Estudios de Caso – Método de Montecarlo Felipe Andrés Villamil Quintero

Maestría en Ingeniería Ambiental- 1032468269

Caso de estudio Inicial: ejemplo de los servidores
El caso es que se tienen 2 servidores distintos con un tiempo de respuesta distinto pero similar. Una
persona hace una consulta a una de las bases de datos situada en paralelo en ambos servidores. Se
requiere estimar el tiempo medio esperado de la respuesta que se obtenga de los servidores en
paralelo y determinar el tiempo de respuesta conjunto, el intervalo de tiempo de respuesta de los
mismos, y cuál será el más rápido. Se supone que el tiempo de respuesta de los servidores sigue una
distribución normal con unos parámetros característicos (independientes el uno del otro).
Tabla 1, Parámetros iniciales

Servidor µ (seg) σ (seg)

1 20 3.4
2 22 2.6
Ahora para implementar el método de Montecarlo y determinar como se distribuye el tiempo de
respuesta conjunto se procede como sigue:
1. Excel tiene la posibilidad de generar valores provenientes de una distribución de
probabilidad dada; lo anterior se hace con el paquete de análisis de datos de Excel. Para
Excel 2016 este paquete debe activarse en ARCHIVO – OPCIONES – COMPLEMENTOS – IR a
ADMINISTRAR CPMPLEMENTOS DE EXCEL y en el mismo lugar del SOLVER se encuentra la
herramienta de Análisis de datos

Ilustración 1, Complementos de Excel

Una vez activado dicho paquete se tiene la opción se análisis de datos en la pestaña de DATOS

Ilustración 2, Análisis de datos

Al ingresar se tienen las opciones de generación de números aleatorios; Excel tiene varias
distribuciones estadísticas posibles

Ilustración 3, Generación de números aleatorios

2. A partir de aceptar la hoja puede empezar a generar números aleatorios con distribuciones
de probabilidad; así se empieza a pedir a Excel que genere valores aleatorios que provienen
de la distribución de probabilidad de cada uno de los servidores, mediante el uso de la
función de distribución de probabilidad inversa, la cual se alimenta con un número aleatorio
que sería la probabilidad de cierto valor, y el mismo programa busca, en la distribución de
probabilidad acumulada, el valor correspondiente a esa probabilidad puntual.

Tiempo de respuesta (seg) Servidor más rápido

Servidor 1 Servidor 2 Total (seg) servidor más
rápido
21.89 24.17 24.17 1
22.98 20.34 22.98 2
 Ilustración 4, ejemplo de los datos aleatorios generados

3. Después de lo anterior se genera una variable contadora que nos permite saber el
porcentaje de veces que cada servidor es el mas rápido y el porcentaje de iteraciones
desarrolladas; para lo anterior se usan variables contadoras que cuentan todos los valores
numéricos de una columna dada de Excel con y sin una condición; posterior se halla el
porcentaje
Tabla 2, datos de conteo

Frecuencia Porcentaje Frecuencia Porcentaje

Total, 11106 =CONTAR(K:K)
iteraciones
Servidor 1 7554 0.680 =CONTAR.SI(K:K; 1) =D13/$C$11
Servidor 2 3552 0.320 =CONTAR.SI(K:K;2) =D14/$C$11

4. Por último, se pueden calcular los parámetros de promedio, desviación estándar e

intervalo de confianza para el tiempo de respuesta conjunto de ambos servidores
teniendo en cuenta una confianza del 95%.
Tabla 3, parámetros del servidor conjunto

Tiempo
22.882 =PROMEDIO(J:J)
medio (seg)
Desviación
estándar 2.395 =DESVEST.M(J:J)
(seg)
Límite
18.135 =$C$15- 2* DESVEST.M(J:J)
inferior
Límite
27.704 =$C$15+ 2* DESVEST.M(J:J)
superior
+- 4.784 =2* DESVEST.M(J:J)

El programa Excel también permite analizar los histogramas que se producen mediante las
distribuciones de probabilidad de los servidores por separado y por la distribución generada por el
conjunto de respuesta. Esto igualmente se desarrolla mediante la herramienta de análisis de datos.
A partir de los datos generados en cada una de las columnas del servidor (Servidor 1y Servidor 2) y
la columna de tiempo total de respuesta; previamente se generan los rangos de clases requeridos.
Analizando los datos, desde la tabla 2 se puede ver que el servidor 1 es el mas rápido superando al
servidor 2 en un 68% de los intentos; mas sin embargo es de notar que el histograma generado para
los servidores 1 y 2 y el servidor conjunto se parece mucho más al del servidor 2 y sus datos son en
general mas parecidos al del servidor 2 como se ve más adelante en la ilustración 6, pues el servidor
conjunto tiene un promedio de 22.882 seg con desviación estándar de 2.395, y el servidor 2 un
promedio de 22 seg y desviación de 2.6. la mejora es tangible, pero, aunque el servidor 1 sea en
promedio mas rápido, su alta desviación estándar es la que condiciona su mejora al servidor
conjunto. También se puede analizar mediante el intervalo de confianza generado para el tiempo
de respuesta de cada servidor respecto al servidor conjunto, pues analizándolos datos se obtiene
un intervalo de confianza de 22.869 seg +- 4.784 mientras que el servidor 1 tiene un parámetro de
20 +- 6.8 y el servidor 2 de 22 +-5.2 por lo que la intercepción de los intervalos de confianza (todos
al 95%) disminuye el intervalo de confianza del servidor conjunto.

Ilustración 5, ilustración de la generación de Histogramas de Excel y de la campana de Gauss

Caso de estudio 2: Medición del coeficiente adiabático mediante los métodos de Clement-
Desormes y Ruchard
Método de Clement y Desormes
Este método se basa en el principio de Clement & Desormes, para el cual se tiene inicialmente un
volumen que se encuentra delimitado por un pistón, se introduce gas en el cilindro generando una
presión inicial a la temperatura ambiente, posteriormente se libera el pistón, en este caso se cuenta
con una válvula la cual se abre y se cierra rápidamente de manera que se presenta un cambio en el
volumen y la presión se equilibra bruscamente con la presión atmosférica.
 1400
1200
Servidor 1
1000
Frecuencia 800
600
400
200
0

Clase

2000

1500 Servidor 2
Frecuencia

1000

500

Clase

2000

1500 Conjunto
Frecuencia

1000

500

0
8
9

22

28
10
11
12
13
14
15
16
17
18
19
20
21

23
24
25
26
27

29
30
31
32
33
y mayor...

Clase

Ilustración 6, histogramas generados

En este sistema se presentan transformaciones adiabáticas; se trata de este tipo de

transformaciones porque se realizan de manera muy rápida con lo que se consigue que el sistema
no reciba el calor equivalente al trabajo que se realiza en la expansión.
Este método tiene como objetivo medir el
coeficiente adiabático de un gas en particular;
consiste en introducir una ligera presión del
gas de trabajo a un recipiente (con volumen
inicial, que se mantiene con un cierre) de tal
forma que la presión total del sistema sea
superior a la presión atmosférica según:
Puesto que la energía interna de los gases
ideales es solamente función de la
temperatura se escribe de la siguiente
manera:
La Ecuación de gases ideales se tiene como:

Donde P1 es la presión del sistema, P0 es la

presión atmosférica y ΔP es la presión Sustituyendo las ecuaciones anteriores en la
inducida en el sistema. de gases ideales:
Condiciones: P1, To, V1
El cierre o pistón puesto para mantener el
volumen se retira hasta alcanzar el equilibrio
E Integrando se obtiene
con relación a la presión atmosférica (P2=Po)
y llegar a un V2, este cambio se considera una
expansión adiabática pues es lo
suficientemente rápida como para haber un
intercambio considerable de energía con el Donde Cv y V son cantidades molares (es decir
ambiente. En esta expansión hay un Cv/N, V/N). Se supone que en el intervalo de
enfriamiento del sistema hasta una temperaturas en el que se trabaja Cv es
temperatura, lo que causa una disminución constante. Considerando el estado inicial (1),
en la presión. y el final (2), de la expansión adiabática se
Condiciones: Po, T1, V2 tiene que:

El cambio de temperatura dicho

anteriormente se regula rápidamente con la
temperatura ambiente (volviendo a la
Sustituyendo las anteriores ecuaciones y
temperatura inicial), sin embargo, como el
desarrollando
pistón mantiene el volumen V2 en y la
temperatura aumenta, la presión del sistema
también tiende a aumentar hasta una presión
P2
Condiciones: P2, To, V2
Para la expansión adiabática reversible de un
gas, la variación de la energía interna se
encuentra relacionada con el volumen de la
siguiente manera:
Puesto que para un gas ideal se tiene que
La ecuación (31) queda:
Considerando la ecuación para el
calentamiento a volumen constante se
obtiene
Sustituyendo ambas ecuaciones
Despejando Cp/Cv se obtiene:
Método de Ruchard
El método de cuerpo oscilatorio se basa en el
experimento de Ruchard que consta de una
esfera de masa m, que oscila en el interior de
un tubo de vidrio de precisión comunicado
con un frasco de vidrio que contiene un
volumen V de aire. Con este método se
obtiene el índice adiabático de gases
mediante el empleo de un oscilador llamado
oscilador de Flammersfeld.
Este método tiene como objetivo medir
numéricamente el coeficiente adiabático de
un gas en particular; consiste en perturbar el
estado de equilibrio mediante una fuerza o
presión en un émbolo y así poder determinar
la frecuencia y amortiguación de las
oscilaciones después de haber realizado la
perturbación. El gas se deposita en un cilindro
cerrado (a una presión determinada) con un
émbolo, que en este caso es una bola de
metal, dicho cilindro va conectado a un
recipiente y cuando la bola se introduce,
comienza a realizar una serie de oscilaciones
antes de alcanzar la posición de equilibrio.
Con el fin de obtener una oscilación estable
(no amortiguada), el gas tiene que escapar al
exterior por medio de un agujero entre el
tubo de vidrio en ángulo recto y el oscilador
de gas. El experimento se realiza con la
suposición de que no hay fricción entre la
bolita y el tubo vertical ni tampoco escape de
gas entre estos dos. El gas ahora fluye de
nuevo en el sistema debido a que se acumula
un ligero exceso de presión obligando a que el
oscilador suba. Tan pronto como el oscilador
ha permitido el escape al exterior, del aire por
la abertura, se pierde el exceso de presión y
por tanto el oscilador baja. El proceso se
repite una y otra vez.
Cuando la bola está en equilibrio, la presión
Po en el recipiente es un poco más alta que la
presión atmosférica, debido a la presión que
ejerce la bola de masa m y radio r.
También se puede ver si se considera un
balance de fuerzas sobre el pistón, asumiendo
que está en equilibrio, se obtiene:
Donde Po= Presión atmosférica, m= Masa del
émbolo, A=área de sección del cilindro. Si se
desplaza el pistón una distancia y de su
posición de equilibrio, la variación de
volumen en el sistema es:
y= variación de la posición vertical del
émbolo. La variación de la presión produce
una fuerza neta sobre el embolo (F):
Si el volumen en el sistema disminuye, el
embolo desciende y, la variación de la
posición vertical disminuye y la variación de
presión aumenta (y<0 y dP>0), por lo tanto, la
fuerza se aplica hacia arriba intentando volver caso es . Asumiendo cambios
al volumen inicial. Si el volumen aumenta, el infinitesimales en la presión y el volumen, se
émbolo asciende y ocurre todo lo contrario al puede considerar la oscilación libre del pistón
caso anterior (y>0 y dP<0), de tal forma que la como armónica, por lo cual se tiene:
fuerza se aplica hacia abajo. Es decir que la
fuerza F es una fuerza de tipo recuperadora,
es decir que se aplica en el sentido contrario
al desplazamiento hecho. Si el proceso es
rápido se considera adiabático, y si es un gas Donde la frecuencia angular ω viene dada por:
ideal, también es reversible, tenemos:

Diferenciando la anterior ecuación

Si se despeja la relación de calores específicos

Despejando dP: de la ecuación 22 y se combina su resultado
con la ecuación 23 se obtiene:

Reemplazando dP de la ecuación (19) en la

ecuación (18) y reemplazando el dV=Ay:

La ecuación 20 tiene la forma F=-k* Y (Ley de

Hooke), donde la “constante elástica” en este

Implementación Ilustración 7, montaje para el método de Clement y Ruchard

Para el método de Clement y Desormes, los estudiantes obtuvieron los siguientes resultados en la
práctica; para el cálculo del coeficiente isentrópico del CO2
Tabla 4, Datos tomados para el método Clement Desormes

mm agua mm agua mm agua

1 2 3
Promedio 47.1 26.8 31.5
Desviación 0.05 0.3 0.1
+- 0.1 0.6 0.2
Coeficiente de
0.106 1.119 0.317
variación (%)
Los datos anteriores deben ser convertidos a presión absoluta, pero pueden mantenerse como mm
Agua. Las desviaciones estándar están dadas tanto por la facilidad de medición de dicha presión
como por el valor numérico de la misma. El caso es que la presión 1 se puede medir muy
exactamente ya que los estudiantes la controlan, por ello su incertidumbre es la mas pequeña y esta
dada nada mas por la escala de medición. Para la presión 2 los estudiantes tienen varios problemas
pues el sistema va disminuyendo de presión hasta llegar a un mínimo para después inmediatamente
subir la presión, por lo que los estudiantes cometen error para tomar el mínimo. El caso de la Presión
3 es menos severo, pero se ha visto que el sistema debe llegar a un estado estable que usualmente
demora y se ve afectado también por los cambios de temperatura externos. En ultimo caso se
convierten las presiones a presión absoluta (sumándole a la presión 7831mm Agua a cada dato) y
se calcula el coeficiente adiabático
Tabla 5, Presiones absolutas calculadas para el método de Clement Desormes y el Gamma calculado

Presiones absolutas (mm Agua)

P1 P2 P3 Gamma
7878.1 7857.8 7862.5 1.302
Posteriormente se puede hacer el procedimiento similar al caso de estudio inicial, pidiéndole a Excel
que calcule parámetros provenientes de las 3 distribuciones de probabilidad normal, uno para cada
valor de mm Agua tomado como aparece en la tabla 4 y se calculan los Gamma
Tabla 6, implementación del método de Montecarlo

Datos iniciales Presiones absolutas (mm Agua)

mm agua mm agua mm agua P1 P2 P3 Gamma
1 2 3
47.018 26.724 31.349 7878.018 7857.724 7862.349 1.296
47.031 26.750 31.399 7878.031 7857.750 7862.399 1.298

A partir de lo anterior se puede determinar el promedio y desviación estándar de los datos

generadas por Gamma, junto con el intervalo de incertidumbre y el coeficiente de variación
obtenido. A partir de los datos en la tabla 6 se puede obtener el intervalo de confianza y además se
ve que el coeficiente de variación para el Gamma (1.61%) es mayor que los obtenidos para los tres
datos iniciales alimentados al modelo.
 Tabla 7, datos obtenidos del método de Montecarlo para Gamma mediante el metodo de Clement y Desormes

Gamma
Promedio 1.302
Desviación 0.021
estándar
Intervalo de 0.042
confianza (+-)
Inferior 1.260
Superior 1.344
Coeficiente de 1.61
variación (%)
Se puede también analizar cual variable tiene mayor importancia en el coeficiente de variación de
Gamma, por lo que se puede hacer el análisis de aumentar y disminuir la desviación estándar de las
3 variables involucradas como se hace a continuación.
Tabla 8, Análisis de sensibilidad a la desviación estándar de cada parámetro

Original Desv2 Desv1 Desv3

Promedio 1.3015 1.3018 1.3021 1.3026
Desviación 0.0210 0.0107 0.0220 0.0316
Estándar

Intervalo 0.0421 0.0214 0.0440 0.0632

De
Confianza
Inferior 1.2594 1.2804 1.2581 1.2394
Superior 1.3436 1.3232 1.3461 1.3658
Desv 1 (Pa) 0.05 0.05 0.3 0.05
Desv 2 (Pa) 0.3 0.1 0.3 0.3
Desv 3 (Pa) 0.1 0.1 0.1 0.3
Coef De 1.617 0.822 1.690 2.425
Variación
dcoef/d2 3.975
dcoef/d1 0.294
dcoef/d3 4.041
Tal como se puede ver en la tabla 7, se puede ver que la variación en la desviación de la presión 2 y
3 tiene mucha mayor incidencia que la variación en la presión 1; eventualmente se puede deber a
que, aunque la desviación estándar afecta tanto al numerador y al denominador, hay un efecto por
el logaritmo natural y además la variación afecta de manera uniforme en todo gamma, situación
distinta a lo que sucede con las otras presiones que afectan al numerador o denominador y su efecto
es más acusado.

Para el método de Ruchard los estudiantes igualmente obtuvieron el siguiente set de datos,
igualmente para el cálculo del coeficiente adiabático para el CO2
 Tabla 9, datos tomados para el método de Ruchard

Promedio Desviación -+ Coef de

Variación
(%)
Tiempo (seg) 7.50 0.1 0.2 1.333
Periodo 0.141 - - -
Masa de esfera 7.541 0.001 0.002 0.013
(g)
Volumen 0.618 0.01 0.02 1.618
confinado(L)
Diámetro de 12.1 0.01 0.02 0.083
esfera (mm)
Diámetro de 12.22 0.01 0.02 0.082
tubo (mm)
Po (Pa) 75327.1 188.31775 376.6355 0.250
T (°C) 18.8 1 2 5.319
P (Pa) 75957.22 - - -
Gamma 1.3026 - - -
Los anteriores datos no requieren gran conversión excepto que el tiempo que toman 30 oscilaciones
debe convertirse a periodo y a partir de la presión atmosférica se calcula la presión interna del
sistema por el balance de fuerzas con la esfera metálica; ya por ultimo se muestra el cálculo de
Gamma.
El tiempo es medido mediante un cronometro, pero igualmente se le asigna una desviación
relativamente grande a causa del efecto del tiempo de reacción de los estudiantes que van contando
las oscilaciones. Los valores de la Masa de la esfera, diámetros de la esfera y el tubo fueron medidos
con una balanza analítica y con un pie de rey respectivamente por ello su variación es acorde a la
incertidumbre instrumental del equipo nada más; el volumen confinado esta dado por el fabricante
del equipo más mediciones geométricas al igual que la presión atmosférica medida, de la cual se
encontró que la incertidumbre es el 0.25% del valor medido por el manómetro. La temperatura se
mide mediante una termocupla acoplada al flujo de air, por lo que se ve una variación alta en su
valor y por ello se le asigna una incertidumbre mas alta que el valor dado por el fabricante.
Igualmente se presentan los datos de promedio, desviación estándar y Coef de variación
Tabla 10, datos obtenidos del método de Montecarlo para Gamma mediante el método de Ruchard

Gamma
Promedio 1.303
Desviación estándar 0.041
Intervalo de 0.082
confianza (+-)
Inferior 1.221
Superior 1.385
Coeficiente de 3.149
variación (%)
Se puede también analizar cual variable tiene mayor importancia en el coeficiente de variación de
Gamma, por lo que se puede hacer el análisis de aumentar y disminuir la desviación estándar de
las variables involucradas como se hace a continuación.
Tabla 11, Análisis de sensibilidad a la desviación estándar de cada parámetro

Original Tiempo Diámetros T °C Masa Presión

Promedio 1.304 1.303 1.305 1.303 1.303 1.303
Desviación 0.041 0.022 0.060 0.041 0.041 0.043
Intervalo
0.082 0.044 0.120 0.082 0.082 0.087
Confianza
Inferior 1.221 1.259 1.185 1.221 1.221 1.217
Superior 1.386 1.347 1.424 1.385 1.386 1.390
Coef
3.149 1.686 4.586 3.135 3.149 3.320
Variación (%)
Tiempo (seg) 0.1 0.01 0.1 0.1 0.1 0.1
Diámetros
0.01 0.01 0.1 0.01 0.01 0.01
(mm)
Temperatura
1 1 1 0.1 18.8 18.8
(°C)
Masa Esfera
0.001 0.001 0.001 0.001 0.0001 0.001
(g)
Presión (Pa) 188.32 188.32 188.32 188.32 188.32 753.27

Dcoef/tiempo 16.257
Dcoef/dDiametros 15.965
dcoef/dT 0.016
Dcoef/dmasa -0.225
dcoef/dpresion 0.000

Tal como se puede ver en la tabla 10, se puede ver que la variación en la desviación del tiempo es
la que más influye en el coeficiente de variación, seguido por la variación es los diámetros; debe
tenerse en cuenta que la variación es los diámetros está dada para ambos diámetros suponiendo
que el instrumento de medida sea el mismo para ambos valores. Igualmente, las otras variables no
tienen un gran efecto dentro de la variación del Gamma teniendo en cuenta el error del método de
Montecarlo; es por ello que para la presión da 0 esta variación y respecto para la masa es negativa.
Puede verse que la variable que más influye es el tiempo calculado para las 30 oscilaciones, siendo
la variable más difícil de medir y la que mas problemas presenta cuando el equipo esta
incorrectamente construido (presenta problemas de rotación y decaimiento, lo que genera
ineficiencias en el sistema que dificulta el conteo)

Por ultimo se tiene el histograma de datos generados para Gamma mediante el método de Clement
y Desormes y de Ruchard en la ilustración 7. Se puede ver a partir de todo el procedimiento de
Montecarlo, el método de Clement es el mas exacto teniendo en cuenta nada mas las
incertidumbres determinadas en las medidas, ya que tiene menor número de variables y estas
pueden tener menor incertidumbre asociada. Por otro lado, el método de Ruchard integra muchas
mas variables con mayor desviación y la formulación del método no minimiza la desviación, como
si sucede en el método de Ruchard. Sin embargo, durante la experimentación el método de Ruchard
es el método con la mejor experimentación pues, en las condiciones optimas de ambos métodos, el
de Ruchard solo tiene 1 variable de medición; mientras que el método de Clement implica controlar
3 variables de las cuales 2 varían en el tiempo

1800
1600
1400
Clement
1200
Frecuencia

1000
800
600
400
200
0

Clase

2500

2000
Ruchard
Frecuencia

1500

1000

500

Clase

Ilustración 8, histogramas de los Gamma generados por el método de Clement y de Ruchard

Caso de estudio 3: Medición del coeficiente de difusividad binario gaseoso en la celda de Arnold

Coeficiente de difusividad Para realizar la experimentación en el

laboratorio, se dispone de la celda de Arnold,
Difusión a través de una película de gas
por lo que es importante definir los
estancado. Fundamentos de la celda de
fundamentos sobre la que este equipo se
Arnold.
apoya para llegar a determinar el coeficiente
de difusividad de la sustancia bajo estudio.
Estado estable.
El coeficiente de difusión para un sistema
gaseoso, puede ser medido
experimentalmente en una celda de difusión.
Consta de un tubo angosto parcialmente lleno
con líquido puro A, el cual se mantiene a
temperatura y presión constante por medio
de un baño de agua termostático. Un gas B se
hace fluir a través del extremo abierto del
tubo, este debe tener una solubilidad
despreciable en el líquido A al tiempo que
debe ser inerte químicamente a él. El
componente A se vaporiza y difunde dentro
de la fase gaseosa. La velocidad de
vaporización de A, puede ser expresada
matemáticamente en términos del flujo
másico o molar.
Estado seudo-estable.
En muchas operaciones de transferencia de
masa, uno de los límites puede moverse con
Ilustración 9, Equipo de la celda de Arnold
el tiempo, tal es el caso real de la celda de
difusión de Arnold. Si la longitud de la
trayectoria de difusión varía muy poco en un
tiempo relativamente largo, un modelo de
difusión seudo-estable se puede usar.
Ilustración 10, Esquema de difusión en estado seudo –
estable
Realizando un balance de materia a través
de un volumen diferencial a lo largo del
tubo, teniendo a At como área transversal
al flujo se obtiene:
N AZ A t Z  Z
 N AZ A t 0
Z
Dividiendo esta expresión por el volumen
AtZ y evaluando el límite cuando Z
tiende a cero, se obtiene la ecuación
diferencial siguiente:
dNAZ
0
dZ
Esta relación refleja un flujo molar
constante de A en la fase gaseosa desde
Z1 hasta Z2. Ahora, considerando
solamente el plano que pasa por Z1 y la
restricción que el gas es insoluble en el
líquido A, se deduce que el flujo NBZ es
igual a cero a lo largo de toda la columna,
de tal manera que el componente B se
comporta como un gas estancado. El flujo
molar constante de A se puede describir
por la siguiente ecuación:
dy A c A
NAZ  D AB c  (NAZ  NBZ )
dz c
Reemplazando cA/c = yA, se llega a:
  D ABc dy A Sabiendo que V = At x h:
N AZ 
1  y A dz
dV dh
 At
Esta ecuación se puede integrar en las dt dt

condiciones límites: y que dh = -dz, se obtiene:

Z = Z1 , yA = yA1; Z = Z2 , yA = yA2 dz
N AZ  c AL
Integrando se obtiene: dt

c 1  y A2 
NAZ  D AB ln 
Z 2  Z1  1  y A1  Igualando las anteriores ecuaciones e
integrando se obtiene:
El promedio logarítmico de la
concentración del componente B se Z 2t  Z 2t0 1 D AB P ( y A1  y A 2 )
 t
define como: 2 c AL RT y BML

y A1  y A2 Donde: Zt = Z2 – Z1,t
y BML 
 1- y A2 
ln  Zt0 = Z2 – Z1,t =0
 1- y A1 
Esta ecuación corresponde a una línea
Si se reemplaza las dos anteriores
recta, donde la pendiente es
ecuaciones se obtiene:

cDAB y A1  y A2
1 DAB P y A1  y A2
NAZ 
Z2  Z1 yBML cAL RT yBML

La ecuación (11) describe el flujo de masa
en la película de gas estancado.
Colocando el flux de A como función del
volumen y la concentración de A en el
líquido se tiene:
A partir de esta ecuación y teniendo los
datos de altura para diferentes tiempos,
se puede hallar la difusividad de un
sistema binario empleando la Celda de
Arnold.

c AL dV
N AZ  
A t dt

Implementación
Los estudiantes para esta practica obtuvieron los siguientes datos; tomados para medir la
difusividad de la acetona en aire seco a la presión de Bogotá; no se presentan los datos tomados
para medir el caudal de aire ingresado a la celda y garantizar que el numero de Reynolds se
mantenga entre 100 y 200

Tabla 12, Datos tomados para la Celda de Arnold

 t(seg)+- 10 Z (m)+- 0.5
seg
0 0.041
600 0.0413
1200 0.0415
Patm (Pa) 74661 +- 186.6
1800 0.0419
Pm (cm Agua) 0.030 +- 0.001
2400 0.0422
P sistema (Pa) 74954
3000 0.0422
T celda(°C) 25 +-1
3600 0.0423
4200 0.0426
4800 0.0429
5400 0.043

A partir de estos datos de entrada los estudiantes calculan los siguientes parámetros
Tabla 13, Dato intermedios calculados para la celda de Arnold

ya1 0.411
ya2 0
T(°C) 25 yBML 0.77648317
T(K) 298.15 m 3.0491E-08
P(Pa) 74954 Dab(m2/s) 1.29405E-05

Una vez tomados los datos; se deben convertir en datos del Z2-Z2o de forma que se pueda
correlacionar esta Z2-Z2o vs Tiempo. Respecto a las incertidumbres tomadas de los datos, se tiene
que la incertidumbre de los datos de tiempo tienen un valor de 10 s excepto el primer dato el cual
tendrá incertidumbre de 0.1 segundos y los datos de longitud tienen una incertidumbre de 5 mm;
esto se tiene ya que los estudiantes miden el tiempo con el cronometro y al determinar 10 minutos
demoran algún tiempo en revisar el teodolito y visualizar el menisco del nivel de acetona y el nivel
de la acetona se mide a partir de una regla con medición mínima a mm por tanto se considera que
no hay mas incertidumbre que la arrojada por la mitad de la mínima división de la regla. Se sigue
tomando la incertidumbre de la presión atmosférica como el 0.25% del valor reportado y se asigna
la desviación a la temperatura de la celda pues el termómetro de la misma generaba una variación
constante durante los experimentos; otros parámetros como las Constantes de Antoine y la
contante de los gases ideales se consideran libres de incertidumbre en este ejercicio. Con todo lo
anterior se le pide a Excel que calcule parámetros provenientes de una distribución normal inversa
y se obtienen los siguientes parámetros
Tabla 14,Datos arrojados por el Método de Montecarlo para el cálculo de la Difusividad

Dab(m2/s)
Promedio 1.295 E-05
Desviación 0.341 E-05
+- 6.8340E-06
 Inferior 9.5354E-06
Superior 1.6369E-05
Coef 26.542
Varianza (%)
Analizando la variación del error de algunas variables, se ve que las variables como la presión
atmosférica, la presión manométrica del sistema, temperatura de la celda y los tiempos tienen un
efecto casi nulo sobre el coeficiente de varianza del método, pues variaciones del error en estos
parámetros pues variaciones de un orden de magnitud generan menos del 1% del cambio en el
coeficiente de varianza. El caso no es el mismo de la variable de altura del capilar si genera un
cambio; aumentar en un orden de magnitud el error de las mediciones de esta altura genera una
variación de un orden de magnitud en el coeficiente de variación, pasando de 25.54 a 254.41 % al
aumentar la varianza de las mediciones de longitud de 0.5 mm a 5 mm. También se puede ver a
partir de los daos de coeficiente de variación y de los histogramas presentados a continuación que
la distribución generada es muy amplia, siendo la principal fuente de varianza las mediciones de
longitud; esto se puede deber a que, como con 10 puntos se debe generar una línea con pendiente
constante que se ve muy afectada por cualquier cambio en la posición de los puntos, pudiendo
generar una gran sinergia entre los mismos. Es importante mencionar que para este ejercicio y para
el ejercicio con el método de Ruchard se requirieron muchas mas iteraciones que para el método
de Clement y para el caso base por que involucran un mayor numero de variables. Esto se vio porque
en algún momento el promedio calculado difería bastante del caso base real de lo que se calcula
con los datos de partida.

7000
6000
Frecuencia

5000
4000
3000
2000
1000
0

Clase

4000
3500
3000
Frecuencia

2500
2000
1500
1000
500
0
5.3551E-06
6.7281E-06

1.22201E-05
3.98209E-06

8.10111E-06
9.47412E-06
1.08471E-05

1.35931E-05
1.49661E-05
1.63391E-05
1.77122E-05
1.90852E-05
2.04582E-05
2.18312E-05
2.32042E-05
2.45772E-05
2.59502E-05
y mayor...

Clase

Ilustración 11, Histograma generado para la celda de Arnold

Conclusiones
Revisando los métodos usados para la medición del coeficiente adiabático, se puede juzgar cual es
inherentemente más exacto por lo que se pueden hacer mejores determinaciones reduciendo al
mínimo el error humano y mejorando la instrumentación usada. Lo mismo sucede para el análisis
del método para determinar el coeficiente de difusión, que demostró ser bastante impreciso por la
cantidad de error que aportan las medidas realizadas en el mismo y que, tanto en este como en el
método de Ruchard, el error se ve magnificado por la formulación del método. Podemos concluir
que el método de Montecarlo es muy robusto y su implementación en Excel es muy fácil teniendo
en cuenta que a mayor numero de variables se debe aumentar igualmente el numero de iteraciones,
y se puede extender al cálculo de error de muchas otras magnitudes físicas encontradas en el
laboratorio de termodinámica, como los calores de reacción y de combustión, lo parámetros de
Antoine y el calor de vaporización y el coeficiente de conductividad térmica entre otros, permitiendo
igualmente tener en cuenta el error puramente aleatorio de la medida como los errores humanos
o dificultades que puede generar la medición