XI Encuentro Colombiano de Dinmica de Sistemas, 2013

1




Resumen Un proceso o sistema dinmico puede
definirse como una combinacin de elementos o
componentes relacionados entre s y que actan para
alcanzar un objetivo. El estudio de un proceso
dinmico implica el estudio de la variacin, a lo largo
del tiempo, de las variables de salida, a partir de las
variables de entrada, es decir, entre las variables
medibles y observables que afectan el
comportamiento.
Desde el punto de vista matemtico, un sistema
dinmico se suele representar mediante una relacin
entre las variables de entrada y salida, sin embargo,
para la mayor parte de los sistemas reales, no es fcil
conocer estas relaciones o representaciones
matemticas Este artculo muestra cmo es posible
implementar y recrear, a partir de modelos de
Forrester, el comportamiento de una planta
industrial y la accin de control de algunos
controladores, empleados con frecuencia, para
asegurar la operacin del proceso alrededor de un
punto de operacin, consigna u objetivo.

Palabras Clave Sistemas Dinmicos, Control de
Procesos, Dinmica de Sistemas, Controlador On-
Off, Controlador Proporcional, Controlador
Proporcional Integral.

Abstract A process or dynamic system is
defined as a combination of elements or components
interrelated and acting to achieve a goal. The study
of a dynamic process involving the study of
variation, over time, of the output variables from
input variables, namely, between the measurable and
observable variables that affect behavior.

From the mathematical point of view, a dynamic
system is usually represented by a relationship
between input and output variables, however, for
most real systems; it is not easy to know these
relationships or mathematical representations. This
article shows how you can implement and recreate
Forrester models for industrial plant control
strategies employed frequently to ensure proper
operation of the process.
Keywords Dynamic Systems, Process Control,
On-Off Controller, Proportional Controller,
Proportional Integral Controller.


1. INTRODUCCIN

La Ingeniera de Control, aborda el problema de
determinacin de representaciones matemticas,
tambin llamadas modelos, para sistemas o plantas
de proceso reales, con el objetivo que estas operen
bajo ciertos criterios y en puntos de operacin pre-
establecidos. Esta tarea se conoce como el
problema de identificacin y modelizacin. La
Dinmica de Sistemas, es una herramienta que
posibilita la creacin de modelos a partir de la
identificacin de los elementos y las relaciones
identificadas, sin la necesidad, del establecimiento
de ecuaciones, frmulas o modelos matemticos
complejos.

En los siguientes apartados, se mostraran algunos
conceptos referentes a los diferentes tipos de
modelos disponibles para modelar procesos
dinmicos de inters en el campo del Control
Automtico, as como la aplicacin de conceptos
de Pensamiento Sistmico y herramientas de
Dinmica de Sistemas para la implementacin de
Controladores que gobiernen y estabilicen el
proceso en un punto de operacin establecido.


2. IMPLEMENTACIN DE SISTEMAS DE
CONTROL A PARTIR DE MODELOS
SISTEMO-DINMICOS

El punto de partida para el diseo y posterior
implementacin de sistemas de control,
generalmente, es un modelo matemtico, en el
cual, las entradas y salidas del sistema se
Jairo Vagas C., Ing., Wilson A. Pinzn R., MSc.
Universidad Distrital Francisco Jos de Caldas
jairocale@yahoo.com, alexpinzon@gmail.com
--Aceptado Agosto 13 de 2013, versin final Agosto 19 de 2013--
Implementacin de Sistemas de Control a partir
de Modelos Sistemo-Dinmicos
Implementation of Control Systems from
Dynamics Models


Papers title in English
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



2
relacionan como un conjunto de ecuaciones
diferenciales y/o en diferencia. La mayora de los
modelos matemticos son no lineales lo que les
da cierto grado de complejidad, sin embargo, tales
fenmenos no lineales se pueden reducir y
describir mediante modelos lineales, es decir,
sistemas que cumplen simultneamente las
propiedades de homogeneidad y superposicin.
Estas caractersticas, requieren que el diseador
cuente con ciertos pre-requisitos de carcter
metodolgico, conceptual, tcnico, tecnolgico y
terico, dado que el problema central es encontrar
una forma tcnicamente realizable de actuar sobre
un determinado proceso de manera que ste tenga
un comportamiento que se aproxime a cierto
comportamiento deseado tanto como sea posible,
sin embargo, en este articulo se plantea la
necesidad de estudiar los sistemas de control a
partir de la identificacin de relaciones e
influencias que permitan la conceptualizacin del
problema para luego ser tratado con las tcnicas y
metodologas disponibles en el campo del Control
Automtico.


2.1 SISTEMAS Y MODELOS PARA
CONTROL DE PROCESOS

Un sistema como el que se muestra en la Figura
1, de acuerdo a [1], puede ser definido como un
todo complejo cuyo funcionamiento depende de
las partes que lo compongan, que se consideran en
estrecha interaccin y que determinan su
comportamiento. En la naturaleza existen
diferentes tipos de sistemas entre los cuales se
tienen:

- Sistemas Fsicos, como los sistemas de
transporte.
- Sistemas Biolgicos, como los organismos
vivos.
- Sistemas Diseados, como las maquinas.
- Sistemas Abstractos, como las Ecuaciones
diferenciales o modelos mentales.
- Sistemas Sociales, como la familia.
- Sistemas de Actividad Humana, como los
Sistemas de Calidad para productos o
servicios.




Figura 1. Representacin de Sistema Fuente
[2]

Segn [2], un modelo corresponde a una
abstraccin que se realiza de un sistema real con
el fin de estudiarlo, comprenderlo y manipularlo.

Estas abstracciones deben representar el
comportamiento del sistema, con el menor error
posible. En la Figura 2, se puede observar los
conceptos de sistema y modelo.



Figura 2. Representacin de Sistemas y
Modelos Fuente [2]

El enfoque de Sistemas Duros descrito en [1],
emplea modelos para simplificar la interpretacin
de los aspectos de la realidad, pertinentes, para el
propsito que se busca. Estos modelos deben
capturar las variables ms importantes y las
interacciones que dan lugar o determinan el
comportamiento del sistema. Segn [3], los
modelos que se emplean con mayor frecuencia son
los siguientes:

Modelos Icnicos: corresponden a modelos a
escala de la situacin problemtica; ejemplo:
maqueta a escala de un puente.

Modelos Analgicos: son diferentes en
apariencia a la realidad pero tratan de imitar el
comportamiento de la situacin problemtica
representada, por ejemplo: una red elctrica o
hidrulica.

Modelos Analticos: son modelos matemticos
que se utilizan para representar las relaciones
lgicas que se cree regulan el comportamiento del
sistema en estudio; ejemplo: ecuaciones de estado.

Modelos Algebraicos: son modelos que se
emplean para formular la asignacin de recursos
para procesos de minimizacin o maximizacin de
un beneficio cuando se tienen disponibles varias
alternativas y los recursos son limitados; ejemplo:
un modelo de Programacin Lineal.

Modelos de relaciones estadsticas y de
probabilidad: se emplean para encontrar el grado
de dependencia entre variables en ausencia de un
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



3
conocimiento completo acerca de las interacciones
dentro del sistema.

Modelos de Simulacin: se emplean en
sistemas muy complejos, en los cuales, las
relaciones entre variables no son bien
comprendidas y, adems, varan con el tiempo;
ejemplo: simulacin del trfico vehicular.

Modelos de Juegos: corresponden a modelos en
los que los actores humanos desempean un papel
importante en los procesos de toma de decisiones.
Suponen que cada jugador se comporta como su
contra parte, de tal forma, que se centran en
cuestiones como: eleccin, juicio, valores y
polticas; ejemplo: juegos de guerra.

Modelos Conceptuales: como su nombre lo
indica, son modelos cualitativos que se emplean
para hacer explcitos modelos mentales
particulares; ejemplo: Modelos conceptuales de
las definiciones raz en SSM.

Modelos Crticos: estos modelos se basan en la
probabilidad de sucesos particulares que tienen
lugar. Tcnicas como Delphi y Escritura de
Escenarios se emplean en anlisis de sistemas para
desarrollar mejores modelos de grupos de
modelos mentales individuales; ejemplo: Delphi
da las guas de forma iterativa, para que expertos y
otras personas con conocimiento lleguen a un
consenso razonable sobre un tema.

La Figura 3, muestra la clasificacin de modelos
en funcin de las reglas que usan y la respuesta en
el tiempo.



Figura 3. Tipos de Modelos Fuente [3]



2.2 CONSTRUCCIN DE MODELOS
ANALTICOS

De acuerdo con [2], la construccin de un
modelo para un sistema, requiere la observacin
del sistema. Dicha tarea de modelamiento ha sido
abordada empleando diferentes metodologas. De
hecho, el tipo de mtodo empleado en la
construccin del modelo le otorga ciertas
caractersticas, en base a las cuales, se hace
posible subdividir los tipos de modelos dentro de
tres grandes grupos:

- Modelos de caja blanca
- Modelos de caja gris y
- Modelos de caja negra.




Figura 4. Construccin de modelos Fuente
[2]

Los modelos de caja blanca describen el sistema
desde el interior del sistema, de acuerdo al
conocimiento de las leyes que rigen su
comportamiento, esta propiedad, hace que
tambin se denominen como modelos internos.

Los modelos de caja negra, no se centran en el
interior del sistema, sino en su comportamiento
respecto al entorno. Con frecuencia son llamados
modelos de tipo entrada salida.

Los modelos de caja gris, se generan a partir de
la combinacin de modelos de caja blanca y caja
negra. Emplean el conocimiento disponible de la
estructura interna del sistema y las leyes que rigen
su comportamiento a travs de observaciones de
entrada salida, para determinar la informacin
faltante.

Desde el enfoque de la Ingeniera de Control, un
sistema inmerso en el mundo fsico puede ser
modelado o expresado matemticamente por un
sistema de ecuaciones lineal o no lineal, siendo
posible desde ese punto, saltar de la
representacin matemtica a la de funcin de
transferencia o representacin en variables de
estado como se observa en la Figura 5.
Adicionalmente a partir de la teora y
representacin de los sistemas, es posible
modelarlos en forma de diagramas de bloque y
diagramas de flujo, siendo los primeros de gran
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



4
ayuda cuando se requiere tener una idea de la
respuesta del sistema mediante el uso de software,
pero con la dificultad en la tarea de reduccin de
la funcin de transferencia, en algunos casos,
cuando el diagrama es demasiado complejo. Por el
contrario, los diagramas de flujo facilitan la
determinacin y reduccin de la funcin de
transferencia de sistemas complejos.




Figura 5. Herramientas matemticas
disponibles para la representacin de sistemas
Fuente [4]

En general, aplicaciones de ingeniera, tales
como sistemas de navegacin, robots, sistemas de
inyeccin de combustible, mquinas, lneas de
produccin, etc., corresponden a sistemas no
lineales, presentando bifurcaciones, equilibrios
mltiples, ciclos lmite, corrimiento de frecuencias
y caos [5]. Esta caracterstica de no linealidad
hace indispensable, en ocasiones, determinar
modelos lineales para representar el
comportamiento de sistemas reales no lineales [6].

El sistema fsico de la Figura 6, corresponde a
un tanque rectangular descrito en [7], el tanque
presenta una entrada y una salida de lquido de
caudal variable, regulado por las vlvulas VLV1 y
VLV2 respectivamente. El proceso requiere
calentar el lquido para que salga a una
temperatura deseada, disponiendo de vapor de
agua que fluye a travs de un serpentn situado
dentro del tanque. Actuando sobre el caudal de
vapor se puede estabilizar la temperatura de salida
deseada. Sin embargo, existe una complicacin
adicional y es que el nivel del tanque no debe
rebozar un valor determinado y tampoco
descender hasta quedar vaco, en otras palabras, el
nivel de lquido debe mantenerse dentro de un
rango especificado.



Figura 6. Tanque rectangular Fuente [7]

La temperatura y el nivel se miden en el tanque
empleando los sensores TT y LT y se transmiten a
dos indicadores TI y LI. El operador del proceso,
tiene como funcin mantener el nivel de lquido
dentro de unos lmites prefijados (hmn hmx),
asegurando al mismo tiempo que la temperatura
de salida permanezca tambin dentro de unos
lmites (Tmn Tmx). Para este caso particular, se
supondr que la temperatura de salida del lquido
es constante y el flujo de salida de lquido laminar.

El sistema, puede ser representado como se
describe en [8], a partir de las variables: flujo
[m
3
/s], resistencia hidrulica [s/m
2
] y capacidad de
almacenamiento [m
3
]; matemticamente el modelo
se obtiene de la siguiente forma:

El cambio en el lquido almacenado en el tanque
durante dt segundos es igual al flujo de entrada
neto al tanque durante los mismos dt segundos, y
por lo tanto, es posible describir el sistema con la
siguiente ecuacin:

(1)

Donde

(2)

C, corresponde a la capacidad de
almacenamiento de liquido [m
3
].

(3)

Qo, representa el caudal de salida sin turbulencia
[m
3
/s].

Reemplazando se tiene entonces:
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



5

(4)

La ecuacin 4, representa la funcin de
transferencia de la planta que relaciona el nivel de
lquido presente en el tanque en funcin de los
caudales de entrada y salida. Empleando Simulink
de Matlab, se implementa el modelo de la Figura
7, que representa el sistema.


Figura 7. Modelo en Simulink Tanque
Fuente Fuente [Autores]

La simulacin del modelo en un intervalo de
cero a diez segundos, se muestra en la Figura 8.
La grfica permite observar como el tanque que
inicialmente se supone, tiene una altura de liquido
igual a 1 [m], sin presencia de caudal de entrada,
se desocupa en seis (6) segundos, tiempo en el
cual el nivel o altura de liquido es de cero (0)
metros [m].


Figura 8. Nivel de liquido en el tanque sin
caudal de entrada con h(0)=1 [m], modelo en
Matlab

Ahora, atendiendo a [9], en la tarea de llenado
del tanque intervienen tres elementos: el sistema
de entrada y salida de lquido, el operador y el
tanque. Este proceso, requiere que la vlvula de
entrada VLV1 se abra, que el operador observe
como el nivel de lquido en el tanque aumenta
para cerrar la vlvula VLV1, cuando se sobrepase
el lmite mximo, o por el contrario, abrir la
vlvula VLV1 cuando el nivel se encuentre en su
valor mnimo, suponiendo que el porcentaje de
apertura de la vlvula de salida VLV2 y la
temperatura son constantes pre-establecidas. En
otras palabras, el operador abre la vlvula de
entrada de lquido VLV1, compara el nivel
alcanzado con el nivel deseado y acta
nuevamente sobre la vlvula de entrada en funcin
del error observado.

En la Figura 9, se representa el sistema a travs
de un modelo de influencias. Las flechas
representan las influencias que se producen entre
los distintos elementos que intervienen en el
proceso. Esto es: mediante una flecha se indica
que el flujo de entrada de lquido influye sobre el
nivel alcanzado en el tanque. Adems, el sigo +,
indica que dicha influencia es positiva, lo que
quiere decir que a mayor flujo de entrada mayor es
el nivel alcanzado. Anlogamente, al aumentar el
nivel disminuye el error, lo que se indica con una
flecha a la que se asocia un signo -. Por ltimo, el
error se determina a partir del nivel deseado o
punto de operacin y el nivel alcanzado.




Figura 9. Modelo Causal para el proceso de
llenado en el Tanque Fuente [9]

A partir, del modelo Causal se clasifican los
elementos en variables de estado, flujo y
auxiliares para obtener el diagrama de Forrester
mostrado en la Figura 10.


Figura 10. Modelo de Forrester del Sistema
(Implementado en iThink) Fuente [Autores]

La simulacin del modelo de la Figura 10,
muestra una respuesta o comportamiento similar a
la del modelo implementado en Simulink, segn
se observa en la Figura 11.
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



6
Esto se debe, a que como lo afirma [10], la
Dinmica de Sistemas, permite tambin obtener
modelos que representan, con un grado de
fidelidad alto, el comportamiento de los sistemas o
procesos comnmente descritos con alguna de las
tcnicas mostradas en la Figura 5.




Figura 11. Nivel de liquido en el tanque sin
caudal de entrada con h(0)=1 [m], modelo en
iThink


2.2. SISTEMAS DE CONTROL

Como se establece en [11], el Control de
Sistemas, habitualmente, requiere que la(s)
salida(s) siga(n) una direccin o trayectoria
deseada o permanezca(n) en un punto especfico.
Con este propsito, los procesos requieren lo que
se conoce como sistemas de control, es decir,
sistemas que mediante la manipulacin de ciertas
variables de entrada al proceso (aquellas que
puedan ser manipuladas), regulan el
comportamiento de las variables de salida, para
alcanzar el objetivo deseado.

La estructura bsica de un sistema de control,
descrita en [12], se muestra en la Figura 12. El
control es el elemento encargado de procesar la
seal de error, E(s), y generar una seal, M(s),
encargada de disminuir el valor de dicha seal de
error con el objetivo de lograr la mxima
precisin posible del sistema de control. Dicho
procedimiento mediante el cual se general la seal
de control se denomina accin de control.


Figura 12. Sistema de Control Fuente [12]

Dentro de los tipos de control ms comunes en
tiempo continuo, se encuentran [12]:

- Control On-Off o Todo Nada
- Control Proporcional - P
- Control Proporcional Integral - PI
- Control Proporcional Derivativo - PD
- Control Proporcional Integral Derivativo -
PID


2.2.1 Sistema de Control On-Off
[7] define este tipo de controlador, como un
sistema de control no lineal debido a que
proporciona una salida con nicamente dos
valores: uno o cero, es decir, encendido o
apagado, de acuerdo al error presente, positivo o
negativo, respectivamente.

El controlador inicialmente evala si el error es
positivo o negativo. Si es positivo, el control se
activa hasta llegar al valor deseado. Cuando la
salida supera el punto de operacin, el error se
hace negativo y el controlador se apaga. La figura
13, muestra el sistema de control On-Off.


Figura 13. Controlador On-Off Fuente [7]

La continua oscilacin, generada por el cambio
de estados, encendido apagado, del controlador
On-Off, puede provocar el desgaste excesivo de
los actuadores, de tal forma, que se suele
introducir un retardo en la accin de control
denominada histresis, con el fin de provocar, que
la seal de error deba superar un cierto rango
llamado brecha diferencial BD, antes de que
se genere un cambio de estado.


Figura 14. Controlador ON-OFF con Histresis
Fuente [7]
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



7
En general, este sistema de control proporciona
demasiada o muy poca correccin a las
desviaciones de la(s) variable(s) controlada(s), de
tal forma, que la salida presenta una continua
oscilacin alrededor del punto de operacin o
valor deseado, sin embargo, es el ms sencillo y
econmico para su implementacin, siendo por
ello, ampliamente usado en aplicaciones
domsticas e industriales donde no se requiere una
elevada precisin.


2.2.2 Sistema de Control Proporcional P
En el control proporcional la accin de control
es directamente proporcional a la seal de error, e,
y la salida est dada como:

(5)

Donde kp es una constante llamada ganancia
proporcional. La salida del controlador depende
solo de la magnitud del error en el instante en el
que se considera. Cuanto mayor es la ganancia kp,
mayor es la seal generada para un mismo valor
de seal de error, de tal forma que al aumentar la
ganancia proporcional se logra reducir el error de
estado estacionario.




Figura 15. Controlador Proporcional Fuente
[13]


2.2.3 Sistema de Control Proporcional
Integral PI
La accin de control de este sistema descrita en
[14], genera una seal de control proporcional a la
integral de la seal de error:



Donde (6)

La caracterstica ms importante de este
controlador es que la accin correctora se efecta
mediante la integral del error, lo que permite decir
que la accin de control est en funcin de la
historia de la seal de error, permitiendo encontrar
una seal de control diferente de cero aunque la
seal de error sea cero. El control PI, proporciona
una accin de control combinando la accin
proporcional kp y la accin integral ki, mejorando
el amortiguamiento, reduciendo el sobre paso
mximo e incrementando el tiempo de
levantamiento. La ganancia integral ki, elimina el
error de estado estacionario, mientras que la
ganancia kp, reduce el riesgo de inestabilidad que
conlleva la introduccin de la propia accin
integral.


Figura 16. Controlador PI Fuente [14]


2.3 IMPLEMENTACIN DE
CONTROLADORES ON-OFF Y PI CON
DIAGRAMAS DE FORRESTER

En la Figura 17, se muestra un modelo de
control para el sistema de llenado del tanque
propuesto en la seccin 2.2. El objetivo, consiste
en alcanzar y mantener de forma estable, el nivel o
altura de lquido en el tanque, dado un punto de
referencia u operacin, haciendo uso de un
controlador ON-OFF o un controlador PI descrito
en [14] y [15].


Figura 17. Sistema de Control de nivel para un
tanque Fuente [Autores]


El modelo est constituido por las variables
descritas en la Tabla 1.


XI Encuentro Colombiano de Dinmica de Sistemas, 2013



8
Tabla 1. Variables Modelo Sistema de Control

Variable Descripcin Tipo
Level Nivel en el tanque Acumulador
Fin Flujo de entrada Tasa
Fout Flujo de salida Tasa
Integrater Integral del Error Acumulador
Rate ki Tasa de Integracin
Error
Tasa
kp Ganancia proporcional Auxiliar
ki Ganancia Integral Auxiliar
Tolerance
On-Off
Tolerancia permitida Auxiliar
Error Diferencia entre Set-
Point y Nivel actual
Auxiliar
Set-Point Nivel Deseado Auxiliar
Start ki Activador Ganancia
Integral
Auxiliar
Start kp Activador Ganancia
proporcional
Auxiliar
Start On-Off Activador Control On-
Off
Auxiliar
Pout Porcentaje apertura
vlvula flujo de salida
Auxiliar
Cki Constante de
integracin
Auxiliar


El modelo implementado para el sistema de
control funciona de la siguiente manera:

a) Se obtiene el error definido por la diferencia
entre un punto de operacin establecido y el
nivel de lquido actual presente en el tanque.

b) El error, es entonces empleado para obtener un
factor de correccin que define el flujo de
entrada al tanque. En el controlador On-Off,
si la salida supera la tolerancia establecida y
en los controladores P, I y PI, a travs, de las
ganancias proporcional - Gp e Integral Gi.

c) El sistema de Control, elegido, a travs de los
activadores lgicos, se encarga de ajustar el
flujo de entrada al tanque con el fin de
mantener la altura especificada por el
operador.

Las ecuaciones del modelo se describen a
continuacin.

integrater(t) = integrater(t - dt) + (Rate_ki) *
dtINIT integrater = 0.5
INFLOWS:
Rate_ki = Error/Cki
Level(t) = Level(t - dt) + (Fin - Fout) * dtINIT
Level = 1
INFLOWS:
Fin = Ki+Kp+OnOff
OUTFLOWS:
Fout = Level*Pout
Cki = 0.5
Error = Set_Point-Level
Ki = Start_Ki*integrater
Kp = Start_Kp*Error
OnOff = IF (Start_OnOff=1) THEN
IF(Error>=Tolerance_OnOff) THEN 1 ELSE 0
ELSE 0
Pout = 1
Set_Point = 2
Start_Ki = 0
Start_Kp = 0
Start_OnOff = 0
Tolerance_OnOff = 0.05


La respuesta del modelo, obtenida bajo la accin
de los controladores se muestra en las Figuras 8,
9, 10 y 11.





Figura 8. Accin de control ON-OFF





Figura 9. Accin de Control Proporcional



XI Encuentro Colombiano de Dinmica de Sistemas, 2013



9


Figura 10. Accin de Control Integral






Figura 11. Accin de control PI


Las graficas muestran como las estrategias de
control implementadas generan una accin de
control tpica para mantener la variable de salida
lo ms cerca posible del punto de operacin. Los
controladores On-Off y Proporcional no logran
estabilizar el sistema, mientras que el controlador
PI si lo hace. Esta respuesta no es de extraar, ya
que aunque no se estn utilizando ecuaciones
matemticas complejas para establecer un modelo
de la planta y del controlador, se est haciendo
uso de las definiciones bsicas de la Dinmica de
Sistemas:

- Los niveles se acumulan o integran sus
flujos.

- El flujo neto en un nivel es la tasa de
cambio del nivel.







- La tasa neta de cambio de un nivel
corresponde a su derivada.





En las anteriores expresiones, los niveles son
generalmente una cantidad y los flujos se miden
en las mismas unidades de la cantidad por unidad
de tiempo. Adems, segn la teora de Control los
niveles nicamente cambian por flujos de entrada
y salida.


3. RESULTADOS Y CONCLUSIONES

Las tareas de modelizacin para procesos
dinmicos implican la construccin de un modelo
capaz de representar o simular el comportamiento
dinmico del proceso. Para algunos procesos
dinmicos, estos modelos pueden obtenerse
aplicando las leyes fsicas que gobiernan el
comportamiento del proceso. La principal ventaja
de estos modelos es que los parmetros o
variables que intervienen poseen una
interpretacin fsica. Sin embargo, en muchas
ocasiones estos modelos son complicados de
construir, pues puede llegar a ser extremadamente
difcil considerar todas las leyes fsicas que
intervienen en el comportamiento del proceso,
apareciendo la necesidad de emplear otros
mtodos y tcnicas que faciliten dichas tareas de
modelizacin.

Los resultados obtenidos con el modelo
implementado para el sistema de control del
tanque, evidencian como a travs de la
identificacin y establecimiento de relaciones,
influencias, causas y efectos, entre los diferentes
elementos identificables que componen el sistema,
permiten la creacin de modelos causales, que
combinados con arquetipos y software de
simulacin, facilitan el estudio y comprensin del
comportamiento dinmico de procesos complejos,
presentes en diferentes aplicaciones industriales,
empleando modelos dinmicos simples,
constituidos por niveles, tasas y variables
auxiliares. Lo anterior, permite entonces pensar en
mltiples aplicaciones en reas como las ciencias
sociales, econmicas, polticas, culturales, salud e
ingeniera, entre otras, dado que la
conceptualizacin, a travs de modelos sistemo-
dinmicos, de los fenmenos y problemas
presentes en el complejo mundo del que hacemos
parte, facilita el posterior estudio, anlisis y
comprensin de los modelos analticos.

)
0
(
0
) (
) (
) ( t Nivel
t
t
ds salida de Flujo
s entrada de Flujo
t Nivel +
}
(

=
) ( ) (
) (
t salida de Flujo t entrada de Flujo
dt
Nivel d
=
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



1
0

Es as, que observada la simplicidad y buen
desempeo del modelo sistemo-dinmico
implementado para los controladores examinados,
hacen ver viable e interesante, en primera
instancia, el estudio bajo los conceptos de la
Dinmica de Sistemas de otros controladores
como los Controles Difusos, los cuales,
corresponden a una de las aplicaciones ms
comunes de la Lgica Difusa [16]. Se
implementan teniendo como base el conocimiento
de expertos, empleando variables lingsticas y
base de reglas representadas por conjuntos
difusos. En [17], se describen varias tcnicas que
ofrecen buenos resultados al ser empleadas de
forma apropiada y en [18] se presenta una
herramienta para realizar dicha implementacin.



4. REFERENCIAS

[1] Checkland Peter, Pensamiento de Sistemas:
Prctica de Sistemas, Editorial Limusa, Primera
Edicin, Mxico, 1993.

[2] Duarte V., Oscar G., Anlisis de Sistemas
Dinmicos Lineales, Universidad Nacional de
Colombia, Pgs. 2- 4.
Disponible en:
http://www.virtual.unal.edu.co/cursos/ingenieria/2
001619/lecciones/descargas/doc.pdf

[3] Jackson Michael C., Systems Thinking:
Creative Holism for Manager, University of Hull,
UK, Editorial John Wiley & Sons Ltd, Chichester
England, 2003.

[4] Chen Chi-Tsong, Analog and digital Control
System Design: Transfer-Function, State- Space,
and Algebraic Methods, Saunders College
Publishing, USA, 1993, 597 p.

[5] Strogatz Steven H., Nonlinear Dynamics and
Chaos, Perseus Publishing, Cambridge,
Massachusets, 1994, pp. 4 -11.

[6] Burden Richard L., Faires J. Douglas, Anlisis
Numrico, Editorial Thomson, Sexta Edicin,
Mxico, 1998, pp 104 -107

[7] Acevedo Snchez J., Control Avanzado de
Procesos: teora y prctica, Ediciones Diaz de
Santos SA, Madrid, 2003, pp. 129.

[8] Katsuhiko Ogata, Dinmica de Sistemas,
Editorial Prentice Hall, 1987, pp. 201 203.

[9] Aracil, Javier, Gordillo, Francisco, Dinmica
de Sistemas, Alianza Editorial S.A., Madrid 1997.

[10] Fuchs Hans U., System Dynamics Modeling
in Science and Engineering, Department of
Physics and Mathematics, Zurich University of
Applied Sciences at Winterthur, 2006.

[11] Norgaard O. M. (2000). Neural Networks For
Modelling and Control of Dinamic Systems,
Springer-Verlag, London, 2000, pp. 121 122.

[12] Gomriz C. Spartacus, Biel Sole Domingo,
Reyes M. Miguel, Teora del Control: Diseo
Electrnico, Editorial Alfa Omega, Mxico, 1999.
pp. 129.

[13] Bolton W., Ingenierria de Control, Editorial
Alfa Omega, Segunda Edicin, Mxico, 2006, pp-
225 - 229

[14] Kuo C. Benjamin, Sistemas de Control
Automtico, Prentice Hall. Sptima Edicin,
Mxico, 1996, pp. 691 694.

[15] Isee Systems (2012), Temperature Control, A
Learning Laboratory created with Stella..
Disponible en:
http://forio.com/simulate/simulation/netsim/temper
ature-controller/

[16] Martin del Bro Bonifacio, Redes Neuronales
y Sistemas Difusos, Alfaomega, Segunda Edicin,
Mxico D.F, 2001.

[17] Wang Li X., A Course in Fuzzy Systems to
Control, Prentice Hall International, New York,
1997.

[18] Msc. Hugo Hernando Andrade Sosa, Msc.
Emiliano de Jess Lince Mercado, Alexander
Elas Hernndez Cuadrado, Adriana Judith
Monsalve Quintero, Evolucin: herramienta
software para modelado y simulacin con
Dinmica de Sistemas, Revista de Dinmica de
Sistemas Vol. 5 Num. 1 (2011).
Disponible en:
http://dinamicasistemas.utalca.cl/6_Publicaciones/
Revista/Vol5Num1/RDS_Vol5_Num1.html



4. ABREVIATURAS Y ACRNIMOS

TT: Transmisor de Temperatura
TL: Transmisor de Nivel
TI: Indicador de Temperatura
XI Encuentro Colombiano de Dinmica de Sistemas, 2013



1
1
LI: Indicador de Nivel
On-Off: Controlador todo o nada.
P: Constante Proporcional
I: Constante Integral
PI: Constante Proporcional e Integral
VLV: Vlvula


5. AGRADECIMIENTOS

Los autores agradecen el inters colaboracin y
trabajo de todo el personal de la Universidad
Distrital que apoya la actividad investigativa.


7. CURRCULUM

Jairo Vargas Caleo, Ingeniero en Control,
aspirante al grado de Magister en Ingeniera
Industrial. Ha trabajado como Docente
Universitario e Ingeniero de Proyectos en el
Sector Industrial. En la parte acadmica trabaja
actualmente en el rea de Dinmica de Sistemas
aplicada a modelos de Control de Procesos,
modelamiento de problemas sociales y
herramientas pedaggicas destinadas a cursos de
Electrnica, Control y Automatizacin Industrial.


Wilson Alexander Pinzn Rueda, Ingeniero
Industrial, Magister en Ingeniera Industrial. Ha
trabajado en los sectores industrial, comercial y
educativo. Se desempea como profesor tiempo
completo de la Universidad Distrital Francisco
Jos de Caldas. Ha participado en proyectos de
investigacin en reas como: Mtodos
Cuantitativos, Gestin Organizacional y del
Conocimiento, entre otros.