Modelado matemático vía simulación para determinar la calidad del agua del sistema de abastecimiento de la Universidad Nacional de Loja
Resumen
La identificación del comportamiento de un sistema, mediante técnicas de modelado matemático y simulación, es una poderosa herramienta para analizar, estimar, pronosticar y validar escenarios. En el caso analizado, tras el análisis documental de estudios realizados previamente por instituciones afines al tema y varias muestras tomadas en botellas de 1 galón, para el análisis físico-químico, el agua que abastece a la Universidad Nacional de Loja muestra la presencia en niveles no aceptables de aluminio, arsénico, materia flotante, y temperatura, los que serán representados por modelo matemático, para luego ser controladas a través de un PID discreto, para mantener, estas 4 variables dentro de los rangos permitidos por la Empresa de Agua Potable de la ciudad de Loja, al sur del Ecuador. Es importante tratar de resolver este problema porque esta agua es utilizada para consumo humano en la Universidad Nacional de Loja. Algunas plataformas informáticas como Wolfram y MATLAB® disponen de algunas herramientas que nos ayudan a encontrar los parámetros PID basado en algoritmos propios que poseen, en particular en este estudio se utiliza una toolbox de MATLAB® diseñada para el efecto.
Palabras clave: modelamiento matemático, simulación, control PID
Citas
Cruz, J.L.R. and R.I. Pupa, Diagnóstico de instalaciones de transporte de hidromezcla afectadas por cavitación. Minería y Geología, 2007. XXIII (3): p. 1 -15. ISSN: 1993 8012. http://revista.ismm.edu.cu/index.php/revis tamg/article/view/87/92
Fernández, L.P.S., Patrones de Sistemas de Primero y Segundo Orden, en un Ambiente de Instrumentación Virtual. Computación y Sistemas, 2003. 7(2). ISSN: 1405-5546. http://www.scielo.org.mx/pdf/cys/v7n2/v7 n2a3.pdf.
Juárez, J.d.J.M., R.U. Parrazalesb, and R.P. Orozco, Estimador estocástico para un sistema tipo caja negra. Revista mexicana de física, 2011. 57(3). ISSN: 0035-001X. http://www.scielo.org.mx/pdf/rmf/v57n3/ v57n3a4.pdf
Hahn, B.D. and D.T. Valentine, Essential MATLAB® for Engineers and Scientists. Third edition ed. 2007: Elsevier. 499. ISBN 13: 9-78-0-75-068417-0.
Mediaceja, Y.R. and A.A.L. Lobaina, Modelación matemática del área de exposición y del volumen de las pilas de menas lateríticas expuestas a secado solar natural. Minería y Geología, 2011. XXVII(2): p. 84-108. ISSN: 1993 8012. http://revista.ismm.edu.cu/index.php/revis tamg/article/view/266/pdf
Quarteroni, A., R. Sacco, and F. Saleri, Numerical Mathematics. Second Edition ed. 2007, New York. USA.: Springe. 663. ISBN: 0939-2475.
Rueda, I.R., B.M.P. Mena, and J.R.G. Sarduy, Modelo de motor de inducción agregado aplicado en caracterización energética. Ingeniería Mecánica., 2012. XV (3): p. 213-223. ISSN: 1815-5944. http://www.ingenieriamecanica.cujae.edu. cu/index.php/revistaim/article/view/431/7 88
Santana, J.C., Predicción de series temporales con redes neuronales: una aplicación a la inflación colombiana. Revista Colombiana de Estadística, 2006. 29(1): p. 77 - 92.
Scenna, N.J., et al., Modelado, Simulación y Optimización de Procesos Químicos. 1999. 858. ISBN: 950-42-0022-2.
Smith, C.A. and A.B. Corripio, Control automático de procesos. Teoría práctica. 1991: John Wiley & Sons, 718. ISBN: 968-18-3791-6.
