores que minimicen el coste del reactor y permitan la recuperación energética del efluente. Concretamente estamos investigando en: 1) Propuesta de nuevos diseños de reactores para tratar residuos específicos. 2) Diseño y construcción de prototipos. 3) Estudio experimental de la influencia de las condiciones de operación a escala piloto y a escala demostración. 4) Modelado usando modelos de flujos simples y herramientas CFD. 5) Optimización del proceso, integración energética.

Formulación de compuestos naturales.

La correcta formulación de un compuesto natural permite aumentar sus aplicaciones y su valor añadido. El objetivo de esta línea es desarrollar procesos y productos de formulación de compuestos naturales mediante tecnologías limpias basadas en la utilización de fluidos supercríticos. Los procesos que se están estudiados son micronización de partículas utilizando CO2 como antidisolvente, proceso SAS, utilizando el CO2 como disolvente, proceso RESS, o como soluto procesos PGSS. Procesos de coprecipitación de un polímero con un compuesto activo mediante la utilización de fluidos presurizados. Micronización y encapsulación en medio acuoso mediante la formación y secado de emulsiones. Separación de enantiomeros. Control del polimorfismo de compuestos activos. Los productos que se están desarrollando son formulaciones de carotenoides para aditivos de industria alimentaría. Formulaciones de aceites esenciales para su uso como biocida en agricultura y ganadería. Formulación de antioxidantes del té verde.

Impregnación supercrítica

La impregnación supercrítica, basada en la utilización del CO2-SC como disolvente alternativo frente a los líquidos convencionales, se presenta como un método de interés científico y comercial, adecuado para la protección de la madera y mejora de sus características finales (resistencia, protección contra la humedad o el desgaste, poder ignífugo), viable técnica y medioambientalmente, y con importantes ventajas frente a los procesos de tratamiento convencionales, entre las que se cuentan una mejor distribución de la sustancia impregnante a lo largo de la estructura de la madera, asociado a las buenas propiedades para la transferencia de materia del CO2-SC (alta difusividad, baja tensión superficial y baja viscosidad), y el empleo de un disolvente inocuo que no deja residuos en la matriz impregnada. Esta nueva técnica de protección, objetivo básico de esta línea de investigación, permite aumentar la vida útil de la madera, mejorar las características de acabado final de la misma y reducir el volumen y la naturaleza tóxica de los efluentes generados con la consecuente ventaja medioambiental.

Síntesis de materiales nanostructurados en medio supercrítico.

En esta línea de investigación se utiliza el CO2 supercrítico como medio de reacción para obtener materiales inorgánicos a escala nanométrica y micrométrica: óxidos inorgánicos, metales y materiales composite cerámico/metal. Se obtienen polvos, láminas finas y materiales nanostructurados. Los campos de aplicación de estos materiales son muy diversos y de gran interés como son: catálisis, electrónica, aplicaciones biomédicas y ópticas, aerospaciales.

5.- Comunicaciones Industriales.

Un campo fundamental en los sistemas de control industrial son las comunicaciones. En esta línea se pretende estudiar y trabajar con sistemas de comunicación industrial que ya están comercializándose, pero que al mismo tiempo están cambiando y estudiando nuevas funcionalidades que se le quieren incluir a los distintos sistemas de comunicación. Hay que estudiar y resolver como es la comunicación entre los elementos tan diversos y el software tan distinto que existe a nivel industrial.

6.- Sistemas Inteligentes

Los sistemas inteligentes abarcan un conocimiento de evidente aplicación a infinidad de campos de la ingeniería, y en particular a los distintos aspectos que abarca la ingeniería de sistemas y automática. Mediante el estudio, desarrollo y aplicación de técnicas de soft computing e inteligencia computacional se busca nuevas líneas de investigación aplicada que aporten soluciones innovadoras en control, modelado, FDI, reconocimiento de patrones etc... que a su vez tengan un marcado carácter práctico y de aplicación al mundo industrial dadas las características de estas técnicas que permiten utilizar y obtener provecho de la información disponible sobre el problema mediante extracción y modelado del conocimiento y la experiencia.

Tipos de distribucion from Martha Vara G

Manual de herramientas de usuario de Arena

Guia de usuario arena from Martha Vara G

TIPOS DE DATOS DE ENTRADA(FRECUENCIA, MEDIDA Y DURACIÓN)

Tipos de datos de ENTRADA from Martha Vara G

fases de diseño del modelo de simulación

Fases de simulacion from Martha Vara G