TECNOLGICO NACIONAL DE MXICO

INSTITUTO TECNOLGICO DE CELAYA

DEPARTAMIENTO DE INGENIERA BIOQUMICA

Estudio numrico de la dinmica 3-D de los procesos de transporte de

momentum, calor y masa en el almacenamiento de granos en silos,
considerando el movimiento aparente del sol

Protocolo de Tesis
Presenta
IBQ. Luis Isai Quemada Villagmez
Director de Tesis

Dr. Hugo Jimnez Islas

Co-director de Tesis

Dr. Mario Caldern Ramrez

Comit Tutorial:
Director: Dr. Hugo Jimnez Islas
Secretario: Dra. Rita Miranda Lpez
Vocal: Dr. Francisco Villaseor Ortega
Co-director: Dr. Mario Caldern Ramrez

Celaya, Gto., 14 de Noviembre de 2016

TABLA DE CONTENIDOS
RESUMEN ............................................................................................................................. 6

I.- INTRODUCCIN ............................................................................................................. 7

CAPTULO 1. ANTECEDENTES ........................................................................................ 9

1.1.- Silos de almacenamiento ................................................................................................ 9

1.2.- Ecosistema del almacenamiento de granos .................................................................. 10

1.3.- Respiracin en condiciones Aerobias .......................................................................... 10

1.4.- Respiracin en condiciones Anaerobias ....................................................................... 10

1.5.- Factores que afectan la respiracin del grano .............................................................. 11

1.7.- Factores que intervienen en la calidad del grano dentro del silo ................................. 14

1.8.- Patrones de flujo ........................................................................................................... 16

1.9.- Perfiles de temperatura ................................................................................................. 16

1.10.- Perfil de concentracin ............................................................................................... 16

1.11.- Fundamentos matemticos ......................................................................................... 17

1.12.- Ecuacin de continuidad ............................................................................................ 17

1.13.- Ecuacin de transporte de movimiento ...................................................................... 18

1.14.- Ecuacin de transporte de energa .............................................................................. 18

1.15.- Transferencia de calor y de masa simultaneas ........................................................... 19

1.16.- El medio poroso ......................................................................................................... 19

1.17.- La ley de Darcy con la extensin de Brinkman ......................................................... 20

1.18.- Estado del arte ............................................................................................................ 21

JUSTIFICACIN ................................................................................................................. 26

HIPTESIS .......................................................................................................................... 27

OBJETIVOS ......................................................................................................................... 28

CAPTULO 2. METODOLOGA ........................................................................................ 29

2
2.1.-Modelacin matemtica del medio poroso ................................................................... 29

2.2.- Consideraciones Generales .......................................................................................... 29

2.3.- Promedio Volumtrico ................................................................................................. 33

2.4.- Ecuaciones Primitivas .................................................................................................. 35

2.5.- Ecuaciones a solucionar ............................................................................................... 36

2.6.-Condiciones de Frontera ............................................................................................... 37

2.7.-Mtodos de solucin ..................................................................................................... 46

2.8.-Colocacin ortogonal .................................................................................................... 48

CAPTULO 3. RESULTADOS ........................................................................................... 50

3.1.- Solucin del modelo en dos dimensiones .................................................................... 50

3.2.- Modelo de silo pequeo ............................................................................................... 51

3.3.- Modelo de silo grande .................................................................................................. 54

3.4.- Anlisis de malla .......................................................................................................... 57

3.5.- Conclusiones hasta el momento ................................................................................... 61

CRONOGRAMA DE ACTIVIDADES POR MESES ........................................................ 63

NDICE DE FIGURAS

Figura 1: Tipos de silos .......................................................................................................... 9

Figura 2: Respiracin aerobia y anaerobia de los granos ..................................................... 11
Figura 3: Ncleos de calor y humedad en un silo ................................................................ 14
Figura 4: Relacin entre los biomodelos y la ubicacin del silo .......................................... 15
Figura 5: Teorema del promedio volumtrico entre una medio poroso slido y un medio
continuo ................................................................................................................................ 34

3
NDICE DE TABLAS

Tabla 1: Propiedades del sorgo y del medio continuo dentro del silo .................................. 32

Tabla 2: Constantes obtenidas para las temperaturas del estado de Guanajuato .................. 38

Tabla 3: Comparacin de errores del modelo con respecto a datos reales para diferentes
ciudades ................................................................................................................................ 39

Tabla 4: Errores en cuanto al uso del da 183 y 200 como inicio de ao en la temperatura de
Buenos aires argentina del ao 2014 .................................................................................... 40

Tabla 5: Errores en cuanto al uso del da 183 y 200 como inicio de ao en la temperatura de
Buenos aires argentina del ao 2015 .................................................................................... 40

Tabla 6: Coeficientes de correlacin de temperaturas mximas, mnimas y promedio del ao

2014 del modelo y red neuronal ........................................................................................... 42

Tabla 7: Constantes A, B y C de Temperatura mxima para la funcin Gaussiana de los aos

2012 a 2015 en para Madrid, Espaa ................................................................................... 43

Tabla 8: Constantes A, B y C de Temperatura mnima para la funcin Gaussiana de los aos

2012 a 2015 en para Madrid, Espaa ................................................................................... 43

Tabla 9: Comparacin de los errores entre el modelo y el modelo de referencia. ............... 44

Tabla 10: Parmetros de Funcin Gaussiana Dallas 2014 ................................................... 44

Tabla 11: Comparacin del modelo climtico de 2 aos contra datos experimentales ........ 45

TABLA DE GRFICOS

Grfico 1: Comparacin entre las temperaturas reales y las obtenidas por el modelo en
Guanajuato del ao 2015 ...................................................................................................... 38

Grfico 2: Dinmica de temperaturas para el ao 2015 en Buenos aires Argentina ............ 40

Grfico 3: Dinmica de temperaturas para el ao 2015 en Buenos aires ajustada ............... 41

Grfico 4: Dinmica de temperaturas reales y del modelo para la ciudad de Kerman en Irn
para el ao 2004 .................................................................................................................... 41

Grfico 5: Comparacin de la Temperatura modelo promedio y la temperatura experimental

promedio para Kerman, Irn ................................................................................................. 42
4
Grfico 6: Temperaturas mximas y mnimas anuales para Dallas 2014............................. 45

Grfico 7: Temperatura del punto (0, 0.5) y temperatura del modelo .................................. 60

Grfico 8: Temperatura del punto (0.5, 0.5) y temperatura del modelo ............................... 60

Grfico 9: Temperatura del punto (1, 0.5) y temperatura del modelo .................................. 60

5
 Resumen

El trabajo de tesis de grado consiste en el anlisis de un modelo matemtico que explique los
fenmenos de transferencia de momentum, calor y masa que se manifiestan en el
almacenamiento de granos en silos cilndricos en tres dimensiones empleando el enfoque de
medio poroso, tomando en cuenta el ciclo diurno- nocturno y estacional de temperaturas y su
utilizacin para la simulacion de las condiciones de almacenamiento durante periodos largos.

El almacenamiento de grano se refiere a concentrar la produccin en lugares estratgicamente

seleccionados; en tanto que la conservacin implica proporcionar a los productos
almacenados, las condiciones necesarias para que no sufran daos por la accin de plagas,
enfermedades o del medio ambiente, evitando as mermas en su peso, reducciones en su
calidad o en casos extremos la prdida total. En Mxico no existen cifras precisas que
indiquen el volumen de prdida de granos y semillas; sin embargo, se estima que anualmente
se pierde entre el cinco y el 20 por ciento de la produccin total de maz, trigo y frijol,
principales granos bsicos del pas. Por lo que el almacenamiento de granos es una tarea
difcil que requiere un buen entendimiento de los procesos fsicos y biolgicos que ocurren
en el interior de la masa de granos.

Los almacenes de granos tiene formas muy variadas y estn construidos de diversos
materiales y formas, siendo la ms usada la cilndrica (Lindblad & Druben, 1979), diseada
por Franklin Hiram King a finales del siglo XIX, pensada para eliminar las esquinas donde
se acumule grano que posteriormente se deteriore, los materiales generalmente son de lmina
corrugada aunque hay gran variedad de materiales utilizados como barrera fsica, como por
ejemplo: sistemas de almacenamiento subterrneo, silos de plstico, barro, madera e incluso
estructuras ms modernas de concreto.

El principio de un buen almacenamiento y conservacin granos en silos, requiere la

comprensin de los fenmenos de transferencia de momentum, calor y masa que se
manifiestan de manera acoplada en el almacenamiento a granel, as como los efectos
ambientales sobre los perfiles de flujo, temperatura y concentracin de humedad en el silo
(Jimenez Islas, et al., 2004).

6
 I.- INTRODUCCIN

Los granos son de gran importancia para la alimentacin humana ya que son la base de la
alimentacin de varios pases, entre ellos Mxico, cuya dieta est basada en el Maz y el frijol,
en Asia el arroz y en Europa el trigo, por esta razn se han desarrollado varias tcnicas para
almacenar los granos de manera en que la integridad de este no se vea dramticamente
reducida.

Hay varias razones por las cuales se deben de almacenar los granos, una de las principales
razones es que el siguiente cultivo no se lleva a cabo inmediatamente despus de la cosecha,
por lo que los granos deben de ser utilizados para iniciar el siguiente cultivo, otra razn por
la cual deben de ser almacenados es porque las cosechas de granos deben de ser transportadas
hacia los distribuidores, los cuales a su vez deben de hacerlo llegar a los consumidores finales,
En pases en los que hay sobreproduccin de granos se debe de almacenar ya sea para
exportarlo o bien, como la produccin no es constante, dejarla almacenada para momentos
de baja produccin.

En todo el mundo se tienen estndares para la calidad del grano, y se especifica la calidad
necesaria para su comercializacin y se define por caractersticas de tipo Fsicas, Sanitarias,
y de proceso.

Por estas razones es crucial mantener la calidad de los granos y, por lo tanto es necesario
disear e implementar procesos que mantengan estos estndares de manera econmica y
eficiente.

En los ltimos aos se han desarrollado tecnologas para el almacenamiento de granos

manipulan factores fsicos, qumicos y biolgicos para aumentar la vida de los granos, sin
embargo, un modelo que solo considera un solo factor no resulta ser eficiente, por lo que la
manera correcta para disear un almacn de grano eficiente debe de estar basado en el control
de todos los factores que se puedan controlar.

Los modelos matemticos son la base racional para el diseo de mltiples procesos y la
tecnologa de cualquier tipo, se ha ampliado su utilizacin a todos los campos de la ciencia e
incluso es fundamental en la mayora de los procesos, es indispensable en la optimizacin y
desarrollo de tecnologa ms eficiente y una de las reas que no han salido de su amplio

7
espectro es el almacenamiento de grano donde juega un papel muy importante, ya que debido
a estos modelos se puede predecir el comportamiento de diversos factores que influyen en el
deterioro de este importante recurso alimenticio.

8
 Captulo 1. Antecedentes

1.1.- Silos de almacenamiento

Existen varias maneras de almacenar granos, entre ellas estn los silos de almacenamiento
cuya constitucin suele ser bastante variada, la ms usada es la cilndrica, (Lindblad &
Druben, 1979), diseada por Franklin Hiram King en el siglo XIX pensada para eliminar las
esquinas para evitar acumulacin y deterioro del grano. Los materiales que se utilizan para
la construccin son generalmente lmina corrugada, aunque tambin los hay subterrneos,
plsticos, de barro, adobe, madera y ms actualmente de concreto (Vazquez, 2001).

Los silos suelen tener una parte cnica inferior, y de acuerdo a esto se pueden clasificar en 3
grupos como se muestra en la figura 1:

- Silo cnico elevado

- Silo de piso plano
- Silo cnico subterrneo

Para asegurar la calidad del grano en el interior los silos suelen estar equipados con sistemas
de aireacin, sensores, sistemas de toma de muestras entre otros (Gough, 1980)

Figura 1: Tipos de silos

9
1.2.- Ecosistema del almacenamiento de granos

Los granos almacenados forman un ecosistema de gran complejidad (Sinha, 1995), los granos
cosechados continan viviendo y por lo tanto respiran.

Aqu interactan seres vivos y componentes abiticos, existen productores, consumidores y

degradadores, este ecosistema se regula por variables fsicas como temperatura, humedad y
composicin gaseosa del aire presente, las cuales interactan entre si y los organismos
presentes.

Se han tratado de desarrollar modelos para la distribucin de temperatura en granos en

funcin de su ecosistema (Jayas, 1995), dinmica poblacional (Kawamoto, et al., 1989) y
control de insectos (Flinn, et al., 2004), pero en muchos de estos casos se asume ambiente
constante, dinmicas poblacionales constantes y consideran que los insectos no se desplazan,
Aunque se han tratado de crear modelos que integren la dinmica poblacional de insectos
con el modelo de transferencia de calor, incluso hay modelos que tratan de integrar
temperaturas en conjunto de fenmenos biolgicos comparando la ventaja de utilizar
aireacin y aplicacin de pesticidas como mtodo de control.

1.3.- Respiracin en condiciones Aerobias

La respiracin bajo condiciones aerbicas (en presencia de oxgeno) es el proceso por medio
del cual las clulas vivas de los vegetales oxidan los carbohidratos y las grasas en presencia
del oxgeno atmosfrico, produciendo dixido de carbono (C02) y agua (H2O) y liberando
energa en forma de calor. La siguiente ecuacin representa este proceso.

C6H12O6 + 6O2 = 6CO2 + 6H2O + calor (1-1)

1.4.- Respiracin en condiciones Anaerobias

La respiracin anaerobia se produce sin la presencia del oxgeno, los productos finales de la
respiracin se componen de gas carbnico y algunos compuestos orgnicos simples, como el
alcohol etlico (C2H5OH).

En la respiracin anaerbica, el oxgeno tambin forma parte activa de las reacciones de

oxidacin; no obstante, las cuales no reciben el oxgeno desde el exterior, sino que este se
obtiene de la propia clula. Las fermentaciones son procesos de respiracin anaerbica.

10
En la masa de granos se encuentran algunas especies de levaduras (hongos unicelulares) que
respiran en ausencia de oxgeno y aceleran la descomposicin de los carbohidratos la
reaccin que representa este proceso es:

C6H12O6 = 2C2H5OH + 2CO2 + calor (1-2)

En la figura 2 se muestra la respiracin Aerobia y anaerobia del grano

Figura 2: Respiracin aerobia y anaerobia de los granos

1.5.- Factores que afectan la respiracin del grano

Hay cambios qumicos y bioqumicos importantes en el periodo de almacenamiento de grano,

dentro de los cuales se destaca la capacidad de germinacin, la formacin de sustancias
voltiles que provocan olores y variaciones importantes en el contenido de protena y
nutrientes.

Estas variaciones se acentan en la medida que las condiciones de almacenamiento del grano
no son las adecuadas y disminuyen drsticamente las caractersticas cualitativas y
cuantitativas del mismo, lo que redunda en prdidas econmicas y una disminucin de la
credibilidad de la empresa que los comercializa.

Segn las reacciones presentadas, el proceso respiratorio va acompaado de una prdida de

sustancias nutritivas. Los principales factores que afectan la velocidad del proceso
respiratorio son:

11
 La temperatura
El contenido de humedad de los granos
El desarrollo de los hongos
La composicin del aire ambiental

Temperatura

Al estudiar la influencia de la temperatura sobre el proceso respiratorio de los granos, se

concluye que la respiracin aumenta rpidamente cuando la temperatura es de 30 a 40 C, y
a partir de este punto se produce un acentuado descenso del proceso. Por lo general el
aumento de la temperatura puede acelerar la respiracin dos o tres veces hasta un cierto lmite,
arriba del cual disminuye como resultado de los efectos destructores de las altas temperaturas
sobre las enzimas (Jimenez Islas, et al., 2004).

Nivel de Humedad

El nivel de humedad de los granos influye directamente sobre su velocidad de respiracin.

Los granos almacenados con humedad entre 11 y 13 % tienen un proceso respiratorio lento.
Sin embargo, si se aumenta el contenido de humedad, se acelera considerablemente la
respiracin y en consecuencia, ocurre un deterioro. El nivel de humedad del producto es un
factor fundamental para su conservacin (Sinha, 1995).

Hongos

Recientes investigaciones concluyeron que una parte significativa del CO2 que se produce
durante la respiracin, se debe al metabolismo de los insectos presentes en los granos secos
y a los microorganismos (en su mayora hongos) presentes en los granos hmedos. Cuando
los hongos son los principales agentes responsables del aumento del proceso respiratorio se
puede llegar a un punto en los que los granos hmedos dejan de ser organismos vivos y pasan
a ser un substrato alimenticio de los hongos, que siguen respirando y transformando la
materia seca de los granos en gas carbnico, agua y calor (Sinha, 1995).

12
Composicin del aire ambiental

Aparte de la temperatura y del contenido de humedad que actan sobre todos los procesos
bioqumicos, la composicin del aire ambiente de almacenaje (relacin entre gas carbnico
y oxigeno) tambin afectan el proceso respiratorio de la masa de granos.

Cuanto mayor sea la proporcin CO2 y menor la de oxgeno menor ser la intensidad
respiratoria de los granos almacenados en una bodega o silo.

1.6.- Consecuencias y Daos

Mientras ms alto es el contenido de humedad y la temperatura de la masa de los granos, ms

intenso es el proceso respiratorio lo que implica mayor consumo de substancias orgnicas y
mayor prdida de materia seca.

Existen dos clases de calentamiento en los granos.

Calentamiento de granos secos o calentamiento ocasionado por insectos que pueden

desarrollarse en los granos con humedad cercana al 15 % o menos, lo que produce
temperaturas hasta 42 C.
Calentamiento de granos hmedos ocasionado por microorganismos que se
desarrollan en los granos con humedad de 15% o superior, lo que produce
temperaturas de hasta 62 C.

Estos dos tipos de calentamiento se pueden desarrollar simultneamente en la masa de los

granos, por lo que el calentamiento de granos secos se puede convertir en calentamiento de
granos hmedos Figura 3.

13
 Hongos 62C

Insectos 42C

Figura 3: Ncleos de calor y humedad en un silo

Las prdidas en el almacenamiento de granos se pueden clasificar en dos tipos:

a) Cuantitativa: Es una prdida representativa en masa y este tipo de prdidas ocurre

cuando el grano es consumido por insectos, roedores o aves. Tambin se presenta
cuando se seca demasiado el grano y pierde humedad y por lo tanto volumen
comercial, por lo que es clave el entendimiento del equilibrio ptimo de la humedad
para lograr el mejor volumen de grano con el menor deterioro en el mximo periodo
de tiempo de almacn.
b) Cualitativa: Este tipo de prdida es mucho ms complicada de identificar cuando el
grano todava se encuentra dentro del silo, y concierne a cambios de color, olor,
caractersticas nutricionales, infestacin de hongos o bacterias y disminucin en
capacidad germinadora, este tipo de dao se debe principalmente a la muerte del
embrin en la semilla.

1.7.- Factores que intervienen en la calidad del grano dentro del silo

Hay varios factores que influyen en el almacenamiento de granos en silos, varios de ellos
estn relacionados directamente con el medio ambiente y la ubicacin geogrfica del silo.

Con el paso del tiempo se han tratado de desarrollar tecnologas para aminorar el impacto de
las condiciones ambientales en el grano almacenado, y estas, van desde las ms sofisticadas
como silos hermticos con control de gases y temperatura, sin embargo, debido a los altos

14
costos se ha tratado de optimizar el almacenamiento de bajo costo y se han buscado
tecnologas ms econmicas (Muir, 2000).

Figura 4: Relacin entre los biomodelos y la ubicacin del silo

La metodologa que se usa ms comnmente es la aireacin que permite mantener

temperatura, humedad e intercambio de gases dentro del silo, un punto clave en la aireacin
es que se deben airear uniformemente y la aireacin se hace intermitentemente, por lo que es
necesaria una comprensin de lo que sucede en un silo no aireado para determinar parmetros
ptimos de operacin.

Se debe tener en mente que la importancia fenomenolgica de un silo no aireado se refiere a

sus perfiles de temperatura y humedad, que van a servir para optimizar procesos (Jimenez
Islas, et al., 1996). La humedad y la temperatura son los factores ms importantes para
mantener la calidad del grano durante su almacenamiento, debido a que la humedad migra a
causa de las temperaturas y stas se ven afectadas por fuentes de calor internas y externas
(Can Chun, et al., 2000). Adems temperatura y actividad de agua ms bajas previenen el

15
desarrollo de insectos y hongos (Sun D-W & Woods, 1994), por lo que se deben tener en
cuenta estos parmetros en el estudio de la dinmica de almacenamiento del grano.

1.8.- Patrones de flujo

La migracin de la humedad y el calor se realizan en parte por fuerzas de flujo dentro del
medio poroso provocadas por la conveccin natural, esto presenta ciertas caractersticas en
las que se tiene un factor predominante de flotacin, con lo que analizando estos patrones se
pueden entender tendencias de desplazamiento. Los patrones de flujo se expresan en
magnitudes y representan el recorrido del fluido en la cavidad.

1.9.- Perfiles de temperatura

La temperatura se distribuye segn gradientes, aunado a esto la generacin interna provocada
por la respiracin del grano forma una sinergia con el calor que se va atrapando en zonas
crticas donde es fundamental determinar la regin que es propensa a tener temperaturas con
mayor riesgo de deterioro.

Tambin hay que tener en cuenta que la parte exterior del silo est expuesta al medio
ambiente por lo que los cambios de temperatura ambientales como el da, la noche y las
estaciones tienen efecto en los perfiles de temperatura.

1.10.- Perfil de concentracin

Cuando la humedad del grano se encuentra entre 45 y 60% puede tener lugar el proceso de
germinacin. Por debajo de 45% y entre 18 y 20%, la respiracin de los granos y de los
microorganismos es extremadamente alta y el calentamiento puede alcanzar temperaturas lo
suficientemente elevadas para matar el germen. Los granos con menos de 10% de humedad
no proporcionan un ambiente favorable para la reproduccin y el desarrollo de los insectos.

Adems, cabe sealar que aun cuando se tenga una humedad promedio aceptable en todo el
silo, pueden existir zonas definidas con niveles inaceptables de humedad, que se producen
por el movimiento del aire intra-granular debido a la conveccin natural.

16
1.11.- Fundamentos matemticos

Para entender el sistema es necesario recurrir conocimientos de fenmenos de transporte, esta

expresin se refiere al estudio sistemtico y unificado de la transferencia de momentum, masa
y energa bajo la accin de la segunda ley de la termodinmica.

Estos transportes pueden ser analizados a tres escalas diferentes:

Balance Macroscpico: Este nivel describe cmo cambia la materia, la cantidad de

movimiento, la energa en el sistema debido a la introduccin y eliminacin de estas
entidades por las corrientes que entran, y tambin debido a otras entradas al sistema
provenientes del entorno.

Balance Microscpico: Este nivel es de vital importancia y se analiza lo que est ocurriendo
a la mezcla de fluido en una pequea regin dentro del equipo. Se anota un conjunto de
ecuaciones denominadas ecuaciones de variacin, que describen como la materia, la
cantidad de movimiento, la energa cambian dentro de esta pequea regin.

El objetivo aqu consiste en obtener informacin acerca de la velocidad, la temperatura, la

presin y los perfiles de concentracin dentro del sistema.

Balance a nivel molecular: En este nivel se busca una compresin fundamental de los
mecanismos de transporte de materia, cantidad de movimiento y energa.

Las ecuaciones de transporte de cantidad de movimiento, calor y masa total o para un

componente, se deduce a partir de balances en un volumen de control que se define como
una regin en el espacio seleccionado para el anlisis de las variables consideradas partiendo
de la premisa general.

ENTRADAS SALIDAS + PRODUCCIN CONSUMO = ACUMULACIN (1-3)

Teniendo en cuenta esta premisa se pueden plantear los siguientes balances.

1.12.- Ecuacin de continuidad

La ley de la conservacin de la masa establece que la masa no puede ser creada ni destruida.
Con respecto a un volumen de control, se puede enunciar la ley de conservacin de la masa
en forma siguiente.

17

v (1-4)
t

1.13.- Ecuacin de transporte de movimiento

Establece un pequeo elemento de volumen que se mueve con el fluido, este es acelerado por
las fuerzas que actan sobre l. En este pequeo elemento actan fuerzas de velocidad,
torsin, viscosas y efectos de gravedad

v
vv p g (1-5)
t

1.14.- Ecuacin de transporte de energa

Resulta de un balance de cantidad de movimiento sobre un elemento diferencial volumtrico.

La ley de conservacin de la energa es una extensin de la primera ley de la termodinmica

clsica, concerniente a la diferencia en energas internas de dos estados de equilibrio de un
sistema cerrado debido al calor agregado al sistema y trabajo realizado sobre el sistema.

Aqu el inters se centra en un volumen estacionario fijo, en el espacio, atreves del que
circulan un fluido. Al sistema pueden entrar y salir energa cintica y energa interna
mediante transporte convectivo. La conduccin de calor es fundamentalmente un proceso
molecular. Los esfuerzos pueden realizar trabajo sobre el fluido en movimiento, lo que
tambin es un proceso molecular. Este trmino incluye el trabajo realizado por fuerzas de
presin y por las fuerzas viscosas. Adems, sobre el sistema puede realizarse trabajo en virtud
de las fuerzas externas, como gravedad.

Podemos resumir el prrafo anterior escribiendo la ecuacin de conservacin de energa

tomando en cuenta que la disipacin viscosa es despreciable.

T
Cv v T k2T Qo (1-6)
t

18
1.15.- Transferencia de calor y de masa simultaneas

En la mayora de las situaciones, el transporte de calor y masa no estn acoplados

directamente, por lo que las ecuaciones de masa y calor se conservan sin cambios. Cuando
se considera que la densidad del fluido depende de la temperatura T y de la concentracin
CA, se establece el fenmeno conocido como doble difusin. Si el fluido es un gas ideal y los
gradientes de temperatura y concentracin son pequeos, la densidad s una funcin lineal de
T y CA y puede expresarse como

0 1 T To C C CO (1-7)

En donde el subndice o representa un estado de referencia, es el coeficiente de expansin

volumtrica y c es el coeficiente de expansin de la concentracin, los cuales se evalan en
el estado de referencia.

1.16.- El medio poroso

Un medio poroso puede definirse como una red compleja de conductos y obstrucciones
constituida por una fase slida discontinua y una fase continua integrada por un fluido, que
puede ser comprensible o incompresible. Dos propiedades que se asocian con la mecnica de
fluidos a travs de lechos porosos son (Jimenez Islas, 1999).

Porosidad: es la relacin del volumen de los poros con respecto al volumen total
de una muestra del material y depende principalmente de la naturaleza geomtrica
del slido.
Permeabilidad: es una medida cuantitativa de la facilidad con la cual un fluido se
transporta a travs de un medio poroso.

En la segunda mitad del siglo XIX, el fsico francs Henry Darcy, desarroll el primer estudio
sistemtico del movimiento del agua a travs de un medio poroso. En este estudio se analiz
el movimiento del agua a travs de lechos de arena. Revelando una proporcionalidad entre el
flujo y la diferencia de presin aplicada. En notacin matemtica esto se expresa.

K p
V (1-8)
x

19
Donde es la viscosidad dinmica del fluido, el coeficiente K es la permeabilidad del medio
poroso, que es independiente de la naturaleza del fluido pero depende de la geometra del
medio.

La ecuacin anterior se generaliza a 3 dimensiones

K
V p g (1-9)

La ley de Darcy evita la dificultad de representar el perfil de velocidad puntual por la

introduccin de una velocidad promedio definida como un cociente de flujo volumtrico a
travs de una seccin dada del medio poroso.

En un flujo unidimensional, la velocidad promedio de fase se conoce como velocidad

aparente o velocidad superficial.

En la postulacin de la ley de Darcy se han hecho varias consideraciones como: los efectos
inerciales se han ignorado y las prdidas por friccin se han balanceado solamente con la
cada de presin y fuerzas volumtricas. Debido a esto la ley es solo vlida para pequeas
velocidades de flujo.

Una desventaja original de la ley de Darcy, es que no requiere la condicin de velocidad en

las fronteras del medio poroso, lo cual hace que dicha ley sea nicamente valida lejos de la
frontera. Con base en lo anterior se ha publicado una serie de modificaciones a la ley de
Darcy.

1.17.- La ley de Darcy con la extensin de Brinkman

Para resolver este problema, Brinkman, (1945) propone una extensin a la ley de Darcy, que
consiste en aadir un trmino de esfuerzos cortante, con el fin de predecir la distorsin del
perfil de velocidad en las fronteras, quedando la ley de Darcy en los siguientes trminos.

K ' 2
V p g V (1-10)

20
En donde es la viscosidad efectiva del medio poroso mientras que es la viscosidad del
fluido. Para establecer una analoga a la ecuacin de Navier Stokes con el fin de emplear
condiciones de frontera racionales, Brinkman propone:

K
V V ' 2V g (1-11)

En resumen, el comportamiento no Darciano de un medio poroso est dado principalmente

por la consideracin de los efectos viscosos, como la extensin de Brinkman. En el caso de
los medios porosos constituidos por granos alimenticios, los valores de permeabilidad tienen
un orden de magnitud de 10-8 m2 (Singh & Thorpe, 1993), por lo que los efectos inerciales
son pequeos y, por lo tanto, el modelo de la ecuacin de Darcy con o sin extensin de
Brinkman es adecuado.

1.18.- Estado del arte

En esta seccin se muestran algunos modelos matemticos propuestos previamente a este
trabajo.

Durante el desarrollo de este mbito de la ciencia, se han intentado resolver modelos cada
vez ms complejos y sofisticados a travs de la dinmica computacional de fluidos. (de Vahl
Davis, 1983) Estudi la importancia del nmero de Rayleigh (Ra) sobre las isotermas
utilizando diferencias finitas como mtodo de discretizacin de los operadores diferenciales.

(Trevisan & Bejan, 1985) Resuelven un problema en estado estable de transferencia

simultnea de calor y masa 2-D en una cavidad cuadrada que contiene un medio poroso,
usando el concepto de doble difusin, reportando el efecto de la razn de flotacin N sobre
la transferencia global de masa.

(Prasad & Chui, 1989) Resuelven el problema de una cavidad cilndrica porosa en 2-D,
estudiando la influencia de las condiciones de frontera horizontales variando el nmero de
Rayleigh y el aspecto geomtrico (A), observando la importancia de estos factores sobre el
comportamiento del flujo (unicelular o multicelular) y la estratificacin trmica en la regin
superior e inferior. Este tipo de estudios y otros realizados inclusive en 3-D (Singh y col.,
1993) no estn completos debido a que no involucran todos los fenmenos que ocurren dentro

21
del grano, los efectos de flotacin originados por gradientes de concentracin, y otros
fenmenos.

(Jimenez Islas, et al., 1996) Desarrollan un modelo 2-D para silos cilndricos, analizando el
efecto de calor de respiracin del sorgo y de dos tipos de condiciones de frontera sobre los
patrones de flujo e isotermas, encontrando un valor critico de calor de respiracin
adimensional a partir del cual se empieza a formar un ncleo caliente. Estos autores
extendieron su estudio pero ahora con una variacin en el modelo de Darcy, como lo es la
extensin de Brinkman encontrando resultados importantes como lo es la dependencia del
nmero de Nusselt con el nmero de Darcy y como consecuencia la formacin de flujo
unicelular o bicelular, adems de que existe una regin de efectos viscosos importantes para
Da 10-4, aunque en trminos generales encontraron que estos lmites son independientes de
los valores particulares de Ra y aspecto geomtrico (A).

(Alazmi & Vafai, 2001) realizaron un estudio enfocndose sobre los diferentes tipos de
condiciones interfaciales entre un medio poroso y una capa de fluido, en el que demuestran
que, en general, las variaciones tienen ms efecto en el campo de las velocidades y mucho
menor en el campo de temperaturas e incluso un pequeo efecto en la distribucin del nmero
de Nusselt. Adems, tambin encontraron que las condiciones de transferencia de calor
interfaciales pueden presentar discrepancias en su comportamiento para valores altos de
Reynolds y/o valores altos del nmero de Darcy.

En aos recientes se han hecho estudios con mayor nivel de sofisticacin, en los cuales se
han introducido los efectos de los gradientes de temperatura producidos por las condiciones
ambientales y el calor de respiracin del grano. (Jimenez Islas, et al., 2004) utilizaron las
ecuaciones de momentum, energa y masa en medios multifsicos (tomando como modelo
de estudio al sorgo), encontrando que la variable que controla la dinmica de almacenamiento
del sorgo es el contenido de humedad en el grano; este estudio se hizo para tiempos largos y
se pudo inferir que el modelo propuesto en este trabajo es adecuado para estudiar la dinmica
de almacenamiento de granos, como puede ser un anlisis de sensibilidad, variando
condiciones de frontera y aspectos geomtricos, con el fin de determinar las condiciones
adecuadas para el almacenamiento del grano.

22
(Jian, et al., 2004) Desarrollaron un modelo 3-D para predecir la temperatura en el
almacenamiento de granos. Este modelo solamente toma en cuenta el balance de energa y la
temperatura, para las condiciones de frontera, es aproximada con tres funciones (exponencial
para periodo de amanecer, cosenoidal para el atardecer y exponencial para la noche). Una
desventaja de estas funciones, es que requieren de varios parmetros que son monitoreados
diariamente y que si no se cuenta con los equipos necesarios seria infructuosa su utilizacin.
Su estudio se bas en el error encontrado entre la temperatura terica y experimental, para
diferentes tipos de malleo. Se encontr, que el mayor error se presenta cerca de las paredes
del almacn y no as hacia al centro; esto concuerda con los estudios en donde se ha reportado
que el efecto principal de las condiciones ambientales se concentran cerca de las paredes.
Adems en 2009 realizan un estudio experimental en el almacenamiento de trigo en silos,
por un periodo de 15 meses en Canad, reportando que la mayor temperatura de
almacenamiento en este periodo fue de 32.4C (Jian, et al., 2009).

(Balzi, et al., 2008) Presentan un modelo bidimensional basado en el mtodo de elementos

finitos para predecir la evolucin de la distribucin de temperatura de una masa de granos
(trigo) almacenados en un silo cilndrico, tomando en cuenta las variaciones estacionales de
la temperatura ambiental, la radiacin solar y el viento. Las predicciones indican que la zona
central es la menos sensible a los cambios estacionales, que si tendrn una gran influencia en
la calidad de los granos cercanos a la superficie y a la chapa galvanizada.

(Abalone, et al., 2006) utilizan un modelo que integra el efecto ambiental utilizando las
ecuaciones de calor y masa. (Montross, et al., 2002) Aade la ecuacin de momentum, pero
ambos se basan en datos que deben estar siendo monitoreados constantemente, lo cual limita
el uso del modelo, y por lo tanto sera ms prctico utilizar un modelo donde se determine el
efecto de las variaciones ambientales de forma global utilizando pocos datos experimentales
(Carrera Rodrguez, 2007).

(Carrera Rodrigez, et al., 2011) Investigan los gradientes de temperatura inducidos por el
calor de respiracin de los granos en el almacenamiento en un silo cilndrico utilizando
condiciones de contorno de temperaturas basadas en el da y la noche, observando que
mientras ms se incrementa el tamao de la geometra del sistema, el ncleo de calor se
desplaza hacia la parte superior del silo.

23
Los modelos matemticos se pueden adaptar a cualquier geometra y condiciones, (Jian, et
al., 2015) desarrollan un modelo para predecir los perfiles de transferencia de calor, masa y
momentum en tres dimensiones para sistemas de silo bolsas bajo condiciones climticas en
Canad, de esta manera se pueden predecir las condiciones de almacenamiento para evitar
daar la integridad de las silo bolsas y almacenarlos durante ms tiempo.

Lawrence (2011 y 2013) analiz el fenmeno de transferencia de calor y masa en silos

adaptando un enfoque en tres dimensiones utilizando el mtodo de diferencias finitas para
resolver el problema, esto con el fin de predecir los tiempos de secado y de formacin de
microorganismos en el silo.

Abalone y Gastn (2006, 2008 y 2011) tambin han propuesto varios modelos basados en la
dinmica computacional de fluidos para resolver problemas que se basan en la descripcin
de los perfiles de transferencia de masa y calor en bolsas de silo, al igual que estudiaron la
distribucin de humedad y el efecto de la conveccin natural en los perfiles de transferencia
de masa y energa en silos metlicos (2008), en el 2011 construyeron un modelo que describe
la composicin del aire intersticial en bolsas de silo siendo este un mtodo de
almacenamiento comn en Argentina, siendo importante describirlo.

Abalone, Gastn y Baretto (2013) propusieron un modelo en dos dimensiones aplicando el

mtodo de elemento finito aplicado a predecir los perfiles de distribucin de calor y
temperatura en la soya almacenada en silos utilizando condiciones iniciales que simulan el
inicio de las estaciones, logrando predecir que en primavera la conveccin natural del silo
aumenta, disminuyendo el contenido de humedad, siendo la permeabilidad el factor que ms
afecta el transporte.

A pesar de que la investigacin en este tema sea escasa, la ciencia ha ido avanzando
rpidamente a lo largo del tiempo, se han propuesto modelos matemticos que aumentan el
nivel de complejidad y de sofisticacin para as acercarse cada vez ms a la realidad, sin
embargo an queda bastante por investigar.

Esta investigacin est orientada hacia el desarrollo de un modelo matemtico para describir
los perfiles de temperatura en tres dimensiones dentro de un silo metlico, se pretende
aumentar el nivel de sofisticacin tomando en cuenta que el silo durante el da no est

24
completamente en la luz del sol, sino que se comprende una parte en la sombra y en la luz,
de la misma manera se considerar que en el atardecer y amanecer las condiciones de
temperatura cambian drsticamente, tambin se busca acercar ms a la realidad este problema
haciendo que el modelo se extienda para comprender largos periodos de tiempo tomando en
cuenta el cambio climtico en las diferentes estaciones del ao.

25
 Justificacin
Muchos modelos no se acercan completamente a la realidad debido a que se hacen
consideraciones que mantienen constantes algunos parmetros, en este trabajo se pretende
aadir otro nivel de sofisticacin; esto con el fin de que el modelo proporcione informacin
que funcione como punto de partida para decidir, en un momento determinado utilizar
agentes fumigantes o equipos de aeracin basndose en principios de ingeniera.

26
 Hiptesis
Los modelos matemticos que describen la conveccin natural de calor y masa desarrollados
en tres dimensiones con base en el enfoque del medio poroso y acoplado con condiciones de
frontera que simulen el comportamiento diurno-nocturno y estacional de las temperaturas,
explican la dinmica de los perfiles de transporte de calor y masa dentro del silo de
almacenamiento de granos por periodos largos de tiempo.

27
 Objetivos
Simular y analizar la dinmica en tres dimensiones de la conveccin natural de calor y masa
en el almacenamiento en silos durante periodos largos de tiempo tomando en cuenta el ciclo
diurno-nocturno de la temperatura ambiental.

Objetivos especficos

Estudiar el efecto de las condiciones de contorno ambientales en la dinmica en

tercera dimensin de los perfiles de temperatura, masa y momentum
Implementar el uso de software para resolver y simular los perfiles de temperatura,
masa y momentum
Construir y analizar animaciones con los resultados obtenidos
Usar software comercial y usarlo para comparar y validar resultados

28
 Captulo 2. Metodologa

2.1.-Modelacin matemtica del medio poroso

Para el tratamiento matemtico de medio poroso, se tiene dos formas de disear modelos:

1. Considerar un modelo separado para el fluido y otro para el slido respectivamente,

acoplando las ecuaciones obtenidas mediante condiciones interfaciales apropiadas.
La utilizacin de este esquema implica el empleo de coeficientes de transferencia de
calor y de masa que deben determinarse ya sea mediante experimentacin o mediante
correlaciones.
2. Emplear el concepto de Promedio Volumtrico para obtener ecuaciones de transporte
que modelen el sistema bifsico. Esta tcnica consiste en asociar cada punto del
medio poroso a un volumen pequeo rodeado por una superficie cerrada que se mueve
dentro del seno del lecho, de tal manera que el centro del mismo sigue una curva
arbitraria cuya trayectoria abarque la totalidad del medio efectivo.

La ventaja de usar el concepto de promedio volumtrico, es que sera posible resolver un

problema donde no se conoce la ubicacin de la interface ni la estructura ni morfologa del
medio poroso.

2.2.- Consideraciones Generales

Todo modelo debe seguir una serie de consideraciones que representen el fenmeno fsico,
en este modelo se proponen las siguientes:

Medio isotrpico con propiedades termodinmicas constantes a excepcin del calor de

respiracin que est en funcin de la temperatura y humedad. En este caso los tensores de la
ecuacin se transforman en escalares como la permeabilidad, conductividad y difusividad
transformndose en permeabilidad efectiva, conductividad trmica efectiva keff y difusividad
efectiva Deff (Jimenez Islas, 1999).

Se usa la aproximacin de Boussinesq para calor y masa, que considera constante la densidad,
excepto en el trmino de fuerzas volumtricas. Se incluye el efecto combinado de las fuerzas

29
de flotacin producidas por los gradientes de temperatura y de concentracin, lo que origina
el fenmeno conocido como doble difusin (Trevisan & Bejan, 1985).

El silo es de construccin metlica, impermeable a la transferencia de masa y totalmente

lleno del grano, con fronteras rgidas y por lo tanto no se presenta deslizamiento.

El nmero de Darcy (Da) en los granos es del orden de 10-8 (Singh & Thorpe, 1993); por
tanto, la ecuacin de momentum adecuada es la ley de Darcy, y se ampla con la correccin
de Brinkman para proporcionar una mejor aproximacin en las fronteras y dar una mayor
estabilidad numrica al sistema de ecuaciones.

El equilibrio termodinmico entre la humedad del grano con la humedad del aire intersticial
se establece localmente calculando la humedad en equilibrio de la interfase, para esto se
necesita la actividad de agua en el grano, las propiedades psicomtricas del aire y el vapor de
agua, y el coeficiente convectivo de transferencia de masa ky,

La humedad de equilibrio en la interfase (Yi) se define como:

18Pv0 aw
Yi
29 p Pv0 aw
(2-1)

Donde

p= Presin atmosfrica

Pv0= Presin de vapor del agua

aw= Actividad de agua

Las isotermas de sorcin varan dependiendo de la sustancia que se trate, en el caso particular
de los granos se puede tomar como ejemplo la isoterma de sorcin para el sorgo (Brooker, et
al., 1974).

aw = 1-exp(-exp(29.18-4.086ln(T+273.15)+6.0346ln(x)-0.0105614(T+273.15)ln(x)))

Dentro del rango:

-1.3<T<48.9C, 0.2<aw<0.8, aproximadamente del 5% de humedad al 16%,

30
aw= Actividad de agua, adimensional

x = humedad del sorgo en b.h.

T= Temperatura en grados Celsius

La presin de vapor del agua segn la del de Antoine es:

3816.44
Pv0 exp 18.304 (2-2)
T 227.02

Dentro de los rangos

10C<T<150C

Pv0 = Presin de vapor del agua, mm de Hg

Adems se incluye el efecto del calor de respiracin como funcin de la temperatura y del
contenido de humedad del grano y la correspondiente generacin volumtrica de agua a partir
del metabolismo de la glucosa.

C6H12O6 + 6O2 = 6CO2 + 6H2O (2-3)

La generacin por respiracin del grano va ligada a la temperatura y la semilla absorbe

oxgeno del aire y consume carbohidratos de su estructura y durante este proceso se libera
calor a razn de 2817 KJ mol-1, CO2 y H2O (Wilson, 1999), aunque se sabe que a medida que
aumenta la temperatura y la humedad la velocidad de respiracin se incrementa, tambin
existe un punto de germinacin y otro de muerte cuando se han alcanzado puntos crticos.

Para obtener las propiedades termodinmicas de los granos se seleccion al sorgo como
ejemplo, con base en datos previos (Jimenez Islas, et al., 1996), sin embargo, el anlisis es
vlido para cualquier grano. Los datos para el calor de respiracin del sorgo, reportados por
Mohsenin (Mohsenin, 1980), se ajustaron por regresin no lineal al modelo exponencial de
la siguiente ecuacin:

Q0= 1.837*10-9exp (-6.5351+0.4604T0.006526T2) exp (87.804x) +3.3112Tanh (0.00269x)

(2-4)

31
En los siguientes rangos

4.4<T<37.8C, 0.12<x<0.21

x = humedad del sorgo en b.h.

T= Temperatura en grados Celsius

Para calcular la generacin especfica de humedad (P0) por el metabolismo, se emple la

estequiometria de la reaccin global (Wilson, 1999), correlacionndola con la generacin de
calor conocido de antemano.

Efectuando los clculos se tiene la siguiente ecuacin:

P0 = 3.4118x10-8 Q0 (2-5)

Donde P0 est dado en kg agua / kg sorgos

Por ltimo la consideracin ambiental donde se incluyen los ciclos sinusoidales da y noche
con la premisa que influyen los perfiles de temperatura en el silo, a travs de una funcin
matemtica que se presenta en las condiciones de frontera.

Tabla 1:las
Tambin se consideran Propiedades del sorgo
propiedades y del medio
del grano continuo
conforme a ladentro del silo
siguiente tabla

VARIABLE VALOR UNIDADES

Calor de referencia del sorgo (b.s) 0.12 Kg agua-1/kg s.s.
Calor especifico del sorgo 1306.0 J kg-1 C-1
Conductividad trmica del sorgo 0.1326 W m-1 C-1
Porosidad 0.43
Humedad absoluta inicial del aire 0.01253 Kg agua-1/kg s.s
Humedad absoluta alrededor del silo 0.01302 Kg agua-1/kg s.s
Permeabilidad del medio poroso 2.54x10-8 m2
Difusividad del agua en sorgo 2.00x10-11 m2 s-1
Coeficiente de transferencia de masa 1.00x10-14 m s-1
Difusividad del agua en aire 2.4370x10-5 m2 s-1
Viscosidad del aire 1.8x10-5 Kg m-1 s-1
rea de la interfase 1140.0 m2 m-3
(Jimenez Islas, et al., 2004)

32
2.3.- Promedio Volumtrico

Las ecuaciones gobernantes para un medio poroso s-b, donde s es la fase discontinua (grano)
y b es la fase continua (aire), se obtiene a partir del mtodo del promedio volumtrico
(Carbonell & Whitaker, 1984), quienes utilizaron esta tcnica para desarrollar modelos de
una sola ecuacin en sistemas multifsicos en rgimen laminar y flujo newtoniano.

El estudio de los fenmenos de transporte en sistemas multifsicos, y en particular en medios

porosos, ha sido un tema de intensa investigacin desde hace al menos tres dcadas.
Actualmente existen dos corrientes para el anlisis de este tipo de procesos de transporte.

1. La primera considera un modelo separado para el fluido y otro para el slido

respectivamente, acoplando las ecuaciones obtenidas mediante condiciones
interfaciales apropiadas. La utilizacin de este esquema implica el empleo de
coeficientes de transferencia de calor y de masa que deben determinarse ya sea
mediante experimentos o mediante correlaciones.
2. Emplear el concepto de promedio volumtrico, donde el primer paso de esta
metodologa consiste en definir una regin de promedio V, de volumen V. Formada
por una parte fluida y otra solida . Para este sistema bifsico, el volumen (V)
puede expresarse de la siguiente manera.

V V V (2-6)

Donde los volmenes pueden ser funciones del tiempo o posicin, lo que indica que aun
cuando se tiene propiedades efectivas, stas tendrn una influencia dependiente del dominio
tiempo y espacio.

La regin de promedio (V) debe ser lo suficiente grande para que las uniformidades en el
medio poroso sean suavizadas en el espacio, al mismo tiempo, lo suficientemente pequea
para que no se pierda demasiada informacin de la micro estructura en el proceso de
promediado est restriccin se suele expresar como sigue.

l l r0 L (2-7)

33
De esta forma, se define el operador promedio superficial actuando sobre cualquier propiedad
asociada con la fase ().

1
V V x
|x |x y dV (2-8)

Figura 5: Teorema del promedio volumtrico entre una medio poroso slido y un medio continuo

Donde, como se ilustra en la Figura 6, x es el vector de posicin que localiza el centroide del
espacio geomtrico; el vector r localiza cualquier punto en la fase y el vector y localiza
puntos en la fase relativos al centroide x.

El uso de este teorema proporciona el uso de ecuaciones bsicamente iguales a las de un

medio homogneo, utilizando propiedades promedio y parmetros de transporte efectivo.

34
2.4.- Ecuaciones Primitivas

Para resolver el sistema se tiene varias ecuaciones, primeramente se tienen las ecuaciones
que describen los transportes de masa, energa y momentum (Bird, et al., 2002).

Esta ecuacin describe el transporte de masa en un medio incluyendo la difusin en

coordenadas cilndricas:

A A v A A 1 A 1 2 A 2 A
vr vz AB r 2 rA (2-9)
z
D
t r r r r r r
2
Z 2

Las ecuaciones de Navier-Stokes para el transporte de Momentum:

2 1 1 2 2 2
( + + + )= +[ ( ( )) + + ]+
2 2 2 2

(2-10)

1 1 1 2 2 2
(

+

+

+

+

) = + [ ( ( )) + 2 2
+
2

2
] +

(2-11)

vz v v v v p 1 vz 1 2vz 2vz (2-12)

vr z z vz z r 2 2 gz
t r r z z r r r r
2
z

La siguiente ecuacin describe el transporte de energa:

T T v T T 1 T 1 2T 2T
Cp vr vz k r 2 2 v s (2-13)
t r r z r r r r
2
z

Y la disipacin viscosa de la energa en el mismo, en coordenadas cilndricas:

2 1 2 2 1 2 1 2 2
= 2 [( ) +( + ) + ( ) ] + [ ( ) + ] +[ + ] +[ + ]

2 1 1 2
[
3
( ) +

+

] (2-14)

La ecuacin de momentum y energa pueden relacionarse para dar lugar a una ecuacin para
describir ambos transportes tomando en cuenta que la densidad es constante excepto en el
trmino de las fuerzas de flotacin, a este arreglo se le conoce como aproximacin de
Boussinesq.

35
2.5.- Ecuaciones a solucionar

El modelo matemtico que representa la conveccin natural en el almacenamiento de granos

en silos cilndricos que contiene un medio poroso isotrpico, darciano con fronteras
impermeables y el fluido en rgimen laminar en donde a un tiempo mayor que cero se
establecen condiciones con variacin ambiental representada por la ecuacin en la superficie
superior y lateral exterior del silo, ha sido reportado por (Calderon Ramirez, 2009).

Vector potencial

2 r 1 r r 1 2 r 2 1 2 r (1.a)
r 2 2 2 2 2 2

2
4 2
4 A 2

2 1 1 2 2 r 1 2
2 2 2 (1.b)

2
4 2 2 A2 2

2 z 1 z 1 2 z 1 2 z
z 2 2 2

2
4 2
A 2 (1.c)

Vorticidad

r Pr 2 1 r r 1 2r 2 1 2r 1 N
r Pr 2r 2 2 2 2
RaPrA 2 2
Fo 4 4 A 4 4
2 2 2 2
Da (2.a)
Pr 2 1 1 2 2 r 1 2
Pr 2 2 2 2 2 2 RaPrA N
Fo 4 A 2
2
Da (2.b)

z Pr 2 1 z 1 2z 1 2z (2.c)
z Pr 2z 2 2 2
Fo 4 A 2
2
Da

Energa
1 z 1 1 z 1 r 1 1 r
2 2 2 2 2
Fo 4 A 4 A A 4 2
(3)
2 1 1 2 1 2 Q0 s R 2 k a (Y Y0 a (Y1 Y0 ) ) R 2
2 2 2 v y v a i
2
4 2
A 2
T1 T0 keff T1 T0 keff

Masa para el grano

s 1 z 1 s 1 z 1 r s 1 1 r s
2 2 2
2 2 2
Fo 4 A 4 A A 4
1 2s 1 s 1 2s 1 2s P0 s R 2 k y av a (Yi Y0 a (Y1 Y0 ) ) R 2 (4)
2
Les 4 2 2 2 A 2 2 s ( X 1 X 0 ) s ( X 1 X 0 )

36
Masa para el aire

a 1 z 1 a 1 z 1 r a 1 1 r a

Fo 4 2 A2 4 2 A2 A2 4 2
1 2a 1 a 1 2a 1 2a k y av (Yi Y ) R (5)
2

2 2 2
Lea 4 2 A2 2 Y1 Y0

2.6.-Condiciones de Frontera

Temperatura

Las condiciones de frontera para un silo consisten en una base aislada y las dems fronteras
existe implicacin climtica, por lo tanto las condiciones de frontera se ven afectadas por las
condiciones medio ambientales y estn determinadas por las siguientes ecuaciones (Carrera
Rodrguez, 2007) y fueron reformuladas para el presente trabajo.

+ +
=( ) + [ ( )] [( ) 2 + (24 + 2 ( ))] (6)
2 2 12 24

Dnde:

(1 )2
= 2()2
(7)

(1 )2
(8)
= 2( )2

Y P es la hora a la que se presenta la temperatura ms baja del da.

Para validar el modelo se utilizaron datos de la pgina T tiempo NetWork S.L del ao 2015
en diferentes ciudades del mundo, se utiliz el programa Microsoft Excel para minimizar
los errores mediante el uso de la extensin Solver.

Cabe mencionar que el dia numero uno de donde comienza la simulacin se refiere al da 1
de enero para el ao en el que se est trabajando el modelo, exceptuando algunos casos que
se mencionarn ms adelante.

En la grfica 1 se puede observar la dinmica real de la temperatura mxima (TM) y la

temperatura mnima (Tm) del ao 2015 para la ciudad de Guanajuato en Mxico
37
(21.017777777778, -101.25666666667), ambas temperaturas son ms bajas al principio y
final del ao, siendo ms clido a mediados del mismo, dando la forma tpica de la funcin
Gaussiana. Las lneas TmaxC y TminC corresponden a la temperatura mxima y mnima
respectivamente obtenidas con la funcin Gaussiana, superponiendo ambas grficas es
sencillo ver que la dinmica del modelo lleva la tendencia de los datos reales.

Temperatura anual Guanajuato 2015

40
35
30
25 TM
C

20
15 Tm
10 Tmax (C)
5
Tmin (C)
0
0 50 100 150 200 250 300 350 400
Das

Grfico 1: Comparacin entre las temperaturas reales y las obtenidas por el modelo en Guanajuato del
ao 2015

Para la obtencin de estas grficas se minimiz la suma cuadrtica de errores con el programa
Microsoft Office Excel usando la extensin Solver para obtener las 3 constantes A, B y C
para las ecuaciones (2) y (3) que se muestran en la tabla 2.

Tabla 2: Constantes obtenidas para las temperaturas del estado de Guanajuato

TMax Tmin
a 29.502117 a 14.5194731
b 181.47921 b 200.01543
c 256.399949 c 163.175807
Con esas constantes el error relativo entre el modelo y los datos reales fue de 8.4% para la
temperatura mxima y de 12.15% para la temperatura mnima, los coeficientes de correlacin
fueron de 0.57 para la temperatura mxima y de 0.87 para la temperatura mnima.

38
Los mismos anlisis se hicieron para distintas ciudades en el mundo, obteniendo distintas
constantes para cada caso.

Tabla 3: Comparacin de errores del modelo con respecto a datos reales para diferentes ciudades

Ciudad Error Rel. Error Rel. Error Coef. Coef. Coef.

TM Tm Tprom TM Tm Tprom
Tokio 109% 16.8% 17.75% 0.9 0.9 0.94
Medelln 5.3% 4.9% 4.12% 0.23 0.17 0.19
Sidney 10.77% 12.91% 10.44% 0.7 0.7 0.85
Madrid 11% 35.5% 11.88% 0.8 0.9 0.9

El rango de dispersin de las temperaturas experimentales es bastante amplio dando lugar a

errores relativos de 30% e inclusive ms altos, parte de esto se debe a que el modelo
matemtico es de tipo determinstico, lo que resulta en datos puntuales cuya relacin est
dada por los datos que se le suministra, por otra parte existen diversos factores que afectan
la temperatura climtica causando un grado alto de aleatoriedad en estos, lo que da lugar a
valores atpicos en las mediciones ocasionando errores, sin embargo, los coeficientes de
correlacin estn por arriba del valor de 0.7, lo que indica una correlacin muy fuerte entre
el modelo y los datos.

Para calcular las temperaturas en el hemisferio sur es necesario hacer otras consideraciones,
en cuanto clima en el Hemisferio norte, el verano tiene lugar desde el Solsticio de verano
(usualmente el 21 de junio) hasta el Equinoccio de otoo (normalmente el 21 de septiembre).
EL invierno, por otro lado, tiene lugar desde el Solsticio de invierno (usualmente el 21 de
diciembre) hasta el Equinoccio de otoo (el 20 de marzo). El verano en el Hemisferio sur
tiene lugar entre el 22 de diciembre y el 20 de marzo, mientras que el invierno va desde el 21
de junio hasta el 21 de septiembre.

39
 Temperatura anual Buenos Aires (34.603333, -58.381667) 2015
40
35
30
25
C

20
15 TM
10 Tm
5
0
0 50 100 150 200 250 300 350 400
Das

Grfico 2: Dinmica de temperaturas para el ao 2015 en Buenos aires Argentina

Dada esta dinmica estacional de temperaturas del hemisferio sur se debe de tomar como
inicio del ao los datos medios en la estacin de temperatura ms baja, estos das
corresponden a la mitad del ao, entre el da 183 y el da 200 correspondientes a los primeros
18 das de julio.

Tabla 4: Errores en cuanto al uso del da 183 y 200 como inicio de ao en la temperatura de Buenos aires
argentina del ao 2014

T Max Tmin Tprom Coef. Correl.

183 12.22 22.18 15.91 0.84
200 12.02 21.70 14.07 0.83

Tabla 5: Errores en cuanto al uso del da 183 y 200 como inicio de ao en la temperatura de Buenos
aires argentina del ao 2015
T Max Tmin Tprom Coef. Correl.
183 10.84 21.13 12.43 0.77
200 11.12 21.17 12.59 0.78

40
 Temperatura anual Buenos Aires 2015
40
35
30
25
C

20
15 TM
10 Tm
5
0
0 50 100 150 200 250 300 350 400
Das

Grfico 3: Dinmica de temperaturas para el ao 2015 en Buenos aires ajustada

Una de las estrategias que conlleva una mayor precisin para predecir del clima es el uso de
una red neuronal artificial, se realiz una comparacin entre el uso de una red neuronal
artificial y el uso del modelo, en el escrito de referencia (Afzali, et al., 2011) se realiz la
prediccin de la temperatura mxima, mnima y promedio en la ciudad de Kerman (36.717,
-120.050) en Irn del ao 2004 por lo que se tomaron los datos del mismo ao y se realiz el
ajuste con el modelo, resultando una dinmica que se muestra en la grfica 4,

Temperatura anual Irn 2004

50
40
30
TM
20
Tm
C

10
Tmax (C)
0
Tmin (C)
-10 0 50 100 150 200 250 300 350 400

-20
Das

Grfico 4: Dinmica de temperaturas reales y del modelo para la ciudad de Kerman en Irn para el ao
2004

41
 Tabla 6: Coeficientes de correlacin de temperaturas mximas, mnimas y promedio del ao 2014 del
modelo y red neuronal

Coef. TMax Coef. Tmin Coef. Promedio

Modelo 0.9292171 0.897178031 0.945534228
Red Neuronal 0.966 0.939 0.973
(Afzali, et al., 2011)

En la tabla 6 se observan los coeficientes de correlacin del modelo y de la red neuronal

artificial (Afzali, et al., 2011), se aprecia claramente que la diferencia entre los coeficientes
de correlacin es muy poco, demostrando la alta correlacin entre los datos y ambos modelos,
sin embargo, vale la pena destacar que las redes neuronales conllevan el clculo de varios
factores de peso mediante el entrenamiento de la red con una gran cantidad de datos, el
modelo que se discute en este escrito se calculan 3 constantes usando algunos datos.

Para calcular la temperatura promedio del da se utiliz la frmula (6), as se aproxim la

temperatura a cada hora del da teniendo en cuenta la temperatura mxima y mnima ya antes
obtenidas, obteniendo los resultados que se muestran en la grfica 5.

Temperatura Irn 2004 promedio

40

30

20
Texp prom
C

10
Tmod prom
0
0 50 100 150 200 250 300 350 400
-10
Das

Grfico 5: Comparacin de la Temperatura modelo promedio y la temperatura experimental promedio

para Kerman, Irn

Se observa un coeficiente de correlacin de 0.94 con respecto a los datos reales, mientras que
la referencia (Afzali, et al., 2011) reporta 0.973 utilizando red neuronal artificial entrenada,
resultando muy parecidos.

42
 Se realiz la comparacin del modelo de un ao a otro para ver cmo cambian las constantes,
esto se realiz con datos de la ciudad de Madrid en Espaa (40.418889, -3.691944) del ao
2015, 2014, 2013 y 2012 obteniendo los resultados de las tablas 7 y 8.

Tabla 7: Constantes A, B y C de Temperatura mxima para la funcin Gaussiana de los aos 2012 a 2015
en para Madrid, Espaa

TMax A B C Diferencia
2015 31.221637 206.09717 149.183114 A B C
2014 31.451970 198.68983 114.547823 0.230334 7.407343 34.635291
2013 32.723634 206.94985 99.072411 A B C
2012 32.242548 197.64077 105.322495 0.481086 9.309085 6.250084

Tabla 8: Constantes A, B y C de Temperatura mnima para la funcin Gaussiana de los aos 2012 a 2015 en para
Madrid, Espaa

Tmin A B C Diferencia
2015 21.79021481 210.2240677 107.3178234 A B C
2014 17.83765083 205.6697708 86.69114181 3.952563981 4.554296932 20.62668156
2013 19.42910968 212.2206046 67.69988129 A B C
2012 20.2176937 206.4714 66.64187436 0.788584022 5.749204617 1.058006931

Se observa en las constantes que los cambios en las constantes en aos anteriores son menor
que en aos recientes, esto se debe en parte al efecto del cambio climtico (Harrison, et al.,
2016) .

Se realiz una comparacin con otro modelo matemtico descrito por Zhang en el 2014, se
obtuvieron datos del clima de la ciudad de Singapur del ao 2012 y se ajustaron las constantes
A, B y C para esos datos, posteriormente se compararon los errores para contrastar ambos
modelos, los resultados estn en la tabla 9.

43
 Tabla 9: Comparacin de los errores entre el modelo y el modelo de referencia.

RMSE MSE MAE SD

30 min 0.4975 0.2767 5.893 0.4964
1 hr 0.7418 0.4246 6.4899 0.7346
2 hrs 1.1546 0.6832 6.4896 1.1198
Modelo 1.2808 1.6405 3.0358 0.7903
(Zhang, et al., 2014)

En la tabla 10 se muestran los errores para el modelo y el modelo de referencia (Zhang, et al.,
2014), se aprecia que el error del modelo de referencia aumenta de acuerdo al horizonte de
prediccin, mientras que el error del modelo se mantiene estable para todo el ao, la
desviacin estndar del modelo de referencia en predicciones de tiempo mayores aumenta, y
en el caso de 2 horas el modelo de referencia es superado por el modelo que se analiza en
este escrito, el error mximo del modelo de referencia ms grande que el del modelo en
cuestin, por lo que se demuestra que el modelo matemtico en este escrito se adapta bien a
la dinmica de las temperaturas en periodos largos de tiempo.

El objetivo del modelo es principalmente la prediccin de temperaturas futuras, basadas en

datos experimentales, para comprobar esto, se tomaron datos del ao 2014 de la ciudad de
Dallas en Texas (32.7825, -96.7975), se ajustaron las constantes a los datos que se muestran
en la tabla 10.

Tabla 10: Parmetros de Funcin Gaussiana Dallas 2014

Tmax Tmin
a 35.797323 a 25.0540022
b 194.89878 b 204.111024
c 124.309718 c 74.7395278

Estas constantes ajustan las lneas del modelo Tmax y Tmin tal y como se muestra en la
grfica 6.

44
 Temperatura anual 2014 Dallas
50
40
30
TMax
20
Tmin
C

10
Tmax (C)
0
Tmin (C)
-10 0 50 100 150 200 250 300 350 400

-20
Das

Grfico 6: Temperaturas mximas y mnimas anuales para Dallas 2014

Obteniendo las constantes del ao 2014 se sustituyeron en el modelo y se compararon los

datos con los del ao 2015, obteniendo los siguientes indicadores de la tabla 11.

Tabla 11: Comparacin del modelo climtico de 2 aos contra datos experimentales

Error relativo promedio Tmax Tmin Tprom Correlacin

Dallas 2014 vs experimental 34.85% 73.8% 114.52% 0.87
Dallas 2015 vs experimental 43.35% 57.09% 57.091% 0.89

Como se puede observar, las constantes del ao 2014 siguen la tendencia de los datos
experimentales, y esta misma tendencia es similar a la del ao 2015, por esta razn, las
constantes de aos anteriores pueden ser utilizadas para predecir temperaturas de aos
posteriores.
Masa
Las condiciones de frontera respecto de la masa consideran un silo impermeable a la
humedad o bien, con una humead que entra del exterior despreciable, por lo tanto sus
condiciones de frontera son impermeables.

X=0 y X=1 0 0 0 (8.a)
X Y Z

Y=0 y Y=1 0 0 0 (8.b)
X Y Z

45

Z=0 y Z=1 0 0 0 (8.c)
X Y Z

Para la vorticidad se usa el criterio de Woods (Roache, 1972) las condiciones inciales son y
al tiempo mayor que cero se establecen condiciones con variacin ambiental tipo Newman
sobre la superficie y la parte lateral del silo.

2.7.-Mtodos de solucin

Las leyes de conservacin de masa, momentum y energa componen la base del campo de
estudio de los fenmenos de transporte. Estas leyes aplicadas al transporte de fluidos,
describen las variaciones de velocidad, temperatura y concentracin con respecto al tiempo
y posicin en sistema en cuestin. El comportamiento espacial o espacial-temporal de tales
sistemas, se modela mediante ecuaciones diferenciales parciales (EPD).

Las EDP que presentan a los modelos de transporte son de segundo orden, tanto lineales
como no lineales. Para el caso de una EDP lineal en dos dimensiones, tiene el formato general
representado por la ecuacin siguiente, donde A, B, C,, G pueden depender de y y x pero
no de u.

2u 2u 2u u u
A B C D E Fu G 0
x 2
xy y 2
x y

Las ecuaciones elpticas generalmente representan un problema fsico que involucra el

proceso de difusin que ha alcanzado el equilibrio, mientras que las ecuaciones hiperblicas
deben dar origen a soluciones con discontinuidades, por lo que se asocian con problemas de
oscilaciones mecnicas. Por otro lado, las ecuaciones parablicas a problemas fsicos
transitorios. Con base en lo anterior y asociando con las ecuaciones de conservacin, se llega
a la siguiente conclusin.

EDP ELPTICAS Problemas en estado estable

EDP PARABLICAS Problemas en estado dinmico

EDP HIPERBLICAS Problemas en estado estable o dinmico

46
La estrategia global para resolver las EDP radica en reducirlas en una o ms ecuaciones
diferenciales ordinarias (EDO), las que pueden resolverse por tcnicas convencionales.
Bsicamente, los mtodos de solucin se pueden dividir en analticos y numricos.

Los mtodos analticos, aunque muestran explcitamente la dependencia entre variables,

solamente se aplican para resolver situaciones sencillas en donde generalmente, las EDP son
lineales y con condiciones de entorno sencillas, ya que con EDP no lineales o sistemas de
EDP acopladas, que se presentan con mayor frecuencia en los problemas cientficos y de
ingeniera, la solucin analtica es muy difcil o, prcticamente imposible, entonces es de los
operadores diferenciales, con el fin de obtener sistemas de ecuaciones algebraicas en el caso
de EDP elpticas o sistemas de EDO en el caso EDP del tipo parablico. La discretizacin de
un dominio implica el diseo de una red o malla (generalmente ortogonal) formada por una
serie de intersecciones llamada nodos o celdas.

Para cada nodo se aplica la aproximacin de la(s) EDP(s) de gobierno, con el fin de generar
un sistema de ecuaciones algebraicas o algebraicas-diferenciales acopladas que, al resolver,
darn los valores puntuales de las variables dependientes del sistema de EDP en la malla en
cuestin.

Algunos de los principales mtodos de discretizacin son:

a) Residuos ponderados: consiste en proponer funciones de prueba (generalmente

polinomiales) y calcular los parmetros indeterminados que minimizan el error de la
integral del residual de la EDP en una serie de puntos seleccionados o nodos. Existen
algunas variantes que dependen en la forma de fijar la funcin de prueba y de
seleccionar la ubicacin de los nodos, como: colocacin simple con la funcin Delta
de Dirac, subdominios, momentos, Galerkin, Mnimos Cuadrados, etc

b) Diferencias finitas: consiste en aproximar los operadores diferenciales por sus

definiciones discretizadas en un punto o domino. Para hacer esto, es necesario definir
el tamao de la red nodal (malleo), la cual es ortogonal. Las diferencias finitas pueden
ser de primer o segundo orden y se pueden aplicar con malleo constante o variable.
Para el caso de EDP elpticas, se obtiene un sistema de ecuaciones algebraicas
(lineales o no lineales) que se resuelven por factorizacin LU, sobre relajacin,

47
 Newton Raphson (Jimenez Islas, 1999), Broyden (Burden y Faires, 1985), mtodos
homotpicos (Jimenez Islas, 1999), entre otros.

2.8.-Colocacin ortogonal

El mtodo de colocacin ortogonal es un procedimiento para la solucin de ecuaciones

diferenciales parciales EDP con valores de frontera, que se basa en la aproximacin de una
funcin general por una clase de funciones ms simples. Este procedimiento es muy eficiente
y aproxima a la solucin numrica de la EDP con un error de discretizacin pequeo.

La clase de funciones de aproximacin ms comn es la de los polinomios, aunque tambin

se puede utilizar funciones geomtricas, exponenciales y racionales. De todas estas, la
interpolacin polinomial es la ms utilizada y por lo anterior se describir brevemente el
procedimiento de interpolacin para funciones a travs de los polinomios de Legendre. La
colocacin ortogonal (CO) permite convertir ecuaciones diferenciales ordinarias a
ecuaciones algebraicas y ecuaciones diferenciales parciales del tipo parablico, a ecuaciones
diferenciales ordinarias con valores inciales (Jimenez Islas, 1999). Para el caso de CO, los
puntos donde el residuo se hace cero corresponden a las races de polinomios ortogonales
como los de Legendre, Jacobi, Hermite, Legendre, entre otros. Estos se emplean como
soluciones de prueba, por lo que el error disminuye ms rpido cuando se incrementa el grado
del polinomio utilizado.

Metodologa de la colocacin ortogonal

1- Seleccionar polinomios ortogonales como aproximacin a la solucin.

2- Las races de los polinomios servirn como puntos de colocacin de malla.

3- Obtener matrices, para discretizar.

4- Plantear sistemas de Ecuaciones algebraicas.

5- Soluciones del sistemas de ecuaciones.

1.-Polinomios ortogonales como aproximacin a la solucin

m
Pm ( x ) c
j 0
j xj
48
2.-Matrices para discretizar 3.-Aproximacin a la 1era y 2a

Q ji x ij1 d N 2
Aij j
C ji (i 1) x ij 2 dX j 1
D ji (i 1)(i 2) x ij 3 d 2 N 2
A CQ 1
Bij
dX 2 j 1
B DQ 1

49
 Captulo 3. Resultados
3.1.- Solucin del modelo en dos dimensiones
En este captulo se presenta la solucin numrica del problema de la transferencia de calor y
masa en un silo primeramente desarrollado en 2 dimensiones cuyas ecuaciones se muestran
a continuacin:

Vorticidad

A 2 2 1 1 2

2 A 2 2

Momentum en medio poroso

Pr
RaPrA RaPrAN
Fo Da

Energa

2 1 1 2 1 1 QoR 2
2 2
Fo A 2 keff (T1 T0 )
v k y a av (Yi Y ) R 2

keff (T1 T0 )

Humedad en el grano

W 1 2W 1 W 1 2W

Fo Le 2 A 2 2
Po R 2 k y a av R 2
(Y Y )
s ( X 1 X 0 ) s ( X 1 X 0 ) i

Humedad en el aire intersticial

50
 1 2 1 1 2 1 1
2 A 2 2
Fo Lea
k y a av R (Yi Y )
2

(Y1 Y0 )

Y estas ecuaciones estn ligadas a las siguientes condiciones de frontera con implicacin
climtica:
C.F.1 =0 =0
=0 =0 =0

C.F.2 =1 =0 ( )
=0 =0 =
(1 )

C.F.3 =0 =0
=0 =0 =0

C.F.4 =1 =0 ( )
=0 =0 =
(1 )

Para la solucin de las ecuaciones se opt por usar el mtodo de colocacin ortogonal para
discretizar las ecuaciones, y el mtodo de relajacin no lineal para la solucin del sistema de
ecuaciones.

3.2.- Modelo de silo pequeo

Utilizando las medidas de 1.83 de radio y 3.81 de altura del silo se obtuvieron los contornos
que se muestran en las figuras a continuacin:

51
Fo=10 Da 5 Hora 4:26:21 Fo=11 Da 5 Hora 14:28:59
Prediccin Mod= 7.19C Prediccin Mod =21.5C

Fo=12 Da 6 Hora 0:31:37 Fo=13 Da 6 Hora 10:34:36

Prediccin Mod =12C Prediccin Mod =14.3C

Fo=14 Da 6 Hora 20:36:54 Fo=15 Da 7 Hora 6:39:32

Prediccin Mod =20C Prediccin Mod =8C

52
 Fo=16 Da 7 Hora 16:42:10 Fo=17 Da 8 2:44:48
Prediccin Mod =23C Prediccin Mod =9C

Fo=19 Da 8 Hora 22:50:04

Fo=18 Da 8 Hora 12:47:26
Prediccin Mod =15C
Prediccin Mod =19C

Debido a las medidas del silo la resolucin de este problema no presento una gran carga para
el CPU, se aprecia que de figura a figura la transferencia de calor se da de manera rpida y
los patrones de recirculacin estn bien definidos, de igual manera se observa que en las
fronteras del silo la temperatura que propone el modelo ambiental y la temperatura del silo
son muy similares, se puede observar la generacin de un nucleo de calor en la parte central
superior del silo, sin embargo, debido a la rpida transferencia de calor suele disiparse, por
lo que en este tamao de silo no es necesario aplicar algn sistema de enfriamiento.

53
3.3.- Modelo de silo grande
Para conocer la dinmica de las temperaturas en silos ms grandes se realiz una corrida con
un silo de radio 5.3 m y una altura de 13 m, obtenindose los perfiles de temperatura y
humedad en el aire que se muestran en las figuras siguientes:

Temperatura Humedad en el aire

Da 1
Hora: 0:50:33
Tmod: 11.17C

54
Da 2
Hora: 6:19:44
Tmod: 7.39C

Da 3
Hora: 2:32:53
Tmod: 8.56C

Da 4
Hora: 12:14:48
Tmod: 17.69C

55
Da 33
Hora: 15:29:40
Tmod: 24.3C

Da 36
Hora: 2:20:02
Tmod: 10.49C

56
La condicin de frontera con implicacin climtica se refleja en la pared exterior del silo
cuando la coordenada radial es igual a uno, en los primeros se observa que se comienza a
formar un ncleo de calor aproximadamente en el centro del silo que se desplaza hacia la
superficie sin llegar a ella, por otra parte, si se observa el perfil de transferencia de masa en
el aire se puede observar el ncleo de humedad aproximadamente en la misma posicin, esto
demuestra que la formacin del ncleo de humedad y calor se forma en los primeros das,
esta acumula puede dar lugar al desarrollo de insectos y hongos en esta zona, de igual manera
la mayora de la humedad se encuentra en el aire, ya que la transferencia que hay entre el aire
y el medio poroso es casi nula, conforme pasan los das el grano produce agua y calor, lo cual
aumenta la cantidad de agua en el aire como se puede observar en el contorno del da 33, se
forma una capa con altas concentraciones de humedad en las paredes y el techo del silo,
mientras la temperatura interna aumenta.

Gracias a las condiciones de frontera de resistencia interfacial, el interior del silo se mantiene
caliente, haciendo que la temperatura de las fronteras se mantenga unos grados ms arriba,
aun cuando la condicin con implicacin climtica marca temperaturas bajas y mientras ms
pase el tiempo se hace notorio como se puede observar a partir del da 33 en adelante.

3.4.- Anlisis de malla

Los resultados no dependen solamente del manejo de las ecuaciones o de la capacidad de
cmputo, dependen ampliamente del mtodo numrico que se est usando, la naturaleza de
los mtodos numricos implica que mientras ms aproximaciones se hagan, ms acertado
ser el resultado, tambin, mientras ms iteraciones se hagan es menos probable que la
rigidez de las ecuaciones detenga el programa, dado esto, el mtodo de colocacin ortogonal
que se est usando requiere un numero de nodos de malla mnimo para que los resultados no
tiendan a la divergencia, y tambin, para sean ms cercanos al real.

Para asegurar que los resultados obtenidos tuvieran un tamao de malla adecuado se
realizaron corridas en computadora del mismo problema pero a diferentes tamaos de malla,
los resultados fueron los mostrados a continuacin.

57
25X25 33X33

Da 1 Da 1
Hora: 0:50:33 Hora: 0:50:33
Tmod: 11.17 Tmod: 11.17

Da 2 Da 2
Hora: 6:19:44 Hora: 6:19:44
Tmod: 7.39 Tmod: 7.39

58
 Da 3 Da 3
Hora: 2:32:53 Hora: 2:32:53
Tmod: 8.56 Tmod: 8.56

Da 4 Da 4
Hora: 12:14:48 Hora: 12:14:48
Tmod: 17.69 Tmod: 17.69

Se puede observar que la malla de 33 X 33 nodos claramente muestra resultados con menos
distorsin que la malla de 25 X 25, para tomar un criterio ms acertado se realizaron
comparaciones con otros tamaos de malla en la parte media del silo, es decir, en los puntos
(0,0.5), (0.5, 0.5) y (1, 0.5) y se muestran en las grficas

59
 (0,0.5)
40

30

20

10

0
0 0.2 0.4 0.6 0.8 1 1.2

25X25 29X29 33X33 37X37 Tmodelo

Grfico 7: Temperatura del punto (0, 0.5) y temperatura del modelo

(0.5,0.5)
40

30

20

10

0
0 0.2 0.4 0.6 0.8 1 1.2

25X25 29X29 33X33 37X37 Tmodelo

Grfico 8: Temperatura del punto (0.5, 0.5) y temperatura del modelo

(1,0.5)
25
20
15
10
5
0
0 0.2 0.4 0.6 0.8 1 1.2

25X25 29X29 33X33 37X37 Tmodelo

Grfico 9: Temperatura del punto (1, 0.5) y temperatura del modelo

60
El punto (0,0.5) que se localiza en el centro geomtrico del silo muestra distorsiones en los
tamaos de malla bajos, a pesar de que siguen la dinmica de la temperatura del modelo los
tamaos de malla 33X33 y 37X37 no presentan mucha variacin entre s.

En los puntos (0.5, 0.5) y (1, 0.5) no se ve mucha variacin entre los tamaos de malla, por
lo que en estas regiones no hay mucha variacin en los resultados con respecto del tamao
de malla, en el punto (1, 0.5) que corresponde a la pared exterior del silo las temperaturas
corresponden a la temperatura ambiental que predice el modelo, lo cual es lo esperado.

Los tamaos de malla ms grandes son los que presentan la menor distorsin, por lo que lo
apropiado sera elegirlos para todo el experimento, sin embargo, el tamao de malla influye
en los tiempos de cmputo, siendo para el tamao de malla de 37 X 37 de aproximadamente
700 horas en total (1 mes), y dado que la precisin es similar a los dems tamao de malla se
opt por usar un tamao de malla medio entre 33X33 y 29X29 para asegurar buena resolucin
de resultados y ahorrar recursos computacionales y tiempo.

3.5.- Conclusiones hasta el momento

El modelo climtico que se haba estado utilizando anteriormente hacia que en periodos
prolongados de tiempo la dinmica de temperaturas estuviera desfasada con la hora del da,
lo cual ocasionaba que las temperaturas mnimas y mximas del da aparecieran en otras
horas a las que no deberan, produciendo un error que se acumulaba, esto se arregl con la
reformulacin del modelo e introduciendo el parmetro p para evitar desfasamiento en el
modelo.

El medio ambiente es uno de los factores que ms influye en los gradientes de temperatura y
humedad dentro del silo de almacenamiento de granos, ya que, aunque haya resistencia
interfacial, parte del calor ambiental es transferido al interior del silo, y sumado al calor
producido en el interior se generan ncleos de calor y humedad.

Se puede observar que en el silo chico de 1.83x3.81 la transferencia de calor se da de manera

ms rpida desde el interior del silo hacia el exterior, esto debido a que el tamao es menor
aunque debido a las condiciones de resistencia interfacial, an se guarda calor en el interior.

61
El mtodo de colocacin ortogonal ayuda a ahorrar espacio en la memoria de la computadora
a diferencia de otros mtodos de discretizacin ya que la malla que utiliza es de menor tamao
y ofrece una precisin bastante alta.

Se ha optado por un tamao de malla de 31X31 para resolver el problema ya que reduce los
tiempos de cmputo y se tiene buena resolucin de resultados.

62
 Cronograma de actividades por meses
Actividad A

Revisin bibliogrfica y recopilacin de artculos de texto completo de diversas fuentes.

Actividad B

Revisin de modelos tridimensionales y de respectivos cdigos computacionales.

Actividad C

Alternativas de modelacin de calor de respiracin en funcin de la temperatura y humedad.

Actividad D

Revalidacin de cdigos computacionales y anlisis de independencia de malla.

Actividad E

Integracin del modelo junto con sus condiciones de frontera e iniciales y clculo de
parmetros con base en casos de estudio con sorgo.

Actividad F

Corridas computacionales para la simulacin en tres dimensiones para almacenamiento de

sorgo y construccin de sus grficos.

Actividad G

Escritura de tesis

MES
ACTIVIDAD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
A x x x x x x x x x x x x x x x x x x
B x x
C x x x
D x x x
E x x x
F x x x
G x x x x x x x x x x x x x x x x

63
Referencias
Abalone, R., Gastn, A., Cassinerad, A. & Lara, M., 2006. Modelacin de la Distribucin de
Temperatura y Humedad de Granos Almacenados en Silos. Asociacin Argentina de
Mecnica Computacional. Mecnica Computacional, Volume XXV, pp. 233-247.
Afzali, M., Afzali, A. & Zahedi , . G., 2011. Approach, Ambient Air Temperature Forecasting
Using Artificial Neural Network. Singapore: s.n.
Alazmi, B. & Vafai, K., 2001. Analysis of Fluid Flow and Heat Transfer Interfacial
Conditions Between a Porous Medium and a Fluid Layer. Int. J. Heat Mass Transfer, Volume
44, pp. 1735-1749.
Balzi, U., Gaston, A. & Abalone, R., 2008. Efecto de la Conveccin Natural en la
Distribucin de Temperatura y Humedad de Granos Almacenados en Silos. Asociacin
Argentina de Mecnica Computacional. Mecnica Computacional, Volume XXVII, pp.
1471-1485.
Barreto, A., Abalone, R. & Gastn, A., 2013. Mathematical modelling of momentum, heat
and mass transfer in grains stored in silos. Latin american applied research, 43(4), pp. 377-
384, 385-391.
Bird, R., Stewart, W. & Lightfoot, E., 2002. Transport Phenomena. 2nd ed. New York: Jhon
Wiley and sons Inc.
Brooker, D., Baker Arkema, F. & Hall, C., 1974. Drying Cereal Grains. The AVI Publishing
Company, p. 265.
Calderon Ramirez, M., 2009. Estudio numrico de la conveccin natural de calor y mas 3-
D en granos almacenados en silos cilndricos. s.l.:AMIDIQ.
Can Chun, J., Da Wen, S. & Chong Wen, C., 2000. Mathematical simulation of temperature
fields in a stored grain bin due to internal heat generation. Journal of Food Engineering,
Issue 43, pp. 227-233.
Carbonell, R. & Whitaker, S., 1984. Heat and Mass Transport in Porous Media. s.l.:Bear
and Corapcioglu.
Carrera Rodrigez, M. et al., 2011. Transient numerical study of the effect of ambient
temperature on 2-D cereal grain storage in cylindrical silos. Journal of stored products
research, 47(2), pp. 106-122.
Carrera Rodrguez, 2007. Estudio Numrico de la temperatura ambiental en la conveciion
natural bidimensional en el almacenamiento de granos en silos cilndricos. Revista Mexicana
de Ingeniera Qumica, 8(I), pp. 77-91.
de Vahl Davis, G., 1983. Natural Convection of Air in a Square Cavity: A Benchmark
Numerical Solution. J. For numerical Methods in Fluids, Volume 3, pp. 249-264.

64
Flinn, P., Hangstrum, D., Reed, C. & Philips, T., 2004. Simulation model of Rhyzopertha
dominica population dinamics un concrete grain bins. Journal of stored Products Research,
pp. 39-45.
Gough, M., 1980. Evaluating of a remote moisture sensor for bulk grain. England: s.n.
Harrison, M. T., Cullen, B. R. & Rawnsley, R. P., 2016. Modelling the sensitivity of
agricultural systems to climate change and extreme climatic events. AGRICULTURAL
SYSTEMS, pp. 135-148.
Jayas, D., 1995. Mathematical modeling of heat, moisture, and gas transfer in stored-grain
ecosystems. In: Stored-Grain Ecosystem. New York: Marcel Dekker Inc., pp. 527-567.
Jian, F., Chelladurai, V., Jayas, D. & White, N., 2015. Three-dimensional transient heat, mass,
and momentum transfer model to predict conditions of canola stored inside silo bags under
canadian prairie conditions. Transactios of the ASABE, 58(4), pp. 1135-1144.
Jian, F., Jayas, D., White, N. & Alagusundaram, A., 2004. A ThreeDimensional,
Asymmetric and Transient Model to Predict grain Temperatures in Grain Storage Bins. Food
& Process Engineering Institute Division of ASAE, Volume 48, pp. 263-271.
Jian, F., Jayas, D., White, N. & Alagusundaram, A., 2009. Temperature fluctuations and
moisture migration in wheat stored for 15 months in metal silo in Canada. Journal of Stored
Products Research, Volume 45, pp. 82-90.
Jimenez Islas, H., 1999. Modelamiento Matemtico de los Procesos de Transferencia de
Momentum, Calor y Masa en Medios Porosos. Mxico. DF: Universidad Autnoma
Metropolitana Unidad Iztapalapa.
Jimenez Islas, H., Magaa Ramirez, J. & Torregrosa Mira, A., 1996. Efecto del calor de
respiracin sobre la conveccin natural en el almacenamiento de granos en silos. Memorias
del VI Congreso Nacional de la Asociacin Mexicana de Ingeniera Agricola, pp. C21-C34.
Jimenez Islas, H., Navarrete Bolaos, J. & Botello lvarez, E., 2004. Numerical Study of the
Natural Convection of Heat and 2-D Mass of Grain Stored in Cylindrical Silos. Agrociencia ,
pp. 325-342.
Kawamoto, H., Sinha, R. & Muir, W., 1989. Effect of temperature on adult survval an
potencial fecundity of the rusty grain beetle. In: Appied Entomology and Zoology. s.l.:s.n.,
pp. 418-423.
Lindblad, C. & Druben, L., 1979. Almacenamiento de grano: Manejo-secado-silos; Control
de insectos y roedores. Mxico(DF): Concepto.
Mohsenin, N., 1980. Thermal Properties of Foods and Agricultural Materials,. 2nd ed. NY.
USA: Gordon and Breach Science Publishers.
Montross, M., Maier, D. & Haghighi, K., 2002. Development of a finite-element stored grain
ecosystem model. Transactions of the ASAE, 45(5), pp. 1455-1464.

65
Muir, W., 2000. Grain preservation systems. Universtity of Manitoba, Winnipeg:
Department of biosystems Engineering.
Prasad, V. & Chui, A., 1989. Natural Convection in a Cylindrical Porous Enclosure With
Internal Heat Generation. ASME J. of Heat Transfer, Volume 111, pp. 916-925.
Roache, P., 1972. Computational Fluid Dynamics. N.M. ed. Alguquerque USA: Hermosa
Publishers.
Singh, A. & Thorpe, G., 1993. A Solution Procedure for Three-Dimensional Free Convective
Flow in Peaked Bulks of Grain. J. Stored Prod. Res., 29(3), pp. 221-235.
Sinha, R., 1995. The stored-grain ecosystem. New York: Marcel Dekker Inc..
Sun D-W & Woods, J., 1994. Low temperature moisture transfer characteristics of barley:
thin-layer models and equilibrium isotherms. Journal of Agricultural Engineering Research,
Issue 59, pp. 273-283.
Trevisan, O. & Bejan, A., 1985. Natural Convection with Combined Heat and Mass Transfer
Buoyancy Effects in a Porous Medium. Heat Mass Transfer, 28(5), pp. 1597-1611.
Trevisan, O. & Bejan, A., 1985. Natural Convection with Combined Heat and Mass Transfer
Buoyancy Effects in a Porous Medium. J. Heat Mass Transfer, 28(5), pp. 1597-1611.
Vazquez, A., 2001. El ecosistema de almacenamiento de granos. Avances y perspectivas.
CINVESTAV, pp. 407-413.
Wilson, M., 1999. A model for predicting mould growth and subsequent heat generation in
bulk stored grain. J. Stored Products Research , Issue 35, pp. 1-13.
Zhang, X., Tan, S.-C. & Li, G., 2014. Development of an ambient air temperature prediction
model. Energy and Buildings, Issue 73, p. 166170.

66